基于深度学习的ADAS系统，是GPU的主力市场-德赢Vwin官网网

在全球经济面临巨大压力之际，芯片IP公司仍将持续受益于智能汽车、5G和人工智能技术广泛应用的趋势。

而在全球车载GPU芯片IP领域，Imagination的光线追踪技术可以说是过去20年来3D图形处理领域最令人兴奋的创新之一。该公司此前已经为汽车应用处理器市场的三家顶级厂商中的两家（TI和瑞萨）提供GPU IP，是市场份额最大的单一厂商。

事实上，今天在汽车行业，GPU的用例几乎涵盖了从ADAS到自动驾驶，从仪表到中控信息娱乐等等多个车载系统。而在实际大规模量产落地领域，基于深度学习的ADAS系统，是GPU的主力市场。

一、业界首个符合ISO26262功能安全图形处理和计算，是GPU在车载应用中的独特优势。

就在几周前，Imagination宣布了针对汽车领域的XS系列GPU新IP，支持ADAS加速和安全关键的图形工作负载。XS代表了迄今为止最先进的汽车级GPU IP，也是业内首个符合ISO 26262标准的，专门用于满足ADAS安全计算的产品。

安全关键图形和计算能力是下一代车载系统（如全景环视、数字仪表和ADAS）的要求，XS的设计采用了一种新的安全架构，具有独特的计算和图形机制，在关键的工作负载下可以提高2倍的性能（和市面上的产品相比）。

随着汽车系统越来越复杂，对功能安全性的要求也越来越高。新的XS安全架构包含TRP的专利技术，能够确保和验证来自GPU数据的正确执行和传输。

除了同步机制之外，XS还包括硬件机制，这些机制可以跨计算和图形执行对安全至关重要的工作负载，同时最大化性能。

至关重要的是，这些特性都在硬件中实现。此外，Imagination还发布了针对汽车GPU的OpenGLSC2.0 API，使客户能够在安全关键应用程序中受益于GPU加速。通过硬件虚拟化解决方案，面向ADAS的下一代 GPU-PowerVR XS使多屏幕、多操作系统和多个应用程序都能在一个GPU上运行而没有性能损失。

“XS代表着我们在汽车性能方面的数量级提升，并为下一代汽车SoCs定义了一个新的基准。”Imagination市场及业务发展高级经理郑魁表示，这也得益于此前公司在汽车级SoCs GPU IP超过50%的市场份额。

二、人机交互的关键安全保护

除了ADAS应用，GPU-PowerVR XS实际上也为液晶仪表信息提供了更好的显示效果和性能。在自动驾驶汽车和提供驾驶员辅助的智能汽车中，它们甚至更为重要。

其中一个典型的案例，就是仪表屏幕上的安全警示灯，由于这些警示信息必须在任何时候都可用，GPU可以保护出现警示灯的那部分屏幕，确保不会出现警报显示安全故障。

而过去，大多数数字仪表的HMI开发人员不得不将安全关键部分（如警示灯）转移到CPU上运行，从而导致更复杂的工作流程，同时很难在性能上得到提升。

如果一切都可以在GPU上进行，那么工作流程就会更简单，结果就会有更高的性能，这就使得设计者有可能创造出更高的分辨率，更复杂的显示效果，最重要的是符合功能安全。此外，GPU还可以加速在仪表上创建多媒体和娱乐所需的图形。同时还可以创建辅助驾驶图像，这就意味着显示可以在图形和视频流之间快速切换。同时，图形还必须快速生成冗余备份，在冗余备份中进行第二次处理，以确保功能的安全执行。

这得益于TRP（分块区域保护）技术，可以识别屏幕上的安全关键区域，并根据每个对象对它们进行标记，这尤其适用于全景环视在液晶仪表上的实现。一旦系统检测到一个物体（比如车辆周边有行人），环视视频流就成为安全关键系统。

一旦识别，该对象被标记，安全渲染将被执行，无论它出现在哪里显示。Imagination的GPU使用基于分块延迟渲染(TBDR)专利技术来渲染图形，在渲染之前将屏幕分解成多个分块元素。这还有一个额外的好处，即允许我们非常有效地执行每个对象的标记，从而将性能开销降到最低。

此外，Imagination特有的虚拟化、HyperLane、AI协同（AI Synergy）等技术在XS GPU中也发挥了关键作用。通过虚拟化和HyperLane技术，XS GPU可以支持多任务、多屏幕、多操作系统，同时所有的任务彼此隔离，从而可以确保安全性。

而通过AI协同技术，GPU可以在提供图形处理能力的同时，使用其备用资源支持可编程AI，同时固定功能的AI运算则可以放在专用的神经网络加速器（例如Imagination的PowerVR 3NX NNA）上执行，从而实现更高的AI性能。

三、中国市场的定制化服务

毫无疑问，中国是未来智能网联汽车的主要单一市场。对于Imagination来说，中国市场的多元化和本地化需求，是未来市场份额的保障。

就在两个月前，Imagination与北汽集团旗下的北汽产投宣布一家汽车半导体合资公司，设计汽车级系统芯片(SoCs)及相关软件，并提供全面的支持服务。

合资公司的目标是与业内其他汽车芯片公司合作，为中国客户提供智能互联汽车的创新支持，专注于自动驾驶辅助系统(ADAS)应用处理器和智能驾驶舱语音交互芯片的研发。

这家合资公司将按照IP许可模式，Imagination对其授权图形处理单元(GPU)和神经网络加速(NNA)的IP和软件。事实上，这也是符合汽车工业传统模式的转型升级趋势。

