Waymo公布了驱动其自动驾驶技术的车载计算系统的最新技术细节，其中包括一款专为自动驾驶设计的5纳米ASIC芯片，机器学习性能超过1000 TOPS。
该公司表示，最新计算架构旨在实现毫秒级响应速度，同时能够在自动驾驶车辆所面临的振动、极端温度等严苛条件下稳定运行。英伟达加速计算为该系统提供了重要基础，AMD、美光、三星、闪迪、Socionext和台积电的技术也参与其中。
此次披露让外界得以更深入地了解Waymo Driver背后的计算基础设施，而Waymo正在持续扩大其商业自动驾驶出租车的运营规模。
Waymo工程副总裁Satish Jeyachandran与计算负责人Daniel Rosenband在Waymo官网联合发文指出："计算系统是Waymo Driver的大脑，负责将原始传感器数据转化为实时驾驶指令。"
与最终依赖人类驾驶员作为兜底的辅助驾驶系统不同，Waymo Driver需要独立完成全部驾驶任务，这对车载计算架构在延迟、可靠性和冗余性方面提出了更高要求。
Waymo表示，该系统的设计积累了超过2亿英里完全自动驾驶的实践经验。
响应速度是核心需求之一。所有驾驶决策均在车辆本地完成处理，机器学习模型持续解析传感器信息并判断车辆应如何响应。Waymo表示，过去八年间，Waymo Driver可用的原始算力已提升了20倍。
该公司表示："我们针对超低延迟对整个技术栈进行了专项优化，将从第一个像素到执行动作的延迟降至最低。"
在这一处理窗口内，机器学习模型会构建车辆周围环境的详细表征，并在发出驾驶指令前评估潜在行驶路径。Waymo将这一指标称为"像素到执行"延迟，并表示降低该延迟能够使自动驾驶系统在复杂、高密度环境中实现快速响应。
Waymo还披露了一款专为处理车辆激光雷达、毫米波雷达和摄像头系统所产生的大量原始数据而设计的5纳米ASIC芯片。该定制芯片在数据进入系统主机器学习处理架构之前，实时完成传感器数据的处理、融合与神经网络推理。
Waymo表示："该ASIC的专用加速器能够即时从激光雷达、毫米波雷达和摄像头的原始数据流中提取关键信息，包括用于提升低光感知能力的时序降噪处理。"这些ASIC芯片为前端处理和机器学习模型提供了超过1000 TOPS的专用算力。
Waymo表示，将芯片与传感器及算法协同设计，使其能够在优化传感器保真度、带宽效率和量化精度的同时，支持从稀疏卷积到密集Transformer的多种模型。最新系统可同时实时处理来自13个高分辨率摄像头的高保真信息，包括用于改善低光环境感知的数据。
在定制芯片之外，Waymo还采用了来自外部技术供应商的处理器和加速器，构建其所描述的"均衡异构系统"。该架构将Waymo的机器学习技术与CPU、GPU及其他加速器相结合，这些组件既承担机器学习工作负载，也处理编排、数据移动和日志记录等任务。
Waymo表示："我们很荣幸与AMD、美光、英伟达、三星、闪迪、Socionext和台积电等众多合作伙伴携手，共同打造最强大的自动驾驶计算系统。"英伟达加速计算为该架构提供了关键基础，在真实场景中提供处理高要求自动驾驶工作负载所需的性能与效率。
可靠性尤为重要，因为Waymo的完全自动驾驶车辆在主计算系统出现故障时无法依赖人类驾驶员接管。为此，Waymo将计算架构设计为两套独立的处理系统。
该公司表示："我们的计算系统如同两台独立引擎。正常情况下，它们作为一个整体并行运行全部工作负载；一旦其中一台发生故障，另一台将无缝接管。"
硬件还经过加固处理，可在振动、冲击和极端温度下持续运行。Waymo将计算硬件直接集成到车辆液冷系统中，使其能够在从严寒的中西部冬季到凤凰城极端高温的各种环境中保持性能。
尽管处理需求较高，Waymo表示仍致力于最小化系统的物理体积和能耗。集成架构旨在保留后备箱空间、实现静音运行，并降低对车辆电池的需求。
随着Waymo持续扩大自动驾驶出租车服务的商业部署，车载计算正日益成为大规模运营自动驾驶交通所需基础设施的重要组成部分。该公司表示，随着AI模型的持续演进以及Waymo Driver向更多应用场景拓展，计算需求也将不断增长。
Waymo表示："随着我们探索Waymo Driver的新应用场景，以及AI技术栈的持续演进，对高效、高性能计算的需求只会与日俱增。"
Q&A
Q1：Waymo自动驾驶系统的车载计算架构有什么特别之处？
A：Waymo的车载计算架构采用双独立处理系统设计，任一系统故障时另一套可无缝接管。系统搭载专为自动驾驶设计的5纳米ASIC芯片，机器学习性能超过1000 TOPS，并整合了英伟达、AMD等多家供应商的CPU、GPU及加速器，构成均衡异构系统，可在极端温度和振动条件下稳定运行。
Q2：Waymo的5纳米ASIC芯片具体负责哪些工作？
A：该定制芯片专门处理激光雷达、毫米波雷达和摄像头产生的大量原始传感器数据。在数据进入主机器学习处理架构之前，芯片实时完成数据处理、融合与神经网络推理，并支持时序降噪以提升低光感知能力，同时支持从稀疏卷积到密集Transformer的多种模型，可同时处理13个高分辨率摄像头的实时数据。
Q3：Waymo Driver的"像素到执行"延迟是什么意思？为什么重要？
A："像素到执行"延迟是指从摄像头捕获第一个像素到车辆执行驾驶动作之间的时间间隔。Waymo将其作为衡量系统响应速度的核心指标，延迟越低，自动驾驶系统在复杂、高密度交通环境中的反应就越快。由于Waymo Driver无人类驾驶员兜底，所有决策必须在车辆本地实时完成，因此超低延迟对行车安全至关重要。
