智能汽車的快速發(fā)展正在深刻改變?nèi)藗兊某鲂猩?。許多人關注的智能汽車，往往聚焦于車內(nèi)智能座艙、輔助駕駛算法和硬件性能，但這只是智能汽車龐大生態(tài)體系中的一部分。

近日，在德國慕尼黑舉辦的國際汽車及智慧出行博覽會（IAA Mobility）上，NVIDIA 汽車事業(yè)部副總裁 Ali Kani 發(fā)表了“從云端到車端：引領安全、AI 定義的未來出行” 的主題演講，從全局視角揭示了智能汽車的創(chuàng)新發(fā)展路線。演講指出，智能汽車變革不僅體現(xiàn)在車載算力的提升，更涵蓋車廠數(shù)字化、云端 AI 訓練、仿真測試與車載部署的端到端閉環(huán)生態(tài)系統(tǒng)。

智能汽車從“馬力”驅動來到了“算力”驅動的時代。過去，汽車的核心競爭力在于發(fā)動機排量和機械性能，如今則轉向依賴車載計算平臺的算力及 AI 模型性能與安全。智能汽車制造正從機械制造蛻變?yōu)檐浖x的復雜系統(tǒng)，汽車的“制造”不僅發(fā)生在工廠車間，更在龐大的數(shù)據(jù)中心和云端進行。

在這一轉變過程中，主機廠面臨多重挑戰(zhàn)：

海量數(shù)據(jù)的高效處理：智能汽車每天產(chǎn)生龐大的傳感器和環(huán)境數(shù)據(jù)，如何快速、安全地處理，成為主機廠必須解決的核心問題。

復雜 AI 模型訓練：為了實現(xiàn)更精準和安全的輔助駕駛，AI 模型需要在多樣且復雜的場景中不斷訓練，但大規(guī)模數(shù)據(jù)訓練對算力和集群規(guī)模提出了極高要求。

模型對長尾場景的學習：現(xiàn)實中許多極端或罕見場景難以采集，缺乏足夠樣本訓練模型，使得模型難以全面應對多樣化路況和突發(fā)情況。

基于以上痛點，NVIDIA 提出“三臺計算機”解決方案，并且每臺計算機上都運行 AI 軟件。

用于訓練 AI 模型的NVIDIA DGX，能高效處理大規(guī)模數(shù)據(jù)和模型訓練；

用于仿真和生成合成數(shù)據(jù)的NVIDIA Omniverse和NVIDIA Cosmos，支持數(shù)字孿生和環(huán)境仿真測試，可以通過數(shù)據(jù)重構及合成構建長尾場景，幫助模型學習復雜場景；

用于實時車載推理的NVIDIA DRIVE AGX車載計算平臺，可以高效、安全地在邊緣端進行推理。

這三臺計算機形成一個閉環(huán)，加速數(shù)據(jù)處理、保證軟件安全上車，通過穩(wěn)定的大規(guī)模集群訓練模型，結合合成數(shù)據(jù)創(chuàng)建的長尾場景，從而使模型更加智能、安全。

隨著模型和數(shù)據(jù)規(guī)模的持續(xù)擴展，云端和車端算力需求同步攀升，這不僅是輔助駕駛邁向下一代智能變革的顯著標志，也成為智能汽車領域新的核心競爭力。未來，智能汽車廠商將依賴整合“云-端-工廠”間的 AI 與仿真能力，實現(xiàn)訓練、測試與部署的協(xié)同閉環(huán)。憑借 NVIDIA 領先的全棧解決方案，汽車制造商與供應商可以提高汽車的安全性、智能性和高效性，為用戶帶來更優(yōu)質的未來出行體驗。