陳友宣

摘 要：汽車行業(yè)是科技與時尚高度融合的行業(yè)，隨著行業(yè)發(fā)展規(guī)模的不斷擴(kuò)大，人工智能、深度學(xué)習(xí)、CAE仿真、圖形渲染等領(lǐng)域的技術(shù)應(yīng)用越來越廣泛，成為行業(yè)的主流發(fā)展方向，而整體應(yīng)用的背后都是大規(guī)模集群化異構(gòu)計算平臺的計算能力在支撐。該文著重探討了汽車行業(yè)人工智能異構(gòu)計算相關(guān)原理及應(yīng)用情況，并對人工智能在汽車行業(yè)的應(yīng)用前景進(jìn)行了預(yù)測分析，以供參考。

關(guān)鍵詞：人工智能 汽車行業(yè) 異構(gòu)計算 應(yīng)用 原理 前景

中圖分類號：TP301.6 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2019）01（a）-0001-02

信息與通信、數(shù)字化、人工智能等前沿技術(shù)的進(jìn)步推動了汽車的智能化、網(wǎng)聯(lián)化、電動化、輕量化，而智能網(wǎng)聯(lián)汽車的研發(fā)創(chuàng)新和共享出行又提出了海量計算及存儲、AI決策等計算能力的需求。只有應(yīng)運而生的云計算、大數(shù)據(jù)、AI等技術(shù)才能滿足新型汽車對資源的需求，其中又以AI的技術(shù)含金量尤為突出，而實現(xiàn)AI快速發(fā)展的重要支撐是大規(guī)模集群化的異構(gòu)計算。因此，加強(qiáng)汽車行業(yè)人工智能異構(gòu)計算應(yīng)用與分析研究具有深遠(yuǎn)的現(xiàn)實意義。

1 高性能計算在汽車行業(yè)的價值分析

高性能計算集群（High Performance Computing Cluster）是汽車產(chǎn)品研發(fā)仿真最重要的計算資源，為碰撞、強(qiáng)度剛度、流體、NVH、新能源等領(lǐng)域?qū)?yīng)的LS-dyna、Abaqus、StarCCM+、Nastran、Converge等軟件計算提供核心計算能力。高性能計算是指通過應(yīng)用許多處理器或者調(diào)度集群中的一部分計算機(jī)設(shè)備構(gòu)建而成的計算系統(tǒng)和運營環(huán)境。高性能計算有很多類型的系統(tǒng)，既有標(biāo)準(zhǔn)計算機(jī)的大型集群，又有高度專用的計算機(jī)硬件系統(tǒng)。硬件集群方式主要包括計算節(jié)點、管理節(jié)點、Lustre、Gpfs并行文件系統(tǒng)存儲集群或DSM分布式共享存儲等。軟件方面，通過MPI技術(shù)實現(xiàn)對計算節(jié)點、網(wǎng)絡(luò)以及存儲于等集成資源有效整合成資源池，資源調(diào)度軟件根據(jù)仿真軟件的特性匹配計算資源，根據(jù)不同業(yè)務(wù)場景需求執(zhí)行不同的資源調(diào)度策略，從而實現(xiàn)對整體集成資源高效利用。

CAE（Computer Aided Engineering）計算機(jī)輔助工程：用計算機(jī)輔助求解復(fù)雜工程和產(chǎn)品結(jié)構(gòu)強(qiáng)度、剛度、屈曲穩(wěn)定性、碰撞安全、CFD流體力學(xué)等領(lǐng)域的分析計算以及結(jié)構(gòu)性能的優(yōu)化設(shè)計等問題的一種近似數(shù)值分析方法。汽車產(chǎn)品研發(fā)流程當(dāng)中通過CAE介入（如圖1所示），在前期產(chǎn)品規(guī)劃、造型設(shè)計、結(jié)構(gòu)分析等領(lǐng)域進(jìn)行驗證與優(yōu)化，能夠提前發(fā)現(xiàn)設(shè)計問題，從而降低成本；后期在樣件試制、試驗驗證通過CAE預(yù)測，減少物理試驗輪次，從而縮短開發(fā)周期；總之，通過CAE仿真計算實現(xiàn)性能分析，優(yōu)化設(shè)計方案，提高汽車產(chǎn)品開發(fā)質(zhì)量。高性能計算集群的出現(xiàn)，一定程度上滿足了CAE仿真對超強(qiáng)度巨量資源的計算要求。

