12月18日，由騰訊汽車主辦的2018全球汽車AI大會(huì)在北京召開(kāi)。

活動(dòng)現(xiàn)場(chǎng)，英偉達(dá)全球副總裁、中國(guó)區(qū)總經(jīng)理張建中發(fā)表了主題演講。他表示，讓自動(dòng)駕駛汽車真正落地需要迎接三大挑戰(zhàn)，這是每個(gè)從業(yè)者都必須要面對(duì)的問(wèn)題。首先，參與交通的物體非常多，在每一個(gè)不同的場(chǎng)景都會(huì)發(fā)生不同的事情。如何用算法或者感知能力去應(yīng)對(duì)不確定性，是最大的困難。

其次，研發(fā)自動(dòng)駕駛其實(shí)成本是很高，然后進(jìn)展非常緩慢，這直接導(dǎo)致很多企業(yè)無(wú)法去承擔(dān)這樣的高昂研發(fā)成本。除此之外，在新能源汽車上發(fā)展自動(dòng)駕駛，必須要面對(duì)用最小的功耗能量達(dá)到最大的軟件效率。

最后，自動(dòng)駕駛跟一般傳統(tǒng)車不一樣的地方在于，自動(dòng)駕駛汽車上路之前并未有明確的路測(cè)或者里程標(biāo)準(zhǔn)的約束。“對(duì)于自動(dòng)駕駛來(lái)講，沒(méi)有一套系統(tǒng)是無(wú)法保證自動(dòng)駕駛的解決方案能夠真正落地上路的。”

張建中表示，英偉達(dá)將通過(guò)更好的感知和計(jì)算能力這方面去提供自動(dòng)駕駛落地的解決方案。“這是為什么要發(fā)布XAVIER。如果想達(dá)到L5級(jí)別的自動(dòng)駕駛的話，XAVIER是還不夠，還需要XAVIER Plus，需要兩個(gè)獨(dú)立的GPU，才有足夠快的時(shí)間去響應(yīng)每一個(gè)場(chǎng)景的需要。”

他還透露，英偉達(dá)已經(jīng)測(cè)試完成時(shí)速80公里的全程無(wú)手觸高速自動(dòng)駕駛。“英偉達(dá)辦公室周圍大概有一片高速公路，大概是連通四條高速公路，我們選擇了一條80邁的高速公路，讓這個(gè)車不需要人的干預(yù)，讓它自己從高速公路的起點(diǎn)到終點(diǎn)走完。”

以下為發(fā)言實(shí)錄：

尊敬的各位來(lái)賓，大家下午好！感謝騰訊汽車的邀請(qǐng)參加全球汽車AI大會(huì)！

今天分享一些Nvidia做自動(dòng)駕駛的心得體會(huì)。現(xiàn)在AI已經(jīng)是讓整個(gè)世界自動(dòng)化了，我們用自動(dòng)化語(yǔ)言去描述AI對(duì)硬件的影響，在AI的助力跟賦能之下去執(zhí)行我們想讓它做的事情。我相信每一天我們都能面臨著很多自動(dòng)化的一些體驗(yàn)，比如說(shuō)剛剛過(guò)去的“雙十二”大家都在網(wǎng)上買(mǎi)東西，買(mǎi)的很多東西80%是計(jì)算機(jī)根據(jù)你的需要推薦給你的。你可能自己以為是你自己喜歡的，當(dāng)然它也是你自己喜歡的。但是很多的幫助是在計(jì)算機(jī)的幫助下，用AI的算法推薦給你合適的產(chǎn)品跟合適的價(jià)錢(qián)，甚至于合適的品牌。

如果今天我們每天去看中國(guó)幾個(gè)大的市場(chǎng)，AI可以落地的最大的市場(chǎng)實(shí)際上是在交通方面。在中國(guó)可能是幾十億的交通體量，出現(xiàn)的交通事故非常多，AI可以幫助我們解決很多安全上的隱患，提高生活效率跟質(zhì)量的。如果再去看每天的醫(yī)療數(shù)據(jù)，每天你們?nèi)メt(yī)院的就會(huì)有很多的感覺(jué)。這么多看病人的工作，每個(gè)醫(yī)生花在每個(gè)病人的時(shí)間實(shí)際上是很短的，但是這個(gè)效率完全可以用AI的方式去提升，讓他們的效率做的更好。我們都知道很多醫(yī)生因?yàn)闀r(shí)間太有限，導(dǎo)致很多病人診斷不準(zhǔn)確，這些都耽誤了很多病人的健康，同時(shí)也讓醫(yī)生負(fù)荷太重。AI在這個(gè)行業(yè)是有很大的機(jī)會(huì)幫助去改善的。

