2019赛灵思开发者大会（XDF）赛灵思汽车解决方案分享

【报道】2019年12月3日，全球自适应和智能计算领域领导者赛灵思公司（Xilinx, Inc.，（纳斯达克股票代码：XLNX）），赛灵思开发者大会（XDF）亚洲站在北京盛大开幕。

在下午的自动驾驶分享会上，赛灵思汽车战略与客户市场营销总监·丹·艾萨克斯发表了精彩演讲。

以下为演讲实录： 大家下午好！非常感谢您抽出时间参加今天赛灵思汽车媒体的采访。

首先我想花几分钟时间给大家简单介绍一下我们目前赛灵思汽车相关的产品，到目前为止我们取得了什么程度，以及我们的一些优势。

我叫丹·艾萨克斯，我是赛灵思??汽车战略和客户市场的王牌。

我在赛灵思工作已经超过17年了，我还负责多个产品的推出。

事实上，我职业生涯的一半是在汽车行业。

首先给大家介绍一下赛灵思在汽车领域的一些自适应装置。

我们的设备广泛应用于汽车领域。

如果你看一下我们各个品牌和型号的设备出货量，现在总出货量是1.7亿台，涵盖了汽车上的很多不同的应用。

从这张图片中可以看出，自今年年初以来，我们一直在发货各种品牌和型号。

无论品牌还是型号，我们的数量都在不断增加。

而这个数字只持续到2020年，2020年的数字还会更高。

所以无论从我们的背景还是经验来看，我们在汽车领域都有非常深厚的经验。

我们最近还推出了两款新产品。

这两款产品使我们当前的汽车级设备更具可编程性，具有更高的 I/O，并且具有更好的性能。

这也是我们汽车级 SA 产品线中的最新产品。

这主要是基于ADAS和自动驾驶的需求。

例如，我们现在对边缘检测器和中央预控制器有更高的要求。

我们之所以推出这两款产品，也是因为客户的需求，所以我们推出了像赛灵思ZU7EB这样的新品。

正如首席执行官 Victor Peng 在今天上午的主题演讲中所说，我们的产品具有非常高的质量和可靠性。

否则的话，我们不可能在这么短的时间内总共出货1.7亿台设备。

我们之所以能做到这一点，是因为我们的商品的不良率非常小，而且我们正在尽最大努力继续减少这个数字。

这里我想强调的一点是DAPD，它是数据聚合、预处理和分发的功能，因为我们现在有很多客户想要大型设备，因为他们的汽车上有更多的传感器，他们需要更多可用的设备。

编程能力以及将更多加速器放入整个系统的能力。

根据他们的要求，我们做出了回应，因此拥有了可扩展的产品线。

所以在这里我们可以看到我们的产品设备涵盖了从小到大所有可能的客户需求。

图中从最左到最右，这两款都是新设备，都是为了满足客户新的处理需求而设计的。

而传感需求，除了这个优势之外，我们还可以满足客户对中央预控的要求。

在这张图片中，您可以看到这些设备在汽车中的使用位置。

这些相对较小的设备通常位于边缘，可用于汽车周围的传感器。

较大的器件用于汽车的中央预控制器。

市场一直非常喜欢我们的芯片，尤其是在ADAS和自动驾驶方面的应用。

因为我们的产品是可扩展的，并且我们有统一的平台，所以我们的设计可以重复使用，这使得自动驾驶更加方便。

和 ADAS 应用。

这里你可以看到我们的产品被用在不同厂家的产品和平台上，比如今天在场的百度的阿波罗、比亚迪、戴姆勒、麦格纳、采埃孚、小马智行等。

我们稍后会介绍它们。

我们将听到两个中国合作伙伴介绍他们如何使用我们的产品来实现自动驾驶。

所以产品的优点不仅仅是我说说而已，我的客户也非常认可我们的产品。

1.7亿台设备的出货量也证明了很多OEM厂商都在使用我们的产品。

现在我们看到该行业正在重新定义汽车。

我们看到了汽车行业的几个非常重要的趋势。

第一个趋势与ADAS有关，即我们现在正在逐渐从计算机视觉过渡到神经网络AI。

我们希望通过可变的逻辑来优化我们的驾驶。

现在我们可以看到，一线L1厂商和OEM厂商已经在使用类似的解决方案和产品。

第二个变化是我们现在在车内看到监控，因为过去这些传感器是用来监控外部环境的。

现在我们看到对驾驶员内部监控的要求越来越多，比如驾驶员是否注意力集中。

路况不好，如果车出了问题，司机还能控制车吗？我们现在看到欧洲的新车评测和中国的新车评测都对车内监控提出了一些新的要求，所以这也是一个新的趋势，就是我们的监控要求不仅仅移动了从车内到车外，而且现在车内也有监控的要求。

