特斯拉全自动驾驶芯片架构解析

“Tesla Full Self-driving Chip Architectures - TESLA FSD AI” 特斯拉（Tesla）在2019年的HotChips-31会议上公开了其全自动驾驶（Full Self-driving, FSD）芯片及其板级架构的设计，这对于理解AI芯片设计具有深远的指导意义。这个设计由Pete Bannon、Ganesh Venkataramanan、Debjit Das Sarma、Emil Talpes、Bill McGee及其团队共同完成，旨在满足特斯拉的独特需求并推进自动驾驶技术的进步。 1. **平台目标**： - **专注特斯拉需求**：设计完全围绕特斯拉的自动驾驶系统要求进行，确保硬件与软件的高度集成。 - **兼容现有硬件2.x车辆**：新设计能够适应已有的硬件平台，便于升级。 - **降低成本以实现冗余架构**：通过降低成本，使得在车辆中实现冗余系统成为可能，提高系统的安全性。 - **安全与保障**：功耗低于100W，以确保低能耗且可靠运行。 - **减少软件迁移努力**：设计时考虑到软件的平滑过渡，减少更新带来的复杂性。 - **支持FSD的自动驾驶硬件功能与性能**：确保硬件性能能够满足全自动驾驶所需的计算能力和响应速度。 2. **全自动驾驶计算机（FULL SELF-DRIVING COMPUTER）**： - **双冗余SoC**：采用两个独立的系统级芯片（System-on-Chip），提供故障容错能力。 - **冗余电源供应**：增强系统的稳定性和可靠性。 - **兼容现有接口和外形尺寸**：保持与前代产品的连接器兼容，方便升级。 - **重叠摄像头视野和冗余路径**：确保多摄像头数据的冗余处理，提高感知准确性。 - **执行器电子控制单元（ECU）**：负责控制车辆的各种执行器，如转向、刹车等。 - **传感器阵列**：包括摄像头、雷达、GPS、地图、惯性测量单元（IMU）、超声波传感器、车轮转速传感器和方向盘角度传感器等，用于全方位环境感知。 3. **FSD芯片目标**： - **超过50 TOPS（每秒万亿次运算）的神经网络性能**：提供强大的计算能力，满足复杂的自动驾驶算法需求。 - **高利用率（约80%）**：优化设计，使得芯片在执行任务时能保持高效运作。 - **优化单批次处理**：针对单个样本的处理进行优化，更符合自动驾驶实时处理的需求。 - **低于40W/芯片的功耗**：实现业界领先的推理阶段能效。 - **CPU和GPU用于后处理和通用计算需求**：除了专用的神经网络加速器外，还包含CPU和GPU来处理其他计算任务。 - **安全与安全性需求**：设计中充分考虑安全因素，确保在极端情况下的稳定工作。 - **模块化设计**：支持不同平台的冗余使用，易于扩展和升级。 4. **FSD芯片规格**： - **14纳米鳍式场效应晶体管（FinFET）CMOS工艺**：采用先进的制程技术，提升性能和能效。 - **260平方毫米的芯片面积，包含60亿个晶体管**：大容量的晶体管数量确保了高性能。 - **AECQ100标准**：符合汽车电子的严苛环境质量标准。 - **37.5x37.5毫米的倒装芯片球栅格阵列（FCBGA）封装**：紧凑的封装形式利于集成到车辆中。 - **已经在生产中**：表明该芯片设计已经成熟并投入实际应用。 通过这一全面的设计，特斯拉成功地构建了一套专为全自动驾驶定制的硬件平台，实现了高性能、低功耗以及高安全性的目标，推动了自动驾驶技术的快速发展。