還有一些其他的行業(yè)，相信在不同的地方落地AI的時(shí)候，已經(jīng)極大地改善了每個(gè)人的生活質(zhì)量跟品質(zhì)。但是AI的應(yīng)用之所以發(fā)展很快，其實(shí)離不開(kāi)的計(jì)算力的幫助是非常重要的，Nvidia在過(guò)去幾年當(dāng)中致力于二十年GPU的研發(fā)。在二十年當(dāng)中，每隔十年如果去看一下計(jì)算速度的話，大概可以看到十年之內(nèi)提升的效能是1000倍的。

我們無(wú)法想象一下一個(gè)半導(dǎo)體里面的性能，在十年當(dāng)中靠他的發(fā)展去提升一千倍的性能，但是GPU是怎么做到呢？靠半導(dǎo)體制程的提升是無(wú)法達(dá)到的。這也是杰森在很多次跟行業(yè)呼吁摩爾定律的宗旨，導(dǎo)致下一個(gè)計(jì)算機(jī)性能提升要靠很多方面的努力共同去協(xié)調(diào)計(jì)算機(jī)本身的架構(gòu)、算法和軟件。

如果看過(guò)去幾年GPU的實(shí)踐當(dāng)中，十年提升一千倍是很容易完成到下一個(gè)十年的。當(dāng)中可以看到靠什么呢？靠很多開(kāi)發(fā)者的努力。每一個(gè)行業(yè)都有不同的開(kāi)發(fā)者，汽車也不例外的。這些開(kāi)發(fā)者可以從下載Nvidia CUDA開(kāi)發(fā)工具庫(kù)可以看出來(lái)，幾乎到目前為止在全球有超過(guò)百萬(wàn)級(jí)的開(kāi)發(fā)者用我們的CUDA開(kāi)發(fā)庫(kù)去開(kāi)發(fā)并行計(jì)算，而這些算法可以應(yīng)用在不同的AI當(dāng)中。

最近發(fā)布了新的圖靈架構(gòu)的GPU，可以讓我們?cè)贏I應(yīng)用的速度又有極大的提升。TURING是在8月底在全球發(fā)布的一個(gè)新的GPU。這個(gè)架構(gòu)當(dāng)中，在一顆GPU當(dāng)中集成了三種處理器，當(dāng)然包括圖形處理器，也增加了兩個(gè)新的CORE，一個(gè)叫RT CORE，一個(gè)是Testing CROE，專門(mén)做AI的influence，今天GPU的架構(gòu)從傳統(tǒng)的圖形芯片變成是一個(gè)大的SOC了。

當(dāng)然要把SOC做的很好的話，要在不同的行業(yè)當(dāng)中增加進(jìn)去相應(yīng)的開(kāi)發(fā)工具庫(kù)。其中Machine Learning是我們最近剛剛發(fā)布的，讓它能夠在Machine Learning的基礎(chǔ)上去極大的加速全球幾乎所有的Machine Learning的各種不同的算法跟應(yīng)用。

如果說(shuō)我們?cè)偃タ丛谄渌臄?shù)據(jù)中心的應(yīng)用，幾乎數(shù)據(jù)中心把前面80%的應(yīng)用當(dāng)中，對(duì)于計(jì)算力要求非常高的應(yīng)用用GPU去實(shí)現(xiàn)。我們也很高興地看見(jiàn)，幾乎在所有的數(shù)據(jù)中心當(dāng)中，前期的投入都有一個(gè)很好的回報(bào)。如果看今天用一個(gè)GPU的體系結(jié)構(gòu)設(shè)計(jì)的話，可以發(fā)現(xiàn)一個(gè)傳統(tǒng)數(shù)據(jù)中心很多的機(jī)柜就可以用一臺(tái)GPU幫助去實(shí)現(xiàn)了。

這樣的工作不光是省了空間，其實(shí)是極大的提高了計(jì)算速度跟效率，當(dāng)然對(duì)客戶更加省錢(qián)了。所有的應(yīng)用當(dāng)中，在AI的實(shí)施當(dāng)中成本是一個(gè)很重要的環(huán)節(jié)，也是制約了很多公司在AI投入當(dāng)中最大的瓶頸。我們?nèi)ソ鉀Q這個(gè)問(wèn)題，就要去看看怎么把這些所有的應(yīng)用盡量多地讓GPU更好地去加速。因?yàn)镚PU獨(dú)特的結(jié)構(gòu)跟架構(gòu)，使得能夠在AI應(yīng)用當(dāng)中在很多的環(huán)節(jié)幫助我們?nèi)?shí)施落實(shí)AI的具體部署在每一個(gè)智能設(shè)備上面。

