张建中：自动驾驶有三大挑战，英伟达以感知和计算能力解决

12月18日，由腾讯汽车主办的2018全球汽车人工智能大会在北京举行。

活动现场，英伟达全球副总裁、中国区总经理张建忠发表了主题演讲。他说，让自动驾驶汽车真正落地需要应对三大挑战，这是每个从业者都必须面对的问题。首先，交通涉及到许多对象，每个不同的场景都会发生不同的事情。如何使用算法或感知能力来处理不确定性是最大的困难。其次，开发自动驾驶的成本实际上非常高，然后进展非常缓慢，这直接导致许多企业无法承担如此高的研发成本。此外，要在新能源汽车中发展自动驾驶，需要以最小的功耗实现最大的软件效率。最后，自动驾驶与普通传统汽车的不同之处在于，自动驾驶汽车上路前没有明确的路测或里程标准约束。“对于自动驾驶来说，没有任何系统不能保证自动驾驶解决方案能够真正落地。”张建忠表示，英伟达将通过更好的感知和算力，为自动驾驶落地提供解决方案。“这就是XAVIER发布的原因。如果你想实现L5级的自动驾驶，XAVIER是不够的。需要XAVIER Plus，需要两个独立的GPU来足够快地响应每个场景的需求。”

他还透露，英伟达已经测试并完成了时速80公里的无接触高速自动驾驶的全过程。“英伟达的办公室周围可能有一条高速公路，这条高速公路可能与四条高速公路相连。我们选择了一条80英里长的高速公路，这样这辆车就可以在没有人为干预的情况下从高速公路的起点走到终点。”以下是演讲记录：尊敬的客人，下午好！感谢腾讯汽车邀请其参加全球汽车人工智能大会！

今天，我将分享英伟达在自动驾驶方面的一些经验。现在人工智能已经自动化了整个世界，我们用自动化语言来描述人工智能对硬件的影响，在人工智能的帮助和赋能下，我们可以做我们想让它做的事情。我相信，我们每天都可以面对许多自动化的体验。例如，在过去的“双十二”，每个人都在网上买东西，他们买的东西80%是电脑根据你的需求推荐给你的。你可能认为自己喜欢，但当然这也是你自己的。但很多帮助都是在计算机的帮助下，使用人工智能算法向你推荐合适的产品和合适的价格，甚至是合适的品牌。如果我们今天每天访问中国的几个大市场，人工智能可以登陆的最大市场实际上是交通运输。在中国，交通量可能达到数十亿，交通事故也很多。人工智能可以帮助我们解决许多安全隐患，提高生活效率和质量。如果你再看看每天的医疗数据，你每天去医院的时候都会有很多感觉。这么多地看病人的工作，每个医生花在每个病人身上的时间其实很短，但人工智能可以完全提高这种效率，让他们的效率更好。我们都知道，许多医生因为时间有限而对许多患者做出了不准确的诊断，这延误了许多患者的健康，并使医生负担过重。人工智能在这个行业有很大的机会帮助改进。还有一些其他行业，我相信在不同地方落地人工智能时，大大提高了每个人的生活质量和质量。然而，人工智能的应用发展迅速。事实上，计算能力的帮助是非常重要的。在过去的几年里，英伟达已经致力于GPU的研发20年了。在过去的二十年里，如果我们每十年看一次计算速度，我们可能会发现十年内效率提高了1000倍。我们无法想象半导体的性能，我们可以在十年内通过其开发将性能提高1000倍，但GPU是如何做到的？这是不能通过改进半导体制造工艺来实现的。这也是Jason多次向业界呼吁摩尔定律的目的，通过许多努力来协调计算机自身的架构、算法和软件，从而提高下一代计算机的性能。如果我们看看GPU在过去几年的实践，在十年内升级1000次很容易完成下一个十年。我们能从中看到什么？感谢许多开发人员的努力。每个行业都有不同的开发商，汽车也不例外。这些开发者从下载英伟达CUDA开发工具库中可以看出，几乎到目前为止，全球已有超过100万开发者使用我们的CUDA开发库开发并行计算，这些算法可以应用于不同的人工智能。最近，一款新的图灵架构GPU发布，可以大大提高我们在人工智能中的应用速度。TURING是8月底在全球发布的一款新GPU。在这种架构中，包括图形处理器在内的三个处理器集成到一个GPU中，并添加了两个新的核心，一个是RT CORE，另一个是专门研究人工智能影响的Testing CROE。如今，GPU的架构已经从传统的图形芯片变为大型SOC。当然，如果要做好SOC，有必要在不同的行业中添加相应的开发工具库。其中，机器学习最近刚刚发布，这使它能够在机器学习的基础上大大加速世界上几乎所有机器学习的各种算法和应用。如果我们看看其他数据中心的应用程序，数据中心前面几乎80%的应用程序都是由GPU实现的。我们也很高兴地看到，在几乎所有的数据中心，初始投资都有很好的回报。如果我们看看今天GPU的架构设计，我们可以发现传统数据中心中的许多机柜都可以在GPU的帮助下实现。这种工作不仅节省了空间，而且大大提高了计算速度和效率，当然也为客户节省了资金。在所有应用程序中，成本是人工智能实现的一个非常重要的环节，也是制约许多公司对人工智能投资的最大瓶颈。要解决这个问题，我们必须考虑如何为所有这些应用程序尽可能加速GPU。由于GPU独特的结构和架构，它可以帮助我们在每个智能设备上实现人工智能的具体部署……

