Sistem bantuan pengemudi tingkat lanjut (ADAS) sangat menjanjikan. Kadang-kadang, berita utama tentang industri kendaraan otonom (AV) tampak tidak menyenangkan, dengan fokus pada kecelakaan, regulasi, atau penilaian perusahaan yang dianggap tidak pantas oleh beberapa orang. Semua ini tidak masuk akal, tetapi ini membuat kemungkinan luar biasa dari dunia AV tampak buram.

Salah satu kelebihan AV yang diterima secara universal adalah potensi dampak positif terhadap lingkungan, karena sebagian besar AV juga merupakan kendaraan listrik (EV).

Analis industri melaporkan bahwa pada tahun 2023, 7,3 juta kendaraan (7% dari total pasar) akan memiliki kemampuan mengemudi otonom yang membutuhkan prosesor khusus mengemudi otonom senilai $1,5 miliar. Ini diperkirakan akan tumbuh menjadi $14 miliar pada tahun 2030, ketika lebih dari 50% dari semua kendaraan yang terjual akan diklasifikasikan sebagai SAE Level 3 atau lebih tinggi, seperti yang didefinisikan oleh National Highway Traffic Safety Administration (NHTSA).

Sementara chip fotonik lebih cepat dan lebih hemat energi, lebih sedikit chip yang dibutuhkan untuk mencapai SAE Level 3; namun, kami dapat mengharapkan peningkatan kinerja komputasi ini untuk mempercepat pengembangan dan ketersediaan kendaraan otonom sepenuhnya SAE Level 5. Dalam hal ini, pasar untuk prosesor fotonik penggerak otonom kemungkinan akan jauh melampaui proyeksi sebesar $14 miliar pada tahun 2030.

Ketika Anda mempertimbangkan semua potensi penggunaan kendaraan listrik otonom (AEV) berbasis luas — termasuk taksi dan kendaraan dinas di kota-kota besar, atau pengangkutan barang yang bersih di jalan raya kita — kita mulai melihat bagaimana teknologi ini dapat dengan cepat mulai berkembang secara signifikan. berdampak pada lingkungan kita: dengan membantu menghadirkan udara bersih ke beberapa kota terpadat dan berpolusi.

Masalahnya, AEV saat ini memiliki masalah keberlanjutan.

Untuk beroperasi secara efisien dan aman, AEV harus memanfaatkan serangkaian sensor yang memusingkan: kamera, lidar, radar, dan sensor ultrasonik, untuk menyebutkan beberapa saja. Ini bekerja sama, mengumpulkan data untuk mendeteksi, bereaksi, dan memprediksi secara real time, yang pada dasarnya menjadi “mata” kendaraan.

Meskipun ada beberapa perdebatan seputar jumlah sensor tertentu yang diperlukan untuk memastikan AV yang efektif dan aman, satu hal yang disepakati dengan suara bulat: Mobil-mobil ini akan menghasilkan data dalam jumlah besar.

Menanggapi data yang dihasilkan oleh sensor ini, bahkan dengan cara yang sederhana, memerlukan daya komputasi yang luar biasa — belum lagi daya baterai yang diperlukan untuk mengoperasikan sensor itu sendiri. Pemrosesan dan analisis data melibatkan algoritme pembelajaran mendalam, cabang AI yang terkenal karena jejak karbonnya yang sangat besar.

Untuk menjadi alternatif yang layak, baik dalam efisiensi energi maupun ekonomi, AEV harus mendekati kendaraan bertenaga gas yang sesuai dalam jangkauan. Namun, semakin banyak sensor dan algoritme yang dijalankan AEV selama perjalanan, semakin rendah jangkauan baterai — dan jarak mengemudi — kendaraan.

Saat ini, EV hampir tidak mampu mencapai 300 mil sebelum perlu diisi ulang, sementara mesin pembakaran tradisional rata-rata menempuh jarak 412 mil dengan satu tangki bensin, menurut Departemen Energi AS. Menambahkan mengemudi otonom ke dalam campuran memperlebar celah ini lebih jauh dan berpotensi mempercepat degradasi baterai.

Karya terbaru yang diterbitkan dalam jurnal Nature Energy mengklaim bahwa jangkauan kendaraan listrik otomatis berkurang 10% -15% selama mengemudi di kota.

Pada acara Hari Otonomi Tesla 2019, terungkap bahwa jarak mengemudi dapat dikurangi hingga 25% saat sistem bantuan pengemudi Tesla diaktifkan selama mengemudi di kota. Hal ini mengurangi kisaran khas untuk EV dari 300 mil menjadi 225 — melewati ambang daya tarik yang dirasakan konsumen.

Analisis prinsip pertama membawa ini selangkah lebih maju. Solusi komputasi AI NVIDIA untuk robotaxis, DRIVE, memiliki konsumsi daya 800 watt, sedangkan Tesla Model 3 memiliki tingkat konsumsi energi sekitar 11,9 kWh/100 km. Pada batas kecepatan kota biasa 50 km/jam (sekitar 30 mph), Model 3 mengonsumsi sekitar 6 kW — artinya daya yang hanya didedikasikan untuk komputasi AI mengonsumsi sekitar 13% dari total daya baterai yang ditujukan untuk mengemudi.

