張建中：自動駕駛有三大挑戰，英偉達以感知和計算能力解決

12月18日，由騰訊汽車主辦的2018全球汽車人工智能大會在北京舉行。

活動現場，英偉達全球副總裁、中國區總經理張建忠發表了主題演講。他說，讓自動駕駛汽車真正落地需要應對三大挑戰，這是每個從業者都必須面對的問題。首先，交通涉及到許多對象，每個不同的場景都會發生不同的事情。如何使用算法或感知能力來處理不確定性是最大的困難。其次，開發自動駕駛的成本實際上非常高，然后進展非常緩慢，這直接導致許多企業無法承擔如此高的研發成本。此外，要在新能源汽車中發展自動駕駛，需要以最小的功耗實現最大的軟件效率。最后，自動駕駛與普通傳統汽車的不同之處在于，自動駕駛汽車上路前沒有明確的路測或里程標準約束。“對于自動駕駛來說，沒有任何系統不能保證自動駕駛解決方案能夠真正落地。”張建忠表示，英偉達將通過更好的感知和算力，為自動駕駛落地提供解決方案。“這就是XAVIER發布的原因。如果你想實現L5級的自動駕駛，XAVIER是不夠的。需要XAVIER Plus，需要兩個獨立的GPU來足夠快地響應每個場景的需求。”

他還透露，英偉達已經測試并完成了時速80公里的無接觸高速自動駕駛的全過程。“英偉達的辦公室周圍可能有一條高速公路，這條高速公路可能與四條高速公路相連。我們選擇了一條80英里長的高速公路，這樣這輛車就可以在沒有人為干預的情況下從高速公路的起點走到終點。”以下是演講記錄：尊敬的客人，下午好！感謝騰訊汽車邀請其參加全球汽車人工智能大會！

今天，我將分享英偉達在自動駕駛方面的一些經驗。現在人工智能已經自動化了整個世界，我們用自動化語言來描述人工智能對硬件的影響，在人工智能的幫助和賦能下，我們可以做我們想讓它做的事情。我相信，我們每天都可以面對許多自動化的體驗。例如，在過去的“雙十二”，每個人都在網上買東西，他們買的東西80%是電腦根據你的需求推薦給你的。你可能認為自己喜歡，但當然這也是你自己的。但很多幫助都是在計算機的幫助下，使用人工智能算法向你推薦合適的產品和合適的價格，甚至是合適的品牌。如果我們今天每天訪問中國的幾個大市場，人工智能可以登陸的最大市場實際上是交通運輸。在中國，交通量可能達到數十億，交通事故也很多。人工智能可以幫助我們解決許多安全隱患，提高生活效率和質量。如果你再看看每天的醫療數據，你每天去醫院的時候都會有很多感覺。這么多地看病人的工作，每個醫生花在每個病人身上的時間其實很短，但人工智能可以完全提高這種效率，讓他們的效率更好。我們都知道，許多醫生因為時間有限而對許多患者做出了不準確的診斷，這延誤了許多患者的健康，并使醫生負擔過重。人工智能在這個行業有很大的機會幫助改進。還有一些其他行業，我相信在不同地方落地人工智能時，大大提高了每個人的生活質量和質量。然而，人工智能的應用發展迅速。事實上，計算能力的幫助是非常重要的。在過去的幾年里，英偉達已經致力于GPU的研發20年了。在過去的二十年里，如果我們每十年看一次計算速度，我們可能會發現十年內效率提高了1000倍。我們無法想象半導體的性能，我們可以在十年內通過其開發將性能提高1000倍，但GPU是如何做到的？這是不能通過改進半導體制造工藝來實現的。這也是Jason多次向業界呼吁摩爾定律的目的，通過許多努力來協調計算機自身的架構、算法和軟件，從而提高下一代計算機的性能。如果我們看看GPU在過去幾年的實踐，在十年內升級1000次很容易完成下一個十年。我們能從中看到什么？感謝許多開發人員的努力。每個行業都有不同的開發商，汽車也不例外。這些開發者從下載英偉達CUDA開發工具庫中可以看出，幾乎到目前為止，全球已有超過100萬開發者使用我們的CUDA開發庫開發并行計算，這些算法可以應用于不同的人工智能。最近，一款新的圖靈架構GPU發布，可以大大提高我們在人工智能中的應用速度。TURING是8月底在全球發布的一款新GPU。在這種架構中，包括圖形處理器在內的三個處理器集成到一個GPU中，并添加了兩個新的核心，一個是RT CORE，另一個是專門研究人工智能影響的Testing CROE。如今，GPU的架構已經從傳統的圖形芯片變為大型SOC。當然，如果要做好SOC，有必要在不同的行業中添加相應的開發工具庫。其中，機器學習最近剛剛發布，這使它能夠在機器學習的基礎上大大加速世界上幾乎所有機器學習的各種算法和應用。如果我們看看其他數據中心的應用程序，數據中心前面幾乎80%的應用程序都是由GPU實現的。我們也很高興地看到，在幾乎所有的數據中心，初始投資都有很好的回報。如果我們看看今天GPU的架構設計，我們可以發現傳統數據中心中的許多機柜都可以在GPU的幫助下實現。這種工作不僅節省了空間，而且大大提高了計算速度和效率，當然也為客戶節省了資金。在所有應用程序中，成本是人工智能實現的一個非常重要的環節，也是制約許多公司對人工智能投資的最大瓶頸。要解決這個問題，我們必須考慮如何為所有這些應用程序盡可能加速GPU。由于GPU獨特的結構和架構，它可以幫助我們在每個智能設備上實現人工智能的具體部署……

