自动驾驶算力和数据量

⑴ 零跑汽车发布自动驾驶芯片：算力4.2TOPS 支持L3级自动驾驶

国家发改委产业发展司机械装备处处长吴卫

未来，中国制造的汽车将是全球新技术融合最多、创新融合最多的，也必将领跑全球汽车工业。

同时，汽车芯片领域的竞争也异常激烈。相比于消费电子产品的芯片，汽车芯片对安全性、稳定性的要求更高，是芯片行业共同面对的难题，这也是中国芯片公司的机会。

结语：自研技术让零跑更具竞争力

零跑汽车是中国造车新势力企业中第一个自主研发汽车自动驾驶芯片的，搭载这款芯片的量产车零跑C11下月就将发布。零跑汽车在自动驾驶领域的飞速进步，也得到了用户的认可。

统计数据显示，零跑汽车两款量产车型从今年7月以来销量逐步攀升，9月销量破千，10月销量有望突破1600辆，大量的自研技术让零跑这一造车新势力具备了更强的竞争力。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

⑵ 什么才是制约自动驾驶发展的最大问题

“大爆炸”将至：什么才是制约自动驾驶发展的最大问题？

自动驾驶时代的V2X场景

除了无线通讯设备外，道路本身的平坦程度、车道线的可识别程度等都是一辆自动驾驶汽车能否安全行驶的关键。如果说在城市中心区域的主干道，这些问题尚且容易解决的话，在次干道、支路甚至于郊区和乡村公路，想要达到自动驾驶、甚至于无人驾驶的条件绝非易事。

在这些看得见的成本之外，“看不见的成本”在无形中制约者自动驾驶的发展。从一辆自动驾驶车辆走下生产线到走上城市道路，现行的交通法律显然远远不能满足需要。

今年7月6日，在网络AI开发者大会的现场直播中，李彦宏乘坐的网络研发自动驾驶车辆在“众目睽睽”之下违规，实线变道并且未打转向灯。之后，北京交管部门给网络开了自动驾驶第一张罚单。

对于网络而言，获得这张罚单还说得过去，毕竟车是自己的，系统是自己研发的，驾驶座上的人也是网络智能汽车事业部总经理顾维灏。但是如果是交付给用户的车辆，这张罚单应该开给谁呢？是交付车辆的汽车主机厂，还是研发整个自动驾驶系统的开发商，亦或是没有驾驶行为却拥有车辆的用户？

1949年版的《日内瓦道路交通公约》要求驾驶员“应当时刻能够控制其车辆”，而针对鲁莽驾驶的规定则通常要求“有意识地、有目的地操纵车辆”，这一规定在完全自动驾驶时代应当如何适用？

斯坦福大学的法学教授布莱恩特·沃克·史密斯（Bryant Walker Smith）曾撰写过一份文档，提出了在自动驾驶情境下如何调整法律的建议，包括把“驾驶员”这一术语改为包括不具备常规意义上的眼睛或者耳朵的计算机等等。修改法律的困难之处在于，法律能够要求人类规范自己的行为，但现在它无法要求一个人工智能系统去做什么事，除非法律的制定者能够清楚了解这个人工智能系统能做什么事不能做什么事，在纷繁的技术面具下去判定这些责任究竟是属于谁——可以想见的是，随着自动驾驶时代到来，现有的交通法规也将会迎来一场大变革。

⑶ 自动驾驶会用到GPU高性能计算吗

答案是需要使用到GPU高性能计算，自动驾驶的实现，需要依赖感知传感器对道路环境的信息进行采集，包括超声波、摄像头、毫米波雷达、激光雷达等，采集的好的数据需要传送到汽车中央处理器进行处理，用来识别障碍物、可行道路等，最后依据识别的结果，规划路径、制定速度，自动驱使汽车行驶。
整个过程需要在瞬时完成，延时必须要控制在毫秒甚至微秒级别，才能保证自动驾驶的行驶安全。
要完成瞬时处理、反馈、决策规划、执行的效果，对中央处理器的算力要求非常高。
为了准确识别图像、视频中的有效信息，业内多采用深度学习神经网络。
深度学习神经网络尤其是几百上千层的神经网络对高性能计算要求非常高，GPU对处理复杂运算拥有天然的优势：它有出色的并行矩阵计算能力，对于神经网络的训练和分类都可以提供显著的加速效果。选择桌面云同样可以享受GPU高性能计算
因此所有的人工智能，无论是做语言还是语音、图象、搜索，都和 GPU 相关。所有传统行业都会利用深度学习去推动新的改革，让新的研究方向达到一个新高度和新的飞跃。

