ยานยนต์ไร้คนขับมีเวลาประมาณหนึ่งจังหวะการเต้นของหัวใจในการอ่านสภาพถนน ตัดสินใจว่าเกิดอะไรขึ้น และตอบสนอง หน้าต่างเวลาที่บางเฉียบนี้เองคือเหตุผลที่ Waymo สร้างชิป AI แบบกำหนดเองขึ้นมา เพื่อบีบอัดการประมวลผลข้อมูลจากเซ็นเซอร์ให้เหลือเพียงไม่กี่มิลลิวินาทีเท่านั้น บริษัท รถแท็กซี่หุ่นยนต์ ที่ได้รับการสนับสนุนจาก Alphabet ได้อธิบายรายละเอียดของชิปซิลิคอนนี้ในบล็อกโพสต์เมื่อสัปดาห์นี้ ถือเป็นครั้งแรกที่บริษัทเปิดเผยรายละเอียดฮาร์ดแวร์ที่อยู่ในท้ายรถของรถไร้คนขับทุกคันต่อสาธารณะ
Summary
ประเด็นสำคัญ
- Waymo ได้ออกแบบ ASIC AI ของตนเอง ผลิตด้วยกระบวนการ 5 นาโนเมตรของ TSMC เพื่อประมวลผลข้อมูลจากเซ็นเซอร์ได้เร็วกว่าฮาร์ดแวร์สำเร็จรูปที่เคยใช้มาก่อน
- การออกแบบชิปอ้างอิงจากข้อมูลการขับขี่อัตโนมัติในโลกจริงมากกว่า 200 ล้านไมล์ และสามารถรันได้ทั้งโครงข่ายประสาทเชิงคอนโวลูชันและโมเดลทรานส์ฟอร์เมอร์
- Waymo ระบุว่า ASIC ให้ประสิทธิภาพ AIมากกว่า 1,000 TOPS ซึ่งน่าจะวัดที่ความละเอียดแบบ INT8 แม้ว่าจะยังไม่ชัดเจนว่ากินพลังงานเท่าใด
- บริษัทยังคงพึ่งพาซัพพลายเออร์ภายนอก รวมถึง AMD, Micron, Samsung, Sandisk และ Nvidia สำหรับงานที่ไม่ใช่แมชชีนเลิร์นนิง เช่น การบันทึกข้อมูลและการจัดการระบบ
- ก่อนหน้านี้ Waymo ใช้ FPGA ของ Intel สำหรับประมวลผลข้อมูลจากเซ็นเซอร์ ก่อนจะเปลี่ยนมาใช้ซิลิคอนของตนเอง เข้าร่วมการแข่งขันกับ Tesla ในการสร้างชิปแบบกำหนดเองสำหรับการขับขี่อัตโนมัติ
ชิป AI แบบกำหนดเองของ Waymo ที่สร้างมาเพื่อการตัดสินใจในเสี้ยววินาที
ชิปตัวใหม่ของ Waymo ถูกสร้างขึ้นเพื่อเปลี่ยนกระแสข้อมูลดิบจากกล้อง เรดาร์ และไลดาร์ให้กลายเป็นการตัดสินใจขับขี่ ก่อนที่ช่วงเวลาที่อันตรายจะเกิดขึ้นเต็มรูปแบบ บริษัทอธิบายว่าชิปนี้คือแนวหน้าของสแต็กการประมวลผล ทำหน้าที่ทำความสะอาดสตรีมข้อมูลจากเซ็นเซอร์ที่เข้ามา และรันการตรวจสอบด้วย AI อย่างรวดเร็วทันทีที่ข้อมูลมาถึง แทนที่จะส่งต่อข้อมูลดิบที่ยังไม่ผ่านการประมวลผลไปยังสมองประมวลผลหลักของรถโดยตรง
สร้างบนกระบวนการผลิต 5 นาโนเมตรของ TSMC
ชิปนี้ผลิตโดยใช้เทคโนโลยีกระบวนการผลิต 5 นาโนเมตรของ TSMC ทำให้ Waymo อยู่ในกลุ่มเดียวกับผู้ผลิตชิปรายใหญ่ที่พึ่งพาบริษัทโรงหล่อจากไต้หวันรายนี้สำหรับซิลิคอนล้ำสมัย การเลือกใช้โหนดกระบวนการสมัยใหม่มีความสำคัญ เพราะช่วยให้ Waymo บรรจุพลังประมวลผลได้มากขึ้นในแพ็กเกจที่เล็กลงและใช้พลังงานมีประสิทธิภาพมากขึ้น ซึ่งต้องทำงานภายในยานพาหนะที่เคลื่อนที่ แทนที่จะอยู่ในดาต้าเซ็นเตอร์ที่ควบคุมสภาพอากาศ
