2024 年 3 月 19 日,加利福尼亚州圣克拉拉—AMD(超威,纳斯达克股票代码:AMD)今日宣布,其尖端自适应计算技术为索尼半导体解决方案( SSS )所选用,用于其最新汽车激光雷达( LiDAR )参考设计。 SSS 作为图像传感器技术领域的全球领导者,此次与 AMD 携手带来用于自动驾驶汽车的强大且高效的激光雷达解决方案。采用 AMD 自适应计算技术显著扩展了 SSS 激光雷达系统功能,为下一代自动驾驶解决方案提供了非凡的精度、更快的数据处理以及高可靠性。

在快速演进的自动驾驶领域,对精确可靠的传感器技术的需求从未如此强烈。激光雷达(光探测和测距)技术在为各行业实现深度感知和环境测绘方面发挥着关键作用。激光雷达能提供图像分类、分割以及目标检测数据,这些数据对于由人工智能( AI )加强的 3D 视觉感知至关重要,因为其无法仅依靠摄像头提供,尤其是在弱光或恶劣天气下。专用激光雷达参考设计通过标准化平台解决了自动驾驶汽车开发的复杂性问题,能以更高的安全性驾驭不同驾驶场景。
AMD 公司副总裁兼自适应计算事业部总经理 Yousef Khalilollahi 表示:“激光雷达技术及其 AI 增强感知功能正以非凡的速度发展,支持部署越来越多的应用。我们与索尼半导体解决方案的合作将 AMD 自适应计算集成到其激光雷达参考设计中,体现了我们致力于在关键行业领域突破技术边界并推动创新的努力。”
索尼半导体解决方案公司汽车开发部总经理 Takayoshi Ozone 表示:“此次与 AMD 的技术合作展现了我们在承诺为激光雷达应用提供尖端解决方案方面的重大飞跃。通过将 AMD 自适应计算技术融入我们的激光雷达参考设计,我们已准备好在性能、可靠性和灵活应变能力方面树立新标准。”
SSS 激光雷达参考设计采用 IMX 459 传感器,由 AMD ZynqTM UltraScale+TM MPSoC 自适应 SoC 和 ArtixTM-7 FPGA 提供支持,使汽车制造商和汽车设备供应商能够拥有一款全面的感知平台,以驾驭复杂驾驶场景并借助卓越的精度识别潜在危险。该参考设计利用 AMD 在打造可扩展且灵活应变的计算解决方案方面的专长,对 SSS 的 SPAD ToF 式距离传感器的处理能力进行了优化。这项协同合作将带来高精度、快速数据处理速度以及出色的可靠性,从而应对汽车产业日益演进的需求。SSS 和 AMD 的共同努力将加速激光雷达技术在各个行业的采用,为自动驾驶系统带来新的可能性。
相关资源
· 进一步了解索尼半导体解决方案
· 阅读 ABI Research 白皮书:《一种可扩展的自动驾驶方法》
AMD 在汽车领域
随着汽车产业创新步伐不断加快,对高性能算力、计算加速和图形技术的需求也在走强。凭借业界丰富的高性能 CPU、GPU、FPGA 和自适应 SoC 产品线,AMD 正处于这一转折点的最前沿。从车载信息娱乐系统到高级驾驶辅助系统、自动驾驶和车联网应用等功能安全关键型应用,AMD 能为汽车制造商提供芯片和软件解决方案一站式服务。如需了解更多信息,请访问 AMD 汽车专区。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。