超大算力需求下，NVIDIA携「全栈式AI解决方案」赋能自动驾驶开发与规模化落地

当自动驾驶走过技术比拼期，来到大规模落地的新节点，如何应对量产过程中的商业挑战成为新的命题。

12月16日，英伟达联合IDC发布《现实+仿真，超级计算力赋能自动驾驶》白皮书，深入探讨了车企在自动驾驶发展过程中的业务需求和挑战，以及车企和解决方案提供商应如何合作，加速自动驾驶的发展和落地。

目前，自动驾驶技术发展前景良好，整体市场处于从L2到L3的发展阶段，其中乘用车市场的自动驾驶水平不断提高。L2自动驾驶在乘用车市场的新车渗透率在2022年第一季度达到23.2%，在可预见的未来还将继续上升，而一年前(2021年第一季度)这一比例仅为7.5%。此外，自动驾驶在出租车商业试运营中得到了快速推广，在矿区、港口、机场等封闭工业场景中的应用已经相对成熟，商用车自动驾驶技术也在政策的推动下稳步发展并逐步落地。

自动驾驶技术驱动整个汽车行业向智能化发展的同时，也对稳定的计算能力和可控的测试成本提出了新的要求。

自动驾驶系统高度复杂，模型训练和仿真测试对计算能力要求极高。

用人工智能手段训练自动驾驶系统，需要车辆像人类驾驶员一样快速准确地识别车道、行人、障碍物等驾驶环境中的关键信息。通过在海量数据基础上的反复训练和验证，车辆对道路环境的认知水平逐渐接近真实场景，在这个过程中不断提高判断的准确性。自动驾驶要求机器对环境的判断精度很高，所以前期需要输入大量的场景数据。

此外，自动驾驶系统还需要像人类驾驶员一样对环境信息做出反应。这就需要机器预测同一道路环境下其他交通参与者的轨迹，从而规划出合理的路线，及时调整车辆的行驶状态，这就需要大量的训练来修正系统预测的轨迹。

此外，在自动驾驶系统开发初期，需要利用虚拟仿真技术进行仿真测试，通过数学建模数字化还原现实世界中的物理场景，在软件程序构建的虚拟环境中测试自动驾驶系统。这个过程也需要巨大的计算支持。

一般来说，自动驾驶算法的训练需要在有限的时间内完成大量的运算，所以对计算能力的要求非常高。高强度的计算能力不仅需要用于模型的训练、更新和迭代，还需要支持仿真试验中场景的构建和渲染。

对大计算能力的高需求也已经被行业调研的数据所证实。IDC的量化研究结果显示，未来自动驾驶行业对人工智能计算中心的投资将稳步增长。

专业计算资源的建设和运营，帮助助力车企业获得先机。

自动驾驶系统的研发和上市速度将直接影响车企能否在该领域获得市场先机。白皮书指出，计算能力资源是直接影响开发速度的硬因素。计算力集群底层架构的优化，可以按月缩短系统的开发周期，直接决定了品牌能否在新兴领域占据高地。

但人工智能计算中心的建设技术门槛较高，运维过程也需要较高水平的经验积累，需要与成熟的解决方案提供商合作。

数据中心解决方案提供商先进的软硬件技术决定了人工智能计算中心能够提供的计算能力水平，…d其解决方案的成熟度决定了前期建设所需的时间段和计算供电过程中的稳定性。比如硬件的选择，网络的规模，都会对数据中心的计算能力产生直接的影响，涉及到IT领域的专业知识。企业需要有相关的知识储备和驾驭跨行业合作的能力。此外，建设和运营人工智能计算中心的供应商需要提供集成的全栈AI解决方案，以确保自动驾驶系统的开发项目能够以最快的速度启动，并获得持续稳定的计算支持。

建设完成后，人工智能计算中心的计算能力可以投入到自动驾驶解决方案的开发过程中。这个时候，行业内最普遍的问题就是软件的成熟度和可靠性，也就是说开发者需要有行业经验的团队提供技术支持，才能最大程度的保证人工智能计算中心的稳定运行。在这个阶段，资金和时间的投入仍然是开发商需要面对的主要问题。此外，一些团队迫切需要解决开发工具效率低下、底层软硬件兼容性不足等问题。

