在4月7日举行的“芯所向 至未来 best tech day 2023”黑芝麻智能之智能汽车高峰论坛软件论坛上,与会嘉宾们分享了各自对于汽车相关软件的创新成果与见解。
在4月7日举行的“芯所向 至未来 best tech day 2023”黑芝麻智能战略发布暨生态合作伙伴大会上,黑芝麻智能与众多产业链伙伴聚焦智能汽车大时代大潮下的产业格局新动向。软件定义汽车虽是近年来的新兴概念,但其内涵却融合了现实需求与蓝图畅想。在当天的智能汽车高峰软件论坛上,与会嘉宾们分享了各自对于汽车相关软件的创新成果与见解。
黑莓qnx中国大中华区首席代表董渊文在主题为车规级操作系统 - 汽车电子软件的基石的演讲中表示:汽车电子的变化日新月异,过去的十多年中行业经历了从硬件使能的汽车,到软件使能的汽车,再到软件定义的汽车的演进过程,在过去的八年中我们经历了汽车电子五大域中的智能数字座舱,自动辅助驾驶以及高性能计算控制器等的域内融合过程,未来将逐步走向跨域融合。域控制器对基础软件的功能安全提出更高要求,blackberry qnx提供通过tuv莱茵iso26262 aisl d最高等级功能安全认证的嵌入式实时操作系统(qnx neutrino rtos)、基础软件开发平台(qnx software development platform)和虚拟化技术(qnx hypervisor)等在内的产品及功能安全和网络安全解决方案,以及各种基础软件中间件。去年,黑莓qnx宣布与黑芝麻智能基于华山二号a1000自动驾驶计算芯片的合作,采用黑莓实时操作系统(rtos)共同打造高可靠、高性能、灵活开放的自动驾驶平台,并定点多个国内量产项目,未来双方将在跨域融合的领域,在黑芝麻智能武当系列平台上进一步深入合作。
黑莓qnx中国大中华区首席代表董渊文
黑芝麻智能深度学习研发高级总监王祚官在题为“bev感知,给自动驾驶开启“上帝视角”演讲时说到,鸟瞰视角(bev)能为自动驾驶感知任务提供有效的时空表征方法,并将成为车载感知的主流发展方向。黑芝麻智能在bev感知方向有着深厚的积累和独特的技术优势,上下文感知增强的bev投影,自适应时空采样,车道结构学习码本,可基于“bst渲染器”的实时量化地图构建,结合nerf+lidar的occupancy grid,高效网络架构,bev-on-a-chip 强大的a1000芯片及华山系列a1000结合武当系列c1200可达成的智能驾驶全方位一站式解决方案。感知算法能够加速并且助力一些中短期内智能领航和泊车应用产品快速落地,从而加速整个芯片的量产以及应用。
黑芝麻智能深度学习研发高级总监王祚官
中汽创智科技有限公司智能驾驶cto张振林在题为“面向规模化量产的高阶智能驾驶系统研发与实践”的演讲中表示,受真实消费者需求牵引,自动驾驶在普及的同时迈入竞争规模化量产落地的下半场。中汽创智科技是创新型汽车高科技企业,致力于做汽车产业安全的守护者、原创技术的策源地。黑芝麻智能与中汽创智在此前达成战略合作,基于黑芝麻高性价比大算力soc方案,结合中汽创智全栈自研智能驾驶算法,共同研发智能座舱视觉感知、融合感知、边缘计算等解决方案并加速量产落地。
中汽创智科技有限公司智能驾驶cto张振林
武汉中海庭数据技术有限公司cto罗跃军在主题演讲“数据闭环赋能智能驾驶”中介绍到,随着智能驾驶技术发展迅猛,高级辅助驾驶、自动泊车等功能逐渐实现量产。数据安全已被提升至国家安全的层面,有关部门陆续出台相关政策、法规对数据实行更加严格的管理制度。在智能驾驶技术中,无论是高精地图,还是环境感知,数据都承担着重要的角色。中海庭的数据合规运维从方案设计到管理运维一站式解决。搭建数据采集合规处理平台,优化效率,保障数据安全共建数据合规下的的数据闭环生态,为智能汽车全域全场景高级辅助驾驶、自动驾驶提供服务,在智能驾驶定位、感知、规划、决策等模块起到重要作用。此前,黑芝麻智能与中海庭宣布达成战略合作,共同基于高精度地图与智能芯片的创新技术结合,在智能网联汽车、车路协同和智慧交通等多领域深入合作,生态互融,推动步入规模化应用阶段。
武汉中海庭数据技术有限公司cto罗跃军
创时智驾副总经理thomas rauss先生发表了“共创智能驾驶量产的生态合作模式”的主旨演讲。演讲中rauss先生回顾了今年以来智驾行业发展的趋势,指出了生态合作模式依然是量产智驾发展的重要形态。分享了创时智驾在基于量产智驾中间件软件平台及硬件的基础上,与算法供应商、软件栈提供商、芯片与传感器厂商协同合作的成功经验。最后,创时智驾与黑芝麻在a1000系列芯片领域达成合作,对如何打造成本有竞争力的智驾域控制器产品进行了介绍,并表示对未来市场充满期待。
创时智驾副总经理thomas rauss
