基于自动驾驶的边缘端液冷计算解决方案

行业趋势

Robotaxi——自动驾驶出租车，是一种全新的共享出行方式，也是市场前景空间巨大的自动驾驶场景之一，其将为用户提供一个全新的出行选择。立足长远，当自动驾驶大规模商业化，它将帮助解决目前出行的诸多痛点：

1、节约人力与时间：随着Robotaxi的不断发展，汽车出行不再依赖于“驾驶员”个人，可杜绝由人造成的疲劳驾驶，将人们的驾驶时间释放出来。
2、有效缓解交通堵塞：自动化能有效利用“车辆与基础设施”和“车辆与车辆”之间的连接性，让城市交通不再拥堵。
3、出行变得更加安全：共享自动驾驶出租车在市区的广泛使用，可以让城市街道汽车数量下降约60％，同时减少90％的道路交通事故。

基于Robotaxi的发展机遇，国内知名自动驾驶企业利用深度学习下的环境感知、高精地图、驾驶决策算法等核心技术，旨在实现无人驾驶出租车的完整落地。

边缘计算于自动驾驶的重要性

在自动驾驶的发展进程中，随着传感器的不断扩展、道路数据的几何级增长以及安全升级下的低延迟要求，正逐步将计算核心从云端推向边缘。
由于自动驾驶的特殊性，其对处理带宽和延迟都有极高要求，就算仅将一小部分字节数据发送到远端服务器进行分析，数据传输过程中所带来的延迟也将大幅影响自动驾驶系统效率。
由过高数据传输量（自动驾驶汽车生成的路况、位置和周围车辆的数据每秒可达数GB）引发的延迟问题大大延缓了自动驾驶车辆实现实时人工智能处理的愿景，而边缘计算则可有效解决延迟敏感问题，如目标跟踪和检测、位置感知等，并有效规避云计算所需面临的隐私保护挑战。

解决方案

数据延迟和位置信息是边缘的关键因素，数据传输延迟和上游服务中断是引起无人驾驶安全问题的重要隐患，超集信息结合客户实际需求，为其提供了基于自动驾驶的边缘端高性能液冷工控设备解决方案——ServMAX® EO20-X3。通过EO20-X3对收集到的数据实现本地处理，能够在不依赖远程资源情况下实时做出决策和准确预测。

较市场顶级边缘芯片，虽然EO20-X3的设备功耗增加约25倍，但其带来了130倍的FP32/FP16性能提升及13倍的INT8/INT4性能提升，实现了惊人的能耗比。

并且，分体式设计的EO20-X3不仅解决了数据低延迟问题，还可保证车内极致静音需求，进一步推动了无人驾驶出租车的落地。

- 尺寸仅 46*45*17 (D*W*H, cm)
- 2 颗 Ice Lake 处理器 TDP up to 270W
- 2 张 Ampere GPU+2 张 PCIe 扩展卡
- NVIDIA Orin 64G芯片AI性能的100倍
- 实况模拟与仿真，确立高效循环水路
- GPU, Memory, HDD/SSD 等部件特殊加固
- 常规运行噪音低于 50dB
- 40℃高温下，机器依然稳定运行

方案架构

基于ServMAX® EO20-X3的自动驾驶系统方案兼容了TensorFlow、Caffe、PyTorch等多种深度学习计算框架，前端EO20-X3承担自动驾驶车辆行驶过程中产生数据的解码、标注等工作，后端高性能计算集群对自动驾驶车辆产生的行驶数据进行模拟训练、分析及推理，需要长期留存的数据通过MatrixStore分布式存储系统实现高效、安全存储，保障后期研发中训练数据集的富足。

Robotaxi在实际路测时，更多基于成熟的AI模型进行实时数据推理。在超30台车辆，为期1个月的测试验证下，搭载NVIDIA GPU 的EO20-X3边缘端高性能液冷工控设备解决方案有效满足了数据低延迟需求、数据筛查及预处理算力需求和车内静音需求。

方案优势

1. 内存部分，摒弃过往各厂商常规的打胶固定方式，使用定制的内存固定块固定，加强了结构稳定性，避免了生产操作不当造成的风险。

2. 水路部分，EO20-X3允许更改进出水方向。当GPU功耗更大，可以使GPU先进水，CPU后进水；当CPU功耗更大，亦可使CPU先进水，GPU后进水，保证了整机液冷部件温度更均衡。

3. 通过自主设计研发的GPU冷板，使得整机最高支持4张专业级GPU，带来超强算力。同时，GPU冷板的设计思路一改常见的橡胶圈密封设计，在水路密封方面采取摩擦焊的焊接方式，极大地改善了GPU冷板漏液风险。

4. EO20-X3管路、快接头、宝塔均采用工业级定制，管路部分采用聚四氟乙烯波纹管，在抗压性、耐腐蚀性、耐高温性等方面有更佳表现。

5. 为了满足高温环境下的使用，解决部分部件可能出现超温的情况，通过自主设计的VR散热片可以使VR温度下降9度，硬盘散热片可以使硬盘温度下降12度。

6. 通过对所有部件的高密度规划设计，整机尺寸只有46*45*17（D*W*H，cm），仅为风冷类算力设备的1/2。

客户收益

在超集信息帮助下，客户通过采用搭载NVIDIA GPU和双路Ice Lake处理器的EO20-X3边缘端高性能液冷工控设备解决方案，有效助力了模型训练与优化，提升了路面实时数据的处理能力，形成了优化模型--精确推理--模型再优化的良性循环。

并且，在NVIDIA GPU和双路Ice Lake处理器的帮助下，可实现车辆决断的更快速介入，较人脑缩短了2-3倍反应时间，从而有效减少自动驾驶中主动责任事故比例。分体式液冷的设计也极大地降低了车内噪音，乘坐体验更加舒适。