0
| 本文作者： 黄丽婷 | 2023-01-11 14:55 |
当自动驾驶走过技术竞赛期，来到规模化落地的新节点，如何应对量产过程中的业务挑战，成为新的命题。
12月16日，NVIDIA 携手 IDC 发布《现实+仿真，超大算力赋能自动驾驶》白皮书，深入探讨车企在自动驾驶开发过程中的业务需求与挑战，以及车企和解决方案提供商应该如何合作，加速自动驾驶的开发与落地。
目前自动驾驶技术发展前景良好，整体市场处于从 L2 到 L3 发展的阶段，其中乘用车市场自动驾驶水平不断提升，L2 级自动驾驶在乘用车市场的新车渗透率在 2022 年第一季度达到了 23.2% 的水平，并将在可预见的未来持续上升，而这一比例在一年前（2021 年第一季度）仅为 7.5%。此外，自动驾驶在出租车商业化试运营的推进势头迅猛，在矿区、港口、机场等封闭的工业场景应用已经较为成熟，而商用车自动驾驶技术也在政策推动下稳步发展，逐步落地。
自动驾驶技术带动汽车行业整体向智能化发展，与此同时，也对稳定的算力和可控的测试成本提出了全新的要求。
利用人工智能手段训练自动驾驶系统，首先需要车辆像人类驾驶员一样快速准确地识别车道、行人、障碍物等驾驶环境中的关键信息。通过在海量数据基础上不断的重复训练与验证，车辆对道路环境的认知水平逐渐趋近于真实情景，判断的准确性在这一过程中不断提升。自动驾驶需要机器对环境的判断具备相当高的准确度，所以前期需要输入大量的场景数据。
此外，自动驾驶系统还需要像人类驾驶员一样对环境信息做出回应。这需要机器对同一道路环境中其它交通参与者的运动轨迹做出预判，从而规划合理的行进路线，并及时调整车辆的行进状态，这需要大量的训练对系统的预测轨迹进行矫正。
另外，自动驾驶系统开发的前期，还需要利用虚拟仿真技术开展仿真测试，将真实世界中的物理场景通过数学建模进行数字化还原，在软件程序所建构的虚拟环境中测试自动驾驶系统。这一过程同样需要巨大的算力支持。
总的来说，自动驾驶算法的训练需要在有限的时间内完成大量的运算，因而对算力形成极高的要求。高强度的算力不仅需要被用于模型的训练、更新、迭代，还需要支撑仿真测试中场景的搭建与渲染。
对大算力的高需求也通过行业调研的数据得到了印证。IDC 的定量调研结果显示，自动驾驶行业对人工智能计算中心的投资将在未来稳定增长。
自动驾驶系统开发与上市的速度将直接影响车企是否能够在此领域取得市场先机。白皮书指出，算力资源是直接影响开发速度的硬性因素，算力集群底层架构的优化能够以月为单位缩短系统的开发周期，直接决定了该品牌是否能够在新兴领域占领高地。
然而，人工智能计算中心的搭建具有较高的技术门槛，运营与维护过程也需要较高水平的经验积累，因而需要与技术成熟的解决方案供应商开展合作。
数据中心解决方案供应商软硬件技术的先进性决定了人工智能计算中心所能提供的算力水平，其解决方案的成熟度又决定了前期搭建所需的时间周期，以及算力供给过程中的稳定性。比如，硬件的选型与网络的规模将对数据中心的算力产生直接的影响，涉及 IT 领域的专业知识，企业需要具备相关的知识储备，以及驾驭跨行业合作关系的能力。此外，搭建及运营人工智能计算中心的供应商需要提供一套集成的全栈式 AI 解决方案，以保证自动驾驶系统的开发项目能以最快的速度上线，并得到持续且稳定的算力支持。
完成搭建后，人工智能计算中心的算力即可以投入到自动驾驶解决方案的开发过程中。此时行业内最常见的问题转变为软件的成熟度与可靠性，这意味着开发者需要具备行业经验的团队提供技术支持，以保证最大程度维持人工智能计算中心的稳定运行。资金与时间方面的投入在这一阶段也还依然是开发者所需面临的主要问题。此外，还有部分团队亟需解决开发工具不够高效以及底层软硬件兼容性不足的问题。
当前汽车厂商在选择供应商搭建人工智能计算中心时最主要考量因素，前三位分别是：厂商规模和长期持续供货能力（71%），是否有大量开发者基于该厂商的解决方案进行开发（50%），以及可靠性（47%）。
数据中心的建设与运营成本巨大，资金问题贯穿自动驾驶解决方案开发过程始终，是影响开发者项目决策的重要因素。其次，自动驾驶对于汽车行业而言依然属于新兴领域，抢先一步占领市场能够为品牌带来巨大的优势。而行业内搭建数据中心所花费的时间水平参差不齐，潜在可供优化的空间较大。此外，自动驾驶解决方案的开发与数据中心的运营管理属于两个不同的领域，因而对于维持算力的稳定性而言，具备开发经验的数据中心服务提供商能够发挥巨大的作用。
报告指出，为了使算力资源更加有效地支持自动驾驶系统的开发工作，业界需要全栈式 AI 解决方案，构建开放式平台。车企、传统一级供应商、自动驾驶科技公司、以及数据中心解决方案供应商应携手合作，共同推进自动驾驶技术重塑汽车市场的进程。
NVIDIA 提供适用于自动驾驶汽车的基础架构，包括开发自动驾驶技术所需的数据中心全套硬件、软件和工作流参考架构，涵盖从原始数据采集到验证的每个环节，为神经网络开发、训练和验证以及仿真测试提供所需的端到端基础模块。在本份报告中，NVIDIA 也分享了其与蔚来、大陆集团的最佳实践经验，阐述 NVIDIA 在赋能自动驾驶开发方面可提供的各项支持，为正在考虑部署自动驾驶算力中心的车企提供借鉴与思路。
雷峰网 雷峰网 雷峰网(公众号：雷峰网)
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
