Les véhicules autonomes disposent d’environ l’équivalent d’un battement de cœur pour lire la route, déterminer ce qui se passe et réagir. Cette fenêtre extrêmement réduite est précisément la raison pour laquelle Waymo a conçu une puce IA personnalisée destinée à compresser le traitement des capteurs en un minimum de millisecondes. La société de robotaxis soutenue par Alphabet a détaillé ce silicium dans un article de blog cette semaine, marquant la première fois qu’elle explique publiquement le matériel installé dans le coffre de chacune de ses voitures sans conducteur.
Summary
Points clés à retenir
- Waymo a conçu son propre ASIC d’IA, fabriqué avec le procédé 5 nanomètres de TSMC, pour traiter les données des capteurs plus rapidement que le matériel standard sur étagère sur lequel elle s’appuyait auparavant.
- La conception de la puce s’appuie sur plus de 200 millions de miles de données de conduite autonome en conditions réelles et peut exécuter à la fois des réseaux de neurones convolutionnels et des modèles de type transformeur.
- Waymo affirme que l’ASIC offre plus de 1 000 TOPS de performances IA, probablement mesurées en précision INT8, même si la consommation électrique exacte reste inconnue.
- L’entreprise s’appuie toujours sur des fournisseurs externes, notamment AMD, Micron, Samsung, Sandisk et Nvidia, pour les tâches non liées à l’apprentissage automatique comme la journalisation des données et l’orchestration.
- Waymo utilisait auparavant des FPGA Intel pour le traitement des capteurs avant de passer à son propre silicium, rejoignant Tesla dans la course à la conception de puces personnalisées pour la conduite autonome.
La puce IA personnalisée de Waymo conçue pour des décisions en une fraction de seconde
La nouvelle puce de Waymo a pour but de transformer un flot de données brutes provenant des caméras, radars et lidars en une décision de conduite avant qu’une situation dangereuse ne se produise pleinement. L’entreprise la décrit comme la première ligne de sa pile de calcul, nettoyant les flux de capteurs entrants et exécutant des vérifications IA rapides dès que l’information arrive, plutôt que d’envoyer des données brutes et désordonnées directement au cerveau principal de traitement de la voiture.
Basée sur le procédé 5 nanomètres de TSMC
La puce est fabriquée à l’aide de la technologie de procédé 5 nanomètres de TSMC, plaçant Waymo aux côtés des grands fabricants de puces qui s’appuient sur le géant taïwanais des fonderies pour un silicium de pointe. Le choix d’un nœud de procédé moderne est important car il permet à Waymo de concentrer davantage de puissance de calcul dans un boîtier plus petit et plus économe en énergie, qui doit survivre à l’intérieur d’un véhicule en mouvement plutôt que dans un centre de données climatisé.
Aussi importante que la densité brute, la flexibilité est essentielle. L’ASIC est conçu pour exécuter à la fois des réseaux de neurones convolutionnels et des architectures comparables basées sur des transformeurs, qui représentent à la fois les approches classiques d’apprentissage automatique et les modèles contemporains qui alimentent les chatbots IA et les générateurs d’images actuels. Cette double capacité permet à Waymo de mettre à jour son logiciel de perception au fil du temps sans avoir besoin de nouveau matériel à chaque évolution de ses modèles.
Comment la puce a appris à partir de 200 millions de miles de conduite
Waymo indique que l’architecture de la puce reflète les enseignements tirés de plus de 200 millions de miles de données de conduite autonome accumulées, donnant à la conception un ancrage dans le monde réel que les puces standard sur étagère ne peuvent pas facilement égaler. Ce volume d’historique de conduite a façonné la manière dont le silicium gère la réactivité, la fiabilité et la redondance dans des conditions routières réelles plutôt que dans des simulations de laboratoire.
La minimisation de la latence comme priorité de sécurité
La réduction de la latence était l’objectif central de la conception de la puce, puisque les accidents peuvent se produire plus vite que n’importe quel opérateur humain à distance ne pourrait intervenir. « Durant ces millisecondes critiques, des modèles d’apprentissage automatique avancés construisent une compréhension haute fidélité de l’environnement afin d’évaluer la trajectoire la plus sûre », a expliqué l’entreprise, décrivant comment le système effectue une réduction du bruit temporel en temps réel pour améliorer la visibilité en faible luminosité.
Les responsables de l’ingénierie de Waymo ont présenté le défi en des termes tout aussi urgents. Satish Jeyachandran, vice-président de l’ingénierie, et Daniel Rosenband, responsable du calcul, ont écrit que l’entreprise conçoit « un système de pointe qui serait considéré comme impressionnant pour un centre de données, avec la complexité supplémentaire d’un domaine d’exploitation embarqué dans un véhicule et de contraintes temps réel », selon The Verge. Ils ont décrit la pile de calcul comme guidée par trois principes non négociables : réactive, durcie et redondante.
Toute cette réactivité exige une puissance de calcul considérable. Waymo affirme que sa puce dédiée de front-end offre plus de 1 000 TOPS de performances IA, même si l’entreprise n’a pas divulgué le niveau de précision ni la consommation électrique associés à ce chiffre. Sans ces détails, les comparaisons directes avec le matériel concurrent pour véhicules autonomes et robots restent difficiles, même si le nombre de TOPS est probablement mesuré en précision INT8, ce qui la placerait dans une classe de performance similaire à la plateforme Drive AGX Thor de Nvidia.
