汽车行业-现实+仿真：超大算力赋能自动驾驶.pdf

汽车行业-现实+仿真：超大算力赋能自动驾驶。传统汽车行业集人类工业文明发展之大成，以机械部件的可靠性、座舱内部的舒适性、驾驶过 程的操控性、外观设计的美观性作为评价车型的主要标准。然而，随着智能化终端对人类生活 的渗透，人们越发信任并习惯于科技发展所带来的便捷。汽车作为人类最主要的出行工具之 一，也在渐进式地通过各种驾驶辅助功能将用车者从驾驶行为中解放出来，车机系统的智能性 正越发成为人们评价一个车型的核心标准。

自动驾驶是驾驶辅助功能的最终形态。早期的各种驾驶辅助功能控制逻辑较为直接，体现为控 制车上单一维度的功能对数量有限的环境变量做出回应。进一步向自动驾驶的发展需要车机系 统对车辆周围的环境信息做出整体统筹，并规划出安全、舒适、高效的线路。这需要车辆即时 对周围运动单元的潜在轨迹做出判断，但不同情形排列组合可能产生的条件数量远大于有限的 程序所能承载的范围，因而需要人工智能的介入对车机进行长期的训练。

自动驾驶系统具有高度的复杂性，训练的过程需要以海量场景数据的积累为前提。在训练的过 程中，机器需要在有限的时间内对大量的图像信息完成处理，因而需要以巨大的算力作为支 撑，造成了训练自动驾驶系统的高成本。与此同时，自动驾驶系统在真实世界中可能遭遇的场 景难以穷尽，因而需要系统对驾驶行为进行持续不断的学习，拉长了自动驾驶系统训练的周 期。大型车企或一级供应商往往选择建立自有算力资源。

但是，人工智能计算中心的搭建具有较高的技术门槛，运营与维护过程也需要较高水平的经验 积累，因而需要与技术成熟的解决方案供应商开展合作。首先，数据中心解决方案供应商软硬 件技术的先进性决定了人工智能计算中心所能提供的算力水平，其解决方案的成熟度又决定了 前期搭建所需的时间周期，以及算力供给过程中的稳定性。这些因素共同决定了自动驾驶解决 方案的开发周期，因而直接影响了相应的车企是否能够在智能驾驶领域取得市场先机。