日前，英偉達聯(lián)合IDC（國際數(shù)據(jù)中心），共同發(fā)布了《現(xiàn)實+仿真，超大算力賦能自動駕駛》白皮書。探討了目前自動駕駛的發(fā)展情況以及車企在自動駕駛開發(fā)過程中的需求和挑戰(zhàn)。

此處，我們將要點提煉如下：

1，乘用車市場自動駕駛水平不斷提升，普及度增加，今年一季度L2級自動駕駛在乘用車市場的新車滲透率已達23.2%。

2，自動駕駛帶動汽車行業(yè)向智能化躍遷，車企與科技公司合作促進乘用車自動駕駛水平提升。

3，自動駕駛系統(tǒng)訓練需要超大算力，AI超算中心可提供算力支持。

高級別自動駕駛落地的困難讓今年的自動駕駛行業(yè)趨于冷靜。商業(yè)化難以實現(xiàn)，撤資、關停，明星公司也可以突然隕落。從外界看來，行業(yè)似乎充滿了不確定性。

但另一方面，從業(yè)者卻正以最大的耐心一步一步緩慢向終點靠近。

技術方面，目前的自動駕駛已經(jīng)解決了99%的問題，而剩下的1%卻需要付出更多的工作。

這似乎已成為共識。終點好像就在眼前，卻又遙遙無期。

Cornercase，成為自動駕駛落地不得不跨越的下半場路障。

如何翻越？真實數(shù)據(jù)和仿真測試是訓練自動駕駛進一步優(yōu)化必要的兩個路徑。而兩者，都需要超大算力的支持。

除了介紹自動駕駛市場的現(xiàn)狀及對乘用車市場的推動作用，白皮書也介紹了AI超算中心的構建以及英偉達助力企業(yè)建立超算中心的平臺。

其中，不久前被美國禁止在中國和俄羅斯銷售的英偉達A100和H100芯片即為用于超算中心的大算力GPU。

以下，我們來看具體白皮書內(nèi)容。

01.自動駕駛發(fā)展現(xiàn)狀

首先來看自動駕駛目前的發(fā)展情況。

報告指出，在乘用車領域，目前自動駕駛技術整體發(fā)展良好，處于從L2到L3發(fā)展的階段。

根據(jù)IDC《中國自動駕駛汽車市場數(shù)據(jù)追蹤報告》數(shù)據(jù)，今年一季度L2級自動駕駛在乘用車市場的新車滲透率已達23.2%，而去年同期僅為7.5%。

其中，主流量產(chǎn)合資品牌的L2級自動駕駛已下探至人民幣18萬級別的車型，部分品牌已下探至10萬出頭。

報告指出，傳統(tǒng)自主品牌在電動化與網(wǎng)聯(lián)化兩大領域均走在市場前列，并與互聯(lián)網(wǎng)大廠、AI科技公司在自動駕駛領域開展了大量合作。

而造車新勢力則已開始提供如“導航駕駛輔助”之類實現(xiàn)起來更加復雜的駕駛輔助功能。并在上市車型中安裝支持更高級別自動駕駛的配套硬件，以便在政策放開后，可隨時通過OTA在線實現(xiàn)自動駕駛功能的升級。

此外，根據(jù)報告，從L3級開始要求汽車在一定條件下持續(xù)執(zhí)行全部的自動駕駛任務，車輛既需要統(tǒng)籌各傳感器收集到的信號，又需要其對駕駛輔助相關的所有功能實現(xiàn)統(tǒng)一調(diào)配，由自動駕駛域的主控芯片統(tǒng)一向車輛的線控系統(tǒng)發(fā)出指令。車輛電子電氣架構向域集中式發(fā)展也是自動駕駛發(fā)展下必然的趨勢。

而在乘用車以外領域，Robotaxi仍處于商業(yè)試運行階段，在礦區(qū)、港口、物流園區(qū)等封閉場景則已基本實現(xiàn)落地，而商用車領域則已可用輔助駕駛覆蓋高速環(huán)境，實現(xiàn)半封閉場景下的自動駕駛。

