当前位置: 首页 > java >正文

文远知行推出与联想共研的100%车规级HPC 3.0计算平台

7月21日,全球领先的自动驾驶科技公司文远知行WeRide正式推出与联想车计算共同研发的、搭载NVIDIA最新一代DRIVE Thor X 芯片的HPC 3.0高性能计算平台,并率先在公司全新一代Robotaxi GXR上应用。

借此,文远知行GXR成为全球首款搭载NVIDIA DRIVE Thor X芯片的Robotaxi。100%车规级HPC 3.0计算平台,助力GXR自动驾驶套件成本下降50%,为其大规模商业应用按下加速键。

据「TMT星球」了解,文远知行HPC 3.0平台基于联想车计算L4级自动驾驶域控制器AD1打造,在 NVIDIA DGX 加速计算平台上进行训练,采用双核 NVIDIA DRIVE AGX Thor 配置,运行安全认证的 DriveOS,可提供2,000TOPS AI算力,是全球领先的车规级计算平台。

除了内核更新,文远知行HPC 3.0也掀起了一场成本革命,通过提高系统集成度将量产价格降为前代的1/4,推动自动驾驶套件成本下降50%。同时,HPC 3.0还高度集成以太网网关、CAN网关、惯导定位、碰撞检测等功能模块,实现量产成本和售后维护成本同步下降,平台的全生命周期总成本(TCO)相比前代降低84%。

作为100%车规级平台,文远知行HPC 3.0已通过AEC-Q100、ISO 26262、IATF 16949等多项车规认证,采用多重冗余设计,满足ASIL-D级安全要求,其故障率低于50 FIT,MTBF高达12-18万小时,设计寿命达10年30万公里。该平台还适应极端环境(-40℃至85℃),通过高温老化、机械冲击、盐雾腐蚀等全场景测试,并且符合全球VOCs环保标准,可广泛部署于中东、东南亚、欧洲等国际市场,助力文远知行在全球规模化部署Robotaxi,真正“跑遍全世界”。

(FIT:Failure In Time,故障率单位,表示每10亿小时出故障的次数。MTBF:平均故障间隔时间)

文远知行创始人兼首席执行官韩旭表示:“此次与联想车计算及NVIDIA的深度合作,让我们在算力、系统架构和成本控制上实现了关键突破。HPC 3.0平台在GXR上的应用,不仅提升了文远知行Robotaxi的可靠性和响应速度,也让我们的商业部署成本大幅下降。未来,我们还将把HPC 3.0平台应用到自动驾驶小巴、环卫车等公司其他L4级自动驾驶产品上,让自动驾驶技术普惠城市生活全场景,服务更多客户和用户。”

联想集团副总裁、联想车计算负责人唐心悦表示:“很高兴能看到全球首个车规级、L4级自动驾驶域控制器平台AD1成功部署在文远知行Robotaxi GXR上,这是L4级自动驾驶技术迈向规范化、规模化的重要一步,是先进人工智能技术与出行产业融合的典范案例,是大模型技术在实体经济落地的成功应用。我们与文远知行在GXR上的合作正在加速出行技术和出行模式的创新,期待着更多的优秀自动驾驶解决方案在全球范围实现商业化应用。”

早在2017年,NVIDIA就成为文远知行的战略投资方,多年来双方基于多款NVIDIA产品展开了深入合作。

NVIDIA 汽车业务副总裁 Ali Kani 表示:“Robotaxi正在重塑城市出行,我们非常高兴见证文远知行和联想在部署基于 NVIDIA 加速计算和 DriveOS 训练的 L4 级自动驾驶系统方面取得的进展。他们的成就是我们迈向安全、可扩展且高效的自动驾驶交通的重要里程碑。”

NVIDIA DRIVE Thor 芯片基于NVIDIA Blackwell架构,针对要求最苛刻的处理工作负载进行了优化,包括生成式人工智能、视觉语言模型(VLM)和大型语言模型(Large Language Model)。文远知行开发了从云端到车端的L4 级自动驾驶系统,利用强大的NVIDIA加速计算运行文远知行专有的视听软件栈,其先进的AI架构可增强泛化能力、减少延迟并提高安全性。

作为“全球Robotaxi第一股”,文远知行已在公开道路上安全运营Robotaxi超2,000天,持续引领自动驾驶商业化进程。未来,公司将携手更多合作伙伴,推动技术进化与成本优化,面向全球用户提供安全、高效、绿色、更具性价比的自动驾驶产品和服务。

http://www.xdnf.cn/news/15936.html

相关文章:

  • 图立得-html纯前端图片拾色器V202507
  • [论文阅读] 人工智能 | ZipMPC:让短视的MPC拥有长远眼光——通过模仿学习压缩长 horizon 智慧
  • Pandas - JSON格式数据操作实践
  • 深入详解随机森林在医学图像质量评估中的应用与实现细节
  • git_guide
  • 关于JVM
  • 开源 Arkts 鸿蒙应用 开发(八)多媒体--相册和相机
  • QT6 源,七章对话框与多窗体(6) 颜色对话框 QColorDialog :本类的属性,信号函数,静态成员函数,以及源代码
  • “hidden act“:“gelu“在bert中作用
  • Tomcat的部署、单体架构、session会话、spring
  • LeetCode|Day21|204. 计数质数|Python刷题笔记
  • DelayQueue延迟队列的使用
  • 分布式定时任务系列13:死循环是任务触发的银弹?
  • Jmeter如何做接口测试?
  • 基于 STM32 的数字闹钟系统 Proteus 仿真设计与实现
  • JavaWeb笔记四
  • 【VASP】VASP 机器学习力场(MLFF)实战
  • 超越基于角色的手术领域建模:手术室中的可泛化再识别|文献速递-医学影像算法文献分享
  • 神经网络——非线性激活
  • 深入解析 SymPy 中的符号计算:导数与变量替换的实践指南
  • 【设计模式】观察者模式 (发布-订阅模式,模型-视图模式,源-监听器模式,从属者模式)
  • OpenEuler 22.03 系统上安装配置gitlab runner
  • 基于Python的多传感器融合的障碍物检测与避障演示
  • Jetpack ViewModel LiveData:现代Android架构组件的核心力量
  • 【Vue进阶学习笔记】实现图片懒加载
  • k8s的calico无法启动报错解决
  • Docker实践:使用Docker部署blog轻量级博客系统
  • 【Java + Vue 实现图片上传后 导出图片及Excel 并压缩为zip压缩包】
  • 【跨国数仓迁移最佳实践2】MaxCompute SQL执行引擎对复杂类型处理全面重构,保障客户从BigQuery平滑迁移
  • IDEA 同时修改某个区域内所有相同变量名