ความยืดหยุ่นสำคัญพอ ๆ กับความหนาแน่นดิบ ASIC นี้ถูกสร้างมาให้รันได้ทั้งโครงข่ายประสาทเชิงคอนโวลูชันและสถาปัตยกรรมแบบทรานส์ฟอร์เมอร์ที่เทียบเคียงกัน ซึ่งเป็นตัวแทนของทั้งแนวทางแมชชีนเลิร์นนิงแบบดั้งเดิมและโมเดลร่วมสมัยที่ขับเคลื่อนแชตบอตและตัวสร้างภาพด้วย AI ในปัจจุบัน ความสามารถแบบคู่เช่นนี้ทำให้ Waymo สามารถอัปเดตซอฟต์แวร์การรับรู้สภาพแวดล้อมของตนได้ตามกาลเวลา โดยไม่จำเป็นต้องเปลี่ยนฮาร์ดแวร์ใหม่ทั้งหมดทุกครั้งที่โมเดลมีการพัฒนา
ชิปเรียนรู้จากการขับขี่ 200 ล้านไมล์ได้อย่างไร
Waymo ระบุว่าสถาปัตยกรรมของชิปสะท้อนบทเรียนที่ได้จากข้อมูลการขับขี่อัตโนมัติสะสมมากกว่า 200 ล้านไมล์ ทำให้การออกแบบมีพื้นฐานจากโลกจริงที่ชิปสำเร็จรูปทั่วไปยากจะเทียบได้ ปริมาณประวัติการขับขี่ระดับนี้มีส่วนกำหนดวิธีที่ซิลิคอนจัดการกับการตอบสนอง ความน่าเชื่อถือ และระบบสำรองภายใต้สภาพถนนจริง แทนที่จะเป็นเพียงการจำลองในห้องทดลอง
การลดความหน่วงในฐานะลำดับความสำคัญด้านความปลอดภัย
การลดความหน่วงเป็นเป้าหมายหลักของการออกแบบชิป เนื่องจากอุบัติเหตุสามารถเกิดขึ้นได้เร็วกว่าที่มนุษย์ผู้ควบคุมจากระยะไกลจะเข้าแทรกแซงได้ทัน “ภายในมิลลิวินาทีที่สำคัญเหล่านั้น โมเดล ML ขั้นสูงจะสร้างความเข้าใจสภาพแวดล้อมที่มีความเที่ยงตรงสูง เพื่อประเมินเส้นทางที่ปลอดภัยที่สุดข้างหน้า” บริษัทอธิบาย โดยกล่าวถึงวิธีที่ระบบทำการลดสัญญาณรบกวนเชิงเวลาแบบเรียลไทม์เพื่อเพิ่มความคมชัดของการมองเห็นในสภาพแสงน้อย
ผู้นำด้านวิศวกรรมของ Waymo ก็อธิบายความท้าทายในเชิงเร่งด่วนไม่แพ้กัน Satish Jeyachandran รองประธานฝ่ายวิศวกรรม และ Daniel Rosenband หัวหน้าด้านการประมวลผล เขียนว่าบริษัทกำลัง “ออกแบบระบบล้ำสมัยที่ถือว่าน่าประทับใจแม้แต่สำหรับดาต้าเซ็นเตอร์ โดยมีความซับซ้อนเพิ่มเติมจากสภาพแวดล้อมการทำงานภายในยานพาหนะและข้อกำหนดแบบเรียลไทม์” ตามรายงานของ The Verge พวกเขาอธิบายว่าสแต็กการประมวลผลนี้ถูกกำหนดโดยหลักการที่ไม่อาจต่อรองได้สามข้อ: ต้องตอบสนองได้รวดเร็ว ทนทาน และมีระบบสำรอง
ความสามารถในการตอบสนองระดับนั้นต้องการพลังประมวลผลอย่างจริงจัง Waymo อ้างว่าชิปส่วนหน้าเฉพาะทางของตนให้ประสิทธิภาพ AI มากกว่า 1,000 TOPS แม้ว่าบริษัทจะยังไม่เปิดเผยระดับความละเอียดหรือการใช้พลังงานที่อยู่เบื้องหลังตัวเลขดังกล่าว หากไม่มีรายละเอียดเหล่านี้ การเปรียบเทียบโดยตรงกับฮาร์ดแวร์ยานยนต์ไร้คนขับและหุ่นยนต์ของคู่แข่งยังทำได้ยาก แม้ว่าตัวเลข TOPS น่าจะวัดที่ความละเอียดแบบ INT8 ซึ่งจะทำให้ชิปนี้อยู่ในระดับประสิทธิภาพใกล้เคียงกับแพลตฟอร์ม Nvidia Drive AGX Thor
ระบบสำรอง การระบายความร้อน และฮาร์ดแวร์ส่วนอื่น ๆ ในสแต็ก