對于汽車產(chǎn)業(yè)而言，自動駕駛是行業(yè)智能化轉型的核心。尤其在乘用車領域，在電動化轉型漸趨成熟后，智能化，尤其是智能駕駛方面的發(fā)展成為車企突圍的主要方向。但開發(fā)新的技術并不容易。

根據(jù)IDC數(shù)據(jù)，有40%企業(yè)認為科技企業(yè)的入局讓競爭越加緊迫；技術更新迭代速度快，缺乏成熟的解決方案，導致新產(chǎn)品決策難；以及新老產(chǎn)品難以平衡，內(nèi)部資源分配難。

另一方面，對于自動駕駛公司而言，由于自動駕駛研發(fā)需要投入大量資金，而L4級別自動駕駛商業(yè)化困難，對以發(fā)展自動駕駛為主要業(yè)務的科技公司來說，維持資金鏈穩(wěn)定成為巨大的挑戰(zhàn)。

超過半數(shù)的科技公司認為研發(fā)投入金額大，周期長，資金鏈壓力大。同時，對科技公司來說，汽車行業(yè)知識積累不足，與主機廠溝通效率不高。

雖然存在困難，但對雙方而言，合作是順其自然的結果。今年以來，已經(jīng)有多家L4級別自動駕駛科技公司宣布為主機廠開發(fā)L2、L3級別輔助駕駛系統(tǒng)，包括輕舟智航、文遠知行、智行者等，其中部分已完成系統(tǒng)的開發(fā)，即將在主機廠部分車型實現(xiàn)落地。

自動駕駛系統(tǒng)的前期開發(fā)依賴大量道路環(huán)境數(shù)據(jù)的輸入，形成貫穿感知、決策、規(guī)劃、控制多環(huán)節(jié)的算法。而后依然需要持續(xù)不斷地輸入數(shù)據(jù)，繼續(xù)對算法的訓練與驗證，從而實現(xiàn)迭代。

主機廠與科技公司的合作，一方面解決了雙方當下的需求，同時，也可為自動駕駛的發(fā)展積累實際道路數(shù)據(jù)，推動自動駕駛的落地。

02.自動駕駛系統(tǒng)的訓練涉及超大量運算

白皮書指出，利用人工智能手段訓練自動駕駛系統(tǒng)，首先需要車輛像人類駕駛員一樣快速準確地識別車道、行人、障礙物等駕駛環(huán)境中的關鍵信息。通過在海量數(shù)據(jù)基礎上不斷的重復訓練與驗證，使車輛對道路環(huán)境的認知水平逐漸趨近于真實情景，判斷的準確性在這一過程中不斷提升。

自動駕駛需要機器對環(huán)境的判斷具備相當高的準確度，所以前期需要輸入大量的場景數(shù)據(jù)。

此外，自動駕駛系統(tǒng)還需要像人類駕駛員一樣對環(huán)境信息做出回應。這需要機器對同一道路環(huán)境中其它交通參與者的運動軌跡做出預判，從而規(guī)劃合理的行進路線，并及時調(diào)整車輛的行進狀態(tài)。這同樣需要大量的訓練對系統(tǒng)的預測軌跡進行矯正。

同時，人工智能對人類駕駛員行為的學習是一個持續(xù)不斷的過程，量產(chǎn)車在上市后會回流海量的數(shù)據(jù)，用于自動駕駛算法模型的優(yōu)化。因而訓練的規(guī)模會隨市場中車型存量的上升而不斷擴大。

另一方面，由于真實路測信息無法涵蓋足夠豐富的長尾場景，而且，真實路況下無法實踐部分具有危險性的場景，因此，在自動駕駛系統(tǒng)開發(fā)前期利用虛擬仿真技術開展仿真測試是更好的選擇。

即，將真實世界中的物理場景通過數(shù)學建模進行數(shù)字化還原，在軟件程序所建構的虛擬環(huán)境中測試自動駕駛系統(tǒng)。

而且，仿真測試中通過運行虛擬程序產(chǎn)生數(shù)據(jù)，不僅測試速度遠高于物理世界中行駛的車輛，還允許開發(fā)團隊在組裝成本高昂的樣車之前即開始測試并驗證系統(tǒng)算法。可最大限度提升實車測試的效率。

