自動駕駛技術需要大量的數據。在道路上實現安全駕駛之前，工程師必須首先訓練使汽車具有自行駕駛的人工智能（AI）算法。深度學習是人工智能的一種形式，可以用於感知汽車周圍的環境，並精確的做出駕駛決策。
大量的數據對這個項目來說算是一個巨大的挑戰。單個測試車輛每年可以產生數PB字節的數據。與傳統的汽車數據和IT系統相比，捕獲，管理和處理大量數據需要全新的計算架構和基礎架構。
AI自動駕駛的車輛必須接受道路上有可能遇到的多到令人難以置信的複雜環境情況訓練。這需要數百萬甚至數十億小時的駕駛數據，以確保人工智能能夠識別從車輛到行人，橫過馬路的動物的以及所有事物。數據中心結合實際道路的測試和驗證將會成為驗證自動駕駛系統的關鍵。
能夠收集和處理的數據越多，AI越快，越好，可以學習並做出的決策越準確。這就是為什麼高性能，高能效的AI計算基礎架構對於提高自動駕駛的性能至關重要- 這是NVIDIA未來研究的方向。
NVIDIA超級計算機DGX-1簡化了深度學習算法。提供了一種即裝即用的解決方案，與其他基於GPU的系統相比，DGX-1的訓練速度提高了4倍。自動駕駛公司，如沃爾沃汽車與Autoliv合資的Zenuity，已經在利用DGX-1來訓練和驗證他們的技術。
分享到:
閱讀更多 咪豆 的文章