隨著CAE仿真領(lǐng)域及業(yè)務(wù)工況應(yīng)用不斷升級，加上用戶對汽車個性化服務(wù)以及新能源技術(shù)等方面的需求不斷發(fā)生變化，基于傳統(tǒng)基礎(chǔ)設(shè)施資源、應(yīng)用、數(shù)據(jù)等管理方式的IT架構(gòu)的計算資源已不足以滿足需求，云計算技術(shù)將逐步取代傳統(tǒng)模式，實現(xiàn)資源動態(tài)優(yōu)化調(diào)配、提升數(shù)據(jù)在線水平并提高資源計算利用效率。目前很多大型汽車企業(yè)采用高性能計算云解決方案來承載CAE仿真業(yè)務(wù)，逐漸探索出基于公有云的HPC方案，從而進(jìn)一步降低運營成本。 據(jù)IDC的一項調(diào)查顯示，歐洲的汽車制造商在采用了HPC的技術(shù)解決方案之后，車型研發(fā)的平均時長從60個月下降至24個月。

2 同構(gòu)、異構(gòu)計算的技術(shù)架構(gòu)

（1）同構(gòu)計算：使用相同類型的指令集和體系架構(gòu)的計算單元，組成一定規(guī)模的超級計算系統(tǒng)。一般采用純CPU為計算核心的大規(guī)模計算系統(tǒng)。

CPU的微架構(gòu)是按照兼顧“指令并行執(zhí)行”和“數(shù)據(jù)并行運算”的思路而設(shè)計，實現(xiàn)兼顧程序執(zhí)行和數(shù)據(jù)運算的并行性、通用性以及它們的平衡性。CPU的微架構(gòu)偏重于程序執(zhí)行的效率，不會一味追求某種運算極致速度而犧牲程序執(zhí)行的效率。

（2）異構(gòu)計算：使用不同類型指令集和體系架構(gòu)的計算單元組成的超級計算系統(tǒng)。常見的計算單元組合為CPU、協(xié)同處理器GPU，以及ASIC、FPGA等，這里特指CPU/GPU架構(gòu)?？僧悩?gòu)計算的程序在經(jīng)過特殊處理后，CPU將執(zhí)行任務(wù)分配與計算中的串行代碼指令，GPU作為協(xié)處理器執(zhí)行大規(guī)模并行算法的指令。

GPU的微架構(gòu)就是面向適合于矩陣類型的數(shù)值計算而設(shè)計的，大量重復(fù)設(shè)計的計算單元，這類計算可以分成眾多獨立的數(shù)值計算的大量數(shù)值運算的線程，而且數(shù)據(jù)之間沒有像程序執(zhí)行邏輯關(guān)聯(lián)性，例如張量計算，廣泛應(yīng)用于基于矩陣運算的深度學(xué)習(xí)的無人駕駛技術(shù)。

3 異構(gòu)計算與人工智能的實現(xiàn)邏輯

人工智能正在推動高性能計算新突破。隨著傳統(tǒng)的高性能計算和深度學(xué)習(xí)在汽車研發(fā)普及發(fā)展，作為訓(xùn)練和推理載體的GPU也被越來越多地使用。

人工智能是建立在科學(xué)計算、機(jī)器學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)復(fù)合型學(xué)科。由于基于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練模型需要進(jìn)行大量的矩陣與矢量運算，通過從大型數(shù)據(jù)集學(xué)習(xí)模式的神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代學(xué)習(xí)，提高預(yù)測精度，縮短響應(yīng)時間，所以需要龐大的數(shù)據(jù)寬帶與異構(gòu)計算系統(tǒng)緊密耦合，實現(xiàn)大幅提升準(zhǔn)備性和完成時間的優(yōu)越性。異構(gòu)計算與科學(xué)計算、深度學(xué)習(xí)的實現(xiàn)邏輯圖如圖2所示。

對于用戶提交任何一個計算模型，CPU通過指令判斷該模型函數(shù)庫匹配同構(gòu)或異構(gòu)的計算邏輯，執(zhí)行相應(yīng)的計算邏輯路徑，具體如下。

如果判斷該模型為同構(gòu)計算邏輯，則通過匹配intel MKL函數(shù)庫，進(jìn)入程序任務(wù)復(fù)雜的指令調(diào)度、循環(huán)、分支、邏輯判斷以及執(zhí)行等步驟，處理不規(guī)則數(shù)據(jù)結(jié)構(gòu)和不可預(yù)測的存取模式，以及遞歸算法、分支密集型代碼和單線程程序。

如果判斷該模型為異構(gòu)計算邏輯，通過判斷該模型的數(shù)學(xué)函數(shù)庫判斷為cuda或tensor程序，執(zhí)行相應(yīng)的計算流程。

