Autonome Fahrzeuge haben ungefähr so viel Zeit wie ein Herzschlag, um die Straße zu erfassen, zu entscheiden, was passiert, und zu reagieren. Dieses messerscharfe Zeitfenster ist genau der Grund, warum Waymo einen eigenen KI-Chip entwickelt hat, der die Sensorverarbeitung auf so wenige Millisekunden wie möglich komprimieren soll. Das von Alphabet unterstützte Robotaxi-Unternehmen hat den Chip diese Woche in einem Blogbeitrag im Detail vorgestellt – das erste Mal, dass es die Hardware öffentlich aufschlüsselt, die im Kofferraum jedes seiner fahrerlosen Autos sitzt.
Summary
Wichtigste Erkenntnisse
- Waymo hat einen eigenen KI-ASIC entwickelt, der im 5-Nanometer-Prozess von TSMC gefertigt wird, um Sensordaten schneller zu verarbeiten als die Standardhardware, auf die das Unternehmen zuvor angewiesen war.
- Das Chipdesign basiert auf mehr als 200 Millionen Meilen realer autonomer Fahrdaten und kann sowohl Convolutional Neural Networks als auch Transformer-Modelle ausführen.
- Waymo gibt an, dass der ASIC über 1.000 TOPS KI-Leistung liefert, vermutlich gemessen mit INT8-Genauigkeit, auch wenn der genaue Stromverbrauch unklar bleibt.
- Das Unternehmen setzt weiterhin auf externe Zulieferer, darunter AMD, Micron, Samsung, Sandisk und Nvidia, für nicht-ML-Aufgaben wie Datenprotokollierung und Orchestrierung.
- Waymo nutzte zuvor Intel-FPGAs für die Sensorverarbeitung, bevor es auf eigene Chips umstieg und sich damit Tesla im Rennen um maßgeschneiderte Chips für autonomes Fahren anschloss.
Waymos maßgeschneiderter KI-Chip für Entscheidungen im Bruchteil einer Sekunde
Waymos neuer Chip dient dazu, eine Flut roher Kamera-, Radar- und Lidardaten in eine Fahrentscheidung zu verwandeln, bevor sich ein gefährlicher Moment vollständig entfalten kann. Das Unternehmen beschreibt ihn als erste Verteidigungslinie seines Compute-Stacks: Er bereinigt eingehende Sensorströme und führt schnelle KI-Prüfungen in dem Moment aus, in dem Informationen eintreffen, anstatt ungefilterte Rohdaten direkt an das Hauptrechenhirn des Fahrzeugs zu schicken.
Gefertigt im 5-Nanometer-Prozess von TSMC
Der Chip wird mit der 5-Nanometer-Prozesstechnologie von TSMC hergestellt und stellt Waymo damit in eine Reihe mit großen Chipherstellern, die für modernste Halbleiter auf den taiwanischen Foundry-Riesen setzen. Die Wahl eines modernen Prozessknotens ist wichtig, weil sie es Waymo ermöglicht, mehr Rechenleistung in ein kleineres, energieeffizienteres Paket zu packen, das in einem fahrenden Fahrzeug überleben muss – und nicht in einem klimatisierten Rechenzentrum.
Genau so wichtig wie die rohe Dichte ist die Flexibilität. Der ASIC ist so gebaut, dass er sowohl Convolutional Neural Networks als auch vergleichbare Transformer-basierte Architekturen ausführen kann, die sowohl klassische Machine-Learning-Ansätze als auch moderne Modelle repräsentieren, die heutige KI-Chatbots und Bildgeneratoren antreiben. Diese doppelte Fähigkeit ermöglicht es Waymo, seine Wahrnehmungssoftware im Laufe der Zeit zu aktualisieren, ohne bei jeder Weiterentwicklung der Modelle komplett neue Hardware zu benötigen.
Wie der Chip aus 200 Millionen Meilen Fahrpraxis gelernt hat
Waymo sagt, dass die Architektur des Chips Erkenntnisse widerspiegelt, die aus mehr als 200 Millionen Meilen gesammelter autonomer Fahrdaten gewonnen wurden, was dem Design eine reale Grundlage verleiht, die Standardchips nur schwer erreichen können. Dieses Fahrvolumen hat geprägt, wie der Chip Reaktionsfähigkeit, Zuverlässigkeit und Redundanz unter tatsächlichen Straßenbedingungen statt in Laborsimulationen handhabt.
