第8章 智能计算架构2.0

智能驾驶与计算架构

第8章

智能计算架构2.0

1软件1.0与2.0_x0008_

2软硬协同进化3案例：数据驱动下的架构演化_x0008_智能驾驶计算概述智能计算架构2.0源自软件2.0思想，通过数据驱动开发范式和软硬协同进化，实现智能驾驶系统的持续优化。本章基于前面7章基础，介绍软件1.0与2.0概念、软硬协同进化理论，以及数据驱动下的编译器及硬件架构演化。学习目标：了解软件1.0及软件2.0的基本范式及进化背后原因。理解软硬协同进化的基本思想及相关驱动原理。理解数据驱动下编译器及硬件进化的基本原理。软件1.0vs软件2.0软件1.0是基于规则的启发式方法（人类编写代码），软件2.0是基于数据驱动的生成式方法（通过神经网络权重生成行为）。软件1.0：程序员明确编写代码逻辑，功能预先确定。软件2.0：程序员搭建框架和提供数据，软件行为由机器学习算法训练产生。开发范式：软件1.0（RuleBased）→软件2.0（DataDriven）。智能驾驶应用：从感知到预测到规划控制，越来越多的模块从软件1.0转向软件2.0。软件1.0vs软件2.0软件1.0是基于规则的启发式方法（人类编写代码），软件2.0是基于数据驱动的生成式方法（通过神经网络权重生成行为）。软件1.0：程序员明确编写代码逻辑，功能预先确定。软件2.0：程序员搭建框架和提供数据，软件行为由机器学习算法训练产生。开发范式：软件1.0（RuleBased）→软件2.0（DataDriven）。智能驾驶应用：从感知到预测到规划控制，越来越多的模块从软件1.0转向软件2.0。软件2.0下的数据闭环软件2.0范式下，智能驾驶通过影子模式采集差异数据，经标注训练后通过OTA部署，形成持续进化的闭环反馈系统。闭环流程：影子模式记录系统决策与驾驶员操作差异→识别异常场景→标注→模型训练→OTA更新→持续监控。特斯拉FSDBetav12：采用端到端神经网络取代大部分显式C++编码。英伟达MagLev：将软件2.0融入自动驾驶开发流程。软硬协同进化后摩尔时代，计算机性能增长的新动力在于软件工程、算法和硬件架构的联合创新，即软硬协同进化。应用目标：下一代自动驾驶系统追求"优雅从容"（场景通过率、通行效率、行为拟人）。技术方案：端到端+交互博弈（模仿-强化混合学习框架）。底层进化：算法（决定性能上限）+算力/数据+工程能力。中央计算平台汽车电子电气架构从分布式到域控制器再到中央计算平台演进，底层硬件变革驱动软件定义汽车和智能计算中台的形成。EEA演进：分布式ECU（L0~L2）→域控制器（L3开始）→中央计算平台（未来）。算力分布变化：座舱域强调逻辑计算，智驾域强调智能计算。智能计算中台**：算力200~5000TOPS，支撑自动驾驶与人机交互联合决策。案例——编译器2.0与硬件2.0编译器2.0通过传统优化方法+机器学习优化方法，实现算法结构搜索、NPU架构搜索和编译优化的闭环，持续寻找架构最优解。编译器2.0：传统优化（Tiling/Schedule/Fusion）+基于ML的编译优化（监督学习/强化学习）。NPU架构探索：通过收集数据训练模型，得出最优架构配比。闭环设计：算法模型结构搜索↔NPU架构搜索↔RL编译优化。硬件2.0：智能驾驶计算芯片+开放工具链+全