「中國製造2025」能將智慧車推向新高峰？
2018-06-08
作者
Jeffrey VanWashenova，CEVA汽車市場部門總監
中國大陸政府日前喊出「中國製造2025」這個口號，希望藉此改造整個產業。而其中一個未來會受到關注的產業，就是智慧汽車工業......
最近我第一次拜訪中國大陸，對於其科技的水準和整個國家基礎建設的整合度驚嘆不已。而相對於其他仍然在不斷演進，希望能幫助解決像是交通阻塞等社會問題的開發項目，兩者有天壤之別。然而，這一切都可能即將有所改變，因為各種新政策的目標，都是要改造整個中國大陸的產業，不僅僅要成為製造方面的領導者，同時也要成為創新的領導者。
（來源：中國大陸政府推廣活動）
中國大陸政府目前喊出「中國製造2025」(Made in China 2025)這個口號來改造整個產業。而推動這項活動的原動力，是希望透過強調創新和科技來強化經濟。從經濟和地方政治的角度來說，這項計畫可能是具有爭議性的，因為有一些特定的技術領域可能會因此而獲得極大的關注。而其中一個未來會因為這項推廣活動而受到關注，同時也會獲得大量投資的產業，就是智慧型汽車這個產業。
中國大陸的汽車工業已經準備好要起飛；誰會加入？
對中國大陸而言，這代表現有投入智慧車領域的廠商將會看到極大的成長，且許多新加入的廠商以及新創公司都會如雨後春筍般出現，並以令人炫目的速度而成長。從全球的角度來看，一些專注於實現各種技術(例如電腦視覺及影像和嵌入式深入學習)的公司，未來也都會感受到市場對於其產品有越來越多的需求。
這些新增和現有的中國大陸廠商為了能夠快速和有效率地成長，都將需要找尋各種工具幫助他們快速投入戰場作戰。此外，為了能夠採用現有的各種知識和經過市場所驗證的解決方案，讓開發的過程能夠順利推展開，智慧財產權(IP)解決方案是特別受到矚目的方式。正確的IP架構區塊對於這些公司而言是非常理想的工具，可以幫助他們快速和有效率地成長。
電腦視訊是實現技術的關鍵
在這個讓車輛變得更具有人工智慧的競賽中，電腦視覺是其中一項最為重要的技術之一。幾乎每一項高度自動化車輛(HAV)的功能，都需要仰賴車輛能夠「看到」周遭環境的能力，也就是要實現視覺和影像運算的能力。而其需求會涵蓋整個自動化車輛的各個領域，從售後安全功能性(像是行車攝影機到障礙感測器)到最高階的自駕車。諸如Novatek等公司，都已經開始在建置數百萬種使用影像和視覺IP的裝置，以便讓車輛變得更加安全。
（來源：shutterstock.com）
中國大陸產業將會開始尋找各種具有彈性以及可以適用於各種規模，同時又要兼顧穩定性和保密性的解決方案。而符合ISO 26262個規範將會是一項至關重要的賣點。因為中國大陸產業界的目標是要在全球市場中與其他人一較高下，因此就需要能夠滿足現有的各種產業業標準。
汽車產業以及未來其他產業對於AI處理器將有極高的需求
人工智慧在世界各地都成為最熱門的技術之一，這已經不是一個秘密。無論是智慧型手機到各種家用裝置，許多公司都將推動AI引擎當作是他們產品最主要的功能。對於中國大陸的產業而言，他們會希望藉著創新和技術的機會來改善效率和品質，因此對於AI的需求只會變得更加強烈。
在之前的文章中，我曾經探討過中國大陸由上到下的戰略，對於自駕車以及阿波羅、百度的自動駕駛系統所可能帶來的影響。隨著大家在自駕車方面的競爭逐漸白熱化，這些問題都變得更加重要。根據路透社的資料指出，中國大陸對於汽車產業用AI提出了極具野心的目標。他們計畫在2020年，要讓至少半數的新車中配備有AI，同時還要建置能夠支援智慧車車的無線網路，涵蓋範圍包括90%的大城市和高速公路。
因此，中國大陸的產業將會要尋找各種嵌入式AI解決方案，來推動自動駕駛和主動安全性等應用。這些解決方案都必須具備極高的電源效率。而且如果一項解決方案中可以包含一套發展工具套件，以便藉此縮短上市時間，和提高公司創造價值以及差異性的能力，那麼就更加有錦上添花的效果。
例如，CEVA經過驗證的解決方案就是投入智慧車革命的第一步。
CEVA的IP已經被嵌入在全球HAV市場主導廠商的數百萬種設計中，而其XM系列影像及視覺DSP，也推出了符合ISO 26262標準的設計套件；它具備了與全球汽車產業標準競爭所需要的ADAS安全功能性。
在CEVA的智慧IP產品系列中，最新推出的產品是NeuPro AI處理器。NeuPro具備彈性和可調整規模的架構，是建構在CEVA深度學習方面所累積的經驗上，而且可以被應用在任何需要先進AI和機器學習能力的尖端裝置中；無論是類似自動駕駛或半自動駕駛車輛，以及智慧工廠設備等需要頻繁運作的範例，或者是小型、低耗能的手持式和IoT裝置都適用。
CDNN使用流程（來源：CEVA）
為了搭配這些先進的嵌入式IP設計，CEVA還開發出CEVA深度神經網路(CDNN)。CDNN深度學習工具套件可以針對廣大市場的嵌入式裝置，讓軟體開發過程和開發深度學習系統時的其他工作更順利進行。
