浅谈推动智能汽车发展的六项AI突破

2014 年，国际汽车工程师协会建立了汽车自动驾驶分级框架，为自动驾驶技术的发展制定了行业标准路线图。

自动驾驶分为五个等级： L1 级 (驾驶辅助)、 L2 级 (部分自动化)、L3 级 (特定条件自动化)、L4 级 (高度自动化)，以及 L5 级 (完全自动化)。

与界定这些级别相比，预测各级别何时能够实现则更为困难。这种不确定性引发了全行业的期待，似乎突破时刻总是近在眼前。

然而，近年来这一情况已发生显著变化。过去三四年间，自动驾驶技术取得的进展甚至超过了之前十年的总和。本文将带您了解推动这一飞速发展的最新技术突破。

什么是 L4 级自动驾驶？

L4 级自动驾驶是指车辆能够在特定运行区域内自主处理所有驾驶任务，如某些特定城市或特定路线，无需任何人工干预。这一高度自动化级别借助了基础模型、端到端架构、推理模型等 AI 突破性技术，从而能够从容应对各种复杂场景。

如今，L4 级“高度自动化”正将自动驾驶愿景，一步步转变为可扩展、具有商业可行性的现实。

推动智能汽车发展的六项 AI 突破

当前，六项重大 AI 突破正汇聚合力，加速 L4 级自动驾驶的到来：

1. 基础模型

基础模型能够调用整个互联网的海量知识，而不仅依赖于智能汽车的专有数据。

这就好比人类在 18 岁学车时，已经拥有了 18 年的世界认知经验。同理，基础模型凭借广泛的知识储备，能够基于对世界的普遍认知来理解异常场景并预测结果。

借助基础模型，当车辆遇到从未遇到过的突发情况，比如道路上突然出现床垫、或者一个球滚入街道，它能够借鉴从海量训练数据集中学到的知识，进行推理并合理应对。

2. 端到端架构

传统辅助驾驶系统采用独立的感知、规划和控制模块，这种架构在模块间信息传递时容易造成信息丢失。

端到端辅助驾驶架构则有望改变这一现状。该架构可通过单一神经网络直接将传感器输入的数据转化为驾驶决策，始终保持上下文情境信息的连贯性。尽管端到端架构的概念并非新提出，但架构的进步和训练方法的优化，最终使其变得具备可行性，从而以更低的工程复杂度实现更优的自主决策能力。

3. 推理模型

推理型视觉-语言-动作 (Reasoning VLA) 模型将多样化的感知输入、语言理解、动作生成能力与逐步推理过程相融合。这使其能够像人类一样解析复杂情境、评估多种可能结果并确定最佳行动方案。

基于推理模型的系统提供可解释、分步式的决策过程，从而带来更高的可靠性与性能。对于自动驾驶而言，这意味着系统能够实时标记异常决策模式，以实现安全监测，并在事后调试中追溯车辆采取特定行动的原因。这既提升了智能汽车的性能，也增强了用户信任。

4. 仿真技术

如果仅靠实际道路测试，要将一项驾驶策略在所有可能的驾驶场景中完成验证，即便最终能够实现，也需耗费数十年时间。而仿真技术的引入，为这一难题提供了解决方案。

例如神经重建等技术可基于真实世界的传感器数据创建交互式仿真环境；而NVIDIA CosmosPredict 和 Transfer 等世界模型则能生成海量多样的新场景，用于自动驾驶汽车的训练和测试。

通过这些技术，开发者可通过文本指令生成新的天气与路况，或改变光照、引入障碍物，从而模拟出全新场景，并在前所未有的环境下测试驾驶策略。

5. 算力

如果没有充足的算力，上述所有技术进展都难以实现。NVIDIA DRIVE AGX和NVIDIA DGX平台历经多次迭代，每一代设计都需要既满足当今的 AI 工作负载需求，同时为未来数年的技术发展预留空间。

协同优化也十分重要。技术设计需要具有前瞻性，预先考量下一代 AI 系统对算力的需求。

6. AI 安全

安全性是 L4 级自动驾驶的基石，其中可靠性是其区别于较低级别辅助驾驶的决定性特征。物理 AI 安全技术在近期取得了突破，通过在设计、部署和验证阶段引入安全防护机制，使基于 AI 的自动驾驶系统能够实现可信部署。

例如，NVIDIA 的安全架构通过多样且模块化堆栈进行校验，为端到端驾驶模型提供了安全护栏；而神经重建技术的最新进展也大幅加速了系统验证流程。

这些安全防护措施均已纳入NVIDIA Halos综合安全系统，该系统整合了 NVIDIA DRIVE 架构，经过安全认证的NVIDIA DriveOS操作系统，以及 AI 模型、硬件、软件、工具与服务，旨在确保从云端到车端的辅助驾驶系统的安全开发与部署。NVIDIA 合作伙伴可根据需求选用单一组件或完整技术栈。

深远意义：守护生命与节约资源

自动驾驶的意义远不止于技术成就。提升车辆安全性不仅能挽救生命，更能节省资金和资源。L4 级自动驾驶可系统性地消除人为失误，而绝大多数事故正是由人为失误所引发。

作为一家提供从云端到车端的全栈式自动驾驶技术的公司，NVIDIA 正依托其已投产的 L2+ 技术栈基础，助力更广泛的汽车生态系统实现 L4 级自动驾驶。

对自动驾驶至关重要的三台 AI 计算机：

NVIDIA DGX平台用于数据中心 AI 训练

NVIDIA Omniverse与Cosmos仿真场景，并生成用于测试和验证的合成数据

NVIDIA DRIVE AGX车载计算平台用于实时处理车端传感器数据

这些技术平台共同构成了一个涵盖学习、测试和部署的反馈闭环，将安全置于核心地位的同时，持续加速创新周期。