在近日舉行的聯(lián)想創(chuàng)新科技大會（Lenovo Tech World 2022）上，NVIDIA 中國區(qū)軟件解決方案總監(jiān)卓睿與多位業(yè)內(nèi)專家就未來汽車技術(shù)和產(chǎn)品的發(fā)展趨勢展開了對話交流。卓?；仡櫫?NVIDIA 在自動駕駛業(yè)務的發(fā)展歷程，并分享了 NVIDIA 的經(jīng)驗總結(jié)與思考。以下為內(nèi)容概要。

左一：NVIDIA 中國區(qū)軟件解決方案總監(jiān) 卓睿

右一：聯(lián)想集團副總裁車計算負責人 唐心悅

右二：聯(lián)寶科技 CEO 丁曉輝

右三：清華大學博導車輛學院副院長 李升波

右四：黑莓 QNX 中國區(qū)總經(jīng)理 董淵文

從專業(yè)圖形到汽車

NVIDIA 駛?cè)?a target="_blank">無人駕駛領(lǐng)域

無人駕駛是充分展現(xiàn) AI 實力的試金石

NVIDIA 開展自動駕駛業(yè)務的探索要從 2006 年說起。

2006 年，NVIDIA 推出革命性的CUDA架構(gòu)，并應用于顯卡中，同時還提供了 CUDA SDK。CUDA 是一種用于通用 GPU 計算的革命性架構(gòu)，使科學家和研究人員能夠利用 GPU 的并行處理能力來應對最復雜的計算挑戰(zhàn)?，F(xiàn)在，無論在高性能計算的企業(yè)計算領(lǐng)域，還是在個人身邊的最為熱門的軟件，都可以利用 GPU 或者顯卡來為其提速。對于企業(yè)來說，這是一場革命，我們可以看到成千上萬基于 CUDA 的包括地質(zhì)勘探、醫(yī)學、數(shù)學、生命科學、金融、流體力學等運算，CUDA 通過 GPU 加速比原來高性能的 PC CPU 加速提速幾十甚至上百倍。

2012 年，AlexNet 在 ImageNet 競賽中以超過第二名 10.9 個百分點的絕對優(yōu)勢一舉奪冠，深度學習和卷積神經(jīng)網(wǎng)絡(luò)一舉成名。自此，深度學習的相關(guān)研究越來越多，行業(yè)也公認 2012 年是 AI 和深度學習神經(jīng)網(wǎng)絡(luò)技術(shù)爆發(fā)的起點。

在此之后，NVIDIA 基于 CUDA 技術(shù)支持業(yè)界流行的 TensorFlow、PythonTorch 等典型訓練框架，助力 AI 在不同領(lǐng)域的研發(fā)和落地。

在探索過程中，NVIDIA 發(fā)現(xiàn)無人駕駛是最復雜的一個 AI 應用場景。如今，L2 級自動駕駛相對更為流行，但以車輛為主導的 L3/L4 級等高級別駕駛對 AI 來說更具挑戰(zhàn)，這也是 NVIDIA 深入無人駕駛行業(yè)的動力。

NVIDIA 很早就認識到，AI 是由數(shù)據(jù)驅(qū)動的。而無人駕駛不只局限于 AI 本身，也需要考慮到嵌入式的 SoC。在做無人駕駛之前，NVIDIA 在 SoC 上有多年累積的經(jīng)驗，比如在手機、平板電腦、游戲盒子等應用領(lǐng)域都有所涉獵，因此有快速啟動的基礎(chǔ)和條件。2016 年，NVIDIA 推出了第一款汽車相關(guān)的 SoC 產(chǎn)品——Parker，這也是 NVIDIA 無人駕駛征程的開始。

無人駕駛最關(guān)鍵的是功能安全，但 NVIDIA 發(fā)布的第一代 Parker 更多是基于 Linux 打通數(shù)據(jù)鏈路，例如攝像頭獲取數(shù)據(jù)后的前處理和推理等，把這個環(huán)節(jié)打通，但欠缺真正的功能安全。

