امروز، من با شینژو وو، که رئیس بخش خودرو در انویدیا است، صحبت می کنم.  بدیهی است که انویدیا به دلیل رونق هوش مصنوعی دائماً در اخبار است - این یکی از با ارزش ترین شرکت های جهان است، زیرا صنعت هوش مصنوعی نمی تواند از پردازنده های گرافیکی این شرکت به اندازه کافی استفاده کند. اما انویدیا یک تامین کننده کلیدی برای صنعت خودرو است. این خودرو سال‌هاست که تراشه‌هایی در خودروها دارد و شینژو در ساختن یک سیستم رانندگی خودکار کامل که خودروسازان می‌توانند از آن استفاده کنند، نقش بسزایی داشته است. به عنوان مثال، قبلاً در خودروهای الکتریکی جدیدتر مرسدس وجود دارد، همانطور که چندین بار از او خواهید شنید. بنابراین من واقعاً می خواستم دیدگاه او را در مورد چگونگی مدیریت صنعت خودرو در انتقال بزرگ به خودروهای الکتریکی خودران بدانم. این هدفی است که هر خودروساز و تامین کننده ای به شما می گوید که در حال آمدن است، اما شاید در سال 2026 دورتر از همیشه به نظر برسد. چرخه پذیرش خودروهای الکتریکی در ایالات متحده کاملاً خارج از مسیر است، به نظر می‌رسد رانندگی خودران برای همیشه در تلاش برای حل 20 درصد آخرین موقعیت‌ها گیر کرده است، و خود خودروها همچنان گران‌تر می‌شوند، حتی وقتی مصرف‌کنندگان فشار تورم و افزایش قیمت انرژی را در سراسر جهان احساس می‌کنند. شما می شنوید که شینژو می گوید در واقع پیشرفت شگفت انگیزی در اختراع مجدد ماهیت اساسی خود خودرو صورت گرفته است - چیزی که صنعت آن را "وسیله نقلیه تعریف شده با نرم افزار" می نامد که به جای ده ها یا حتی صدها واحد کنترل الکترونیکی مستقل یا ECU، تنها توسط تعداد انگشت شماری از رایانه های قدرتمند کنترل می شود. اگر شنونده Decoder هستید، شنیده اید که خودروسازان زیادی در مورد نیاز به دور شدن از ECU صحبت می کنند. شینژو می گوید که آن لحظه اساساً اینجاست.  ما در مورد صنعت خودروی چینی و اینکه چگونه توانسته است اساساً شروع به کار کند، صحبت کردیم، زیرا به جای اینکه مجبور به مدیریت انتقال از خودروهای بنزینی و همه آن ECU ها شود، شروع به ساخت بر روی معماری ها و پلت فرم های EV کرد. شینژو قبلاً در یک تولید کننده تجهیزات اصلی چینی (OEM) کار می کرد، بنابراین او بینش کمی در آنجا دارد. ما همچنین در مورد کار در خود Nvidia صحبت کردیم. این یک شرکت منحصربه‌فرد با یک رهبر منحصربه‌فرد در جنسن هوانگ است و شینژو می‌گوید که سه سالی که در آنجا حضور داشته است، تجربه یادگیری سریعی داشته است. او از واقعیت نیاز به رقابت برای منابع و ظرفیت در برابر تجارت پررونق هوش مصنوعی این شرکت ابایی نداشت. توصیف او از اینکه چه چیزی در این بحث ها پیروز می شود، به خصوص وقتی مشتریانش به اندازه خودروسازان کند و مقرون به صرفه هستند، جذاب بود. البته، ما باید در مورد هوش مصنوعی صحبت می‌کردیم و اینکه چگونه رویکرد انویدیا به خودمختاری، چیزی را که شینژو پشته «کلاسیک» می‌نامد و توانایی مدل‌های استدلالی برای کار با خودرو را گرد هم می‌آورد. در اینجا چیزهای زیادی وجود دارد، از جمله این ایده که شما یک مدل هوش مصنوعی خواهید داشت که به معنای واقعی کلمه با خودش صحبت می