人工智能应用的许多方面。如果我们去看自动驾驶，在自动驾驶的过程中，事实上，你今天看到的不仅仅是一辆汽车。如果汽车本身稍微膨胀一点，它实际上就是一个机器人。如果我们看看每一个自动化设备、机器或物体，你能想象自动驾驶技术可以扩展到哪里吗？它可以放在购物车、送货车、卡车、港口的集装箱送货车上，甚至可以放在医院的救护车上。如果我们看不同的应用，其实它们的规律是一样的，就像很多专家早上介绍的自动驾驶的解决方案一样，只是不同的传感器使用不同的算法来做出不同的决策。然而，在过去几年的研究中，我们发现，事实上，如果我们真的能让汽车自动驾驶着陆，每个从业者都必须面临三大挑战。首先，我们知道交通中涉及到许多物体，在每个不同的场景中都会发生不同的事情。那么，如何处理每一个ODD，你有什么样的算法和方法来解决它呢？首先，你必须有很强的感知能力，你可以感知每一个ODD场景。当流量或参与者越来越多的时候，你有足够的计算能力吗？你能否准确或及时地看到这些物体，判断它们的行为、规律和轨迹，甚至预测下一个位置，以确保你能安全驾驶汽车。最大的困难之一，或者我们可以看到，今天许多公司无法达到预期的驾驶水平，大多数公司都被困在这里。其次，开发自动驾驶的成本实际上非常高。许多公司雇佣了数千名员工，可能在很多年内都不会取得进展。当然，许多企业负担不起这样的消费成本。对于自动驾驶来说，如果考虑到研发成本，软件研发成本非常昂贵，可能需要数千名工程师和多年的工作。对于普通的小型汽车企业来说，这基本上是不可能的。除了劳动力，我们来看看主要用于汽车的新能源汽车。如果是新能源汽车，电池的耗电量会非常紧张。如果用巨大的功耗来消除电池的功耗，巡航里程就会变短。因此，如何以最小的功耗实现最大的软件效率是一个非常大的挑战。第三，我们都知道自动驾驶不同于普通的传统汽车。传统汽车有自己的驾驶规定、各种测试和不同的标准。但是，当自动驾驶汽车在路上时，你如何确定你行驶了多少英里并确保安全？你测试过你驾驶的所有场景了吗？因此，在验证和仿真中，这一环节更为重要。如果没有一个好的自动驾驶系统，就不可能确保自动驾驶的解决方案真正落地。我相信所有企业都必须解决这三个困难，英伟达希望通过我们的努力在这三个方面提供解决方案。我希望第一个是强调或确保汽车有更好的感知能力，计算能力绝对是必不可少的。这就是XAVIER发布的原因。XAVIER是SOC。如果你想达到L5，XAVIER还不够。需要XAVIER Plus，需要两个独立的GPU，包括我们所有人，这样您就可以足够快速地响应每个场景的需求。XAVIER本身速度很快，但不用于训练。你必须建立自己的模型。我们在培训过程中提供端到端的解决方案，希望在云和数据中心提供完整的设备，让每个企业和每个自驱动生态系统合作伙伴都可以构建自己的系统，构建自己的神经网络，构建各自的模型，收集自己的数据，培训自己不同的研发需求。当然，在客户端，XAVIER总是可以通过L2到L5的架构来适应不同的场景。在软件方面，我们提供了从底层操作系统到顶层的全方位不同应用程序，甚至是车内的驾驶员监控和车内的AI应用程序，这些都可以通过DriveIX实现。让我们简单看一下。该体系结构从底层DriveOX开始，它集成了各种应用程序，并在底层操作系统级别为客户提供技术支持。在中级SDK中，连接不同的算法和传感器以支持不同的加速度，或者通过机器学习快速求解一些常用的OPEN CV算法。在一楼，我们提供整个DRIVE AV（18:37英语），包括您的感知、位置……

