在近日舉行的聯想創新科技大會（Lenovo Tech World 2022）上，NVIDIA 中國區軟體解決方案總監卓睿與多位業内專家就未來汽車技術和産品的發展趨勢展開了對話交流。卓睿回顧了 NVIDIA 在自動駕駛業務的發展曆程，并分享了 NVIDIA 的經驗總結與思考。以下為内容概要。
左一：NVIDIA 中國區軟體解決方案總監 卓睿
右一：聯想集團副總裁車計算負責人 唐心悅
右二：聯寶科技 CEO 丁曉輝
右三：清華大學博導車輛學院副院長 李升波
右四：黑莓 QNX 中國區總經理 董淵文
從專業圖形到汽車
NVIDIA 駛入無人駕駛領域
無人駕駛是充分展現 AI 實力的試金石
NVIDIA 開展自動駕駛業務的探索要從 2006 年說起。
2006 年，NVIDIA 推出革命性的 CUDA 架構，并應用于顯示卡中，同時還提供了 CUDA SDK。CUDA 是一種用于通用 GPU 計算的革命性架構，使科學家和研究人員能夠利用 GPU 的并行處理能力來應對最複雜的計算挑戰。現在，無論在高性能計算的企業計算領域，還是在個人身邊的最為熱門的軟體，都可以利用 GPU 或者顯示卡來為其提速。對于企業來說，這是一場革命，我們可以看到成千上萬基于 CUDA 的包括地質勘探、醫學、數學、生命科學、金融、流體力學等運算，CUDA 通過 GPU 加速比原來高性能的 PC CPU 加速提速幾十甚至上百倍。
2012 年，AlexNet 在 ImageNet 競賽中以超過第二名 10.9 個百分點的絕對優勢一舉奪冠，深度學習和卷積神經網絡一舉成名。自此，深度學習的相關研究越來越多，行業也公認 2012 年是 AI 和深度學習神經網絡技術爆發的起點。
在此之後，NVIDIA 基于 CUDA 技術支援業界流行的 TensorFlow、PythonTorch 等典型訓練架構，助力 AI 在不同領域的研發和落地。
在探索過程中，NVIDIA 發現無人駕駛是最複雜的一個 AI 應用場景。如今，L2 級自動駕駛相對更為流行，但以車輛為主導的 L3/L4 級等進階别駕駛對 AI 來說更具挑戰，這也是 NVIDIA 深入無人駕駛行業的動力。
NVIDIA 很早就認識到，AI 是由資料驅動的。而無人駕駛不隻局限于 AI 本身，也需要考慮到嵌入式的 SoC。在做無人駕駛之前，NVIDIA 在 SoC 上有多年累積的經驗，比如在手機、平闆電腦、遊戲盒子等應用領域都有所涉獵，是以有快速啟動的基礎和條件。2016 年，NVIDIA 推出了第一款汽車相關的 SoC 産品——Parker，這也是 NVIDIA 無人駕駛征程的開始。
無人駕駛最關鍵的是功能安全，但 NVIDIA 釋出的第一代 Parker 更多是基于 Linux 打通資料鍊路，例如攝像頭擷取資料後的前處理和推理等，把這個環節打通，但欠缺真正的功能安全。
NVIDIA 在 Parker 之後帶來了下一代産品 DRIVE Xavier。DRIVE Xavier 有超過 90 億個半導體，是全球第一個達到 ISO 26262 安全認證的複雜 SoC。由全球主要标準化機構——國際标準化組織制定的 ISO 26262 是道路車輛系統、軟體和硬體功能安全領域中最具權威性的國際标準，要求計算系統能避免、識别并解決故障。為了達到這一标準，一款系統級晶片不僅需要有在運作時檢測到硬體故障的架構，開發時還要注意減少潛在的系統故障。這意味着它必須盡可能地避免故障，即使在無法避免的情況下也能檢測到故障并有所反應。
NVIDIA 的認證主要分為兩部分：SoC 認證，以及在此之上的 DRIVE OS 認證。DRIVE OS 本身基于 QNX 的 QOS 而內建，整個晶片和 DRIVE OS 作為 SEooC 都可以滿足 ISO 26262 的功能安全标準，達到功能安全評級 ASIL- B。
在這個過程中，NVIDIA 也在優化功耗。對于無人駕駛來說，AI 并不是全部，比如一些傳統的 CV（計算機視覺）算法也是非常重要，是以後來我們也加入了 PVA（Programmable Vision Accelerator），可程式設計視覺加速器，通過 API 加速各種 CV 算法，以滿足低功耗的需求。另外，GPU 雖然非常靈活，但 GPU 本身從能耗比來說表現還不是最好，是以 NVIDIA 又加入了 DLA（Deep Learning Accelerator），深度學習加速器，DLA 的設計方案，它的性能功耗比就非常好，這也是之後 NVIDIA 計算平台的标配。目前，NVIDIA 用 GPU +PVA+DLA 相結合的方式，幫助客戶能夠更加靈活地将不同算法部署在不同引擎上，以達到更好的功耗比和性能表現。
從去年開始，很多中國車企都采用了 NVIDIA DRIVE Orin SoC。作為 DRIVE Xavier 的下一代産品，DRIVE Orin 在算力方面有巨大提升。随着無人駕駛的要求從基本的 NCAP 到 ADAS ，再到 L2+ 以及 L3 級以上，算力的需求也更加迫切。除算力之外，記憶體瓶頸也時常發生。最終，DRIVE Orin Soc 的算力達到 254 TOPS，記憶體帶寬被設定在 205GB/s，可以支援車載裝置和傳感器 4 個 10G bps 的網絡接口，以及 H.265/HEVC/VP9 格式的 4K@60Hz 視訊編碼或者 8K@30H z 視訊解碼。
