ຍຸດທະສາດການຂັບລົດອັດຕະໂນມັດຂອງ Nvidia: ເບິ່ງພາຍໃນ
ທ່ານ Xinzhou Wu, ຫົວໜ້າດ້ານລົດຍົນຂອງ Nvidia, ກໍາລັງເປັນຫົວຫນ້າແຜນການທີ່ທະເຍີທະຍານຂອງບໍລິສັດທີ່ຈະນໍາພາການແຂ່ງຂັນຂັບລົດແບບອັດຕະໂນມັດຕໍ່ກັບຍັກໃຫຍ່ເຊັ່ນ Waymo ແລະ Tesla. ວິທີການຂອງລາວກ່ຽວຂ້ອງກັບການທົດສອບຢ່າງເຂັ້ມງວດ, ໃນໂລກທີ່ແທ້ຈິງ, ລວມທັງການຂັບຂີ່ແບບບໍ່ມີມືປົກກະຕິກັບ CEO Jensen Huang. ຍຸດທະສາດນີ້ເນັ້ນໃສ່ຄວາມມຸ່ງໝັ້ນຂອງ Nvidia ທີ່ຈະພັດທະນາລະບົບການຂັບຂີ່ດ້ວຍຕົນເອງທີ່ປອດໄພ ແລະເຊື່ອຖືໄດ້.
Wu ພຽງແຕ່ເຊື້ອເຊີນ Huang ສໍາລັບການສາທິດໃນເວລາທີ່ເຂົາ "ມີຄວາມຫມັ້ນໃຈທີ່ດີ" ໃນຄວາມສາມາດຂອງລະບົບ. ວິທີການທີ່ລະມັດລະວັງນີ້ຊີ້ໃຫ້ເຫັນສະເຕກສູງໃນຕະຫຼາດລົດອັດຕະໂນມັດທີ່ມີການແຂ່ງຂັນ. Nvidia ມີຈຸດປະສົງເພື່ອລື່ນກາຍຄູ່ແຂ່ງໂດຍການສຸມໃສ່ AI ທີ່ເຂັ້ມແຂງແລະເຕັກໂນໂລຊີການຮຽນຮູ້ເລິກ.
ການທົດລອງ San Francisco: ສິ່ງທ້າທາຍຂອງໂລກທີ່ແທ້ຈິງ
ບໍ່ດົນມານີ້, Wu ແລະ Huang ໄດ້ຂີ່ລົດເກັງ Mercedes CLA ທີ່ມີ MB.Drive Assist Pro ຈາກ Woodside ໄປຫາຕົວເມືອງ San Francisco. ລະບົບດັ່ງກ່າວ, ອອກແບບບາງສ່ວນໂດຍ Nvidia, ສະຫນອງການເຮັດວຽກທີ່ຄ້າຍຄືກັບ Tesla's Full Self-Driving. ເຖິງວ່າຈະມີການຈະລາຈອນຢ່າງຮຸນແຮງ, ອາລົມພາຍໃນຍານພາຫະນະໄດ້ຖືກລາຍງານວ່າເບົາບາງ.
ໃນລະຫວ່າງການຂັບລົດ, Huang ໄດ້ຮ້ອງຂໍ Wu ເພື່ອຊີ້ບອກວ່າລົດແມ່ນຢູ່ໃນຮູບແບບອັດຕະໂນມັດ. ການໂຕ້ຕອບນີ້, ບັນທຶກໃນວິດີໂອ, ສະແດງເຖິງຂະບວນການຮ່ວມມືແລະຊ້ໍາຊ້ອນທີ່ຢູ່ເບື້ອງຫລັງການພັດທະນາຂອງ Nvidia. ການທົດສອບຕົວຈິງໃນສະພາບແວດລ້ອມໃນຕົວເມືອງທີ່ສັບສົນແມ່ນສໍາຄັນສໍາລັບການປັບປຸງເຕັກໂນໂລຢີຂອງພວກເຂົາ.