如果我們?nèi)タ醋詣?dòng)駕駛，在自動(dòng)駕駛環(huán)節(jié)當(dāng)中，其實(shí)今天你看到的不只是一部汽車，汽車本身如果拓展開(kāi)一點(diǎn)，實(shí)際上是一個(gè)機(jī)器人了。如果我們看每一個(gè)自動(dòng)化的設(shè)備或者是一個(gè)機(jī)器，或者是物體的話，你可以想象一下汽車自動(dòng)駕駛的技術(shù)可以延伸在哪里呢？可以在購(gòu)物小車，可以是送貨車，可以是一個(gè)卡車，可以是一個(gè)港口的集裝箱的交貨車，甚至是醫(yī)院里面維護(hù)病人的救護(hù)車。如果我們?nèi)タ纯床煌膽?yīng)用當(dāng)中，其實(shí)他們的規(guī)律是一樣的，就像我們?cè)绯坑泻芏鄬＜医榻B的汽車自動(dòng)駕駛的解決方案是一樣，無(wú)非是不同的傳感器用不同的算法去做出不同的決定。

但是在過(guò)去的大概有幾年的研究當(dāng)中，我們發(fā)現(xiàn)其實(shí)真正讓汽車自動(dòng)駕駛能夠落地的話是有三個(gè)很大的挑戰(zhàn)，是我們每一個(gè)從業(yè)者都必須要面對(duì)的。

第一，我們知道參與交通的物體非常多，在每一個(gè)不同的場(chǎng)景都會(huì)發(fā)生不同的事情。那對(duì)于每一個(gè)ODD怎么去應(yīng)付，你有什么樣的算法、方法去解決？首先要有一個(gè)非常強(qiáng)大的感知能力，你能夠感知到每一個(gè)ODD的場(chǎng)景。當(dāng)參與的交通數(shù)量或者參與者越來(lái)越多的時(shí)候，你的計(jì)算力夠不夠？能不能準(zhǔn)確或者能不能及時(shí)地去看到這些物體、判斷這些物體的行為、規(guī)律、軌跡，甚至是預(yù)測(cè)下一個(gè)所在的位置，這樣確保你能夠安全地去駕駛自己的汽車。最大的一個(gè)困難，或者我們可以看到今天很多企業(yè)不能夠達(dá)到想指定的駕駛級(jí)別的自動(dòng)駕駛的場(chǎng)景，大部分都卡在這兒。

第二，研發(fā)自動(dòng)駕駛其實(shí)成本是很高的，很多公司雇了幾千人，可能很多年一直沒(méi)有進(jìn)步。當(dāng)然有很多企業(yè)無(wú)法去承擔(dān)這樣的消費(fèi)成本。對(duì)于自動(dòng)駕駛當(dāng)中，如果我們?nèi)タ紤]研發(fā)費(fèi)用的話，軟件研發(fā)費(fèi)用是非常昂貴的，可能是幾千個(gè)工程師、幾年的工作。對(duì)于一般小的汽車企業(yè)基本上是不可能的。除了人工之外，我們?cè)偃タ纯捶旁谄嚿洗蟛糠质怯眯履茉雌嚕绻切履茉雌嚤旧淼碾姵毓木头浅＞o張，如果再用很大的功耗把電池的功耗拿走，那續(xù)航里程就變得更加短。所以怎么樣用一個(gè)最小的功耗能量去達(dá)到最大的軟件效率，這是一個(gè)非常大的挑戰(zhàn)。

第三，我們都知道自動(dòng)駕駛跟一般傳統(tǒng)車不一樣的地方，傳統(tǒng)車有自己的車上路的規(guī)定，有各種不同的測(cè)試，有各種不同的標(biāo)準(zhǔn)。但是一個(gè)自動(dòng)駕駛的車到路上的時(shí)候，你怎么能夠確定你行駛多少的英里，并且確保安全呢。而且你行駛的場(chǎng)景是不是都測(cè)試過(guò)呢？所以在驗(yàn)證跟模擬仿真當(dāng)中，這個(gè)環(huán)節(jié)更加重要，對(duì)于自動(dòng)駕駛來(lái)講沒(méi)有很好的一套系統(tǒng)是無(wú)法去保證自動(dòng)駕駛的解決方案能夠真正落地上路的。

