轻便是长距离全自动驾驶电动汽车的关键索朗扎西

轻便是长距离，全自动驾驶电动汽车的关键

先进的驾驶员辅助系统具有广阔的前景。有时，关于自动驾驶汽车行业的头条新闻似乎是不祥的，重点放在一些人认为不当的事故，法规或公司估值上。所有这些都不是不合理的，但它使视听世界的惊人可能性显得不透明

电动汽车的普遍接受的优点之一是对环境的潜在积极影响，因为大多数电动汽车也将是电动汽车。

行业分析师报告预测，到2023年，将有730万辆汽车具有自动驾驶功能，需要15亿美元的自动驾驶专用处理器。根据美国国家公路交通安全管理局的定义，到2030年，这将增长到140亿美元，届时售出的所有车辆中有50％以上将被归类为SAE 3级或更高。

可能需要在计算和电池技术上进行根本性的创新，以充分实现AEV所承诺的，消费者要求的范围，安全性和性能。

尽管光子芯片速度更快，能源效率更高，但达到SAE 3级所需的芯片将更少。但是，我们可以预期，这种提高的计算性能将加速完全SAE 5级自动驾驶汽车的开发和可用性。在这种情况下，到2030年，自动驾驶光子处理器的市场将可能远远超过140亿美元的预测。

当您考虑到无人驾驶电动汽车的所有广泛的潜在用途时，我们开始看到该技术如何迅速开始显着地发展。影响我们的环境：通过帮助向人口最稠密和污染最严重的一些城市提供清洁的空气。

问题在于，AEV目前存在可持续性问题。

为了高效，安全地运行，AEV必须利用令人眼花sensors乱的传感器阵列：摄像头，激光雷达，雷达和超声传感器，仅举几例。它们共同工作，收集数据以进行实时检测，反应和预测，从而从本质上成为车辆的“眼睛”。

虽然围绕确保有效和安全的AV所需的传感器的具体数量存在一些争论，但一致同意的一件事是：这些汽车将产生大量数据。

对这些传感器生成的数据进行反应，即使是以一种简单的方式，也需要巨大的计算能力-更不用说操作传感器本身所需的电池电量了。处理和分析数据涉及深度学习算法，这是AI的一个分支，以其超大的碳足迹而闻名。

为了在能源效率和经济性方面成为可行的替代方案，AEV需要在范围上接近匹配的汽油动力车辆。但是，AEV在行驶过程中运行的传感器和算法越多，车辆的电池续航里程和行驶里程就越低。

如今，根据美国能源部的数据，电动汽车几乎无法达到需要充电的300英里，而传统的内燃机在一罐汽油中平均可行驶412英里。在混合动力系统中增加自动驾驶功能进一步扩大了这一差距，并有可能加速电池退化。

发表在《自然能源》杂志上的最新工作声称，在城市驾驶过程中，自动电动汽车的行驶里程减少了10％-15％。

在2019年的特斯拉自治日活动中，据透露，当特斯拉在城市驾驶过程中启用驾驶员辅助系统时，行驶里程最多可减少25％。这将电动汽车的典型行驶里程从300英里缩短至225公里-超过了对消费者的吸引力阈值。

第一性原理分析使这一步骤更进一步。NVIDIA针对机器人轴的AI计算解决方案DRIVE的功耗为800瓦，而Tesla Model 3的能耗率为11.9 kWh / 100 km。在典型的城市时速限制为50 km /小时时，Model 3消耗约6 kW的功率-这意味着专门用于AI计算的功率消耗了约占用于驾驶的电池总功率的13％。

这说明了用于自动电动汽车的耗电计算引擎如何对电池寿命，车辆续航里程和消费者采用率构成重大问题。

与当前冷却当前用于高级AI算法的耗电计算机芯片的冷却相关的功率开销进一步加剧了这个问题。当处理繁重的AI工作负载时，这些半导体芯片架构会产生大量的热量。

这些芯片处理AI工作负载时，会产生热量，从而升高温度，结果导致性能下降。然后，需要付出更多的努力，并且将能量浪费在散热器，风扇和其他冷却方法上，以散发这些热量，从而进一步降低电池电量并最终降低EV范围。随着视音频行业的不断发展，迫切需要解决该AI计算芯片散热问题的新解决方案。

芯片架构问题

几十年来，我们一直依靠摩尔定律及其鲜为人知的表弟Dennard缩放技术，逐年重复地为每个足迹提供更多的计算能力。如今，众所周知，电子计算机不再能够显着提高每瓦性能，从而导致全世界数据中心过热。

在计算中获得的最大收益是在芯片体系结构级别，特别是在定制芯片中，每种芯片都针对特定应用。但是，架构突破是一次性的技巧-它们只能在计算历史中的单个时间点完成。

当前，训练人工智能算法和对所得模型进行推理所需的计算能力正在呈指数级增长-比摩尔定律下的进步速度快五倍。其结果之一是，实现自动驾驶汽车巨大的经济前景所需的计算量与当前的计算状态之间存在巨大差距。

自主电动汽车陷入了维持电池续航力和实现自主性所需的实时计算能力之间的拉锯战。

光子计算机为AEV带来更可持续的未来

可能需要在计算和电池技术上进行根本性的创新，以充分实现AEV所承诺的，消费者要求的范围，安全性和性能。尽管对于这种AEV难题，量子计算机不是短期或中期解决方案，但现在还有另一种更可用的解决方案取得了突破：光子计算。

光子计算机使用激光代替电信号来计算和传输数据。这样可以显着降低功耗，并改善与性能相关的关键处理器参数，包括时钟速度和延迟。

光子计算机还使来自多个传感器的输入能够在单个处理器内核上同时运行推理任务，而传统的处理器一次只能容纳一项任务。

混合光子半导体相对于传统架构的优势在于光本身的特殊特性。每个数据输入都以不同的波长编码，而每个数据输入都在相同的神经网络模型上运行。这意味着光子处理器不仅比其电子同类产品产生更多的吞吐量，而且显着提高了能源效率。

光子计算机在要求超高吞吐量，低延迟和相对较低功耗的应用程序中表现出色，例如云计算以及可能需要自动处理的自动驾驶等需要实时处理大量数据的应用程序。

光子计算技术正处于商业化的边缘，它有可能超越当前的自动驾驶路线图，同时还能减少其碳足迹。显然，人们对自动驾驶汽车的好处的兴趣正在增加，并且消费者的需求迫在眉睫。

因此，对于我们而言，至关重要的是，不仅要考虑其将要转型的行业以及它可以带给我们道路的安全性，而且还必须确保其对我们星球的影响的可持续性。换句话说，是时候向自动驾驶汽车大放光彩了。

弹簧拉压力试验机

船舶海洋试验设备

橡胶动静刚度疲劳试验机