GNEV11 | Dan Berman：英偉達將助推汽車行業向智能化、電動化轉型

1月27日，主題為“重新定義汽車——維度升級之戰”的第十一屆全球新能源汽車大會(GNEV11)正式拉開帷幕。受疫情影響，本次大會首次以“在線會議+全網直播”的形式召開。來自傳統車企、造車新勢力、動力電池、零配件、投研機構全產業鏈的中外嘉賓分享觀點，在線展開交流。在1月27日晚舉行的智能專題論壇中，英偉達中國區業務發展負責人丹·伯曼(Dan Berman)分享了英偉達對人工智能如何影響交通行業發展趨勢以及自動駕駛技術潛力的理解和最新技術。

運輸行業有價值10萬億美元的機會。我們相信下一代交通行業將實現自動化轉型，我們看到很多因素成為推動轉型的關鍵力量。例如，出行即服務(MaaS)和電子商務的蓬勃發展，全球卡車司機的短缺以及中國成為全球電氣化領導者之一。

Nvidia的核心任務之一是開發自動駕駛技術，以確保人們更安全地出行，減少擁堵，為每個人帶來更多的舒適和便利。接下來就請大家和我一起探討一下，英偉達有什么樣的底層技術來保證未來自動駕駛技術的可靠性和安全性。GPU計算的快速崛起摩爾定律指出，高密度集成電路中的晶體管數量大約每兩年就會翻一番。這推動了過去幾十年計算能力的快速增長。然而，這項法律現在面臨著很高的天花板。早在1999年，英偉達就發明了GPU，為我們提供了其他提高應用運行速度的方法，比如超級計算、圖表算法和人工智能，可以提供大規模多線程的計算能力。

人工智能是非常強大的技術力量。在我們現在的時代，人工智能是可以應用于GPU計算的最強大的技術力量。事實上，人工智能已經改變了我們目前所知道的所有行業，從娛樂到醫療保健到金融。但是，人工智能對流量財富行業的影響可能是所有行業中最具顛覆性的。毫無疑問，人工智能的自動駕駛技術將創造一個更安全、更高效的道路環境，這將從根本上改變我們規劃城市、郊區和設計道路的方式。人工智能是自動駕駛技術的終極解決方案，我們正在迎來無人駕駛時代的到來。然而，自動駕駛是一個非常困難和復雜的技術問題。即便如此，我們仍然相信人工智能可以幫助我們實現自動駕駛。

人工智能，更準確的說是深度學習技術的應用越來越成熟，它們在完成認知、決策等任務時表現出了出色的能力。為了成功開發這些系統，需要一種全新的研發方法和框架。人工智能的研發與傳統的軟件開發有很大的不同。在為自動駕駛汽車開發和安裝人工智能系統時，人工智能的大腦需要一個由數據管理中心和訓練模板組成的架構，以便收集車輛數據和測試人工智能的軟件棧。

為了在一定規模的R&D循環中順利運行，系統必須有足夠的信息存儲空間和計算能力，為數據管理、R&D和訓練模板提供良好的計算環境。這些車載系統必須能夠通過OTA更容易、安全、可靠地升級和演進。英偉達端到端(E2E)驅動平臺對于人類來說，我們從未停止學習。我們需要以同樣的方式思考人工智能汽車的發展。作為……軟件經過長時間訓練，可以應對更困難的任務，人工智能汽車會變得越來越聰明。

為了實現這個目標，汽車行業需要一個完整的、端到端的自動駕駛汽車開發平臺。該平臺將通過首次訓練人工智能的數據中心，運行到一個全面的測試和驗證系統，然后運行到車輛內部的各種冗余系統。英偉達的獨特之處在于，它致力于通過開發特殊的硬件和軟件解決方案來改善開發平臺的每個環節。關于ORINOrin誕生于NVIDIA數據中心，是目前世界上自動駕駛汽車和機器人領域最先進、性能最高的處理器。Orin提供了許多類型的計算引擎，比如DLA、CPU、PVA，當然還有最重要的GPU。