在功能安全方面，跟 Xavier 一樣，NVIDIA 一直是按照最高标準去作為産品要求。DRIVE Orin 符合 ISO 26262 的功能安全标準，達到最高的功能安全評級 ASIL-D。目前 DRIVE Orin 也是全球領先的車規級 SoC，在全球領先的 30 家電動汽車制造商中，有 20 家選擇 DRIVE Orin 作為首選的 AI 計算平台。
NVIDIA DRIVE Orin SoC
除了産品的優勢外，NVIDIA 的快速發展還得益于它廣泛且生機勃勃的合作夥伴生态。NVIDIA 在中國有很多合作夥伴，涵蓋衆多一級供應商、軟體合作夥伴、攝像頭廠商、傳感器廠商等。作為平台型公司，NVIDIA 與合作夥伴一同賦能車企，助力他們能夠基于 NVIDIA 産品快速開發企業專屬的無人駕駛軟體棧，加速自動駕駛汽車的開發和部署。
長闆做長，特色做精
無人駕駛時代，NVIDIA 的“制勝法寶”
三位一體，讓算力得到充分應用
現今，不管是車端還是其它 AI 相關領域，算力越來越多地被提及。特别是今年 9 月 GTC 大會上，NVIDIA 推出了新一代 SoC 、預計 2025 年量産上車的 DRIVE Thor。大算力是 NVIDIA 在自動駕駛市場上的“制勝法寶”嗎？大算力是一個參數名額，如何讓客戶更好地用好這些算力，是一個更核心的訴求，也是 NVIDIA 一直努力的方向。如果談到 NVIDIA 在自動駕駛市場上的競争政策，我們可以從以下三個層面去了解：
建立強大的軟體生态
如何更輕松地使用算力，是每家 AI 公司都會遇到的問題。我在前面也提到，NVIDIA 于 2006 年推出 CUDA，然後在 CUDA 的基礎上建構推理架構 TensorRT。
NVIDIA TensorRT 是一個高性能的深度學習計算平台。它包括深度學習計算優化器和運作加速器，可以為深度學習計算應用程式提供低延遲和高精度的計算。在 TensorRT 平台上建立的應用程式比 CPU 平台的應用程式運算速度快 40 倍。使用 TensorRT，客戶可以優化在所有主架構中教育訓練的神經網絡模型，最後部署到超大規模資料中心或汽車産品平台。
不管是伺服器端還是車端，NVIDIA 的所有 SDK 是通用的，都能夠用同樣的 API 幫助客戶從訓練端到推理端做遷移。全球了解 CUDA 和 TensorRT 的開發者非常多，這也幫助我們建立起了技術的“護城河”。引用 NVIDIA 創始人兼首席執行官黃仁勳一直在表達的觀點，NVIDIA 不是晶片公司，而是軟體公司。軟體公司能夠提供好的軟體生态，能夠賦能開發者和車企，這是 NVIDIA 非常看重的一件事。
強大的 SoC 晶片
無人駕駛需要用到很多傳感器、攝像頭、毫米波雷達和雷射雷達，需要通過不同的接口接入到整個域控制器，将資料傳到晶片裡，進行快速的處理。晶片本身需要有很多引擎接口，以確定整個流程能夠滿足低延遲、實時性的要求。這是 NVIDIA 從另一次元，即在 SoC 的角度加入更多引擎。結合 QNX 功能安全，同時滿足資訊安全這些行業标準之後， NVIDIA 能夠幫助客戶将更多時間用于算法的研發上，而不在底層平台上。
提供端到端解決方案
最後也是最關鍵的一點，NVIDIA 不隻是 SoC 供應商，更是端到端解決方案供應商。
首先，AI 是資料驅動型的，采集資料之後開發算法，離不開強大、開放的大算力伺服器平台。例如，NVIDIA DGX 伺服器平台可以讓客戶在平台上輕松開發算法、提取資料。此外，之前我也提到過，NVIDIA SDK 支援業界流行的訓練架構，是以客戶可以用 Docker 方式開發自己的算法。
NVIDIA DRIVE Sim
其次，無人駕駛是非常複雜的工程，如果不對所開發出的算法進行大量仿真，那麼車端應用便不具備充足的安全功能性。NVIDIA Omniverse 平台能夠提供非常好的底層仿真環境，基于 Omniverse 的 DRIVE Sim 可以幫助客戶建構一個實體屬性準确的仿真平台，快速、高效地進行大規模的自動駕駛汽車測試和驗證。
另外，在仿真過程中，也會涉及到有效資料擷取的問題。有些資料可能非常容易擷取，而有些資料則很困難。比如，時間特别短的黃燈資料或是路面上的小障礙物資料，在大部分情況下很難通過人工方式采集到。可是自動駕駛需要解決長尾場景的問題。NVIDIA 的仿真平台可以在生成這些複雜的合成資料的同時，結合真實資料讓算法更加完美，以支援不同的應用場景。
最後，客戶也可以通過 DRIVE Sim 仿真平台，借助域控制器支援路測。從開發、訓練、測試，到自動駕駛車輛或域控制器的量産，NVIDIA 可從多個次元、端到端地幫助客戶快速疊代，共同加速軟體定義時代的到來。
複制連結“https://www.nvidia.cn/self-driving-cars/”至浏覽器，了解更多關于 NVIDIA 自動駕駛汽車解決方案的内容。
推薦閱讀
一文讀懂 NVIDIA DRIVE：“軟硬結合”的全棧解決方案