比如，芯片从过去基于标准的芯片转变为定制的硬件和软件解决方案，以及与客户及其产品深度集成的技术服务。新的机会也推动产业合作方式的改变。

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

gpu

gpu

+关注

关注
28

文章
4729

浏览量
128887
车载应用

车载应用

+关注

关注
0

文章
14

浏览量
11766
光线追踪

光线追踪

+关注

关注
0

文章
183

浏览量
21473

原文标题：汽车级GPU的新玩法

文章出处：【微信号：Imgtec，微信公众号：Imagination Tech】欢迎添加关注！文章转载请注明出处。

深度学习工作负载中GPU与LPU的主要差异

，一个新的竞争力量——LPU（Language Processing Unit，语言处理单元）已悄然登场，LPU专注于解决自然语言处理（NLP）任务中的顺序性问题，是构建AI应用不可或缺的一环。本文旨在探讨深度学习工作负载中GPU

发表于 12-09 11:01 •236次阅读

GPU在深度学习中的应用 GPUs在图形设计中的作用

随着人工智能技术的飞速发展，深度学习作为其核心部分，已经成为推动技术进步的重要力量。GPU（图形处理单元）在深度学习中扮演着至关重要的角色，

发表于 11-19 10:55 •424次阅读

NPU在深度学习中的应用

设计的硬件加速器，它在深度学习中的应用日益广泛。 1. NPU的基本概念 NPU是一种专门针对深度学习算法优化的处理器，它与传统的CPU和GPU

发表于 11-14 15:17 •497次阅读

pcie在深度学习中的应用

深度学习模型通常需要大量的数据和强大的计算能力来训练。传统的CPU计算资源有限，难以满足深度学习的需求。因此，GPU（图形处理单元）和TPU

发表于 11-13 10:39 •374次阅读

GPU市场趋势与未来发展

随着科技的飞速发展，图形处理单元（GPU）已经成为现代计算领域不可或缺的一部分。从游戏到专业图形设计，再到人工智能和深度学习，GPU在各个领域都发挥着重要作用。

发表于 10-27 14:14 •454次阅读

GPU深度学习应用案例

GPU在深度学习中的应用广泛且重要，以下是一些GPU深度学习应用案例：一、图像识别图像识别是

发表于 10-27 11:13 •378次阅读

深度学习GPU加速效果如何

图形处理器（GPU）凭借其强大的并行计算能力，成为加速深度学习任务的理想选择。

发表于 10-17 10:07 •183次阅读

FPGA做深度学习能走多远？

。例如，在数据中心中，可以将 FPGA 与 CPU 或 GPU 结合使用，根据不同的任务需求进行灵活的资源分配和协同计算，提高整个系统的性能和效率。 • 算法优化和创新：随着深度学习算

发表于 09-27 20:53

ADAS功能安全HiL仿真测试系统介绍#ADAS #VTHiL

adas

北汇信息POLELINK
发布于 :2024年08月03日 20:07:34

ADAS系统组成简介#ADAS

adas

北汇信息POLELINK
发布于 :2024年08月03日 20:05:37

深度学习中的时间序列分类方法

时间序列分类（Time Series Classification, TSC）是机器学习和深度学习领域的重要任务之一，广泛应用于人体活动识别、系统监测、金融预测、医疗诊断等多个领域。随

发表于 07-09 15:54 •871次阅读

基于AI深度学习的缺陷检测系统

在工业生产中，缺陷检测是确保产品质量的关键环节。传统的人工检测方法不仅效率低下，且易受人为因素影响，导致误检和漏检问题频发。随着人工智能技术的飞速发展，特别是深度学习技术的崛起，基于AI深度学

发表于 07-08 10:30 •1357次阅读

新手小白怎么学GPU云服务器跑深度学习?

新手小白想用GPU云服务器跑深度学习应该怎么做? 用个人主机通常pytorch可以跑但是LexNet，AlexNet可能就直接就跑不动,如何实现更经济便捷的实现GPU云服务器

发表于 06-11 17:09

深度解析深度学习下的语义SLAM

随着深度学习技术的兴起，计算机视觉的许多传统领域都取得了突破性进展，例如目标的检测、识别和分类等领域。近年来，研究人员开始在视觉SLAM算法中引入深度学习技术，使得

发表于 04-23 17:18 •1282次阅读

FPGA在深度学习应用中或将取代GPU

硬件公司供货的不断增加，GPU 在深度学习中的市场需求还催生了大量公共云服务，这些服务为深度学习

发表于 03-21 15:19

搜索历史

基于深度学习的ADAS系统，是GPU的主力市场

评论

深度学习工作负载中GPU与LPU的主要差异

GPU在深度学习中的应用 GPUs在图形设计中的作用

NPU在深度学习中的应用

pcie在深度学习中的应用

GPU市场趋势与未来发展

GPU深度学习应用案例

深度学习GPU加速效果如何

FPGA做深度学习能走多远？

ADAS功能安全HiL仿真测试系统介绍#ADAS #VTHiL

ADAS系统组成简介#ADAS

深度学习中的时间序列分类方法

基于AI深度学习的缺陷检测系统

新手小白怎么学GPU云服务器跑深度学习?

深度解析深度学习下的语义SLAM

FPGA在深度学习应用中或将取代GPU