近日，NVIDIA 攜手 IDC 發(fā)布《現(xiàn)實+仿真，超大算力賦能自動駕駛》白皮書，深入探討車企在自動駕駛開發(fā)過程中的業(yè)務需求與挑戰(zhàn)，以及車企和解決方案提供商應該如何合作，加速自動駕駛的開發(fā)與落地。

報告指出，目前自動駕駛技術發(fā)展前景良好，整體市場處于從 L2 到 L3 發(fā)展的階段，其中乘用車市場自動駕駛水平不斷提升，L2 級自動駕駛在乘用車市場的新車滲透率在 2022 年第一季度達到了 23.2% 的水平，并將在可預見的未來持續(xù)上升，而這一比例在一年前（2021 年第一季度）僅為 7.5%。此外，自動駕駛在出租車商業(yè)化試運營的推進勢頭迅猛，在礦區(qū)、港口、機場等封閉的工業(yè)場景應用已經(jīng)較為成熟，而商用車自動駕駛技術也在政策推動下穩(wěn)步發(fā)展，逐步落地。

2022 IDC；版權歸 IDC 所有；此圖片由 IDC 制作，如果您有任何疑問或需要使用此圖片，請聯(lián)系 IDC

自動駕駛技術帶動汽車行業(yè)整體向智能化發(fā)展，與此同時，也對穩(wěn)定的算力和可控的測試成本提出了全新的要求。

自動駕駛系統(tǒng)具有高度的復雜性，模型訓練與仿真測試對算力形成極高要求

利用人工智能手段訓練自動駕駛系統(tǒng)，首先需要車輛像人類駕駛員一樣快速準確地識別車道、行人、障礙物等駕駛環(huán)境中的關鍵信息。通過在海量數(shù)據(jù)基礎上不斷的重復訓練與驗證，車輛對道路環(huán)境的認知水平逐漸趨近于真實情景，判斷的準確性在這一過程中不斷提升。自動駕駛需要機器對環(huán)境的判斷具備相當高的準確度，所以前期需要輸入大量的場景數(shù)據(jù)。

此外，自動駕駛系統(tǒng)還需要像人類駕駛員一樣對環(huán)境信息做出回應。這需要機器對同一道路環(huán)境中其它交通參與者的運動軌跡做出預判，從而規(guī)劃合理的行進路線，并及時調(diào)整車輛的行進狀態(tài)，這需要大量的訓練對系統(tǒng)的預測軌跡進行矯正。

另外，自動駕駛系統(tǒng)開發(fā)的前期，還需要利用虛擬仿真技術開展仿真測試，將真實世界中的物理場景通過數(shù)學建模進行數(shù)字化還原，在軟件程序所建構的虛擬環(huán)境中測試自動駕駛系統(tǒng)。這一過程同樣需要巨大的算力支持。

總的來說，自動駕駛算法的訓練需要在有限的時間內(nèi)完成大量的運算，因而對算力形成極高的要求。高強度的算力不僅需要被用于模型的訓練、更新、迭代，還需要支撐仿真測試中場景的搭建與渲染。

對大算力的高需求也通過行業(yè)調(diào)研的數(shù)據(jù)得到了印證。IDC 的定量調(diào)研結(jié)果顯示，自動駕駛行業(yè)對人工智能計算中心的投資將在未來穩(wěn)定增長。

2022 IDC；版權歸IDC 所有；此圖片由 IDC 制作，如果您有任何疑問或需要使用此圖片，請聯(lián)系 IDC

專業(yè)的算力資源搭建與運營助力車企取得先機

自動駕駛系統(tǒng)開發(fā)與上市的速度將直接影響車企是否能夠在此領域取得市場先機。白皮書指出，算力資源是直接影響開發(fā)速度的硬性因素，算力集群底層架構的優(yōu)化能夠以月為單位縮短系統(tǒng)的開發(fā)周期，直接決定了該品牌是否能夠在新興領域占領高地。