کند تا بفهمد چگونه ماشین شما را رانندگی کند، که به نظر من هم فوق العاده جالب و هم فوق العاده خنده دار است. و البته، شما نمی توانید بدون صحبت در مورد ایلان ماسک و تسلا در مورد خودروهای الکتریکی یا خودمختاری خودرو در ایالات متحده صحبت کنید. بنابراین من مستقیماً از شینژو پرسیدم که آیا رانندگی خودکار تسلا واقعاً می تواند همان کاری را انجام دهد که ایلان ادعا می کند بدون استفاده از لیدار می تواند انجام دهد. شما به من بگویید اگر فکر می کنید پاسخ او جواب می دهد. خوب: Xinzhou Wu، رئیس خودرو در Nvidia. در اینجا ما می رویم. این مصاحبه برای طولانی بودن و وضوح کمی ویرایش شده است. Xinzhou Wu، شما رئیس خودرو در Nvidia هستید. به Decoder خوش آمدید. از اینکه من را دارید متشکرم من واقعا هیجان زده هستم که با شما صحبت کنم. به نظر می‌رسد که ماهیت یک خودرو قابل قبول است. به نظر می‌رسد صنعت خودرو در دوره‌ای از هم‌سویی گسترده قرار دارد، تقریباً انگار این احساس وجود دارد که خودرو قرار است به‌عنوان یک محصول برای چندین سال به کجا ختم شود، و این به دلیل مشکلات انتقال خودروهای الکتریکی، به دلیل مشکلات جنگ تجاری ایالات متحده و چین است. همه اینها آشفته تر از همیشه به نظر می رسد. بسیاری از خودروسازان در حال تعدیل هستند، و به نظر می‌رسد موقعیت شما در انویدیا دید بسیار گسترده‌ای از آنچه در صنعت خودرو می‌گذرد به شما می‌دهد، زیرا شما تعداد زیادی از خودروسازان بزرگ را تقریباً در هر کشوری عرضه می‌کنید. پس بیایید از آنجا شروع کنیم. نظر شما درباره اینکه صنعت خودرو در این جاده طولانی و پر پیچ و خم به سمت خودمختاری و برقی‌سازی کجا قرار دارد چیست؟ این یک سوال عالی است من احتمالاً 15 سال است که در بخش خودرو کار می‌کنم، از دوران حرفه‌ای من در کوالکام. مدتی سرپرست تیم خودروسازی کوالکام بودم. و بدیهی است که ما عبارت "وسیله نقلیه نرم افزاری تعریف شده" را شنیده ایم. در حال حاضر با فناوری هوش مصنوعی، به مرحله بعدی می‌رسد، چیزی که اساساً آن را «خودروی تعریف‌شده با هوش مصنوعی» می‌نامیم. با این نوآوری های عظیم فناوری، صنعت خودرو در دهه گذشته به سرعت تغییر کرده است. همانطور که می دانید، من همچنین به عنوان بخشی از یک OEM چینی به مدت پنج سال کار کردم و سرپرست تیم رانندگی خودمختار آنها بودم. اکنون من در Nvidia هستم. بنابراین آنچه من در طول 15 سال زندگی حرفه‌ای خود دیده‌ام، فرصتی است که شاهد این تغییر عظیم باشم. ماشین از، فرض کنید، عمدتاً ماشین‌های مکانیکی، به علاوه ماشین‌های الکتریکی، به مواردی تبدیل شد که می‌توانیم قابلیت‌های آن را از طریق نرم‌افزار هوا (OTA) به سرعت ارتقا دهیم. این همان چیزی است که ما آن را عصر "وسیله نقلیه تعریف شده با نرم افزار" می نامیم. اکنون، با پیشرفت فناوری به سمت هوش مصنوعی مولد، ما از هوش مصنوعی برای بازنویسی بیشتر نرم افزارهای موجود در خودرو استفاده می کنیم. این همان چیزی است که ما آن را "وسیله نقلیه تعریف شده با هوش مصنوعی" می نامیم. این نیز از یک سو سرعت توسعه قابلیت خودرو را تسریع کرده است. و از سوی دیگر، نحوه تعریف «خودرو» را نیز