說起英偉達的智慧汽車AI晶片，如我們之前文章智慧自動駕駛六大主流車載晶片及其方案，介紹其算力領先，完整工具鏈，其開放的合作方式，所以很多人都看好，而且那篇文章的投票結果也顯示35%人看好。當前一眾新勢力例如蔚小理都採用或即將採用其晶片，而且現在賓士，捷豹路虎，比亞迪竟然直接採用其Drive Hyperion 進行合作，網上其新聞應接不暇，例如最近的GTC。
但其實很多人和我有一樣對當前智慧汽車特別是英偉達有著小朋友一樣的一百個問號，英偉達為什麼在AI智慧汽車就這麼受歡迎？AI智慧汽車到底包含什麼？什麼是GTC？什麼是Drive Hyperion？有哪些晶片？有哪些感測器？首先採用的英偉達芯做自動駕駛的小鵬是用了Drive Hyperion方案嗎，等等等？
所以本文將借用英偉達相關資料，以及最近GTC（GPU Technology conference） 2022最新的相關資訊總結，先讓大家瞭解why 為什麼AI時代英偉達，接下來看看他們的Drive hyperion一個能告訴你怎麼落地實現AI驅動智慧汽車的完整開發套件，試圖解開腦袋裡面對於智慧汽車以及英偉達的一百個問號。
本文結構如下：
WHY-為什麼大家都採用Navidia方案
為什麼GPU適合於AI演算法
端到端的AI方案（晶片，軟體，演算法，地圖，工具鏈）
產品線覆蓋ADAS，L2，L3，L4到ROBTAXI
HOW- 方案怎麼去落地和實現？
Drive Hyperion是什麼？
Drive Hyperion 感測器細節以及生態
希望能給大家一些知識和啟發
為什麼GPU適合於AI演算法
其實很多人最先聽到英偉達應該是來自於電腦時代的顯示卡，沒錯就是電腦的顯示卡GPU，那麼人工智慧時代為什麼不是電腦時代CPU霸主英特爾，不是移動互聯時代的高通呢？當然這兩家也佈局了GPU，例如英特爾的mobileye（從2022 CES 看Mobileye 自動駕駛產品技術以及戰略（誰說算力是唯一標準））， 高通的dragon ride（高通在2022 CES展示的“數字底盤”是什麼？是底盤嗎？）但顯然英偉達一直深耕GPU視覺影象處理，而GPU相對於CPU更適合智慧時代的神經元演算法。
回到電腦時代，我們聽到的廣告永遠是雙核，四核處理器，多執行緒。其實GPU裡面有更多的核心，成千上萬。CPU的核心很少很複雜，很快，由於它們的靈活性，它們非常適合一般任務。它們對單個作業的順序處理速度非常快，並且它們可以執行的不同任務範圍非常廣泛。而GPU有更多的核心，但它們更小，相對弱，靈活性更差，非常適合簡單計算的大規模吞吐並行處理。
現在
智慧AI的基本原理就是深度神經網路，成千上萬的神經元突觸自然需要大量的平行計算
。想想當你將一層的輸出轉發到下一層時會發生什麼：輸出是一個向量，下一層的神經元集合由它們的權重矩陣表示。矩陣乘法是許多乘法和求和的平行計算。應用非線性函式時也是如此，更不用說反向傳播過程了。
簡單的理解是
CPU是幾個武功超強的英雄，而GPU是一夥打群架的
。而AI智慧時代就是需要一夥人分塊分工，傳遞總結完成工作。這個邏輯有意思符合現代文明的發展哈，我們不需要皇帝和被代表，我們需要眾議，但一定需要好的制度也就是演算法配合才行，要不然也是烏合之眾。
端到端的AI方案
顯然，英偉達在GPU領域的先發和深耕正好符合了AI時代的需求，但更厲害的是英偉達不僅僅提供了晶片給智慧汽車，更構建了
端到端的AI方案（晶片，軟體，地圖）
也就是讓本是機械汽車行業的容易理解和上手使用。
其實我們之前文章已經介紹過了英偉達的端到端的方案，總體就是從設計，模型訓練，虛擬驗證。但這次隨著GTC 2022的更多釋出，我們採用另外一種方式介紹：Onboard 以及off board硬體；軟體；AI演算法來介紹。
對於Onboard 以及off board硬體
，英偉達提供晶片以及方案，例如下文我們要介紹的Drive hyperion就是開發套件，其中Drive AGX可以作為裝車硬體參考；另外DGX系列提供資料處理，訓練，Constellation提供虛擬模擬元宇宙的硬體。
對於軟體
，英偉達
Drive OS
提供基礎軟體堆疊，包含嵌入式實時作業系統 （RTOS）、Hypervisor、CUDA 庫、TensorRT和其他訪問處理晶片的模組組成。