我相信所有企業(yè)都要解決這三個(gè)困難，Nvidia希望通過(guò)我們的努力在這三個(gè)方面給大家提供一個(gè)解決方案。我希望第一個(gè)是強(qiáng)調(diào)或者保障汽車有更好的感知能力，那計(jì)算力肯定是必不可少的，這是為什么要發(fā)布XAVIER，XAVIER是一個(gè)SOC，如果想達(dá)到L5的話XAVIER是還不夠，還需要XAVIER Plus，需要兩個(gè)獨(dú)立的GPU包括我們大家，這樣才有足夠快的時(shí)間去響應(yīng)每一個(gè)場(chǎng)景的需要。

XAVIER本身已經(jīng)是速度很快了，但是并不是用來(lái)做培訓(xùn)。你要建立自己的模型。我們?cè)谔峁┯?xùn)練到中間提供端到端的解決方案，希望在云端、數(shù)據(jù)中心端能夠提供完整的設(shè)備，讓我們每一個(gè)企業(yè)、每一個(gè)自動(dòng)駕駛的生態(tài)系統(tǒng)合作伙伴都有可能搭建自己的系統(tǒng)，建立自己的神經(jīng)網(wǎng)絡(luò)，建立自己的模型，去采集自己的數(shù)據(jù)和訓(xùn)練自己各種不同研發(fā)的需要。

當(dāng)然在客戶端的話，我們有XAVIER可以從L2一直到L5，一直都可以去用一個(gè)架構(gòu)去適配不同場(chǎng)景的需要。中間對(duì)于軟件來(lái)講，我們提供全方位的從底層的操作系統(tǒng)到最高層的各種不同的應(yīng)用，甚至是車內(nèi)的駕駛員監(jiān)控、車內(nèi)的AI應(yīng)用，都可以DriveIX去實(shí)現(xiàn)的。

我們簡(jiǎn)單看一下，這個(gè)Architecture是從底層的DriveOX開(kāi)始，讓它本身集成了各種不同的應(yīng)用，在底層的操作系統(tǒng)層面提供技術(shù)支持給到客戶。在中層的SDK去連接不同的算法、傳感器，去支持不同的加速，或者通過(guò)Machine Learning的方法去解決一些常用的很快速解決的OPEN CV的算法。在底層我們提供DRIVE AV整個(gè)（18：37英），包括你的感知、定位跟決策。

我想給大家看一個(gè)很簡(jiǎn)單的DEMO，看一看我們?cè)谡麄€(gè)開(kāi)發(fā)工具上給每一個(gè)開(kāi)發(fā)者提供的演示工具，你購(gòu)買(mǎi)Nvidia DRIVE開(kāi)發(fā)者版本，你就可以同時(shí)在開(kāi)發(fā)者網(wǎng)站上面下載到開(kāi)發(fā)者各種不同的開(kāi)發(fā)工具，有SDK和各種不同的演示程序，甚至是簡(jiǎn)單的源代碼幫助客戶去開(kāi)發(fā)自己的DRIVE CAR。每一個(gè)DRIVA AV的模塊，在網(wǎng)站、DEVELOPER庫(kù)里面都會(huì)提供給我們的DEVELOPER。我相信，如果客戶喜歡自己的軟件，完全可以用自己的軟件Peplace自己的模塊。如果覺(jué)得自己的開(kāi)發(fā)時(shí)間有限，你完全可以采用Nvidia的解決方案幫助你實(shí)現(xiàn)自動(dòng)駕駛解決方案。這個(gè)DEVELOPER的版本，現(xiàn)在已經(jīng)有了，你可以直接在網(wǎng)站上購(gòu)買(mǎi)Nvidia DRIVE。

如果我們?nèi)タ碊RIVE能實(shí)現(xiàn)的一些工作，可以看到基本上用這一套開(kāi)發(fā)工具，每一個(gè)開(kāi)發(fā)者都有可能自己在不同的場(chǎng)景下面的自動(dòng)駕駛解決方案，這是我們一個(gè)很簡(jiǎn)單的DEMO，用DRIVE、DEVELOPER去實(shí)施的，在汽車車頂用六個(gè)攝像頭做Srround看到的場(chǎng)景，可以幫助識(shí)別在車周邊當(dāng)中各個(gè)不同的物體，跟汽車和車道線，以及其他的交通標(biāo)志等等。