NVIDIA 在 Parker 之后帶來了下一代產(chǎn)品DRIVE Xavier。DRIVE Xavier 有超過 90 億個晶體管，是全球第一個達到 ISO 26262 安全認證的復雜 SoC。由全球主要標準化機構(gòu)——國際標準化組織制定的 ISO 26262 是道路車輛系統(tǒng)、軟件和硬件功能安全領(lǐng)域中最具權(quán)威性的國際標準，要求計算系統(tǒng)能避免、識別并解決故障。為了達到這一標準，一款系統(tǒng)級芯片不僅需要有在運行時檢測到硬件故障的架構(gòu)，開發(fā)時還要注意減少潛在的系統(tǒng)故障。這意味著它必須盡可能地避免故障，即使在無法避免的情況下也能檢測到故障并有所反應。

NVIDIA 的認證主要分為兩部分：SoC 認證，以及在此之上的 DRIVE OS 認證。DRIVE OS 本身基于 QNX 的 QOS 而集成，整個芯片和 DRIVE OS 作為 SEooC 都可以滿足 ISO 26262 的功能安全標準，達到功能安全評級 ASIL- B。

在這個過程中，NVIDIA 也在優(yōu)化功耗。對于無人駕駛來說，AI 并不是全部，比如一些傳統(tǒng)的 CV（計算機視覺）算法也是非常重要，因此后來我們也加入了 PVA（Programmable Vision Accelerator），可編程視覺加速器，通過 API 加速各種 CV 算法，以滿足低功耗的需求。另外，GPU 雖然非常靈活，但 GPU 本身從能耗比來說表現(xiàn)還不是最好，所以 NVIDIA 又加入了 DLA（Deep Learning Accelerator），深度學習加速器，DLA 的設(shè)計方案，它的性能功耗比就非常好，這也是之后 NVIDIA 計算平臺的標配。目前，NVIDIA 用 GPU +PVA+DLA 相結(jié)合的方式，幫助客戶能夠更加靈活地將不同算法部署在不同引擎上，以達到更好的功耗比和性能表現(xiàn)。

從去年開始，很多中國車企都采用了NVIDIA DRIVE Orin SoC。作為 DRIVE Xavier 的下一代產(chǎn)品，DRIVE Orin 在算力方面有巨大提升。隨著無人駕駛的要求從基本的 NCAP 到 ADAS ，再到 L2+ 以及 L3 級以上，算力的需求也更加迫切。除算力之外，內(nèi)存瓶頸也時常發(fā)生。最終，DRIVE Orin Soc 的算力達到 254 TOPS，內(nèi)存帶寬被設(shè)定在 205GB/s，可以支持車載設(shè)備和傳感器 4 個 10G bps 的網(wǎng)絡(luò)接口，以及 H.265/HEVC/VP9 格式的 4K@60Hz 視頻編碼或者 8K@30H z 視頻解碼。

在功能安全方面，跟 Xavier 一樣，NVIDIA 一直是按照最高標準去作為產(chǎn)品要求。DRIVE Orin 符合 ISO 26262 的功能安全標準，達到最高的功能安全評級 ASIL-D。目前 DRIVE Orin 也是全球領(lǐng)先的車規(guī)級 SoC，在全球領(lǐng)先的 30 家電動汽車制造商中，有 20 家選擇 DRIVE Orin 作為首選的 AI 計算平臺。

NVIDIA DRIVE Orin SoC

除了產(chǎn)品的優(yōu)勢外，NVIDIA 的快速發(fā)展還得益于它廣泛且生機勃勃的合作伙伴生態(tài)。NVIDIA 在中國有很多合作伙伴，涵蓋眾多一級供應商、軟件合作伙伴、攝像頭廠商、傳感器廠商等。作為平臺型公司，NVIDIA 與合作伙伴一同賦能車企，助力他們能夠基于 NVIDIA 產(chǎn)品快速開發(fā)企業(yè)專屬的無人駕駛軟件棧，加速自動駕駛汽車的開發(fā)和部署。

長板做長，特色做精

無人駕駛時代，NVIDIA 的“制勝法寶”

三位一體，讓算力得到充分應用

現(xiàn)今，不管是車端還是其它 AI 相關(guān)領(lǐng)域，算力越來越多地被提及。特別是今年 9 月 GTC 大會上，NVIDIA 推出了新一代 SoC 、預計 2025 年量產(chǎn)上車的DRIVE Thor。大算力是 NVIDIA 在自動駕駛市場上的“制勝法寶”嗎？大算力是一個參數(shù)指標，如何讓客戶更好地用好這些算力，是一個更核心的訴求，也是 NVIDIA 一直努力的方向。如果談到 NVIDIA 在自動駕駛市場上的競爭策略，我們可以從以下三個層面去理解：

