NVIDIA（英偉達(dá)）創(chuàng)始人兼首席執(zhí)行官黃仁勛在GTC China上發(fā)表了2個多小時的主題演講中，自動駕駛是重點之一，發(fā)布了軟件定義的自動駕駛平臺Orin、開源自動駕駛深度神經(jīng)網(wǎng)絡(luò)NVIDIA DRIVE、并宣布與滴滴達(dá)成合作，以及遷移學(xué)習(xí)、聯(lián)邦學(xué)習(xí)等方面的進(jìn)展等等。

根據(jù)現(xiàn)場演示的一段“點到點”的自動駕駛視頻可以看到英偉達(dá)目前的進(jìn)展：在遵守紅綠燈交通規(guī)則、支持變道、進(jìn)出匝道、匯車、監(jiān)督駕駛員姿態(tài)方面都運行順暢。

五年前很多人就說：“2020年就能看到自動駕駛的車輛了?！钡F(xiàn)在看來這個目標(biāo)還遙遙無期。不過技術(shù)仍在向前推進(jìn)，業(yè)界也能更為理性地看待這個問題。

自動駕駛的挑戰(zhàn)一直存在，“安全”無疑是最重要的一點。在車輛真正上路行駛前，需要大量的模型訓(xùn)練和開發(fā)工作，讓自動駕駛車輛盡可能多去開更多的里程，才能夠保證自動駕駛車輛比人類駕駛更為安全。

英偉達(dá)在汽車領(lǐng)域深耕已有超過十年的時間。在英偉達(dá)看來，AI技術(shù)在被道路上真正使用之前，其實是發(fā)生在數(shù)據(jù)中心的，因為對于自動駕駛來說，第一步是海量數(shù)據(jù)的收集工作。車上安裝了多種多樣的傳感器，如果以每天行駛6小時-8小時計算，每周就會收集到PB級的數(shù)據(jù)。海量的信息需要進(jìn)行處理、標(biāo)記、存儲、訓(xùn)練，以便車輛能夠更好地了解周圍環(huán)境、識別其它車輛、車道信息等?；谶@些方面，英偉達(dá)與合作伙伴共同實踐，讓AI大腦能更好地了解、甚至去“駕駛”車輛。

黃仁勛提到，真正把這些技術(shù)應(yīng)用在實際道路之前，需要首先進(jìn)行驗證，判斷系統(tǒng)是不是真的能效。這需要大量的訓(xùn)練和開發(fā)工作，這也是為什么英偉達(dá)推出了很多的開發(fā)工具，只有不斷地模擬、測試、驗證，才能真正用于實際道路上。

開源自動駕駛深度神經(jīng)網(wǎng)絡(luò)NVIDIA DRIVE

“AI對于安全的自動駕駛汽車開發(fā)來說至關(guān)重要，它能夠讓車輛感知周圍環(huán)境并做出實時反應(yīng)，從而實現(xiàn)智能行駛。其核心是由數(shù)十個深度神經(jīng)網(wǎng)絡(luò)組成的，它們可以處理冗余和不同任務(wù)，以確保精確的感知、定位和路徑規(guī)劃”，黃仁勛表示，要真正實現(xiàn)自動駕駛，意味著車上需要更多的軟件，也需要更多的計算能力去跑這些軟件。

不過，深度神經(jīng)網(wǎng)絡(luò)的復(fù)雜度在增加，數(shù)量也在繼續(xù)增加。要保證整個計算過程做得極其精準(zhǔn)，避免車輛出現(xiàn)任何錯誤，開發(fā)者所面臨的挑戰(zhàn)是巨大的。

黃仁勛宣布將在NVIDIA GPU Cloud(NGC)容器注冊上，開源其NVIDIA DRIVE自動駕駛汽車開發(fā)深度神經(jīng)網(wǎng)絡(luò)。由于AI自動駕駛汽車是軟件定義的汽車，它必須基于大量數(shù)據(jù)集才能在全球范圍行駛。向自動駕駛汽車開發(fā)者開源深度神經(jīng)網(wǎng)絡(luò)，并提供學(xué)習(xí)工具，能夠使他們根據(jù)不同的數(shù)據(jù)集對這些網(wǎng)絡(luò)進(jìn)行優(yōu)化?！?/p>

英偉達(dá)向自動駕駛汽車開發(fā)者開源的內(nèi)容包括：預(yù)訓(xùn)練AI模型和訓(xùn)練代碼。這些預(yù)訓(xùn)練的模型都是基于英偉達(dá)自己的IP所研發(fā)，用高質(zhì)量數(shù)據(jù)訓(xùn)練了上千小時生成。通過NVIDIA AI工具，開發(fā)者們可以自由擴(kuò)展和自定義模型，從而提高其自動駕駛系統(tǒng)的穩(wěn)健性與能力。這些工具能夠讓英偉達(dá)的汽車客戶去針對車型來定制自己的軟件，這是之前做不到的。

革命性的自動駕駛平臺Orin

黃仁勛還宣布了可用于自動駕駛和機器人的高度先進(jìn)的軟件定義平臺——NVIDIA DRIVE AGX Orin，它內(nèi)置了全新的Orin系統(tǒng)級芯片，由170億個晶體管組成，集成了NVIDIA新一代GPU架構(gòu)和Arm Hercules CPU內(nèi)核以及全新深度學(xué)習(xí)和計算機視覺加速器，每秒可運行200萬億次計算，幾乎是上一代Xavier系統(tǒng)級芯片性能的7倍。Orin可處理在自動駕駛汽車和機器人中同時運行的大量應(yīng)用和深度神經(jīng)網(wǎng)絡(luò)，并且達(dá)到了ISO 26262ASIL-D等系統(tǒng)安全標(biāo)準(zhǔn)。

