自动驾驶：如何使用HPEC启用Edge AI和深度学习

自动驾驶汽车需要持续的态势感知：他们需要复杂的传感器（雷达，激光雷达，高分辨率相机等）来不断捕获汽车执行自动驾驶任务所需的环境信息。这需要一套高性能嵌入式计算（HPEC）系统 ，这些系统能够处理大量数据，与传感器交换这些数据并应用Edge AI（人工智能）和深度学习算法来实时训练车辆。

虹科提供的HPEC系统可以组合在一起，以在汽车和坚固型应用中提供无与伦比的性能和容量。这些系统提供存储，计算，网络和Edge AI以及深度学习功能，以应对5级自动驾驶的挑战（车辆是完全自动的，无需驾驶员干预）

HPEC系统通过了汽车应用认证，并具有液体冷却功能，可与用户应用无缝集成

以下是采用虹科HPEC系统实现自动驾驶的3种可能的架构。

高性能数据记录

此用例是简化的高性能数据记录应用程序的示例，其中DynaCOR 40-34通过DynaNET 10G-01接收来自多个车辆传感器的聚合数据流。该架构具有40GbE骨干网和多达48个1GbE数据源的良好平衡。

该设置为需要在实际驾驶条件下收集车辆和环境数据集的客户提供了巨大价值，他们利用现有的商用车辆进行了最少的修改。该系统极其紧凑，并通过了汽车认证，因此仅使用典型小型汽车后备箱体积的一小部分即可安装DynaCOR 40-34和DynaNET 10G-01。

自动驾驶：在边缘AI上搭载高性能计算

该用例在上一节中说明的独立体系结构的日志记录容量中增加了可伸缩的计算功能，并引入了两个新的构建块，这些块启用了车载Edge AI。DynaCOR 50-35是一款坚固的HPEC服务器，具有无与伦比的计算能力，可在边缘支持AI和深度学习算法以实现自动驾驶。该DynaNET 100G-01是一款高性能的以太网交换机，100G以太网端口，用于大量双向数据传输。

在此处显示的示例中，传感器数据流由DynaNET 10G-01聚合，然后馈入主干DynaNET 100G-01。在这种安排下，所有DynaCOR都利用2x56GbE链路，每个设备的总带宽为112Gb / s，可以动态分配。假设连续的实时传感器数据流（最高40Gb / s）将被定向到第一个DynaCOR接口，而将第二个可用于计算任务和消息，则是非常合理的。

DynaNET 100G-01和DynaNET 10G-01的显着特征是第3层网络，可实现非常精细的流量管理。这对于最大限度地减少延迟并确保将数据流定向到正确的设备，避免数据匮乏和类似的其他网络问题（对于整个体系结构而言，确定性的运行条件会造成恶化）至关重要。

由于DynaNET 100G-01提供了16个端口，每个端口能够支持40/56 / 100Gb / s，并且DynaCOR 40-34和DynaCOR 50-35都具有双重40 / 56Gb / s接口，因此可以混合和匹配多达使用40 / 56Gb / s链路的15个DynaCOR，或使用80 / 112Gb / s链路的多达7个DynaCOR。一个或两个40GbE链路可用于到达连接到一个或两个DynaNET 10G-01的传感器网络。

通过混合和匹配构建基块，可以达到极限配置，例如：高达256TB的NVMe存储容量（使用16个存储设备），或高达16TFLOP（CPU）+ 248TFLOP（GPU，FP32）的计算性能，以及两者之间的任何东西。这使Edge AI和深度学习能够在板上进行大量数据处理。

值得注意的是，每个DynaCOR均具有2个GbE接口，即使在这些极端情况下也可以直接连接传感器。此外，DynaCOR 50-35可以配置NVME存储，为客户提供额外的灵活性。

用于自动驾驶的冗余HPEC架构

在最后一个示例中，我们展示了如何通过添加两个以上的交换机来实现冗余体系结构。尽管这是一种简单化的方法，不能完全反映实际情况下如何实现真正的冗余体系结构，但仍说明了如何在普通车辆中创建非常复杂的计算和存储基础结构，同时又能很好地保持物理约束由空间，操作条件和总允许功率决定。

HPEC和自动驾驶白皮书

有关虹科HPEC系统及其如何启用Edge AI的更多信息，请 点击阅读更多。

阅读更多