เรากำลังก้าวเข้าสู่ยุคของยานยนต์ไร้คนขับ (AV) ซึ่งนำมาพร้อมกับคุณประโยชน์มากมาย โดยเน้นไปที่ความปลอดภัยและประสิทธิภาพเป็นหลัก สถิติจากกระทรวงคมนาคมของสหรัฐอเมริกา เปิดเผยว่าอุบัติเหตุมากกว่า 90% เกิดจากความผิดพลาดของมนุษย์ ขณะที่ปัญหาการจราจรติดขัดนี้ก็ได้กินเวลา 51 ชั่วโมงต่อปีจากแต่ละคน เมื่อยานยนต์อัตโนมัติเข้ามามีบทบาท อาจช่วยลดข้อผิดพลาดของมนุษย์ลงได้อย่างมาก ลดปัญหาการจราจรได้อย่างมีนัยสำคัญถึง 42% ตามรายงานที่ระบุไว้ของ U.C. Berkeley นี้ ด้วยเหตุนี้จึงทำให้ความต้องการยานยนต์ไร้คนขับที่สูงเพิ่มขึ้นเรื่อยๆ

เพื่อปลดล็อกศักยภาพของสิ่งมหัศจรรย์ที่ขับเคลื่อนด้วยตนเองเหล่านี้ รถยนต์ต้องมีความสามารถในการรับรู้สภาพแวดล้อมรอบตัวอย่างพิถีพิถันแบบเรียลไทม์ โดยไม่คำนึงถึงสภาวะที่เป็นอยู่ งานที่สำคัญนี้ต้องอาศัยการคำนวณอย่างมาก

การบรรลุระดับความเข้าใจที่คล้ายกับการรับรู้ของมนุษย์จำเป็นต้องมีการทำงานทางประสาทสัมผัสมากมาย ซึ่งรวมถึงกล้องความละเอียดสูง, RADAR, LiDAR และเซ็นเซอร์อื่นๆ จำนวนมาก ร่วมกันสร้างข้อมูลจำนวนมหาศาลที่ต้องได้รับการประมวลผลทันที การถอดรหัสข้อมูลอันมหาศาลนี้อย่างรวดเร็ว ควบคู่ไปกับความจำเป็นในการวางแผนเส้นทางและการสร้างการควบคุมที่กว้างขวาง กำหนดให้ระบบ AV มีพลังในการคำนวณที่น่าเกรงขาม

ด้วยความเป็นอิสระของยานพาหนะ เรายังได้เห็นการเปลี่ยนแปลงจากเครื่องยนต์สันดาปภายในแบบเดิมๆ มาเป็นยานพาหนะไฟฟ้า (EV) แบตเตอรี่ของรถยนต์ยุคใหม่มีหน้าที่มากมาย รวมถึงการจ่ายไฟให้กับระบบขับเคลื่อน ระบบปรับอากาศ ระบบอินโฟเทนเมนต์ ไฟภายในรถ และไฟหน้า/ไฟท้าย ในภาพรวมใหม่ที่เน้น EV เป็นหลัก ระยะการขับขี่ขึ้นอยู่กับความจุของแบตเตอรี่ทั้งหมด ซึ่งเป็นทรัพยากรอันมีค่าและมีจำกัด

ในภาคปฎิบัติมีความสัมพันธ์แบบผกผันระหว่างกำลังคำนวณและการใช้พลังงาน เมื่อพิจารณาถึงความกระหายในการคำนวณของระบบขับขี่อัตโนมัติ โซลูชันแบบเดิมๆ เช่น GPU พิสูจน์แล้วว่าใช้พลังงานมาก ซึ่งสร้างความเสียหายอย่างมากให้กับระยะการขับขี่

การเปรียบเทียบที่ชัดเจนระหว่างยานพาหนะสองคันที่เหมือนกัน โดยคันหนึ่งติดตั้งโซลูชันการประมวลผลการขับขี่อัตโนมัติ (AD) ทั่วไป และอีกคันหนึ่งมีโซลูชันการประมวลผล AD ที่สร้างขึ้นตามวัตถุประสงค์ เผยให้เห็นความแตกต่างอย่างเห็นได้ชัดในช่วงการขับขี่ที่เสียไป ยานยนต์คันแรกใช้พลังงานหลายร้อยวัตต์เพื่อจัดการการประมวลผลข้อมูลทางเซ็นเซอร์ที่มีความละเอียดสูง นขณะที่ยานยนต์คันที่สองใช้เพียง 100 วัตต์เท่านั้น ในการทำงานเดียวกันอย่างมีประสิทธิภาพ