這些安裝在芯片上的超級計算機可以提供高達254TOPS的計算能力，同時可以實現入門級的L2自動駕駛輔助功能，功耗僅為5瓦。一種可編程架構我們的驅動平臺采用Ampere GPU架構，包括Ampere架構的Orin芯片。英偉達提供了從入門級自動駕駛輔助到自動駕駛出租車的一整套解決方案，這些解決方案都有相似的架構和通用的軟件開發平臺。

通過這樣做，NVIDIA為我們的合作伙伴提供了可以跨越多個產品線的軟件開發支持，為各行各業節省了數百萬美元的開發成本。駕駛AV & ampIX的軟件棧開發自動駕駛汽車是一個非常高的技術挑戰。英偉達通常被定義為一家硬件公司，但實際上，我們也投資了許多軟件項目，為用戶提供全面的服務體驗。Nvidia的獨特之處在于，我們可以提供跨越自動駕駛汽車整個開發流程的產品，并提供豐富的軟件堆棧，因此客戶可以直接使用產品或開發自己的軟件。

我們正在不斷優化我們的駕駛平臺，發布了10多個軟件。此外，我們在DRIVE AV和DRIVE IX兩款自動駕駛軟件的研發上也取得了很大的進展，其中DRIVE IX可以讓車輛更加安全便捷。自動駕駛汽車的挑戰與痛點自動駕駛在研發過程中面臨著諸多痛點。一個主要的棘手問題是數據收集活動產生的難以置信的數據量。比如我們的自動駕駛測試車隊，每天產生大約1.6PB的數據，這些數據必須經過傳輸、編碼和存儲，才能進行深度處理。然后我們會對這些數據進行分類，在之前的數據中尋找新的或者被忽略的場景。

此外，在多個項目中以最高標準管理大量標簽是一項具有挑戰性的任務。當然，有效培訓100個工程師開發的10個DNN模型也是非常困難的。一旦一個新的模型或一組模型準備部署，就需要對其1000小時的數據進行模型重放來完成驗證，以確保所有核心性能指標(KPI)都能完成。為了進一步增加測試和優化的可能場景的范圍，我們需要大量依賴模擬場景的使用。確保安全的星座技術永遠是我們的重中之重。由人工智能駕駛的自動駕駛汽車必須能夠對道路上的各種情況做出適當的反應，如緊急車輛、行人、惡劣的天氣條件和其他復雜的特殊情況，包括在現實世界中測試太危險的場景。目前，沒有可行的方法來測試這些場景中的車輛，因為測試環境是不可控的，不可重復的，也不夠快。這就是為什么模擬測試和訓練如此重要，因為它允許我們測試虛擬世界中所有場景的可能性。

0

DRIVE Constellation是一個閉環硬件數據中心解決方案，由兩臺并行服務器組成。一臺服務器輸出虛擬世界中虛擬汽車的傳感器數據，而另一臺服務器有一臺人工智能汽車計算機，可以處理模擬的傳感器數據。英偉達為中國新能源汽車品牌提供技術支持。自動化和電氣化是改變汽車工業的關鍵力量，我們正在幫助推動這場革命。為此，我們正在與一些中國汽車制造商合作。包括蔚來汽車、李、和Xpeng Motors，它們都采用了NVIDIA驅動技術來開發自己的智能電動汽車。

