NVIDIA发布行业白皮书：超大算力赋能自动驾驶
电观近日，NVIDIA携手IDC发布《现实+仿真，超大算力赋能自动驾驶》白皮书。
在这份报告中，NVIDIA和IDC一同对自动驾驶未来发展前景进行规划，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。
据NVIDIA和IDC预计，随着乘用车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%。
而在乘用车领域之外，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。
01
仿真测试与模型训练对自动驾驶至关重要
利用人工智能手段训练自动驾驶系统，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。
在发布会，来自IDC的研究经理王博对自动驾驶方案进行了分享，他在分享中提到：
对于自动驾驶解决方案，所涉及的主要有两点，一块是数据，一块是训练。在数据这块，包括对实车数据的采集，对数据的筛选和标注，得到的结果会被用于自动驾驶算法训练。
因为实车的场景难以对长尾场景形成一个完整的覆盖，我们需要大数据去用到算法的测试当中，最终形成一个自动驾驶解决方案开发的闭环。
科技公司最大的优势是在数据标注、算法训练、仿真场景等一套完整的解决方案，它面临的压力在于资金方面，因为自动驾驶开发周期非常长，对科技公司资金链形成比较大的压力，因此形成巨大的动力和车企以及一线供应商去实现合作。它所面临的很大障碍是在于把自己技术的话语体系跟传统车企实现整合。
数据积累之外，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。
在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。
02
专业技术助力车企自动驾驶研发
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。
在NVIDIA和IDC联合发布的《自动驾驶白皮书》中指出，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。
来自NVIDIA的汽车数据中心业务总监陈晔，分享了他对于数据中心的解决方案的看法，他认为自动驾驶开发的挑战，主要有三大方面的挑战；
第一，数据，没有足够的数据。
第二，算力。
第三，仿真。
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。
03
NVIDIA全栈AI方案加速自动驾驶产品落地
《自动驾驶白皮书》中指出，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。