ตลอดอายุการใช้งานของยานพาหนะ การใช้พลังงานที่มากเกินไปในการใช้งานในปัจจุบันทำให้ต้นทุนผู้บริโภคสูงขึ้นและส่งผลเสียต่อสิ่งแวดล้อม ดังนั้น สำหรับระบบคอมพิวเตอร์ นอกเหนือจากประสิทธิภาพ       การประมวลผลที่แข็งแกร่งแล้ว การใช้พลังงานต่ำถือเป็นความจำเป็นอย่างยิ่ง

การลดความต้องการในความจุของแบตเตอรี่เปิดโอกาสให้มีระยะทางขับรถที่ยาวนานขึ้น แบตเตอรี่ที่เบากว่า และการลดต้นทุนระบบโดยรวม ข้อดีเหล่านี้นำเสนอความประสิทธิภาพที่มากขึ้นทุกระดับ ตั้งแต่โรงงานผู้ผลิตไปสู่ผู้ใช้สุดท้าย การพึ่งพา GPU ที่บริโภคพลังงานมากในปัจจุบันนั้น ดูเหมือนว่าเป็นสิ่งล้าสมัย สำหรับผู้ผลิตอุปกรณ์ดั้งเดิม (OEMs) การยอมรับโซลูชันที่ถูกออกแบบอย่างพิถีพิถันเพื่อเสริมความอิสระให้ยานยนต์เป็นไปได้ดีกว่า

โซลูชันดังกล่าวจำเป็นต้องมีแนวทางการคำนวณที่เป็นนวัตกรรมใหม่ การบรรลุประสิทธิภาพการประมวลผลควบคู่ไปกับการใช้พลังงานน้อยที่สุด สามารถทำได้ผ่านการดำเนินการทางคณิตศาสตร์ขั้นพื้นฐานและการจัดการหน่วยความจำที่ชาญฉลาด

ในสายงานการประมวลผลข้อมูลแบบเครือข่ายประสาท เมทริกซ์การคูณเชิงเส้นแบบดั้งเดิมมักขาดความประสิทธิภาพในเรื่องการคำนวณ ตัวอย่างเช่น Recogni ได้นำเสนอนวัตถุประสงค์ในการคำนวณทางคณิตศาสตร์ที่สิ้นสุดสุดในการจุดประสงค์ของพลังงานที่มีประสิทธิภาพ มีความหนาแน่นในการคำนวณที่น่าทึ่ง (TOPS/mm^2) โดยปรับปรุงโมเดลเครือข่ายประสาทคอนโวลูชันเน่า เราสามารถทำให้ความสามารถในการประมวลผลขยายขึ้นอย่างมีน้อยนิด ต่อผลลัพธ์คุณภาพ

อีกช่องทางหนึ่งสู่ประสิทธิภาพการประมวลผลที่สูงขึ้นนั้นเกี่ยวข้องกับการพึ่งพาหน่วยความจำ "on-chip" อย่างไรก็ตาม โมเดล AI มีแนวโน้มที่จะมีขนาดมหึมา ทำให้เกิดแนวทางอื่นที่ใช้หน่วยความจำภายนอก (external) สิ่งนี้ส่งผลต่อการใช้พลังงานและการล่าช้าที่ไม่ค่อยดี นวัตกรรมของ Recogni ก่อตั้งขึ้นจากการทำคลัสเตอร์ ช่วยให้สามารถเก็บรักษาพารามิเตอร์ทั้งหมด (น้ำหนัก) "on-chip" ได้ ซึ่งช่วยให้โซลูชันของเราสามารถประมวลผลได้แม้แต่เครือข่ายที่ขยายใหญ่ที่สุดโดยไม่จำเป็นต้องใช้หน่วยความจำภายนอก

ความท้าทายด้านความจุของแบตเตอรี่มีมากในการแสวงหาความเป็นอิสระของยานพาหนะ การฝ่าฟันอุปสรรคไปได้สำเร็จนั้นต้องอาศัยการประมวลผลข้อมูลทางประสาทสัมผัสจำนวนมหาศาลจากแหล่งที่หลากหลาย เสริมด้วยการประมวลผลโครงข่ายประสาทที่รวดเร็วและเหมาะสม ทั้งหมดนี้ในขณะเดียวกันก็รักษาปริมาณพลังงานที่พอประมาณและความหน่วงที่น้อยที่สุด ถือเป็นความท้าทายที่อุตสาหกรรมต้องยอมรับด้วยใจจริง