目前，在选择建设人工智能计算中心的供应商时，排在前三位的因素是:厂商的规模和长期可持续供应能力(71%)、是否有大量开发者基于厂商的解决方案进行开发(50%)、可靠性(47%)。

数据中心的建设和运营成本巨大，资金问题贯穿于自动驾驶解决方案的开发过程，是影响开发者项目决策的重要因素。其次，自动驾驶对于汽车行业来说还是一个新的领域，先占领市场可以给品牌带来很大的优势。但行业内建设数据中心的时间参差不齐，有很大的优化空间。此外，自动驾驶解决方案的开发和数据中心的运营管理属于两个不同的领域，因此有开发经验的数据中心服务商可以在保持计算能力的稳定性方面发挥巨大的作用。

英伟达全栈AI解决方案赋能计算中心，加速自动驾驶产品落地。

报告指出，为了让计算资源更有效地支持自动驾驶系统的发展，行业需要全栈AI解决方案来构建开放平台。车企、传统一级供应商、自动驾驶技术公司和数据中心解决方案提供商应该共同努力，推动自动驾驶技术重塑汽车市场的进程。

英伟达提供适用于自动驾驶汽车的基础设施，包括开发自动驾驶技术所需的数据中心全套硬件、软件和工作流参考架构，覆盖从原始数据采集到验证的每一个环节，提供神经网络开发、训练和验证、仿真测试所需的端到端基础模块。在这份报告中，英伟达还分享了其与蔚来和大陆集团的最佳实践经验，阐述了英伟达在赋能自动驾驶开发方面可以提供的支持，为正在考虑部署自动驾驶计算中心的车企提供参考和思路。

雷锋网雷锋网(微信官方账号:雷锋网)雷锋网

雷锋的原创文章。未经授权，禁止转载。详见转载说明。当自动驾驶走过技术比拼期，来到大规模落地的新节点，如何应对量产过程中的商业挑战成为新的命题。

12月16日，英伟达联合IDC发布《现实+仿真，超级计算力赋能自动驾驶》白皮书，深入探讨了车企在自动驾驶发展过程中的业务需求和挑战，以及车企和解决方案提供商应如何合作，加速自动驾驶的发展和落地。

目前，自动驾驶技术发展前景良好，整体市场正处于从L2到L3的发展阶段，其中乘用车市场的自动驾驶水平不断……证明。L2自动驾驶在乘用车市场的新车渗透率在2022年第一季度达到23.2%，在可预见的未来还将继续上升，而一年前(2021年第一季度)这一比例仅为7.5%。此外，自动驾驶在出租车商业试运营中得到了快速推广，在矿区、港口、机场等封闭工业场景中的应用已经相对成熟，商用车自动驾驶技术也在政策的推动下稳步发展并逐步落地。

自动驾驶技术驱动整个汽车行业向智能化发展的同时，也对稳定的计算能力和可控的测试成本提出了新的要求。

自动驾驶系统高度复杂，模型训练和仿真测试对计算能力要求极高。

用人工智能手段训练自动驾驶系统，需要车辆像人类驾驶员一样快速准确地识别车道、行人、障碍物等驾驶环境中的关键信息。通过在海量数据基础上的反复训练和验证，车辆对道路环境的认知水平逐渐接近真实场景，在这个过程中不断提高判断的准确性。自动驾驶要求机器对环境的判断精度很高，所以前期需要输入大量的场景数据。

此外，自动驾驶系统还需要像人类驾驶员一样对环境信息做出反应。这就需要机器预测同一道路环境下其他交通参与者的轨迹，从而规划出合理的路线，及时调整车辆的行驶状态，这就需要大量的训练来修正系统预测的轨迹。