我們都知道你要想做好這件事情，其實(shí)我們自己也去嘗試了，Nvidia在辦公室周圍大概有一片高速公路，大概是連通四條高速公路，我們選擇了一條80邁的高速公路，讓這個(gè)車不需要人的干預(yù)，讓它自己從高速公路的起點(diǎn)到終點(diǎn)走完80邁。

這是一個(gè)簡(jiǎn)單的視頻，其實(shí)在所有高速公路上的自動(dòng)駕駛比較難的地方是在Watch in 和out，其實(shí)是最危險(xiǎn)的時(shí)候。現(xiàn)在可以看到是很順暢的，當(dāng)有車進(jìn)出的時(shí)候是很安全，但是又不是很猶豫地去執(zhí)行任務(wù)。這些工作量其實(shí)跟計(jì)算能力、跟算法的優(yōu)化是有很大的關(guān)系。我們從總體上把算法都優(yōu)化好，基本上能夠在80邁當(dāng)中沒(méi)有觸控方向盤(pán)，就可以順利走完路程。

其實(shí)很多開(kāi)發(fā)者自己也可以去做，但是做完這些東西最重要的是你能不能保證去上路，模擬是一個(gè)很重要的難題。我們?cè)谧瞿M的過(guò)程當(dāng)中，最重要的工作是把以前傳統(tǒng)的Graph很多工作應(yīng)用進(jìn)來(lái)，無(wú)論是AR、VR等等很容易跟今天的環(huán)境建立一個(gè)DRIVE模擬的環(huán)境，Nvidia DRIVE模擬在整體上從端到端的全模擬過(guò)程。你可以看到根據(jù)你的高精地圖可以自動(dòng)產(chǎn)生和模擬出周邊的環(huán)境，這些環(huán)境是一個(gè)虛擬的環(huán)境。在一個(gè)虛擬的環(huán)境當(dāng)中可以模擬不同的場(chǎng)景，將不同的場(chǎng)景和不同的USER CASE去測(cè)試汽車駕駛的準(zhǔn)確度。

比如說(shuō)像在做自動(dòng)駕駛的過(guò)程當(dāng)中，可以根據(jù)天氣的情況去模擬不同的時(shí)間點(diǎn)，早晨或者是晚上有沒(méi)有陽(yáng)光，或者是其他各種不同的天氣跟其他車的參與狀況，都可以讓它在系統(tǒng)里去實(shí)施。如果數(shù)據(jù)越完整的話，可以拿到各種不同的數(shù)據(jù)去模擬不同的路況。當(dāng)然在中國(guó)我們會(huì)跟所有高清地圖的合作伙伴，包括與騰訊地圖一起合作，讓我們所有的地上、地面的各種狀況，都可以在系統(tǒng)當(dāng)中去做仿真和模擬。

一個(gè)真實(shí)的車去開(kāi)幾億的里程是很難的，但是在模擬，就可以讓它24小時(shí)不停地去模擬和行駛很多的路程，只有這樣才可以確保自動(dòng)駕駛汽車系統(tǒng)的安全性。

當(dāng)然要去完成這些，一個(gè)人是不夠的，我們所有的合作伙伴可能又會(huì)加入在一起，大家一起共同把這個(gè)生態(tài)系統(tǒng)搭建起來(lái)。Nvidia在合作的合作伙伴中，不光只是OEM車廠，實(shí)際合作的合作伙伴是整個(gè)生態(tài)系統(tǒng)，其中包括傳感器、Tier 1、軟件、HDM，包括出行公司、OEM公司，也包括很多在中國(guó)本土的一些更多的初創(chuàng)公司。

Tier 1除了全球的Tier 1之外，在中國(guó)也有Tier 1的公司，在蘇州已經(jīng)發(fā)布了在中國(guó)的第一個(gè)Tier 1的合作伙伴，叫德賽西威，是在中國(guó)第一個(gè)本土合作伙伴，在全球的合作伙伴包括全球所有的大的Tier 1都是合作伙伴。

在國(guó)內(nèi)的話，我們也希望不光是乘用車，包括卡車、其他商用車都能夠成為合作伙伴，一起把自動(dòng)駕駛在中國(guó)迅速落地。我們也希望能夠跟在中國(guó)各個(gè)地方的政府，以及工信部合作，一起把在整個(gè)自動(dòng)駕駛行業(yè)當(dāng)中的從生產(chǎn)、設(shè)計(jì)到模擬，整個(gè)過(guò)程當(dāng)中都希望能夠貢獻(xiàn)出力量，也希望早日實(shí)現(xiàn)自動(dòng)駕駛在中國(guó)的落地，謝謝大家！