“皮衣教主”黄仁勋与他的自动驾驶帝国

发布网友 发布时间：2022-04-24 09:52

我来回答

共1个回答

热心网友 时间：2022-06-18 17:46

就在今年9月，我们@皆电体验了蔚来NOP（Navigate on Pilot）功能。捏指一算，这是继特斯拉FSD（NoA）之后第二款能基于导航规划路线实现自动进出闸道，自动变道超车的辅助驾驶功能了。

NOP目前已经通过FOTA的形式推送给用户，支持蔚来全部车型。尽管是“老掉牙”的ES8，其内置Mobileye EyeQ4芯片的算力冗余已经能完全满足NOP的需求。

提及到高级辅助驾驶，除了高清摄像头、各种雷达之外，芯片可以说是最重要，也是车企最难攻克的部分，目前除了特斯拉能实现自研之外，包括奔驰、宝马、蔚来、小鹏都选择了外购芯片。而能提供这类芯片的ADAS厂商也不少，像Mobileye、博世、德州仪器以及英伟达，看到这里可能有人会问：

“英伟达不是做显卡GPU的那个吗？”

与博世、德州仪器这些熟悉的面孔相比，英伟达确实足够“跨界”，但做GPU就不能做自动驾驶了吗？显然不是，现在Mobileye不也是英特尔的嘛…

GPU为什么能做自动驾驶

至于为什么你用来打游戏的显卡能应用到自动驾驶，那我得先从自动驾驶得以实现的流程来说。

自动驾驶主要由感知、决策以及执行三个流程组成，摄像头/传感器感知路况、路况信息传给自动驾驶芯片进行决策，决策信息再传给方向盘/发动机执行具体动作，而GPU就参与到“决策”那个流程。

“决策”实际上就是深度学习，而深度学习则是一个模拟了人脑神经系统而建立的数学网络模型，这个模型的特点是数据量大（路况信息多），当中包含了大量且无逻辑关联的数据，这和GPU的日常工作（渲染画面）很相似（每一帧画面上的像素都是独立、无逻辑关联的），因此并行计算能力更出色的GPU自然就能胜任深度学习这份工作了。

虽然GPU天生适合做深度学习，但编写一个能让GPU高效运转的程序则相当困难，直到2007年英伟达发布了CUDA编程工具包，方便程序员利用JAVA、C++写代码之后，搭载GPU的超级计算机才开始遍地开花。（全球超算TOP500中，前 10名有8家用的都是英伟达GPU）

NVIDIA DRIVE AGX Orin

DRIVE AGX Orin是英伟达最新一代用于自动驾驶和机器人的软件定义平台，它由新架构的GPU、Arm Hercules CPU、深度学习和计算机视觉加速器组成，性能是上一代DRIVE Xavier的7倍，算力可达200Tops。

AGX Orin可以处理自动驾驶中同时运行的大量应用以及深度神经网络，作为一个软件定位平台，AGX Orin兼容从L2级到L5级的自动驾驶，方便OEM开发应用于不同领域的产品系列，另外，值得一提的是这套平台预计在2022年实现SOP，至于为什么选择2022年？看看大众、吉利想要在2022年干嘛就一清二楚了。

“打造安全的自动驾驶汽车，也许是当今社会所面临的最大计算挑战。实现自动驾驶汽车所需的投入呈指数级增长，面对复杂的开发任务，像Orin这样的可扩展、可编程、软件定义的AI平台不可或缺。”——英伟达创始人黄仁勋

英伟达与它的自动驾驶帝国

20年前，英伟达重新定义了现代计算机图形技术，并推动了PC游戏市场的发展，而20年后的今天，英伟达已经摇身一变成为一家在AI技术、云计算领域处于领先的头部企业。

2015年——Drive PX，算力（单精度浮点计算能力）2Tops，支持L2级自动驾驶

2016年——Drive PX2，算力8Tops，支持L3级自动驾驶

2017年——Drive Xavier，算力30Tops，支持L4级自动驾驶

2019年——DRIVE AGX Orin，算力200Tops，支持L5级自动驾驶并兼容L2～L4级自动驾驶

仅5年时间，NVIDIA DRIVE自动驾驶平台的算力就有了将近100倍的提升，再看看隔壁Mobileye最新的EyeQ5仅有12Tops，算力上都不知道差了多少个华莱士了。当然，NVIDIA DRIVE上的GPU属于通用型计算芯片， 所以算力高的同时也带来更高的功耗与搭建成本。而Mobileye EyeQ4则基于定制的ASIC架构，因此能耗表现比NVIDIA DRIVE好太多。

