圖 2 三類典型的網(wǎng)絡(luò)結(jié)構(gòu)

據(jù)恩智浦半導(dǎo)體自主駕駛實驗室主任 Davide Santo 介紹,，對分布式或中心式計算架構(gòu)的定義可以追溯到 1999 年美國國防部實驗室所提出的定義,?；旧?，這一定義僅限于需要進行傳感器融合的場景：

分布式計算架構(gòu)：終端傳感器完成高度的數(shù)據(jù)處理，并在一定程度上在本地完成決策,，只向中央處理器傳輸對象數(shù)據(jù)（object data）或元數(shù)據(jù)（meta data,，描述數(shù)據(jù)屬性的數(shù)據(jù)），由中央處理器在整合各終端傳感器傳來的數(shù)據(jù)后制定決策,；

中心式計算架構(gòu)：各終端傳感器將原始數(shù)據(jù)傳輸?shù)街醒胩幚砥魈?，所有?shù)據(jù)的處理與決策的制定都在該處完成，且每個傳感器節(jié)點都知道每個其它節(jié)點正在做什么,；

混合式計算架構(gòu)：根據(jù)系統(tǒng)中使用的傳感器的數(shù)量和類型,、不同車型的可擴展性要求與升級選項，混合使用上述兩種計算架構(gòu)結(jié)構(gòu)以形成最優(yōu)方案——其中,，有一個中央計算單元在更高的抽象層次上工作,， 此外還有一些可以所處位置或傳感器類型來劃分的不同的「域」（domain）。

分布式計算架構(gòu)的優(yōu)劣勢

總體而言,，分布式計算架構(gòu)的優(yōu)勢在于,，各終端處理器不必一下子處理大量數(shù)據(jù)，也沒有類似如何以安全且高效的方式將數(shù)據(jù)從終端傳感器傳輸?shù)街醒胩幚砥鞯碾y題,，能以最具成本效益的方式有效地將各部件組合在一起,。

從另一個角度看,，其劣勢在于，此種計算架構(gòu)必須同時分發(fā)信息,，并在所有節(jié)點之間對信息進行同步,。而當節(jié)點數(shù)量超過 3 ~ 4 個時，這幾乎已經(jīng)變得不可能了,。

圖 3 分布式計算結(jié)構(gòu)示意圖

圖 3 是分布式計算架構(gòu)的示意圖,，其優(yōu)點與缺點總結(jié)如下：

終端傳感器和中央傳感器之間可使用更低的帶寬、更簡易且低廉的接口,，在大多數(shù)情況下,，小于 1 MB 每秒的帶寬就足夠了；

由于中央處理器只需整合對象數(shù)據(jù),，其對運算能力要求較低,，所需功耗也更低。由于很多數(shù)據(jù)處理工作在終端處理器內(nèi)部完成,，傳感器數(shù)量的增加不會大幅提高對中央處理器的性能要求,。

終端傳感器需要配置處理器，由此其體積將變大,，價格及功耗也將更高,。由于傳感器需要在本地處理數(shù)據(jù)并制定決策，其對功能安全（functional safety）的要求也將更高,；

中央處理器獲取的是對象數(shù)據(jù)而非實際的傳感器數(shù)據(jù),，因此無法追蹤某一特定的「興趣區(qū)域」（areas of interest）。

中心式計算架構(gòu)的優(yōu)劣勢

中心式計算優(yōu)勢在于,，中央處理器會得到質(zhì)量最好的信息,。原因在于,，如果終端傳感器不修改數(shù)據(jù),、不過濾數(shù)據(jù),，中央處理器就能獲取具有最大可能性的信息（the maximum possible information）,。

另一方面,，其劣勢在于,，中央處理器將會變成一個「大怪物」——必須從多達 10 個左右的車載攝像頭那里傳輸數(shù)據(jù),，每個攝像頭皆為百萬像素級別,，因此傳輸?shù)臄?shù)據(jù)量將以 GB 計量,；同時,，必須從各雷達處轉(zhuǎn)移數(shù)據(jù)，所以得再次傳輸 GB 級別的數(shù)據(jù)量,。

最終的情形將是,，中央處理器將接收上述高頻率傳輸來的海量數(shù)據(jù)且必須及時處理。此外，如果中央處理器是不可擴展的（Non-scalable）,，則將不能提供汽車長期發(fā)展所需的功能,。

圖 4 中心式計算結(jié)構(gòu)示意圖

圖 4 是中心式計算架構(gòu)的示意圖，其優(yōu)點與缺點總結(jié)如下：

由于只需要完成感知數(shù)據(jù)與傳輸數(shù)據(jù)的任務(wù),，終端傳感器的成本與功耗較低,，對功能安全的要求較低，可大量安裝,；

終端傳感器體積小巧,，由此所需安裝空間較小，且安裝位置靈活,，替換成本較低,；

由于數(shù)據(jù)不會在傳感器中因為預(yù)處理或壓縮而丟失，中央處理器可以獲取全部原始數(shù)據(jù),。

高達幾個 GB 每秒的寬帶通信對于終端傳感器實時傳輸所采集的數(shù)據(jù)示必需的,，由此可能會帶來較高的電磁干擾；

中央處理器需要強大的運算能力和運算速度來處理所有從終端傳感器傳輸來的數(shù)據(jù),，這意味著更高的功率需求并會產(chǎn)生大量熱量,。此外，終端傳感器數(shù)量的增加會大幅增加對中央處理器性能的要求,。

誰主沉?。?/p>

到目前為止,，大多數(shù)汽車制造商生產(chǎn)的汽車的計算架構(gòu)是分布式的,，即將數(shù)據(jù)處理的工作放在各終端傳感器上完成。

但由于像英偉達與英特爾這樣能夠提供強大的車載計算能力公司的出現(xiàn),，未來設(shè)計一個中心式的汽車計算架構(gòu)是完全有可能的,，即各終端簡易傳感器將采集到的原始的且未經(jīng)處理的數(shù)據(jù)直接傳輸?shù)綇姶蟮闹醒胩幚砥髦校珊笳咄瓿伤杏嬎愎ぷ?/strong>,。

事實上，在明導(dǎo)公司（Mentor Graphics）最新提供的自動駕駛解決方案 DRS360 中,，汽車的終端傳感器會將其采集到的原始數(shù)據(jù)直接傳輸?shù)街醒胩幚砥?。由此，所有的自動駕駛算法都將基于相同且完整的數(shù)據(jù)集來開展運算以最終形成決策,。Mentor 表示,，此方案不僅可以減少汽車電子控制單元（Electronic Control Units，ECU）的數(shù)量（豪華車上的 ECU 數(shù)量可達 150 多個）,，也把處理數(shù)據(jù)的功率需求降低了一個數(shù)量級,。

值得一提的是，大多數(shù)自動駕駛領(lǐng)域小型初創(chuàng)公司支持采用中心式計算架構(gòu)，或許是因為它們得不到各大汽車一級供應(yīng)商的支持,。例如,，來自麻省理工學(xué)院、目前在新加坡測試自動駕駛出租車的初創(chuàng)公司Nutonomy 的創(chuàng)始人 Karl Iagnemma 就表示：「在實踐中,，有些研發(fā)團隊想偷懶,，或由于各種原因無法得到原始數(shù)據(jù)（而選擇采用分布式計算架構(gòu)），但眾所周知,，這并不是最優(yōu)解決方案,。」