تغییر داده است. هوش مصنوعی بر کل صنعت در هر سطحی تأثیر می گذارد. این واقعا هیجان انگیز است که ببینیم جهان از اینجا با این نوآوری های فناوری جدید چگونه تکامل خواهد یافت. اجازه دهید برخی از اصطلاحات را در آنجا جدا کنم. من آنها را بسیار از خودروسازانی می شنوم که دوست دارند به نمایشگاه بیایند و به من بگویند که قرار است چه اتفاقی برای ماشین ها بیفتد. اما من فکر می کنم برخی از این اصطلاحات در لبه ها کمی مبهم هستند. بنابراین شما گفتید "وسیله نقلیه نرم افزاری تعریف شده". این یک اصطلاح کاملا مبهم است. من فکر می کنم این ایده وجود دارد که ما از شر تمام ECU های خودرویی خلاص شویم که در حال حاضر تعداد زیادی و بسیاری از سیستم های مختلف را کنترل می کند. و ما تمام این اجزا را در یک یا دو مرکز محاسباتی بزرگ در یک ماشین متمرکز خواهیم کرد. تسلا به خاطر انجام این کار بسیار مشهور است. Rivian روی آن شرط بندی کرده است. Wassym Bensaid از Rivian فقط در این برنامه صحبت می کرد. دیگر خودروسازان قدیمی سعی کرده اند این کار را انجام دهند. ما جنرال موتورز را در برنامه داشتیم. آنها گفتند: "ببین، ما نیازی به انجام این کار نداریم. ما خوب هستیم. ما این کار را به روش خود انجام خواهیم داد." فورد سعی کرد این کار را به روش های بزرگ انجام دهد. آن‌ها مجبور شدند یک اسکان‌ورک راه‌اندازی کنند و یک روش کاملاً جدید برای ساخت ماشینی بسازند که به آن بسیار افتخار می‌کنند. به ما گفته شده است که به زودی کامیونی از این تلاش بیرون خواهد آمد. من فکر نمی کنم صنعت به آنجا رسیده باشد. اساساً این چیزی است که من می گویم. سازندگان خودروهای نوپا به نقطه‌ای رسیدند که می‌توانستند ادعا کنند یک وسیله نقلیه نرم‌افزاری تعریف شده دارند که در آن یک یا دو کامپیوتر بزرگ در ماشین وجود دارد که هر سیستم را کنترل می‌کند. خودروسازان قدیمی در اکثر موارد هنوز موفق نشده اند.  من یک ستاره روی آن خواهم گذاشت. شاید فورد با این کامیون جدید موفق شود، اما ما هنوز نمی دانیم. آیا فکر می کنید که صنعت به طور گسترده به وسایل نقلیه تعریف شده نرم افزاری می رسد یا فکر می کنید خودروسازان قدیمی در جایی که هستند باقی می مانند؟ 100% من این فرصت را داشتم تا شاهد اتفاقاتی که در چین از سال 2018 تا 2023 رخ داد، باشم. کل صنعت تنها در پنج سال این تغییر عظیم را پشت سر گذاشت. در آنجا، نه تنها OEM های جدید خودکار، بلکه نمونه های قدیمی نیز باید سازگار شوند. همه در حال انطباق با یک نوع محاسبات مرکزی واحد از معماری الکتریکی هستند، زیرا این نحوه رقابت شماست.  در سایر نقاط جهان نیز - ما شرکای خود را نیز از طریق همکاری خودروهای خودران Drive و Drive (AV) داریم، برای مثال، با شریک خود مرسدس. نسل کنونی آنها معماری مبتنی بر کامپیوتر ضروری است. در تمام وسایل نقلیه آنها خواهد بود. برای سایر OEM های اولیه، ما در حال کار با همه آنها هستیم و سعی می کنیم به آنها کمک کنیم تا معماری را به یک یا دو رایانه تبدیل یا ارتقا دهند، زیرا سرگرمی اطلاعاتی وجود خواهد داشت، سیستم های اولیه رانندگی یا کمک راننده پیشرفته (ADAS)، ECU وجود خواهد