GNEV11 | Dan Berman：英伟达将助推汽车行业向智能化、电动化转型

1月27日，以“重新定义汽车——升维之战”为主题的第十一届全球新能源汽车大会（GNEV11）正式拉开帷幕。受疫情影响，本次大会首次采取“线上会议+全网直播”的方式举办，来自传统车企、造车新势力、动力电池、零部件及投资和研究机构全产业链的中外嘉宾在线上与大家分享观点、展开交流。

在1月27日晚举行的智能专场论坛中，英伟达（NVIDIA）中国区业务发展负责人Dan Berman为我们分享了英伟达对人工智能如何影响交通运输行业发展走向、自动驾驶技术潜力的理解和最新技术。

交通运输行业有一个价值10万亿美元的机遇

我们认为,下一代的交通运输行业将实现自动化转型,我们看到了有很多因素成为推动转型的关键力量。例如:出行即服务(MaaS)和电子商务的蓬勃发展,全球卡车司机的短缺以及中国成为全球电气化引领者之一。

英伟达的核心任务之一是开发自动驾驶技术，以确保人们更安全的出行、减少拥堵，以及为所有人带来更多的舒适和便利。

接下来，请和我一起深入探索英伟达拥有怎样的底层技术，来确保未来自动驾驶技术的可靠和安全。

GPU计算的快速崛起

摩尔定律指出，高密度集成电路中晶体管的数量大约每两年就会翻一番。这推动了过去几十年计算能力的快速增长。然而，这个定律如今正面临极高的天花板。

早在1999年，英伟达(NVIDIA)就发明了GPU，这为我们提供了其它方式来提高应用程序的运行速度，比如超级计算、图表算法和人工智能，这些方式能够通过提供大规模多线程的运算处理能力。

人工智能是非常强大的技术力量

在我们当前这个时代，人工智能是能够适用于GPU计算的最强大技术力量。

其实人工智能已经在改变我们目前已知的所有行业，从娱乐到医疗保健再到金融均是如此。然而，人工智能对交通运势行业的影响，或许将是所有行业中最具颠覆性的。

毫无疑问的是，具备人工智能的自动驾驶技术将营造更安全、更高效的道路环境，这将在根本上改变我们规划城市、郊区以及设计道路的方式。

人工智能是自动驾驶技术的终极解决方案

我们正在迎接无人驾驶时代的到来。然而自动驾驶是一项非常难以攻克的、极为复杂的技术难题。虽然如此，但我们仍然相信人工智能可以帮我们实现自动驾驶。

人工智能，更准确地说是具备深度学习技术的应用正在日益成熟，它们在完成认知和决策等任务时，展现出卓越的能力。要想成功研发出这些系统，需要全新的研发方式和框架，人工智能的研发与传统的软件开发有很大的不同。

人工智能的大脑

在为自动驾驶汽车研发和搭载人工智能系统时，需要一个由数据管理中心和训练样板组成的架构，并以此收集车辆的数据，和测试人工智能的软件堆栈。

为了能够在一定规模的研发周期中顺利运行，系统必须具备足够的信息存储空间以及计算能力，为数据的管理、研发和训练样板提供良好的运算环境。这些车载系统一定要能通过OTA的方式，更容易、安全、可靠地升级进化。

英伟达端到端（E2E）驱动平台

对于人类来说，我们从未停止学习。我们需要以相同的方式来思考人工智能汽车的发展。随着软件经受长时间的训练，能够应对更高难度的任务时，人工智能汽车将变得越来越聪明。

为了实现这一目标，汽车行业需要一个完整的，端到端的自动驾驶汽车开发平台。该平台将贯穿人工智能首次接受训练的数据中心，到一套全面的测试验证系统，再到车辆内部的各种冗余系统。而英伟达的独到之处是致力于通过开发专项的硬件和软件解决方案，改善开发平台的每一个环节。

关于ORIN

Orin诞生于英伟达数据中心，是世界上应用在自动驾驶汽车和机器人领域性能最高、最先进的处理器。Orin提供多种类型的计算引擎，如DLA、CPU、PVA，当然还有最重要的GPU。

