以四大頭部廠商為例，看 AI 如何賦能汽車行業數字化？_風聞

近日，CVPR 2024 自動駕駛國際挑戰賽（Autonomous Grand Challenge）結果揭曉，英偉達憑藉 Hydra-MDP 模型在 “端到端自動駕駛” 賽道中擊敗了全球 400 多個參賽者，榮登榜首。

這個自動駕駛國際挑戰賽，是由上海人工智能實驗室聯合國內外頂尖高校，科研機構和企業，依託國際計算機視覺與模式識別會議 (CVPR) 舉辦的全球規模最大、等級最高的自動駕駛比賽。比賽獲獎團隊代表了當今世界自動駕駛相關研發的最高水平。

據瞭解，英偉達的 Hydra-MDP 模型還獲得了本屆 CVPR 的創新獎，體現了國際科研機構對於英偉達在自動駕駛汽車開發上領先研發能力的認可。

英偉達汽車業務的穩步增長，得益於其自動駕駛解決方案的推廣。在中高端的智能汽車領域，NVIDIA DRIVE Orin 的佔有率非常高。

據不完全統計，採用 DRIVE Orin 的車企包括蔚小理、比亞迪、騰勢、上汽智己、飛凡，吉利極氪、極越、路特斯，奇瑞、長城等 30 多家主流車企，就連時下最火的小米 SU7 全系搭載的也是 DRIVE Orin 系列。

此外，包括比亞迪、廣汽、理想、小鵬、奇瑞、極氪、極越、長安等車企在內，都已經選擇英偉達最新一代的 Blackwell GPU 架構的新一代 NVIDIA DRIVE Thor 平台，為其下一代自動駕駛系統提供算力支持。

除面向車端的自動駕駛算力芯片以外，英偉達還在通過面向汽車行業的 AI 和加速計算解決方案，幫助汽車製造商和合作夥伴實現全價值鏈條的數字化升級，為汽車研發、設計、生產製造、營銷等多個領域帶來創新。

本文從比亞迪電子、小鵬、蔚來以及理想四大頭部廠商與英偉達的合作案例為例，探討 AI 在賦能汽車行業數字化方面的新機會、新價值。

NVIDIA Isaac + Omniverse，打造比亞迪的數字工廠

在當前的汽車行業背景下，虛擬工廠概念應運而生。

虛擬工廠，作為真實工廠的物理級準確數字孿生，允許製造商在沒有物理原型的情況下，對生產流程、資源和運營進行建模、模擬、分析和優化。

這種強大的模擬能力為汽車製造商帶來了簡化溝通、因地制宜的規劃、優化設施設計和智能化運營等多方面的優勢。

我們具體看比亞迪與英偉達的合作——從車端延伸到了雲端。從下一代車載芯片 DRIVE Thor 到自動駕駛汽車的雲端 AI 開發和訓練，並和比亞迪電子在智能工廠方面進行合作。

藉助 NVIDIA Isaac 和 NVIDIA Omniverse 開發自主移動機器人 AMR 以及虛擬工廠規劃，包括利用 Omniverse 做自主機器的仿真，並以數字化方式構建、模擬和運營工廠數字孿生，從而提升生產智能化。

NVIDIA Isaac 是英偉達面向機器人和視覺 AI 的機器人平台，包括一整套加速系統、庫、應用框架和生成式 AI 模型。

Isaac Sim 受益於 Omniverse 跨 3D 和仿真工具的 OpenUSD 互操作性，使開發者能夠輕鬆設計、導入、構建和共享機器人模型和虛擬訓練環境。

採用 NVIDIA Isaac 和 NVIDIA Omniverse 技術平台，可以助力比亞迪電子在構築智能工廠的過程中，如虎添翼。

比亞迪這種年銷高達 300 萬輛的大廠，生產效率、物流部署的提升非常關鍵，而Omniverse 虛擬現實技術實現對汽車製造工廠的工作流程優化，採用 NVIDIA Isaac Sim on Omniverse，藉助 AMR 的高精度仿真，從而進行車隊化統一調度、管理與方案測試，節約工廠規劃成本，提升 AMR 落地時效。

