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，主题为“重新定义汽车——维度升级之战”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，本次大会首次以“在线会议+全网直播”的形式召开。来自传统车企、造车新势力、动力电池、零配件、投研机构全产业链的中外嘉宾分享观点，在线展开交流。在1月27日晚举行的智能专题论坛中，英伟达中国区业务发展负责人丹·伯曼(Dan Berman)分享了英伟达对人工智能如何影响交通行业发展趋势以及自动驾驶技术潜力的理解和最新技术。

运输行业有价值10万亿美元的机会。我们相信下一代交通行业将实现自动化转型，我们看到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领导者之一。

Nvidia的核心任务之一是开发自动驾驶技术，以确保人们更安全地出行，减少拥堵，为每个人带来更多的舒适和便利。接下来就请大家和我一起探讨一下，英伟达有什么样的底层技术来保证未来自动驾驶技术的可靠性和安全性。GPU计算的快速崛起摩尔定律指出，高密度集成电路中的晶体管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，这项法律现在面临着很高的天花板。早在1999年，英伟达就发明了GPU，为我们提供了其他提高应用运行速度的方法，比如超级计算、图表算法和人工智能，可以提供大规模多线程的计算能力。

人工智能是非常强大的技术力量。在我们现在的时代，人工智能是可以应用于GPU计算的最强大的技术力量。事实上，人工智能已经改变了我们目前所知道的所有行业，从娱乐到医疗保健到金融。但是，人工智能对流量财富行业的影响可能是所有行业中最具颠覆性的。毫无疑问，人工智能的自动驾驶技术将创造一个更安全、更高效的道路环境，这将从根本上改变我们规划城市、郊区和设计道路的方式。人工智能是自动驾驶技术的终极解决方案，我们正在迎来无人驾驶时代的到来。然而，自动驾驶是一个非常困难和复杂的技术问题。即便如此，我们仍然相信人工智能可以帮助我们实现自动驾驶。

人工智能，更准确的说是深度学习技术的应用越来越成熟，它们在完成认知、决策等任务时表现出了出色的能力。为了成功开发这些系统，需要一种全新的研发方法和框架。人工智能的研发与传统的软件开发有很大的不同。在为自动驾驶汽车开发和安装人工智能系统时，人工智能的大脑需要一个由数据管理中心和训练模板组成的架构，以便收集车辆数据和测试人工智能的软件栈。

为了在一定规模的R&D循环中顺利运行，系统必须有足够的信息存储空间和计算能力，为数据管理、R&D和训练模板提供良好的计算环境。这些车载系统必须能够通过OTA更容易、安全、可靠地升级和演进。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。我们需要以同样的方式思考人工智能汽车的发展。作为……软件经过长时间训练，可以应对更困难的任务，人工智能汽车会变得越来越聪明。

为了实现这个目标，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。该平台将通过首次训练人工智能的数据中心，运行到一个全面的测试和验证系统，然后运行到车辆内部的各种冗余系统。英伟达的独特之处在于，它致力于通过开发特殊的硬件和软件解决方案来改善开发平台的每个环节。关于ORINOrin诞生于NVIDIA数据中心，是目前世界上自动驾驶汽车和机器人领域最先进、性能最高的处理器。Orin提供了许多类型的计算引擎，比如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可以提供高达254TOPS的计算能力，同时可以实现入门级的L2自动驾驶辅助功能，功耗仅为5瓦。一种可编程架构我们的驱动平台采用Ampere GPU架构，包括Ampere架构的Orin芯片。英伟达提供了从入门级自动驾驶辅助到自动驾驶出租车的一整套解决方案，这些解决方案都有相似的架构和通用的软件开发平台。

通过这样做，NVIDIA为我们的合作伙伴提供了可以跨越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。驾驶AV & ampIX的软件栈开发自动驾驶汽车是一个非常高的技术挑战。英伟达通常被定义为一家硬件公司，但实际上，我们也投资了许多软件项目，为用户提供全面的服务体验。Nvidia的独特之处在于，我们可以提供跨越自动驾驶汽车整个开发流程的产品，并提供丰富的软件堆栈，因此客户可以直接使用产品或开发自己的软件。

我们正在不断优化我们的驾驶平台，发布了10多个软件。此外，我们在DRIVE AV和DRIVE IX两款自动驾驶软件的研发上也取得了很大的进展，其中DRIVE IX可以让车辆更加安全便捷。自动驾驶汽车的挑战与痛点自动驾驶在研发过程中面临着诸多痛点。一个主要的棘手问题是数据收集活动产生的难以置信的数据量。比如我们的自动驾驶测试车队，每天产生大约1.6PB的数据，这些数据必须经过传输、编码和存储，才能进行深度处理。然后我们会对这些数据进行分类，在之前的数据中寻找新的或者被忽略的场景。