（ORIN芯片）

據(jù)英偉達(dá)汽車事業(yè)部高級總監(jiān)Danny Shapiro介紹，Orin SoC是英偉達(dá)研發(fā)多年、投入數(shù)十億美元的一款芯片，代表了英偉達(dá)下一代汽車和機器人SoC技術(shù)。作為一個軟件定義平臺，DRIVE AGX Orin能夠賦力從L2級到L5級完全自動駕駛汽車開發(fā)的兼容架構(gòu)平臺，助力OEM開發(fā)大型復(fù)雜的軟件產(chǎn)品系列。

值得一提的是，Orin和Xavier均可通過開放的CUDA、TensorRT API及各類庫進(jìn)行編程，因此開發(fā)者能夠在一次性投入后使用跨多代的產(chǎn)品。

遷移學(xué)習(xí)、聯(lián)邦學(xué)習(xí)可加速訓(xùn)練、保護(hù)數(shù)據(jù)隱私

遷移學(xué)習(xí)、聯(lián)邦學(xué)習(xí)正在被英偉達(dá)用于自動駕駛領(lǐng)域，通過這些加速訓(xùn)練能夠幫助整個行業(yè)進(jìn)一步加快研發(fā)，并突破“數(shù)據(jù)”這一關(guān)鍵瓶頸。

對于預(yù)訓(xùn)練的模型，英偉達(dá)提供遷移學(xué)習(xí)工具，客戶可以將自己的數(shù)據(jù)放到這些模型中，進(jìn)一步進(jìn)行優(yōu)化,預(yù)訓(xùn)練的模型可以進(jìn)行適當(dāng)調(diào)整，以適應(yīng)OEM特定的汽車、傳感器和具體地區(qū)要求，加速汽車公司的研發(fā)進(jìn)程。

聯(lián)邦學(xué)習(xí)則可供多個組織和公司在不移動或共享數(shù)據(jù)的情況下進(jìn)行合作。一直以來，數(shù)據(jù)隱私是瓶頸問題，而聯(lián)邦學(xué)習(xí)可允許數(shù)據(jù)網(wǎng)絡(luò)中的各個節(jié)點只負(fù)責(zé)訓(xùn)練其自身的本地模型，并定期提交給參數(shù)服務(wù)器。該服務(wù)器不斷累積并聚合各自的貢獻(xiàn)，進(jìn)而創(chuàng)建一個全局模型，再分享給各個節(jié)點。其突破性在于實現(xiàn)了模型的流動，數(shù)據(jù)始終保存在本地，大大消除了數(shù)據(jù)隱私的顧慮。

特別是汽車行業(yè)跨國公司很多，在進(jìn)行跨國的數(shù)據(jù)傳輸方面其實有很多限制。通過聯(lián)邦學(xué)習(xí)，就可以用各地的數(shù)據(jù)來共同訓(xùn)練一個全球模型，這可以讓更多的合作伙伴使用，對于合作的項目、公司，或公司內(nèi)的其它部門，都能夠從中獲益。

可以說聯(lián)邦學(xué)習(xí)是一個革命性的解決方案，不僅僅是汽車行業(yè)，所有有“數(shù)據(jù)隱私”需求的行業(yè)都可以采用它。

與滴滴達(dá)成合作

在客戶合作方面，黃仁勛宣布和滴滴出行達(dá)成合作。滴滴將使用NVIDIA GPU和其他技術(shù)開發(fā)自動駕駛和云計算解決方案，在數(shù)據(jù)中心使用NVIDIA GPU訓(xùn)練機器學(xué)習(xí)算法，并采用NVIDIA DRIVE為其L4級自動駕駛汽車提供推理能力。

作為滴滴自動駕駛AI處理的一部分，NVIDIA DRIVE借助多個深度神經(jīng)網(wǎng)絡(luò)融合來自各類傳感器（攝像頭、激光雷達(dá)、雷達(dá)等）的數(shù)據(jù)，從而實現(xiàn)對汽車周圍環(huán)境360度全方位的理解，并規(guī)劃出安全的行駛路徑。

自動駕駛何時到來？

英偉達(dá)汽車事業(yè)部高級總監(jiān)Danny Shapiro表示，“物體識別”是一個關(guān)鍵領(lǐng)域，下一個階段就是預(yù)測，例如：預(yù)測其它車輛和物體，然后做出相應(yīng)的反應(yīng)?，F(xiàn)在全世界范圍內(nèi)有很多自動駕駛的試點，包括：中國、德國、美國、日本。英偉達(dá)和合作伙伴正在非常謹(jǐn)慎地、不斷地向前推進(jìn)，以保證最高級別的安全性。

真正的自動駕駛何時實現(xiàn)？Danny Shapiro的看法是，自動駕駛實驗?zāi)壳霸谝恍┦芟蕲h(huán)境已經(jīng)開展很多了，例如在港口、機場、礦場、建筑工地、農(nóng)業(yè)，以及固定路線的巴士，或是在其他規(guī)定區(qū)域內(nèi)行駛的車輛。這些場景相對封閉、路線固定、目標(biāo)物體較少。而自動駕駛真正在開放路面使用，還有一段路要走。