고급 운전자 지원 시스템 (ADAS)은 엄청난 가능성을 가지고 있습니다. 때로 자율 주행 차 (AV) 산업에 대한 헤드 라인은 일부 사람들이받을 가치가 없다고 생각하는 사고, 규제 또는 회사 평가에 초점을 맞춰 불길한 것처럼 보입니다. 이 중 어느 것도 불합리한 것은 아니지만 AV 세계의 놀라운 가능성을 불투명하게 만듭니다.
AV의 보편적 인 장점 중 하나는 대부분의 AV가 전기 자동차 (EV)이기도하므로 환경에 긍정적 인 영향을 미칠 수 있다는 것입니다.
산업 분석가 보고서 2023 년까지 7.3 만 대의 차량 (전체 시장의 7 %)이 1.5 억 달러의 자율 주행 전용 프로세서를 필요로하는 자율 주행 기능을 갖게 될 것으로 예상합니다. 이는 판매 된 모든 차량의 14 % 이상이 SAE 레벨 2030 이상으로 분류되는 50 년에 3 억 달러로 증가 할 것으로 예상됩니다. 한정된 NHTSA (National Highway Traffic Safety Administration)에 의해
컴퓨팅 및 배터리 기술의 근본적인 혁신은 소비자가 요구하는 범위, 안전 및 성능으로 AEV의 약속을 완전히 이행하는 데 필요할 수 있습니다.
포토 닉 칩은 더 빠르고 에너지 효율적이지만 SAE 레벨 3에 도달하는 데 필요한 칩은 더 적습니다. 그러나 이러한 향상된 컴퓨팅 성능을 통해 완전 SAE 레벨 5 자율 주행 차량의 개발 및 가용성을 가속화 할 수 있습니다. 이 경우 자율 주행 포토 닉 프로세서 시장은 14 년까지 2030 억 달러의 예상을 훨씬 능가 할 것입니다.
주요 도시의 택시 및 서비스 차량 또는 고속도로에서 상품의 깨끗한 운송을 포함하여 자율 전기 자동차 (AEV)의 광범위한 잠재적 사용을 모두 고려하면이 기술이 어떻게 빠르게 크게 시작될 수 있는지 알아보기 시작합니다. 환경에 미치는 영향 : 가장 인구가 많고 오염 된 도시에 깨끗한 공기를 공급하는 데 도움을줍니다.
문제는 AEV가 현재 지속 가능성 문제를 가지고 있다는 것입니다.
효율적이고 안전하게 작동하기 위해 AEV는 카메라, 라이더, 레이더 및 초음파 센서와 같은 어지러운 센서 배열을 활용해야합니다. 이들은 함께 작동하여 데이터를 수집하여 실시간으로 감지, 반응 및 예측하여 본질적으로 차량의 "눈"이됩니다.
효과적이고 안전한 AV를 보장하는 데 필요한 특정 수의 센서를 둘러싼 논쟁이 있지만 한 가지 만장일치로 동의합니다.이 자동차는 엄청난 양의 데이터를 생성합니다.
이러한 센서에서 생성 된 데이터에 단순한 방식으로도 반응하려면 센서 자체를 작동하는 데 필요한 배터리 전력은 말할 것도없고 엄청난 계산 능력이 필요합니다. 데이터 처리 및 분석에는 엄청난 탄소 발자국으로 악명 높은 AI의 한 분야 인 딥 러닝 알고리즘이 포함됩니다.
에너지 효율성과 경제성 모두에서 실행 가능한 대안이 되려면 AEV가 범위 내에서 일치하는 가스 구동 차량에 근접해야합니다. 그러나 AEV가 여행 중에 실행하는 센서와 알고리즘이 많을수록 차량의 배터리 범위와 주행 범위가 낮아집니다.
오늘날 EV는 재충전되기 전까지 300 마일까지 거의 도달 할 수없는 반면, 기존의 연소 엔진은 단일 가스 탱크에서 평균 412 마일을 주행합니다. 미국 에너지 부. 자율 주행을 믹스에 추가하면이 격차가 더욱 확대되고 잠재적으로 배터리 성능 저하가 가속화됩니다.
저널에 게재 된 최근 연구 자연 에너지 자동 전기 자동차의 주행 거리가 도시 주행 중 10 % -15 % 감소한다고 주장합니다.
2019 년 테슬라 자율의 날 행사에서 도시 주행 중에 테슬라의 운전자 지원 시스템이 활성화되면 주행 거리가 최대 25 %까지 줄어들 수 있다는 사실이 밝혀졌습니다. 이것은 EV의 일반적인 범위를 300 마일에서 225로 줄여 소비자가인지하는 매력의 한계를 넘어선 다.
XNUMX 차 원칙 분석은이를 한 단계 더 발전시킵니다. 로봇 축을위한 NVIDIA의 AI 컴퓨팅 솔루션 인 DRIVE는 전력 소비량이 800 w, Tesla Model 3의 에너지 소비율은 약 11.9kWh / 100km. 시속 50km (약 30mph)의 일반적인 도시 속도 제한에서 Model 3는 약 6kW를 소비합니다. 즉, AI 컴퓨팅 전용 전력이 운전 용 총 배터리 전력의 약 13 %를 소비합니다.