⑷ 自动驾驶目前存在哪些缺陷

传感器无法确保100%的准确率，需与高精度地图融合

对于这次优步自动驾驶车辆致路人死亡事件，高德集团自动驾驶车辆高精度地图产品专家姚灿认为，发展自动驾驶技术尚需在研发、测试环节投入大量的时间、精力，汽车行业也应始终保有一颗对生命的敬畏之心。

姚灿介绍，从安全角度而言，通过一张辅助的高精度地图提前对道路场景进行预设，有助于避免交通事故。普通导航地图主要供人进行参考，而高精度地图是给机器看的，更像是一个传感器，它收集了大量道路信息，准确的道路形状，车道之间的车道线，道路隔离带和材质，甚至道路上的箭头、文字内容等都有相应描述。

“例如，在距离一个路口300米时，车辆就可以通过高精度地图提前知晓前方路口的性质、形状、有几条车道，是否经常有行人通过，在知道上述信息后，自动驾驶车辆的决策系统就在靠近路口的时候要求车辆提前减速。”

⑸ 英伟达发布史上最强计算平台，黄教主：自动驾驶不再担心算力问题

原本应该在今年 3 月份于加州圣何塞举办的英伟达 GTC 2020 大会，因为全球性新冠病毒肺炎的爆发而不得不推迟举行。
比原计划晚了将近 2 个月，英伟达 GTC 2020 终于在 5 月 14 日回归。
不过这一次开发者们没办法在线下集会，只能通过线上直播观看「皮衣教主」黄仁勋的主题演讲。老黄此次是在他硅谷的家中完成了这场别开生面的「Kitchen Keynote」。
虽然是厨房举行，英伟达依然爆出「核弹」，发布了全新一代的 GPU 架构 Ampere（安培）。
在自动驾驶方向上，英伟达通过两块 Orin SoC 和两块基于安培架构的 GPU 组合，实现了前所未有的?2000 TOPS?算力的 Robotaxi 计算平台，整体功耗为?800W。
有业界观点认为，实现 L2 自动驾驶需要的计算力小于 10 TOPS，L3 需要的计算力为 30 - 60 TOPS，L4 需要的计算力大于 100 TOPS，L5 需要的计算力至少为 1000 TOPS。
现在的英伟达自动驾驶计算平台已经建立起了从?10TOPS/5W，200TOPS/45W?到?2000 TOPS/800W?的完整产品线，分别对应前视模块、L2+ADAS?以及?Robotaxi?的各级应用。
从产品线看，英伟达?Drive AGX?将全面对标 Mobileye?EyeQ?系列，希望成为量产供应链中的关键厂商。
1、全新 GPU 架构：Ampere（安培）
2 个月的等待是值得的，本次 GTC 上，黄仁勋重磅发布了英伟达全新一代 GPU 架构 Ampere（安培）以及基于这一架构的首款 GPU NVIDIA A100。
A100 在整体性能上相比于前代基于 Volta 架构的产品有 20 倍的提升，这颗 GPU 将主要用于数据分析、专业计算以及图形处理。
在安培架构之前，英伟达已经研发了多代 GPU 架构，它们都是以科学发展史上的伟人来命名的。
比如 Tesla（特斯拉）、Fermi（费米）、Kepler（开普勒）、Maxwell（麦克斯维尔）、Pascal（帕斯卡）、Volta（伏特）以及 Turing（图灵）。
这些核心架构的升级正是推动英伟达各类 GPU 产品整体性能提升的关键。
针对基于安培架构的首款 GPU A100，黄仁勋细数了它的五大核心特点：
集成了超过 540 亿个晶体管，是全球规模最大的 7nm 处理器；引入第三代张量运算指令 Tensor Core 核心，这一代 Tensor Core 更加灵活、速度更快，同时更易于使用；采用了结构化稀疏加速技术，性能得以大幅提升；支持单一 A100 GPU 被分割为多达 7 块独立的 GPU，而且每一块 GPU 都有自己的资源，为不同规模的工作提供不同的计算力；集成了第三代 NVLink 技术，使 GPU 之间高速连接速度翻倍，多颗 A100 可组成一个巨型 GPU，性能可扩展。
这些优势累加起来，最终让 A100 相较于前代基于 Volta 架构的 GPU 在训练性能上提升了?6 倍，在推理性能上提升了?7 倍。
最重要的是，A100 现在就可以向用户供货，采用的是台积电的 7nm 工艺制程生产。
阿里云、网络云、腾讯云这些国内企业正在计划提供基于 A100 GPU 的服务。
2、Orin+安培架构 GPU：实现 2000TOPS 算力
随着英伟达全新 GPU 架构安培的推出，英伟达的自动驾驶平台（NVIDIA Drive）也迎来了一次性能的飞跃。
大家知道，英伟达此前已经推出了多代 Drive AGX 自动驾驶平台以及 SoC，包括?Drive AGX Xavier、Drive AGX Pegasus?以及?Drive AGX Orin。