داشت. اما من فکر می کنم که جهان در واقع به سرعت در حال حرکت در این مسیر است. برخی از آنها به وضوح کندتر خواهند بود. برخی از آنها سریعتر خواهند بود. این ماهیت این تجارت است. اما من شک ندارم که جهان اساساً در این جهت در حال تکامل است. من در واقع در مورد تاریخ شما کنجکاو هستم. شما در XPeng که یک خودروساز چینی است کار می کردید. برای من احساس می کنم، وقتی در ایالات متحده نشسته ام و برای مدت طولانی طرفدار خودرو هستم، خودروسازان چینی مزیت نسبتاً منحصر به فردی دارند که خودروسازان بزرگ جهانی نیستند. آنها در مقیاس گسترده عمل نمی کردند. برق رسانی آمد. واضح است که تسلا مجموعه ای از قابلیت ها را در چین برای ساخت خودرو ساخته است. همه ما می دانیم که اکوسیستم تولید چین چگونه کار می کند و آنها مجبور به تنظیم مجدد شدند. آن‌ها مجبور شدند دسته‌ای از خودروها را به‌عنوان خودروهای برقی، کلین شیت، اساساً به روشی که خودروسازان استارت‌آپ در ایالات متحده به آن رسیده‌اند، طراحی کنند و خودروهای رقابتی جهانی را از پایه‌ای کاملاً جدید بسازند، بدون اینکه نگران چیزهایی باشند که خودروسازان قدیمی آمریکایی باید نگران آن باشند. و سپس، دولت چین بدیهی است که به همه اینها یارانه پرداخت کرد. تو اونجا کار کردی این تجربه شما بود؟ آیا اساساً اینطوری پیش رفت که آنها تازه شروع کردند؟ من فکر می کنم این فقط یک طرف آن است. آنها قطعا میراث کمتری دارند، بار کمتری برای نگرانی دارند و این یک مزیت است. اما آنچه من همچنین می بینم نه تنها OEM های جدید، بلکه حتی بازیگران جهانی در آنجا باید با سرعت چین سازگار شوند. حداقل بر اساس آنچه من در آنجا یاد گرفتم، همه با این سرعت پیش می روند. باز هم می خواهید بتوانید رقابت کنید.  اما همانطور که گفتید، موج… وسایل نقلیه نرم افزاری تعریف شده برای مدت طولانی وجود داشته اند و تسلا است که واقعاً آن را به تولید کامل می رساند. من مطمئن نیستم که آنها اولین هستند یا خیر، اما قطعاً تا حد زیادی. من شک ندارم که OEM ها در بقیه جهان نیز به دنبال آن خواهند بود. من فکر می کنم که هر OEM در حال حاضر باید این کار را انجام دهد زیرا این نحوه رقابت شماست، این همان کاری است که برای زنده ماندن باید انجام دهید. استقلال تقریباً مانند یک ضرورت برای همه OEMها در وسایل نقلیه خود خواهد بود. همه ما به آن آینده اعتقاد داریم. و تنها راه رسیدن به آنجا این است که... اول از همه، معماری ای که توضیح دادم وجود دارد که امکان ارتقای نرم افزار را بدون داشتن تعداد زیادی ECU محتاطانه فراهم می کند. در واقع، من اخیراً نشنیدم که مردم علیه آن بحث کنند. شاید چیز دیگری شنیده باشید، اما من فکر می کنم این یک گام ضروری برای همه است. در این مرحله، تقریباً مانند یک میز برای معماری نسل بعدی است. بدیهی است که ما با بسیاری از OEM ها صحبت می کنیم، اما این اتفاق نظری است که صنعت به سمت آن حرکت می کند. من در مورد مسیر آنجا کنجکاو هستم، زیرا با شما موافقم که بسیاری از افراد گفته اند که این حالت پایانی است و همه چیزهایی را که قرار است در آینده اتفاق بیفتد را قادر می سازد. به نظر می رسد مسیری