當自動駕駛走過技術(shù)競賽期，來到規(guī)?；涞氐男鹿?jié)點，如何應(yīng)對量產(chǎn)過程中的業(yè)務(wù)挑戰(zhàn)，成為新的命題。

12月16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(wù)需求與挑戰(zhàn)，以及車企和解決方案提供商應(yīng)該如何合作，加速自動駕駛的開發(fā)與落地。

目前自動駕駛技術(shù)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(yù)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(yīng)用已經(jīng)較為成熟，而商用車自動駕駛技術(shù)也在政策推動下穩(wěn)步發(fā)展，逐步落地。

自動駕駛技術(shù)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(guān)鍵信息。通過在海量數(shù)據(jù)基礎(chǔ)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(yīng)。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(yù)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(yù)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(shù)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(gòu)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。

 

 

 

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(lǐng)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(gòu)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(lǐng)域占領(lǐng)高地。

然而，人工智能計算中心的搭建具有較高的技術(shù)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(shù)成熟的解決方案供應(yīng)商開展合作。

數(shù)據(jù)中心解決方案供應(yīng)商軟硬件技術(shù)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(luò)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(lǐng)域的專業(yè)知識，企業(yè)需要具備相關(guān)的知識儲備，以及駕馭跨行業(yè)合作關(guān)系的能力。此外，搭建及運營人工智能計算中心的供應(yīng)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(shù)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(yīng)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%）。

 

數(shù)據(jù)中心的建設(shè)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(lǐng)域，搶先一步占領(lǐng)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(lǐng)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(wù)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(gòu)建開放式平臺。車企、傳統(tǒng)一級供應(yīng)商、自動駕駛科技公司、以及數(shù)據(jù)中心解決方案供應(yīng)商應(yīng)攜手合作，共同推進自動駕駛技術(shù)重塑汽車市場的進程。

NVIDIA 提供適用于自動駕駛汽車的基礎(chǔ)架構(gòu)，包括開發(fā)自動駕駛技術(shù)所需的數(shù)據(jù)中心全套硬件、軟件和工作流參考架構(gòu)，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(luò)開發(fā)、訓練和驗證以及仿真測試提供所需的端到端基礎(chǔ)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。

 雷峰網(wǎng) 雷峰網(wǎng)(公眾號：雷峰網(wǎng)) 雷峰網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。