其中，Drive AGX Xavier 平台包含了两颗 Xavier SoC，算力可以达到 30TOPS，功耗为 30W。
最近上市的小鹏 P7 上就量产搭载了这一计算平台，用于实现一系列 L2 级自动辅助驾驶功能。
Drive AGX Pegasus 平台则包括了两颗 Xavier SoC 和两颗基于图灵架构的 GPU，算力能做到 320TOPS，功耗为 500W。
目前有文远知行这样的自动驾驶公司在使用这一计算平台。
在 2019 年 12 月的 GTC 中国大会上，英伟达又发布了最新一代的自动驾驶计算 SoC Orin。
这颗芯片由 170 亿个晶体管组成，集成了英伟达新一代 GPU 架构和 Arm Hercules CPU 内核以及全新深度学习和计算机视觉加速器，最高每秒可运行 200 万亿次计算。
相较于上一代 Xavier 的性能，提升了 7 倍。
如今，英伟达进一步将自动驾驶计算平台的算力往前推进，通过将两颗 Orin SoC 和两块基于安培架构的 GPU 集成起来，达到惊人的 2000TOPS 算力。
相较于 Drive AGX Pegasus 的性能又提升了 6 倍多，相应地，其功耗为 800W。
按一颗 Orin SoC 200TOPS 算力来计算，一块基于安培架构的 GPU 的算力达到了 800TOPS。
正因为高算力，这个平台能够处理全自动驾驶出租车运行所需的更高分辨率传感器输入和更先进的自动驾驶深度神经网络。
对于高阶自动驾驶技术的发展而言，英伟达正在依靠 Orin SoC 和安培 GPU 架构在计算平台方面引领整个行业。
当然，作为一个软件定义的平台，英伟达 Drive AGX 具备很好的可扩展性。
特别是随着安培 GPU 架构的推出，该平台已经可以实现从入门级 ADAS 解决方案到 L5 级自动驾驶出租车系统的全方位覆盖。
比如英伟达的 Orin 处理器系列中，有一款低成本的产品可以提供 10TOPS 的算力，功耗仅为 5W，可用作车辆前视 ADAS 的计算平台。
换句话说，采用英伟达 Drive AGX 平台的开发者在单一平台上仅基于一种架构便能开发出适应不同细分市场的自动驾驶系统，省去了单独开发多个子系统（ADAS、L2+ 等系统）的高昂成本。
不过，想采用 Orin 处理器的厂商还得等一段时间，因为这款芯片会从 2021 年开始提供样品，到?2022 年下半年才会投入生产并开始供货。
3、英伟达自动驾驶「朋友圈」再扩大
本届 GTC 上，英伟达的自动驾驶「朋友圈」继续扩大。
中国自动驾驶公司小马智行（Pony.ai）、美国电动车创业公司?Canoo?和法拉第未来（Faraday Future）加入到英伟达的自动驾驶生态圈，将采用英伟达的 Drive AGX 计算平台以及相应的配套软件。
小马智行将会基于 Drive AGX Pegasus 计算平台打造全新一代 Robotaxi 车型。
此前，小马智行已经拿到了丰田的 4 亿美金投资，不知道其全新一代 Robotaxi 会不会基于丰田旗下车型打造。
美国的电动汽车初创公司 Canoo 推出了一款专门用于共享出行服务的电动迷你巴士，计划在 2021 年下半年投入生产。
为了实现辅助驾驶的系列功能，这款车型会搭载英伟达 Drive AGX Xavier 计算平台。前不久，Canoo 还和现代汽车达成合作，要携手开发电动汽车平台。
作为全球新造车圈内比较特殊存在的法拉第未来，这一次也加入到了英伟达的自动驾驶生态圈。
FF 首款量产车 FF91 上的自动驾驶系统将基于 Drive AGX Xavier 计算平台打造，全车搭载了多达 36 颗各类传感器。
法拉第未来官方称 FF91 有望在今年年底开始交付，不知道届时会不会再一次跳票。
作为 GPU 领域绝对霸主的英伟达，在高算力的数据中心 GPU 以及高性能、可扩展的自动驾驶计算平台的加持下，已经建起了一个完整的集数据收集、模型训练、仿真测试、远程控制和实车应用的软件定义的自动驾驶平台，实现了端到端的完整闭环。
同时，其自动驾驶生态圈也在不断扩大，包括汽车制造商、一级供应商、传感器供应商、Robotaxi 研发公司和软件初创公司在内的数百家自动驾驶产业链上的企业已经在基于英伟达的计算硬件和配套软件开发、测试和应用自动驾驶车辆。
未来，在整个自动驾驶产业里，以计算芯片为核心优势，英伟达的触角将更加深入，有机会成为产业链条上不可或缺的供应商。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