که در آنجا وجود دارد بسیار پر از دست اندازتر از آنچه صنعت انتظار داشت بوده است. من نمی‌دانم بخشی از آن این است که دولت ترامپ خودروهای الکتریکی را دوست ندارد. بنابراین، فروش خودروهای برقی و اعتبار مالیاتی در اینجا از بین رفتند و شاید فروش خودروهای برقی افزایش پیدا کرد، زیرا همه این تقاضاها رو به جلو کشیده شد و شاید همه اکنون یک خودروی بنزینی بخواهند. و شاید همه اینها زمانی سخت تر باشد که شما یک باتری غول پیکر ندارید که بتواند همه این سیستم ها را برای همیشه نیرو دهد و در واقع به جای داشتن یک باتری 12 ولتی باید موتور را روشن کنید تا برق همه این سیستم ها را تامین کنید. یا شاید به این دلیل است که خودروسازان چینی آنقدر رقابتی هستند و آنقدر یارانه دریافت می کنند که غلبه بر هزینه انجام این کار برای خودروسازان قدیمی دشوار است، زیرا آنها زیرساخت های قدیمی و شبکه های نمایندگی در ایالات متحده را برای مراقبت دارند و ما فقط می خواهیم از آن جلوگیری کنیم. چیزی در مورد مسیر رسیدن به این وضعیت آینده مورد توافق خودرو وجود دارد که به نظر سخت‌تر از آن چیزی است که من فکر می‌کردم یا هر کسی در نمایشگاه در پنج سال گذشته گفته است که چنین خواهد بود. از دیدگاه شما کنجکاو هستم. شما تامین کننده هستید، سعی می کنید چشم انداز را بفروشید، سعی می کنید تراشه ها را در همه ماشین ها قرار دهید. از دیدگاه شما، چه چیزی این مسیر را سخت‌تر کرده است؟ خوب شما خیلی چیزها را گفته اید. صنعت خودروسازی بسیار سنگین است. این شامل زنجیره های تامین عظیم و تعداد زیادی شرکت و تعداد زیادی کارمند است. و برای ایجاد تغییر در معماری و هر زمان که ماشینی را بیرون می کشید، باید 10-15 سال از آن حمایت کنید. انویدیا به‌عنوان یک تامین‌کننده، تعهدی مشابه با مشتریان خود برای هر فناوری که عرضه می‌کنیم، از جمله چیپ‌ست‌ها، دیگر پلت‌فرم‌ها و فناوری AV ما دارد. ما تعهد خواهیم داشت که از همان نسل برای 10 تا 15 سال پشتیبانی کنیم، حتی برای نسل فعلی تراشه ها. اگر از دیدگاه ارائه دهنده سیلیکون ولی به آن فکر کنید، تقریباً دیوانه کننده است. اما این ماهیت تجارت خودرو است. ماهیت تجارت این است که کارها را کمی کند می کند. و این یک چیز است. نکته دیگر این است که از آنجایی که فناوری بسیار سریع و متفاوت از، فرض کنید، خودرویی که قبلاً می‌شناختیم و با وسیله نقلیه تعریف‌شده با نرم‌افزار، با وسیله نقلیه تعریف‌شده با هوش مصنوعی متفاوت است، شما باید از استعداد متفاوتی عبور کنید تا بتوانید شرکت را به روشی مناسب راه‌اندازی کنید و با این موج جدید نوآوری‌های فناوری سازگار شوید. به همین دلیل انویدیا می تواند وارد شود و کمک کند. از آنجا که ما معتقدیم این فناوری در حال رسیدن است - بدیهی است که در اینجا عمدتاً در مورد خودروی خودران صحبت می کنیم. فناوری در حال رسیدن به سطح بلوغ است. ما قصد داریم این فناوری را به تولید انبوه ببریم و یک تامین کننده می تواند وارد شود. به همین دلیل است که ما نه تنها فناوری AV را ارائه می‌کنیم، بلکه کل پلتفرم را از یک تراشه، و همچنین سیستم‌های عامل، یک مدل منبع باز، و آنچه ما Halos می‌نامیم، ارائه می‌کنیم، سیستم عامل ایمنی که به OEM کمک می‌کند تا بتواند سریع‌تر با این دنیای جدید سازگار شود.  