此外，在多个项目中以最高标准管理大量标签是一项具有挑战性的任务。当然，有效培训100个工程师开发的10个DNN模型也是非常困难的。一旦一个新的模型或一组模型准备部署，就需要对其1000小时的数据进行模型重放来完成验证，以确保所有核心性能指标(KPI)都能完成。为了进一步增加测试和优化的可能场景的范围，我们需要大量依赖模拟场景的使用。确保安全的星座技术永远是我们的重中之重。由人工智能驾驶的自动驾驶汽车必须能够对道路上的各种情况做出适当的反应，如紧急车辆、行人、恶劣的天气条件和其他复杂的特殊情况，包括在现实世界中测试太危险的场景。目前，没有可行的方法来测试这些场景中的车辆，因为测试环境是不可控的，不可重复的，也不够快。这就是为什么模拟测试和训练如此重要，因为它允许我们测试虚拟世界中所有场景的可能性。

0

DRIVE Constellation是一个闭环硬件数据中心解决方案，由两台并行服务器组成。一台服务器输出虚拟世界中虚拟汽车的传感器数据，而另一台服务器有一台人工智能汽车计算机，可以处理模拟的传感器数据。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工业的关键力量，我们正在帮助推动这场革命。为此，我们正在与一些中国汽车制造商合作。包括蔚来汽车、李、和Xpeng Motors，它们都采用了NVIDIA驱动技术来开发自己的智能电动汽车。

1

这些新能源汽车通过不断优化人工智能的用户体验，展示了个人交通的未来。我们很高兴与这些新能源汽车革命的领导者合作，利用人工智能和高效计算的力量，在未来创造软件定义的电动汽车。感谢您的聆听。更多信息可以访问英伟达官网。在那里，你可以去DRIVE Labs视频博客，看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、路口处理等等。最后，希望大家能够关注即将在今年4月份召开的NVIDIA GTC发布会。1月27日，主题为“重新定义汽车——维度升级之战”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，本次大会首次以“在线会议+全网直播”的形式召开。来自传统车企、造车新势力、动力电池、零配件、投研机构全产业链的中外嘉宾……分享他们的观点并开始在线交流。在1月27日晚举行的智能专题论坛中，英伟达中国区业务发展负责人丹·伯曼(Dan Berman)分享了英伟达对人工智能如何影响交通行业发展趋势以及自动驾驶技术潜力的理解和最新技术。

运输行业有价值10万亿美元的机会。我们相信下一代交通行业将实现自动化转型，我们看到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领导者之一。

Nvidia的核心任务之一是开发自动驾驶技术，以确保人们更安全地出行，减少拥堵，为每个人带来更多的舒适和便利。接下来就请大家和我一起探讨一下，英伟达有什么样的底层技术来保证未来自动驾驶技术的可靠性和安全性。GPU计算的快速崛起摩尔定律指出，高密度集成电路中的晶体管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，这项法律现在面临着很高的天花板。早在1999年，英伟达就发明了GPU，为我们提供了其他提高应用运行速度的方法，比如超级计算、图表算法和人工智能，可以提供大规模多线程的计算能力。

人工智能是非常强大的技术力量。在我们现在的时代，人工智能是可以应用于GPU计算的最强大的技术力量。事实上，人工智能已经改变了我们目前所知道的所有行业，从娱乐到医疗保健到金融。但是，人工智能对流量财富行业的影响可能是所有行业中最具颠覆性的。毫无疑问，人工智能的自动驾驶技术将创造一个更安全、更高效的道路环境，这将从根本上改变我们规划城市、郊区和设计道路的方式。人工智能是自动驾驶技术的终极解决方案，我们正在迎来无人驾驶时代的到来。然而，自动驾驶是一个非常困难和复杂的技术问题。即便如此，我们仍然相信人工智能可以帮助我们实现自动驾驶。

人工智能，更准确的说是深度学习技术的应用越来越成熟，它们在完成认知、决策等任务时表现出了出色的能力。为了成功开发这些系统，需要一种全新的研发方法和框架。人工智能的研发与传统的软件开发有很大的不同。在为自动驾驶汽车开发和安装人工智能系统时，人工智能的大脑需要一个由数据管理中心和训练模板组成的架构，以便收集车辆数据和测试人工智能的软件栈。