Latenzminimierung als Sicherheitspriorität
Die Reduzierung der Latenz war das zentrale Designziel des Chips, da sich Unfälle schneller ereignen können, als ein entfernter menschlicher Bediener jemals eingreifen könnte. „Innerhalb dieser kritischen Millisekunden bauen fortgeschrittene ML-Modelle ein hochauflösendes Verständnis der Umgebung auf, um den sichersten Weg nach vorne zu bewerten“, erklärte das Unternehmen und beschrieb, wie das System eine zeitliche Rauschunterdrückung in Echtzeit durchführt, um die Sicht bei schlechten Lichtverhältnissen zu schärfen.
Waymos Technikverantwortliche formulierten die Herausforderung in ähnlich dringlichen Worten. Satish Jeyachandran, VP Engineering, und Daniel Rosenband, Compute Lead, schrieben laut The Verge, das Unternehmen entwickle ein „State-of-the-Art-System, das selbst für ein Rechenzentrum als beeindruckend gelten würde, mit der zusätzlichen Komplexität einer Betriebsumgebung im Fahrzeug und Echtzeitanforderungen“. Sie beschrieben den Compute-Stack als geleitet von drei nicht verhandelbaren Prinzipien: reaktionsschnell, robust und redundant.
All diese Reaktionsfähigkeit erfordert erhebliche Rechenleistung. Waymo behauptet, dass sein dedizierter Frontend-Chip über 1.000 TOPS KI-Leistung liefert, auch wenn das Unternehmen weder die Genauigkeit noch den Stromverbrauch hinter dieser Zahl offengelegt hat. Ohne diese Details bleiben direkte Vergleiche mit konkurrierender Hardware für autonome Fahrzeuge und Robotik schwierig, auch wenn die TOPS-Zahl wahrscheinlich mit INT8-Genauigkeit gemessen wird, was ihn in eine ähnliche Leistungsklasse wie Nvidias Drive-AGX-Thor-Plattform einordnen würde.
Redundanz, Kühlung und der restliche Hardware-Stack
Rechenleistung allein reicht nicht aus, wenn die Hardware in einem Auto verbaut ist, das ständiger Vibration, Straßenschlägen und extremen Temperaturschwankungen ausgesetzt ist, denen kein Rechenzentrums-Chip standhalten muss. Waymo begegnet dem mit mehreren Redundanzschichten, indem im Wesentlichen doppelte Systeme betrieben werden, damit ein einzelner Ausfall die Wahrnehmung des Fahrzeugs nicht lahmlegt. Die Chips selbst werden flüssigkeitsgekühlt und nutzen dasselbe Kühlsystem wie der Motor des Fahrzeugs, sodass das Silizium unabhängig von der Außentemperatur im sicheren Betriebsbereich bleibt.
Hier wird Waymos Abkehr von seinem früheren Setup deutlich. Bevor das Unternehmen seinen eigenen ASIC einführte, setzte es für die Sensorverarbeitung auf Intel-FPGAs. FPGAs eignen sich gut für Aufgaben mit geringer Latenz – ein Grund, warum sie häufig im Hochfrequenzhandel eingesetzt werden –, sind aber berüchtigt schwer zu programmieren und können nicht mit der Rechendichte speziell entwickelter Chips mithalten.
Partner für nicht-ML-Aufgaben
Waymo baut nicht jede Komponente seines Compute-Stacks von Grund auf neu. Das Unternehmen verlässt sich weiterhin auf externe Zulieferer für nicht auf Machine Learning bezogene Funktionen wie Orchestrierung, Datenbewegung und Protokollierung und nennt AMD, Micron, Samsung, Sandisk und Nvidia als Partner, die diese Komponenten liefern, wobei The Verge auch Socionext unter den beteiligten Hardwarelieferanten aufführt. Waymo hat erklärt, dass es mehrere weitere maßgeschneiderte Chips und Systeme entwickelt, was bedeutet, dass der aktuelle ASIC nur ein Baustein einer breiteren Inhouse-Siliziumstrategie ist und kein vollständiger Ersatz für Hardware von Drittanbietern.
