Superhirn für den Automotive-Markt

Die Roadmap wird mit Thor neu geschrieben

21. Oktober 2022, 7:00 Uhr | Iris Stroh
Thor
© Nvidia/WEKA Fachmedien

Nvidia hat im 2. Quartal 2022 im Automotive-Markt 220 Mio. Dollar Umsatz gemacht. Im Vergleich zu den anderen Märkten, die Nvidia adressiert, ein noch sehr kleines Volumen, aber mit enormen Wachstumspotenzial und das will das Unternehmen auf alle Fälle heben, mit neuer Hardware, aber auch Software.

Danny Shapiro, Vice President im Automotive-Bereich von Nvidia, erklärte bereits im Sommer im Gespräch mit Markt & Technik, dass das Unternehmen im Automotive-Markt Design-Wins mit einem Volumen von 11 Mrd. Dollar in der Pipeline hat, und das über einen Zeitraum von sechs Jahren. Mit neuer Hardware und Software soll auch der zukünftige Erfolg gesichert werden.

Auf der Hardware-Seite steht der neue DRIVE Thor im Mittelpunkt. Er ersetzt Atlan, ein 1000-TOPS-SoC, das Nvidia eigentlich erst im letzten Jahr vorgestellt hatte. Den Umschwung erklärt Jensen Huang, Gründer und CEO von Nvidia damit, dass Thor auf den doppelten Durchsatz und die doppelte Leistung kommt und dementsprechend Atlan nicht mehr weiterverfolgt wird. Drei Entwicklungen haben laut Huang zu dieser Entscheidung geführt: Grace, Hopper und Ada Lovelace, diese Entwicklungen zu ignorieren, wäre einfach nicht gegangen. Dementsprechend ist Thor mit folgenden Funktionalitäten versehen: die Transformer-Engine für KI-Anwendungen, die mit Hopper eingeführt wurden, plus der Grace-CPU und der Ada-GPU. Huang weiter: »Die Erfindung der Multiinstanz-GPU in Ada ist eine großartige Gelegenheit, den Autocomputer zu zentralisieren und dadurch Hunderte von Dollar an Kosten zu sparen.« Da alle Algorithmen mit der Möglichkeit zur Parallelverarbeitung an unsere GPU ausgelagert und dort beschleunigt werden, ist die verbleibende Arbeitslast tendenziell auf einen einzigen Thread beschränkt,« so Huang. Eine einfache Aufgabe für Grace, die sich laut seiner Aussage durch eine hervorragende Single-Thread-Performance auszeichnet. Thor kann laut seiner Aussage auf verschiedene Arten konfiguriert werden. Die geballte Leistung kann einer Pipeline für autonomes Fahren zugeordnet werden, oder dass ein Teil für KI und Infotainment im Innenraum und ein Teil für Fahrerassistenz verwendet wird. Denn die »Multi-Compute-Domain-Isolation« von Thor ermöglicht die unterbrechungsfreie Ausführung zeitkritischer Prozesse, weil sie Funktionen für automatisiertes Fahren und IVI-Funktionen isoliert. Damit können auf einem Rechner gleichzeitig Linux, QNX und Android ausgeführt werden. Huang ist sich sicher, dass heutige Funktionen wie Parken, aktive Sicherheit, Fahrerüberwachung, Cluster und Infotainment etc. in Zukunft nicht mehr auf separaten Rechnern laufen, sondern durch Software bereitgestellt werden, die, geht es nach Nvidia, auf Thor laufen und »im Laufe der Zeit verbessert werden«, so Huangs Überzeugung. Thor ist die erste AV-Plattform ist, die mit der Inferenz-Transformator-Engine aus den Tensor-Cores der GPUs ausgestattet ist. Mit dieser Engine kann Thor die Inferenzleistung von DNNs (tiefen neuronalen Netzen) laut Unternehmensangabe um das bis zu 9-fache beschleunigen. Ein weiterer Vorteil von Thor ist seine 8-Bit-Fließkommafähigkeit (FP8). Auch wenn die Genauigkeit eigentlich nicht wirklich leidet, erklärt Nvidia: »Normalerweise verlieren Entwickler die Genauigkeit neuronaler Netze, wenn sie von 32-Bit-FP-Daten auf das 8-Bit-Integer-Format umstellen. DRIVE Thor verfügt über eine FP8-Präzision von 2.000 Teraflops, die den Übergang zu 8-Bit ohne Genauigkeitseinbußen ermöglicht.« Nvidia betont jetzt auch, dass die ISO 26262 bei der Entwicklung berücksichtigt wurde, ein Punkt, den die etablierten Halbleiterlieferanten in der Automobilindustrie bislang bemängelt haben.

Das 2.000-TFLOPS-SoC hat sogar schon einen offiziell bekannt gegebenen Nutzer: ZEEKR (ein chinesischer Hersteller für Elektroautos) ist der erste Kunde; erste Serienfahrzeuge sind für Anfang 2025 geplant.

Neural Reconstruction Engine

Eine weitere wichtige Neuerung ist die sogenannte »Neural Reconstruction Engine«. Aus der Sicht von Nvidia sind mit der Simulation von autonomen Fahrzeugen zwei Probleme verknüpft: Zum einen muss eine Welt erzeugt werden, die genügend Details aufweist und so real ist, dass der KI-Fahrer die Simulation als real wahrnimmt. Zum anderen müssen die Simulationen in einem ausreichend großen Maßstab durchgeführt werden, um alle Fälle abzudecken, für die der KI-Fahrer vollständig trainiert und getestet werden muss. Und genau diese beiden Probleme will Nvidia mit der neuen Neural Reconstruction Engine adressieren. Sie konvertiert 2D-Videodaten von einer realen Fahrt in eine dynamische, digitale 3D-Zwillingsumgebung, die in DRIVE Sim geladen werden kann. Entwickler können diese 3D-Umgebung wiederum manipulieren und sie beispielsweise mit weiteren Assets ergänzen. Wurde also ein Asset einmal realen Daten entnommen, in ein 3D-Objekt umgewandelt, kann es in anderen Szenen wiederverwendet werden. Dasselbe funktioniert auch für ganze Szenen. In dem Fall weist die Neural Reconstruction Engine den Akteuren in der Szene KI-basierte Verhaltensweisen zu, so dass sie sich bei den Originalereignissen genau so verhalten wie bei der realen Fahrt. Da sie jedoch über ein KI-Verhaltensmodell verfügen, können die Figuren in der Simulation auf Änderungen durch das AV oder andere Szenenelemente reagieren und sich entsprechend verhalten. Da diese Szenarien alle in der Simulation ablaufen, können natürlich auch sie manipuliert werden, um neue Situationen hinzuzufügen. Zeitpunkt und Ort von Ereignissen können geändert werden. Die Entwickler können sogar völlig neue, synthetische oder reale Elemente einbauen, um ein Szenario anspruchsvoller zu gestalten, z. B. ein Kind, das einem Ball hinterherjagt.


Das könnte Sie auch interessieren

Verwandte Artikel

NVIDIA Corporate