除了监控司机外，乘客也将受到监控。

第三是自动驾驶。

我们现在看到车辆自动化的不断改进。

说起车内体验的巨大变化，我想起了我们之前在丹麦的一位客户。

他们使用了一种新的手势，可以在车里识别你。

例如，如果一个简单的手势发生变化，车内的人的显示就会立即发生变化，这也是我们当前自动驾驶的一个非常重要的趋势。

此外，自动驾驶将变得越来越自动化。

未来，汽车将由系统而不是驾驶员控制。

然后我们将看到交通和服务领域出现新现象，新商业模式将会出现。

大家都看到了，我们产品的可扩展性也能实现行业的巨大改变。

要实现自动驾驶，我们有两条路可走。

在左图中，您可以看到一条更传统的路径。

也就是说，一开始，传统厂商可能会先做全景环形探测器，然后从车外搬到车内。

，然后制作ADAS预控制器等。

在右侧，可以看到另一条非传统路径。

比如有互联网公司，比如百度等，右图中，为了实现自动驾驶，他们直接实现了集中处理模块。

自动驾驶仪。

我们可以看一下赛灵思的产品和解决方案，涵盖了这两个路径的所有内容。

无论是边缘传感器还是集中处理预控制器，我们都能涵盖。

右图中，可以看到数据聚合、预处理、分发和安全处理器、高性能处理器、加速器等。

所有相关数据都是通过我们的产品进行收集、一致、集成和预处理。

然后分发它。

通过这张图中进一步的例子，我们可以看到我们的技术正在汽车领域广泛应用，包括左边的所有ADAS应用和右边自动驾驶的中央模块功能的应用。

左侧这些 ADAS 应用的产品已经投入生产。

右边的部分产品目前正在测试中，很多客户已经通过我们的产品和技术实现了不同程度的自动驾驶。

之前我们听到很多消息，我们的很多客户都非常成功地使用了我们的技术。

例如，在前置摄像头方面，我们听说有客户正在使用我们的产品，并且非常成功。

在激光雷达方面，现在我听说已经有30多家公司在使用我们的产品和技术。

其中一家公司即将因使用我们的技术而获得 CES 奖项。

此外，我们的产品在全景摄像头、全屏后视镜方面也被客户广泛使用。

最近我们也听说有一家公司也宣布使用我们的产品。

我们的许多客户正在使用我们自动驾驶中央模块的功能和技术。

无论是在数据集成方面，还是在传感器融合方面，我们再次向大家证明，我们的产品和技术具有很强的可扩展性。

小型设备可以扩展到非常大的设备。

左边与ADAS相关的产品已全部投入生产，右边的许多自动驾驶模块功能已经进入车内评估阶段。

早期部署意味着这些功能已用于目前正在测试的自动驾驶汽车中。

您可能已经阅读过这些相关新闻。

我们之所以看到汽车零部件出现如此多的新功能、新特性，是因为我们对安全性有了更高的要求。

我们一直在思考如何让我们的自动驾驶或者辅助驾驶更加安全。

在这里我们可以看到一个非常清晰的路线图，让我们知道未来可以期待什么样的变化。

许多变化都与传感器有关。

因为传感器的要求提高了，我们的处理要求也会提高，这会带来很多变化。

这里可以看到的是，不同阶段有不同的需求，我们的数据处理需求在不断变化，这就要求车内的这些系统和设备具有可扩展性。

我们的技术可以帮助客户做到这一点。

我们可以在这张图中看到正方形。

方块表明它们已经被实施。

例如，第一篇文章是在2018年实现的，但是需求不断变化，直到2018年。

我们的产品是自适应的，所以无论是需要更多的传感器还是更高的计算性能，我们的自适应产品都可以满足这些变化的需求。

自动紧急制动已于2018年实施，但还增加了许多其他新要求或新功能，并且还在不断变化。

另外，驾驶员监控也在不断变化，我们看到它的标准正在慢慢确定，所以我们的产品具有适应性，可以满足任何需求的变化。

我在这里总结一下。

在右侧，您可以看到边缘的分布式传感器。

一些小型设备是在边缘使用的分布式传感器。

中间比如说，当我们想要进行集中式的数据处理时，我们会使用一些相对而言，这些设备都是比较大的设备，具有高I/O和可编程性。

如果我们想进一步实现自动驾驶，我们会看到更多的分布式传感器、更多的摄像头、更多的激光雷达用在汽车上，因为我们需要汽车的系统能够更好、更全面地了解。

它行驶的整个环境也可以通过数据收集用于更好的路径规划。

这就是我们刚才所说的。

我们会汇总所有传感器的数据，统一数据，然后进行分析。

如果想要实现前面提到的完全机器人自动驾驶，还有很长的路要走。

其中许多技术功能还处于早期阶段，我们仍在研究和开发中。

为了证明自动驾驶是可行的，我们必须展示这些技术的不断突破。

我们的产品和芯片具有很强的适应性，可以满足不断变化的需求。

例如，看看激光雷达。

目前已有50多家激光雷达公司。

他们以不同的方式处理和收集数据，因此对于他们来说，他们希望以不同的方式收集数据。

，可以实现刚才提到的全自动出租车驾驶。