Dieser heterogene Ansatz spiegelt einen bewussten Kompromiss wider. Anstatt zu versuchen, ein komplettes Rechensystem intern zu bauen, konzentriert Waymo seine Ingenieursarbeit auf die Echtzeit-Sensorfusion und das Frontend-Machine-Learning – jene Bereiche, in denen maßgeschneiderte Chips den größten Latenzvorteil bieten –, während es sich für alles andere auf etablierte Chiphersteller stützt.
Waymo vs. Tesla: Ein größeres Chip-Rennen bei Robotaxis
Waymo ist nicht das einzige Unternehmen, das auf maßgeschneiderte Chips setzt, um das Robotaxi-Rennen zu gewinnen. Tesla entwickelt seit Jahren eigene Chips für autonomes Fahren und hat nach wiederholten Verzögerungen kürzlich einen begrenzten Robotaxi-Dienst in Austin gestartet. Die beiden Unternehmen unterscheiden sich auch grundlegend in ihrer Philosophie: Tesla-CEO Elon Musk hat Lidar als „Krücke“ und „Schnapsidee“ abgetan und argumentiert, dass die Fusion von Daten aus mehreren Sensortypen gefährliche Mehrdeutigkeiten einführt, wenn Signale widersprüchlich sind.
Waymos Ansatz geht in die entgegengesetzte Richtung: Das Unternehmen setzt darauf, dass die Kombination von Kameras, Radar und Lidar über dedizierte Chips sein System zuverlässiger macht – nicht weniger –, und dass maßgeschneiderte Chips der Schlüssel sind, um in relevantem Maßstab zu operieren. Waymo plant, nächste Woche auf der Hot-Chips-Konferenz in Stanford weitere Details zu seinen Machine-Learning-Beschleunigern zu veröffentlichen – ein Rahmen, der den bislang klarsten Einblick darin bieten könnte, wie sich seine Siliziumstrategie im Vergleich zu Rivalen schlägt, die auf dasselbe Ziel hinarbeiten.
FAQ
Was ist die Hauptfunktion von Waymos maßgeschneidertem KI-Chip?
Er verarbeitet Rohsensordaten aus autonomen Fahrzeugen schnell und wandelt sie mit minimaler Latenz in Fahrreaktionen um.
Welche Fertigungstechnologie wird für Waymos Chip verwendet?
Der Chip wird mit der 5-Nanometer-Prozesstechnologie von TSMC hergestellt.
Welche Machine-Learning-Modelle kann Waymos Chip ausführen?
Er kann sowohl traditionelle Modelle wie Convolutional Neural Networks als auch moderne Transformer-Modelle ausführen.
Wie stellt Waymo die Zuverlässigkeit seiner maßgeschneiderten Chips in Fahrzeugen sicher?
Waymo setzt auf mehrschichtige Redundanz und Flüssigkeitskühlungssysteme, um die Chip-Leistung unter harten Bedingungen aufrechtzuerhalten.
{„@context“:“https://schema.org“,“@type“:“FAQPage“,“mainEntity“:[{„@type“:“Question“,“name“:“Was ist die Hauptfunktion von Waymos maßgeschneidertem KI-Chip?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Er verarbeitet Rohsensordaten aus autonomen Fahrzeugen schnell und wandelt sie mit minimaler Latenz in Fahrreaktionen um.“}},{„@type“:“Question“,“name“:“Welche Fertigungstechnologie wird für Waymos Chip verwendet?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Der Chip wird mit der 5-Nanometer-Prozesstechnologie von TSMC hergestellt.“}},{„@type“:“Question“,“name“:“Welche Machine-Learning-Modelle kann Waymos Chip ausführen?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Er kann sowohl traditionelle Modelle wie Convolutional Neural Networks als auch moderne Transformer-Modelle ausführen.“}},{„@type“:“Question“,“name“:“Wie stellt Waymo die Zuverlässigkeit seiner maßgeschneiderten Chips in Fahrzeugen sicher?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Waymo setzt auf mehrschichtige Redundanz und Flüssigkeitskühlungssysteme, um die Chip-Leistung unter harten Bedingungen aufrechtzuerhalten.“}}]}
Artikel mit Unterstützung künstlicher Intelligenz erstellt und von der Redaktion überprüft.