Driveworks
綜合模組庫類似於軟體的中介軟體，方便進行開發呼叫。基於以上就是應用端Drive chauffeur自動駕駛，Drive concierge智慧座艙。
有了硬體和軟體，如我們上文講還有一個重要的東西就是演算法，英偉達提供覆蓋全面的演算法。
從相對成熟的CNN ，RNN 到現在熱門Transformer， GAN以及RL 和各類新演算法例如可以補充CNN某些區域效能不佳的膠囊網路Capsule Nets。英偉達都能夠提供成熟多種演算法供開發者呼叫。
英偉達基於AI的軟硬體以及演算法都提供了，同時英偉達收購了高精地圖供應商Deepmap，打造了AI 視覺為主（視覺為王-小鵬以及特斯拉的自動駕駛方案），透過高精地圖以及多種感測器相容冗餘的包容性智慧駕駛方案。
產品線覆蓋智慧駕駛以及座艙還有元宇宙
所以英偉達掌握智慧汽車的流量密碼，基於這個流量密碼-人工智慧，其順理成章的推出主要產品就是基於
視覺AI的智慧駕駛
，基於
語音AI的個人助手
。也基於其資料推出
元宇宙Omniverse
。
這次GTC 2022中影片其實可以看出其
AI 個人助手Drive Concierge
集成了環境感知，乘客感知融合和網際網路，未來遐想很多，例如網際網路從PC時代到移動互聯時代，下一個時代或許是穿戴助手機器人時代？
其
元宇宙Omniverse
，對於汽車業來講可能比facebook等來講更直接和有用，首先對於自動駕駛的設計驗證已經啟動，這切合當前汽車行業的需求，未來整車汽車設計都可以往元宇宙上遷移，例如我們之前講汽車效能方面文章汽車設計吸引力（造型，人機工程，實用性，聲學）- 整車開發流程第七章第三節。中很多評估驗證都可以變成虛擬，記得剛入行那時很多時間都是給領導們蒐集資料評估減少專案的試驗樣車樣件，因為這些東西都很貴很費時，而時間和成本是商業最大的敵人，所以現在每家都喊未來全虛擬驗證也正好符合當前趨勢。
而Omniverse 的構建伴隨AI 還牽扯製造，維修保養甚至未來的品牌營銷，未來很多想象空間。
回到其現在也是大家特別關心的智慧駕駛業務，基於其AI處理器，其智駕業務覆蓋從ADAS主動安全到L5全自動駕駛的Robtaxi。
擋風玻璃後面的前視方案用於
主動安全
曾經是mobileye發起的，也是其主力市場，而如今英偉達可以降維打擊實現。
當前一眾靠幾個模組實現的L2級別
的（例如大眾MEB的域控制器-ICAS），例如前視覺模組+雷達實現的ACC和LKA，另外一個環視攝像頭+模組實現的環視泊車，另外或許還要一個模組進行整合的，英偉達提出了他的一個模組的解決方案。
而到了L2+，L3/L4的級別智慧駕駛和座艙
聯絡的更緊密，因為此時不單是車輛的智慧駕駛還需要體現人機互動提醒，人機共駕的局面，所以英偉達融合其座艙和智慧駕駛域，需要考慮更多的感測器以及介面。
到了
L5
當前最實用的方向就是Robotaxi，Robotaxi比其之前level的自動駕駛，他更純粹不需要考慮人類的駕駛，也就沒有之前汽車的歷史負擔，所以英偉達可把他整車智慧方案裝進一個模組裡面。
所以英偉達在此提供了所有的方法論和工具，顯然英偉達更進了一步，還為顧客開發出了開發套件也就是我們解析來要講的How，他的Hyerion Drive 開發套件。
Drive Hyperion是什麼？
DRIVE Hyperion Developer Kit 是一種智慧駕駛汽車參考架構，可加速生產過程中的開發、測試和驗證，如果熟悉電子產業的，可能知道樹莓派等開發板和套件，他們有類似。Hyperion來自於希臘神話，她生下了太陽，月亮，黎明，可想這名字的含義。
他包含了你可以理解為開發智慧駕駛域控制器（對應汽車工程師熟悉的開發ECU），自動駕駛所需感測器組合，還包括環境資料記錄儀也就是真值影片記錄儀。藉助此參考架構，開發人員可以使用緊湊的記錄和回放工具，從車輛感測器捕獲原始資料，並回放編碼資料以進行模擬。
這次GTC 2022上面Jason 黃CEO 表示基於hyerion 8 開發套件的賓士自動駕駛車輛將在2024年左右上市，而緊隨其後的有捷豹路虎的車輛在2025年左右上市，未來還有比亞迪，Lucid（Lucid（歐美豪華電動車新勢力）投資路演解讀）使用。另外其還介紹了未來基於Altan晶片的Hyerion 9 將在2026年左右推出。其實很多人不知道英偉達在2017年左右就推出過Hyerion 7。