พลังประมวลผลเพียงอย่างเดียวไม่เพียงพอเมื่อฮาร์ดแวร์ต้องอยู่ภายในรถที่เผชิญกับแรงสั่นสะเทือน แรงกระแทกจากถนน และการเปลี่ยนแปลงอุณหภูมิสุดขั้วที่ชิปในดาต้าเซ็นเตอร์ไม่ต้องเจอ Waymo แก้ปัญหานี้ด้วยการใช้ระบบสำรองหลายชั้น โดยพื้นฐานคือการรันระบบซ้ำซ้อนเพื่อไม่ให้ความล้มเหลวเพียงจุดเดียวทำให้ระบบรับรู้สภาพแวดล้อมของรถหยุดทำงาน ชิปเองใช้การระบายความร้อนด้วยของเหลว โดยเชื่อมต่อกับระบบหล่อเย็นเดียวกับที่ควบคุมอุณหภูมิเครื่องยนต์ของรถ ทำให้ซิลิคอนอยู่ในช่วงอุณหภูมิการทำงานที่ปลอดภัยไม่ว่าอากาศภายนอกจะเป็นอย่างไร
จุดนี้เองที่ทำให้เห็นชัดเจนว่า Waymo เปลี่ยนจากการตั้งค่าก่อนหน้าอย่างไร ก่อนจะเปิดตัว ASIC ของตนเอง บริษัทเคยพึ่งพา FPGA ของ Intel สำหรับประมวลผลข้อมูลจากเซ็นเซอร์ FPGA เหมาะกับงานที่ต้องการความหน่วงต่ำ ซึ่งเป็นเหตุผลหนึ่งที่บริษัทเทรดความถี่สูงมักใช้ แต่ FPGA นั้นขึ้นชื่อว่าซับซ้อนต่อการเขียนโปรแกรม และไม่สามารถให้ความหนาแน่นด้านการประมวลผลเทียบเท่าซิลิคอนที่ออกแบบมาเฉพาะงานได้
พาร์ตเนอร์ที่ดูแลงานที่ไม่ใช่ ML
Waymo ไม่ได้สร้างทุกชิ้นส่วนของสแต็กการประมวลผลขึ้นมาใหม่ทั้งหมด บริษัทยังคงพึ่งพาซัพพลายเออร์ภายนอกสำหรับฟังก์ชันที่ไม่ใช่แมชชีนเลิร์นนิง เช่น การจัดการระบบ การเคลื่อนย้ายข้อมูล และการบันทึกข้อมูล โดยระบุชื่อ AMD, Micron, Samsung, Sandisk และ Nvidia ว่าเป็นพาร์ตเนอร์ที่จัดหาส่วนประกอบเหล่านี้ พร้อมทั้งมีการกล่าวถึง Socionext โดย The Verge ว่าเป็นหนึ่งในซัพพลายเออร์ฮาร์ดแวร์ที่เกี่ยวข้อง Waymo ระบุว่ากำลังพัฒนาชิปและระบบแบบกำหนดเองเพิ่มเติมอีกหลายตัว ซึ่งหมายความว่า ASIC ปัจจุบันเป็นเพียงส่วนหนึ่งของกลยุทธ์ซิลิคอนภายในองค์กรที่กว้างขึ้น ไม่ใช่การทดแทนฮาร์ดแวร์จากบุคคลที่สามทั้งหมด
แนวทางแบบผสมผสานนี้สะท้อนการแลกเปลี่ยนที่คิดมาแล้ว แทนที่จะพยายามสร้างระบบประมวลผลทั้งหมดภายใน Waymo เลือกมุ่งเน้นความพยายามด้านวิศวกรรมไปที่การผสานข้อมูลจากเซ็นเซอร์แบบเรียลไทม์และแมชชีนเลิร์นนิงส่วนหน้า ซึ่งเป็นพื้นที่ที่ซิลิคอนแบบกำหนดเองให้ข้อได้เปรียบด้านความหน่วงมากที่สุด ขณะเดียวกันก็พึ่งพาผู้ผลิตชิปที่มีอยู่เดิมสำหรับส่วนอื่น ๆ
Waymo vs Tesla: การแข่งขันชิปที่กว้างขึ้นในโลกโรโบแท็กซี่
Waymo ไม่ใช่บริษัทเดียวที่เดิมพันกับซิลิคอนแบบกำหนดเองเพื่อชนะการแข่งขันโรโบแท็กซี่ Tesla ใช้เวลาหลายปีในการพัฒนาชิปของตนเองสำหรับการขับขี่อัตโนมัติ และเพิ่งเปิดให้บริการ Robotaxi แบบจำกัดในออสตินหลังจากเลื่อนมาหลายครั้ง ทั้งสองบริษัทยังมีปรัชญาที่แตกต่างกันอย่างชัดเจน: Elon Musk ซีอีโอของ Tesla เคยปฏิเสธไลดาร์ว่าเป็น “ไม้ค้ำยัน” และ “ภารกิจที่ไร้ประโยชน์” โดยให้เหตุผลว่าการผสานข้อมูลจากเซ็นเซอร์หลายประเภทเข้าด้วยกันจะสร้างความคลุมเครือที่เป็นอันตรายเมื่อสัญญาณไม่สอดคล้องกัน