⑹ 自动驾驶以后会实现吗

目前国内普遍采用的是美国汽车工程师协会SAE制订的无人驾驶等级，分六个阶段，分别是：L0没有自动化，L1驾驶辅助，L2部分自动驾驶，L3有条件自动驾驶，L4高度自动驾驶，L5完全自动驾驶。前三个是人类驾驶，后三个为自动驾驶。

国内大多数车企如吉利、长安则已经实现了L2级别的自动驾驶，部分车企业已经宣称达到L2.5级别自动驾驶，如小鹏G3。

那么当前已经量产的汽车到了哪一个水平呢？答案是L3，代表车型是第四代奥迪A8。

国内今年即将上市小鹏P7号称也能达到L3自动驾驶水平。

就目前的各项技术发展趋势判断，最早能够实现量产的L4自动驾驶车型预计会到2022年左右实现，而L5级别的则会在2025年之后。

⑺ 高通发布全新自动驾驶计算平台 最高算力700TOPS，2023年量产

▲高通公司总裁CristianoAmon新闻发布会上向展示了SnapdragonRide（图源CNET/James?Martin)

SnapdragonRide通过独特的SoC、加速器和自动驾驶软件栈的结合，为汽车制造商提供了一种可扩展的解决方案，可在三个细分领域对自动驾驶汽车提供支持，分别是：

1、L1/L2级主动安全ADAS——面向具备自动紧急制动、交通标志识别和车道保持辅助功能的汽车。

2、L2+级ADAS——面向在高速公路上进行自动驾驶、支持自助泊车，以及可在频繁停车的城市交通中进行驾驶的汽车。

3、L4/L5级完全自动驾驶——面向在城市交通环境中的自动驾驶、无人出租车和机器人物流。

SnapdragonRide平台基于一系列不同的骁龙汽车SoC和加速器建立，采用可扩展且模块化的高性能异构多核CPU、高能效的AI及计算机视觉引擎，以及GPU。

其中，ADASSoC系列和加速器系列采用异构计算，与此同时利用高通的新一代人工智能引擎，ADAS和SoC能够高效管理车载系统的大量数据。

得益于这些不同的SoC和加速器的组合，SnapdragonRide平台可以根据自动驾驶的不同细分市场的需求进行配备，同时提供良好的散热效率，包括从面向L1/L2级别应用的30TOPS等级的设备，到面向L4/L5级别驾驶、超过700TOPS的功耗130瓦的设备。

