行星|黄仁勋喊你去元宇宙路测自动驾驶，在英伟达的孪生地球，数据不再为王( 二 ) 星云

比如真实的道路，随机出现的行人，甚至是信号塔散发的信号覆盖，台风的行程和未来几年的气候预测，它包含了已知的所有物理特性，具有强大的包容性和计算能力与实时渲染能力。
▲NVIDIA Modulus用于构建和训练物理学机器学习模型，这些模型可以学习并充分遵守物理学法则。
而英伟达在元宇宙中的角色现在也定了，就像万物的造物主，成为开天辟地的数字化“盘古” 。
在此次GTC上，在描述针对众多领域的愿景，包括加速计算、数据中心架构、AI、机器人、Omniverse Avatars和数字孪生等，它包含了数以万亿美元的增长机会。
而在资本市场，从10月25日Facebook宣布更名Meta以来，英伟达股价累计上涨逾3成，增加的1900亿美元市值已经接近英特尔整个公司的身家。
自动驾驶的数据门槛甚至不需要一台车
现阶段，一家自动驾驶公司如何彰显实力，短短XX个月的时间，我们的自动驾驶实测路段超过XX万公里。
没错，在数据为王的时代，大量的数据就是技术的门槛，而技术的门槛需要资金的门槛作基础。
虽然很少有厂家公布测试车辆的成本，但根据百度宣称的业界成本48万元推算，大多数厂家测试车辆的成本在50万-100之间，这还要额外计算安全员和燃料维修成本。
即使是自动驾驶这样的热门赛道，能进行大规模路测的企业也不过10家。
而英伟达却在今天抛出多项技术，让你可以在虚拟的世界中进行自动驾驶测试，并且在一开始老黄就对智能驾驶汽车做出了定义，这是一个机器人，这样的表述与百度的看法不谋而合。
▲面向通用机器人、用于Isaac Sim的Replicator合成数据生成引擎：Omniverse Replicator
首先NVIDIA开发了两款Replicator合成数据生成引擎：面向通用机器人、用于Isaac Sim的Omniverse Replicator ，以及面向自动驾驶汽车、用于DRIVE Sim的Omniverse Replicator 。
这个引擎用于训练深度神经网络的合成数据生成，也就是说你的车在虚拟的世界中跑，最终可以出结果。
除了引擎更重要的是软硬件兼备，并且在虚拟世界中可以用的全套解决方案，这也就是整个大会所表达的观点，数字孪生世界的价值。
▲自动驾驶测试和开发平台Hyperion 8
NVIDIA DRIVE是NVIDIA的自动驾驶汽车全栈开放式平台，而Hyperion 8是NVIDIA最新的完整硬件和软件架构。
其传感器套件包括12个摄像头、9个雷达、12个超声波和一个前置激光雷达，所有处理均通过两个NVIDIA Orin 系统级芯片进行。
黄仁勋详细介绍了Hyperion内置的几项新技术，包括用于DRIVE Sim的Omniverse Replicator 。
在介绍中，英伟达的虚拟数字世界中加入了自动驾驶高精地图的数字化的供应商DEEPMAP ，让整个虚拟世界与真实世界一样，预测同时针对激光雷达和毫米波雷达的采集仿真，英伟达还建立了不同的材质库，让采集的数据与真实的一样。
而测试流程也相当简单，通过NVIDIA AI 训练模型，在Omniverse通过DRIVE Sim进行模拟和合成数据，最后在Orin芯片通过DRIVE AV构建试试机器人工作流，也就是让车辆自主做出决策。
而测试量的进展将取决于算力的支持。
比如， NVIDIA NeMo Megatron ，这套商用的计算平台以Megatron项目为基础， Megatron是一个由英伟达研究人员领导的开源项目，旨在大规模研究大型转换器语言模型的高效训练。
该框架使用数据处理库自动处理LLM复杂训练，可以获取、管理、组织和清理数据。它使用先进的数据、张量和管道并行化技术，使大型语言模型的训练能够高效地分布在数千个GPU上。
NVIDIA Triton推理服务器中的多GPU、多节点功能使LLM推理负载可以实时、跨多个GPU和节点进行扩展。
使用Triton推理服务器， Megatron 530B可以在两个NVIDIA DGX系统上运行，将CPU服务器上的处理时间从一分钟多缩短到0.5秒，从而实现在应用程序上快速、实时地部署大型语言模型。
而未来自动驾驶公司如果采取这种方式，无论是效率还是资金都将大幅度提高，数据为王的时代，甚至是数据壁垒都将快速的被替代。
效果如何？
黄仁勋表示，所有移动之物都将实现完全或近乎完全的自主化。
“到2024年，绝大多数新电动车都将具备真正的自动驾驶功能。 ”
▲世界模型本质是汽车的思维口说无凭，英伟达还展示了用全球刚刚上市没两年的奔驰S级作为样本，稍加改装之后，在英伟达附近的道路上进行了训练后的自动驾驶的演示。