从五种能耗的水平到能耗的水平，为什么“神经形态计算”与自主驾驶的未来相

2022年，梅赛德斯·奔驰（Mercedes-Benz）展示了其肌肉：视觉EQXX能量效率概念车的收费超过1200公里。它首先设定了达到1,000公里（10公里的电动运行1,000公里）的目标。最后，在德国斯图加特的Silverstone轨道上，它的能源效率标记约为12.1公里，即它的范围为1,207公里100公里。去年，它创造了每100公里的能源消耗的新记录。实际上，当人们专注于其能源效率的性能时，梅赛德斯 - 奔驰视觉EQXX还配备了另一种计算“神经形态计算”的形式。梅赛德斯·奔驰（Mercedes-Benz）成为世界上第一个将神经形态计算技术应用于法律公路模型的车辆制造商。梅赛德斯·奔驰（Mercedes-BenzAl道路环境。为什么自主驾驶需要“神经形态计算”？梅赛德斯·奔驰（Mercedes-Benz）最近推荐了这项技术，并表示它在加拿大滑铁卢分校的神经形态计算领域建立了科学科学合作。如果是我们当前正在使用的计算机，手机，智能手表和智能汽车，则它们的计算体系结构属于冯·诺伊曼（Von Neumann）的经典体系结构。计算单元和此架构存储单元分开。例如，如果我们查看二进制配置，并通过总线连接到独立的计算和备忘录单元，以放置输入信息和输出计算结果。就像一家大餐厅。这些成分需要强度-tao将它们从仓库带到冰箱。厨房被从冰箱中取出并进行加工和放置，并通过送货工作人员将其运送到消费餐桌上。这个过程无法中断，否则坐在餐桌旁的nsumers将饿。冯·诺伊曼（Von Neumann）的建筑已经数十年了，现在已经非常成熟。在大多数情况下，我们认为它们不合适。作为消费者，由于这种建筑，我们很少饿。这是因为当前的游戏，视频和办公软件的设计是基于硬件性能瓶颈设计的。五，六年前，游戏开发人员不会开发幻想监测游戏，因为Nvidia当时还没有发布此技术。早些时候，电影和电视从业人员无法制作8K视频，因为他们还没有准备好射击设备，解码芯片和播放设备。让我们以大型餐厅为例。由于处理过程很长，因此过程很复杂，并且客户的需求是不同的，因此有必要存储不同的组件，雇用受欢迎的厨师，在火车上等待并进行不同的活动。工作人员成本高和复杂ed。工作时间仍然很长，消费者的消费价格也不便宜。 It is von no the most obvious shortcomings of Yiman's architecture is that computing efficiency is low (the warehouse is very far away, the refrigerator is full, the chef is asking for leave, the waiter is lazy, the doorThe kitchen is too narrow, etc. Of course, Von Neumann's architecture strength lies in accurate and general calculations, as a good restaurant can make different cauliflower and everything is delicious. However, if a customer likes扬村炒饭只吃扬村炒饭，他自然可以去每顿饭上方的大餐厅，但对于客户来说，“扬州炒饭”的费用太高，可以是当前的AI计算，或者更详细地说，这是对工具的辅助和自动驾驶的计算。当前的L2级辅助By驾驶在70-100W之间，这不是新能量电池的重大负担，而新能量电池经常达到十二次学位，并且一天只需要1千瓦时的电力。但是，当涉及L4高级自主驾驶阶段时，这种能耗可以达到1000W-3000W，从而大大降低了汽车的范围。当然，我们可以希望促进半导体工艺技术，电池技术等，但是我们需要理解的是，智能驾驶水平从L2到L4之间的能源消耗增加是十倍或数十倍，而减少半导体过程带来的能源消耗通常是半导管的速度。因此，该行业期望具有专门针对自动驾驶场景的新计算形式，即上述“神经形态计算”。 