現(xiàn)實+仿真：自動駕駛的隱秘競技場

2022 年，在技術、政策法規(guī)接連取得突破后，自動駕駛真正開始從小范圍的試驗場，走向大規(guī)模商業(yè)化落地。與此同時，挑戰(zhàn)隨之而來。不同于其他行業(yè)，自動駕駛關乎駕乘人員的安全，并且需要實時地處理海量的信息做出最為安全、穩(wěn)妥的決策，稍有閃失便會產生嚴重的后果。這意味著，自動駕駛汽車在正式上路之前，需要經過大量的訓練與仿真測試，伴隨而來的，是車企對于超大算力的需求。

IDC 近期發(fā)布的《現(xiàn)實+仿真，超大算力賦能自動駕駛》白皮書，探討了目前自動駕駛的發(fā)展情況以及車企在自動駕駛開發(fā)過程中的需求和挑戰(zhàn)。此外，該報告還介紹了 NVIDIA 在助力蔚來、大陸集團構建 AI 數據中心方面的實踐經驗。

以下，我們來看具體內容。

助力汽車行業(yè)主機廠：

蔚來采用 NVIDIA HGX 搭建 AI 平臺

蔚來是一家全球化的智能電動汽車公司，致力于通過提供高性能的智能電動汽車與極致的用戶體驗，為用戶創(chuàng)造愉悅的生活方式。

01

技術挑戰(zhàn)

蔚來研發(fā)自動駕駛汽車所用的數據采集車輛每年會產生百 PB 級別的數據，以及幾十億張圖像。其量產車也需要回流海量的道路數據，用于優(yōu)化算法模型。這意味著蔚來的數據中心需要具備能力回流、篩選、標注海量用于 AI 模型訓練的數據。這一過程離不開穩(wěn)健的技術基礎架構，包括覆蓋全場景鏈路的人工智能平臺和大規(guī)模機器學習系統(tǒng)。

02

方案亮點

蔚來使用 NVIDIA HGX 構建綜合全面的數據中心基礎設施，并在此基礎上開發(fā) AI 驅動的軟件定義汽車，包括 ET7、ET5。

蔚來的可擴展 AI 基礎設施由 NVIDIA HGX 驅動，共配備 8 個 NVIDIA 數據中心 GPU 和 NVIDIA ConnectX-6 InfiniBand 網卡。這個可擴展的超級計算機集群中包含一組 NVME SSD 服務器，并通過高速 NVIDIA Quantum InfiniBand 網絡平臺相互連接。

借助 NVIDIA 數據中心 GPU，蔚來以縱向和橫向擴展方式搭建并應用 AI 平臺。對 NVIDIA Multi-Instance GPU 的合理使用，使得算法工程師在開發(fā)過程中的工作效率和集群資源利用率得到巨大提升，讓蔚來的模型開發(fā)效率提高了 20 倍，幫助蔚來更快地落地自動駕駛產品，向更新更快的架構發(fā)展。

此外，蔚來在 NVIDIA NVLink 和 NVIDIA Mellanox InfiniBand 的基礎上，構建了支持多卡和多機訓練的深度學習訓練框架，使用 NVIDIA Mellanox InfiniBand 和基于 NVIDIA Mellanox InfiniBand 的 RDMA 技術，構建了分布式的高性能文件讀取加速套件。

對于與 NVIDIA 的合作，蔚來 AI 平臺負責人白宇利表示：“量產車面臨的復雜場景是蔚來自動駕駛能力的試金石，同時，量產車產生的海量數據也是未來自動駕駛能力的護城河。NVIDIA 的高性能計算解決方案成為了蔚來在自動駕駛這條道路上的加速器?！?/p>

賦能汽車行業(yè)一級供應商：

大陸集團基于 NVIDIA DGX AI 系統(tǒng)建立高算力集群

大陸集團致力于為汽車行業(yè)提供最尖端的技術與最可靠的服務，其駕駛輔助平臺利用 AI 技術訓練車輛自主決策，從而為司機提供協(xié)助，并在未來最終實現(xiàn)自動駕駛。

01

技術挑戰(zhàn)

隨著系統(tǒng)的復雜程度不斷提升，傳統(tǒng)的軟件開發(fā)與機器學習模式開始體現(xiàn)出自身的局限性，大陸集團以深度學習與仿真測試作為開發(fā)人工智能解決方案的基礎。大陸集團用于訓練神經網絡的數據主要來自測試車隊。目前，車隊中的車輛每天行駛的總測試里程為 15,000 公里，收集約 100TB 的數據，相當于 50,000 小時長的電影。被記錄的數據還需要通過回放用于模擬實車訓練。

02

方案亮點

大陸集團與 NVIDIA 基于 NVIDIA DGX AI 系統(tǒng)建立高算力集群，其超級計算機包含超過 50 套 NVIDIA DGX 系統(tǒng)，以 NVIDIA Mellanox InfiniBand 網絡連接，用于加速開發(fā)自動駕駛解決方案。同時提供接口與云端資源連接。主要應用場景包括深度學習和仿真測試。

新的算力集群將開發(fā)周期從幾周縮短至幾個小時，使自動駕駛得以在中短期商業(yè)計劃中落實。此外，機器學習時間的縮短加快了新科技進入市場的速度。

“超級計算機是對未來的投資，”大陸公司駕駛輔助系統(tǒng)團隊的總項目負責人 Christian Schumacher 說，“最先進的系統(tǒng)可以縮短訓練神經網絡的時間，與過往相比，借助 NVIDIA 的支持，我們能夠在相同的單位時間內增加至少 14 倍的測試量。”

小結

NVIDIA 提供適用于自動駕駛汽車的基礎架構，包括開發(fā)自動駕駛技術所需的數據中心全套硬件、軟件和工作流參考架構，涵蓋從原始數據采集到驗證的每個環(huán)節(jié)，為神經網絡開發(fā)、訓練和驗證以及仿真測試提供了所需的端到端基礎模塊。

在蔚來案例中采用的 NIVDIA HGX，是適用于龐大數據集、復雜模型等 AI 場景的加速服務器平臺。HGX 整合了 NVIDIA 數據中心 GPU、NVIDIA NVLink、NVIDIA Mellanox InfiniBand 網絡及在 NGC（NVIDIA GPU Cloud）中經全面優(yōu)化的 NVIDIA AI 軟件堆棧。同時，它樹立了新的計算密度標桿，將 5 PETAFLOPS 的 AI 性能濃縮，并用一個平臺取代了各種 AI 工作負載的傳統(tǒng)孤島式基礎架構。

而在兩個案例中均采用的 NVIDIA DGX POD，其參考架構結合 NVIDIA 加速計算架構、Mellanox 網絡架構和系統(tǒng)管理軟件，能夠為蔚來、大陸集團這樣的行業(yè)變革引領者，提供高性價比、即買即用、方便部署的解決方案，使超級計算能力變得易于訪問、安裝、管理，從而滿足自動駕駛復雜架構的需求。

此外，可拓展性也是推動 NVIDIA DGX POD 占領市場的另一個亮點。隨著人工智能的發(fā)展，機器學習的速度日益提升，每一次創(chuàng)新都有可能帶來算力需求的指數型增長。超算基礎設施的可拓展性是滿足這一需求的重要前提。