Warum Supercomputer autonome Autos antreiben müssen | Tim Bajarin

Auf der Entwicklerkonferenz von Nvidia vor einigen Monaten habe ich viel Zeit damit verbracht, mit Leuten über Nvidia und die autonomen Fahrzeugpläne seiner Partner zu sprechen.

Jen-Hsun Huang, CEO von Nvidia, stellte in seiner Keynote eine aktualisierte Version des Drive PX-Systems von Nvidia für selbstfahrende Fahrzeuge vor, bei dem es sich im Grunde um einen Supercomputer handelt, der im Kofferraum eines Autos sitzt. Seine HD-Kartentools können alle Arten von Straßen- und Fahrbedingungen erfassen, planen und auf diese reagieren. Eine Demo zeigte ein Auto, das mit nur 3.000 Stunden Training lernen konnte, auf Hauptstraßen und unbefestigten Straßen autonom zu fahren.

Das operative Wort hier ist "Supercomputer". In den letzten 10 Jahren hat Nvidia einige der weltweit schnellsten Prozessoren für seine GPU-Architektur entwickelt. Es hat kürzlich ein bahnbrechendes Produkt angekündigt, das es das weltweit erste Supercomputersystem nennt, das sich dem Deep Learning widmet, das DGX-1. Dieses System stapelt bis zu acht Tesla P100-Prozessoren übereinander und liefert 170 Teraflops in einer Box, 2 Petalops in einem Rack zu einem Durchbruchspreis von 129.000 USD.

Diese Architektur war eine der größten Ankündigungen auf der Konferenz, und ihre Arbeit läuft jetzt auch auf autonome Fahrzeuge hinaus.

Dies wurde deutlich, als Gill Pratt, CEO des Toyota Research Institute, seine Partnerschaft mit Nvidia und die Rolle, die ein Supercomputer-ähnliches System in einem Auto in zukünftigen autonomen Fahrzeugplänen spielen wird, betonte. Pratt wies darauf hin, dass der Hauptgrund, warum Toyota sich für selbstfahrende Autos einsetzt, darin besteht, dass "die Tatsache, dass wir 1, 2 Millionen Tote pro Jahr tolerieren, verblüffend ist und es eine Schande ist. Sie übersteigt die Zahl der im Krieg getöteten Menschen bei weitem."

Mein Freund Dean Takahashi von VentureBeat fasst Pratts Überlegungen zu Toyotas Strategie für selbstfahrende Autos gut zusammen, aber im Allgemeinen hat Pratts Keynote uns das Gefühl vermittelt, dass Toyota eine Schlüsselrolle bei der Entwicklung sicherer, selbstfahrender Autos spielen wird. Tatsächlich sagte Pratt, dass die von Toyota durchgeführten Forschungsarbeiten für die allgemeine Sicherheit der Öffentlichkeit so wichtig sind, dass das Unternehmen einen Großteil seiner Forschungsarbeiten für seine Konkurrenten oder etwas, das er "Co-opetetion" nennt, öffnet.

Ich sehe, dass Nvidia auch in diesem Bereich eine wichtige Rolle spielt. Ich verbrachte einige Zeit mit Danny Shapiro, Nvidias intelligentem Fahrzeugprogramm-Guru, und er zeigte mir das Drive PX 2-Motherboard.

Das System basiert auf der Art von neuronalen Netzen, die für die Verarbeitung von Schlüsselentscheidungen für nahezu jede denkbare Fahrsituation erforderlich sind. Mir ist klar, dass die meisten großen Halbleiterunternehmen Chips für den Einsatz in autonomen Fahrzeugen haben, aber als ich mich von der Drive PX 2-Demo abwandte, dachte ich mir, wenn ich in einem selbstfahrenden Auto wäre, würde ich einen Hochleistungsauto wollen Supercomputer steuert es.

Ich vermute, das ist auch das Denken vieler Automobilkunden von Nvidia. Die Arbeit, die Nvidia intern zusammen mit dem neuen Drive PX 2-System leistet, macht es zu einem der wichtigsten Halbleiterunternehmen, das sich mit den Problemen und Herausforderungen bei der Auslieferung eines autonomen Fahrzeugs befasst. Und nach dem, was ich auf der Veranstaltung gesehen habe, sind möglicherweise Prozessoren auf Supercomputerebene erforderlich, um in Zukunft die Art von ultra-sicheren autonomen Fahrzeugen zu liefern.