導讀： 在自動駕駛領域，最亮眼的公司就是英偉達，這家以GPU為主要產品的芯片公司不僅趕上了游戲產業起飛的風口，同樣在自動駕駛和AI領域也搶了先機，或許多年后，當黃仁勛回憶往事的時候會對自己的果敢決策點贊。
如果非要給“2019年”安上一個元年的稱號，那應該是自動駕駛商業化元年。原因很簡單，汽車市場銷量下滑了。根據JATO的數據，2018年全球汽車銷量下降0.5%。中國汽車協會的數據也顯示，2019年1月中國乘用車銷量同比下降17.71%。中國市場本來是全球汽車市場的增長引擎，突然掉頭轉下讓全球汽車廠商有些蒙圈：不是說好的一路看漲嗎？
下跌就說明市場飽和了，要想繼續漲就要亮出點新鮮玩意兒讓用戶買單，就像大熱了近十年的智能手機市場，每年吸引用戶換機的動力就是層出不窮的酷炫功能，在汽車領域同樣需要創新，自動駕駛技術當仁不讓的熱點，如果今年走向商業化，整個汽車產業會實現變革。
在自動駕駛領域，最亮眼的公司就是英偉達，這家以GPU為主要產品的芯片公司不僅趕上了游戲產業起飛的風口，同樣在自動駕駛和AI領域也搶了先機，或許多年后，當黃仁勛回憶往事的時候會對自己的果敢決策點贊。
由簡入難，NvidiaTegra選擇從車載娛樂開始
如果一個公司想要進入新的領域，最快的方式就是收購。英特爾就是一個好榜樣，僅在2015年-2017年就收購了Altera、Movidius和Mobileye，迅速拼好了AI和汽車版圖，英偉達顯然并沒有選擇并購這條捷徑。
從英偉達的汽車市場發跡史來看，它的成功似乎是偶然中的必然。NvidiaTegra產品剛上市時還叫做移動超級芯片，從技術上來看，這款芯片集成了超低功耗 （ULP） 英偉達精視（NVIDIA GeForce）GPU，可實現雙倍瀏覽速度以及硬件加速Flash功能，可提供最佳的移動Web體驗，該GPU還給用戶提供媲美游戲機畫質的游戲體驗，由此可見，黃仁勛的初心是要主攻移動設備市場。其實，第一代產品最終只用在ZUNE HD以及Kin這兩款微軟的產品上；2010年推出第二代Tegra才獲得Acer、華碩、LG等大廠認可；在2013年推出了NVIDIA Tegra 3，開始轉向平板電腦。
2014年平板電腦市場開始疲軟，在資本的壓力下，英偉達開始為Tegra芯片尋找新的應用市場，恰巧那時候的特斯拉也在起步，Model S電動車的車載娛樂系統需要一款合適的處理器，Tegra 3也正好符合馬斯克的胃口，于是黃仁勛就抓住了這顆稻草。Model S就是基于Tegra 3進行了設計，帶著英偉達進入了汽車市場。
Drive CX和 Drive PX：自動駕駛見雛形
有了Tegra 3和特斯拉的背書，英偉達在2015年1月推出了車載平臺Drive CX和Drive PX，Drive CX配備了雙 Tegra X1 處理器，可接入 12 枚錄制每秒 30 幀 4K 視頻的攝像頭，能以每秒 2.3 萬億次浮點運算的速度處理數據，主要用于車載娛樂顯示屏。汽車在自動駕駛過程中本身需要采集大量的路況信息并作出及時的運算分析，Drive CX 就是為了解決這樣的問題而生。
Drive PX平臺運用的是兩塊Tegra X1，最多支持12路攝像頭輸入，同時像素處理能力達到每秒13億個。這在當年是一個相當“高級別”的技術參數，媒體幾乎要為這樣的速度尖叫，英偉達將其稱為自動駕駛方案，車廠可以借助該平臺，通過其深度學習功能自動將路上的交通標示、行人、救護車、警車、貨車自動區分，并搶先預判前邊并道的車輛。這套方案在當時無疑是超前預演了L2以上的自動駕駛場景。
其實在發布Drive CX和Drive PX之前，Tegra的車載解決方案已經應用到大眾高爾夫、勞斯萊斯魅影、邁凱輪MP4-12C等車型，甚至奧迪的前置激光大燈還獨立使用了一套Tegra芯片用于控制車燈照射范圍、亮度和會車燈光處理，當時已經有超過800萬輛汽車搭載Tegra芯片，顯然英偉達已經從消費電子芯片供應商轉型為汽車電子芯片供應商。
