GTC 2017 | 开放式 AI CAR 计算平台 Drive PX 2 的烧脑解析
毫无疑问，「AI 改变自动驾驶」 这句话近一段时间似乎成了公认的「 真理」，也有越来越多的汽车厂商、Tier1 供应商以及创业公司开始利用人工智能技术推进自动驾驶的发展，我相信他们其中很大一部分离不开利用 GPU 来进行数据收集机器学习训练以及优化具体的场景算法应用。对于做 GPU 的老大哥 NVIDIA 来说，此前年初 CES 发布的 Drive PX 2 平台就是自动驾驶这个场景下诞生的产物。 如果我们简单搜索一下就会发现，在短短两年的时间内，对外公布与 NVIDIA 合作基于 AI 开发自动驾驶技术的公司和团队就涵盖了大部分一线车厂、供应商和明星自动驾驶创业团队，其中包括特斯拉、沃尔沃、奥迪、奔驰、博世、ZF、百度、Uber、PACCAR、Roborace 等。黄仁勋透露，截止目前为止，在全球有近 200 左右的开发者或企业在基于 Drive PX 2 平台开发自动驾驶技术。 在今年的 GTC 大会上，我们有机会深入接触到 NVIDIA 自动驾驶平台 Drive PX 平台的技术研发工程师和产品专家，希望更深入地了解这个平台到底是什么，以及对于开发者来说，吸引力和可能性在哪。 什么是 Drive PX？Drive PX 2 呢？Xavier 又是什么？（上图来自维基百科）DRIVE PX 2 是一个开放式人工智能车辆计算平台，对于车厂和一级供应商来说，可以根据这个平台做快速的、自主定制化的自动驾驶车辆研发。它提供三个功能递进的平台，分别是 AUTOCRUISE、AUTOCHAUFFEUR 和 FULLY AUTONOMOUS DRIVING（全自动驾驶）。此前 ZF 与 NVIDIA 合作推出的 Pro AI 就是基于 Drive PX 2 Autocruise 平台研发的，采用一个 Parker SoC，专为打造从汽车和卡车到叉车和物料搬运车辆等自动驾驶汽车的公司而设计。 从数据上来看，Autochauffeur 的性能相当于 Autocruise「 乘以 2」，另外加了两颗基于 Pascal 架构的独立 GPU，可以实现点对点的自动驾驶；而 FULLY AUTONOMOUS DRIVING 则是将多重全方位配置的 Drive PX 2 系统叠加整合到一台车内实现全自动驾驶。Tesla 与 NVIDIA 合作并且在 2016 年 10 月之后量产的 Model S 车型上搭载的也是 Drive PX 2 自动驾驶平台，但具体是哪种 Drive PX 2 平台，我们暂且不得而知。 那 Drive PX 和 Xavier 呢？从图中可以看出，2015 年 NVIDIA 发布的 Drive PX 应该算是 Drive PX 2 的前身，而在 2017 年初 CES 上发布的 Xavier 则是 Drive PX 2 的「 进化版本」，是一款完整的片上系统 (SoC)，集成了被称为 Volta 的下一代全新 GPU 架构、定制 … 继续阅读
GTC：一场由 GPU 技术引发的人工智能风暴
科学家霍金曾警告说，人工智能的崛起可能是人类文明的终结；Elon Musk 也曾发表所谓「 人工智能魔鬼论」。而有一个公司却偏要将人工智能进行到底，他就是 NVIDIA，而 GPU 技术则是他的筹码。 一年一度的 GTC（GPU Technology Conference）大会即将在本周于美国加州的圣何塞，也就是大家熟知的科技城硅谷拉开序幕。这个从 2009 年开始由 NVIDIA 发起并举办的 GPU 相关技术峰会迎来了它的第 9 个年头，而也就是在今年年初，一场由 GPU 之父 NVIDIA 公司发起人工智能的风暴同样席卷了赌城的 CES，让人们看到了 GPU 在人工智能领域广泛的应用空间和技术上更多的可能性，而自动驾驶智能汽车，正是其中最重要一个领域，也是 NVIDIA 的赌注所在。（当然如果你还不知道 GPU 是什么？那就快去问问身边的电子游戏发烧友们，他们一定会给你安利 NVIDIA 推出的最顶级的显卡；或者你还不知道 GPU 和智能汽车自动驾驶有什么关系？