为什么英伟达成为汽车厂自动驾驶发展的首选

NAD是蔚来打造的全栈自动驾驶方案，在车身上Aquila在超级传感系统上，蔚来选择了33个高性能传感单元，包括7个800万像素的高分辨率摄像头，4个300万像素的环视专用摄像头，1550nm超长测距激光雷达，5毫米波雷达，12个USS超声波传感器，两个高精度定位单元（GNSSIMU），1个V2X和一个ADMS。

今年秋天，英伟达GTC下一代自动驾驶芯片在大会上发布Thor，它再次点燃了自动驾驶计算能力竞争的导火索。我们已经看到，在国内汽车市场上，威来、智已、飞帆等厂商积极整合这一代新车型Orin芯片，Thor我们可以预测我们能获得什么样的市场反应。事实上，英伟达所做的远不止这些。他们的王牌是一整套DRIVE自动驾驶软硬件生态。

从车端到云端

NAD是蔚来打造的全栈自动驾驶方案，在车身上Aquila在超级传感系统上，蔚来选择了33个高性能传感单元，包括7个800万像素的高分辨率摄像头，4个300万像素的环视专用摄像头，1550nm超长测距激光雷达，5毫米波雷达，12个USS超声波传感器，两个高精度定位单元（GNSS+IMU），1个V2X和一个ADMS。

然而，如此庞大的传感系统，也带来了更大的数据吞吐量，根据蔚来的说明，Aquila每秒要传输8GB数据。要完成这么大规模的数据计算，车身必须有很强的计算能力，所以蔚来的数据计算必须有很强的力量，所以Adam四个英伟达配备了超级计算系统DriveOrin，将计算力提高到1016TOPS，满足自动驾驶的计算要求。

然而，自动驾驶从来不仅仅是汽车的工作。如何训练和利用这些数据，提高自动驾驶算法的可靠性，是厂商需要不断努力的工作。在这里，我将分析你最关心的一个功能。AEB紧急制动功能。

蔚来表示，在研发初期，为了满足最低精度和时延要求，需要在10天内生产出100万个数据分布良好的优质材料。未来将在英伟达GPU上跑AI这个过程需要200个负载GPU整整3个月。

除了训练之外，确保NAD在引入新的改进后，它不仅可以解决相应的问题，而且不会引入新的问题。威来还基于英伟达的开源推理服务器软件Triton在数据挖掘、仿真和回归测试等方面创造了一套高性能的推理服务，每天执行10万个推理任务。

值得一提的是，目前蔚来的NAD在正式投入使用之前，许多人想知道他们与其他竞争对手的自动驾驶系统之间的差距。然而，威莱表示，他们的产品团队正在测试NAD与其它自动驾驶方案相比，报告完成后将公开分享。

合成数据加速自动驾驶的发展

从一开始，我们对合成数据或多或少都有偏见。我们认为这是假数据。我们如何将安全作为自动驾驶的第一要求？但事实上，在具有准确物理属性的合成数据下，我们甚至可以将其视为罕见的真实数据。

以车祸为例。虽然这是常见的道路情况之一，但与正常驾驶数据相比，收集到的真实车祸数据的数量肯定远远少于，更不用说模拟训练了。在汽车试验场测量的车祸数据也难以代表真实的路况数据。至于那些比较罕见但不存在的情况，如集装箱、轮胎脱落等，也会干扰自动驾驶场景。

英伟达DRIVESim中的DRIVEReplicator它为开发人员提供了一个平台，用于生成各种合成数据集，并具有真实值标签，以帮助培训和验证覆盖整个场景的自动驾驶算法。至于合成数据中常见的数据偏见，DRIVEReplicator提供随机化的引擎，通过泛化，使虚拟域的数据尽可能地覆盖真实域。DRIVESim例如，在场景编辑的帮助下，实现了相当优秀的随机化SimReadyAPI实时改变自然/人工光线、路况、天气等。

除此之外DRIVEReplicator还可以通过PythonAPI对USD直接控制模型和属性以完成随机化，例如在道路上随机生成包含动量数据的对象。虽然这已经超出了真正的范围，但它是训练自动驾驶算法的目的VRU识别（弱势道路用户）非常有用，比如突然出现在汽车后面的儿童。

至于传感器的模拟建模，英伟达已经开始建立自己的验证系统，以便在真实环境和模拟环境中获得匹配的传感器数据，如麦克佩斯色卡下的相机显示相同的颜色和亮度。

DRIVESIM——英伟达在自动驾驶模拟CUDA？

也许从大多数人的角度来看，英伟达在汽车上的行动只支持ADS7846E自动驾驶芯片的推出，正如大多数汽车制造商在新闻发布会上提到的那样，新车型配备了哪些芯片等等。但事实上，英伟达在自动驾驶技术上的投资远不止芯片。英伟达已经基于Omniverse这个技术基础，创造了DRIVESim这样一个巨大的交换模拟平台。这对汽车制造商来说意义重大，因为它不仅是汽车制造的新生力量，而且老汽车制造商也享受到了英伟达提供的自动驾驶开发工作流的便利。

例如，一些新的汽车制造力量，如威来，在自动驾驶传感器的选择上相当多样化，而英伟达的传感器则相当多样化DRIVESim通过一系列API加入通用和Hyperion传感器套件的配置和扩展无疑大大降低了汽车制造商的开发工作量。传感器制造商也在积极参与DRIVESim支持，如索尼、禾赛和Luminar等等。首先，他们没有那么多精力来创造这样一个互操作性的开发生态。第二，英伟达不仅为传感器开发提供了自由，还提供了专有制IP英伟达不需要知道如何实现这些传感器。

然而，这样的软件生态与英伟达的硬件密切相关，甚至与新发布的硬件密切相关L40和其他硬件可以发挥更大的优势，这似乎是另一个CUDA生态出来了，这次出现在自动驾驶上。人们不禁佩服英伟达，在这些TOB产品的软硬件生态融合，其实是无可比拟的。

驾驶英伟达像素芯片模拟单元

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。