此外，高通全新推出的SnapdragonRide自动驾驶软件栈是集成在SnapdragonRide平台中的模块化可扩展解决方案。

据介绍，SnapdragonRide平台的软件框架可同时托管客户特定的软件栈组件和SnapdragonRide自动驾驶软件栈组件。

SnapdragonRide平台也支持被动或风冷的散热设计，因而能够在成本降低的同时进一步优化汽车设计，提升可靠性。

现在，Arm、黑莓QNX、英飞凌、新思科技、Elektrobit、安森美半导体均已加入高通的自动驾驶朋友圈，成为SnapdragonRide自动驾驶平台的软/硬件供应商。

Arm的功能安全解决方案，新思科技的汽车级DesignWare接口IP、ARC处理器IP和STARMemorySystemTM，黑莓QNX的汽车基础软件OS安全版及Hypervisor安全版，英飞凌的AURIXTM微控制器，以及安森美半导体的ADAS系列传感器都会集成到高通的自动驾驶平台上。

Elektrobit还计划与高通合作，共同开发可规模化生产的新一代AUTOSAR架构，EBcorbos软件和SnapdragonRide自动驾驶平台都将集成在这个架构上面。

据了解SnapdragonRide将在2020年上半年交付汽车制造商和一级供应商进行前期开发，而根据QualcommTechnologies估计，搭载SnapdragonRide的汽车将于2023年投入生产。

二、深耕汽车业务多年高通赋能超百万台汽车

在发布SnapdragonRide自动驾驶平台之前，高通已在智能汽车领域深耕多年。

十多年来，高通子公司QualcommTechnologies一直在为通用汽车的网联汽车应用提供先进的无线通信解决方案，包括通用汽车上安吉星设备所支持的安全应用。

在车载信息处理、信息影音和车内互联等领域，QualcommTechnologies的订单总价值目前已超过70亿美元（约合人民币487亿元）。

而根据高通在CES2020发布会现场公布的信息，迄今为止已经有超百万辆汽车使用了高通提供的汽车解决方案。

很显然，如今高通在汽车领域的布局又向前迈进了一步。

CES2020期间，除发布SnapdragonRide自动驾驶平台外，高通还推出了全新的车对云服务（Car-to-CloudService），该服务预计在2020年下半年开始提供。

据介绍，由QualcommTechnologies打造的车对云服务支持SoftSKU芯片规格软升级能力，不仅可以帮助汽车客户满足消费者不断变化的需求，还可根据新增性能需求或新特性，让芯片组在外场实现升级、以支持全新功能。

与此同时SoftSKU也支持客户开发通用硬件，从而节省他们面向不同开发项目的专项投入。利用高通车对云SoftSKU，汽车制造商不仅能够为消费者提供各种定制化服务，还可以通过个性化特性打造丰富且具沉浸感的车内体验。

另外高通的车对云服务也支持实现全球蜂窝连接功能，既可用于引导初始化服务，也可以在整个汽车生命周期中提供无线通信连接。

QualcommTechnologies产品管理高级副总裁NakulDuggal表示，结合骁龙汽车4G和5G平台、骁龙数字座舱平台，高通的车对云服务能够帮助汽车制造商和一级供应商满足当代车主的新期待，包括灵活、持续地进行技术升级，以及在整个汽车生命周期中不断探索新功能。

此外，QualcommTechnologies也在CES2020上宣布，表示将继续深化和通用汽车的合作。作为长期合作伙伴，通用汽车将通过与QualcommTechnologies的持续合作来支持数字座舱、车载信息处理和ADAS（先进驾驶辅助系统）。