那就快先去学习一下这篇文章吧：《GPU 驱动下的自动驾驶变革》。）今年的 GTC，四天连轴转的演讲、论坛、圆桌和对话，几乎囊括了所有致力于通过 GPU 解决重大计算难题的科学家、研究员、开发者，共同讨论包括无人机、机器人、人工智能城市、自动驾驶汽车等多个领域基于 GPU 技术的话题和解决方案。GeekCar 当然不会错过这个极客的盛大集会，我们将会亲临现场，为大家挖掘尽量多的与 GPU、人工智能、智能汽车自动驾驶相关的深度报道。下面开始划重点啦： 首先，最值得关注的必须是美国加州时间 5 月 10 号上午 9：00——11：00，NVIDIA 创始人、「 教主」——Jensen Huang 黄仁勋 足足两个小时的主题演讲。老黄在去年 GTC 的主题演讲中，全球首发了 Pascal 深度学习芯片 Tesla P4 和 P40，还在现场展示了一段应用 Drive PX2 的自动驾驶汽车在充满障碍物的道路上自如前行的 Demo 视频。而今年老黄会有什么和自动驾驶相关的核弹头要发射？我们将在现场发回报道，同时也可以登录 NVIDIA 官网，搬好小板凳看直播： 直播时间：太平洋时间 5 月 10 号 星期三 早上 9:00 直播地址：http://nvda.ws/2qQT4rI 其次，参加 GTC 的汽车公司也不少，前一阵刚刚获得福特 10 亿美元投资的人工智能自动驾驶初创公司 Argo AI 也将现身 GTC，福特汽车自动驾驶机器学习部门的负责人 Bryan Goodman 将会展示福特和 Argo.ai 用来融合传感器数据的模型，并给出性能优化示例，这些模型能够及时优化处理高分辨率的图像、激光雷达点云，以及其他传感器的输入性能。从他的对话中，我们或许能得知 Argo.ai 和福特未来将用何种方式将运算性能推向新的极限，并且最大限度利用可用资源，包括修改底层模型、数据结构和推理引擎本身。 另一家车企，梅赛德斯奔驰北美研发中心高级副总裁，网联汽车和用户交互、车联网部门负责人 Kal Mos 也将参与 GTC，向我们展示展示梅赛德斯奔驰如何通过利用强大的嵌入式硬件来实现车身内部的传感器处理和融合，如何使云端成为 AI 技术应用的完美生态系统。 此外，我们此前非常关注的自动驾驶赛车 Roborace 的 CTO Bryn Balcombe 也将在 GTC 进行对话，讲述 Robocar 相关 AI 技术，以及软件如何界定汽车行业和赛车的未来。还有自动驾驶高精度地图厂商 HERE 的高度自动驾驶副总裁 Sanjay Sood 也将参与讨论，讲述如何打造车辆-云端-车辆的「 可自我完善的」 高清地图数据体系。 除此之外，我们还有机会和 NVIDIA 高级工程师深入接触，了解更多 Drive PX2 以及 GPU 技术在自动驾驶应用更多的技术细节和趋势，你们想要了解任何 GPU、人工智能、自动驾驶相关的话题，也可以给文章或 GeekCar 微信号留言，我们会在现场尽量帮你们提问并带回来答案。 原创声明： … 继续阅读
专访英伟达 CEO 黄仁勋：「教主」眼中的自动驾驶，到底是什么样？
在 CES 2017 报道英伟达（NVIDIA）的文章《CES 2017 | 详解英伟达 CEO 黄仁勋演讲：「AI 教父」的自动驾驶布局》中，我们已经提到了 NVIDIA 发布的最新 Xavier 平台，以及与博世的合作。其实在 CES 上，老黄卖了个关子：在 3 月份德国柏林举办的 Bosch Connected World 上，他将登台发布进一步的合作成果。事实证明，老黄没有食言，在 BCW 上，博世联合英伟达发布了基于 Xavier 平台的车载人工智能电脑。 关于 Xavier 平台的运算能力，在 CES 的文章中已经有所阐述，在这里就不再具体展开。在 BCW 的发布会之后，GeekCar 有幸与老黄面对面聊了聊，本文将重点结合老黄的发布会与专访，解析他眼中的自动驾驶。 老黄在 BCW 上都讲了什么？ 