返回列表
英伟达宣布比亚迪与吉利将采用其Drive Hyperion自动驾驶出租车平台
行业新闻英伟达自动驾驶比亚迪

英伟达宣布比亚迪与吉利将采用其Drive Hyperion自动驾驶出租车平台

在GTC大会上,英伟达(Nvidia)宣布扩大其自动驾驶版图,中国领先汽车制造商比亚迪(BYD)和吉利(Geely)已加入其Robotaxi项目。这些公司将采用英伟达的Drive Hyperion平台,旨在利用该集成化软硬件方案推动自动驾驶汽车市场的增长。此外,五十铃和日产也同步确认将使用该技术平台。

The Verge

核心要点

  • 合作伙伴扩张:英伟达正式宣布比亚迪和吉利成为其自动驾驶出租车(Robotaxi)项目的合作伙伴。
  • 技术平台应用:比亚迪、吉利、五十铃(Isuzu)及日产(Nissan)将采用英伟达Drive Hyperion平台。
  • 市场定位:此举标志着英伟达正加速在全球自动驾驶汽车市场确立其技术标准地位。
  • 发布场合:该消息于英伟达年度GTC开发者大会上正式对外披露。

详细分析

英伟达Drive Hyperion平台的全球化布局

在最新的GTC大会上,英伟达展示了其在自动驾驶领域的强大号召力。通过将中国汽车行业的两大巨头——比亚迪和吉利纳入其Drive Hyperion平台生态,英伟达不仅巩固了其作为底层芯片供应商的角色,更进一步将其影响力渗透到自动驾驶出租车的完整解决方案中。Drive Hyperion平台作为一个集成了高性能计算与传感器套件的系统,为车企提供了从硬件到软件的闭环支持。

中国车企与国际巨头的技术协同

比亚迪和吉利作为中国汽车市场的领军企业,此次选择与英伟达深度合作,反映了全球自动驾驶技术链条的紧密交织。除了这两家中国厂商,日本的五十铃和日产也出现在了合作名单中。这种跨国界的合作模式表明,在追求L4级及以上自动驾驶能力的竞赛中,顶级车企倾向于选择成熟且具备高算力的标准化平台,以缩短研发周期并提升车辆的感知与决策能力。

行业影响

此次合作对AI及自动驾驶行业具有深远意义。首先,它强化了英伟达在车载AI芯片领域的统治地位,尤其是在处理自动驾驶所需的海量实时数据方面。其次,比亚迪和吉利的加入预示着中国自动驾驶市场将迎来更高规格的技术标准,可能加速Robotaxi在城市环境下的商业化落地。最后,这种软硬件一体化的平台模式正在成为行业主流,推动了汽车产业从传统制造向软件定义汽车(SDV)的转型。

常见问题

问题 1:哪些车企在此次GTC大会上宣布加入英伟达的自动驾驶平台?

根据英伟达在大会上的发布,比亚迪(BYD)、吉利(Geely)、五十铃(Isuzu)以及日产(Nissan)均已确认将使用英伟达的Drive Hyperion平台。

问题 2:什么是Drive Hyperion平台?

Drive Hyperion是英伟达推出的自动驾驶汽车平台,它结合了高性能计算芯片与先进的软件栈,旨在为合作伙伴提供开发自动驾驶出租车及相关车辆所需的基础设施。

问题 3:英伟达此举的主要目的是什么?

英伟达旨在通过与全球领先车企合作,将其技术标准应用于快速增长的自动驾驶汽车市场,从而在全球范围内确立其在AI交通领域的领导地位。

相关新闻

Anthropic年化营收飙升至650亿美元:两个月内实现180亿美元惊人增长
行业新闻

Anthropic年化营收飙升至650亿美元:两个月内实现180亿美元惊人增长

根据TechCrunch最新报道,知名AI模型制造商Anthropic的财务数据录得爆发式增长。目前,该公司的年化营收已正式攀升至650亿美元。尤为引人注目的是,在过去的短短两个月时间内,Anthropic的年化营收就增加了180亿美元。这一数据不仅刷新了AI初创企业的增长记录,也充分证明了市场对高质量AI模型及服务的强劲需求和极高的商业化变现效率。

同样集群利用率提升33%:Hugging Face揭秘任务排序对GPU效率的影响
行业新闻

同样集群利用率提升33%:Hugging Face揭秘任务排序对GPU效率的影响

本文深入分析了Hugging Face发布的关于GPU管理策略的最新进展。研究指出,在硬件集群配置保持不变的情况下,仅通过优化任务的执行顺序(Order),即可将GPU利用率显著提升33个百分点。这一由Dharma AI团队实现的突破,为解决当前AI算力紧缺与资源浪费并存的难题提供了极具价值的调度优化思路。

Rust实现高性能GPU卸载:兼具移植性、安全性与极致速度
行业新闻

Rust实现高性能GPU卸载:兼具移植性、安全性与极致速度

本文介绍了一项关于Rust语言在GPU编程领域的重大突破。研究人员开发了一种内置于Rust编译器(rustc)和LLVM后端的零开销、多厂商GPU编译框架。该框架利用Rust的所有权系统和严格的别名保证,解决了传统GPU编程中内存安全与执行效率之间的权衡难题。实验表明,该方案在RAJAPerf基准测试中达到了与原生CUDA和HIP C++相当的性能水平。