TI präsentiert ersten automobilen SoC mit dediziertem KI-Beschleuniger

Texas Instruments (TI) hat erstmals einen dedizierten KI-Beschleuniger in seinen automobilen System-on-Chip (SoC) eingebettet, was die rasche Integration von Deep-Learning-Fähigkeiten in fortschrittliche Fahrerassistenzsysteme (ADAS) unterstreicht. Der neue Block kombiniert TIs neuesten C7x Digital Signal Processor (DSP) IP mit einem proprietären Matrix-Multiplikations-Beschleuniger.

Der TDA4VM, einer der ersten Jacinto 7 SoCs, vereint Sensor-Vorverarbeitung und Datenanalyse, um Eingaben von einer 8-Megapixel-Frontkamera oder alternativ vier bis sechs 3-Megapixel-Kameras zu verwalten, die gleichzeitig mit Radar, LiDAR und Ultraschall-Feeds laufen. Diese Sensoren treiben ADAS-Funktionen wie automatisiertes Parken an, während Deep Learning Sensorfusion und Objekterkennung ermöglicht.

Der TDA4VM umfasst einen Deep-Learning-Beschleuniger für ADAS, der Kamera-, Radar-, LiDAR- und Ultraschalldaten analysiert (Bild: TI)

DSP plus MMA

Auf einer TI-Presseveranstaltung in München sprach EETimes Europe mit Sameer Wasson, Vice President und Business Unit Manager von TIs Prozessor-Geschäft, und Curt Moore, General Manager und Product Line Manager von TIs Jacinto-Produktlinie.

„Dies ist der erste SoC, der den C7x DSP enthält“, sagte Moore. „Wir haben Vektoranweisungen hinzugefügt, die auf Computer Vision zugeschnitten sind, aber auch auf dem DSP-Erbe beim Umgang mit massiven Datenströmen aufgebaut – diese effizient verarbeiten und Ergebnisse in Echtzeit liefern.“

Zum Vergrößern klicken

Abbildung: TDA4VM Funktionsdiagramm. (Quelle: Texas Instruments)

Der neue C7x DSP glänzt bei der Verarbeitung voluminöser Datenströme und der Ausführung komplexer mathematischer Operationen in anspruchsvollen Echtzeitumgebungen. Seine Datenstreaming-Fähigkeit wird mit einem Matrix-Multiplikations-Beschleuniger – „dem MMA“ – gekoppelt, um Deep-Learning-Workloads zu beschleunigen.

„Wir nennen es liebevoll den MMA“, sagte Wasson. „Mit Bibliotheken wie TIDL (Texas Instruments Deep Learning) wird die Komplexität des MMA abstrahiert; Entwickler programmieren durch TIDL, während der C7x Daten mit beispielloser Geschwindigkeit ein- und ausgibt.“

Der TDA4VM zielt auf ADAS-Systeme mit Leistungshüllen zwischen 5 W und 20 W ab. In der Praxis bleiben Frontkamera-Lösungen typischerweise unter 7 W, während anspruchsvollere Anwendungsfälle – wie automatisiertes Valet-Parking – die 20-W-Obergrenze erreichen können.

TI argumentiert, dass der Einsatz eines High-Tech-SoC die Gesamtkosten für Frontkamera-Anwendungen tatsächlich senken kann.

„Mit den richtigen Deep-Learning-Modellen können Sie Stereokameras vermeiden“, sagte Wasson. „Eine einzelne, günstigere Linse kann äquivalente Leistung liefern, dank des leistungsstarken Engines, die reduzierte Sensoreingänge kompensiert.“

Rechenleistungsbereich

Der Deep-Learning-Engine des TDA4VM liefert 8 TOPS. Als Flaggschiff der Jacinto 7 Einführung positioniert Moore es als Mid-Range-Performer; zukünftige Varianten werden sowohl niedrigere als auch höhere Rechenstufen abdecken. Zum Beispiel könnte ein 2-TOPS-Gerät für Fahrüberwachung oder Belegungserkennung ausreichen.

„Eine der Schönheiten des Automobilmarktes ist, dass all diese Use Cases koexistieren“, sagte Wasson. „Selbst wenn OEMs eine neue Plattform ausrollen, kann ein einzelner SoC mehrere Fahrzeuglinien bedienen, jede mit unterschiedlichen Anforderungen. Die Herausforderung besteht dann darin, Softwarekompatibilität über dieses Spektrum sicherzustellen.“

Moore hob die Bandbreite der Fahrzeuge hervor, die jetzt ADAS integrieren – von Einstiegsmodellen bei 10–12 k $ bis zu Premium-Autos über 100 k $.

„Fahrer in einem 100-k-$ Fahrzeug erwarten ein anderes ADAS-Erlebnis als jene in einem 12-k-$ Modell“, stellte er fest. „Ein 3-k-$ ADAS-Paket fühlt sich im ersten Fall premium an, im zweiten grundlegend.“

Er wies auch auf Budgetbeschränkungen hin: „Selbst große Automobilhersteller geben vielleicht nur 10 Millionen $ jährlich für Entwicklung aus. Diese Kosten müssen über eine relativ kleine Flotte amortisiert werden, im Gegensatz zu Handset-Herstellern, die zig Millionen Einheiten versenden.“

Die Volumenproduktion des TDA4VM soll in der zweiten Hälfte 2020 beginnen, mit Pre-Production-Einheiten und dem TDA4VMXEVM Evaluation Module bereits verfügbar.