除了发布车载人工智能电脑，老黄在演讲中还介绍了英伟达在自动驾驶领域的 3 个布局： 1. Deep Learning：GPU 在深度学习领域的应用成就了今天的英伟达。在老黄看来，深度学习驱动下的人工智能，也将成为自动驾驶决策的主要算法结构。 2. HD Map：在高精度地图领域，深度学习也将起到重要的作用。它能够帮助机器更高效的通过传感器收集地图数据 ，例如识别道路特征、提取建筑轮廓、识别道路图形标牌等。 3. AI Supercomputing SOC：这个是英伟达本就十分擅长的硬件芯片。博世将 NVIDIA 人工智能平台纳入到自己的零部件供应商中已经是对其硬件实力的最好证明，这也意味着英伟达的人工智能芯片将开始正式向量产平台进军。 此外，这次老黄还发布了将与卡车制造商 PACCAR 合作，基于 Drive PX 平台发展卡车领域的高级别自动驾驶。 在此之上，老黄又进一步聊了实现 L3 级别自动驾驶所需要的几个环节：Detection（感知）、Localization（定位）、Occupancy Grid（占用空间）、Path Planing（路径规划）、Vehicle Dynamic（车辆运动）、OTA（在线升级）。 可以看到，除去 OTA 之外，老黄的理解与我们之前一再提到的感知、地图、决策、控制有一些类似。但是，这两者之间最大的不同点是在于对「 决策」 的理解。做图像处理发家的老黄，将驾驶决策巧妙的分成了两个偏向图形分析的环节： Occupancy Grid（占用空间）： 这个环节指的是，机器对于周围环境中各元素所处位置与所占空间做出的判断。这个判断既包括当前环境，也包括未来环境。而元素可以是车辆、行人、建筑物等等。 Path Planing（路径规划）： 在判断了周围元素之后，机器将根据这个空间环境，规划出可驾驶的路线。 这样的划分，无疑能够更好的体现 GPU 在图像处理方面的优势。在老黄看来，目前市面上还没有任何一个量产的计算平台能够同时整合上述五个环节，而这正是 NVIDIA 希望在汽车领域攻克的难关。 最关键的部分来了：综合上面的分析，老黄提出， Deep Learning 在高精度地图以及图像识别方面的应用不仅能够优化自动驾驶的决策，更能够帮助降低车辆上所需传感器的成本。 我们之前提到过，除了特斯拉之外，大部分主机厂和 Tier 1 都认为，每一辆实现 L3 级别的自动驾驶车辆需要配备激光雷达。而老黄认为，在 Deep Learning 的驱动下，现有量产级别传感器以及高精度地图技术的潜力将被进一步挖掘，从而在一定程度上打破 L3 级别自动驾驶对激光雷达的依赖。由于目前激光雷达的成本和量产时间是实现 L3 自动驾驶的主要瓶颈之一，老黄相信，我们有可能在今年年底到 2018 年间就实现 L3 级别的自动驾驶，在 2018 年底到 2019 年实现 L4。 在德国当着无数汽车行业的人给出这样的观点，老黄就这样把他的「 黄氏定律」 带到了汽车圈。 带着女儿来专访 演讲之后，在 BCW 场地旁边的一个酒店会议室中，我又再一次见到了老黄。专访的一开始，老黄就给了在座的媒体一个惊喜：「 今天我的女儿也跟我一起来了，有我女儿看着，你们要对我好一点哦。」 这样的画风也让整个专访氛围一下子变成了科技公司的轻松范儿。 在向大家介绍完了自己的女儿之并复盘了一下自己的演讲之后，老黄开始回答起了大家的问题。 在被问到 Intel 收购 Mobileye 的事情时，他首先开玩笑的说：「 他们为什么要买 Mobileye 啊！？」 随后又说：「 英特尔这个决定肯定是有他们自己的原因和考虑的，至于收购后的效果，时间会给出我们结果。」 当有记者问到老黄英伟达如果面临被巨头收购会如何决策时，老黄也开玩笑道：「NVIDIA 一直都在对外出售啊，你们都赶紧来买一点我的股票吧！」 可以看出，对于行业内最近的兼并，老黄并没有表现的很在意。这与他平时果断、自我的行事风格十分相符。 熟悉 GeekCar 的都知道，我们关心的是技术。所以我针对老黄在发布会上的观点提出了两个问题，以下是问答的实录（M 代表 Mark，H 代表 … 继续阅读
「CES 2016」有了升级版硬件，英伟达如何通过深度学习玩转自动驾驶？