แนวทางของ Waymo เดินไปในทิศทางตรงกันข้าม โดยเดิมพันว่าการผสานกล้อง เรดาร์ และไลดาร์ผ่านซิลิคอนเฉพาะทางทำให้ระบบมีความน่าเชื่อถือมากขึ้น ไม่ใช่น้อยลง และชิปแบบกำหนดเองคือสิ่งที่ทำให้บริษัทสามารถปล่อยใช้งานในระดับที่มีนัยสำคัญได้ บริษัทมีแผนจะแชร์รายละเอียดเพิ่มเติมเกี่ยวกับตัวเร่งแมชชีนเลิร์นนิงของตนในสัปดาห์หน้าที่งานประชุม Hot Chips ที่มหาวิทยาลัยสแตนฟอร์ด ซึ่งเป็นเวทีที่อาจให้ภาพที่ชัดเจนที่สุดจนถึงตอนนี้ว่า กลยุทธ์ซิลิคอนของบริษัทเปรียบเทียบกับคู่แข่งที่กำลังมุ่งสู่เป้าหมายเดียวกันอย่างไร
คำถามที่พบบ่อย
หน้าที่หลักของชิป AI แบบกำหนดเองของ Waymo คืออะไร?
หน้าที่ของชิปคือประมวลผลข้อมูลดิบจากเซ็นเซอร์ของยานยนต์ไร้คนขับอย่างรวดเร็ว แปลงให้เป็นการตอบสนองในการขับขี่ด้วยความหน่วงต่ำที่สุด
ชิปของ Waymo ใช้เทคโนโลยีการผลิตแบบใด?
ชิปนี้ผลิตโดยใช้เทคโนโลยีกระบวนการผลิต 5 นาโนเมตรของ TSMC
ชิปของ Waymo สามารถรันโมเดลแมชชีนเลิร์นนิงแบบใดได้บ้าง?
ชิปสามารถรันได้ทั้งโมเดลแบบดั้งเดิมอย่างโครงข่ายประสาทเชิงคอนโวลูชัน และโมเดลทรานส์ฟอร์เมอร์สมัยใหม่
Waymo ทำอย่างไรเพื่อให้มั่นใจในความน่าเชื่อถือของชิปแบบกำหนดเองภายในยานพาหนะ?
Waymo ใช้ระบบสำรองหลายชั้นและระบบระบายความร้อนด้วยของเหลวเพื่อรักษาประสิทธิภาพของชิปในสภาพแวดล้อมที่สมบุกสมบัน
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”หน้าที่หลักของชิป AI แบบกำหนดเองของ Waymo คืออะไร?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”หน้าที่ของชิปคือประมวลผลข้อมูลดิบจากเซ็นเซอร์ของยานยนต์ไร้คนขับอย่างรวดเร็ว แปลงให้เป็นการตอบสนองในการขับขี่ด้วยความหน่วงต่ำที่สุด”}},{“@type”:”Question”,”name”:”ชิปของ Waymo ใช้เทคโนโลยีการผลิตแบบใด?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”ชิปนี้ผลิตโดยใช้เทคโนโลยีกระบวนการผลิต 5 นาโนเมตรของ TSMC”}},{“@type”:”Question”,”name”:”ชิปของ Waymo สามารถรันโมเดลแมชชีนเลิร์นนิงแบบใดได้บ้าง?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”ชิปสามารถรันได้ทั้งโมเดลแบบดั้งเดิมอย่างโครงข่ายประสาทเชิงคอนโวลูชัน และโมเดลทรานส์ฟอร์เมอร์สมัยใหม่”}},{“@type”:”Question”,”name”:”Waymo ทำอย่างไรเพื่อให้มั่นใจในความน่าเชื่อถือของชิปแบบกำหนดเองภายในยานพาหนะ?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Waymo ใช้ระบบสำรองหลายชั้นและระบบระบายความร้อนด้วยของเหลวเพื่อรักษาประสิทธิภาพของชิปในสภาพแวดล้อมที่สมบุกสมบัน”}}]}
บทความนี้จัดทำขึ้นโดยได้รับความช่วยเหลือจากปัญญาประดิษฐ์และผ่านการตรวจทานโดยทีมบรรณาธิการ
