全栈式AI解决方案 NVIDIA加速自动驾驶开发与规模化落地 原创

自动驾驶技术发展前景良好，整体市场处于从L2到L3的发展阶段。与此同时，汽车行业的智能化对自动驾驶开发提出了空前的算力需求，传统的数据中心已无法满足。基于此，NVIDIA携手IDC发布行业白皮书《现实＋仿真，超大算力赋能自动驾驶》，阐述了在自动驾驶开发过程中，模型训练和仿真测试对于数据中心在算力、运营等方面的需求和挑战。

IDC研究经理王博告诉记者，基于IDC对L2级自动驾驶市场的追踪发现，2021年底L2级自动驾驶对新车渗透率达到超过20%的水平，到2022年底，该数据会超过30%的水平。整个汽车行业加速会向自动驾驶域集中的控制发展，从而进一步实现更高级别的自动驾驶。

强大算力资源支持自动驾驶系统开发

对于自动驾驶解决方案，主要涉及两点——数据和训练。数据包括对实车数据的采集、筛选和标注，得到的结果会被用于自动驾驶算法训练。因为实车的场景难以对长尾场景形成一个完整的覆盖，我们需要大数据用到算法测试当中，最终形成一个自动驾驶解决方案开发的闭环。

科技公司最大的优势是数据标注、算法训练、仿真场景等一套完整的解决方案，因为自动驾驶开发周期非常长，对科技公司资金链形成比较大的压力，他们和车企以及一线供应商实现合作，而所面临的很大障碍是在于把自己技术的话语体系跟传统车企实现整合。

王博表示，车企和科技公司双方之间都有合作的动力，同时也有对方所需要的资源，障碍更多在于沟通方面的障碍。我们认为随着这个行业的发展，这个障碍会逐渐得到磨合和拟合，最后自动驾驶业务会有越来越大的发展。

自动驾驶的数据标注、训练、仿真场景模拟所需要的重大基础是算力，对自动驾驶领域有长期规划的企业往往会选择建立自有的算力资源。但是问题是初始投资比较高，带来后期规模扩大时边际成本有所收敛。

白皮书显示，对于互联网大厂基本是1000万到1亿之间，自动驾驶独角兽处于两极分化模式，大多数情形是在1000万-5000万之间。车企和一线供应商在这块投入非常可观，投入基本都在上亿级别以上。如果看2亿以上就会发现，一方面是车企和供应商，另一方面是在资本市场比较活跃的自动驾驶行业的独角兽。

其次，搭建人工智能计算中心遇到的最大问题是行业反映出难以找到合适的供应商。最后是项目周期比较长，一方面是时间周期压力，另一方面是投资回报的压力。

“现在搭建人工智能计算中心，市场的现状是普遍都在1个月以上，多数情形接近3个月，潜在可供优化的空间较大。我们认为如果有一个比较成熟的方案能够缩短这个时间，就能够为市场上的这些主体提供非常大的先发优势。”王博说。

为了使算力资源更加有效地支持自动驾驶系统的开发工作，IDC建议：

数据中心芯片的选型与网络的搭建涉及IT领域专业知识，企业需要具备相关知识储备，以及驾驭跨行业合作关系的能力，并确保开发和交付工作中相应的安全、隐私和组织管理措施能够到位，在共享时需要设置必要的预防和保护措施。

数据中心解决方案供应商应当推出一套集成的全栈式AI解决方案，方便开发者快速开发和部署自动驾驶应用程序；充分利用自身在算力领域的技术优势，缩短开发者开展项目时的前期准备时间，从而加速其自动驾驶产品在市场实现落地的进程。

数据中心机房的专业性与稳定性将直接影响开发活动的进度，进而影响市场上自动驾驶系统功能更新的日程：需要以专门针对人工智能任务设计的硬件作为底层架构，而非使用重新设计的商用服务器；同时在算力维持方面，需要需要针对各种突发事件具备成熟的应对机制，避免被动地四处救火。

数据中心解决方案供应商应当致力于开放式平台的构建，携手车企、传统一级供应商、自动驾驶科技公司，共同推进自动驾驶技术重塑汽车市场的进程；在软件定义汽车的时代，实现覆盖车辆整个产品生命周期的持续更新，从而对汽车行业的智能化实现全方位赋能。

构建开发者社区，打造自动驾驶行业生态；自动驾驶产业的发展是一个长期积累沉淀的过程，这一过程需要具备汽车领域和ICT领域知识的复合型人才；行业内的共有平台能够促进不同专业领域人才间的合作，从而推动自动驾驶行业发展。

加速自动驾驶开发与规模化落地

在业务层面，数据中心已经成为NVIDIA公司第一大业务支柱，第三位就是自动驾驶，也就是说汽车业务已经成为NVIDIA的重要发力领域。NVIDIA第三季度财报显示，汽车较去年同期增长86%，跟上个季度同比增长14%，是NVIDIA增长最快的一个业务单元。

NVIDIA汽车数据中心业务总监陈晔表示，NVIDIA提供自动驾驶端到端方案，从模型训练到仿真测试，从硬件芯片到软件应用，这在业界是独一无二的，比如NVIDIA Drive Hyperion平台、NVIDIA DRIVE Sim仿真软件等。

在自动驾驶开发中，数据、算力、仿真是三大挑战，而NVIDIA端到端的平台就是为了解决这三大挑战而来，涵盖开发自动驾驶技术所需的数据中心全套硬件、软件和工作流参考架构，从原始数据采集到验证的每个环节，为神经网络开发、训练和验证以及仿真测试提供了所需的端到端基础模块。

从数据采集到数据筛选、打标、模型训练、回放性验证（推理过程）、仿真测试，这些都离不开超算中心的支持。由DGX SuperPOD驱动的NVIDIA超算中心可以满足这些工作所需要的算力资源，还有软件部署和更新等。

为了满足AI模型算力需求，帮助企业构建AI数据中心，2021年4月，NVIDIA推出DGX SuperPOD云原生超级计算机，为用户提供一站式AI数据中心解决方案，是企业满足AI大模型计算的有力方案。

SuperPOD是一个支持从小规模迅速扩展的参考架构、持续的软件优化、消除数据中心复杂的“交钥匙”的方案，让自动驾驶客户更多时间和精力聚焦算法迭代、软件迭代，而不是把精力花在构建数据中心上面，这是NVIDIA所提供的一体化方案。

目前，特斯拉、蔚来都是NVIDIA的客户。陈晔说，NVIDIA绝不仅仅只是售卖硬件，还在系统搭建、GPU使用、NVIDIA最新开发框架都给蔚来很多支持。通过使用NVIDIA的GPU，蔚来的自动驾驶汽车开发提升了20倍性能，从而缩短自动驾驶汽车的上市周期；前端数据中心的数据打标、数据筛选、场景挖掘等推理性工作通过NVIDIA的Triton，将推理速度提高至6倍，并节省了24%的资源。

除了算力设施，NVIDIA还提供了NVIDIA DRIVE Sim软件，基于Omniverse平台实现场景化、可扩展的仿真测试；DRIVE Replicator可以在虚拟场景中合成大量数据，用来合成仿真数据，解决数据不足问题等；NVIDIA Enterprise软件套件支持客户进行AI开发。

“从硬件到工具到服务，NVIDIA全栈式AI解决方案可以帮助进军自动驾驶领域的企业消除数据的复杂性，并加速相关应用的开发。”陈晔最后说。