英偉達的技術，給比亞迪的智能工廠的效率披上了鎧甲，節約了工廠規劃成本，加速實現其數字化轉型目標。

NVIDIA Omniverse，開啓小鵬汽車協同設計創新

在傳統的汽車設計流程中，普遍面臨團隊協作困難、溝通不暢、審查效率低下、物理原型成本高昂等挑戰。這些問題不僅減緩了產品的上市速度，也影響了設計質量。

在提升設計流程效率和協同性方面，NVIDIA 的技術提供了一個答案。小鵬汽車使用了 NVIDIA Omniverse 精簡了其超智駕大七座旗艦級車型小鵬 X9 的設計流程，實現了從產品設計到團隊協作的優化創新。

NVIDIA Omniverse 是一個包含 API、服務和軟件開發套件 （SDK）的平台。基於 OpenUSD，在 Omniverse 上運行的應用程序從根本上改變了複雜的 3D 工作流程，使個人和團隊能構建統一的工具和數據工作流，並模擬物理級精準的虛擬世界。

通過使用 NVIDIA Omniverse，小鵬汽車可打造逼真、物理級精確、實時渲染的車輛外觀與內飾的可視化資產，並使設計和工程團隊能在虛擬環境中對產品進行測試和調整，顯著加速了汽車設計工作流，提高了工作效率，從而節約了大量時間與金錢成本。

NVIDIA AI Enterprise + Instant NeRF，加速理想汽車大模型應用落地

現在新能源汽車的主戰場，就是智能化。

伴隨大模型上車的機遇，理想悄然把智能化打造成了自己的長項。

隨着智駕技術的發展，理想汽車開始探索端到端模型，即從感知到跟蹤、預測、決策、規劃的全過程都實現模型化。特斯拉的 V12 版本是端到端模型的代表，實現了完全模型化和端到端的可虛擬性。

然而，理想汽車認為，即使實現了數據驅動和端到端模型，要達到 L4 級別的自動駕駛仍然面臨挑戰，因為 L4 級別要求在任何未知場景中都不需要人工監管。

因此，理想汽車提出了知識驅動的新範式，利用大語言模型和多模態視覺語言模型來提升車輛對世界的理解和應對未知場景的能力。

理想汽車的自動駕駛開發框架基於快慢系統的理念，類似於人類的思維模式。快系統（System1）負責直覺性的反應，而慢系統（System2）負責邏輯思考和處理複雜場景。理想汽車的 L3 級別自動駕駛和未來的 L4 級別自動駕駛都將基於這一框架進行開發。

目前，理想汽車已經在端到端模型的研發上取得了進展，尤其是在 BEV（基於攝像頭的感知）的 3D 感知、動態感知、靜態感知以及跟蹤模型化等方面。理想汽車的 ADMax3.0 系統已經實現了業界領先的全場景 NOA，包括高速和城區駕駛，以及紅綠燈路口的左右轉、剎停和啓停等複雜場景的處理。

在這個過程中，理想汽車和英偉達合作比較多且比較突出的工作是，通過 NVIDIA AI Enterprise 加速整個模型的部署以及推理加速，讓視覺工作流從最初的每秒處理 9 幀畫面提升到現在的每秒處理 21 幀畫面。

NVIDIA AI Enterprise 是一個端到端雲原生軟件平台，包括 DALI、CV-CUDA、TensorRT 和 Triton 等 SDK 和平台，能夠為 NVIDIA AI 平台提供企業級的軟件和支持，可以幫助利用生成式 AI 進行創新的汽車行業合作伙伴加速開發，其中 TensorRT-LLM 框架為大模型提供了高效的推理能力，能支持在 DRIVE Orin 平台上運行復雜的神經網絡模型。

除推理加速以外，對於車企來説，車型之間數據的複用和適配也是個很大的難點，因此串起來整個開發流程的數據閉環以及數據複用就顯得尤為重要。

NVIDIA Instant NeRF 是一個全新的 3D 渲染技術，被美國《時代》週刊評為 2022 年度最佳發明。該項技術可用於訓練機器人和自動駕駛汽車，開發者可以在短短數秒內將多組靜態圖像轉變為 3D 數字場景，並在此基礎上進行修改和構建。

在 NVIDIA Instant NeRF 的幫助下，理想汽車能夠在系統之上優化數據的使用和生成，如對理想 L9 車型的數據進行重建和動態編輯，有效利用歷史數據，從而提高了數據處理的效率和模型訓練的泛化能力。

