本文源自NVIDIA官方知乎帐号对“2021年，相比传统汽车，优秀的智能汽车需要满足什么标准？”该问题的回答。

内容由NVIDIA自动驾驶架构师程亚冰撰文，原文可查看：

https://www.zhihu.com/question/451983094/answer/1879672278

汽车行业正经历一场伟大的电动化、智能化变革。虽然这场变革的结果我们可能无法准确地预测。NVIDIA一直对未来汽车和交通运输发展极大关注，作为相关领域的企业，想谈谈现在正在发生的现状。

传统汽车电子电气架构（EE）已经越来越难以满足高级别智能驾驶的开发需求。在原来，汽车行业倾向于设计分立式的EE架构，使用高达几十个ECU来完成整车所需要的各项功能实现。近年来随着智能汽车使用更多、更高分辨率的传感器，汽车所传输、处理的数据量已今非昔比。原来低带宽总线、分立式的EE电子电气架构很大程度上已经过时。

这就催生了行业对集中式、高算力智能驾驶域控制器平台的研究。目前智能汽车上两个对算力需求高的智能系统分别是自动驾驶系统和智能座舱系统。目前有很多智能汽车纷纷采用先进的高算力、集中式域控制器作为自动驾驶和智能座舱系统的“核心大脑”。

在自动驾驶系统中，NVIDIA DRIVE自动驾驶平台是近些年很多新势力车企和传统顶级车企首选的自动驾驶域控制器方案。未来，汽车电子架构会更加集中化，也许在不久的将来，我们会看到在一些智能汽车上，自动驾驶系统和智能座舱系统会融合到一个统一、更高算力的计算平台中。

来源：NVIDIA GTC China 2020, 德赛西威演讲PPT

在自动驾驶发展的过去几年，业界一直在探讨何为一个优秀的自动驾驶汽车。与消费电子如手机、电脑不同，汽车作为交通运输载体之一，承担安全、高效运输人类乘客或者货物的任务。行业寄期望于自动驾驶技术能够大大降低交通事故率，大大提高通行效率。功能安全是让自动驾驶比手动驾驶更安全的基本保障之一。

在汽车领域，ISO 26262是针对汽车电子/电气系统的功能安全标准，涉及汽车电子电气系统的整个安全生命周期及其管理过程；其最终目的便是确保“安全”，避免因汽车电子／电气系统故障而导致的不合理风险。这就催生了一个极其重要的问题“自动驾驶系统应如何设计以满足功能安全ISO 26262的要求？” ISO 26262给业界提供了一整套的功能安全开发、认证标准。但是不同厂商对待功能安全的态度却是不尽相同。

有些厂商认为终端用户更在意的是自动驾驶应用层的功能（如自动变道、自适应巡航等），在功能安全方面花费大量的人力、物力、财力投入是一种投入、产出不成正比的战略，功能安全也会在快节奏、激烈的市场竞争格局中成为累赘。无疑，这种想法是将汽车视为某种普通的消费电子产品，依靠炫酷的算法功能来俘获消费者的“芳心”。然而这对消费者来说，是极其不负责任的做法。所以，优秀的自动驾驶汽车，不仅要具有先进的自动驾驶功能体验，也要严格遵守诸如ISO 26262等汽车功能安全标准。

我们常以“学到老，活到老”来形容人不断进步、不断学习的精神。对于一款智能汽车来说，同样适用。传感器可类比于人类的“感知器官”，自动驾驶计算平台类似于人类的“中枢大脑”。而自动驾驶感知算法就是解决“如何对来自感知器官获取到的信息在中枢大脑中进行加工、处理，来更精准地理解、概况车身周围的三维物理世界。”

在自动驾驶软硬件开发过程中，车厂都是使用少量的开发测试车辆采集道路的数据，经过在云端对数据进行清洗、标注后训练特定的深度神经网络来学习理解环境信息。经过大量的数据集训练后，自动驾驶感知神经网络具备识别车辆、行人等物体。

然而，仅依赖于少量的开发测试车我们是很难采集到不同地区、不同天气状况、不同交通流下的道路数据。这样就很可能导致在自动驾驶过程中，感知算法对深度神经网络训练过程中见过的场景有精准的识别能力，而不能很好地胜任没有见过或者与训练阶段数据集差异巨大的场景。

为了解决这个问题，车厂可以对卖出去的智能驾驶汽车，在征得车主同意的前提下，继续采集道路数据。随着卖出去的智能驾驶汽车越来越多，那么车厂通过“影子模式”从成千上万的车主那儿获取到覆盖范围更广、包含更多交通状况的宝贵道路数据。

然后针对这些数据在云端数据中心里，在上一个版本的深度神经网络的基础上，进行“增量训练”。更新后的神经网络模型往往比旧的网络模型表现优异。然后车厂可以通过OTA（Over the Air）的方式将新的神经网络模型或者新的自动驾驶算法软件更新到每一辆自动驾驶汽车中。