人工智能應用的許多方面。如果我們去看自動駕駛，在自動駕駛的過程中，事實上，你今天看到的不僅僅是一輛汽車。如果汽車本身稍微膨脹一點，它實際上就是一個機器人。如果我們看看每一個自動化設備、機器或物體，你能想象自動駕駛技術可以擴展到哪里嗎？它可以放在購物車、送貨車、卡車、港口的集裝箱送貨車上，甚至可以放在醫院的救護車上。如果我們看不同的應用，其實它們的規律是一樣的，就像很多專家早上介紹的自動駕駛的解決方案一樣，只是不同的傳感器使用不同的算法來做出不同的決策。然而，在過去幾年的研究中，我們發現，事實上，如果我們真的能讓汽車自動駕駛著陸，每個從業者都必須面臨三大挑戰。首先，我們知道交通中涉及到許多物體，在每個不同的場景中都會發生不同的事情。那么，如何處理每一個ODD，你有什么樣的算法和方法來解決它呢？首先，你必須有很強的感知能力，你可以感知每一個ODD場景。當流量或參與者越來越多的時候，你有足夠的計算能力嗎？你能否準確或及時地看到這些物體，判斷它們的行為、規律和軌跡，甚至預測下一個位置，以確保你能安全駕駛汽車。最大的困難之一，或者我們可以看到，今天許多公司無法達到預期的駕駛水平，大多數公司都被困在這里。其次，開發自動駕駛的成本實際上非常高。許多公司雇傭了數千名員工，可能在很多年內都不會取得進展。當然，許多企業負擔不起這樣的消費成本。對于自動駕駛來說，如果考慮到研發成本，軟件研發成本非常昂貴，可能需要數千名工程師和多年的工作。對于普通的小型汽車企業來說，這基本上是不可能的。除了勞動力，我們來看看主要用于汽車的新能源汽車。如果是新能源汽車，電池的耗電量會非常緊張。如果用巨大的功耗來消除電池的功耗，巡航里程就會變短。因此，如何以最小的功耗實現最大的軟件效率是一個非常大的挑戰。第三，我們都知道自動駕駛不同于普通的傳統汽車。傳統汽車有自己的駕駛規定、各種測試和不同的標準。但是，當自動駕駛汽車在路上時，你如何確定你行駛了多少英里并確保安全？你測試過你駕駛的所有場景了嗎？因此，在驗證和仿真中，這一環節更為重要。如果沒有一個好的自動駕駛系統，就不可能確保自動駕駛的解決方案真正落地。我相信所有企業都必須解決這三個困難，英偉達希望通過我們的努力在這三個方面提供解決方案。我希望第一個是強調或確保汽車有更好的感知能力，計算能力絕對是必不可少的。這就是XAVIER發布的原因。XAVIER是SOC。如果你想達到L5，XAVIER還不夠。需要XAVIER Plus，需要兩個獨立的GPU，包括我們所有人，這樣您就可以足夠快速地響應每個場景的需求。XAVIER本身速度很快，但不用于訓練。你必須建立自己的模型。我們在培訓過程中提供端到端的解決方案，希望在云和數據中心提供完整的設備，讓每個企業和每個自驅動生態系統合作伙伴都可以構建自己的系統，構建自己的神經網絡，構建各自的模型，收集自己的數據，培訓自己不同的研發需求。當然，在客戶端，XAVIER總是可以通過L2到L5的架構來適應不同的場景。在軟件方面，我們提供了從底層操作系統到頂層的全方位不同應用程序，甚至是車內的駕駛員監控和車內的AI應用程序，這些都可以通過DriveIX實現。讓我們簡單看一下。該體系結構從底層DriveOX開始，它集成了各種應用程序，并在底層操作系統級別為客戶提供技術支持。在中級SDK中，連接不同的算法和傳感器以支持不同的加速度，或者通過機器學習快速求解一些常用的OPEN CV算法。在一樓，我們提供整個DRIVE AV（18:37英語），包括您的感知、位置……