而在智能座艙領域，由多模態認知大模型 Mind GPT 構建的理想汽車 AI 助手 “理想同學”，融合了語音、視覺和觸控等多種感知信息，能夠充分理解語言和用户需求，並提供有價值的回覆。

在這一過程中，NVIDIA GPU 強大的計算能力支撐了大模型的訓練和推理，使得 “理想同學” 能夠快速、準確地處理和響應用户指令。

目前 ，英偉達正在通過從雲端到車端的全方位 AI 加速解決方案，助力理想汽車積極擁抱大模型，推進智能駕駛和智能座艙方面的技術創新。

深度學習 + 自動駕駛，解決蔚來感知模型訓練難題

隨着深度學習模型的不斷發展，模型的規模和複雜度也在不斷增加，這對計算資源和內存提出了更高的要求。為了解決這一問題，張量並行技術應運而生。

張量並行（Tensor Parallel）技術的優勢是提高計算效率、減少內存消耗、提高模型性能。這恰恰對應了蔚來的難題——在中央計算平台 ADAM 強大算力加持下，蔚來自動駕駛技術在飛速發展，由於採用了多攝像頭輸入和深度卷積骨幹網絡，用於訓練自動駕駛感知模型的 GPU 內存佔用很大。

英偉達和蔚來合作設計並實現了張量並行 CNN 訓練方案，在多個 GPU 之間分配深度學習模型的計算任務，從而顯著降低對單個 GPU 的內存佔用和帶寬壓力，實現更快的計算速度和更高的計算效率，最終幫助提高了自動駕駛汽車感知模型的訓練效率和 GPU 利用率。

基準測試顯示，在蔚來自動駕駛場景下，該方法表現良好，有效解決了視覺大模型的訓練難題。

而在此之前，蔚來還選用了 NVIDIA Triton 推理服務器，為蔚來自動駕駛開發平台（NADP）構建高性能推理服務。Triton 讓模型的編排和擴展變得更加輕鬆，還將推理速度提高至 6 倍，並節省了 24% 的資源。

從英偉達與四大廠商的合作，汽車行業正在呈現幾大趨勢

首先是，全自動駕駛，從 AI 1.0 正在邁向 AI 2.0。過去的軟件定義汽車，即 AI 1.0 時代，需要大量工程師介入。

在 AI 2.0 時代，也就是我們説的 AI 定義汽車，大部分模型都能夠在雲端完成訓練，即實現通過數據驅動的方式。生成式 AI、加速計算在下一代自動駕駛汽車中的作用將越來越大。

其次是，比亞迪電子的虛擬工廠，是一次工業互聯網從單點賦能到系統賦能的有力實踐，AI 機器人技術賦能工廠加速製造業自動化與工業化效率時代正在到來。

在比亞迪電子的生產車間，自主移動機器人已在為汽車製造的效率帶來助力，採用 NVIDIA 數字孿生技術複製實體工廠，可以為現有機器人工廠創建精確的實體世界規模仿真，使生產、倉庫物流、配送中心變得高效，引導我們將自動化和工業效率提升到新的水平。

其三，汽車的智能化正在進入接近人類思維高階階段。

基於英偉達 AI Enterprise 軟件平台和 GPU 算力支持，理想汽車正在探索端到端模型，即從感知到跟蹤、預測、決策、規劃的全過程都實現模型化。自動駕駛開發框架基於快慢系統的理念，類似於人類的思維模式。

智駕沒有人聰明，複雜的駕駛場景還得人來是一個共識，從理想的案例來看，通過端到端全方位AI加速解決方案，汽車智能化已經可以應付高速和城區駕駛，以及紅綠燈路口的左右轉、剎停和啓停等複雜場景的處理。汽車智能化正在進入新的高階階段。

其四，汽車廠商從生產到使用的智能化。綜上四個案例來看，AI 正在融入設計、工程、生產、銷售等多個環節，汽車智能化進入 AI 工業 2.0 時代。

比亞迪電子、蔚來、小鵬、理想與英偉達的合作，可以視為汽車行業數字化轉型的一個信號，汽車製造正在實現全工作流的數字化升級。

在 AI 時代，科技服務於人，同時推動着時代的變革，也讓我們看到下一個時代的到來。

作者：王新喜 TMT資深評論人 本文未經許可謝絕轉載