导语：自动驾驶像是雨后春笋般的迅速在全球茁长成长，但实现自动驾驶的技术指标却不容一丝差错，自动驾驶是一套非常复杂的系统，感知、决策、控制和执行，每个环节都需要绝对的技术支持，英伟达在里面扮演的角色是为自动驾驶决策系统提供一个计算力很强的计算平台，提供一个最强大脑。
由焉知汽车科技新媒体、汽车财经主办，中国汽车工程学会汽车智能交通分会指导，安亭环同济创智城建设管理委员会、智能型新能源汽车协同创新中心鼎力支持的2019自动驾驶关键技术发展峰会于1月17-18日在上海安亭举办，本届会议是焉知汽车科技新媒体成立以来组织的首次会议，有来自主机厂、零部件企业、自动驾驶技术方案提供方、知名网络公司等200多位行业人士，一起共同探讨了自动驾驶相关的技术、市场、挑战及对策等，同时会议也得到了中电昆辰、苏州毫米波雷达、上海熠速的大力支持！
英伟达在自动驾驶领域的深入，为自动驾驶的计算提供了强有力的保驾护航，下面是英伟达朱力演讲的观点总结：
1、自动驾驶所需要的核心技术有很多，系统、传感器等，英伟达在里面扮演的角色是为自动驾驶决策系统提供一个计算力很强的计算平台，提供一个最强大脑。
2、英伟达不只是一个普通芯片供应商，同时为厂商提供一套先进的开发平台。包括控制系统、感知系统，
3、人工智能时代：CPU与GPU协同处理。
4、人工智能能够为自动驾驶贡献什么？毫米波雷达在前段的数据融合，激光雷达的点云生成，摄像头对于目标探测的深度学习，摄像头对于自由可行驶空间的深度学习，摄像头的机器视觉，高精度地图的定位，行车路径的规划等都依赖于英伟达Drive AV计算平台。
演讲实录：
大家好，我叫朱力是英伟达汽车事业部，今天我给大家带来一个话题和大家一起探讨《人工智能在自动驾驶上的运用》。最近，各个论坛包括百人会都谈到汽车行业未来发展的方向，包括电气化、自动化、互联化，为了解决环境污染，包括能源的消耗，包括自动驾驶对安全性的提高。
我今天上午在浙江开会，中午赶过来，其实我很希望有这么一辆车让在过来两个多小时时间里面可以休息一下或者可以用一下午餐，或者办一下公。但我们不希望把自己那么多的时间全部消耗在路上。
我们做过一个统计，我们每年在全球范围内会有8200多万起的交通事故，有130万人员的伤亡，包括造成5000多亿的损失。我们统计过在各个城市里面，大家每天上下班的时间会在1个小时，我相信在上海可能远远不止，包括大家会去统计每年花在路上时间的成本在1万美金，我相信考虑各位在自己城市消耗在路上的时间，包括你自己的人力成本远远不止这个数目。
我们做自动驾驶希望提高大家的效率来减少危险，包括提高你的时间效率。但自动驾驶是一套非常复杂的系统，刚才郎总也提到了。我们在最初阶段，在最前端要有各种传感器作为信息的输入，包括做感知，包括毫米波雷达，包括类想头，包括激光雷达，包括现在我们需要往L3、L4去做的时候高精度地图跟定位，包括一些RTK的技术。
第二个环节是决策，就是人的大脑，英伟达在里面扮演的角色是我们为自动驾驶决策系统提供一个计算力很强的计算平台，其实就提供一个最强大脑。
最后一部分是控制跟执行，执行结构来做加减速或做转向，所以自动驾驶不是一个系统，是多个系统在配合做工作。英伟达在里面做什么？大家理解英伟达是一个芯片供应商，传统的芯片供应商是一个二级供应商。大家理解的英伟达客户应该是一级供应商做预控制器的，比如说像博世、大陆。
当然，这是我们现在的合作伙伴，上周在美国的CES上做了一些展示。当然，有一部分跟全球一级供应商的合作，包括博世的控制器，包括大陆，包括本土的禾赛，另外一块我们在那边同时也展示了跟沃尔沃的合作，沃尔沃的车辆，从L2+到L4的功能车辆。我们跟丰田、奥迪、沃尔沃，包括奔驰还有一些国际厂商都有直接的合作。因为在L1、L2的时候，有很多主机厂把系统去包给一级供应商做开发，整车厂要做集成，包括最后的应用层。但越往后没有哪一个是说把所有的系统都囊括到产品线里面，或者说给你一个完全的黑匣子，这种商业模式并不被接受，而且在技术上难度会越来越大。
在自动驾驶这个圈子里面，现在传统的主机厂，包括卡车，自动驾驶其中有一部分的业务除了乘用车医用就是商用车，在固定线路的，或者说港区的、码头的这是一种商业模式。所以我们在跟卡车公司也有合作。