以及决策。我想向您展示一个非常简单的DEMO，并查看我们为每个开发人员提供的整个开发工具的演示工具。如果你购买了Nvidia DRIVE的开发者版本，你可以同时从开发者网站下载各种开发工具，包括SDK和各种演示程序，甚至是简单的源代码，帮助客户开发自己的DRIVE CAR。DRIVEA AV的每个模块都将在网站和开发商库中提供给我们的开发商。我相信，如果客户喜欢自己的软件，他们可以使用自己的软件来制作自己的模块。如果您觉得自己的开发时间有限，可以使用英伟达的解决方案来帮助您实现自动驾驶解决方案。此版本的开发商现已上市。您可以直接在网站上购买Nvidia DRIVE。如果我们看看DRIVE可以实现的一些工作，我们可以看到，基本上有了这套开发工具，每个开发者都可能在不同的场景下拥有自己的自动驾驶解决方案。这是一个非常简单的DEMO，由DRIVE和Developer实现。Srround在车顶上安装了六个摄像头，可以帮助识别汽车周围的不同物体，如汽车、车道线和其他交通标志。我们都知道，如果你想做好这件事，我们实际上自己也尝试过。英伟达在办公室周围有一条高速公路，连接四条高速公路。我们选择了一条80英里长的高速公路，这样这辆车就可以在没有人为干预的情况下从高速公路的起点走到终点80英里。这是一个简单的视频。事实上，在所有高速公路上，自动驾驶最困难的部分是在小心进出，这实际上是最危险的时候。现在我们可以看到它非常顺利，当有车进出时非常安全，但我们毫不犹豫地执行任务。事实上，这些工作负载与计算能力和算法优化有很大关系。我们对算法进行了整体优化，基本上可以以80英里/小时的速度顺利完成旅程，而无需触碰方向盘。事实上，许多开发人员可以自己做，但完成这些事情最重要的是你能否保证上路。模拟是一个非常重要的问题。12月18日，由腾讯汽车主办的2018全球汽车人工智能大会在北京举行。

活动现场，英伟达全球副总裁、中国区总经理张建忠发表了主题演讲。他说，让自动驾驶汽车真正落地需要应对三大挑战，这是每个从业者都必须面对的问题。首先，交通涉及到许多对象，每个不同的场景都会发生不同的事情。如何使用算法或感知能力来处理不确定性是最大的困难。其次，开发自动驾驶的成本实际上非常高，然后进展非常缓慢，这直接导致许多企业无法承担如此高的研发成本。此外，要在新能源汽车中发展自动驾驶，需要以最小的功耗实现最大的软件效率。最后，自动驾驶与普通传统汽车的不同之处在于，自动驾驶汽车上路前没有明确的路测或里程标准约束。“对于自动驾驶来说，没有任何系统不能保证自动驾驶解决方案能够真正落地。”张建忠表示，英伟达将通过更好的感知和算力，为自动驾驶落地提供解决方案。“这就是XAVIER发布的原因。如果你想实现L5级的自动驾驶，XAVIER是不够的。需要XAVIER Plus，需要两个独立的GPU来足够快地响应每个场景的需求。”

他还透露，英伟达已经测试并完成了时速80公里的无接触高速自动驾驶的全过程。“英伟达的办公室周围可能有一条高速公路，这条高速公路可能与四条高速公路相连。我们选择了一条80英里长的高速公路，这样这辆车就可以在没有人为干预的情况下从高速公路的起点走到终点。”以下是演讲记录：尊敬的客人，下午好！感谢腾讯汽车邀请其参加全球汽车人工智能大会！