이는 자동화 된 EV에 사용되는 전력 소모가 많은 컴퓨팅 엔진이 배터리 수명, 차량 범위 및 소비자 채택에 어떻게 중요한 문제를 제기하는지 보여줍니다.
이 문제는 현재 고급 AI 알고리즘에 사용되는 전력 소모가 많은 컴퓨터 칩의 현재 세대 냉각과 관련된 전력 오버 헤드로 인해 더욱 복잡해집니다. 무거운 AI 워크로드를 처리 할 때 이러한 반도체 칩 아키텍처는 엄청난 양의 열을 생성합니다.
이러한 칩이 AI 워크로드를 처리 할 때 열이 발생하여 온도가 상승하고 결과적으로 성능이 저하됩니다. 그런 다음 더 많은 노력이 필요하고 방열판, 팬 및 기타 냉각 방법에 에너지가 낭비되어이 열을 방출하여 배터리 전력과 궁극적으로 EV 범위를 더욱 감소시킵니다. AV 산업이 계속 발전함에 따라이 AI 컴퓨팅 칩 열 문제를 해결하기위한 새로운 솔루션이 시급히 필요합니다.
칩 아키텍처 문제
수십 년 동안 우리는 무어의 법칙과 덜 알려진 사촌 인 Dennard 확장에 의존하여 해마다 반복적으로 풋 프린트 당 더 많은 컴퓨팅 파워를 제공했습니다. 오늘날 전자 컴퓨터는 더 이상 와트 당 성능이 크게 향상되지 않아 전 세계의 데이터 센터가 과열되는 것으로 잘 알려져 있습니다.
컴퓨팅에서 얻을 수있는 가장 큰 이득은 칩 아키텍처 수준, 특히 특정 응용 프로그램을위한 맞춤형 칩입니다. 그러나 아키텍처의 돌파구는 일회성 트릭입니다. 컴퓨팅 기록의 단일 시점에서만 가능합니다.
현재 인공 지능 알고리즘을 훈련하고 결과 모델로 추론을 수행하는 데 필요한 컴퓨팅 파워는 기하 급수적으로 증가하고 있습니다. 이는 무어의 법칙에 따른 진행 속도보다 XNUMX 배 더 빠릅니다. 그 결과 자율 주행 차의 엄청난 경제적 약속을 실현하는 데 필요한 컴퓨팅의 양과 현재 컴퓨팅 상태 사이에 큰 차이가 있습니다.
자율 주행 EV는 배터리 범위를 유지하는 것과 자율성을 제공하는 데 필요한 실시간 컴퓨팅 성능 사이에서 줄다리기에 빠져 있습니다.
포토 닉 컴퓨터는 AEV에보다 지속 가능한 미래를 제공합니다
컴퓨팅 및 배터리 기술의 근본적인 혁신은 소비자가 요구하는 범위, 안전 및 성능으로 AEV의 약속을 완전히 이행하는 데 필요할 수 있습니다. 양자 컴퓨터는이 AEV 수수께끼에 대한 단기 또는 중기적인 솔루션이기는하지만 지금 당장 돌파구를 만드는 또 다른 솔루션이 있습니다. 바로 포토 닉 컴퓨팅입니다.
광자 컴퓨터는 전기 신호 대신 레이저 광을 사용하여 데이터를 계산하고 전송합니다. 그 결과 전력 소비가 크게 감소하고 클럭 속도 및 대기 시간을 포함하여 중요한 성능 관련 프로세서 매개 변수가 향상됩니다.
포토 닉 컴퓨터는 또한 여러 센서의 입력을 통해 단일 프로세서 코어 (각 입력은 고유 한 색상으로 인코딩 됨)에서 추론 작업을 동시에 실행할 수있는 반면, 기존 프로세서는 한 번에 하나의 작업 만 수용 할 수 있습니다.
하이브리드 광 반도체가 기존 아키텍처에 비해 갖는 장점은 빛 자체의 특수한 속성에 있습니다. 각 데이터 입력은 서로 다른 파장, 즉 색상으로 인코딩되며 각 데이터는 동일한 신경망 모델에서 실행됩니다. 이것은 포토 닉 프로세서가 전자 프로세서에 비해 더 많은 처리량을 생성 할뿐만 아니라 훨씬 더 에너지 효율적이라는 것을 의미합니다.
포토 닉 컴퓨터는 대기 시간이 짧고 전력 소비가 상대적으로 낮은 극한의 처리량이 필요한 애플리케이션 (클라우드 컴퓨팅 및 잠재적으로 자율 주행과 같이 방대한 양의 데이터를 실시간 처리해야하는 애플리케이션)에서 탁월합니다.
포토 닉 컴퓨팅 기술은 상용화를 앞두고 있으며 현재 자율 주행 로드맵을 강화하는 동시에 탄소 발자국을 줄일 수있는 잠재력을 가지고 있습니다. 자율 주행 차의 이점에 대한 관심이 증가하고 있으며 소비자 수요가 임박한 것은 분명합니다.
따라서 우리는 그것이 변화 할 산업과 그것이 우리 도로에 가져올 수있는 안전을 고려할뿐만 아니라 지구에 미치는 영향의 지속 가능성을 보장하는 것이 중요합니다. 즉, 자율 주행 EV에 약간의 빛을 비춰 야 할 때입니다.
코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://techcrunch.com/2021/05/24/light-is-the-key-to-long-range-fully-autonomous-evs/