以及決策。我想向您展示一個非常簡單的DEMO，并查看我們為每個開發人員提供的整個開發工具的演示工具。如果你購買了Nvidia DRIVE的開發者版本，你可以同時從開發者網站下載各種開發工具，包括SDK和各種演示程序，甚至是簡單的源代碼，幫助客戶開發自己的DRIVE CAR。DRIVEA AV的每個模塊都將在網站和開發商庫中提供給我們的開發商。我相信，如果客戶喜歡自己的軟件，他們可以使用自己的軟件來制作自己的模塊。如果您覺得自己的開發時間有限，可以使用英偉達的解決方案來幫助您實現自動駕駛解決方案。此版本的開發商現已上市。您可以直接在網站上購買Nvidia DRIVE。如果我們看看DRIVE可以實現的一些工作，我們可以看到，基本上有了這套開發工具，每個開發者都可能在不同的場景下擁有自己的自動駕駛解決方案。這是一個非常簡單的DEMO，由DRIVE和Developer實現。Srround在車頂上安裝了六個攝像頭，可以幫助識別汽車周圍的不同物體，如汽車、車道線和其他交通標志。我們都知道，如果你想做好這件事，我們實際上自己也嘗試過。英偉達在辦公室周圍有一條高速公路，連接四條高速公路。我們選擇了一條80英里長的高速公路，這樣這輛車就可以在沒有人為干預的情況下從高速公路的起點走到終點80英里。這是一個簡單的視頻。事實上，在所有高速公路上，自動駕駛最困難的部分是在小心進出，這實際上是最危險的時候。現在我們可以看到它非常順利，當有車進出時非常安全，但我們毫不猶豫地執行任務。事實上，這些工作負載與計算能力和算法優化有很大關系。我們對算法進行了整體優化，基本上可以以80英里/小時的速度順利完成旅程，而無需觸碰方向盤。事實上，許多開發人員可以自己做，但完成這些事情最重要的是你能否保證上路。模擬是一個非常重要的問題。12月18日，由騰訊汽車主辦的2018全球汽車人工智能大會在北京舉行。