另外，包括移动出行服务，包括Uber，包括大家也知道在国内的滴滴也在探索自动驾驶的运营、技术。我们跟地图厂商，包括传感器，尤其是激光雷达，做传感器数据采集或者是做功能测试，你需要一个载体，但那个载体其实是基于芯片的计算单元。我们跟初创公司也有很多的合作，包括图森来做卡车的控制系统，包括系统方案，包括后续的商业运营，包括我们跟高校之间都有很多的合作。
英伟达在全球范围内有超过320家合作伙伴，我们希望打造一个生态系统，并不是说出售一个产品、一个芯片。我们在硅谷进行的一个80公里的自动驾驶的测试，包括城区、高速上面，从我们总部绕着硅谷开了一圈。在80公里范围内不需要进行人工的接管，我们希望给整个汽车行业包括合作伙伴一个概念。
就是我们提供的不只是一块芯片，不只是一块大运算力的芯片，我们在这块芯片上面开发了自己的控制系统，包括我们的软件，感知算法决策控制。我们自己已经验证过这块芯片的计算力可以去支持这种自动驾驶，不论是从感知还是从决策层面。
我们在做感知的时候可以输出很多信息，包括车辆目标层级的，包括车道线的，包括道路标志的，包括我们在做低速城市道路的时候。同时，我们不止做车外部的感知，同时我们也可以去做对驾驶员监控，包括跟车载娱乐系统的语音交互，包括你可以去问他加州今天的天气是什么样的，包括明天的天气，这个是车内跟车外同步的交互。
80公里，十次岔口，包括高速匝道都包含在里面，我们经历过PC的时代，经历互联网的时代，经历了手机移动互联的时代，我们现在正在经历的是基于云端高性能服务，云端平台以及车载计算平台的一个人工智能的时代，而这个时代可以加速我们自动驾驶的一个研发。
我们经常会听说人工智能，人工智能除了在汽车上面，我们在其他哪些领域有所应用，因为对英伟达来说，汽车是我们一个很重要的领域，但我们不只跟这一汽车领域，因为我们认为说人工智能包括你的一些图像处理，其实在很多领域之间是通用的。
我们介绍完人工智能平台以后，我们来讨论一下这几年英伟达的GPU，很受热议。因为我们分析了过去几十年CPU的一些计算性能，其实从过去20年每年1.5倍的增长速度，到过去10年，每年将近1.1倍的优化曲线。其实大家知道说，CPU的优化性能，慢慢会趋于平缓，但是GPU它的一个并行计算的架构，扩大的架构，它在并行计算上，包括图像处理上有它先天的优势。为什么英伟达在过去10年根植于GPU，而包括计算机行业慢慢也是从由单CPU往CPU加GPU的发展方向在发展。
我们看在过去五年时间内，参加英伟达GPU的技术大会，与会人员增加了10倍，英伟达GPU的开发者增加了15倍，因为GPU它的性能，它的并行计算的一个优势，在计算机行业包括计算机以外的行业慢慢受到热捧的原因。
那为什么GPU在全球范围内有这么大的需求量？在全球范围内超过2千家的初创公司，包含在金融，智慧生产，智慧城市，包括IT服务，包括汽车，包括健康医疗方面都在用GPU做他们的产品，包括产品的研发。
包括大家耳熟能详的阿里云，百度云，华为，他们都在用GPU做他们的云端服务，包括大数据。这就是为什么说GPU在全球范围内现在的需求量非常高。
GPU包括英伟达的计算平台，在自动驾驶方面会有什么需求？我们的计算平台，可以实现毫米波雷达在前端的数据融合，包括激光雷达一个生成，包括摄像头的目标探测，包括我在播放视频的时候提到在低速环境下，包括摄像头，视觉的建图，包括高精度地图的定位，包括路径的规划，我们都可以基于高性能计算平台，包括GPU的一个并行计算架构来实现。
其实刚才郎总也提到说，大家会做前期的一些感知，包括路径规划，我们通过英伟达的计算平台，是如何实现自动驾驶里面各个细分领域的一些功能。
一个AI在自动驾驶上面的运营，这是激光雷达点云图的生成，这是在高精度地图上的定位。是我们在服务器进行路径规划的训练，这是我们通过算法进行路径的规划，包括车道的跟随，包括变道，包括90度的转弯。这是我们做的一个实验，当你车辆慢慢开过去的时候，你能探测路边上，车辆的车牌，这个难度会比你只是探测路上一些车辆的难度更高。
这是我们对驾驶员人脸识别的扩展，当我们在车辆360度范围内都装了摄像头，而且也许是不同摄像头以后，我们需要做到对所有的目标进行准确的探索，因为一个良好的感知算法是后续做决策控制的一个基础。
这就是我们在硅谷的Demo车。
