动汽车制造商蔚来运用领先的 AI 基础设施打造高性能软件定义汽车。

新一代智能汽车需要通过能够驱动先进技术的 AI 基础设施来打造。
电动汽车制造商蔚来正在使用 NVIDIA HGX A100 构建综合全面的数据中心基础设施,并在此基础上开发 AI 驱动的软件定义汽车。凭借高性能计算,蔚来可以在复杂的深度学习模型上不断迭代,在闭环环境中构建强大的自动驾驶算法。
蔚来 AI 平台负责人白宇利表示:“量产车面临的复杂场景是蔚来自动驾驶能力的试金石,同时,量产车产生的海量数据也是蔚来自动驾驶能力护城河。NVIDIA 的高性能计算解决方案,成为了蔚来在自动驾驶这条道路上的加速器。”
蔚来已推出在该基础设施上开发的多款智能汽车,例如智能电动旗舰轿车 ET7 。蔚来的中型智能电动轿跑 ET5 也计划在 9 月首发。
这两款车型均使用高性能数据中心开发,并且在搭载了 4 个 NVIDIA DRIVE Orin 系统级芯片的 Adam 超算平台上构建。它们的自动驾驶和智能座舱功能可以通过数据中心不断迭代和改进,带来具有颠覆性的客户体验。
使用 NVIDIA GPU 和网络构建高性能 AI 基础设施
数据中心可以采集、整理和标记海量数据,以用于训练大型 AI 模型。
数据采集车队每年产生数百 PB 的数据和数十亿张图像。这些数据会被用于优化将在车辆中运行的深度神经网络(DNN)。
蔚来的可扩展 AI 基础设施由 NVIDIA HGX 驱动,共配备 8 个 A100 Tensor Core GPU 和 NVIDIA ConnectX-6 InfiniBand 网卡。这个可扩展的超级计算机集群中包含一组 NVME SSD 服务器,并通过高速 NVIDIA Quantum InfiniBand 网络平台相互连接。
这个强大的基础设施具有 200Gbps 的超高传输速率,可将大量深度学习训练数据传输到超级计算机内存或 NVIDIA A100 显存。
NVIDIA HGX A100 是专为 AI 场景设计的高性能服务器平台,包含了许多大型数据集和复杂的模型(如用于驱动自动驾驶汽车的模型)。该平台在 NGC 中整合了经过全面优化的 NVIDIA AI 软件堆栈,具有 5 PETAFLOPS 的 AI 性能,树立了计算密度的新标杆。
凭借 HGX A100,蔚来自动驾驶研发平台(NADP)能够灵活地开发和部署可扩展的 AI 系统,以一站式平台取代多个孤立的基础设施,以管理大量复杂的 AI 应用,并将模型开发效率提高 20 倍,进而缩短自动驾驶汽车的上市周期,开发出更新、更快的架构。
锐意进取
蔚来正在凭借其软件定义汽车阵容抢占“跑道”。公司宣布计划将合肥工厂的产能提高一倍,达到每年 24 万辆,最高总产可达 30 万辆。
随着蔚来产能的扩大以及在全球市场的不断扩张, NVIDIA HGX 也将随之扩展,助力蔚来部署汽车行业最先进的 AI 平台。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。