活動現場，英偉達全球副總裁、中國區總經理張建忠發表了主題演講。他說，讓自動駕駛汽車真正落地需要應對三大挑戰，這是每個從業者都必須面對的問題。首先，交通涉及到許多對象，每個不同的場景都會發生不同的事情。如何使用算法或感知能力來處理不確定性是最大的困難。其次，開發自動駕駛的成本實際上非常高，然后進展非常緩慢，這直接導致許多企業無法承擔如此高的研發成本。此外，要在新能源汽車中發展自動駕駛，需要以最小的功耗實現最大的軟件效率。最后，自動駕駛與普通傳統汽車的不同之處在于，自動駕駛汽車上路前沒有明確的路測或里程標準約束。“對于自動駕駛來說，沒有任何系統不能保證自動駕駛解決方案能夠真正落地。”張建忠表示，英偉達將通過更好的感知和算力，為自動駕駛落地提供解決方案。“這就是XAVIER發布的原因。如果你想實現L5級的自動駕駛，XAVIER是不夠的。需要XAVIER Plus，需要兩個獨立的GPU來足夠快地響應每個場景的需求。”

他還透露，英偉達已經測試并完成了時速80公里的無接觸高速自動駕駛的全過程。“英偉達的辦公室周圍可能有一條高速公路，這條高速公路可能與四條高速公路相連。我們選擇了一條80英里長的高速公路，這樣這輛車就可以在沒有人為干預的情況下從高速公路的起點走到終點。”以下是演講記錄：尊敬的客人，下午好！感謝騰訊汽車邀請其參加全球汽車人工智能大會！

今天，我將分享英偉達在自動駕駛方面的一些經驗。現在人工智能已經自動化了整個世界，我們用自動化語言來描述人工智能對硬件的影響，在人工智能的幫助和賦能下，我們可以做我們想讓它做的事情。我相信，我們每天都可以面對許多自動化的體驗。例如，在過去的“雙十二”，每個人都在網上買東西，他們買的東西80%是電腦根據你的需求推薦給你的。你可能認為自己喜歡，但當然這也是你自己的。但很多幫助都是在計算機的幫助下，使用人工智能算法向你推薦合適的產品和合適的價格，甚至是合適的品牌。如果我們今天每天訪問中國的幾個大市場，人工智能可以登陸的最大市場實際上是交通運輸。在中國，交通量可能達到數十億，交通事故也很多。人工智能可以幫助我們解決許多安全隱患，提高生活效率和質量。如果你再看看每天的醫療數據，你每天去醫院的時候都會有很多感覺。這么多地看病人的工作，每個醫生花在每個病人身上的時間其實很短，但人工智能可以完全提高這種效率，讓他們的效率更好。我們都知道，許多醫生因為時間有限而對許多患者做出了不準確的診斷，這延誤了許多患者的健康，并使醫生負擔過重。人工智能在這個行業有很大的機會幫助改進。還有一些其他行業，我相信在不同地方落地人工智能時，大大提高了每個人的生活質量和質量。然而，人工智能的應用發展迅速。事實上，計算能力的幫助是非常重要的。在過去的幾年里，英偉達已經致力于GPU的研發20年了。在過去的二十年里，如果我們每十年看一次計算速度，我們可能會發現十年內效率提高了1000倍。我們無法想象半導體的性能，我們可以在十年內通過其開發將性能提高1000倍，但GPU是如何做到的？這是不能通過改進半導體制造工藝來實現的。這也是Jason多次向業界呼吁摩爾定律的目的，通過許多努力來協調計算機自身的架構、算法和軟件，從而提高下一代計算機的性能。如果我們看看GPU在過去幾年的實踐，在十年內升級1000次很容易完成下一個十年。我們能從中看到什么？感謝許多開發人員的努力。每個行業都有不同的開發商，汽車也不例外。這些開發者從下載英偉達CUDA開發工具庫中可以看出，幾乎到目前為止，全球已有超過100萬開發者使用我們的CUDA開發庫開發并行計算，這些算法可以應用于不同的人工智能。最近，一款新的圖靈架構GPU發布，可以大大提高我們在人工智能中的應用速度。TURING是8月底在全球發布的一款新GPU。在這種架構中，包括圖形處理器在內的三個處理器集成到一個GPU中，并添加了兩個新的核心，一個是RT CORE，另一個是專門研究人工智能影響的Testing CROE。如今，GPU的架構已經從傳統的圖形芯片變為大型SOC。當然，如果要做好SOC，有必要在不同的行業中添加相應的開發工具庫。其中，機器學習最近剛剛發布，這使它能夠在機器學習的基礎上大大加速世界上幾乎所有機器學習的各種算法和應用。如果我們看看其他數據中心的應用程序，數據中心前面幾乎80%的應用程序都是由GPU實現的。我們也很高興地看到，在幾乎所有的數據中心，初始投資都有很好的回報。如果我們看看今天GPU的架構設計，我們可以發現傳統數據中心中的許多機柜都可以在GPU的幫助下實現。這種工作不僅節省了空間，而且大大提高了計算速度和效率，當然也為客戶節省了資金。在所有應用程序中，成本是人工智能實現的一個非常重要的環節，也是制約許多公司對人工智能投資的最大瓶頸。要解決這個問題，我們必須考慮如何為所有這些應用程序盡可能加速GPU。由于GPU獨特的結構和架構，它可以幫助我們在每個智能設備上實現人工智能的具體部署……