大家知道英伟达的主营业务或者说英伟达的老本行是做游戏显卡的，现在进入自动驾驶领域做了10年，其实对汽车要有一个敬畏之心的，并不是说很简单的产品跟算法，因为车规级的要求，包括主机厂的要求。但是做游戏显卡其实对于自动驾驶的仿真是有先天的优势，当你去看一些合作伙伴仿真视频的时候，去Youtube上可以看得到，我们的自动驾驶仿真软件并不是说跟一些合作伙伴有差异，并不是说用一个软件生成仿真的环境。
然后在仿真环境里面去做仿真模拟跟测试，往往你去看仿真环境的时候，你会一眼看出来说这一定不是真实场景。如果你通过肉眼都能看出来这不是真实场景的话，在里面的效果一定是打折扣的。
英伟达的优势是我有我很强的显卡，显卡对于游戏要求来说，需要对光效，对于水纹，对于光线的反射都要做到很好的性能。这些性能可以帮我们建立自己的仿真测试的平台，这个是我们自动驾驶的平台，前期会建立自己的自动驾驶数据采集车辆，上面包含毫米波雷达、摄像头，包括激光雷达。
通过这样的仿真车辆我们会采集一个数量，采集回来的3D数据是真实道路上的场景。但是像刚才郎总提到的如果去高速上采，采完了发现路上太空旷了，并没有那么多切入跟切除，对你难度来说太低了。我们能做什么？我们能做的是在这样一个简单的场景里面，我们可以切入自己的车辆，因为我们可以建立非常逼真的环境，通过增加仿真环境的难度来训练自己的网络。
我们在我们的服务器上，英伟达为很多的云端服务合作伙伴提供了服务器，当然我们自己的服务器也是核心竞争力，我们可以在服务器训练感知算法的网络。当训练完了以后，我们还可以去修改3D场景，将3D场景做的更加复杂，同时在我们的服务器进行加速的训练。大家知道服务器的功耗很高，成本也很高，计算力很强大家可以理解。但是真正难的东西是把服务器的性能最后落地在产品上，所以当我们在服务器上做完仿真训练以后，我们需要把已经裁减过的软件，压缩过的软件下载到车载的控制平台上面去。
在车载控制平台上再做实车道路测试，在你做实车道路测试的，也许你有很多种极端情况，也许你会优化其中的几种。当优化完了以后，你不能确认说剩下的那些场景会不会有负面效益，从传统的道路测试上面来说，你需要把其他的场景重新再跑一遍。但这个成本跟时间，包括资源投入的成本是不能接受的。
你可以回归到计算服务平台上去做再次的加速仿真训练，来确保所有的场景都是OK的。这就是英伟达自动驾驶的平台，我们有自己的数据采集车，有我们的数据工厂进行打标跟训练，我们有服务器来训练网络，包括在我们的服务器上，有上层的仿真软件，仿真软件可以根据实时的场景进行优化，有自己的计算平台，车载的计算平台来进行实车的测试，我们可以有硬性跟软性的在环，来加速训练，这是我们的优势。
我们做了从L2-L5的一个自动驾驶的架构，因为各家都会有自己不同的方案，但是对于无论是传统的主机厂还是说我们各种合作伙伴来说，其实大家都有自己定制化的需求，英伟达的优势是什么？英伟达可以通过L4、L5自动驾驶的芯片，现在相对而言在市场上没有其他更优的解决方案。
也许大家会说L2、L3大家还是有不同的选择，因为还有其他的芯片厂商，但对于整车厂来说，整车厂会有这么样一个痛点，L4用英伟达，L3如果用英特尔，那你整车的架构想去怎么设计？难道说你一个车里面有不同的芯片的架构，因此你的整车架构都跟着变了，对于整车厂来说这是一个巨大的投入。
英伟达的方案说，我的芯片是不停的往上叠加跟升级的，我可以覆盖从L2-L5所有的方案，我的计算平台和传感器的配制可以慢慢往上叠加。
我们的芯片，其实准确来说是一个SOC，这里面有GPU，有我们的CPU我们自己开发的八核CPU，包括我们视觉处理，包括我们的加速器。通过这块芯片，我们做了一块开发平台，作为车辆的消费者，我希望有一辆自动驾驶的车辆。但是我不能接受我的车辆因为有自动驾驶的功能所以我的后备箱是不能用的，因为我还是要放东西。英伟达通过自己大性能的计算平台，来开发了一个控制器，这个控制器是现在跟全球合作伙伴正在美国包括德国做Robot taxi的一个计算平台，我可以接受我的车辆里面放这样一个控制器，来实现自动驾驶。我不能接受说我所有的蓄电池全堆在我的后备箱里面来实现一定程度的自动驾驶。
我今天的介绍就到这里，英伟达为自动驾驶助力，因为我们在提供着，无论是云端服务器还是车载计算平台，一个大运算量的计算平台，谢谢大家。