CES 展上，英伟达（NVIDIA）带来了全新的「NVIDIA DRIVE PX 2」 自动驾驶平台。英伟达在 CES 的发布会持续了一个小时，CEO 黄仁勋详细讲解了 NVIDIA DRIVE PX 2 的性能，并展示了大量的 demo。 在此之前，NVIDIA DRIVE PX 早已向公众亮相，这次发布的「NVIDIA DRIVE PX 2」 可以看作是其升级版。 硬件性能如何？ 英伟达给 DRIVE PX 2 下的定义是「 自动驾驶超级电脑」，还是先来说说它的配置吧。慢慢你会觉得，英伟达为了进军汽车行业，算是下了血本了。 DRIVE PX 2 搭载两颗 NVIDIA Tegra 处理器（共 8 个 A57 核心和 4 个 Denver 核心，共计 12 颗 CPU）和两颗基于 NVIDIA Pascal 架构的新一代 GPU，采用 16nm FinFET 工艺，单精度计算能力达到 8TFlops，功耗 250 瓦。 直观一点，DRIVE PX 2 在浮点运算性能上，相当于 150 台 Macbook Pro。由于汽车芯片工作环境恶劣，为了解决散热问题，英伟达为它配备了液冷系统，最高可在 80 度的环境温度下工作… 和 DRIVE PX 一样，DRIVE PX 2 最多可以处理 12 部 200 万像素摄像头（60fps）的数据。虽然数据处理能力没变，但深度学习能力增长了 10 倍。 打造「 端到端的深度学习」 系统 自动驾驶汽车要依靠高精度地图，通过各种传感器来感知周围环境，然后才能做出判断。在这个过程中，使用了深度学习技术后，效率大大提升。但如何把深度学习技术融入自动驾驶汽车？ 在英伟达看来，自动驾驶只有一个性能强劲的 DRIVE PX 2 是远远不够的，黄仁勋强调的是一套「 端到端的深度学习」 系统。这套系统涉及 DRIVE PX 2、NVIDIA DIGITS、NVIDIA DRIVENE，这三个「 端」 是怎样协同工作的？ DRIVE PX 2 负责处理本车所采集到数据，感知周围环境，并做出决策。结合摄像头、GPS、雷达等硬件，加上一系列识别算法，DRIVE PX 2 已经可以识别行人、汽车、交通标志等路面信息。有意思的是，它还能识别出是哪种车型，是 SUV、轿车，还是卡车，并且能够计算出与本车的速度差和距离。 由于识别范围是 360 度的，所以有了 DRIVE PX 2 后，基本可以取消后视镜了。 下面就该说 NVIDIA DIGITS 了，你可以把它理解为一个「 深度学习计算平台」。人工智能技术需要不断学习和训练，当汽车行驶时，采集到的数据会通过 DRIVE PX 2 处理，然后发送到云端。NVIDIA DIGITS 平台就会把这些数据处理，以此训练深度神经网络 NVIDIA DRIVENET，增加所有车辆的智能程度。 NVIDIA 的深度神经网络多达 9 层，这也就意味着这套系统学习能力更强。可能听着有点晦涩，说简单点，就是他们可以互帮互助，共同学习，共同进步，还比别人家孩子聪明。 聪明到什么程度？ 使用 GPU 加速的英伟达方案，比其他竞品速度快了 30-40 倍。在英伟达展示的 demo 中，工作人员花了一天的时间完成对机器的训练，如果不采用 GPU … 继续阅读
英伟达商开始主攻汽车芯片了，那么他们有哪些经验教训？
英伟达耗费了 10 年时间才被汽车行业接纳为元件供应商。而其他一些科技公司也希望开拓类似的市场，将业务从消费电子产品拓展至汽车元件。 过去多年时间里，英伟达为游戏主机和笔记本电脑提供了强大的图形处理器。在这样的情况下，大众也曾与英伟达接触，了解是否能将这样的 3D 显示技术引入奥迪汽车的中控台中。 这已经是 10 年前的事。10 年对硅谷而言已经可以进行多次产品换代，但对汽车厂商而言，10 年中的车型更替并不会太多。英伟达花费了 6 年时间才开发出 3D 导航系统的显示芯片，而这一导航系统已被用于 2011 款奥迪 A8 汽车。通常情况下，英伟达只需 3 到 4 年时间就能针对游戏应用开发出新的芯片。 