ナレッジセンター
目次

自動運転向けAI計算プラットフォームの選択肢

自動運転向けAI計算プラットフォームとは、本質的に車載のリアルタイム推論とクラウド側の学習反復を二つの別々のハードウェア台帳に分けることである。車両側は高効率のヘテロジニアス計算と機能安全を追求し、クラウド側は高スループットと広帯域メモリを追求する。2025年のこの分野の重要な変化は、Blackwell Ultra(GB300)とRubinのロードマップが推論性能とHBM4を前面に押し出し、AMDのMI350シリーズが3nmとCDNA 4で対抗し、IntelがGaudi 3とXeon 6を組み合わせてAIアクセラレーションを図っていることである。車両側ではNVIDIA Jetson Thorのようなエッジプラットフォームが大規模モデル推論をロボットや自動運転のドメインコントローラへ押し込み、イベントカメラやNPU統合センサモジュールが量産出荷を始めている。

1. 自動運転向けAI計算プラットフォームは実際にどのような課題を解決するのか

センサ入力から判断出力までの間にあるリアルタイム計算と安全側への退避の問題を解決する。L2以上の車両は毎秒数GBの画像と点群データを生成し、計算プラットフォームは数十ミリ秒のうちに知覚、フュージョン、計画を完了しつつ、ISO 26262の機能安全レベル要件を満たさなければならない。核心となる指標はピークスループットではなく、実効的な計算密度(TOPS/W)、メモリ帯域、決定論的な遅延である。たとえば車載ドメインコントローラの受託製造を行う電子機器メーカーは、公称TOPSではなく、持続電力での推論フレームレートをまず評価する。

2. 主流の選択肢はどこが異なり、どう比較すべきか

カテゴリ別に三段階がある。第一は車載グレードのSoCと外付けNPUの組み合わせで、計算能力は数十から数百TOPS、利点は機能安全認証が揃っていることと電力が制御できることで、量産乗用車へのフロント搭載に適する。第二はJetson ThorのようなエッジAIモジュールで、計算能力は千TOPS級に達しTransformerモデルのリアルタイム推論を支えるが、ロボタクシー、無人配送、ロボティクス基盤向けであり、車載認証と熱設計には追加の作業が必要になる。第三はクラウドの学習クラスタで、GB300やMI350級の製品はHBM4の帯域と大規模モデル推論のスループットを強調し、データループやモデル蒸留に用いられ、車両には搭載されない。比較では三つのパラメータに着目すべきである。メモリ帯域は大規模モデルが動くかを決め、エネルギー効率は冷却と航続距離を決め、安全レベルはフロント搭載の敷居を満たせるかを決める。

3. スマート交通のどのシナリオで実際に使われるのか

港で無人コンテナトラックを運行する自動車部品会社を想定する。低速で閉鎖空間、経路が反復されるシナリオである。計算プラットフォームはエッジモジュールと車載グレードのドメインコントローラの組み合わせで、マルチカメラのBEV知覚と障害物予測に注力し、タクトが安定しているため冷却は空冷で処理できる。次に、固定経路だが歩行者と車両が混在する構内シャトルを運行する電子機器メーカーを想定する。プラットフォームはイベントカメラの入力に対応する必要があり、高ダイナミックレンジで強光や逆光下の知覚の死角を補う。幹線物流は機能安全の監査が必要なためフロント搭載の車載グレードSoCに依存する度合いが高く、計算需要は港よりむしろ穏やかである。

4. 選定と導入で注意すべき点

まず互換性を尋ねる。対応するセンサインタフェースはGMSL2かイーサネットか、SOME/IPやOPC-UAといった車載プロトコルスタックをネイティブにサポートしているか。次に性能指標を尋ねる。TOPSだけを見ず、対象モデルを目標精度で動かしたときの実測フレームレートと消費電力、とくにINT8やFP8の量子化後の精度低下を見る。環境要件については、車載グレード製品はIEC 61340のESD保護と広温度試験に合格している必要があり、エッジモジュールのマイナス20度から70度でのスロットリング方針を事前に検証しておく。実施ステップは一般に、モデルの移植とオペレータの適応、ベンチでの閉ループ試験、車載での校正という流れで、モデルの複雑さと安全レベルに応じて数週間から数か月の期間を要する。コスト構造では計算チップが大半を占めるが、冷却、電源、認証の按分は見落とされやすい。

5. この方式が適する範囲と適さない範囲

適するシナリオは、低速で閉鎖された構内、港、鉱区での無人走行、そして量産乗用車へのフロント搭載L2+ドメインコントローラである。経路が比較的制御でき、センサ構成が固定されている。適さないシナリオは、開放された市街路での完全無人運転である。車載グレードの計算能力とロングテールシナリオのカバレッジはまだ追いついていない。反射が強く、ダイナミクスが大きく、雨や霧が頻発する非構造化道路も、計算を積み増しても知覚の劣化は解決できず、イベントカメラとミリ波レーダーによる冗長化が必要になる。加えて、チームにモデルの量子化とオペレータ適応の能力がなければ、高スループットのエッジモジュールへ直接移行すると導入はむしろ遅れる。選定で覚えておくべき一線は、計算は敷居、帯域は天井、安全認証は入場券である。

分野: AIハードウェア百科