为了在一定规模的R&D循环中顺利运行，系统必须有足够的信息存储空间和计算能力，为数据管理、R&D和训练模板提供良好的计算环境。这些车载系统必须能够通过OTA更容易、安全、可靠地升级和演进。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。我们需要以同样的方式思考人工智能汽车的发展。随着软件经过长时间的训练，能够应对更困难的任务，人工智能汽车会变得越来越聪明。

为了实现这个目标，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。该平台将贯穿首次训练人工智能的数据中心，以全面测试a……验证系统，然后到车内各种冗余系统。英伟达的独特之处在于，它致力于通过开发特殊的硬件和软件解决方案来改善开发平台的每个环节。关于ORINOrin诞生于NVIDIA数据中心，是目前世界上自动驾驶汽车和机器人领域最先进、性能最高的处理器。Orin提供了许多类型的计算引擎，比如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可以提供高达254TOPS的计算能力，同时可以实现入门级的L2自动驾驶辅助功能，功耗仅为5瓦。一种可编程架构我们的驱动平台采用Ampere GPU架构，包括Ampere架构的Orin芯片。英伟达提供了从入门级自动驾驶辅助到自动驾驶出租车的一整套解决方案，这些解决方案都有相似的架构和通用的软件开发平台。

通过这样做，NVIDIA为我们的合作伙伴提供了可以跨越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。驾驶AV & ampIX的软件栈开发自动驾驶汽车是一个非常高的技术挑战。英伟达通常被定义为一家硬件公司，但实际上，我们也投资了许多软件项目，为用户提供全面的服务体验。Nvidia的独特之处在于，我们可以提供跨越自动驾驶汽车整个开发流程的产品，并提供丰富的软件堆栈，因此客户可以直接使用产品或开发自己的软件。

我们正在不断优化我们的驾驶平台，发布了10多个软件。此外，我们在DRIVE AV和DRIVE IX两款自动驾驶软件的研发上也取得了很大的进展，其中DRIVE IX可以让车辆更加安全便捷。自动驾驶汽车的挑战与痛点自动驾驶在研发过程中面临着诸多痛点。一个主要的棘手问题是数据收集活动产生的难以置信的数据量。比如我们的自动驾驶测试车队，每天产生大约1.6PB的数据，这些数据必须经过传输、编码和存储，才能进行深度处理。然后我们会对这些数据进行分类，在之前的数据中寻找新的或者被忽略的场景。

此外，在多个项目中以最高标准管理大量标签是一项具有挑战性的任务。当然，有效培训100个工程师开发的10个DNN模型也是非常困难的。一旦一个新的模型或一组模型准备部署，就需要对其1000小时的数据进行模型重放来完成验证，以确保所有核心性能指标(KPI)都能完成。为了进一步增加测试和优化的可能场景的范围，我们需要大量依赖模拟场景的使用。确保安全的星座技术永远是我们的重中之重。由人工智能驾驶的自动驾驶汽车必须能够对道路上的各种情况做出适当的反应，如紧急车辆、行人、恶劣的天气条件和其他复杂的特殊情况，包括在现实世界中测试太危险的场景。目前，没有可行的方法来测试这些场景中的车辆，因为测试环境是不可控的，不可重复的，也不够快。这就是为什么模拟测试和训练如此重要，因为它允许我们测试虚拟世界中所有场景的可能性。

0

DRIVE Constellation是一个闭环硬件数据中心解决方案，由两台并行服务器组成。一台服务器输出虚拟世界中虚拟汽车的传感器数据，而另一台服务器有一台人工智能汽车计算机，可以处理模拟的传感器数据。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工业的关键力量，我们正在帮助推动这场革命。为此，我们正在与一些中国汽车制造商合作。包括蔚来汽车、李、和Xpeng Motors，它们都采用了NVIDIA驱动技术来开发自己的智能电动汽车。

1

这些新能源汽车通过不断优化人工智能的用户体验，展示了个人交通的未来。我们很高兴与这些新能源汽车革命的领导者合作，利用人工智能和高效计算的力量，在未来创造软件定义的电动汽车。感谢您的聆听。更多信息可以访问英伟达官网。在那里，你可以去DRIVE Labs视频博客，看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、路口处理等等。最后，希望大家能够关注即将在今年4月份召开的NVIDIA GTC发布会。

标签：理想汽车发现蔚来小鹏

汽车资讯热门资讯