ວິທີການ Nvidia ວາງແຜນທີ່ຈະລື່ນກາຍ Waymo ແລະ Tesla
ຍຸດທະສາດຂອງ Nvidia ທີ່ຈະເອົາຊະນະ Waymo ແລະ Tesla ແມ່ນສ້າງຢູ່ໃນຫຼາຍເສົາຄ້ໍາທີ່ສໍາຄັນ. ບໍລິສັດໄດ້ນໍາໃຊ້ຮາດແວທີ່ມີປະສິດທິພາບແລະຊໍແວ AI ເພື່ອສ້າງການແກ້ໄຂການຂັບຂີ່ແບບອັດຕະໂນມັດທີ່ສົມບູນແບບ. ວິທີການສິ້ນສຸດນີ້ເຮັດໃຫ້ Nvidia ແຕກຕ່າງຈາກຄູ່ແຂ່ງຫຼາຍ.
ອົງປະກອບຫຼັກຂອງແຜນ Nvidia ປະກອບມີ:
ການຝຶກອົບຮົມ AI ຂັ້ນສູງ: ການນໍາໃຊ້ຊຸດຂໍ້ມູນຂະຫນາດໃຫຍ່ເພື່ອຝຶກອົບຮົມເຄືອຂ່າຍ neural ສໍາລັບສະຖານະການຂັບລົດທີ່ສັບສົນ. ຮາດແວທີ່ສາມາດປັບຂະໜາດໄດ້: ພັດທະນາໂປເຊດເຊີທີ່ມີປະສິດທິພາບ ແລະປະຫຍັດພະລັງງານ ເຊັ່ນ: DRIVE Orin ແລະ DRIVE Atlan ທີ່ກຳລັງຈະມາຮອດ. ຄູ່ຮ່ວມງານຍຸດທະສາດ: ຮ່ວມມືກັບຜູ້ຜະລິດລົດໃຫຍ່ເຊັ່ນ Mercedes-Benz ເພື່ອປະສົມປະສານເຕັກໂນໂລຢີເຂົ້າໄປໃນຍານພາຫະນະການຜະລິດ. ເທກໂນໂລຍີການຈໍາລອງ: ການນໍາໃຊ້ການຈໍາລອງທີ່ມີຄວາມຊື່ສັດສູງເພື່ອທົດສອບການຂັບຂີ່ຫຼາຍລ້ານກິໂລແມັດຢ່າງປອດໄພແລະມີປະສິດທິພາບ.
ຍຸດທະສາດຫຼາຍດ້ານນີ້ອະນຸຍາດໃຫ້ Nvidia ເລັ່ງການພັດທະນາໃນຂະນະທີ່ຮັກສາຈຸດສຸມທີ່ເຂັ້ມແຂງກ່ຽວກັບຄວາມປອດໄພ. ບໍລິສັດເຊື່ອວ່າການປະສົມປະສານຂອງຂໍ້ມູນທີ່ແທ້ຈິງຂອງໂລກແລະການຈໍາລອງແບບພິເສດແມ່ນເປັນເສັ້ນທາງທີ່ໄວທີ່ສຸດເພື່ອປົກຄອງຕົນເອງຢ່າງເຕັມທີ່.
ບົດບາດຂອງ AI ແລະການຮຽນຮູ້ເລິກເຊິ່ງ
ຫົວໃຈຫຼັກຂອງລະບົບການຂັບຂີ່ແບບອັດຕະໂນມັດຂອງ Nvidia ແມ່ນເວທີ AI ທີ່ທັນສະໄໝ. ຮູບແບບການຮຽນຮູ້ເລິກປະມວນຜົນຂໍ້ມູນຈາກກ້ອງຖ່າຍຮູບ, lidar, ແລະ radar ເພື່ອເຂົ້າໃຈສະພາບແວດລ້ອມຂອງຍານພາຫະນະ. ນີ້ເຮັດໃຫ້ລົດສາມາດຕັດສິນໃຈອັດສະລິຍະໃນເວລາຈິງ.
AI ຂອງ Nvidia ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຊຸດຂໍ້ມູນທີ່ມີຄວາມຫຼາກຫຼາຍເຊິ່ງປະກອບມີສະຖານະການຂັບລົດທີ່ຫາຍາກແລະສັບສົນ. ການຝຶກອົບຮົມນີ້ຊ່ວຍໃຫ້ລະບົບຈັດການກັບເຫດການທີ່ບໍ່ຄາດຄິດ, ສິ່ງທ້າທາຍທີ່ສໍາຄັນສໍາລັບລົດທີ່ຂັບລົດດ້ວຍຕົນເອງ. ການຮຽນຮູ້ຢ່າງຕໍ່ເນື່ອງເຮັດໃຫ້ເທັກໂນໂລຍີປັບປຸງດ້ວຍການຂັບຂີ່ທຸກໆກິໂລແມັດ, ທັງ virtually ແລະໃນຖະຫນົນຫົນທາງ.