人工智能應用的許多方面。如果我們去看自動駕駛，在自動駕駛的過程中，事實上，你今天看到的不僅僅是一輛汽車。如果汽車本身稍微膨脹一點，它實際上就是一個機器人。如果我們看看每一個自動化設備、機器或物體，你能想象自動駕駛技術可以擴展到哪里嗎？它可以放在購物車、送貨車、卡車、港口的集裝箱送貨車上，甚至可以放在醫院的救護車上。如果我們看不同的應用，其實它們的規律是一樣的，就像很多專家早上介紹的自動駕駛的解決方案一樣，只是不同的傳感器使用不同的算法來做出不同的決策。然而，在過去幾年的研究中，我們發現，事實上，如果我們真的能讓汽車自動駕駛著陸，每個從業者都必須面臨三大挑戰。首先，我們知道交通中涉及到許多物體，在每個不同的場景中都會發生不同的事情。那么，如何處理每一個ODD，你有什么樣的算法和方法來解決它呢？首先，你必須有很強的感知能力，你可以感知每一個ODD場景。當流量或參與者越來越多的時候，你有足夠的計算能力嗎？你能否準確或及時地看到這些物體，判斷它們的行為、規律和軌跡，甚至預測下一個位置，以確保你能安全駕駛汽車。最大的困難之一，或者我們可以看到，今天許多公司無法達到預期的駕駛水平，大多數公司都被困在這里。其次，開發自動駕駛的成本實際上非常高。許多公司雇傭了數千名員工，可能在很多年內都不會取得進展。當然，許多企業負擔不起這樣的消費成本。對于自動駕駛來說，如果考慮到研發成本，軟件研發成本非常昂貴，可能需要數千名工程師和多年的工作。對于普通的小型汽車企業來說，這基本上是不可能的。除了勞動力，我們來看看主要用于汽車的新能源汽車。如果是新能源汽車，電池的耗電量會非常緊張。如果用巨大的功耗來消除電池的功耗，巡航里程就會變短。因此，如何以最小的功耗實現最大的軟件效率是一個非常大的挑戰。第三，我們都知道自動駕駛不同于普通的傳統汽車。傳統汽車有自己的駕駛規定、各種測試和不同的標準。但是，當自動駕駛汽車在路上時，你如何確定你行駛了多少英里并確保安全？你測試過你駕駛的所有場景了嗎？因此，在驗證和仿真中，這一環節更為重要。如果沒有一個好的自動駕駛系統，就不可能確保自動駕駛的解決方案真正落地。我相信所有企業都必須解決這三個困難，英偉達希望通過我們的努力在這三個方面提供解決方案。我希望第一個是強調或確保汽車有更好的感知能力，計算能力絕對是必不可少的。這就是XAVIER發布的原因。XAVIER是SOC。如果你想達到L5，XAVIER還不夠。需要XAVIER Plus，需要兩個獨立的GPU，包括我們所有人，這樣您就可以足夠快速地響應每個場景的需求。XAVIER本身速度很快，但不用于訓練。你必須建立自己的模型。我們在培訓過程中提供端到端的解決方案，希望在云和數據中心提供完整的設備，讓每個企業和每個自驅動生態系統合作伙伴都可以構建自己的系統，構建自己的神經網絡，構建各自的模型，收集自己的數據，培訓自己不同的研發需求。當然，在客戶端，XAVIER總是可以通過L2到L5的架構來適應不同的場景。在軟件方面，我們提供了從底層操作系統到頂層的全方位不同應用程序，甚至是車內的駕駛員監控和車內的AI應用程序，這些都可以通過DriveIX實現。讓我們簡單看一下。該體系結構從底層DriveOX開始，它集成了各種應用程序，并在底層操作系統級別為客戶提供技術支持。在中級SDK中，連接不同的算法和傳感器以支持不同的加速度，或者通過機器學習快速求解一些常用的OPEN CV算法。在一樓，我們提供整個DRIVE AV（18:37英語），包括您的感知、位置……