ماهیت کسب و کار این است که همه نمی توانند با سرعت یکسانی کار کنند. بنابراین مطمئناً به دلیل سنگینی این صنعت، مدتی طول می کشد تا همه به خط پایان برسند. اما باز هم، کار من در انویدیا این است که سعی کنم به همه کمک کنم تا به هر چیزی که حرکت می کند که مستقل است برسند تا در اسرع وقت به این چشم انداز برسند. اجازه دهید اکنون در مورد نقش شما در Nvidia بپرسم، زیرا فکر می کنم این ما را به سوالات Decoder می رساند. من فکر می کنم همه کسانی که به برنامه گوش می دهند احتمالاً با اجرای انویدیا با هوش مصنوعی آشنا هستند. این یکی از با ارزش ترین شرکت های جهان است. هر پردازنده گرافیکی که انویدیا می تواند بسازد به حساب می آید. چند نفر در Nvidia Automotive کار می کنند؟ ما در واقع تیم بسیار قابل توجهی به ترتیب هزاران نفر در تیم خودرو داریم. از آنجایی که ما روی کل پلتفرم کار می کنیم، سخت افزار، نرم افزار، مدل و زیرساخت وجود دارد. این تیم نسبتاً قابل توجهی است. انویدیا همچنین چیزهای زیادی دارد که می توانیم از سایر تیم ها نیز استفاده کنیم. به عنوان مثال، من تقریباً مطمئن هستم که شما در مورد Cosmos و Nemotron شنیده اید. اینها مدلهای پایه منبع باز ما هستند. ما از طرف آنها نیز به شدت از کار استفاده می کنیم. تیم شما چگونه سازماندهی شده است؟ شما اشاره کردید که سخت افزار، نرم افزار و مدل دارید. آیا این ساختار اصلی تیم است یا سازماندهی متفاوتی دارد؟ بله خب، از جنبه مهندسی، بدیهی است که ما محصول داریم، استراتژی داریم، چیزی در پشت صحنه داریم. گاهی آنها را قهرمانان گمنام می نامیم. به عنوان مثال، تیم نقشه، که هنوز برای L3، L4، مسیرهای خودمختاری سطح بالا بسیار حیاتی است. و زیرساخت داده نقشه های ناوبری تحت اللفظی، این همان چیزی است که شما در مورد آن صحبت می کنید. خوب، نقشه HD نیز وجود دارد. بنابراین تقریباً، من تیمم را به این ترتیب تقسیم می کنم. بله و آیا این همه جهانی است؟ آیا این بیشتر در ایالات متحده است؟ آن کجا واقع شده است؟ بیشتر در ایالات متحده است، اما ما در چین و اروپا نیز حضور داریم. بدیهی است که ما در حال ساختن یک محصول جهانی، یک پلت فرم جهانی هستیم، بنابراین ما به یک تیم پشتیبانی در همه جا نیاز داریم. شما اشاره کردید که به برخی از مدل های پایه ای که انویدیا به طور گسترده تری توسعه داده است، تکیه می کنید. ساختار تیم شما در داخل انویدیا چگونه است؟ آیا با استراتژی هوش مصنوعی مطابقت دارد؟ آیا جدا شده است؟ آیا شما بیشتر سیلو شده اید؟ چگونه کار می کند؟ اوه، این یک سوال عالی است. در انویدیا، بیایید بگوییم، یک تیم سخت‌افزار متمرکز داریم که مسئول نقشه راه سخت‌افزاری در GPU، CPU، همه استراتژی چیپ‌ست و تولید است. ما یک تیم نرم افزاری متمرکز نیز داریم. تیم خودرو یک سازمان مجزا است که بسیار بیشتر بر خودرو متمرکز است و ماموریت آن ایجاد پلتفرم خودرو برای استفاده از تیم سخت افزاری و تیم نرم افزاری ما و انطباق با خودرو است. ما تیم مدل را نیز داریم.  