汽車智能化大趨勢下，“軟件定義汽車”成為行業共識，軟件將深入汽車開發、驗證、銷售和服務全過程，并不斷改進和優化該過程，以實現體驗持續優化、過程持續優化、價值持續創造。“軟件定義汽車”正在重塑汽車產業生態，構建汽車行業發展新格局。

在上周舉行的 2022 年騰訊全球數字生態大會中，NVIDIA 中國區工程和解決方案高級總監賴俊杰博士在“智慧出行專場”分享了 NVIDIA DRIVE 端到端自動駕駛平臺，探討了軟件定義汽車的持續創新。以下為內容概要。

“軟件定義汽車”蓄勢待發

當前，軟件定義汽車成為行業共識。每輛汽車都將具有一個強大的計算平臺，結合復雜的軟件棧，可以支持汽車出廠時配置的各種功能，并且能夠為將來的各種擴展和升級預留空間。同時，集中式處理將成為主流。車內的各種計算任務，包括自動駕駛以及智慧座艙、人機交互等 AI 功能，都將由一個統一的計算平臺來完成。

借此，數據中心內不斷迭代的算法模型，就可通過 OTA（無線更新）方式，對汽車的各項功能進行便捷且持續性的更新。在汽車的整個生命周期內，汽車的易用性和安全性將會得到不斷提升，這便是軟件和算法的價值。

車載 SoC 迭代推新，

助力自動駕駛汽車“全速前進”

以上的愿景和預期，勢必對車載計算平臺提出極高要求。首先，車載計算平臺需要能夠完成當前各種的復雜計算任務，還要為將來的功能升級留出足夠的余量，并且需要保證在車載環境下，能滿足不同類型的計算任務對實時性和安全性的苛刻需求。

上圖展示的是 NVIDIA 車載芯片的幾代產品，從最初的 Parker，Xavier，到如今已經實現量產的 DRIVE Orin，和剛剛發布的面向未來的 DRIVE Thor，可以很明顯看出各代產品在能力上的不斷提升。借助 DRIVE Thor 的強大性能，智能座艙、儀表顯示、車載人機交互娛樂系統、泊車以及自動駕駛功能，就可以由單一的架構實現。從車企角度，集中式的車載計算平臺，可以顯著簡化設計開發，并降低供應鏈緊張的潛在風險，在成本、功耗及設備重量上都有很大優勢。

從硬件到軟件、工作流，

基于統一計算架構下的端到端開發流程

通過梳理自動駕駛算法的開發過程，可知整個流程其實是相當復雜的。不管是從前期的數據采集、打標、清理，還是到后期的算法驗證及測試，以及中間各種功能模型的訓練和開發，不同的階段，涉及到不同的復雜工具和框架。

對于自動駕駛的算法設計者而言，端到端的、無縫流暢的開發環境，能大大提高研發效率。NVIDIA 在自動駕駛開發全流程都提供了相應的工具軟件的支持。

舉幾個簡單的例子：

• 在模型驗證階段的數據回放（Replay）階段，需要將自動駕駛模型算法在真實數據上做測試，并且需要跟真值數據進行比對。為了提高整個系統的吞吐，NVIDIA 提供了 TensorRT、Triton 來加速模型推理的性能，并提供了 DeepStream SDK 來處理視頻流的解碼和編碼，以及跟模型計算的銜接。

• 在智慧座艙場景下，NVIDIA 提供了語音識別及合成技術，例如自然語言處理、手勢、視頻會議等多種功能的預訓練模型。

• 自動駕駛技術要求車輛實現實時精準的定位，并獲取反映當前道路狀況的高清地圖信息。NVIDIA 通過收購、整合 DeepMap 的技術，賦能車輛在道路上擁有更強的自我定位能力。

接下來一起看看另一個維度。一支包含 50 臺數據采集車輛的車隊，大約每天會產生 1.6PB 的數據。這些數據經過清洗、打標后，將進入模型訓練步驟，然后基于真實數據和仿真數據來進行模型效果驗證。整個流程會涉及到大量的數據處理、數據傳輸以及復雜的計算過程。并且，這個過程需要日復一日反復進行，以期能夠不斷提升模型的效果，從而提高自動駕駛的安全性和可靠性。

未來的數據中心和自動駕駛

前面提到的這些現實需求，對數據中心的架構提出了較高挑戰。為了能夠實現計算性能的高擴展性，數據中心的設計非常復雜。另外，從設計到真正完成部署，中間涉及到的采購和安裝調試，也會花費大量的時間及人力；數據中心上線之后，日常的運維管理同樣需要付出很多精力。

為了應對前面提到的端到端開發環境、海量數據處理、數據中心部署運維等多方面的需求，在系統層面，NVIDIA 結合自己以及與客戶合作的經驗，針對數據中心的底層架構提出了基于 NVIDIA DGX 的參考架構實現；在平臺運行管理層面，提供了 BaseCommand；在框架和工具層面，提供了 NVDIA AI Enterprise 一整套方案，其中包含優化的訓練框架、部署軟件和預訓練模型等等。另外，還提供了用于模擬仿真的 DRIVE Replicator 和 DRIVE Sim 平臺。

借助這些從系統、運維到框架工具等一整套的軟硬件方案，自動駕駛技術的開發者們可以方便高效地完成算法開發、模型訓練驗證及部署的全流程。

騰訊云和 NVIDIA 圍繞云上 GPU 相關產品，在 TI 平臺和 TACO 平臺展開了深入合作。這些平臺提供了企業級的模型訓練優化，以及模型推理部署的支持。另外雙方也正在自動駕駛仿真方向進行合作及探索。NVIDIA 希望能和騰訊智能汽車云一起，打造強大的軟硬件生態，為自動駕駛的客戶在云端提供豐富的一站式的選擇。