行业 - 沃尔沃与英伟达合作开发自动驾驶卡车-电子发烧友网

据外媒报道，6月18日全球知名卡车制造商沃尔沃集团（Volvo Group）与芯片巨头英伟达（NVIDIA）签署了一份协议，双方将建立新的长期合作伙伴关系，为沃尔沃的全自公众号横版海报海报
动商用卡车和工业服务车辆开发下一代人工智能系统。

双方将会合力为沃尔沃的全自动商用卡车和工业服务车辆开发下一代人工智能系统。

（图片来源：沃尔沃集团）

去年10月，英伟达就表示沃尔沃将使用英伟达的人工智能计算机，为其下一代全部车型实现初级自动驾驶功能，二者已有合作基础。而此次合作开发系统将借助英伟达的DRIVE AGX Pegasus车载AI计算平台（该平台包括处理来自传感器、感知系统、定位、地图绘制以及路径预测和规划的数据），利用全套DRIVE AV软件堆栈进行360度传感器处理、感知、地图定位和路径规划，利用NVIDIA DRIVE硬件在环仿真平台来进行训练、仿真测试、验证和车载计算，以在公共道路和高速公路上实现安全的全自动驾驶。两者合作计划推出的自动驾驶系统能够支持广泛的自动驾驶应用，如货运、垃圾回收、公共交通、建筑、采矿、林木业等。其货运能力将有助于满足由于消费者包裹递送需求的增加而导致的全球航运需求的飙升，相关解决方案还将涵盖较小规模的用例，例如现场港口货运管理等。

沃尔沃与英伟达的合作旨在能够研发出一种灵活、可扩展的自动驾驶系统，并且该系统将首先用于商业试点项目，随后用于沃尔沃集团的商用车。沃尔沃集团与英伟达签署的是一份维持数年的长期合作协议，两家公司位于瑞典哥德堡和加州圣克拉拉的工作人员将立即开始工作。

该战略合作伙伴关系将包括为自动驾驶汽车研发端到端计算基础，包括用于训练深度神经网络的加速计算技术，自动驾驶系统硬件在环测试和验证的大规模仿真，以及最终在车辆中部署英伟达DRIVE平台，运行全软件堆栈，实现360度传感器处理、地图定位和路径规划。

有外媒指出，相对于汽车，卡车的常规路线更容易实现自动化。此外，在面临着卡车司机短缺现状的美国市场，卡车自动驾驶技术的开发将有助于降低货运成本。NVIDIA和沃尔沃集团的合作将高性能端到端NVIDIA DRIVE解决方案与全球第二大卡车制造商所具备的业务规模相结合，能够更快地将自动驾驶卡车运输的高效率推向全球市场。

英伟达过去在自动卡车运输方面做了大量工作，包括投资中国自动驾驶卡车运输公司图森未来（TuSimple），支持完全无人驾驶的Einride 运输车，并与 Uber 合作开发ATG 卡车业务。对于图森未来，英伟达投资了2000万美元，提供GPU、Drive PX2自动计算机、Jetson TX2等为其自动驾驶业务提供技术支持。

为何英伟达如此重视自动驾驶卡车运输业务呢？其实不止英伟达，自从自动驾驶技术蓬勃发展以来，自动驾驶卡车领域涌人了不少玩家，比如戴姆勒、福田、特斯拉、Embark、图森未来、Pony.ai、西井科技等。除了初创公司、科技公司与传统车企外，加入自动驾驶卡车“比赛”的还有互联网巨头。早在2018年1月，就有消息称菜鸟网络正在大规模布局无人驾驶大卡车。2018年5月，苏宁在物流园区和高速场景测试了无人驾驶重卡。同月，京东自主研发L4级别自动驾驶卡车亮相 ，宣布将在2020年实现无人重卡的商业化，承担主要城市及区域中心之间的高速公路运送任务。2019年5月29日，Waymo在推特上宣布将重新开始其在亚利桑那州测试的自动驾驶卡车项目。这次的项目重启也是继戴姆勒、沃尔沃、特斯拉等企业都着手测试自动驾驶卡车之后的又一巨头入局。

从越来越多企业的实际行动中可以看出，自动驾驶卡车一定拥有非常大的需求空间。根据知名市场调研机构Future Industry Insight的最新分析，2020年，全球自动驾驶卡车的市场价值为10.04亿美元，到2025年预计将能够达到16.69亿美元。自动驾驶卡车可以规避疲劳驾驶，解决卡车司机短缺的困扰，其作业场景也大多都是点对点、仓对仓的运输，从某种程度上来说算是特定场景下的无人驾驶，所以自动驾驶卡车一致被认为是更容易率先落地的自动驾驶产品。

政策方面，近年来我国开始逐渐重视自动驾驶领域，从2018年10月开始全国针对自动驾驶重卡的道路测试牌照也陆续颁出。据悉目前图森未来已获得三张无人驾驶卡车公开道路测试牌照微博焦点图海报
。可在事故责任制度方面，国内政策明显还不够完善。在美国，其最新的法案指出，当自动驾驶发生意外后，最终认定具体是自动驾驶哪一方面出现问题，则由负责该部分的厂家承担责任。

虽然目前自动驾驶卡车的落地还需要一段时间，但从以上的情况可以看出，相较于乘用车完全自动驾驶的实现难度，自动驾驶卡车更容易接近现实。这主要也是因为自动驾驶卡车的终端站大多局限于港口、工厂、物流微博封面图海报
中心等不对公众开放的区域，在这样的限定场景下，其环境可控性更高，应对场景更单一，落地自然也就更容易些。