ພູມສັນຖານການແຂ່ງຂັນຂອງເຕັກໂນໂລຊີຂັບລົດຕົນເອງ
ການແຂ່ງຂັນຂັບລົດແບບອັດຕະໂນມັດມີການແຂ່ງຂັນຢ່າງດຸເດືອດ. Waymo, ບໍລິສັດຍ່ອຍຂອງ Alphabet, ມີຜູ້ນໍາໃນການບໍລິການ robotaxi ການຄ້າ. Tesla ໝູນໃຊ້ລົດລູກຄ້າຂະໜາດໃຫຍ່ຂອງຕົນເພື່ອເກັບກຳຂໍ້ມູນຕົວຈິງສຳລັບລະບົບການຂັບລົດດ້ວຍຕົນເອງເຕັມຮູບແບບ.
Nvidia ແຂ່ງຂັນໂດຍການສະຫນອງເຕັກໂນໂລຢີພື້ນຖານໃຫ້ແກ່ຜູ້ຜະລິດລົດໃຫຍ່ຫຼາຍໆຄົນ. ວິທີການ agnostic ນີ້ອະນຸຍາດໃຫ້ມັນໄດ້ຮັບຜົນປະໂຫຍດຈາກຄວາມຫລາກຫລາຍຂອງຂໍ້ມູນແລະກໍລະນີການນໍາໃຊ້. ການຮ່ວມມືແມ່ນມີຄວາມຈໍາເປັນ, ດັ່ງທີ່ເຫັນໃນການຮ່ວມມືກັບ Mercedes-Benz ສໍາລັບລະບົບ MB.Drive Assist Pro.
ຄວາມກ້າວຫນ້າທາງດ້ານເທກໂນໂລຍີອື່ນໆກໍ່ກໍາລັງສ້າງອຸດສາຫະກໍາ. ຕົວຢ່າງເຊັ່ນ, ຄວາມກ້າວຫນ້າໃນ AI ຈາກບໍລິສັດເຊັ່ນ Anthropic ແມ່ນມີອິດທິພົນຕໍ່ຂະແຫນງການຕ່າງໆ. ທ່ານສາມາດອ່ານກ່ຽວກັບການພັດທະນາອຸດສາຫະກໍາເຕັກໂນໂລຢີທີ່ກ່ຽວຂ້ອງໃນບົດຄວາມຂອງພວກເຮົາກ່ຽວກັບຈຸດຢືນຂອງ Microsoft ກັບ Anthropic.
ອຸປະສັກດ້ານຄວາມປອດໄພ ແລະລະບຽບ
ຄວາມປອດໄພຍັງຄົງເປັນຄວາມກັງວົນທີ່ສຸດສໍາລັບການນໍາໃຊ້ຍານພາຫະນະເປັນເອກະລາດ. ວິທີການທົດສອບທີ່ເພີ່ມຂຶ້ນຂອງ Nvidia, ເປັນຕົວຢ່າງໂດຍການສາທິດລະມັດລະວັງຂອງ Wu, ສະທ້ອນໃຫ້ເຫັນຄວາມສໍາຄັນນີ້. ການໄດ້ຮັບການອະນຸມັດກົດລະບຽບຮຽກຮ້ອງໃຫ້ມີການພິສູດຄວາມຫນ້າເຊື່ອຖືຂອງລະບົບພາຍໃຕ້ເງື່ອນໄຂທີ່ຫຼາກຫຼາຍ.
ກອບລະບຽບການແມ່ນຍັງພັດທະນາໃນທົ່ວໂລກ. Nvidia ມີສ່ວນຮ່ວມຢ່າງຈິງຈັງກັບຜູ້ສ້າງນະໂຍບາຍເພື່ອຊ່ວຍສ້າງມາດຕະຖານສໍາລັບເຕັກໂນໂລຢີຂັບລົດດ້ວຍຕົນເອງ. ການສ້າງຄວາມໄວ້ເນື້ອເຊື່ອໃຈກັບຜູ້ຄວບຄຸມ ແລະປະຊາຊົນແມ່ນຂະບວນການເທື່ອລະກ້າວທີ່ຮຽກຮ້ອງໃຫ້ມີຄວາມໂປ່ງໃສ ແລະສະແດງໃຫ້ເຫັນເຖິງການປະຕິບັດ.