1

這些新能源汽車通過不斷優化人工智能的用戶體驗，展示了個人交通的未來。我們很高興與這些新能源汽車革命的領導者合作，利用人工智能和高效計算的力量，在未來創造軟件定義的電動汽車。感謝您的聆聽。更多信息可以訪問英偉達官網。在那里，你可以去DRIVE Labs視頻博客，看看我們的自動駕駛軟件團隊如何應對今天的自動駕駛挑戰:從路徑感知、車道檢測到定位、路口處理等等。最后，希望大家能夠關注即將在今年4月份召開的NVIDIA GTC發布會。1月27日，主題為“重新定義汽車——維度升級之戰”的第十一屆全球新能源汽車大會(GNEV11)正式拉開帷幕。受疫情影響，本次大會首次以“在線會議+全網直播”的形式召開。來自傳統車企、造車新勢力、動力電池、零配件、投研機構全產業鏈的中外嘉賓……分享他們的觀點并開始在線交流。在1月27日晚舉行的智能專題論壇中，英偉達中國區業務發展負責人丹·伯曼(Dan Berman)分享了英偉達對人工智能如何影響交通行業發展趨勢以及自動駕駛技術潛力的理解和最新技術。

運輸行業有價值10萬億美元的機會。我們相信下一代交通行業將實現自動化轉型，我們看到很多因素成為推動轉型的關鍵力量。例如，出行即服務(MaaS)和電子商務的蓬勃發展，全球卡車司機的短缺以及中國成為全球電氣化領導者之一。

Nvidia的核心任務之一是開發自動駕駛技術，以確保人們更安全地出行，減少擁堵，為每個人帶來更多的舒適和便利。接下來就請大家和我一起探討一下，英偉達有什么樣的底層技術來保證未來自動駕駛技術的可靠性和安全性。GPU計算的快速崛起摩爾定律指出，高密度集成電路中的晶體管數量大約每兩年就會翻一番。這推動了過去幾十年計算能力的快速增長。然而，這項法律現在面臨著很高的天花板。早在1999年，英偉達就發明了GPU，為我們提供了其他提高應用運行速度的方法，比如超級計算、圖表算法和人工智能，可以提供大規模多線程的計算能力。

人工智能是非常強大的技術力量。在我們現在的時代，人工智能是可以應用于GPU計算的最強大的技術力量。事實上，人工智能已經改變了我們目前所知道的所有行業，從娛樂到醫療保健到金融。但是，人工智能對流量財富行業的影響可能是所有行業中最具顛覆性的。毫無疑問，人工智能的自動駕駛技術將創造一個更安全、更高效的道路環境，這將從根本上改變我們規劃城市、郊區和設計道路的方式。人工智能是自動駕駛技術的終極解決方案，我們正在迎來無人駕駛時代的到來。然而，自動駕駛是一個非常困難和復雜的技術問題。即便如此，我們仍然相信人工智能可以幫助我們實現自動駕駛。

人工智能，更準確的說是深度學習技術的應用越來越成熟，它們在完成認知、決策等任務時表現出了出色的能力。為了成功開發這些系統，需要一種全新的研發方法和框架。人工智能的研發與傳統的軟件開發有很大的不同。在為自動駕駛汽車開發和安裝人工智能系統時，人工智能的大腦需要一個由數據管理中心和訓練模板組成的架構，以便收集車輛數據和測試人工智能的軟件棧。

為了在一定規模的R&D循環中順利運行，系統必須有足夠的信息存儲空間和計算能力，為數據管理、R&D和訓練模板提供良好的計算環境。這些車載系統必須能夠通過OTA更容易、安全、可靠地升級和演進。英偉達端到端(E2E)驅動平臺對于人類來說，我們從未停止學習。我們需要以同樣的方式思考人工智能汽車的發展。隨著軟件經過長時間的訓練，能夠應對更困難的任務，人工智能汽車會變得越來越聰明。

為了實現這個目標，汽車行業需要一個完整的、端到端的自動駕駛汽車開發平臺。該平臺將貫穿首次訓練人工智能的數據中心，以全面測試a……驗證系統，然后到車內各種冗余系統。英偉達的獨特之處在于，它致力于通過開發特殊的硬件和軟件解決方案來改善開發平臺的每個環節。關于ORINOrin誕生于NVIDIA數據中心，是目前世界上自動駕駛汽車和機器人領域最先進、性能最高的處理器。Orin提供了許多類型的計算引擎，比如DLA、CPU、PVA，當然還有最重要的GPU。