今天，我将分享英伟达在自动驾驶方面的一些经验。现在人工智能已经自动化了整个世界，我们用自动化语言来描述人工智能对硬件的影响，在人工智能的帮助和赋能下，我们可以做我们想让它做的事情。我相信，我们每天都可以面对许多自动化的体验。例如，在过去的“双十二”，每个人都在网上买东西，他们买的东西80%是电脑根据你的需求推荐给你的。你可能认为自己喜欢，但当然这也是你自己的。但很多帮助都是在计算机的帮助下，使用人工智能算法向你推荐合适的产品和合适的价格，甚至是合适的品牌。如果我们今天每天访问中国的几个大市场，人工智能可以登陆的最大市场实际上是交通运输。在中国，交通量可能达到数十亿，交通事故也很多。人工智能可以帮助我们解决许多安全隐患，提高生活效率和质量。如果你再看看每天的医疗数据，你每天去医院的时候都会有很多感觉。这么多地看病人的工作，每个医生花在每个病人身上的时间其实很短，但人工智能可以完全提高这种效率，让他们的效率更好。我们都知道，许多医生因为时间有限而对许多患者做出了不准确的诊断，这延误了许多患者的健康，并使医生负担过重。人工智能在这个行业有很大的机会帮助改进。还有一些其他行业，我相信在不同地方落地人工智能时，大大提高了每个人的生活质量和质量。然而，人工智能的应用发展迅速。事实上，计算能力的帮助是非常重要的。在过去的几年里，英伟达已经致力于GPU的研发20年了。在过去的二十年里，如果我们每十年看一次计算速度，我们可能会发现十年内效率提高了1000倍。我们无法想象半导体的性能，我们可以在十年内通过其开发将性能提高1000倍，但GPU是如何做到的？这是不能通过改进半导体制造工艺来实现的。这也是Jason多次向业界呼吁摩尔定律的目的，通过许多努力来协调计算机自身的架构、算法和软件，从而提高下一代计算机的性能。如果我们看看GPU在过去几年的实践，在十年内升级1000次很容易完成下一个十年。我们能从中看到什么？感谢许多开发人员的努力。每个行业都有不同的开发商，汽车也不例外。这些开发者从下载英伟达CUDA开发工具库中可以看出，几乎到目前为止，全球已有超过100万开发者使用我们的CUDA开发库开发并行计算，这些算法可以应用于不同的人工智能。最近，一款新的图灵架构GPU发布，可以大大提高我们在人工智能中的应用速度。TURING是8月底在全球发布的一款新GPU。在这种架构中，包括图形处理器在内的三个处理器集成到一个GPU中，并添加了两个新的核心，一个是RT CORE，另一个是专门研究人工智能影响的Testing CROE。如今，GPU的架构已经从传统的图形芯片变为大型SOC。当然，如果要做好SOC，有必要在不同的行业中添加相应的开发工具库。其中，机器学习最近刚刚发布，这使它能够在机器学习的基础上大大加速世界上几乎所有机器学习的各种算法和应用。如果我们看看其他数据中心的应用程序，数据中心前面几乎80%的应用程序都是由GPU实现的。我们也很高兴地看到，在几乎所有的数据中心，初始投资都有很好的回报。如果我们看看今天GPU的架构设计，我们可以发现传统数据中心中的许多机柜都可以在GPU的帮助下实现。这种工作不仅节省了空间，而且大大提高了计算速度和效率，当然也为客户节省了资金。在所有应用程序中，成本是人工智能实现的一个非常重要的环节，也是制约许多公司对人工智能投资的最大瓶颈。要解决这个问题，我们必须考虑如何为所有这些应用程序尽可能加速GPU。由于GPU独特的结构和架构，它可以帮助我们在每个智能设备上实现人工智能的具体部署……

