随着汽车行业开始全面部署自动驾驶技术,NVIDIA已经成为行业内提供完整端对端解决方案的领导者,包括数据中心基础架构、软件工具包、存储库和框架以及高性能高能效的计算,用以打造更安全更高效的交通运输。
每年,咨询公司Navigant Research都会发布有关自动驾驶汽车行业的发展报告。今年,该公司对“自动驾驶汽车计算平台”和“自动驾驶汽车”排行榜进行了深度调研,列出了每个分类中头部企业的排名。
在2020年《自动驾驶汽车计算平台》报告中,NVIDIA在自动驾驶汽车平台领域位列榜首,致力于开发能够取代人类驾驶员的AI。
Navigant首席研究分析师、两份报告的作者Sam Abuelsamid表示:“NVIDIA在业内有口皆碑。该公司在很久之前就开始生产性能强大的硬件和软件。而且对于整个行业来说,拥有一个能够不断提高性能和能效的平台至关重要。”
《自动驾驶汽车》报告中涵盖正在制造量产型自动驾驶汽车的厂商,NVIDIA为这些厂商提供用于开发自动驾驶汽车的解决方案。采用NVIDIA计算平台的制造商包括汽车制造商、一级供应商、自动驾驶出租车公司和软件创业公司,他们都是NVIDIA DRIVE生态系统的成员。
这些报告仅反映了自动驾驶汽车发展全景的一部分。虽然报告中并未包含自动驾驶系统当前发展的所有细节,但他们为行业提供了采用这一变革性技术的宝贵洞察。
Navigant排行榜采用了一种详细的方法决定其所列入的公司及排名方式。
《自动驾驶汽车计算平台》报告着眼于那些正在开发计算平台,并且芯片设计至少处于样片生产阶段或即将推出相关计划的公司。进入榜单的系统必须具有故障后仍能正常运行的能力,以能确保自动驾驶的安全。
该报告从愿景、技术、上市策略和合作伙伴等角度对公司进行综合评估。NVIDIA凭借其在众多方面的领先表现位列榜首。
凭借高性能高能效的DRIVE AGX平台,NVIDIA在该领域位居排行榜第一。该平台的可扩展架构和开放式模块化NVIDIA DRIVE软件,使自动驾驶汽车制造商可以轻松扩展DRIVE解决方案,满足他们的个性化生产计划。
计算是自动驾驶汽车的关键要素。它使车辆能够实时处理来自摄像头、雷达和激光雷达传感器的TB级数据,还能让自动驾驶软件同时运行多个深度神经网络,从而实现对安全至关重要的操作多样性和冗余性。此外,通过确保计算平台具有足够的性能空间,开发者可以不断添加功能并逐渐改进系统。
Navigant的第二份报告《自动驾驶汽车》对开发乘用车L4级自动驾驶系统(在特定条件下无需配备人类驾驶员)的公司进行了排名。
该排行榜包含了已公布的NVIDIA DRIVE生态系统成员,例如百度、戴姆勒-博世、福特、丰田、大众、沃尔沃、Voyage和Zoox,以及许多尚未公开的合作伙伴。所有合作伙伴均采用了NVIDIA 端对端的AI解决方案。
该报告指出了行业所面临的诸多挑战,例如综合验证和生产成本等。NVIDIA提供从云到汽车的自动驾驶汽车开发工具,帮助企业有效应对这些问题。
在为汽车提供车内解决方案,以及为自动驾驶行业提供数据中心基础架构方面,NVIDIA可谓独树一帜。借助NVIDIA DGX系统和先进的AI学习工具,开发者可以在数据中心中有效地训练深度神经网络,使它们能够在车辆中运行PB级数据。此外,借助车内部署的同一硬件,通过比特位精确的基于云的DRIVE Constellation仿真平台,开发者可以对这些DNN进行测试和验证。
Abuelsamid认为,使用兼容工具构建无缝工作流程可以大大提高开发效率。
他表示:“随着这项技术的发展和成熟,开发者将会经历多轮的软硬件迭代。一个强大生态系统能够让其中的企业在车载、数据中心、仿真等各个不同层面上进行开发,同时将从一个领域获得的知识应用到另一个领域。”
我们希望通过为生态系统提供这些业内领先的端对端解决方案,让世界各地的道路交通运输变得更安全更高效。
Navigant Research提供针对能源生态系统内各项技术的联合和定制研究服务。《移动出行报告》包含自动驾驶汽车排行榜、自动驾驶汽车计算平台排行榜和自动驾驶汽车预测等。
好文章,需要你的鼓励
AI改变的远不止一间课堂,而是学生的学习方式、未来的职场场景和社会对工作者能力的要求,整个商业文明中的每一位参与者,都将被推着一起改变。
这项研究开发了CaptionQA系统,通过测试AI生成的图片描述能否支持实际任务来评估其真正价值。研究发现即使最先进的AI模型在图片描述实用性方面也存在显著不足,描述质量比直接看图时下降9%-40%。研究涵盖自然、文档、电商、机器人四个领域,为AI技术的实用性评估提供了新标准。
随着大语言模型的不断涌现,Z世代正成为与AI技术共同成长的新一代商业领袖。他们在数字环境中表现出更强的自信,善于协作而非单纯竞争。斯坦福创新者穆拉冈提出AI发展的三种情景:全面禁止、野蛮生长或人机内容分流共存。Z世代企业家需要掌握平台所有权、利用AI扩大规模、打造独特品类和实现超个性化等四大要素,以道德和有益的方式驾驭AI技术。
以色列理工学院研究团队提出了一种将专家混合模型融入YOLOv9目标检测的创新方法。该方法让多个专门化的YOLOv9-T专家分工协作,通过智能路由器动态选择最适合的专家处理不同类型图像。实验显示,在COCO数据集上平均精度提升超过10%,在VisDrone数据集上提升近30%,证明了"分工合作"比单一模型更有效,为AI视觉系统提供了新思路。