然而，人工智能計算中心的搭建具有較高的技術門檻，運營與維護過程也需要較高水平的經(jīng)驗積累，因而需要與技術成熟的解決方案供應商開展合作。

數(shù)據(jù)中心解決方案供應商軟硬件技術的先進性決定了人工智能計算中心所能提供的算力水平，其解決方案的成熟度又決定了前期搭建所需的時間周期，以及算力供給過程中的穩(wěn)定性。比如，硬件的選型與網(wǎng)絡的規(guī)模將對數(shù)據(jù)中心的算力產(chǎn)生直接的影響，涉及 IT 領域的專業(yè)知識，企業(yè)需要具備相關的知識儲備，以及駕馭跨行業(yè)合作關系的能力。此外，搭建及運營人工智能計算中心的供應商需要提供一套集成的全棧式 AI 解決方案，以保證自動駕駛系統(tǒng)的開發(fā)項目能以最快的速度上線，并得到持續(xù)且穩(wěn)定的算力支持。

完成搭建后，人工智能計算中心的算力即可以投入到自動駕駛解決方案的開發(fā)過程中。此時行業(yè)內(nèi)最常見的問題轉(zhuǎn)變?yōu)檐浖某墒於扰c可靠性，這意味著開發(fā)者需要具備行業(yè)經(jīng)驗的團隊提供技術支持，以保證最大程度維持人工智能計算中心的穩(wěn)定運行。資金與時間方面的投入在這一階段也還依然是開發(fā)者所需面臨的主要問題。此外，還有部分團隊亟需解決開發(fā)工具不夠高效以及底層軟硬件兼容性不足的問題。

當前汽車廠商在選擇供應商搭建人工智能計算中心時最主要考量因素，前三位分別是：廠商規(guī)模和長期持續(xù)供貨能力（71%），是否有大量開發(fā)者基于該廠商的解決方案進行開發(fā)（50%），以及可靠性（47%）。

2022 IDC；版權歸IDC 所有；此圖片由 IDC 制作，如果您有任何疑問或需要使用此圖片，請聯(lián)系 IDC

數(shù)據(jù)中心的建設與運營成本巨大，資金問題貫穿自動駕駛解決方案開發(fā)過程始終，是影響開發(fā)者項目決策的重要因素。其次，自動駕駛對于汽車行業(yè)而言依然屬于新興領域，搶先一步占領市場能夠為品牌帶來巨大的優(yōu)勢。而行業(yè)內(nèi)搭建數(shù)據(jù)中心所花費的時間水平參差不齊，潛在可供優(yōu)化的空間較大。此外，自動駕駛解決方案的開發(fā)與數(shù)據(jù)中心的運營管理屬于兩個不同的領域，因而對于維持算力的穩(wěn)定性而言，具備開發(fā)經(jīng)驗的數(shù)據(jù)中心服務提供商能夠發(fā)揮巨大的作用。

NVIDIA 全棧式 AI 解決方案賦能算力中心，加速自動駕駛產(chǎn)品落地

報告指出，為了使算力資源更加有效地支持自動駕駛系統(tǒng)的開發(fā)工作，業(yè)界需要全棧式 AI 解決方案，構建開放式平臺。車企、傳統(tǒng)一級供應商、自動駕駛科技公司、以及數(shù)據(jù)中心解決方案供應商應攜手合作，共同推進自動駕駛技術重塑汽車市場的進程。

NVIDIA 提供適用于自動駕駛汽車的基礎架構，包括開發(fā)自動駕駛技術所需的數(shù)據(jù)中心全套硬件、軟件和工作流參考架構，涵蓋從原始數(shù)據(jù)采集到驗證的每個環(huán)節(jié)，為神經(jīng)網(wǎng)絡開發(fā)、訓練和驗證以及仿真測試提供所需的端到端基礎模塊。在本份報告中，NVIDIA 也分享了其與蔚來、大陸集團的最佳實踐經(jīng)驗，闡述 NVIDIA 在賦能自動駕駛開發(fā)方面可提供的各項支持，為正在考慮部署自動駕駛算力中心的車企提供借鑒與思路。

欲進一步了解 AI 技術如何推動自動駕駛行業(yè)發(fā)展，以及 NVIDIA 如何助力車企和一級供應商加速自動駕駛產(chǎn)品落地，請點擊“閱讀原文”，查閱完整版白皮書。