CUDA程序執(zhí)行的基本流程是：分配內(nèi)存空間和顯存空間；初始化內(nèi)存空間；將要計算的數(shù)據(jù)從Host內(nèi)存上復(fù)制到GPU內(nèi)存上；執(zhí)行kernel計算；將計算后GPU內(nèi)存上的數(shù)據(jù)復(fù)制到Host內(nèi)存上；處理復(fù)制到Host內(nèi)存上的數(shù)據(jù)，從而完成基于CUDA CORE的計算模型的計算流程。此類計算場景在汽車行業(yè)當(dāng)中主要體現(xiàn)在基于GPU架構(gòu)的CAE仿真計算。

Tensor Core是一種新型處理核心，它執(zhí)行一種專門的矩陣數(shù)學(xué)運算，適用于深度學(xué)習(xí)模型訓(xùn)練。Tensor Core執(zhí)行融合乘法加法，其中兩個4*4 FP16矩陣相乘，然后將結(jié)果添加到4*4 FP16或FP32矩陣中，最終輸出新的4*4 FP16或FP32矩陣。NVIDIA將Tensor Core進(jìn)行的這種運算稱為混合精度數(shù)學(xué)，因為輸入矩陣的精度為半精度，但乘積可以達(dá)到完全精度。此類計算場景在汽車行業(yè)當(dāng)中主要體現(xiàn)在基于GPU架構(gòu)的深度學(xué)習(xí)訓(xùn)練模型，如ResNet50、ResNet101等。

4 人工智能在汽車行業(yè)的應(yīng)用前景分析

人工智能在汽車行業(yè)具有廣闊的應(yīng)用發(fā)展前景，具體體現(xiàn)在以下幾個方面。

一是在汽車中智能化的駕駛功能。自動駕駛汽車依靠人工智能、視覺計算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)協(xié)同合作，它是一個集環(huán)境感知、規(guī)劃決策、多等級輔助駕駛等功能于一體的綜合系統(tǒng)，集中運用了計算機(jī)、現(xiàn)代傳感、信息融合、通訊、深度學(xué)習(xí)及自動控制等技術(shù)，是典型的高新技術(shù)綜合體。這種汽車能和人一樣會“思考”“判斷”“行走”，讓電腦可以在沒有任何人類主動地進(jìn)行操作下，自動安全地操作機(jī)動車輛。

二是基于互聯(lián)通信技術(shù)架構(gòu)下新商業(yè)模式下的交通出行服務(wù)?！盎ヂ?lián)網(wǎng)+”已經(jīng)成為時代主流趨勢，汽車廠商開發(fā)一系列智能應(yīng)用工具，如開發(fā)手機(jī)APP實現(xiàn)遠(yuǎn)程控制車輛、地圖定位、遠(yuǎn)程上鎖/解鎖以及后備箱與空調(diào)啟動等；汽車出行如何有效規(guī)避交通擁堵的重要性已日益顯現(xiàn)，汽車行駛過程實時掌握交通動態(tài)，為公眾出行選擇最佳的交通路線；提高車輛預(yù)警能力，減少駕駛?cè)藛T對突發(fā)事件的操作步驟；等等；這些基于人工智能技術(shù)的應(yīng)用將會給消費者在交通出行帶來更多全新的體驗及安全性。

三是在汽車OEM廠商價值鏈中應(yīng)用AI技術(shù)。OEM廠商利用人工智能技術(shù)提供具有競爭力的、以用戶為中心的長期服務(wù)，增強(qiáng)用戶粘性，獲取巨大商業(yè)價值，如在汽車人性化配置方面，根據(jù)不同消費者的需求，DIY設(shè)計更符合情感化汽車空間等。建立AI核心體系，包括AI標(biāo)準(zhǔn)化的數(shù)據(jù)生態(tài)系統(tǒng)、上下游合作伙伴系統(tǒng)，以及核心AI團(tuán)隊，擴(kuò)大和實施全面人工智能轉(zhuǎn)型。

參考文獻(xiàn)

[1] 張帥，李濤，焦曉帆，等.CPU-GPU異構(gòu)計算環(huán)境下的并行T近鄰譜聚類算法[J].計算機(jī)研究與發(fā)展，2015（11）：2555-2567.

[2] 卞娜云，王曉鋒，毛力.異構(gòu)計算環(huán)境下的網(wǎng)絡(luò)模擬性能估計模型[J].計算機(jī)科學(xué)與探索，2015（6）：1335-1343.

[3] 叢瑛瑛，陳絲.人工智能芯片發(fā)展態(tài)勢分析及對策建議[J].信息通信技術(shù)與政策，2018（8）：65-68.

[4] 王瑩，王金旺.異構(gòu)計算帶來AI視覺新突破[J].電子產(chǎn)品世界，2017（7）：28-29.