nullmax纽劢首席科学家成二康博士分享了nullmax基于bev + transformer技术架构的领先研究成果,以及面向行泊一体的量产落地实践与经验。nullmax所推出的maxdrive行泊一体产品具有传感器深度复用,芯片资源共享的优势。得益于nullmax打造的bev + transformer技术架构,maxdrive在感知层面可同时融合空间、时间信息,实现多传感器、多任务之间高效协同,使得实际体验、量产性能达到了顶尖水准。成博士还分享了该架构如何解决实际量产应用中的难点、痛点,以及nullmax正投入应用的部分领先成果。如提出基于transformer的3d车道线检测方法curveformer,可在低算力平台上实现顶尖感知效果,高效满足复杂城市道路等场景下的车道线检测要求;面向任意相机配置(单个或多个)的bev语义分割算法bevsegformer,实现了业内最佳水准的分割性能,可用于实时构建稠密的高精度局部地图,并拓展到了目标检测、时序等任务当中。此外,nullmax也正通过平台化的技术架构,加速落地、扩大应用。打造的bev-ai整体架构,涵盖感知、预测、规划任务,能够通过平台化应用快速完成定制化方案的开发、部署和升级,具有面向部署优化和超远距离感知等特点,支持任意传感器配置以及高、中、低算力平台,获得了业内广泛认可,拥有多个行业第一的量产成绩。
nullmax纽劢首席科学家成二康博士
黑芝麻智能机器学习专家张蕾发表了主题为“基于雷视融合的3d自动标注技术—助力自动驾驶更上一层楼”的演讲并介绍了3d自动标注技术系统及黑芝麻智能解决方案的特点。黑芝麻智能自行研发了一套基于激光雷达和多摄像头的自动驾驶领域的3d物体自动标注系统,该系统在公共数据集上的性能可以比肩世界领先算法的性能,黑芝麻智能同时自建了一套完整的数据采集、数据预处理、3d自动标注、人工标注及检验的云服务平台,可为该领域有数据采集和3d标注需求的客户提供相应服务。
黑芝麻智能机器学习专家张蕾
同时,长安汽车股份有限公司首席软件架构师韩三楚也在论坛发表了题为sda新架构重塑智能汽车新未来的演讲。
汽车智能化发展如火如荼的今天,自动驾驶绝对是当仁不让的核心,大批的行业领导者们早已率先布局,伴随着资本的密集加持,自动驾驶商业化落地步伐加快。在由黑芝麻智能高级市场产品总监徐晓煜主持的“新时代智能汽车电子电器架构发展带来的产业链变革”圆桌论坛上,长安汽车股份有限公司首席软件架构师韩三楚、黑莓qnx中国大中华区首席代表董渊文、中汽创智智能驾驶cto张振林、经纬恒润自动驾驶总监万亮围绕智能汽车产业链变革展开了精彩的讨论。
对于架构演进所面临的挑战,董渊文表示,汽车电子对功能安全的要求极高,域非常多,且都对应有不同的基础软件要求。不同域间的融合需要一套soa平台,把底层不同的操作系统结合起来,就是把不同的域,不同的功能分成不同的生态,最终结合起来。万亮补充表示,以前的汽车产业链分工是按照产品线的形态设立的,而现在是硬件、基础软件,中间件,产品的app等根据整车功能分布的架构。整个产业链都需要适应新的定义和分工,这对域控融合的落地是非常严峻的考验。其次,域控集成更多的功能之后,对软件质量和产品体验是否能发挥理论优势也是考验。随后对于架构变化带来的产业链的影响,张振林表示,现在是集中化的时代,代表软件定义汽车,更准确的讲从用户的功能和体验来定义汽车的时代。对于整车开发,包括架构,定位,都需要相应的思考。但是万变不离其宗的是在这样的环境下,全产业链需要各司其职,找准适合自己的定位,来帮助或者是顺应这个时代的潮流。
在本次“芯所向 至未来 best tech day 2023”上,黑芝麻智能正式揭晓了全新产品线武当系列智能汽车跨域计算平台及其首款芯片c1200。期待未来生态合作伙伴更多基于华山a1000与武当c1200平台所打造的软件。“软件定义汽车”实质上意在打造汽车数字综合体,软件产品是汽车行业数字化基础设施的建设工具,其通过连接汽车产业的各个环节,竭力为智能化创新赋能。
临时员工可以推动欧洲半导体行业的发展
英特尔和amd处理器哪个比较好
全球区块链资产市场总体情况解析
455KHz中频信号发生器原理图
爱奇艺旗下VR公司开启了新一轮裁员
2023智能汽车高峰论坛——软件定义未来汽车发展方向
智能家居系统带你体验不一样的智能新时代
【RT-Thread学习笔记】bash shell -e参数
澜起科技宣布推出DDR5第四子代RCD芯片
芯启源出席BEYOND国际科技创新博览会
年产量近4000万辆的电动两轮车市场都有哪些参与者?
新技术芯机遇 电动工具盛典落幕
电动汽车充电系统介绍
斩获大奖 | 赛昉科技精彩亮相RISC-V年度盛会
带你深入了解实时以太网
移动电源为电池开“外挂”
Maxim推出业内首款2串HB LED驱动器
数字经济助推高质量发展,人工智能加速产业转型
小米MIX2真机图曝光,更强更滑更薄更窄更大+2大顶级黑科技
基于Transformer的大型语言模型(LLM)的内部机制