Hyerion 7顯然就是基於XAVIER晶片的，可以大膽推測Xpeng應該是基於當時Hyerion 7開發工具進行開發。 這也踐行了英偉達開發套件的理論，你可以直接採用方案，你也可以基於方案進行自主硬體開發例如小鵬應該就是基於Hyerion 7方案透過德賽開發域控制器。而現在賓士，捷豹路虎，比亞迪可能直接和英偉達對接設計域控器或直接委託英偉達或者其他T1生產。
Drive Hyperion 感測器細節以及生態
英偉達和特斯拉一樣同樣是以影象AI為主導的智慧駕駛，所以攝像頭的360度覆蓋是終究目標。但英偉達採取了相容多種不同形式的感測器來冗餘確保風險最少。同時根據自動駕駛要求需求可靈活更改感測器組合數量以及位置。
例如上圖其Hyerion 8。1 感測器佈置引數細節
L2+ Base套裝，4個外部感知攝像頭，4個環視魚眼攝像頭，5個毫米波雷達，12個超聲波。
L3 High套裝，1個鐳射攝像頭，8個外部感知攝像頭，4個環視魚眼攝像頭，9個毫米波雷達，12個超聲波，3個內部駕駛艙攝像頭。
另外在官網上還發現下圖感測器包含功能和品牌等技術引數的推薦，
英偉達視覺方案，把
攝像頭
分為，長距窄幅，中距中幅，短距寬幅，然後就是環視的魚眼超寬幅。透過這些攝像頭的配置來達到360覆蓋然後抓重點，例如前視必須要有遠距，等。
對於毫米波雷達，和攝像頭類似，有長距，短距，超長距。還有4D成像。他們的原理和攝像頭類似並且和攝像頭形成互補360覆蓋（為什麼需要互補就要看我們之前文章自動駕駛中的感測器以及組合方案）。
英偉達很聰明，構建了其感測器生態，採取推薦的方案，這時候會想到當年的百度appllo 也喊出構建其生態，但顯然困難重重。
圍繞英偉達的感測器生態都是大牌，例如攝像頭領域的大頭On semiconductor，我們熟悉的sony。radar不用說了大陸，海拉都在。鐳射雷達國內的禾賽上榜。IMU感測器都涵蓋。
總結
顯然英偉達的殺手鐧是以及自己的GPU為龍頭，覆蓋軟硬體，AI演算法，完整工具鏈，整合多種感測器生態的方式，你可以全部用我的東西，你也可以只用部分的靈活商務合作方式，可謂構建了一個以人工智慧為核心的信仰生態。
記得Tesla的馬斯克說過他可以開放他所有的自動駕駛東西給別人用，而這一步英偉達提前一步實現。
而這讓我想起最近看的電影《天國王朝》基督徒和穆斯林爭奪的耶路撒冷其實不過是自己內心捍衛的意識形態而非任何實物，耶路撒冷讓多種意識形態共存捍衛的信仰是相容共生，所以單從這一點，如果馬斯克拋棄相容其他感測器那麼頂多算構建帝國而非類似於英偉達構建信仰。
當然透過我的文章以及分析我無法評判英偉達技術是否強大，其實他GPU背後是晶片Arm架構，透過Arm架構構建其打群架的GPU，而Arm也是一家神奇的公司，當前其他智慧AI晶片例如Mobileye，瑞薩，德州儀器TI都採用Arm架構，關注我們有機會寫一寫GPU背後的霸主Arm，Arm偏向輸出標準知識而非產品。但顯然英偉達做到另外一個原則，
以客戶為中心，提供完整工具鏈，靈活的合作方式
給到客戶，T1或者主機廠以及一眾AI創業公司。
而回歸到當前主機廠競爭激烈的自動駕駛以及座艙，很多時候判斷他們的強弱不是in house的能力有多強，而是整合應用創新能力，更重要的是是否以客戶為中心（這裡其實Vehicle 公眾號一直踐行和學習的就是，文章並不想去傳達高深的東西，只想讓讀者能夠易懂）。
參考文章
Nvidia drive - Nvidia
GTC 2021 automotive announcements - Nvidia
AI in the drive‘s seat - Danny shapior
Design For ScaleGPU Based Infrastructurefor Autonomous Vehicles - Manish
Drive product brief - Nvidia
SAFER DRIVING BEGINS INTHE DATA CENTER - Dr Thomas
*未經准許嚴禁轉載和摘錄-獲取參考資料方式：