这些安装在芯片上的超级计算机能够提供高达254TOPS算力，同时使用这些设备就能够达到入门的L2级自动驾驶辅助功能，且仅消耗5瓦电量。

一个可编程架构

我们的驱动平台采用了安培GPU架构，包含了安培架构的Orin芯片。英伟达提供从入门级自动驾驶辅助到自动驾驶出租车的全套解决方案，它们都具有相似的体系结构和通用的软件开发平台。

通过这样做，英伟达为我们的合作伙伴提供了能够横跨多个产品线的软件开发支持，为各行各业节省了数百万美元的开发成本。

DRIVE AV & IX的软件堆栈

研发自动驾驶汽车是一项极高的技术挑战。英伟达经常被定义为一家硬件企业，但其实我们也投资了甚多软件项目，为用户提供全面的服务体验。

英伟达的独特之处在于，我们可以提供跨越整个自动驾驶汽车开发流程的产品，提供了丰富的软件堆栈，客户可以直接使用产品或开发自己的软件。

我们正在通过发布超过10个软件的方式，不断优化我们的驱动平台。此外我们在DRIVE AV和DRIVE IX这两款自动驾驶软件的研发上取得了巨大进展，其中DRIVE IX能够让车辆更安全和便捷。

自动驾驶汽车的挑战和痛点

自动驾驶在研发环节面临很多痛点。其中一个主要痛点是数据收集活动产生的令人难以置信的海量数据。例如我们的自动驾驶测试车队每天产生约1.6PB的数据，这些数据必须进行传输、编码和存储，然后才能进行深度处理。接着我们会对这些数据进行分类，以发现新的或是此前数据中被忽略的场景。

此外，在多个项目中以最高标准管理大量的标签是一项具有挑战性的任务。当然，对由100名工程师开发的10个DNN模型进行有效的训练，同样很有难度。

一旦一个新模型或一组模型准备好要部署，就必须对其长达1000小时的数据进行模型复演来完成验证，以保证能够完成所有核心业绩指标（KPI）。为了进一步增加测试和优化的可能场景范围，我们需要非常依赖使用模拟场景。

Constellation技术

保证安全永远是我们的第一要务。人工智能驱动的自动驾驶汽车必须能够对道路上各种各样的情况做出恰当的反应，比如急救车辆、行人、恶劣的天气条件和其它复杂的特殊情况，包括在现实世界中太危险而无法测试的场景。

目前还没有可行的方法在以上这些场景中对车辆进行测试，因为测试环境不可控、不可重复，速度也不够快。这就是为什么模拟测试和训练如此重要，因为它可以让我们在虚拟世界中测试所有场景的可能性。

DRIVE Constellation是一个闭环的硬件数据中心解决方案，由两个并行服务器组成。其中一个服务器输出虚拟汽车在虚拟世界中的传感器数据，而另一个服务器则具备一个能够处理模拟传感器数据的人工智能汽车计算机。

英伟达为中国新能源汽车品牌提供技术支持

自动化和电气化是改变汽车行业的关键力量，我们正在帮助推动这场革命。为此，我们正在与一些中国头部的汽车制造商合作。包括蔚来汽车、理想汽车、上汽集团和小鹏汽车，它们都采用了NVIDIA DRIVE技术来研发自己的智能电动车队。

这些新能源汽车通过不断优化人工智能的用户体验，展现了个人交通的未来。我们很高兴与这些新能源汽车革命的引领者合作，利用人工智能和高效计算的力量，在未来创建以软件定义的电动汽车。

感谢大家的聆听，更多信息您可以访问英伟达的官方网站。在那里大家可以前往DRIVE Labs视频博客栏目，看我们的自动驾驶软件团队如何应对今天的自动驾驶挑战：从路径感知、车道检测到定位、十字路口处理等等。最后希望大家能够关注即将在今年4月举行的英伟达GTC大会。