英伟达何以成为车厂自动驾驶开发的首选

英伟达在今年的秋季GTC大会上发布了下一代自动驾驶芯片Thor，再次点燃了自动驾驶算力比拼的导火索。我们已经看到国内汽车市场中，蔚来、智已、飞凡等厂商积极在新车型上集成这一代Orin芯片，Thor能收获怎样的市场反响已经可以预知。其实英伟达所做的远不止于此，他们的王牌是一整套DRIVE自动驾驶软硬件生态。

从车端到云端

NAD是蔚来打造的全栈自动驾驶方案，在车身的Aquila超级传感系统上，蔚来选择了33个高性能的传感单元，包括7个800万像素的高分辨率摄像头、4个300万像素的环视专用摄像头、1个1550nm的超长测距激光雷达、5个毫米波雷达、12个USS超声波传感器、两个高精度定位单元（GNSS+IMU）、1个V2X和一个ADMS。

然而，这样庞大的传感系统，也带来了更大的数据吞吐量，根据蔚来的说明，Aquila每秒要传输8GB的数据。要完成如此规模的数据计算量，车身上必须具备强大的算力，所以蔚来的Adam超级计算系统配置了4个英伟达DriveOrin，将算力提高至1016TOPS，以满足自动驾驶的计算要求。

蔚来自动驾驶开发平台/ 蔚来

但自动驾驶从来都不只是车端的工作，如何训练并利用这些得到的数据，提高自动驾驶算法的可靠性，才是厂商们需要持续发力的工作。这里我就拿大家最关注的一个功能来分析一下，AEB紧急制动功能。

蔚来称在研发初期，他们需要在10天内制作出100万个数据分布较好的高质量素材，以求满足最低的精度和时延要求。后续就要在英伟达的GPU上跑AI负载，这个过程需要200个GPU整整运行3个月。

除了训练以外，为了确保NAD在引入新改进后既能解决相应的问题，又不会引入新的问题，蔚来还基于英伟达的开源推理服务器软件Triton打造了一套高性能的推理服务，每天开展10万个推理任务，用于数据挖掘、仿真和回归测试等。

值得一提的是，目前蔚来的NAD尚未正式投入使用，不少人都想知道他们与其他竞争对手公司的自动驾驶系统有何差距。不过蔚来表示，他们的产品团队正在测试NAD与其他自动驾驶方案的性能对比，待报告完成后会公开分享出来。

合成数据加速自动驾驶开发

打从一开始，我们都对合成数据有着或多或少的偏见，认为这是假数据，怎么能用在以安全为第一要义的自动驾驶中呢？但事实上，在物理属性准确的合成数据下，我们甚至可以将其看作是罕见的真实数据。

就拿车祸来说，尽管这是常见道路情况之一，但相对正常驾驶的数据来说，采集到的真实车祸数据在数量上肯定是远远不及的，更别说拿来做仿真训练了，在汽车试验场中测出来的车祸数据也难以代表真实路况数据。至于那些更稀少但又并非不存在的情况，比如货箱、轮胎脱落等，也都是会对自动驾驶场景造成干扰的。

 
DRIVE Sim场景编辑器/ 英伟达

英伟达DRIVE Sim中的DRIVE Replicator就为开发者提供了一个生成各种合成数据集，并具备真值标签的平台，为训练和验证一个覆盖全场景的自动驾驶算法提供帮助。至于合成数据中常见的数据偏见问题，DRIVE Replicator提供了随机化引擎，通过泛化来让虚拟域的数据尽可能涵盖到真实域。DRIVE Sim的场景编辑已经实现了相当优秀的随机化，比如借助SimReadyAPI实时改变自然/人工光线、路况天气等等。

除此之外DRIVE Replicator还可以通过PythonAPI对USD模型和属性实现直接控制来完成随机化，比如随机将一个包含动量数据的物体隔空生成在路面上。尽管这已经超出了真实的范畴，但这对于训练自动驾驶算法对于VRU（弱势道路使用者）的识别相当有用，比如突然出现在汽车后方的小孩等。

至于传感器的仿真建模，英伟达也已经在着手打造自己的一套验证系统，以求在真实环境和仿真环境中，得到相匹配的传感器数据，比如摄像头在麦克佩斯色卡下展现与真实环境一样的色彩和亮度。

DRIVE SIM——英伟达在自动驾驶仿真上的CUDA？

可能从多数人的视角看来，英伟达在汽车上的动作仅仅支持推出自动驾驶芯片而已，就像大多数车厂在发布会上提及的那样，新车型搭载了哪些芯片等等。但事实上英伟达对自动驾驶技术的投入远不只有芯片，英伟达已经基于Omniverse这一技术底座，打造了DRIVE Sim这样一个庞大的互通仿真平台。这对于汽车厂商来说具有很重要的意义，因为不仅是造车新势力，老牌车厂也享受到了英伟达提供的自动驾驶开发工作流带来的便利。

DRIVE Sim合作生态/ 英伟达

比如蔚来等一众造车新势力，他们在自动驾驶传感器的选择上是相当多样化的，而英伟达的DRIVE Sim已经通过一系列API加入了对通用和Hyperion传感器套件的配置和扩展，无疑极大地减轻汽车厂商的开发工作量。而传感器厂商也在积极加入对DRIVE Sim的支持，诸如索尼、禾赛和Luminar等等。一是他们也没有这么多精力来打造这样一个互通的开发生态，二是英伟达在提供传感器开发自由度的同时，也给到了对专有IP的保护，因为英伟达并不需要知道这些传感器的实现方式。

而这样一个软件生态却又与英伟达的硬件息息相关，甚至在新发布的L40等硬件上能发挥出更大的优势，似乎又一个CUDA生态呼之欲出，而这次是出现在自动驾驶上。不由得让人佩服起英伟达，在这些TO B产品的软硬件生态融合上，他们确实是无可匹敌的。