NVIDIA DRIVE的“朋友圈”

在自动驾驶领域还没出现垄断型企业的今天，生态的丰富程度似乎比硬件（算力）来得更重要。在文章的开头我们提及到特斯拉FSD是一套封闭的辅助驾驶系统，其实Mobileye与之对比起来，也只是“相对”开放而已，Mobileye可以把整套自动驾驶解决方案卖给不同的车企，但并不会针对车企的需求进行定制（或许是因为ASIC架构的缘故？不过现在英伟达也在迫使Mobileye的技术体系走向开放，例如EyeQ5已经支持多达20个包括激光雷达在内的传感器），而作为后起之秀的英伟达则采用开放的技术体系，他们不仅卖芯片/平台、软件开发包、应用工具等等，还会主动和车企进行深度合作来研发较高级别的自动驾驶技术，也正因如此，目前不少车企、Tier 1的产品都基于NVIDIA DRIVE，例如博世在BCW发布的自动驾驶系统、奥迪的zFAS等等。

在我们那身边也有一个例子，那就是搭载了XPILOT 3.0的小鹏P7，XPILOT 3.0应用到NVIDIA Drive Xavier自动驾驶芯片，已经具备支持L4级别自动驾驶的能力，而对于获取高精地图数据涉及到的基带以及车辆定位技术，XPILOT 3.0则应用了高通骁龙820A芯片，这种让主机厂根据功能整合不同供应商解决方案的做法同样也是NVIDIA Drive足够开放的体现。

在上年GTC China大会上，英伟达还宣布了滴滴将使用英伟达的GPU开发自动驾驶和云计算解决方案。包括在云端（数据中心）采用了其GPU训练机器学习算法，在车端也搭载了NVIDIA DRIVE平台。

事实上，在国内除了滴滴之外，还有包括小鹏汽车、文远知行、小马智行、美团、菜鸟、京东以及高德地图、百度地图等企业宣布了与英伟达合作，在某种程度上，因为NVIDIA DRIVE足够开放，它已经获得了不少主机厂、Robotaxi公司以及Tier 1的青睐。

大手笔买买买

纵观海外那些处于行业第一梯队的半导体厂商，外延式并购是它们提升竞争力的主要手段，为此在近1年内英伟达也开启了疯狂剁手模式。

（1）488亿元收购Mellanox Technologies

在今年4月底，英伟达完成了对Mellanox Technologies的收购，可能大家对Mellanox Technologies比较陌生，事实上这是一家在1999年就成立的公司，主营业务包括服务器以及存储端到端连接方案，是一家在InfiniBand以及以太网互联产品深耕数十年的厂商。

目前数据中心业务已经占据了英伟达总收入的1/3，而收购Mellanox Technologies这一举动让英伟达除了拥有从人工智能计算到网络的端到端技术之外，还拥有了从处理器（GPU）到软件的全堆栈产品。随着全球互联网服务需求的激增，应用到人工智能技术和加速计算的落地场景将变得更多。

（2）2733.2亿元收购Arm

*中国监管机构还没批准（反垄断的原因）

收购完Mellanox之后，英伟达在今年9月又表示打算将ARM收入囊中。因为移动平台的Tegra系列处理器已经折戟，所以英伟达在智能手机、平板电脑或是IoT等市场几乎没有份额，而这些领域又刚好是ARM的强项。

要是这桩收购能成的话，英伟达的短板一下子就给补全了。试想了一下，英伟达的人工智能计算平台与ARM庞大的生态系统相结合会是一件多么“恐怖”的事，届时我们生活中能接触到的几乎所有电子产品都离不开英伟达，估计英特尔、高通、AMD都会被吓到“鼻哥窿都冇肉”。

至于在汽车领域，NVIDIA DRIVE平台和基于ARM的车机也可以在功能上做更多打通，从而形成一套完整的车机娱乐/导航/自动驾驶系统解决方案，再打包卖出去。

自动驾驶的未来，真的属于GPU吗？

人工智能算法是核心，硬件是基础，随着最近几年深度学习需求量增多，FPGA、ASIC芯片开始陆续浮出水面，甚至有人说，人工智能、自动驾驶的硬件之争，归根到底就是GPU、FPGA以及ASIC芯片之争。

正如我们本文的主角英伟达是GPU的拥趸，而占据高级别辅助驾驶系统大半市场的Mobileye又一直沿用ASIC架构芯片一样，究竟谁才是自动驾驶的未来呢？

看来只有时间才能证明了。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。