NVIDIA DRIVE自动驾驶汽车开发平台的订单目前已超过80亿美元,该平台为汽车制造商提供基于AI技术的出行解决方案
加利福尼亚州圣克拉拉市—GTC大会—2021年4月12日— NVIDIA于今日宣布,越来越多的领先交通运输公司将使用最新NVIDIA DRIVETM解决方案赋能基于AI技术的新一代自动驾驶汽车,沃尔沃汽车、Zoox和上汽集团(SAIC)也加入了这一行列。
NVIDIA自动驾驶汽车开发平台——NVIDIA DRIVE的客户订单在未来6年总额已超过80亿美元,这表明使用该解决方案的新一代汽车、卡车、自动驾驶出租车和新能源汽车(NEV)正在不断增加。
NVIDIA创始人兼首席执行官黄仁勋表示:“交通运输行业正在成为高科技产业。除了配备令人叹为观止的自动驾驶和AI技术之外,车辆还将成为能够提供软件驱动服务的可编程平台, 交通运输业的商业模式将被彻底颠覆。NVIDIA的客户订单展现了NVIDIA正如何与世界上规模最大、影响力最强的行业之一合作,以帮助革新移动出行的未来。”
部分领先企业已经与NVIDIA DRIVETM发展了合作关系,其中包括老牌车企、新能源汽车企业、自动驾驶出租车公司以及卡车制造商, NVIDIA的技术进步将为自动驾驶领域注入新的活力。
沃尔沃汽车与NVIDIA扩大合作关系
沃尔沃汽车宣布将基于NVIDIA DRIVE Orin™打造新一代车型,这进一步扩大了两家公司过去几年的深入合作。其首款采用DRIVE Orin的汽车——新一代沃尔沃XC90计划于明年亮相。
NVIDIA DRIVE Orin的高性能、高能效计算性能,将与沃尔沃汽车和Zenseact(沃尔沃汽车的自动驾驶软件开发公司)自主开发的软件、配备激光雷达的先进传感器套件以及转向和加馈制动系统相结合,这将使这家全球大型汽车公司的智能汽车车队变得更加安全、个性化且更具有可持续性。同时,该方案不仅具有丰富的可编程性,还可以通过OTA更新进行持续的升级,助力沃尔沃新一代汽车变得越来越先进。
自动驾驶出租车公司纷纷转向DRIVE
全球每年的交通里程达到数万亿英里,而以服务形式完成的里程正占据越来越大的比重,这要归功于自动驾驶出租车(robotaxi)公司运用NVIDIA DRIVE平台进行开发。
Zoox于近日推出专为日常城市交通而设计的自动驾驶出租车,该车辆由NVIDIA DRIVE赋能,是首批具有双向功能的自动驾驶出租车之一,并将成为下一代智能交通发展的推动力。
中国领先的一站式出行服务供应商滴滴出行也宣布,其整个自动驾驶测试车队都将采用NVIDIA DRIVE。
引发新能源汽车的革命
此外,近几个月来越来越多的汽车初创企业和电动汽车品牌宣布,计划最早从明年开始,使用NVIDIA DRIVE Orin打造软件定义汽车,对各项AI功能进行持续不断的改进。这些企业和品牌包括:
NVIDIA DRIVE帮助卡车运输行业解决燃眉之急
在电商商品需求不断增长的情况下,卡车运输行业正面临司机严重短缺的情况。NVIDIA DRIVE平台可帮助提供能够在特定区域、公共道路和高速公路上进行安全行驶的全自动驾驶的卡车。
纳威司达(Navistar)正在与TuSimple无人驾驶卡车品牌联合开发搭载NVIDIA DRIVE的自动驾驶卡车。两家公司完全是从零开始设计这些达到4级自动驾驶水平的卡车。这家美国制造商的目标是在2024年开始生产智能卡车。
中国最大的卡车制造商——一汽集团,正在与智加科技(Plus)进行合作,借助NVIDIA DRIVE平台开发自动驾驶卡车。这些卡车将在今年晚些时候投入生产,并于2022年将内置芯片升级到Orin。
沃尔沃集团旗下的Volvo Autonomous Solutions也在借助NVIDIA DRIVE端到端平台开发自动运输解决方案和新一代4级自动驾驶卡车。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。