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)內專家就未來汽車技術和產品的發(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 的經驗總結與思考。以下為內容概要。

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)總經理 董淵文

從專業(yè)圖形到汽車

NVIDIA 駛入無人駕駛領域

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，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，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網絡一舉成名。自此，深度學習的相關研究越來越多，行業(yè)也公認 2012 年是 AI 和深度學習神經網絡技術爆發(fā)的起點。

在此之后，NVIDIA 基于 CUDA 技術支持業(yè)界流行的 TensorFlow、PythonTorch 等典型訓練框架，助力 AI 在不同領域的研發(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 上有多年累積的經驗，比如在手機、平板電腦、游戲盒子等應用領域都有所涉獵，因此有快速啟動的基礎和條件。2016 年，NVIDIA 推出了第一款汽車相關的 SoC 產品——Parker，這也是 NVIDIA 無人駕駛征程的開始。

無人駕駛最關鍵的是功能安全，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——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域中最具權威性的國際標準，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，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，內存瓶頸也時常發(fā)生。最終，DRIVE Orin Soc 的算力達到 254 TOPS，內存帶寬被設定在 205GB/s，可以支持車載設備和傳感器 4 個 10G bps 的網絡接口，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 也是全球領先的車規(guī)級 SoC，在全球領先的 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 相關領域，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 的基礎上構建推理框架 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網絡模型，最后部署到超大規(guī)模數(shù)據(jù)中心或汽車產品平臺。

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 非常看重的一件事。

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，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。