北京
Waymo近日首次对外公开了其自动驾驶计算系统的技术细节，揭开了被称为"Waymo Driver大脑"的神秘面纱。这套系统是Waymo在过去十年间，将硬件、传感器与算法协同设计的成果，旨在解决真实世界边缘计算场景中的独特挑战。
与传统的驾驶辅助计算系统不同，Waymo的计算系统需要处理完整的驾驶任务，且没有人类驾驶员作为后备。这意味着系统必须达到远超传统方案的高性能标准。据Waymo介绍，其设计理念基于超过2亿英里的全自动驾驶经验，并围绕三个不可妥协的核心需求展开。
三大核心需求：响应、坚固与冗余
首先是响应性。Waymo的自动驾驶系统完全在车载端运行，所有实时驾驶决策都在毫秒级时间内完成。整个技术栈经过深度优化，以最大限度缩短从传感器捕获像素到执行动作之间的延迟。在这关键的几毫秒内，先进的机器学习模型需要构建对周围环境的高保真理解，并评估最安全的行驶路径。Waymo透露，其原始计算能力在过去八年中提升了20倍，配合深度优化的软件栈，才得以实现这一目标。
其次是坚固性。计算系统被设计为能够在物理世界中承受持续的振动、冲击和极端温度。Waymo的硬件直接集成到车辆的液冷系统中，无论是中西部严寒的冬季，还是凤凰城酷热的夏季，系统都能保持峰值性能运行。
最后是冗余性。由于没有人类驾驶员可以接管，主动安全和冗余机制被原生地构建在系统之中。Waymo将计算系统设计为如同两个独立的引擎：正常工作时，它们作为一个整体运行，并行处理全部工作负载；一旦其中一个发生故障，另一个会无缝接管，确保驾驶安全。
从商用组件到定制芯片的演进
Waymo指出，从使用现成的商用组件转向定制化系统，迫使他们重新思考物理设计和架构设计。这套高度集成的系统在提供强大处理能力的同时，还需要兼顾乘客体验——最大化电池效率、保留充足的后备箱空间，并保持静音运行。为此，Waymo构建了一个以机器学习为核心的架构，以极低延迟运行先进的神经网络。同时，为了管理编排、数据移动和日志记录等关键的非机器学习任务，系统也进行了专门优化，以最大化机器学习计算的时间占比。
此次公开是Waymo首次详细展示其车载计算系统的内部设计，标志着公司在自动驾驶硬件技术透明度上迈出了重要一步。随着自动驾驶行业竞争加剧，自研芯片和计算架构正成为头部玩家构建核心壁垒的关键战场。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
