NVIDIA全栈加速解决方案引领AI定义的未来出行

智能汽车的快速发展正在深刻改变人们的出行生活。许多人关注的智能汽车，往往聚焦于车内智能座舱、辅助驾驶算法和硬件性能，但这只是智能汽车庞大生态体系中的一部分。

近日，在德国慕尼黑举办的国际汽车及智慧出行博览会（IAA Mobility）上，NVIDIA 汽车事业部副总裁 Ali Kani 发表了“从云端到车端：引领安全、AI 定义的未来出行” 的主题演讲，从全局视角揭示了智能汽车的创新发展路线。演讲指出，智能汽车变革不仅体现在车载算力的提升，更涵盖车厂数字化、云端 AI 训练、仿真测试与车载部署的端到端闭环生态系统。

智能汽车从“马力”驱动来到了“算力”驱动的时代。过去，汽车的核心竞争力在于发动机排量和机械性能，如今则转向依赖车载计算平台的算力及 AI 模型性能与安全。智能汽车制造正从机械制造蜕变为软件定义的复杂系统，汽车的“制造”不仅发生在工厂车间，更在庞大的数据中心和云端进行。

在这一转变过程中，主机厂面临多重挑战：

海量数据的高效处理：智能汽车每天产生庞大的传感器和环境数据，如何快速、安全地处理，成为主机厂必须解决的核心问题。

复杂 AI 模型训练：为了实现更精准和安全的辅助驾驶，AI 模型需要在多样且复杂的场景中不断训练，但大规模数据训练对算力和集群规模提出了极高要求。

模型对长尾场景的学习：现实中许多极端或罕见场景难以采集，缺乏足够样本训练模型，使得模型难以全面应对多样化路况和突发情况。

基于以上痛点，NVIDIA 提出“三台计算机”解决方案，并且每台计算机上都运行 AI 软件。

用于训练 AI 模型的NVIDIA DGX，能高效处理大规模数据和模型训练；

用于仿真和生成合成数据的NVIDIA Omniverse和NVIDIA Cosmos，支持数字孪生和环境仿真测试，可以通过数据重构及合成构建长尾场景，帮助模型学习复杂场景；

用于实时车载推理的NVIDIA DRIVE AGX车载计算平台，可以高效、安全地在边缘端进行推理。

这三台计算机形成一个闭环，加速数据处理、保证软件安全上车，通过稳定的大规模集群训练模型，结合合成数据创建的长尾场景，从而使模型更加智能、安全。

随着模型和数据规模的持续扩展，云端和车端算力需求同步攀升，这不仅是辅助驾驶迈向下一代智能变革的显著标志，也成为智能汽车领域新的核心竞争力。未来，智能汽车厂商将依赖整合“云-端-工厂”间的 AI 与仿真能力，实现训练、测试与部署的协同闭环。凭借 NVIDIA 领先的全栈解决方案，汽车制造商与供应商可以提高汽车的安全性、智能性和高效性，为用户带来更优质的未来出行体验。