NVIDIA（英偉達）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NVIDIA DRIVE、并宣布與滴滴達成合作，以及遷移學習、聯(lián)邦學習等方面的進展等等。

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目前的進展：在遵守紅綠燈交通規(guī)則、支持變道、進出匝道、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)在看來這個目標還遙遙無期。不過技術仍在向前推進，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。

英偉達在汽車領域深耕已有超過十年的時間。在英偉達看來，AI技術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)。海量的信息需要進行處理、標記、存儲、訓練，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，真正把這些技術應用在實際道路之前，需要首先進行驗證，判斷系統(tǒng)是不是真的能效。這需要大量的訓練和開發(fā)工作，這也是為什么英偉達推出了很多的開發(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NVIDIA DRIVE

“AI對于安全的自動駕駛汽車開發(fā)來說至關重要，它能夠讓車輛感知周圍環(huán)境并做出實時反應，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)絡組成的，它們可以處理冗余和不同任務，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)絡的復雜度在增加，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，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。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，并提供學習工具，能夠使他們根據(jù)不同的數(shù)據(jù)集對這些網(wǎng)絡進行優(yōu)化?！?/p>

英偉達向自動駕駛汽車開發(fā)者開源的內(nèi)容包括：預訓練AI模型和訓練代碼。這些預訓練的模型都是基于英偉達自己的IP所研發(fā)，用高質(zhì)量數(shù)據(jù)訓練了上千小時生成。通過NVIDIA AI工具，開發(fā)者們可以自由擴展和自定義模型，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架構和Arm Hercules CPU內(nèi)核以及全新深度學習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用和深度神經(jīng)網(wǎng)絡，并且達到了ISO 26262ASIL-D等系統(tǒng)安全標準。

（ORIN芯片）

據(jù)英偉達汽車事業(yè)部高級總監(jiān)Danny Shapiro介紹，Orin SoC是英偉達研發(fā)多年、投入數(shù)十億美元的一款芯片，代表了英偉達下一代汽車和機器人SoC技術。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)的兼容架構平臺，助力OEM開發(fā)大型復雜的軟件產(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。

遷移學習、聯(lián)邦學習可加速訓練、保護數(shù)據(jù)隱私

遷移學習、聯(lián)邦學習正在被英偉達用于自動駕駛領域，通過這些加速訓練能夠幫助整個行業(yè)進一步加快研發(fā)，并突破“數(shù)據(jù)”這一關鍵瓶頸。

對于預訓練的模型，英偉達提供遷移學習工具，客戶可以將自己的數(shù)據(jù)放到這些模型中，進一步進行優(yōu)化,預訓練的模型可以進行適當調(diào)整，以適應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)進程。

聯(lián)邦學習則可供多個組織和公司在不移動或共享數(shù)據(jù)的情況下進行合作。一直以來，數(shù)據(jù)隱私是瓶頸問題，而聯(lián)邦學習可允許數(shù)據(jù)網(wǎng)絡中的各個節(jié)點只負責訓練其自身的本地模型，并定期提交給參數(shù)服務器。該服務器不斷累積并聚合各自的貢獻，進而創(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)邦學習，就可以用各地的數(shù)據(jù)來共同訓練一個全球模型，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)邦學習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。

與滴滴達成合作

在客戶合作方面，黃仁勛宣布和滴滴出行達成合作。滴滴將使用NVIDIA GPU和其他技術開發(fā)自動駕駛和云計算解決方案，在數(shù)據(jù)中心使用NVIDIA GPU訓練機器學習算法，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)絡融合來自各類傳感器（攝像頭、激光雷達、雷達等）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？

英偉達汽車事業(yè)部高級總監(jiān)Danny Shapiro表示，“物體識別”是一個關鍵領域，下一個階段就是預測，例如：預測其它車輛和物體，然后做出相應的反應。現(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。英偉達和合作伙伴正在非常謹慎地、不斷地向前推進，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，自動駕駛實驗目前在一些受限環(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。