Ini mengilustrasikan bagaimana mesin komputasi haus daya yang digunakan untuk EV otomatis menimbulkan masalah signifikan bagi masa pakai baterai, jangkauan kendaraan, dan adopsi konsumen.

Masalah ini semakin diperparah oleh overhead daya yang terkait dengan pendinginan generasi saat ini dari chip komputer yang haus daya yang saat ini digunakan untuk algoritme AI tingkat lanjut. Saat memproses beban kerja AI yang berat, arsitektur chip semikonduktor ini menghasilkan panas dalam jumlah besar.

Saat chip ini memproses beban kerja AI, mereka menghasilkan panas, yang meningkatkan suhunya dan akibatnya, kinerja menurun. Diperlukan lebih banyak upaya dan energi terbuang pada heat sink, kipas, dan metode pendinginan lainnya untuk menghilangkan panas ini, yang semakin mengurangi daya baterai dan pada akhirnya jangkauan EV. Karena industri AV terus berkembang, solusi baru untuk menghilangkan masalah panas chip komputasi AI ini sangat dibutuhkan.

Masalah arsitektur chip

Selama beberapa dekade, kami mengandalkan hukum Moore, dan penskalaan Dennard sepupunya yang kurang dikenal, untuk memberikan lebih banyak daya komputasi per tapak berulang kali dari tahun ke tahun. Saat ini, sudah diketahui umum bahwa komputer elektronik tidak lagi meningkatkan kinerja per watt secara signifikan, mengakibatkan pusat data terlalu panas di seluruh dunia.

Keuntungan terbesar yang bisa didapat dalam komputasi adalah pada tingkat arsitektur chip, khususnya dalam chip kustom, masing-masing untuk aplikasi tertentu. Namun, terobosan arsitektur adalah trik satu kali – mereka hanya dapat dibuat pada satu titik waktu dalam sejarah komputasi.

Saat ini, daya komputasi yang diperlukan untuk melatih algoritme kecerdasan buatan dan melakukan inferensi dengan model yang dihasilkan tumbuh secara eksponensial — lima kali lebih cepat daripada tingkat kemajuan menurut hukum Moore. Salah satu konsekuensi dari itu adalah kesenjangan besar antara jumlah komputasi yang dibutuhkan untuk memenuhi janji ekonomi kendaraan otonom yang sangat besar dan keadaan komputasi saat ini.

EV otonom menemukan diri mereka dalam tarik menarik antara mempertahankan jangkauan baterai dan daya komputasi real-time yang diperlukan untuk memberikan otonomi.

Komputer fotonik memberi AEV masa depan yang lebih berkelanjutan

Inovasi mendasar dalam komputasi dan teknologi baterai mungkin diperlukan untuk sepenuhnya memenuhi janji AEV dengan jangkauan, keamanan, dan kinerja yang diminta oleh konsumen. Sementara komputer kuantum adalah solusi jangka pendek atau bahkan jangka menengah yang tidak mungkin untuk teka-teki AEV ini, ada solusi lain yang lebih tersedia membuat terobosan saat ini: komputasi fotonik.

Komputer fotonik menggunakan sinar laser, bukan sinyal listrik, untuk menghitung dan mengirimkan data. Hal ini menghasilkan pengurangan dramatis dalam konsumsi daya dan peningkatan dalam parameter kritis terkait kinerja prosesor, termasuk kecepatan jam dan latensi.

Komputer fotonik juga memungkinkan input dari banyak sensor untuk menjalankan tugas inferensi secara bersamaan pada satu inti prosesor (setiap input dikodekan dalam warna yang unik), sedangkan prosesor tradisional hanya dapat mengakomodasi satu pekerjaan dalam satu waktu.

Keuntungan yang dimiliki semikonduktor fotonik hibrid dibandingkan arsitektur konvensional terletak pada sifat khusus cahaya itu sendiri. Setiap input data dikodekan dalam panjang gelombang yang berbeda, yaitu warna, sementara masing-masing berjalan pada model jaringan saraf yang sama. Ini berarti bahwa prosesor fotonik tidak hanya menghasilkan lebih banyak throughput dibandingkan dengan rekan elektroniknya, tetapi secara signifikan lebih hemat energi.

Komputer fotonik unggul dalam aplikasi yang membutuhkan throughput ekstrem dengan latensi rendah dan konsumsi daya yang relatif rendah — aplikasi seperti komputasi awan dan, berpotensi, penggerak otonom, yang memerlukan pemrosesan data dalam jumlah besar secara real-time.

Teknologi komputasi fotonik hampir tersedia secara komersial dan memiliki potensi untuk meningkatkan peta jalan mengemudi otonom saat ini sekaligus mengurangi jejak karbonnya. Jelas bahwa minat akan manfaat kendaraan tanpa pengemudi semakin meningkat dan permintaan konsumen semakin dekat.

Jadi sangat penting bagi kita untuk tidak hanya mempertimbangkan industri yang akan diubahnya dan keselamatan yang dapat dibawanya ke jalan kita, tetapi juga memastikan keberlanjutan dampaknya terhadap planet kita. Dengan kata lain, inilah saatnya untuk menyoroti sedikit tentang EV otonom.