英伟达想成为无人驾驶汽车大脑它到底做了些什么？

生活极客网 2022-10-08 10:39

极客网·极客观察10月8日英传达正在快速向无人驾驶挺进。例如，英伟达正在开发Drive Thor处理器，它会在2025年装进汽车。

为了成为无人驾驶霸主，许多企业参战，不只有英伟达。英特尔是英伟达最大的竞争对手，该公司有意为宝马汽车提供处理器。为了增强技术实力，英特尔花费153亿美元收购Mobileye，这家公司是计算机视觉和绘图技术的先驱。

不只如此，英伟达还需要应对高通、谷歌、苹果的竞争。据说苹果也在为无人驾驶汽车开发芯片。巨头环伺之下，英伟达会怎么做呢？

英伟达想一块芯片打天下

英伟达本来还开发了Atlan处理器，准备在2024年推出，但后来因为Thor而废弃。Thro可以以每秒运算2 quadrillion（千万亿,1后面15个0）次，相录于Atlan的2倍，比现有的Orin处理器快8倍。英伟达在Thor中植入了Hopper，它可以加速AI运算。

据了解，在汽车技术中，比如车道保持、自动紧急刹车等驾驶辅助技术并不需要强大的计算力，所以英伟达还会推出低端Thor变种处理器。

在一次发布会上英伟达汽车部门副总裁Danny Shapiro说：“看看今天的汽车，先进的驾驶员辅助系统、泊车、驾驶员监视系统、摄像头后视镜、数字仪表盘，它们都有不同的计算机，分布于整个汽车。”到了2025年这些功能不再需要单独的计算机。相反，Drive Thor可以帮助制造商将不同的任务整合成一个系统，削减整个系统的成本。

简单来说，英伟达的目标是让一块芯片通吃所有功能，用一块芯片帮助制造商打造由软件定义的无人驾驶汽车。

Drive Thor可以同时运行Linux、QNX、Android。按照英伟达的说法，有了分区技术，可以确保重要的安全功能不会被不重要的活动（比如娱乐）干扰。机器人和医疗设备也可以使用Thor。

英伟达创始人黄仁勋认为，加速计算、AI正在以光速进化。Drive Thor拥有超强性能，可以持续升级，它会成为车轮上以软件定义的计算机，成为中心计算的英雄。

Thor处理器拥有770亿个晶体管。现在的制造商会在汽车内装入多块小处理器，它们笨重、昂贵、能耗高，未来制造商可以用Thor取代。对于一般任务，制造商可以使用Thor处理器中的Hopper GPU和CPU内核，它们来自2023年即将推出的Grace处理器。不只如此，Thor还用到了针对游戏和设计的最新GPU技术。

黄仁勋眼中的汽车无人驾驶

最近英伟达创始人黄仁勋接受了媒体的采访，谈到了对无人驾驶汽车的一些看法，从中我们可以窥见英伟达之于汽车无人驾驶的设想和布局。

Q：英伟达已经针对无人驾驶汽车推出芯片，你对无人驾驶的未来有何看法？无人驾驶是不是还处在早期，你是不是看到新浪潮即将到来并颠覆产业？对于无人驾驶你们的战略是怎样的？

A：首先，无人驾驶汽车有两台计算机。一台放在数据中心，它处理汽车捕获的数据，将数据变成受过训练的模型，开发应用，模拟应用，构建图形，生成图形，按你的意愿重建图形然后执行CIC和OTM。从本质上讲，第一台计算机就是无人驾驶汽车，只是它被放在数据中心。它做无人驾驶汽车做的一切，只是非常大，因为它从整个车队收集数据。数据中心是无人驾驶汽车系统的第一部分，它处理数据，完成AI学习、AI训练、模拟和绘图。

然后到了第二部分，从第一台计算机提取智慧然后放进汽车，它相当于缩小版第一台计算机。在我们的公司，我们管它叫Orin芯片。接下来的版本是Thor。它些芯片处理数据，我们管它叫感知或者解释。它必须搭建世界模型，它必须做绘图，它必须做规划和控制。

上述两套系统是同时运行的，是两台计算机，英伟达两台都做。你可以说我们的无人驾驶数据中心业务更大、更长远。为什么呢？因为无人驾驶汽车软件开发几乎是永远不会结束的。每家公司都会运行自己的堆栈，所以这部分业务很庞大。

我们开发了OmniVerse，它的第一个“客户”是DRIVE Sim。我们只是在内部使用DRIVE Sim，未来也会让其它人使用。关于无人驾驶汽车，我们有了一些自己的信念。你看看过去别人是怎么开发ADAS系统的，再看看我们是怎样做的，我们发明了一款名叫Xavier的芯片，它实际上是第一款软件定义机器人芯片，专门为高速处理器设计，有很多的深度计算处理器。当我向别人介绍Xavier时，他们会问：为什么每个人都需要如此大的芯片？事实证明Xavier还远远不够，我们需要更多。

Orin是我们的王牌。如果你看看我们的机器人业务，里面有无人驾驶汽车、班车、无人驾驶卡车，多种多样。我们的机器人业务年营收已经超过10亿美元。我们的哲学与别人不同，我们认为不同的技术会融合，让机器人变成可能。当中最重要的一环是深度计算。我们是第一个将深度学习引入无人驾驶的。在英伟达之前大家关注的是激光雷达、是人工调整计算机视觉算法。我们之所以转向深度学习，主要是因为我们认为它具有很好的扩展能力。

还有，我们所做的一切都是围绕“软件定义”展开的。你可以轻松升级软件，因为有两台计算机。数据中心的计算机开发软件，然后我们将软件植入汽车。如果你想将这样的软件装进大量汽车，想伴随着软件工程快速进化，那就需要可编程芯片。我们的哲学是围绕深度学习、软件定义平台展开的，这样的哲学应该是正确的。当然，开发的时间会长一些，因为成本更高。用户需要学会如何为它编程。

【以上内容转自“极客网”，不代表本网站观点。如需转载请取得极客网许可，如有侵权请联系删除。】