想象一下用智能手机一键召唤无人驾驶汽车:基于DRIVE Pegasus AI超级计算机的全自动驾驶汽车将开启新的“移动即服务”时代。
只要在智能手机上按一下按键就能出发了。戴姆勒、博世和NVIDIA已联手合作,致力于让全自动无人驾驶车辆能够行驶于城市街道中。该合作将不仅仅是对驾驶方式的变革。
虽然全球十亿辆汽车每年行驶总里程达10万亿英里,但这些车辆大部分时间都处于闲置状态,且停车时占用着宝贵的地面空间。在行驶途中,它们也经常被困在拥堵的道路上。移动性服务将解决这些困扰城市地区的问题,释放潜力并彻底改变我们的出行方式。
在全球范围内,我们看到优步、Lyft、滴滴和Ola等公司在迅速采用新的移动服务。但有限的可用司机人数可能会限制其持续增长。
而无人驾驶汽车能够成为解决之道——它们配备大量传感器,由极其节能的超级计算机提供支持,并运行能够用作虚拟驾驶员的AI软件。
戴姆勒、博世和NVIDIA今日宣布展开合作,致力于推动汽车业内人士所称的L4和L5自动驾驶的发展——即能够自主驾驶的汽车。
基于自动驾驶汽车的移动性服务有很多优势。这些融入了AI的汽车将改善交通流量,增强安全性,并提供更好的移动服务。此外,分析师预测,乘坐随叫随到的无人驾驶汽车的费用将仅为每英里17美分。上班族将能够在车行途中展开工作,挽回每年价值约990亿美元的生产力损失。
在提高运输便利性的同时也能降低成本,这种能力本身就蕴藏着巨大的机遇。毕马威表示,至2030年,无人驾驶汽车和服务将发展为价值1万亿美元的产业。
为把握机遇,知名汽车品牌需要将最新技术融入其当前工作中。我们的AV计算平台NVIDIA DRIVE将帮助他们将这些技术突破与其自身架构相结合——包括深度学习、传感器融合、图像识别、云计算等。
我们与戴姆勒和博世的合作将充分发挥各自优势。NVIDIA在AI和自动驾驶平台方面处于领先地位。博世是全球最大的一级汽车供应商,拥有硬件和系统方面的专业知识。梅赛德斯 - 奔驰的母公司戴姆勒带来了整车领域的专业知识,且其全球化品牌称得上安全与质量的代名词。
实现道路智能
我们共同应对巨大挑战。面对行人、自行车骑行者、交通信号灯和其他车辆,即使是优秀的人类驾驶员,在行驶于拥挤不堪的城市街道时也会备感压力。
在这种混乱、非结构化的环境中,对计算能力的需求与日剧增。博世表示,仅一台摄像头每公里就能生成100千兆字节的数据。
现在想象一下全自动车辆或自动驾驶出租车,其车身周围有一套配备高分辨率摄像头、激光雷达和雷达的传感器,它们能够远距离感知物体。与此同时,它们还将与各种专门用于在各类条件下观察颜色、测量距离、以及检测运动的传感器相结合。这些系统所造就的多样性水平以提高安全性,并提供冗余以在发生故障时提供备份。然而,这些大量的信息需要在几乎瞬间内被多层神经网络破译、处理并投入使用。
NVIDIA DRIVE可提供高性能,以同时运行各种深度神经网络,进而保证车辆在城市环境中安全行驶。
要想同时运行数十种复杂算法,需要极高的计算性能,才能在几毫秒内即作出执行,以便汽车能够安全舒适地行驶。
NVIDIA DRIVE Pegasus是专为自动驾驶汽车设计的AI超级计算机,可提供320 TOPS(每秒数万亿次操作)的性能,以处理这些多样化和冗余的算法。它只有车牌大小,性能却相当于六台同时运转的桌面工作站。
这是有史以来最节能的超级计算机——执行一万亿次操作仅消耗一瓦。通过最大限度地减少能源消耗,我们就得以扩展操作范围。
Pegasus的架构设计旨在确保安全性和高性能。这种车规级的、功能安全的生产解决方案使用两个NVIDIA Xavier系统级芯片和两个专为AI和视觉处理而设计的下一代GPU。这款联合设计的硬件及软件平台在历史上首次达到了ASIL-D ISO 26262标准的要求,这是业界最高水平的汽车功能安全性。即使检测到故障,系统仍能运行。
NVIDIA AV解决方案超越了传统汽车的功能。采用面向数据中心的NVIDIA DGX AI超级计算机训练深度神经网络,使车辆能够提供超人的感知水平。全新DGX-2具有2 petaflops的性能,其进行深度学习训练所需的时间、空间、能源和成本远远低于CPU服务器。
在基于GPU的强大服务器上完成训练之后,NVIDIA DRIVE Constellation AV模拟器就可用于对最终放置在车辆内部的完整软件“堆栈”进行测试和验证。这种高性能的软件堆栈涵盖了自动驾驶汽车行驶的各个方面,从对象检测、深度学习和计算机视觉,到地图本地化和路径规划,一切都在DRIVE Pegasus上运行。
在未来几年,DRIVE Pegasus将在助力汽车制造商满足激增的需求方面发挥关键作用。市场调研公司IHS Markit表示,至2040年,“移动即服务”行业将采购超过1000万辆汽车,远高于2017年的30万辆。
“与博世和戴姆勒的合作表明,NVIDIA DRIVE Pegasus架构满足了汽车制造商在应对自动驾驶挑战时的关键需求,”IHS Markit人工智能高级研究总监Luca De Ambroggi指出,“NVIDIA将AI硬件、软件、集成平台以及仿真和验证工具相结合,为AV开发创造了更多价值。“
NVIDIA DRIVE生态系统在自动驾驶的所有领域持续扩展,从自动驾驶出租车、货车、到运载车辆,目前已有超过370家公司采用了DRIVE平台。如今,我们与戴姆勒和博世的合作将创造出创新的无人驾驶车辆和服务,不仅仅将优化城市街道,更将为我们的生活带来变革。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。