结语：巨头纷纷入局自动驾驶领域风起云涌

前有华为表示要造激光雷达、毫米波雷达等智能汽车核心传感器，后有Arm牵头成立自动驾驶汽车计算联盟，如今移动芯片巨头高通也发布了全新的自动驾驶平台，在汽车和自动驾驶领域上又迈进一步。

巨头入局有利于自动驾驶汽车更快更好地落地，然而另一方面随着更多硬核玩家拓展业务边界，此次市场上的竞争也必然会变得更加激烈。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

⑻ 大数据和人工智能的联系与区别是什么

了解大数据与人工智能的区别与联系，首先我们从认知和理解大数据和人工智能的概念开始。

1、大数据

大数据是物联网、Web系统和信息系统发展的综合结果，其中物联网的影响最大，所以大数据也可以说是物联网发展的必然结果。大数据相关的技术紧紧围绕数据展开，包括数据的采集、整理、传输、存储、安全、分析、呈现和应用等等。目前，大数据的价值主要体现在分析和应用上，比如大数据场景分析等。

2、人工智能

人工智能是典型的交叉学科，研究的内容集中在机器学习、自然语言处理、计算机视觉、机器人学、自动推理和知识表示等六大方向，目前机器学习的应用范围还是比较广泛的，比如自动驾驶、智慧医疗等领域都有广泛的应用。人工智能的核心在于“思考”和“决策”，如何进行合理的思考和合理的行动是目前人工智能研究的主流方向。

3、大数据与人工智能

大数据和人工智能虽然关注点并不相同，但是却有密切的联系，一方面人工智能需要大量的数据作为“思考”和“决策”的基础，另一方面大数据也需要人工智能技术进行数据价值化操作，比如机器学习就是数据分析的常用方式。在大数据价值的两个主要体现当中，数据应用的主要渠道之一就是智能体（人工智能产品），为智能体提供的数据量越大，智能体运行的效果就会越好，因为智能体通常需要大量的数据进行“训练”和“验证”，从而保障运行的可靠性和稳定性。

目前大数据相关技术已经趋于成熟，相关的理论体系已经逐步完善，而人工智能尚处在行业发展的初期，理论体系依然有巨大的发展空间。从学习的角度来说，如果从大数据开始学习是个不错的选择，从大数据过渡到人工智能也会相对比较容易。总的来说，两个技术之间并不存在孰优孰劣的问题，发展空间都非常大。

⑼ 比特斯拉FSD强7倍算力的蔚来自动驾驶NAD是什么

焦点无疑是蔚来的ET7：蔚来首款具备自动驾驶能力的智能电动旗舰轿车。蔚来官方将之定义为
“为自动驾驶而生”的汽车。那么ET7的自动驾驶能力会有多强呢？首先我们还是了解下ET7的基础性能：新车最大功率 480kW，最大扭矩 850N·m，风阻系数
0.23Cd，百公里加速 3.9 秒。全系标配空悬挂和 4D 智能车身控制。

有了这么强的算力，ET7 全系标配 NAD 19 项安全与驾驶辅助功能，NAD 的完整功能将采用月租的服务订阅模式， ADaaS(AD as a
Service)，服务费为每月 680 元。虽然看得很激动，但ET7 的交付要到明年第一季度，至于 150kWh 的电池包，要到 2022
年第四季度才能开始交付。所以，在这么长的时间里，如今激烈竞争的新造车品牌中，ET7能否一直保持领先，还要看其他同学的成绩了。

⑽ 自动驾驶背后的海量数据，最后都去哪了

以一辆信息采集车为例在路测过程中每1秒就会产生720MB的数据大概需要完成2000个小时的路况采集工作量数据量之大超乎想象除自动驾驶外，5G、卫星遥感、基因测序、宇宙探索、超高清视频这些都在源源不断地产生新的海量数据，数据类型越来越多样化，非结构化数据成为增长主力。我们把存储设备比喻成车、数据比喻成货物。

FusionStorage智能分布式存储，基于AI重定义存储架构，致力于打造海量多样性的数据底座，帮助用户从容应对数据洪流。有了它，后续无论客户的业务如何增长、容量如何扩充，无论是数百个节点还是数千个节点，都没有扩容压力，按需扩展、弹性可变。