為了成為無人駕駛霸主，許多企業參戰，不只有英偉達。英特爾是英偉達最大的競爭對手，該公司有意為寶馬汽車提供處理器。為了增強技術實力，英特爾花費153億美元收購Mobileye，這家公司是計算機視覺和繪圖技術的先驅。
不只如此，英偉達還需要應對高通、谷歌、蘋果的競爭。據說蘋果也在為無人駕駛汽車開發芯片。巨頭環伺之下，英偉達會怎么做呢？
英偉達想一塊芯片打天下
英偉達本來還開發了Atlan處理器，準備在2024年推出，但后來因為Thor而廢棄。Thro可以以每秒運算2 quadrillion（千萬億,1后面15個0）次，相錄于Atlan的2倍，比現有的Orin處理器快8倍。英偉達在Thor中植入了Hopper，它可以加速AI運算。
據了解，在汽車技術中，比如車道保持、自動緊急剎車等駕駛輔助技術并不需要強大的計算力，所以英偉達還會推出低端Thor變種處理器。
在一次發布會上英偉達汽車部門副總裁Danny Shapiro說：“看看今天的汽車，先進的駕駛員輔助系統、泊車、駕駛員監視系統、攝像頭后視鏡、數字儀表盤，它們都有不同的計算機，分布于整個汽車。”到了2025年這些功能不再需要單獨的計算機。相反，Drive Thor可以幫助制造商將不同的任務整合成一個系統，削減整個系統的成本。
簡單來說，英偉達的目標是讓一塊芯片通吃所有功能，用一塊芯片幫助制造商打造由軟件定義的無人駕駛汽車。
Drive Thor可以同時運行Linux、QNX、Android。按照英偉達的說法，有了分區技術，可以確保重要的安全功能不會被不重要的活動（比如娛樂）干擾。機器人和醫療設備也可以使用Thor。
英偉達創始人黃仁勛認為，加速計算、AI正在以光速進化。Drive Thor擁有超強性能，可以持續升級，它會成為車輪上以軟件定義的計算機，成為中心計算的英雄。
Thor處理器擁有770億個晶體管。現在的制造商會在汽車內裝入多塊小處理器，它們笨重、昂貴、能耗高，未來制造商可以用Thor取代。對于一般任務，制造商可以使用Thor處理器中的Hopper GPU和CPU內核，它們來自2023年即將推出的Grace處理器。不只如此，Thor還用到了針對游戲和設計的最新GPU技術。
黃仁勛眼中的汽車無人駕駛
最近英偉達創始人黃仁勛接受了媒體的采訪，談到了對無人駕駛汽車的一些看法，從中我們可以窺見英偉達之于汽車無人駕駛的設想和布局。
Q：英偉達已經針對無人駕駛汽車推出芯片，你對無人駕駛的未來有何看法？無人駕駛是不是還處在早期，你是不是看到新浪潮即將到來并顛覆產業？對于無人駕駛你們的戰略是怎樣的？
A：首先，無人駕駛汽車有兩臺計算機。一臺放在數據中心，它處理汽車捕獲的數據，將數據變成受過訓練的模型，開發應用，模擬應用，構建圖形，生成圖形，按你的意愿重建圖形然后執行CIC和OTM。從本質上講，第一臺計算機就是無人駕駛汽車，只是它被放在數據中心。它做無人駕駛汽車做的一切，只是非常大，因為它從整個車隊收集數據。數據中心是無人駕駛汽車系統的第一部分，它處理數據，完成AI學習、AI訓練、模擬和繪圖。
然后到了第二部分，從第一臺計算機提取智慧然后放進汽車，它相當于縮小版第一臺計算機。在我們的公司，我們管它叫Orin芯片。接下來的版本是Thor。它些芯片處理數據，我們管它叫感知或者解釋。它必須搭建世界模型，它必須做繪圖，它必須做規劃和控制。
上述兩套系統是同時運行的，是兩臺計算機，英偉達兩臺都做。你可以說我們的無人駕駛數據中心業務更大、更長遠。為什么呢？因為無人駕駛汽車軟件開發幾乎是永遠不會結束的。每家公司都會運行自己的堆棧，所以這部分業務很龐大。
我們開發了OmniVerse，它的第一個“客戶”是DRIVE Sim。我們只是在內部使用DRIVE Sim，未來也會讓其它人使用。關于無人駕駛汽車，我們有了一些自己的信念。你看看過去別人是怎么開發ADAS系統的，再看看我們是怎樣做的，我們發明了一款名叫Xavier的芯片，它實際上是第一款軟件定義機器人芯片，專門為高速處理器設計，有很多的深度計算處理器。當我向別人介紹Xavier時，他們會問：為什么每個人都需要如此大的芯片？事實證明Xavier還遠遠不夠，我們需要更多。
Orin是我們的王牌。如果你看看我們的機器人業務，里面有無人駕駛汽車、班車、無人駕駛卡車，多種多樣。我們的機器人業務年營收已經超過10億美元。我們的哲學與別人不同，我們認為不同的技術會融合，讓機器人變成可能。當中最重要的一環是深度計算。我們是第一個將深度學習引入無人駕駛的。在英偉達之前大家關注的是激光雷達、是人工調整計算機視覺算法。我們之所以轉向深度學習，主要是因為我們認為它具有很好的擴展能力。
還有，我們所做的一切都是圍繞“軟件定義”展開的。你可以輕松升級軟件，因為有兩臺計算機。數據中心的計算機開發軟件，然后我們將軟件植入汽車。如果你想將這樣的軟件裝進大量汽車，想伴隨著軟件工程快速進化，那就需要可編程芯片。我們的哲學是圍繞深度學習、軟件定義平臺展開的，這樣的哲學應該是正確的。當然，開發的時間會長一些，因為成本更高。用戶需要學會如何為它編程。