到2016年1月，英偉達又發布了DrivePX2，采用了16nmFinFET工藝，TDP達250W，支持12路攝像頭輸入、激光定位、雷達和超聲波傳感器。CPU部分由兩顆NVIDIA Tegra2處理器組成，每顆CPU包含8個A57核心和4個Denver核心；GPU部分采用兩顆基于NVIDIAPascal架構設計的GPU。單精度計算能力達到8TFlops，深度學習計算能力達到每秒24萬億次，在單精度運算速度上是DrivePX的4倍，深度學習速度是DrivePX的10倍，可以滿足L3自動駕駛的運算要求。自此，英偉達在自動駕駛市場的地位已經站穩。
Drive Xavier打造AI 自動駕駛車載計算平臺
“AI自動駕駛車載平臺”是英偉達在2018年1月發布時對Drive Xavier的命名，無可厚非，這款產品重點是做無人駕駛，但是依然蹭了AI的熱點。從參數配置上看，Xavier的技術陣勢非常強大，包含一個特別定制的8核CPU、一個全新的512核VoltaGPU、一個全新深度學習加速器、全新計算機視覺加速器、以及全新8KHDR視頻處理器，每秒可運行30萬億次計算，功耗僅為30w，能效比上一代架構高出15倍，可以滿足L3/L4自動駕駛的計算需求。
同時，英偉達還和采埃孚、百度合作共同打造自動駕駛系統，其中英偉達負責提供 Xavier 作為車載核心處理器，這相當于是無人汽車的大腦；采埃孚負責提供車載計算機、傳感器系統，采埃孚的ProAI 將能夠處理來自多個攝像頭、光學雷達和雷達的數據，繪制車身周圍的 360 度視圖，在高清地圖上進行定位，并在交通行駛中規劃安全行駛路徑；百度為無人汽車提供無人駕駛解決方案Apollo Pilot，為自動駕駛的汽車提供數據庫等調整方案。這樣的組合可謂完美，從芯片到系統全覆蓋，三家公司發揮各自長處占領自動駕駛的一角。
DrivePXPegasus：下一代自動駕駛平臺
英偉達還為自動駕駛設想了更長的未來，我們要知道在L3、L4之后還有L5，于是英偉達構想了DrivePXPegasus，這是一款針對L5級全自動駕駛出租車的AI處理器，搭載了兩個XavierSoC處理器。SoC上集成的CPU也從8核變成了16核，同時增加了2塊獨立GPU。計算速度達到320Tops，相當于PXXavier的10倍，算力能夠支持L5完全自動駕駛系統，但其功耗也達到了500W。
自動駕駛汽車有一個重要的環節就是上路測試，只有經過大量實際測試才能發現問題并及時修復，從而提高汽車的安全性，但是上路測試不僅需要大量車，而且容易造成交通事故，于是英偉達發布了Drive Constellation 自動駕駛模擬云平臺，該系統由兩個不同的云計算解決方案組成。其中“Constellation Simulator”服務器使用英偉達GPU運行名為Drive Sim的軟件，該軟件可以生成一個真實的虛擬世界，并將其輸入虛擬汽車的傳感器。第二個服務器是“Constellation Vehicle”，由Drive AGX車載計算機提供動力，然后處理模擬的傳感器數據。
開發者可以將自己的自動駕駛策略、車輛型號、傳感器配置和各種交通情況整合進測試參數中去，按實際情況進行個性化測試。只要不斷電，模擬機就能 24 小時模擬各種測試場景。假設車輛速度為每小時 60 英里，那么一天內 Drive Constellation 平臺上 1000 臺測試車就能累積 120 萬英里的模擬測試里程。除了能讓自動駕駛公司快速累積測試里程，模擬平臺未來還有可能成為各家公司的省錢利器，自動駕駛汽車廠商節省數百臺測試車的成本。英偉達也迎來了新客戶，豐田計劃把多款英偉達新產品整合進自家自動駕駛技術的訓練和研發計劃中。
自此，英偉達的自動駕駛版圖從芯片到系統，合作伙伴以及模擬場景就已經拼全了，后面就靜待自動駕駛市場的爆發了。但是模擬環境畢竟是虛擬世界，對于突發事件無法百分之百模擬，無論模擬場景多真實，汽車依然需要經過真實場景測試才更可靠。汽車安全一直是業界探討的話題，自動駕駛汽車廠商也不要太草率地將測試環節全部依托模擬軟件。