此外，在自动驾驶系统开发初期，需要利用虚拟仿真技术进行仿真测试，通过数学建模数字化还原现实世界中的物理场景，在软件程序构建的虚拟环境中测试自动驾驶系统。这个过程也需要巨大的计算支持。

一般来说，自动驾驶算法的训练需要在有限的时间内完成大量的运算，所以对计算能力的要求非常高。高强度的计算能力不仅需要用于模型的训练、更新和迭代，还需要支持仿真试验中场景的构建和渲染。

对大计算能力的高需求也已经被行业调研的数据所证实。IDC的量化研究结果显示，未来自动驾驶行业对人工智能计算中心的投资将稳步增长。

专业计算资源的建设和运营，帮助助力车企业获得先机。

自动驾驶系统的研发和上市速度将直接影响车企能否在该领域获得市场先机。白皮书指出，计算能力资源是直接影响开发速度的硬因素。计算力集群底层架构的优化，可以按月缩短系统的开发周期，直接决定了品牌能否在新兴领域占据高地。

但人工智能计算中心的建设技术门槛较高，运维过程也需要较高水平的经验积累，需要与成熟的解决方案提供商合作。

数据中心解决方案提供商先进的软硬件技术决定了人工智能计算中心能够提供的计算能力水平，其解决方案的成熟度决定了前期建设所需的时间周期和计算能力提供过程中的稳定性。比如硬件的选择，网络的规模，都会对数据中心的计算能力产生直接的影响，涉及到IT领域的专业知识。企业需要有相关的知识储备和驾驭跨行业合作的能力。此外，建设和运营人工智能计算中心的供应商需要提供集成的全栈AI解决方案，以确保自动驾驶系统的开发项目能够以最快的速度启动，并获得持续稳定的计算支持。

施工完成后，计算……人工智能计算中心的wer可以投入到自动驾驶解决方案的开发过程中。这个时候，行业内最普遍的问题就是软件的成熟度和可靠性，也就是说开发者需要有行业经验的团队提供技术支持，才能最大程度的保证人工智能计算中心的稳定运行。在这个阶段，资金和时间的投入仍然是开发商需要面对的主要问题。此外，一些团队迫切需要解决开发工具效率低下、底层软硬件兼容性不足等问题。

目前，在选择建设人工智能计算中心的供应商时，排在前三位的因素是:厂商的规模和长期可持续供应能力(71%)、是否有大量开发者基于厂商的解决方案进行开发(50%)、可靠性(47%)。

数据中心的建设和运营成本巨大，资金问题贯穿于自动驾驶解决方案的开发过程，是影响开发者项目决策的重要因素。其次，自动驾驶对于汽车行业来说还是一个新的领域，先占领市场可以给品牌带来很大的优势。但行业内建设数据中心的时间参差不齐，有很大的优化空间。此外，自动驾驶解决方案的开发和数据中心的运营管理属于两个不同的领域，因此有开发经验的数据中心服务商可以在保持计算能力的稳定性方面发挥巨大的作用。

英伟达全栈AI解决方案赋能计算中心，加速自动驾驶产品落地。

报告指出，为了让计算资源更有效地支持自动驾驶系统的发展，行业需要全栈AI解决方案来构建开放平台。车企、传统一级供应商、自动驾驶技术公司和数据中心解决方案提供商应该共同努力，推动自动驾驶技术重塑汽车市场的进程。

英伟达提供适用于自动驾驶汽车的基础设施，包括开发自动驾驶技术所需的数据中心全套硬件、软件和工作流参考架构，覆盖从原始数据采集到验证的每一个环节，提供神经网络开发、训练和验证、仿真测试所需的端到端基础模块。在这份报告中，英伟达还分享了其与蔚来和大陆集团的最佳实践经验，阐述了英伟达在赋能自动驾驶开发方面可以提供的支持，为正在考虑部署自动驾驶计算中心的车企提供参考和思路。

雷锋网雷锋网(微信官方账号:雷锋网)雷锋网

雷锋的原创文章。未经授权，禁止转载。详见转载说明。

标签：蔚来

汽车资讯热门资讯