現實+仿真-超大算力賦能自動駕駛（2022年）

自動駕駛系統具有高度的復雜性，訓練的過程需要以海量場景數據的積累為前提。在訓練的過程中，機器需要在有限的時間內對大量的圖像信息完成處理，因而需要以巨大的算力作為支撐，造成了訓練自動駕駛系統的高成本。與此同時，自動駕駛系統在真實世界中可能遭遇的場景難以窮盡，因而需要系統對駕駛行為進行持續不斷的學習，拉長了自動駕駛系統訓練的周期。大型車企或一級供應商往往選擇建立自有算力資源。

但是，人工智能計算中心的搭建具有較高的技術門檻，運營與維護過程也需要較高水平的經驗 積累，因而需要與技術成熟的解決方案供應商開展合作。首先，數據中心解決方案供應商軟硬件技術的先進性決定了人工智能計算中心所能提供的算力水平，其解決方案的成熟度又決定了前期搭建所需的時間周期，以及算力供給過程中的穩定性。這些因素共同決定了自動駕駛解決方案的開發周期，因而直接影響了相應的車企是否能夠在智能駕駛領域取得市場先機。

在自動駕駛領域具有長期規劃的車企或技術供應商需要掌握穩定的算力資源。就這一方面而言，硬件的選型與網絡的規模將對數據中心的算力產生直接的影響，涉及IT領域的專業知識， 企業需要具備相關的知識儲備，以及駕馭跨行業合作關系的能力。此外，搭建及運營人工智能計算中心的供應商需要提供一套集成的全棧式AI解決方案，以保證自動駕駛系統的開發項目能 以最快的速度上線，并得到持續且穩定的算力支持。

注：本篇報告來自IDC NVIDIA，僅做為學術交流，未經許可請勿做為商業用途，如本資料侵犯了您的合法權益，請添加榮格小助手微信：16621616785， 我們將快速核實并處理。