在仿真測試方面，英偉達基于Omniverse構建了自動駕駛汽車模擬器DRIVE Sim，可大規(guī)模地進行物理精準的傳感器仿真。開發(fā)人員可以在工作站上運行可重復的仿真，然后在數(shù)據(jù)中心或云端擴展為批量模式。

DRIVE Sim上包括DRIVE Replicator等多個應用。DRIVE Replicator主要提供一系列專注于合成數(shù)據(jù)生成的功能，用于自動駕駛汽車的訓練和算法驗證。DRIVE Sim和DRIVE Constellation還支持各個級別的自動駕駛全棧仿真，包括軟件在環(huán)、硬件在環(huán)和其他在環(huán)仿真測試（模型、植物、人類，以及更多）。

仿真測試需要場景庫基于數(shù)據(jù)中心大規(guī)模重建或回放現(xiàn)實場景，并以平臺內(nèi)部資產(chǎn)的泛化縮小仿真與真實數(shù)采之間的差距，以修正虛擬環(huán)境中的結果和反饋，從而保證對虛擬世界的構建與現(xiàn)實世界實時互通，因而也需要大算力的支持。

03.AI超算中心

對算法能力強的公司來說，自建數(shù)據(jù)中心是順其自然的選擇。一方面可解決安全問題，自有數(shù)據(jù)中心良好的封閉性可最大程度降低數(shù)據(jù)資產(chǎn)外溢的風險。同時，長期來看也是成本更低的選擇。

IDC的調(diào)研也顯示，自動駕駛行業(yè)的開發(fā)團隊對這一領域的投資將在未來穩(wěn)定增長。

數(shù)據(jù)中心可為訓練自動駕駛系統(tǒng)提供巨大的算力，為支撐人工智能計算提供了重要的硬件基礎設施，其底層硬件技術路徑包括GPU、ASIC、FPGA和NPU。

其中，ASIC為專用芯片，針對專門的用途而設計。FPGA屬于半定制芯片，可通過編程重組電路，在研發(fā)與使用兩個階段均可以彌補定制電路靈活性方面的不足。NPU則是專門針對AI和深度學習所設計的芯片。工作原理是在電路層模擬人類神經(jīng)元和突觸，通過存儲和計算的一體化提高運行效率。

英偉達可以提供適用于自動駕駛汽車的基礎架構，包括開發(fā)自動駕駛技術所需的數(shù)據(jù)中心全套硬件、軟件和工作流參考架構，涵蓋從原始數(shù)據(jù)采集到驗證的每個環(huán)節(jié)，為神經(jīng)網(wǎng)絡開發(fā)、訓練和驗證以及仿真測試提供所需的端到端基礎模塊。

蔚來就在使用NVIDIA HGX構建綜合全面的數(shù)據(jù)中心基礎設施，并在此基礎上開發(fā)AI驅動的軟件定義汽車，包括ET7、ET5。包括8個NVIDIAA100GPU和NVIDIA ConnectX-6InfiniBand網(wǎng)卡。

此外，小鵬與阿里云合作在烏蘭察布建成了自動駕駛智算中心“扶搖”。而阿里云，同樣是A100的大客戶。

此前，英偉達A100和H100已被美國商務部禁止向中國出售。不過，11月8日，英偉達已經(jīng)宣布，將在中國推出一款新的芯片A800作為A100的替代，A800符合美國近期的出口管制規(guī)定。

此外，大陸集團也基于NVIDIA DGX AI系統(tǒng)建立了高算力集群，其超級計算機包含超過50套NVIDIA DGX系統(tǒng)，以NVIDIA Mellanox InfiniBand網(wǎng)絡連接，用于加速開發(fā)自動駕駛解決方案。同時提供接口與云端資源連接。主要應用場景包括深度學習和仿真測試。

自動駕駛的發(fā)展道路注定是漫長的，每一個細節(jié)都需要大量的修正。超大算力中心的構建無疑將為大量真實數(shù)據(jù)的采集與運算，以及仿真場景的建設提供條件。

大量訓練是解決自動駕駛CornerCase的必要路徑。建立超算中心或許也將成為后期自動駕駛發(fā)展的必經(jīng)之路。