人工智能应用的许多方面。如果我们去看自动驾驶，在自动驾驶的过程中，事实上，你今天看到的不仅仅是一辆汽车。如果汽车本身稍微膨胀一点，它实际上就是一个机器人。如果我们看看每一个自动化设备、机器或物体，你能想象自动驾驶技术可以扩展到哪里吗？它可以放在购物车、送货车、卡车、港口的集装箱送货车上，甚至可以放在医院的救护车上。如果我们看不同的应用，其实它们的规律是一样的，就像很多专家早上介绍的自动驾驶的解决方案一样，只是不同的传感器使用不同的算法来做出不同的决策。然而，在过去几年的研究中，我们发现，事实上，如果我们真的能让汽车自动驾驶着陆，每个从业者都必须面临三大挑战。首先，我们知道交通中涉及到许多物体，在每个不同的场景中都会发生不同的事情。那么，如何处理每一个ODD，你有什么样的算法和方法来解决它呢？首先，你必须有很强的感知能力，你可以感知每一个ODD场景。当流量或参与者越来越多的时候，你有足够的计算能力吗？你能否准确或及时地看到这些物体，判断它们的行为、规律和轨迹，甚至预测下一个位置，以确保你能安全驾驶汽车。最大的困难之一，或者我们可以看到，今天许多公司无法达到预期的驾驶水平，大多数公司都被困在这里。其次，开发自动驾驶的成本实际上非常高。许多公司雇佣了数千名员工，可能在很多年内都不会取得进展。当然，许多企业负担不起这样的消费成本。对于自动驾驶来说，如果考虑到研发成本，软件研发成本非常昂贵，可能需要数千名工程师和多年的工作。对于普通的小型汽车企业来说，这基本上是不可能的。除了劳动力，我们来看看主要用于汽车的新能源汽车。如果是新能源汽车，电池的耗电量会非常紧张。如果用巨大的功耗来消除电池的功耗，巡航里程就会变短。因此，如何以最小的功耗实现最大的软件效率是一个非常大的挑战。第三，我们都知道自动驾驶不同于普通的传统汽车。传统汽车有自己的驾驶规定、各种测试和不同的标准。但是，当自动驾驶汽车在路上时，你如何确定你行驶了多少英里并确保安全？你测试过你驾驶的所有场景了吗？因此，在验证和仿真中，这一环节更为重要。如果没有一个好的自动驾驶系统，就不可能确保自动驾驶的解决方案真正落地。我相信所有企业都必须解决这三个困难，英伟达希望通过我们的努力在这三个方面提供解决方案。我希望第一个是强调或确保汽车有更好的感知能力，计算能力绝对是必不可少的。这就是XAVIER发布的原因。XAVIER是SOC。如果你想达到L5，XAVIER还不够。需要XAVIER Plus，需要两个独立的GPU，包括我们所有人，这样您就可以足够快速地响应每个场景的需求。XAVIER本身速度很快，但不用于训练。你必须建立自己的模型。我们在培训过程中提供端到端的解决方案，希望在云和数据中心提供完整的设备，让每个企业和每个自驱动生态系统合作伙伴都可以构建自己的系统，构建自己的神经网络，构建各自的模型，收集自己的数据，培训自己不同的研发需求。当然，在客户端，XAVIER总是可以通过L2到L5的架构来适应不同的场景。在软件方面，我们提供了从底层操作系统到顶层的全方位不同应用程序，甚至是车内的驾驶员监控和车内的AI应用程序，这些都可以通过DriveIX实现。让我们简单看一下。该体系结构从底层DriveOX开始，它集成了各种应用程序，并在底层操作系统级别为客户提供技术支持。在中级SDK中，连接不同的算法和传感器以支持不同的加速度，或者通过机器学习快速求解一些常用的OPEN CV算法。在一楼，我们提供整个DRIVE AV（18:37英语），包括您的感知、位置……

