NVIDIA（英偉達）創始人兼首席執行官黃仁勛在GTC China上發表了2個多小時的主題演講中，自動駕駛是重點之一，發布了軟件定義的自動駕駛平臺Orin、開源自動駕駛深度神經網絡NVIDIA DRIVE、并宣布與滴滴達成合作，以及遷移學習、聯邦學習等方面的進展等等。

根據現場演示的一段“點到點”的自動駕駛視頻可以看到英偉達目前的進展：在遵守紅綠燈交通規則、支持變道、進出匝道、匯車、監督駕駛員姿態方面都運行順暢。

五年前很多人就說：“2020年就能看到自動駕駛的車輛了。”但現在看來這個目標還遙遙無期。不過技術仍在向前推進，業界也能更為理性地看待這個問題。

自動駕駛的挑戰一直存在，“安全”無疑是最重要的一點。在車輛真正上路行駛前，需要大量的模型訓練和開發工作，讓自動駕駛車輛盡可能多去開更多的里程，才能夠保證自動駕駛車輛比人類駕駛更為安全。

英偉達在汽車領域深耕已有超過十年的時間。在英偉達看來，AI技術在被道路上真正使用之前，其實是發生在數據中心的，因為對于自動駕駛來說，第一步是海量數據的收集工作。車上安裝了多種多樣的傳感器，如果以每天行駛6小時-8小時計算，每周就會收集到PB級的數據。海量的信息需要進行處理、標記、存儲、訓練，以便車輛能夠更好地了解周圍環境、識別其它車輛、車道信息等。基于這些方面，英偉達與合作伙伴共同實踐，讓AI大腦能更好地了解、甚至去“駕駛”車輛。

黃仁勛提到，真正把這些技術應用在實際道路之前，需要首先進行驗證，判斷系統是不是真的能效。這需要大量的訓練和開發工作，這也是為什么英偉達推出了很多的開發工具，只有不斷地模擬、測試、驗證，才能真正用于實際道路上。

開源自動駕駛深度神經網絡NVIDIA DRIVE

“AI對于安全的自動駕駛汽車開發來說至關重要，它能夠讓車輛感知周圍環境并做出實時反應，從而實現智能行駛。其核心是由數十個深度神經網絡組成的，它們可以處理冗余和不同任務，以確保精確的感知、定位和路徑規劃”，黃仁勛表示，要真正實現自動駕駛，意味著車上需要更多的軟件，也需要更多的計算能力去跑這些軟件。

不過，深度神經網絡的復雜度在增加，數量也在繼續增加。要保證整個計算過程做得極其精準，避免車輛出現任何錯誤，開發者所面臨的挑戰是巨大的。

黃仁勛宣布將在NVIDIA GPU Cloud(NGC)容器注冊上，開源其NVIDIA DRIVE自動駕駛汽車開發深度神經網絡。由于AI自動駕駛汽車是軟件定義的汽車，它必須基于大量數據集才能在全球范圍行駛。向自動駕駛汽車開發者開源深度神經網絡，并提供學習工具，能夠使他們根據不同的數據集對這些網絡進行優化。”

英偉達向自動駕駛汽車開發者開源的內容包括：預訓練AI模型和訓練代碼。這些預訓練的模型都是基于英偉達自己的IP所研發，用高質量數據訓練了上千小時生成。通過NVIDIA AI工具，開發者們可以自由擴展和自定義模型，從而提高其自動駕駛系統的穩健性與能力。這些工具能夠讓英偉達的汽車客戶去針對車型來定制自己的軟件，這是之前做不到的。

革命性的自動駕駛平臺Orin

黃仁勛還宣布了可用于自動駕駛和機器人的高度先進的軟件定義平臺——NVIDIA DRIVE AGX Orin，它內置了全新的Orin系統級芯片，由170億個晶體管組成，集成了NVIDIA新一代GPU架構和Arm Hercules CPU內核以及全新深度學習和計算機視覺加速器，每秒可運行200萬億次計算，幾乎是上一代Xavier系統級芯片性能的7倍。Orin可處理在自動駕駛汽車和機器人中同時運行的大量應用和深度神經網絡，并且達到了ISO 26262ASIL-D等系統安全標準。

（ORIN芯片）

據英偉達汽車事業部高級總監Danny Shapiro介紹，Orin SoC是英偉達研發多年、投入數十億美元的一款芯片，代表了英偉達下一代汽車和機器人SoC技術。作為一個軟件定義平臺，DRIVE AGX Orin能夠賦力從L2級到L5級完全自動駕駛汽車開發的兼容架構平臺，助力OEM開發大型復雜的軟件產品系列。

值得一提的是，Orin和Xavier均可通過開放的CUDA、TensorRT API及各類庫進行編程，因此開發者能夠在一次性投入后使用跨多代的產品。

遷移學習、聯邦學習可加速訓練、保護數據隱私

遷移學習、聯邦學習正在被英偉達用于自動駕駛領域，通過這些加速訓練能夠幫助整個行業進一步加快研發，并突破“數據”這一關鍵瓶頸。

對于預訓練的模型，英偉達提供遷移學習工具，客戶可以將自己的數據放到這些模型中，進一步進行優化,預訓練的模型可以進行適當調整，以適應OEM特定的汽車、傳感器和具體地區要求，加速汽車公司的研發進程。

聯邦學習則可供多個組織和公司在不移動或共享數據的情況下進行合作。一直以來，數據隱私是瓶頸問題，而聯邦學習可允許數據網絡中的各個節點只負責訓練其自身的本地模型，并定期提交給參數服務器。該服務器不斷累積并聚合各自的貢獻，進而創建一個全局模型，再分享給各個節點。其突破性在于實現了模型的流動，數據始終保存在本地，大大消除了數據隱私的顧慮。

特別是汽車行業跨國公司很多，在進行跨國的數據傳輸方面其實有很多限制。通過聯邦學習，就可以用各地的數據來共同訓練一個全球模型，這可以讓更多的合作伙伴使用，對于合作的項目、公司，或公司內的其它部門，都能夠從中獲益。

可以說聯邦學習是一個革命性的解決方案，不僅僅是汽車行業，所有有“數據隱私”需求的行業都可以采用它。

與滴滴達成合作

在客戶合作方面，黃仁勛宣布和滴滴出行達成合作。滴滴將使用NVIDIA GPU和其他技術開發自動駕駛和云計算解決方案，在數據中心使用NVIDIA GPU訓練機器學習算法，并采用NVIDIA DRIVE為其L4級自動駕駛汽車提供推理能力。

作為滴滴自動駕駛AI處理的一部分，NVIDIA DRIVE借助多個深度神經網絡融合來自各類傳感器（攝像頭、激光雷達、雷達等）的數據，從而實現對汽車周圍環境360度全方位的理解，并規劃出安全的行駛路徑。

自動駕駛何時到來？

英偉達汽車事業部高級總監Danny Shapiro表示，“物體識別”是一個關鍵領域，下一個階段就是預測，例如：預測其它車輛和物體，然后做出相應的反應。現在全世界范圍內有很多自動駕駛的試點，包括：中國、德國、美國、日本。英偉達和合作伙伴正在非常謹慎地、不斷地向前推進，以保證最高級別的安全性。

真正的自動駕駛何時實現？Danny Shapiro的看法是，自動駕駛實驗目前在一些受限環境已經開展很多了，例如在港口、機場、礦場、建筑工地、農業，以及固定路線的巴士，或是在其他規定區域內行駛的車輛。這些場景相對封閉、路線固定、目標物體較少。而自動駕駛真正在開放路面使用，還有一段路要走。