以及決策。我想向您展示一個非常簡單的DEMO，并查看我們為每個開發人員提供的整個開發工具的演示工具。如果你購買了Nvidia DRIVE的開發者版本，你可以同時從開發者網站下載各種開發工具，包括SDK和各種演示程序，甚至是簡單的源代碼，幫助客戶開發自己的DRIVE CAR。DRIVEA AV的每個模塊都將在網站和開發商庫中提供給我們的開發商。我相信，如果客戶喜歡自己的軟件，他們可以使用自己的軟件來制作自己的模塊。如果您覺得自己的開發時間有限，可以使用英偉達的解決方案來幫助您實現自動駕駛解決方案。此版本的開發商現已上市。您可以直接在網站上購買Nvidia DRIVE。如果我們看看DRIVE可以實現的一些工作，我們可以看到，基本上有了這套開發工具，每個開發者都可能在不同的場景下擁有自己的自動駕駛解決方案。這是一個非常簡單的DEMO，由DRIVE和Developer實現。Srround在車頂上安裝了六個攝像頭，可以幫助識別汽車周圍的不同物體，如汽車、車道線和其他交通標志。我們都知道，如果你想做好這件事，我們實際上自己也嘗試過。英偉達在辦公室周圍有一條高速公路，連接四條高速公路。我們選擇了一條80英里長的高速公路，這樣這輛車就可以在沒有人為干預的情況下從高速公路的起點走到終點80英里。這是一個簡單的視頻。事實上，在所有高速公路上，自動駕駛最困難的部分是在小心進出，這實際上是最危險的時候。現在我們可以看到它非常順利，當有車進出時非常安全，但我們毫不猶豫地執行任務。事實上，這些工作負載與計算能力和算法優化有很大關系。我們對算法進行了整體優化，基本上可以以80英里/小時的速度順利完成旅程，而無需觸碰方向盤。事實上，許多開發人員可以自己做，但完成這些事情最重要的是你能否保證上路。模擬是一個非常重要的問題。在仿真過程中，最重要的工作是應用大量傳統的Graph工作。無論是AR、VR等，都很容易與當今的環境建立DRIVE模擬環境。英偉達DRIVE模擬是從一端到另一端作為一個整體。完整的模擬過程。你可以看到，根據你的高精度地圖，你可以自動生成和模擬周圍的環境，這是一個虛擬環境。可以在虛擬環境中模擬不同的場景，并可以使用不同的場景和不同的USER CASE來測試汽車駕駛的準確性。例如，在自動駕駛的過程中，你可以根據天氣模擬不同的時間點，無論早上還是晚上有陽光，或者其他汽車在不同天氣下的參與，這些都可以在系統中實現。如果數據更完整，我們可以得到不同的數據來模擬不同的路況。當然，在中國，我們將與包括騰訊地圖在內的高清地圖的所有合作伙伴合作，以便在系統中模擬和模擬我們所有的地面和地面條件。一輛真正的汽車很難行駛數億英里，但在模擬中，它可以被模擬，每天24小時行駛很多距離。只有這樣，才能確保自動駕駛汽車系統的安全。當然，一個人完成這一點是不夠的，我們所有的合作伙伴可能會聯合起來共同構建這個生態系統。英偉達的合作伙伴不僅是原始設備制造商，還包括整個生態系統，包括傳感器、Tier 1、軟件和HDM，包括旅游公司和原始設備制造商以及中國更多的初創企業。一級除了全球一級之外，中國也有一級公司，中國第一家一級合作伙伴德賽斯威已經在蘇州發布，這是中國第一家本土合作伙伴。全球合作伙伴包括世界上所有的大型一級公司。在中國，我們也希望不僅是乘用車，卡車和其他商用車也能成為合作伙伴，共同努力，讓自動駕駛在中國迅速落地。我們也希望與中國地方政府和工業和信息化部合作，為自動駕駛從生產、設計到仿真的全過程做出貢獻。我們也希望能夠盡快實現自動駕駛在中國的落地。非常感謝。