以及决策。我想向您展示一个非常简单的DEMO，并查看我们为每个开发人员提供的整个开发工具的演示工具。如果你购买了Nvidia DRIVE的开发者版本，你可以同时从开发者网站下载各种开发工具，包括SDK和各种演示程序，甚至是简单的源代码，帮助客户开发自己的DRIVE CAR。DRIVEA AV的每个模块都将在网站和开发商库中提供给我们的开发商。我相信，如果客户喜欢自己的软件，他们可以使用自己的软件来制作自己的模块。如果您觉得自己的开发时间有限，可以使用英伟达的解决方案来帮助您实现自动驾驶解决方案。此版本的开发商现已上市。您可以直接在网站上购买Nvidia DRIVE。如果我们看看DRIVE可以实现的一些工作，我们可以看到，基本上有了这套开发工具，每个开发者都可能在不同的场景下拥有自己的自动驾驶解决方案。这是一个非常简单的DEMO，由DRIVE和Developer实现。Srround在车顶上安装了六个摄像头，可以帮助识别汽车周围的不同物体，如汽车、车道线和其他交通标志。我们都知道，如果你想做好这件事，我们实际上自己也尝试过。英伟达在办公室周围有一条高速公路，连接四条高速公路。我们选择了一条80英里长的高速公路，这样这辆车就可以在没有人为干预的情况下从高速公路的起点走到终点80英里。这是一个简单的视频。事实上，在所有高速公路上，自动驾驶最困难的部分是在小心进出，这实际上是最危险的时候。现在我们可以看到它非常顺利，当有车进出时非常安全，但我们毫不犹豫地执行任务。事实上，这些工作负载与计算能力和算法优化有很大关系。我们对算法进行了整体优化，基本上可以以80英里/小时的速度顺利完成旅程，而无需触碰方向盘。事实上，许多开发人员可以自己做，但完成这些事情最重要的是你能否保证上路。模拟是一个非常重要的问题。在仿真过程中，最重要的工作是应用大量传统的Graph工作。无论是AR、VR等，都很容易与当今的环境建立DRIVE模拟环境。英伟达DRIVE模拟是从一端到另一端作为一个整体。完整的模拟过程。你可以看到，根据你的高精度地图，你可以自动生成和模拟周围的环境，这是一个虚拟环境。可以在虚拟环境中模拟不同的场景，并可以使用不同的场景和不同的USER CASE来测试汽车驾驶的准确性。例如，在自动驾驶的过程中，你可以根据天气模拟不同的时间点，无论早上还是晚上有阳光，或者其他汽车在不同天气下的参与，这些都可以在系统中实现。如果数据更完整，我们可以得到不同的数据来模拟不同的路况。当然，在中国，我们将与包括腾讯地图在内的高清地图的所有合作伙伴合作，以便在系统中模拟和模拟我们所有的地面和地面条件。一辆真正的汽车很难行驶数亿英里，但在模拟中，它可以被模拟，每天24小时行驶很多距离。只有这样，才能确保自动驾驶汽车系统的安全。当然，一个人完成这一点是不够的，我们所有的合作伙伴可能会联合起来共同构建这个生态系统。英伟达的合作伙伴不仅是原始设备制造商，还包括整个生态系统，包括传感器、Tier 1、软件和HDM，包括旅游公司和原始设备制造商以及中国更多的初创企业。一级除了全球一级之外，中国也有一级公司，中国第一家一级合作伙伴德赛斯威已经在苏州发布，这是中国第一家本土合作伙伴。全球合作伙伴包括世界上所有的大型一级公司。在中国，我们也希望不仅是乘用车，卡车和其他商用车也能成为合作伙伴，共同努力，让自动驾驶在中国迅速落地。我们也希望与中国地方政府和工业和信息化部合作，为自动驾驶从生产、设计到仿真的全过程做出贡献。我们也希望能够尽快实现自动驾驶在中国的落地。非常感谢。

在仿真过程中，最重要的工作是应用大量传统的Graph工作。无论是AR、VR等，都很容易与当今的环境建立DRIVE模拟环境。英伟达DRIVE模拟是从一端到另一端作为一个整体。完整的模拟过程。你可以看到，根据你的高精度地图，你可以自动生成和模拟周围的环境，这是一个虚拟环境。可以在虚拟环境中模拟不同的场景，并可以使用不同的场景和不同的USER CASE来测试汽车驾驶的准确性。例如，在自动驾驶的过程中，你可以根据天气模拟不同的时间点，无论早上还是晚上有阳光，或者其他汽车在不同天气下的参与，这些都可以在系统中实现。如果数据更完整，我们可以得到不同的数据来模拟不同的路况。当然，在中国，我们将与包括腾讯地图在内的高清地图的所有合作伙伴合作，以便在系统中模拟和模拟我们所有的地面和地面条件。一辆真正的汽车很难行驶数亿英里，但在模拟中，它可以被模拟，每天24小时行驶很多距离。只有这样，才能确保自动驾驶汽车系统的安全。当然，一个人完成这一点是不够的，我们所有的合作伙伴可能会联合起来共同构建这个生态系统。英伟达的合作伙伴不仅是原始设备制造商，还包括整个生态系统，包括传感器、Tier 1、软件和HDM，包括旅游公司和原始设备制造商以及中国更多的初创企业。一级除了全球一级之外，中国也有一级公司，中国第一家一级合作伙伴德赛斯威已经在苏州发布，这是中国第一家本土合作伙伴。全球合作伙伴包括世界上所有的大型一级公司。在中国，我们也希望不仅是乘用车，卡车和其他商用车也能成为合作伙伴，共同努力，让自动驾驶在中国迅速落地。我们也希望与中国地方政府和工业和信息化部合作，为自动驾驶从生产、设计到仿真的全过程做出贡献。我们也希望能够尽快实现自动驾驶在中国的落地。非常感谢。

标签：发现北京

汽车资讯热门资讯