追不上 Tesla、Waymo 的數據量，車廠怎麼做自駕？NVIDIA 汽車業務副總裁揭新解法
在自動駕駛競賽中，行車里程與訓練數據是建立技術優勢的重要基礎。Waymo 已累積龐大的無人駕駛里程，Tesla 也憑藉大量上路車輛，持續取得真實世界資料，但多數車廠缺乏建立十億英里等級數據規模所需的資源，龐大的車隊、算力與驗證成本，因而成為投入自駕研發的主要門檻。
隨著汽車產業從軟體定義車輛走向由 AI 重寫軟體的「AI 定義車輛（AI-Defined Vehicle）」，NVIDIA 也從晶片供應商進一步擴展為自駕平台業者，透過 NVIDIA DRIVE 整合車載晶片、作業系統、軟體演算法與雲端基礎設施。
NVIDIA 汽車業務副總裁吳新宙近日接受《The Verge》旗下 Podcast 節目《Decoder》專訪時指出，資料共享是許多車廠加入 NVIDIA DRIVE 生態系的重要誘因。NVIDIA 希望透過不同合作專案共同累積的行車數據，協助個別車廠縮小與 Tesla、Waymo 等領先者之間的資料差距。
共享數百萬小時行車資料，車廠不必再從零開始
對想跨入自駕領域的車廠而言，自行建立並營運一支大型資料蒐集車隊，意味著沉重的資本支出。吳新宙指出，實體測試車隊的運作與維護成本高昂，不同車廠又可能在各自的專案中，重複蒐集相似的道路情境。
為了解決這樣的痛點，NVIDIA DRIVE 的既有計畫已在真實道路上蒐集數百萬小時的資料，並持續從不同車款與合作專案中累積更多行車數據。在 NVIDIA 的資料共享機制下，參與相關車輛專案的合作夥伴可以運用這些資料訓練與最佳化自駕模型，減少個別車廠從零建立資料基礎的負擔，也降低重複蒐集數據與建置基礎設施的支出。
真實路測覆蓋不了的情境，NVIDIA 每天進行約 500 萬次模擬驗證
除了實體車隊蒐集的真實道路資料，NVIDIA 也將運算視為另一種資料來源，希望透過模擬與合成資料，補足實際路測難以完整涵蓋的罕見或極端情境。
其中，NVIDIA 的 NuRec 神經重建技術能提取真實世界的感測器資料，在模擬環境中重建道路場景，並調整背景、車輛行駛軌跡或行人出現的時間點，從相同的真實情境生成大量不同變體。透過大規模運算，NVIDIA 能進一步產出數千萬個資料點，提供生態系合作夥伴訓練與測試模型。
吳新宙將自動駕駛開發形容為一個「三台電腦的問題」（three-computer problem），這三台電腦分別負責模型訓練、模擬驗證，以及在車內即時執行推論。NVIDIA DRIVE 的目標，就是提供涵蓋這三項需求的基礎設施。
為降低端到端模型出錯的風險，NVIDIA 也讓一套依據既有安全標準開發的「經典技術堆疊」與端到端模型並行運作，逐幀檢查模型輸出的行車軌跡是否符合安全規範。NVIDIA 目前每天在模擬系統中執行約 500 萬次測試，端到端模型則維持一天約 10 次的迭代頻率，以持續驗證模型在不同情境下的表現。
不必整套買下，NVIDIA 讓車廠依能力選擇自駕開發層級
NVIDIA 提供的自駕方案不只涵蓋車載運算晶片，也包括作業系統、HALOS 安全架構、Alpamayo 開源自駕模型、Cosmos 世界基礎模型、Hyperion 運算與感測器平台，以及雲端訓練和模擬所需的基礎設施。吳新宙強調，NVIDIA 的汽車平台採取開放、分層的合作模式，車廠可以根據自身技術能力，選擇需要合作的環節，不必整套採用 NVIDIA 的軟硬體方案。
即使部分車廠選擇自行設計車內推論晶片，NVIDIA 仍可在雲端訓練、模型最佳化與模擬運算上提供協助，Tesla 便是 NVIDIA GPU 與雲端運算服務的重要客戶之一。對需要較完整方案的傳統車廠，NVIDIA 則可提供接近 Tier 1 或 Tier 1.5 的深度合作模式。這種模組化且分層的平台策略，讓無法像 Tesla、Waymo 投入數十億美元獨立開發自駕技術的車廠、Robotaxi 業者與新創公司，有機會以較低成本和較短路徑進入市場。
不過，《Axios》指出，NVIDIA 希望讓客戶長期留在其自駕生態系，但分析師質疑，車廠是否願意將核心自駕架構逐漸標準化在單一供應商的平台上，並提醒供應鏈依賴可能成為風險。因此，對車廠而言，NVIDIA DRIVE 雖能減少從零建置的成本與時間，如何在開發效率、技術自主權與供應商依賴之間取得平衡，仍是導入前必須評估的問題。
對缺乏 Tesla 等級車隊與海量數據的車廠而言，NVIDIA DRIVE 的價值不只是提供晶片或軟體，而是將資料共享、合成數據、模擬驗證、雲端訓練與車載運算整合成一條可依需求採用的開發路徑。NVIDIA 正試圖透過生態系共同分攤資料與基礎設施成本，把原本只有少數科技與汽車巨頭負擔得起的自駕研發，變成更多車廠也能參與的競賽。
【推薦閱讀】
◆ PepsiCo 41 輛無人卡車上路：全美首家公開大規模商轉的消費品巨頭
◆ 小米把 Tesla 十年前沒做成的「充電蛇」推向家用車庫，無感充電成下一個 EV 競爭焦點
◆ 中國 EV 競爭門檻變了：比亞迪以自研 4nm 晶片與平價 LiDAR，掀起智慧駕駛低價化戰爭
＊本文開放合作夥伴轉載，資料來源：《The Verge》、《Axios》，首圖來源：NVIDIA