建立強大的軟件生態(tài)

如何更輕松地使用算力，是每家 AI 公司都會遇到的問題。我在前面也提到，NVIDIA 于 2006 年推出 CUDA，然后在 CUDA 的基礎(chǔ)上構(gòu)建推理框架 TensorRT。

NVIDIA TensorRT 是一個高性能的深度學習計算平臺。它包括深度學習計算優(yōu)化器和運行加速器，可以為深度學習計算應用程序提供低延遲和高精度的計算。在 TensorRT 平臺上建立的應用程序比 CPU 平臺的應用程序運算速度快 40 倍。使用 TensorRT，客戶可以優(yōu)化在所有主框架中培訓的神經(jīng)網(wǎng)絡(luò)模型，最后部署到超大規(guī)模數(shù)據(jù)中心或汽車產(chǎn)品平臺。

不管是服務器端還是車端，NVIDIA 的所有 SDK 是通用的，都能夠用同樣的 API 幫助客戶從訓練端到推理端做遷移。全球了解 CUDA 和 TensorRT 的開發(fā)者非常多，這也幫助我們建立起了技術(shù)的“護城河”。引用 NVIDIA 創(chuàng)始人兼首席執(zhí)行官黃仁勛一直在表達的觀點，NVIDIA 不是芯片公司，而是軟件公司。軟件公司能夠提供好的軟件生態(tài)，能夠賦能開發(fā)者和車企，這是 NVIDIA 非?？粗氐囊患?/span>。

強大的 SoC 芯片

無人駕駛需要用到很多傳感器、攝像頭、毫米波雷達和激光雷達，需要通過不同的接口接入到整個域控制器，將數(shù)據(jù)傳到芯片里，進行快速的處理。芯片本身需要有很多引擎接口，以確保整個流程能夠滿足低延遲、實時性的要求。這是 NVIDIA 從另一維度，即在 SoC 的角度加入更多引擎。結(jié)合 QNX 功能安全，同時滿足信息安全這些行業(yè)標準之后， NVIDIA 能夠幫助客戶將更多時間用于算法的研發(fā)上，而不在底層平臺上。

提供端到端解決方案

最后也是最關(guān)鍵的一點，NVIDIA 不只是 SoC 供應商，更是端到端解決方案供應商。

首先，AI 是數(shù)據(jù)驅(qū)動型的，采集數(shù)據(jù)之后開發(fā)算法，離不開強大、開放的大算力服務器平臺。例如，NVIDIA DGX 服務器平臺可以讓客戶在平臺上輕松開發(fā)算法、提取數(shù)據(jù)。此外，之前我也提到過，NVIDIA SDK 支持業(yè)界流行的訓練框架，因此客戶可以用 Docker 方式開發(fā)自己的算法。

NVIDIA DRIVE Sim

其次，無人駕駛是非常復雜的工程，如果不對所開發(fā)出的算法進行大量仿真，那么車端應用便不具備充足的安全功能性。NVIDIA Omniverse平臺能夠提供非常好的底層仿真環(huán)境，基于 Omniverse 的DRIVE Sim可以幫助客戶構(gòu)建一個物理屬性準確的仿真平臺，快速、高效地進行大規(guī)模的自動駕駛汽車測試和驗證。

另外，在仿真過程中，也會涉及到有效數(shù)據(jù)獲取的問題。有些數(shù)據(jù)可能非常容易獲取，而有些數(shù)據(jù)則很困難。比如，時間特別短的黃燈數(shù)據(jù)或是路面上的小障礙物數(shù)據(jù)，在大部分情況下很難通過人工方式采集到?？墒亲詣玉{駛需要解決長尾場景的問題。NVIDIA 的仿真平臺可以在生成這些復雜的合成數(shù)據(jù)的同時，結(jié)合真實數(shù)據(jù)讓算法更加完美，以支持不同的應用場景。

最后，客戶也可以通過 DRIVE Sim 仿真平臺，借助域控制器支持路測。從開發(fā)、訓練、測試，到自動駕駛車輛或域控制器的量產(chǎn)，NVIDIA 可從多個維度、端到端地幫助客戶快速迭代，共同加速軟件定義時代的到來。