2019年03月29日 | “2019年”应该是自动驾驶商业化元年

如果非要给“2019年”安上一个元年的称号，那应该是自动驾驶商业化元年。原因很简单，汽车市场销量下滑了。根据JATO的数据，2018年全球汽车销量下降0.5%。中国汽车协会的数据也显示，2019年1月中国乘用车销量同比下降17.71%。中国市场本来是全球汽车市场的增长引擎，突然掉头转下让全球汽车厂商有些蒙圈：不是说好的一路看涨吗？

下跌就说明市场饱和了，要想继续涨就要亮出点新鲜玩意儿让用户买单，就像大热了近十年的智能手机市场，每年吸引用户换机的动力就是层出不穷的酷炫功能，在汽车领域同样需要创新，自动驾驶技术当仁不让的热点，如果今年走向商业化，整个汽车产业会实现变革。

在自动驾驶领域，最亮眼的公司就是英伟达，这家以GPU为主要产品的芯片公司不仅赶上了游戏产业起飞的风口，同样在自动驾驶和AI领域也抢了先机，或许多年后，当黄仁勋回忆往事的时候会对自己的果敢决策点赞。

由简入难，NvidiaTegra选择从车载娱乐开始

如果一个公司想要进入新的领域，最快的方式就是收购。英特尔就是一个好榜样，仅在2015年-2017年就收购了Altera、Movidius和Mobileye，迅速拼好了AI和汽车版图，英伟达显然并没有选择并购这条捷径。

从英伟达的汽车市场发迹史来看，它的成功似乎是偶然中的必然。NvidiaTegra产品刚上市时还叫做移动超级芯片，从技术上来看，这款芯片集成了超低功耗 （ULP） 英伟达精视（NVIDIA GeForce）GPU，可实现双倍浏览速度以及硬件加速Flash功能，可提供最佳的移动Web体验，该GPU还给用户提供媲美游戏机画质的游戏体验，由此可见，黄仁勋的初心是要主攻移动设备市场。其实，第一代产品最终只用在ZUNE HD以及Kin这两款微软的产品上；2010年推出第二代Tegra才获得Acer、华硕、LG等大厂认可；在2013年推出了NVIDIA Tegra 3，开始转向平板电脑。

2014年平板电脑市场开始疲软，在资本的压力下，英伟达开始为Tegra芯片寻找新的应用市场，恰巧那时候的特斯拉也在起步，Model S电动车的车载娱乐系统需要一款合适的处理器，Tegra 3也正好符合马斯克的胃口，于是黄仁勋就抓住了这颗稻草。Model S就是基于Tegra 3进行了设计，带着英伟达进入了汽车市场。

Drive CX和 Drive PX：自动驾驶见雏形

有了Tegra 3和特斯拉的背书，英伟达在2015年1月推出了车载平台Drive CX和Drive PX，Drive CX配备了双 Tegra X1 处理器，可接入 12 枚录制每秒 30 帧 4K 视频的摄像头，能以每秒 2.3 万亿次浮点运算的速度处理数据，主要用于车载娱乐显示屏。汽车在自动驾驶过程中本身需要采集大量的路况信息并作出及时的运算分析，Drive CX 就是为了解决这样的问题而生。

Drive PX平台运用的是两块Tegra X1，最多支持12路摄像头输入，同时像素处理能力达到每秒13亿个。这在当年是一个相当“高级别”的技术参数，媒体几乎要为这样的速度尖叫，英伟达将其称为自动驾驶方案，车厂可以借助该平台，通过其深度学习功能自动将路上的交通标示、行人、救护车、警车、货车自动区分，并抢先预判前边并道的车辆。这套方案在当时无疑是超前预演了L2以上的自动驾驶场景。

其实在发布Drive CX和Drive PX之前，Tegra的车载解决方案已经应用到大众高尔夫、劳斯莱斯魅影、迈凯轮MP4-12C等车型，甚至奥迪的前置激光大灯还独立使用了一套Tegra芯片用于控制车灯照射范围、亮度和会车灯光处理，当时已经有超过800万辆汽车搭载Tegra芯片，显然英伟达已经从消费电子芯片供应商转型为汽车电子芯片供应商。