Redondance, refroidissement et reste de la pile matérielle
La puissance de calcul seule ne suffit pas lorsque le matériel se trouve à l’intérieur d’une voiture exposée à des vibrations constantes, aux chocs de la route et à des variations extrêmes de température auxquelles aucune puce de centre de données n’est confrontée. Waymo répond à cela par plusieurs couches de redondance, faisant essentiellement fonctionner des systèmes en double afin qu’une seule défaillance ne mette pas hors service la perception du véhicule. Les puces elles-mêmes sont refroidies par liquide, en s’appuyant sur le même système de refroidissement qui régule le moteur du véhicule, maintenant le silicium à des températures de fonctionnement sûres quelles que soient les conditions météorologiques extérieures.
C’est là que le passage de Waymo par rapport à sa configuration précédente devient clair. Avant de déployer son propre ASIC, l’entreprise s’appuyait sur des FPGA Intel pour le traitement des capteurs. Les FPGA sont bien adaptés aux tâches à faible latence, ce qui explique en partie pourquoi les sociétés de trading à haute fréquence les utilisent souvent, mais ils sont notoirement difficiles à programmer et ne peuvent pas égaler la densité de calcul d’un silicium spécialement conçu.
Des partenaires chargés des tâches non liées au ML
Waymo ne construit pas chaque élément de sa pile de calcul à partir de zéro. L’entreprise continue de s’appuyer sur des fournisseurs externes pour les fonctions non liées à l’apprentissage automatique comme l’orchestration, le déplacement des données et la journalisation, citant AMD, Micron, Samsung, Sandisk et Nvidia comme partenaires fournissant ces composants, Socionext étant également mentionné par The Verge parmi les fournisseurs de matériel impliqués. Waymo a indiqué qu’elle développe plusieurs autres puces et systèmes personnalisés, ce qui signifie que son ASIC actuel n’est qu’un élément d’une stratégie plus large de silicium interne plutôt qu’un remplacement complet du matériel tiers.
Cette approche hétérogène reflète un compromis délibéré. Plutôt que d’essayer de construire un système de calcul complet en interne, Waymo concentre ses efforts d’ingénierie sur la fusion de capteurs en temps réel et l’apprentissage automatique de front-end, les domaines où le silicium personnalisé offre le plus grand avantage en termes de latence, tout en s’appuyant sur des fabricants de puces établis pour le reste.
Waymo vs Tesla : une course plus large aux puces pour les robotaxis
Waymo n’est pas la seule entreprise à parier sur le silicium personnalisé pour gagner la course aux robotaxis. Tesla développe depuis des années ses propres puces pour la conduite autonome et a récemment lancé un service limité de Robotaxi à Austin après des retards répétés. Les deux entreprises divergent également fortement sur le plan philosophique : le PDG de Tesla, Elon Musk, a qualifié le lidar de « béquille » et de « quête insensée », arguant que la fusion de données provenant de plusieurs types de capteurs introduit une ambiguïté dangereuse lorsque les signaux sont en désaccord.
L’approche de Waymo va dans la direction opposée, pariant que la combinaison de caméras, radars et lidars via un silicium dédié rend son système plus fiable, et non moins, et que les puces personnalisées sont ce qui lui permet de se déployer à grande échelle. L’entreprise prévoit de partager plus de détails sur ses accélérateurs d’apprentissage automatique la semaine prochaine lors de la conférence Hot Chips à Stanford, un événement qui pourrait offrir la vision la plus claire à ce jour de la manière dont sa stratégie en matière de silicium se compare à celle de ses rivaux poursuivant le même objectif.
FAQ
Quelle est la fonction principale de la puce IA personnalisée de Waymo ?
Elle traite rapidement les données brutes des capteurs des véhicules autonomes, en les convertissant en réponses de conduite avec une latence minimale.
Quelle technologie de fabrication est utilisée pour la puce de Waymo ?
La puce est fabriquée à l’aide de la technologie de procédé 5 nanomètres de TSMC.
Quels modèles d’apprentissage automatique la puce de Waymo peut-elle exécuter ?
Elle peut exécuter à la fois des modèles traditionnels comme les réseaux de neurones convolutionnels et des modèles modernes de type transformeur.
Comment Waymo garantit-elle la fiabilité de ses puces personnalisées dans les véhicules ?
Waymo utilise une redondance à plusieurs niveaux et des systèmes de refroidissement liquide pour maintenir les performances des puces dans des conditions difficiles.
{« @context »: »https://schema.org », »@type »: »FAQPage », »mainEntity »:[{« @type »: »Question », »name »: »Quelle est la fonction principale de la puce IA personnalisée de Waymo ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Elle traite rapidement les données brutes des capteurs des véhicules autonomes, en les convertissant en réponses de conduite avec une latence minimale. »}},{« @type »: »Question », »name »: »Quelle technologie de fabrication est utilisée pour la puce de Waymo ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »La puce est fabriquée à l’aide de la technologie de procédé 5 nanomètres de TSMC. »}},{« @type »: »Question », »name »: »Quels modèles d’apprentissage automatique la puce de Waymo peut-elle exécuter ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Elle peut exécuter à la fois des modèles traditionnels comme les réseaux de neurones convolutionnels et des modèles modernes de type transformeur. »}},{« @type »: »Question », »name »: »Comment Waymo garantit-elle la fiabilité de ses puces personnalisées dans les véhicules ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Waymo utilise une redondance à plusieurs niveaux et des systèmes de refroidissement liquide pour maintenir les performances des puces dans des conditions difficiles. »}}]}
Article produit avec l’assistance de l’intelligence artificielle et relu par l’équipe éditoriale.
