实现自动驾驶不仅是让驾驶员无需和方向盘“绑定”，也是让技术开发实验室的工作人员无需时刻在场。

Helm.ai是一家总部位于加利福尼亚州门洛帕克（Menlo Park）的初创公司。最近，这家公司备受关注，因为他们试图通过称作无监督学习的AI训练方法来大幅减少自动驾驶汽车开发周期中的阻碍。与主动学习等其他高级学习工具一样，无监督学习也采用了智能的方法来进行训练，以减轻开发人员的负担。

自动驾驶汽车必须从海量数据中学习，以PB级或数百万GB级为单位进行计算，以确保安全的自动驾驶。即使是更低级别的自动驾驶，如L2+级和L3级AI辅助驾驶，也需要经过高强度的训练才能有效运行。

在海量数据中，嵌入了数百万帧行人、汽车、路标和其他目标的图像。对于监督学习来说，所有这些都必须被标记，以便深度神经网络可以学会自己识别它们。这是一个耗费资金且费时费力的过程，很难快速开发和迭代新功能。

Helm.ai是NVIDIA 初创加速计划的成员，他们借助NVIDIA数据中心GPU的高性能运行无监督学习技术，以训练其自动驾驶算法。该公司还采用在车上部署的NVIDIA DRIVE AGX Xavier运行其自动驾驶软件。

无监督学习简化训练流程

无监督学习是一种无标记数据的神经网络训练方法。这是AI研究的一个开放领域，目前有多种方式，也包括以前的一些旨在识别数据中新模式或预处理数据池的方法。

Helm.ai正在努力扩大无监督学习以及数学建模的范围，以有效地扩展自动驾驶汽车的训练。

这家初创企业没有采用传统方法，而是希望借助无监督学习消除对大规模数据集和大量人工标记者的需求，以创造可扩展的AI软件，在改善时间消耗和预算的同时实现自动驾驶功能。

Helm.ai的创始人兼首席执行官Vladislav Voroninski表示：“我们发现了传统方法无法解决的一些关键挑战，特别是在AI软件的可扩展性和准确性方面。我们很早就建立了一些原型，并利用最前沿的应用数学来释放深度学习的全部潜力，以大规模部署安全的自动驾驶系统。”

高性能计算助力创新实践

为了在AI训练中实现这些突破，Helm.ai采用了在数据中心和车上部署的行业领先的计算。

数据中心中部署的NVIDIA V100 Tensor Core GPU让处理PB级数据成为可能。在不会产生昂贵代价的前提下，赋力包括像Helm.ai所采用的高级学习技术。

经过AI训练之后，即可使用NVIDIA DRIVE AGX Xavier AI计算平台在车辆中测试该初创公司L2级以上自动驾驶软件。DRIVE AGX Xavier可为L2+级和L3级自动驾驶提供每秒30万亿次的操作。

NVIDIA DRIVE AGX Xavier AI计算平台的核心是Xavier系统级芯片，这是有史以来的第一款量产级自动驾驶系统级芯片，集成了六种不同类型的处理器，用于高性能、高能效的AI计算。

通过更精确和更具成本效益的AI训练，Helm.ai和NVIDIA使业界能够安全地部署交通运输技术，继而改变人们出行和货物运输的方式。