到2016年1月，英伟达又发布了DrivePX2，采用了16nmFinFET工艺，TDP达250W，支持12路摄像头输入、激光定位、雷达和超声波传感器。CPU部分由两颗NVIDIA Tegra2处理器组成，每颗CPU包含8个A57核心和4个Denver核心；GPU部分采用两颗基于NVIDIAPascal架构设计的GPU。单精度计算能力达到8TFlops，深度学习计算能力达到每秒24万亿次，在单精度运算速度上是DrivePX的4倍，深度学习速度是DrivePX的10倍，可以满足L3自动驾驶的运算要求。自此，英伟达在自动驾驶市场的地位已经站稳。

Drive Xavier打造AI 自动驾驶车载计算平台

“AI自动驾驶车载平台”是英伟达在2018年1月发布时对Drive Xavier的命名，无可厚非，这款产品重点是做无人驾驶，但是依然蹭了AI的热点。从参数配置上看，Xavier的技术阵势非常强大，包含一个特别定制的8核CPU、一个全新的512核VoltaGPU、一个全新深度学习加速器、全新计算机视觉加速器、以及全新8KHDR视频处理器，每秒可运行30万亿次计算，功耗仅为30w，能效比上一代架构高出15倍，可以满足L3/L4自动驾驶的计算需求。

同时，英伟达还和采埃孚、百度合作共同打造自动驾驶系统，其中英伟达负责提供 Xavier 作为车载核心处理器，这相当于是无人汽车的大脑；采埃孚负责提供车载计算机、传感器系统，采埃孚的ProAI 将能够处理来自多个摄像头、光学雷达和雷达的数据，绘制车身周围的 360 度视图，在高清地图上进行定位，并在交通行驶中规划安全行驶路径；百度为无人汽车提供无人驾驶解决方案Apollo Pilot，为自动驾驶的汽车提供数据库等调整方案。这样的组合可谓完美，从芯片到系统全覆盖，三家公司发挥各自长处占领自动驾驶的一角。

DrivePXPegasus：下一代自动驾驶平台

英伟达还为自动驾驶设想了更长的未来，我们要知道在L3、L4之后还有L5，于是英伟达构想了DrivePXPegasus，这是一款针对L5级全自动驾驶出租车的AI处理器，搭载了两个XavierSoC处理器。SoC上集成的CPU也从8核变成了16核，同时增加了2块独立GPU。计算速度达到320Tops，相当于PXXavier的10倍，算力能够支持L5完全自动驾驶系统，但其功耗也达到了500W。

自动驾驶汽车有一个重要的环节就是上路测试，只有经过大量实际测试才能发现问题并及时修复，从而提高汽车的安全性，但是上路测试不仅需要大量车，而且容易造成交通事故，于是英伟达发布了Drive Constellation 自动驾驶模拟云平台，该系统由两个不同的云计算解决方案组成。其中“Constellation Simulator”服务器使用英伟达GPU运行名为Drive Sim的软件，该软件可以生成一个真实的虚拟世界，并将其输入虚拟汽车的传感器。第二个服务器是“Constellation Vehicle”，由Drive AGX车载计算机提供动力，然后处理模拟的传感器数据。

开发者可以将自己的自动驾驶策略、车辆型号、传感器配置和各种交通情况整合进测试参数中去，按实际情况进行个性化测试。只要不断电，模拟机就能 24 小时模拟各种测试场景。假设车辆速度为每小时 60 英里，那么一天内 Drive Constellation 平台上 1000 台测试车就能累积 120 万英里的模拟测试里程。除了能让自动驾驶公司快速累积测试里程，模拟平台未来还有可能成为各家公司的省钱利器，自动驾驶汽车厂商节省数百台测试车的成本。英伟达也迎来了新客户，丰田计划把多款英伟达新产品整合进自家自动驾驶技术的训练和研发计划中。

自此，英伟达的自动驾驶版图从芯片到系统，合作伙伴以及模拟场景就已经拼全了，后面就静待自动驾驶市场的爆发了。但是模拟环境毕竟是虚拟世界，对于突发事件无法百分之百模拟，无论模拟场景多真实，汽车依然需要经过真实场景测试才更可靠。汽车安全一直是业界探讨的话题，自动驾驶汽车厂商也不要太草率地将测试环节全部依托模拟软件。