Poetryd前面提到的，冯·诺伊曼（von Neumann）建筑的强度在于精确和整体计算逻辑，但效率低，电力消耗很高。然后，“神经形态计算”擅长识别模式，理解，研究和灵活性，并且能量消耗非常低。随着智能驾驶技术进入端到端时期，依靠大型模型，尤其是视觉语言模型参与，对模式识别，理解，学习和适应的需求变得越来越重要。因此，梅赛德斯 - 奔驰和行业逐渐理解“神经形态计算”，这正在成为实现高水平自动驾驶的依赖技术。 ▲AKIDA的神经形态计算的结构尤其适用于梅赛德斯 - 奔驰。他们与加利福尼亚人工智能公司Brainchip合作，根据Brainchip的Akida神经形态系统级芯片生产硬件和软件系统，并集成到Vision EQXX概念车中。从五个能量C的水平C到能源消耗的水平，为什么“神经形态计算”更安全，更安全？简而言之，“神经形态计算”是模仿人脑执行计算的机制。作为一种自主计算设备，人脑（如果不是愤怒）具有高性能和低能消耗的好处。通常，仅消耗20W的动力，每100公里只消耗两个蒸bun头。就人脑操作的机制而言，尽管传感器（眼睛和耳朵）一直在起作用，但眼睛都是所有方向，但是人的utak并不总是紧张的，但是根据外部环境调整其操作状态是一种变化。在装满卡车的紧密部分中，人的大脑自然更加紧张，在开放和平坦的高速公路上，外观宽阔，人们也会放松。为了更科学，信息传播到人脑在神经元和突触之间，这种机制产生了神经系统的基本通信方法。这种机制是由事件驱动的，因为视网膜中对运动敏感的神经节细胞只有在看到运动时才会发出手腕。梅赛德斯 - 奔驰在其技术介绍文章中说：神经形态计算的主要是模仿人脑的工作机制。信息不是在数字表单上打折，而是通过模仿神经元和突触来产生“脉冲信号”来发送信息。相关区域仅根据需要“点亮”。这种“按需激活”机制不仅消除了传统计算体系结构中缺乏缓慢的计算，而且从根本上讲是高能量消耗和持续的能源消耗的限制。神经元和突触是物理共同的，这意味着脉冲神经网络的信息无需从记忆中反复读取。人脑注意的机制，w有时hich有时会放松，有时也可以与“频率可变空调”进行比较。在空调的早期，它是一种低水平的电源，并且在温度集中充满了动力转弯，而无需考虑节省电力。能源消耗水平的贴纸证明了其努力和毅力。智能转换器空调在开始的早期阶段增加了制冷的力量，并在以设定值达到温度后降低了功率。它们主要用于保持舒适的温度，这不仅节省了电力，而且温度的变化很小，使其对身体更舒适。同样，仅当收到信息并徒劳的时间，神经形态计算才触发了计算，从而大大减少了数据处理能量的消耗。此时，我们可以总结神经的某些特性Orphic计算：存储和计算融合，异步事件驱动而不是连续的指令实现，众所周知的模式，感知，研究和适应以及低能消耗。在梅赛德斯 - 奔驰的官方网站上，梅赛德斯 - 奔驰在神经形态计算中记录了一系列的合作与发展：梅赛德斯 - 奔驰签署了一份了解滑铁卢大学的备忘录，以与神经形态计算领域的研究合作。这项研究的重点是开发用于高级驾驶辅助系统的算法。通过限制人脑的功能，神经形态计算可以显着提高人工智能的计算强度，从而使其更快，节能更快。在维护车辆的里程时，安全系统可能会更好地看到交通标志，线条和物体，即使可见度较低，也可能会做出响应。与现有系统相比，神经形态计算有望减少能量c自动驾驶数据处理所需的征服需要90％。与滑铁卢大学的合作融入了与梅赛德斯·奔驰在神经形态计算领域的一系列现有研究合作，重点是神经形态的自主驾驶端到端研究。梅赛德斯 - 奔驰与合作伙伴一起检查如何使用神经形态计算来优化自主驾驶系统中的雷达数据处理。梅赛德斯 - 奔驰还在卡尔斯鲁豪汉技术大学（Karlsruhaang Technology University）合作，在这项工作中，是一款神经型相机，也称为基于事件的摄像机。除了预计在300W时L4级自动驾驶系统的KUR消耗量减少外，该工作系列在安全中还起着更重要的作用。由于基本的技术原理，“神经形态计算”的处理速度更快，延迟较低。计算中心不仅可以通过“基于事件的摄像机（神经形态摄像机）这样做）前面提到的。传统摄像机获取和研究图像以研究完整的图像。关于图像中一些高深色像素的变化（此更改为“事件”）的图片更多的信息更多的信息）现在可以安全安全