Tesla Full Self-Driving Chip: Eigenentwicklung ersetzt Nvidias Tegra Xavier

Bisher setzte Tesla bei seinen Elektroautos auf Hardware von Nvidia, um den Fahrassistenten nach Level 2.5 beziehungsweise 2+ zu realisieren. Hinter dem Handschuhfach sitzt ein Drive-AGX-Xavier-Board mit dem Tegra Xavier, der die Videoinhalte verarbeitet und Fahrentscheidungen trifft. Diese Lösung setzt Tesla inzwischen nicht mehr ein. Der Hersteller hat einen eigenen Chip entworfen, der seit dem vergangenen März in allen Model S und Model X sowie seit April in allen Model 3 eingesetzt wird.

Tesla entwickelt seine Prozessoren jetzt selbst

Das Hauptaugenmerk im Full Self-Driving Chip liegt im Prozessor für neuronale Netzwerke, der keine Erweiterung der GPU darstellt, wie Nvidia seine Tensor-Kerne löst, sondern ein eigenständiger Cluster. Zwei Blöcke können 96 × 96 Multiplikationen oder Additionen berechnen und kommen gemeinsam auf eine Rechenleistung von 72 TOPS bei 2,0 GHz. Die Leistungsaufnahme beläuft sich auf 72 Watt. 32 MiByte SRAM dienen als Cache mit einer Bandbreite von rund einem Terabyte pro Sekunde. Allgemeine Berechnungen übernehmen 12 Standard-Cortex-A72-CPU-Kerne von ARM. Eine vergleichsweise schwache GPU bestehend aus 16 Clustern (die IP wird nicht genannt) erreicht 600 FP32-GFLOPS und beherrscht zusätzlich FP16. Sie kümmert sich um das Post-Processing der Bild- und Videoinhalte. Dank des schnellen SRAM-Caches können die Speicher-Controller überschaubar dimensioniert werden: An einem 128 Bit breiten Interface hängt LPDDR4-4266-RAM mit einer Bandbreite von 68 GB/s. Ein Security- und ein 24-Bit-Bildprozessor, der zum Beispiel Kontraste herausarbeitet, runden das Paket ab.

Ein FSD-Chip fasst sechs Milliarden Transistoren auf einer Chipfläche von 260 mm². Gefertigt werden die Prozessoren bei Samsung in einem nicht konkret genannten 14-nm-FinFET-Prozess, womöglich 14LPP. Zum Vergleich: Nvidia lässt seinen Tegra Xavier bei TSMC im optimierten 16-nm-Prozess 12FFN produzieren. Er bringt neun Milliarden Transistoren auf 350 mm² unter. Tesla spricht von 21 TOPS beim Tegra Xavier, Nvidia selbst von bis zu 30 TOPS, wenn die TDP von 30 Watt ausgereizt wird. Die Effizienz beim Ausführen von neuronalen Netzwerken ist dementsprechend ähnlich, wobei Tesla einen größeren Fokus auf das Deep Learning setzt und daher mit einer kleineren Chipfläche auskommt. Nvidia hat die deutlich potentere GPU mit acht Volta-Shader-Multiprozessoren (512 Shader) und 1,4 FP32-TFLOPS. Die CPU besteht aus acht selbstentwickelten Carmel-Kernen.

144 TOPS mit zwei FSD-Chips

Ein FSD-Computer nutzt ein Board mit zwei FSD-Chips. Das Board ist so groß wie Nvidias Drive AGX Xavier und lässt sich dementsprechend umrüsten. Die zwei Prozessoren arbeiten fast komplett unabhängig voneinander. Sie stellen zwei getrennte Systeme mit eigenem Netzteil, RAM und Flash-Speicher für das Betriebssystem dar und werden jeweils mit sämtlichen Video- und Sensordaten versorgt, um alle Berechnungen durchzuführen. Am Ende einer jeden Berechnung vergleichen die beiden Prozessoren ihre Ergebnisse. Erst wenn beide identisch ausfallen, führt der Computer eine Aktion aus. Gleichzeitig schafft Tesla so eine Redundanz: Wenn ein Chip ausfällt, funktioniert das System weiter. Die Wahrscheinlichkeit, dass beide FSD-Chips ausfallen, sei um Größenordnungen geringer, als dass ein Fahrer bewusstlos wird, so Elon Musk.

Quelle: Tesla Autonomy Day (Stream-Aufnahme auf Youtube; FSD-Vorstellung ab ca. 1:12:00)

Artikel teilen

Tesla Full Self-Driving Chip: Eigenentwicklung ersetzt Nvidias Tegra Xavier Tesla hat auf seinem Autonomy Day seine erste eigene Chipentwicklung vorgestellt. Der Full Self-Driving Chip, FSD-Chip abgekürzt, ersetzt die bisherigen Tegra-Xavier-Systeme von Nvidia, um komplett autonomes Fahren nach Level 5 zu ermöglichen. Der Die bringt sechs Milliarden Transistoren auf einer Chipfläche von 260 mm² unter und wird bei Samsung in 14 nm gefertigt.

Per E-Mail versenden

13