這些安裝在芯片上的超級計算機可以提供高達254TOPS的計算能力，同時可以實現入門級的L2自動駕駛輔助功能，功耗僅為5瓦。一種可編程架構我們的驅動平臺采用Ampere GPU架構，包括Ampere架構的Orin芯片。英偉達提供了從入門級自動駕駛輔助到自動駕駛出租車的一整套解決方案，這些解決方案都有相似的架構和通用的軟件開發平臺。

通過這樣做，NVIDIA為我們的合作伙伴提供了可以跨越多個產品線的軟件開發支持，為各行各業節省了數百萬美元的開發成本。駕駛AV & ampIX的軟件棧開發自動駕駛汽車是一個非常高的技術挑戰。英偉達通常被定義為一家硬件公司，但實際上，我們也投資了許多軟件項目，為用戶提供全面的服務體驗。Nvidia的獨特之處在于，我們可以提供跨越自動駕駛汽車整個開發流程的產品，并提供豐富的軟件堆棧，因此客戶可以直接使用產品或開發自己的軟件。

我們正在不斷優化我們的駕駛平臺，發布了10多個軟件。此外，我們在DRIVE AV和DRIVE IX兩款自動駕駛軟件的研發上也取得了很大的進展，其中DRIVE IX可以讓車輛更加安全便捷。自動駕駛汽車的挑戰與痛點自動駕駛在研發過程中面臨著諸多痛點。一個主要的棘手問題是數據收集活動產生的難以置信的數據量。比如我們的自動駕駛測試車隊，每天產生大約1.6PB的數據，這些數據必須經過傳輸、編碼和存儲，才能進行深度處理。然后我們會對這些數據進行分類，在之前的數據中尋找新的或者被忽略的場景。

此外，在多個項目中以最高標準管理大量標簽是一項具有挑戰性的任務。當然，有效培訓100個工程師開發的10個DNN模型也是非常困難的。一旦一個新的模型或一組模型準備部署，就需要對其1000小時的數據進行模型重放來完成驗證，以確保所有核心性能指標(KPI)都能完成。為了進一步增加測試和優化的可能場景的范圍，我們需要大量依賴模擬場景的使用。確保安全的星座技術永遠是我們的重中之重。由人工智能駕駛的自動駕駛汽車必須能夠對道路上的各種情況做出適當的反應，如緊急車輛、行人、惡劣的天氣條件和其他復雜的特殊情況，包括在現實世界中測試太危險的場景。目前，沒有可行的方法來測試這些場景中的車輛，因為測試環境是不可控的，不可重復的，也不夠快。這就是為什么模擬測試和訓練如此重要，因為它允許我們測試虛擬世界中所有場景的可能性。

0

DRIVE Constellation是一個閉環硬件數據中心解決方案，由兩臺并行服務器組成。一臺服務器輸出虛擬世界中虛擬汽車的傳感器數據，而另一臺服務器有一臺人工智能汽車計算機，可以處理模擬的傳感器數據。英偉達為中國新能源汽車品牌提供技術支持。自動化和電氣化是改變汽車工業的關鍵力量，我們正在幫助推動這場革命。為此，我們正在與一些中國汽車制造商合作。包括蔚來汽車、李、和Xpeng Motors，它們都采用了NVIDIA驅動技術來開發自己的智能電動汽車。

1

這些新能源汽車通過不斷優化人工智能的用戶體驗，展示了個人交通的未來。我們很高興與這些新能源汽車革命的領導者合作，利用人工智能和高效計算的力量，在未來創造軟件定義的電動汽車。感謝您的聆聽。更多信息可以訪問英偉達官網。在那里，你可以去DRIVE Labs視頻博客，看看我們的自動駕駛軟件團隊如何應對今天的自動駕駛挑戰:從路徑感知、車道檢測到定位、路口處理等等。最后，希望大家能夠關注即將在今年4月份召開的NVIDIA GTC發布會。

標簽：理想汽車發現蔚來小鵬

汽車資訊熱門資訊