在仿真過程中，最重要的工作是應用大量傳統的Graph工作。無論是AR、VR等，都很容易與當今的環境建立DRIVE模擬環境。英偉達DRIVE模擬是從一端到另一端作為一個整體。完整的模擬過程。你可以看到，根據你的高精度地圖，你可以自動生成和模擬周圍的環境，這是一個虛擬環境。可以在虛擬環境中模擬不同的場景，并可以使用不同的場景和不同的USER CASE來測試汽車駕駛的準確性。例如，在自動駕駛的過程中，你可以根據天氣模擬不同的時間點，無論早上還是晚上有陽光，或者其他汽車在不同天氣下的參與，這些都可以在系統中實現。如果數據更完整，我們可以得到不同的數據來模擬不同的路況。當然，在中國，我們將與包括騰訊地圖在內的高清地圖的所有合作伙伴合作，以便在系統中模擬和模擬我們所有的地面和地面條件。一輛真正的汽車很難行駛數億英里，但在模擬中，它可以被模擬，每天24小時行駛很多距離。只有這樣，才能確保自動駕駛汽車系統的安全。當然，一個人完成這一點是不夠的，我們所有的合作伙伴可能會聯合起來共同構建這個生態系統。英偉達的合作伙伴不僅是原始設備制造商，還包括整個生態系統，包括傳感器、Tier 1、軟件和HDM，包括旅游公司和原始設備制造商以及中國更多的初創企業。一級除了全球一級之外，中國也有一級公司，中國第一家一級合作伙伴德賽斯威已經在蘇州發布，這是中國第一家本土合作伙伴。全球合作伙伴包括世界上所有的大型一級公司。在中國，我們也希望不僅是乘用車，卡車和其他商用車也能成為合作伙伴，共同努力，讓自動駕駛在中國迅速落地。我們也希望與中國地方政府和工業和信息化部合作，為自動駕駛從生產、設計到仿真的全過程做出貢獻。我們也希望能夠盡快實現自動駕駛在中國的落地。非常感謝。

標簽：發現北京

汽車資訊熱門資訊