需要再次强调的是，只有可扩展、自适应的产品才能满足产品和技术的不断迭代。

此外，相机方面也有不少变化。

例如，现在很多高清摄像机需要能够识别并清晰地区分出现在周围的跳舞物体，以便更好地了解周围的情况。

我们已经从机器视觉转向机器学习、人工智能、神经网络来实现自动驾驶。

我们的设备、装置和技术是最可以实现的。

下面是一个集中处理模块的例子。

左上角可以看到DAPD数据的汇总、预处理和分布。

完成后，我们会将数据发送到计算加速器，计算加速器可以使用一些其他设备。

，比如今天早上提到的Versal实现加速，然后这些数据会被发送到安全处理器，以确保驾驶室完全安全。

当然，这只是一种架构。

事实上，自动驾驶中还使用了许多其他类型的架构。

这就是为什么我们必须具有可扩展性，这个产品必须是灵活的。

这就是为什么我们的自适应和可扩展产品被用在许多客户的汽车中。

大家可能也听到我们的CEO彭维克在今天早上的介绍中提到了赛灵思的双重优化。

第一个是我们希望能够通过VITIS来优化AI，通过机器学习和神经网络的优化来实现这一点。

另一个优化是硬件模型的优化。

通过这种方式，我们可以实现业界领先的AI推理性能，实现低延迟和高性能。

低延迟对于自动驾驶来说非常重要。

我们的反应速度必须非常快，才能真正做到安全。

通常情况下，如果我们使用传统的CPU、GPU或DSP，我们可以实现高吞吐量，但是没有办法实现低延迟，因为处理时间会更长，我们需要更长的时间来响应。

但如果我们使用赛灵思的新产品，我们可以同时实现高吞吐量和低延迟。

刚才我们从例子中看到，低延迟给汽车带来了快速的响应，可以让自动驾驶更安全。

如果是我的话，我肯定会选择后一辆车，因为这辆车可以通过传感器融合来识别整个汽车，而第一辆车有一半的延迟。

另外，我们的一个特点就是可以在运行过程中实现片上重配置，这也和我们的适应性有关。

在刚才的演讲中，我们也看到欧洲新车测试和评估的安全标准在不断变化。

随着这些标准的不断变化，我们的产品和技术可以在运行过程中重新配置，而无需引入新设备。

在MIPI协议中，数据速率不断提高。

我们不需要改变原来的设备。

我们可以通过改变可编程逻辑来支持高数据速率。

赛灵思设备的另一个特点是使用了DFX，这是动态功能交换的表现，这意味着我们不需要重新启动或关闭这些设备，就可以实现设备之间的功能交换。

例如，I/O 或传感器不需要做太多改变。

我们只使用部分可编程逻辑来进行更改。

例如，您可以在此处查看示例。

一开始，我们处于预驾驶阶段。

预驾驶 在这个阶段，使用所有摄像头来查看汽车周围的环境是什么样的。

我们可以通过一定的动作来实现功能互换。

比如说我换一个档位，比如说我换倒车档，后置摄像头就会被激活。

在这个过程中，我不需要关闭整个系统并重新启动。

当我从倒档转到前进档时，我们可以再次重新编程，我使用了部分变量编程逻辑，然后我们重新启动前置摄像头。

它可以节省系统中的大量成本，因为我不需要所有的设备功能。

我们只需要一两毫秒左右就可以实现功能的互换。

所以在系统上节省了很多，同时整个车的可靠性也增加了，因为我没有那么多的设备。

同时，它还可以帮助我们节省大量的电量消耗。

我们现在有很多合作伙伴看到了我们的能力，他们也在他们的产品中使用了动态功能交换的表现。

软件的远程更新大家都非常熟悉，但是现在可以远程更新硬件，也就是芯片。

综上所述，我们刚才听到的所有产品和技术都可以为我们提供AI推理的最低功耗，即高性能和低延迟。

同时，我们的产品具有高度可扩展性且非常灵活。

通过可编程逻辑，我们可以帮助您实现我们刚才提到的或者在远程硬件中的动态功能交换，即芯片更新，我们可以提供非常全面且可扩展的解决方案，基于我们的传感信息I/O需求，还具有加速的能力。

特别是对于大型设备，比如中央预控制器，可以添加很多加速器，完全根据客户自己的要求而定。

同时还具备数据聚合、预处理和分发的能力。

我们从小型边缘设备收集所有数据进行处理，并使用大型设备，即中央预处理器进行处理。

添加ADAS可以实现异构计算，帮助矢量引擎、AI引擎以及各种引擎实现异构计算。

我们现有的产品和技术已被证明安全、可靠、实用。

今天通过两位伟大的合作伙伴给我们的展示，我们可以看到赛灵思的产品和技术在ADAS和自动驾驶方面确实是最有效的，是最能帮助我们实现自动驾驶和ADAS的。

。

非常感谢您今天的收听。

赛灵思一直在不断推动和赋能ADAS和自动驾驶。

我们正在真正灵活地适应自动驾驶，创造一个万物智能的世界。

谢谢你们！摘要：随着人工智能快速落地、数据中心加速发展、5G部署如火如荼，赛灵思正携手全球合作伙伴在各行业发挥重要作用，释放创新活力，引领行业借助独特的自适应计算技术进入自适应计算新时代。

赛灵思旗下重要的自动驾驶业务部门将展示其强大的生态系统和市场成果。