与此同时，英伟达的工程师发现，他们无法将为笔记本或游戏主机设计的芯片直接用在汽车中。 英伟达汽车业务高级主管丹尼·夏皮罗 (Danny Shapiro) 表示：「 我们需要学习，『 车规级』 意味着什么。」 简而言之，这意味着不能出现重启，因为如果中控台屏幕无法点亮，那么用户将会愤怒，而保修带来的成本将非常高昂。 在长达 10 年的时间里，英伟达成功将业务从计算机和游戏主机拓展至快速发展的高端汽车显示屏和自动驾驶系统。硅谷其他科技公司也试图效仿英伟达的做法，统一汽车和数字设备。 英伟达的处理器在奥迪 A8 和特斯拉 Model S 等车型中取得了成功。这也表明，汽车厂商正在打破传统供应商的范畴，从而获得更先进的技术。 奥迪技术发展负责人乌尔里奇·哈肯伯格 (Ulrich Hackenberg) 表示，「 他们提供的计算系统」 能处理最新驾驶辅助系统和显示屏所需的大量数据。 在传统汽车芯片市场，英伟达仍是一家小厂商，该公司未来还有很长的路要走。一些更大的厂商，例如日本的瑞萨电子，美国的 德州仪器 、英特尔 和 高通 ，仍是汽车芯片市场的领先者。 最近一个财年英伟达的营收为 47 亿美元，而汽车芯片销售仅占其中的 4%。去年，德州仪器的汽车半导体业务销售额达到 19.6 亿美元，而英伟达这一业务的规模仅为其 1/10。 德州仪器驾驶辅助系统业务经理布鲁克· 威廉姆斯 (Brooke Williams) 表示，在开展汽车芯片业务 35 年之后，德州仪器已经知道，如何处理汽车厂商的需求。他表示：「 我们了解汽车设计周期，以及汽车厂商和供应商的工作方式。」 英伟达目前已进军了车载信息娱乐系统市场，但尚未涉足无人驾驶汽车。 2011 年，英伟达汽车芯片业务的销售额仅为 2300 万美元。自那时以来，该公司取得了极高的增长率。该公司预计，今年汽车芯片业务营收将为 1.83 亿美元。而对于未来汽车业务的发展，该公司已记入了超过 20 亿美元的收入，其中大部分与数字显示屏和娱乐系统芯片有关。英伟达预计，到 2020 年，该公司的芯片将被用于 3200 万辆汽车。 英伟达正试图打入一些新兴市场，面向这些市场提供驾驶辅助系统，包括自动泊车、半自动转向和刹车系统等。这样的系统需要尺寸很小，但运算能力强大的芯片。 目前，英伟达已经开发了 Tegra X1 芯片，并面向汽车和游戏行业的用户销售。英伟达表示，Tegra X1 将超级计算机的计算能力封装在了邮票大小的芯片中。 摩根士丹利 分析师约瑟夫·摩尔 (Joseph Moore) 表示：「 英伟达带来了无与伦比的图形处理能力，这对驾驶辅助系统模块的开发可能至关重要。」 一些客户欣赏英伟达的技术，但不能肯定这一技术是否符合它们的标准。而英伟达从中吸取了经验。 在合作早期，奥迪一名高管邀请英伟达工程师前往位于德国 Ingolstadt 的奥迪工厂。奥迪互联汽车技术高级系统架构师马西亚斯·哈利格 (Matthias Halliger) 表示：「 我们对英伟达的工程师表示，『 你们只生产一个元件，而在这里我们需要将 1 万个元件组装成一辆汽车。即使是一个元件损坏，我们都 会面临问题。」 为了说明问题的严重性，奥迪一名向导指出，曾经有一辆豪华轿车由于喷漆存在瑕疵而被拒绝收货。 哈利格表示，此次的工厂参观「 帮助英伟达理解了我们的需求。这很好地展示了我们想要什么」。 不过，英伟达需要学习的还有很多。正常的汽车生产周期达到 5 年甚至更长时间，而许多消费类产品只有 1 年。英伟达需要与自己的供应商合作，确保关键元件，例如内存和电源模块，在更长的生命周期中能按需得到升级。 英伟达 CEO 黄仁勋表示：「 当你与汽车厂商合作，参与他们的开发过程时，你会在多年时间里接受他们的文化。不过，汽车产业正渴望被重塑。」（本文来源于新浪科技）
为什么说 Nvidia（英伟达）将激发下一轮汽车变革
相比 Nvidia，英特尔与高通在汽车领域的优势并不明显。从 Tesla 的选择上就能找到答案。Nvidia 更擅长图形处理，其 CUDA 并行计算架构是最重要的一个筹码，因为今后的汽车智能化必然需要强大的 GPU 支持。