ການຄາດຄະເນໃນອະນາຄົດສໍາລັບການຂັບລົດອັດຕະໂນມັດຂອງ Nvidia
Nvidia ແມ່ນປະດິດສ້າງເວທີ DRIVE ຂອງຕົນຢ່າງຕໍ່ເນື່ອງ. ຮາດແວລຸ້ນຕໍ່ໄປໃຫ້ສັນຍາວ່າມີພະລັງປະມວນຜົນຫຼາຍກວ່າເກົ່າສຳລັບວຽກທີ່ເປັນເອກະລາດ. ການປັບປຸງຊອບແວຈະແນະນໍາຄຸນສົມບັດໃຫມ່ແລະປັບປຸງຄວາມສາມາດທີ່ມີຢູ່ໂດຍຜ່ານການອັບເດດຜ່ານທາງອາກາດ.
ບໍລິສັດຍັງຂຸດຄົ້ນຄໍາຮ້ອງສະຫມັກນອກເຫນືອຈາກລົດໂດຍສານ. ເທັກໂນໂລຍີປົກຄອງຕົນເອງສາມາດປະຕິວັດການຂົນສົ່ງ, ການຂົນສົ່ງສາທາລະນະ, ແລະແມ້ກະທັ້ງຂະບວນການຜະລິດ, ຄືກັນກັບຄວາມກ້າວຫນ້າຂອງການພິມ 3D. ຜົນກະທົບທີ່ອາດເກີດຂື້ນໃນອຸດສາຫະກໍາຕ່າງໆແມ່ນມີຄວາມສໍາຄັນ.
ໃນຂະນະທີ່ການເດີນທາງແລະການຂົນສົ່ງພັດທະນາ, ຜົນກະທົບຕໍ່ເສດຖະກິດແມ່ນກວ້າງຂວາງ. ສໍາລັບຄວາມເຂົ້າໃຈກ່ຽວກັບການປ່ຽນແປງຄ່າໃຊ້ຈ່າຍໃນການເດີນທາງ, ພິຈາລະນາການອ່ານກ່ຽວກັບຍຸດທະສາດການປະຫຍັດຄ່າໂດຍສານທ່າມກາງການເຫນັງຕີງຂອງຕະຫຼາດ.
ສະຫຼຸບ: ເສັ້ນທາງຂ້າງຫນ້າສໍາລັບຍານພາຫະນະອັດຕະໂນມັດ
ວິທີການວິທີການຂອງ Nvidia ພາຍໃຕ້ການນໍາພາຂອງ Xinzhou Wu ເຮັດໃຫ້ມັນເປັນ contender ທີ່ເຂັ້ມແຂງໃນສະຫນາມກິລາຂັບລົດເອກະລາດ. ໂດຍການລວມເອົາ AI ທີ່ທັນສະໄຫມ, ການຮ່ວມມືຍຸດທະສາດ, ແລະການທົດສອບຢ່າງເຂັ້ມງວດ, ບໍລິສັດກໍາລັງກ້າວໄປສູ່ເປົ້າຫມາຍຂອງຕົນຢ່າງຕໍ່ເນື່ອງ.
ການເດີນທາງໄປສູ່ຄວາມເປັນເອກະລາດຢ່າງເຕັມທີ່ແມ່ນສັບສົນ, ແຕ່ຄວາມກ້າວຫນ້າຂອງ Nvidia ແມ່ນປະຕິເສດບໍ່ໄດ້. ສໍາລັບຄວາມເຂົ້າໃຈລ້າສຸດກ່ຽວກັບແນວໂນ້ມເຕັກໂນໂລຊີ ແລະນະວັດຕະກໍາ, ຄົ້ນຫາເນື້ອຫາເພີ່ມເຕີມຢູ່ Seemless. ຮັບຊາບກ່ຽວກັບອະນາຄົດຂອງການເຄື່ອນໄຫວ ແລະ AI ໂດຍການສະໝັກຮັບຈົດໝາຍຂ່າວຂອງພວກເຮົາ.
