在自动驾驶领域，GPU的强大计算能力是自动驾驶芯片的一种选择，它也使NVIDIA在该领域拥有最强大的GPU的地位。 NVIDIA Xavier也可能成为世界上第一个通过ISO26262标准的自动驱动程序。驱动芯片。但是，特斯拉正在开发的这种人工智能芯片（也称为神经网络芯片）也可以通过使用微处理器设计的芯片而不使用CPU和GPU来为汽车带来完整性。具有自动驾驶功能，该芯片将与自动驾驶3.0硬件版本一起发布。在特斯拉最新发布的专利申请中，解释了特斯拉为什么必须放弃CPU和GPU来为特斯拉的机器学习系统提供计算能力的原因：机器学习和人工智能的处理通常需要对大量数据进行数学运算。通常必须解决多个卷积层和池化层。机器学习和人工智能技术通常使用非线性函数，例如矩阵运算和激活函数。机器学习的应用包括自动驾驶和辅助驾驶。在某些情况下，计算机处理器（CPU）用于执行机器学习训练和推理。传统的计算机处理器可以非常快速地执行单个数学运算，但是通常只能同时处理有限数量的数据。作为替代方案，您可以使用图形处理单元（GPU）并能够并行地对较大的数据集执行相同的数学运算。通过使用多个处理器内核，GPU可以并行执行多个任务，并且通常可以比传统计算机处理器更快地完成大规模图形处理任务。但是，GPU和传统计算机处理器最初并不是为机器学习或人工智能操作而设计的。机器学习和人工智能操作通常依赖于在非常大的数据集上重复应用一组特定的机器学习处理器操作。因此，需要一种微处理器系统来支持在大型数据集上并行执行机器学习和人工智能特定的处理操作，而无需为每个并行操作使用多个处理核心。获此特斯拉专利系列提名的专利权人包括前苹果芯片架构师，现任特斯拉芯片项目负责人Peter Bannon； Emil Taples，AMD长期的芯片架构师； Debjit Das Sarma，前AMD CPU首席架构师。一系列Tesla专利描述了设计用于解决放弃GPU问题的微处理器。以下是特斯拉新的人工智能芯片专利的介绍：加速数字引擎特斯拉在专利申请中描述了本发明：本发明的各个实施例与加速数学引擎有关：在一些实施例中，应用了加速数学引擎。为了使用包含子电路（包括ALU，输出寄存器和阴影寄存器）的二维矩阵进行图像处理，处理器会加速图像的卷积。该体系结构支持时钟二维体系结构，在该体系结构中，图像数据和权重以同步方式相乘，从而允许并行执行大量数学运算。以下是专利申请时的一些附图和示意图：可变延迟存储器访问计算阵列微处理器系统Tesla在专利申请中描述了本发明：微处理器系统包括计算阵列和硬件仲裁器：计算阵列包括多重计算单位。多个计算单元中的每一个都对从存储器寻址的相应值进行操作。硬件仲裁程序被配置为控制从计算单元的存储器发出针对一个或多个对应值的至少一个存储器请求。硬件仲裁器还被配置为根据存储器请求的发布来调度要发布的控制信号。以下是专利申请时的一些附图和示意图：不连续数据格式的计算阵列微处理器系统Tesla在专利申请中描述了本发明：微处理器系统包括计算阵列和硬件数据格式化器：计算阵列包括多个计算单元，并且每个计算单元对从存储器寻址的相应值进行运算。计算单元操作的值作为一组要并行处理的值同步提供给计算数组。硬件数据格式化程序配置为收集值组，其中值组包括放置的第一个值子集