انویدیا همچنین دارای فرهنگ تیم های مجازی است. به عنوان مثال، مدل منبع باز ما برای Nemotron و Cosmos، همه آنها در مقابل تیم تحقیقاتی ما، تیم نرم افزار و تیم سخت افزار قرار دارند. اما آنها تیم های مجازی هستند که روی این مدل های بنیاد منبع باز کار می کنند. ما می‌توانیم از آن کار استفاده کنیم و سپس در سازمان خودروسازی مدلی بسازیم تا به صنعت AV کمک کنیم تا یک مدل منبع باز قدرتمند برای کار کردن داشته باشد. همانطور که گفتم، اساساً هر GPUی که Nvidia می تواند تولید کند، به نوعی محاسبه می شود. این ماهیت صنعت هوش مصنوعی در حال حاضر است. آنها قرار است به یک نئوکلاد در جایی بروند. آیا باید برای منابع و توجه در برابر آن تجارتی که با سرعت و مقیاسی که در حال رشد است در حال رشد است بجنگید؟ بله، باور کنید یا نه. [می خندد] حتی انویدیا نیز عرضه محدودی از GPU برای محاسبات دارد. ما یک اولویت داخلی داریم و من تقریباً به صورت هفتگی با همکارانم کار می‌کنم تا تصمیم بگیریم چگونه محاسبات مختلف را کنار بگذارم، گاهی برای آموزش، گاهی برای آزمایش، یا منابع برای رشته‌های مختلف کار در شرکت. و گاهی اوقات ما به جنسن [هوانگ، مدیر عامل انویدیا] برای کمک نیاز داریم، اما بله. چگونه کار می کند؟ آن مناظره چه شکلی است؟ آیا این یک بحث ROI است؟ "اگر ما این مقدار پول بگذاریم، این مقدار پول را از مشتریان خود دریافت خواهیم کرد"؟ آیا بحث اندازه بازار است؟ پارامترهای مکالمه چیست؟ این همه موارد فوق است، همانطور که می توانید تصور کنید. درآمد بسیار مهم است، اما همانطور که می دانید انویدیا یک شرکت بسیار استراتژیک است. ما برای آنچه جنسن گاهی اوقات تجارت صفر تریلیون دلاری می نامد ارزش قائل هستیم. ما به دنبال فرصت های جدیدی هستیم که می تواند یک تجارت تریلیون دلاری را همیشه ایجاد کند. بنابراین، باید اولویت‌های استراتژیک در داخل شرکت‌ها در مسیر جدیدی که پیش می‌رویم تعیین کنیم. احتمالا شما هم می دانید که ما یک شرکت سهم بازار نیستیم. این تعادلی است بین آنچه که در حال حاضر پول به ارمغان می آورد و آنچه می تواند آینده را ایجاد کند، آنچه می تواند برای شرکت در آینده فرصت ایجاد کند. انویدیا یک شرکت بسیار منحصر به فرد است. همانطور که اشاره کردید، جنسن عمیقاً درگیر همه چیز است. من مصاحبه‌ای با او دیده‌ام که در آن گفت که ملاقات‌های انفرادی ندارد. او یکباره با همه ملاقات می کند و همه آن را هش می کنند. این چه شکلی است؟ من سه سال است که در انویدیا هستم. این بسیار منحصر به فرد است، صادقانه. و بدیهی است که همه به یکباره نیستند. گروه های مختلف است همه ما یک محصول استراتژی فنی داریم، بخش متفاوتی از بررسی های تجاری با جنسن. برای من بسیار هیجان‌انگیز است، در واقع، تجربه‌ای است که از تفکر استراتژیک او بیاموزم و اینکه او در مورد یک محصول چگونه فکر می‌کند، چگونه در مورد استراتژی فکر می‌کند. او همچنین از نظر فنی عمیق است. این یک تجربه کاملاً الهام بخش است که فقط ببینید چقدر او در بخش فنی به روز است. من می‌توانم بگویم، این یک تجربه و فرصتی است که یک بار در زندگی می‌آید تا بتوانم از جنسن یاد بگیرم. وقتی فرصت استقلال را، به ویژه در آینده توصیف می کنید، به نظر می رسد که شرط بزرگی است. ما می‌خواهیم برتری محاسباتی انویدیا و قدرت هوش مصنوعی را به ماشین‌ها تحمیل کنیم و آنها را مجبور کنیم خودشان رانندگی کنند. آن مدل درآمد چگونه به نظر می رسد؟ آیا به نظر می رسد که شما فقط تراشه و نرم افزار را به خودروسازان می فروشید؟ آیا به نظر می رسد که مصرف کنندگان اشتراکی را پرداخت می کنند و بخشی از آن به شما باز می گردد؟ تریلیون دلار از کجا می آید؟ این نیز یک سوال عالی است. در حال حاضر ما کاملاً معتقدیم که هر چیزی که حرکت می کند مستقل خواهد بود. هر مایل رانندگی شده توسط خودرو در آینده مستقل خواهد بود. اگر به آن نگاه کنید، در بین تمام خودروها، ما سالانه 13 تریلیون مایل رانندگی می کنیم. در حال حاضر درصد مایل‌های خودمختار در بین همه مسافت پیموده شده احتمالاً ناچیز است. من فکر می کنم 0.006٪ یا چیزی شبیه به آن است. پس این فرصت پیش روی ماست. دیدگاه انویدیا این است که ما با ارائه دوباره تمام قطعات فناوری پایه، از تراشه‌ها گرفته تا سیستم‌عامل‌ها و سپس به آنچه که Halos می‌نامیم، به اکوسیستم کمک خواهیم کرد. سیستم عامل Halos واقعاً مهم است زیرا نه تنها SDK و API را در اختیار افراد قرار می‌دهد تا مدل‌هایی را روی سخت‌افزار ما توسعه دهند، بلکه حفاظ‌های ایمنی را نیز برای توسعه‌دهندگان فراهم می‌کند تا یک مدل را روی آن قرار دهند. ما همچنین چیزی را که Hyperion می نامیم به عنوان یک پلت فرم سخت افزاری تعریف می کنیم. این یک پلت فرم آماده تولید است که شامل منبع کامپیوتر، ECU و همچنین مجموعه حسگرها می شود. ما فکر می کنیم که رسیدن به سطح متفاوتی از خودمختاری ضروری است. علاوه بر آن، ما Alpamayo، یک مدل منبع باز، که ما آموزش داده ایم، ارائه می دهیم. نه تنها در معماری مدل، بلکه در پارامترها و داده‌هایی که می‌توانید برای تنظیم دقیق مدل در پلتفرم ما استفاده کنید، منبع باز است. علاوه بر این، ما تمام زیرساخت های مورد نیاز را نیز فراهم می کنیم. برای مثال، شبیه سازی برای توسعه AV در حال حاضر بسیار مهم است. ما معمولا می گوییم که مشکل AV در حال تبدیل شدن به یک مشکل سه کامپیوتری است. کامپیوتر آموزشی، کامپیوتر شبیه سازی و سپس کامپیوتر استنتاج در ماشین وجود دارد. ما می‌خواهیم تمام این قطعات فناوری را در پلتفرمی به نام Nvidia Drive در اختیار اکوسیستم قرار دهیم تا مردم بتوانند آن فناوری را در بالای پلتفرم ما توسعه دهند. ما امیدواریم که بتوانیم درصدی از درآمدی را که اکوسیستم می تواند از هر مایلی که به طور مستقل طی می شود در آینده به دست آورد. این جایی است که فرصت تریلیون دلاری می تواند از آنجا به دست بیاید. بنابراین، درآمد در هر مایل. به نظر می رسد معیارهای اصلی که شما دنبال آن هستید. درآمد هر مایل برای یک کاربر از کجا می آید؟ آیا وقتی ماشین می‌رانم، اشتراک می‌پردازم؟ یا فکر می‌کنید همه جا رباتاکسی است و در هر سواری از آن‌ها درآمد کسب می‌شود؟ درآمد هر مایل از کجا می آید و چگونه این عدد افزایش می یابد؟ درست است. خوب، من فکر می کنم که جهان هر دو مدل را در آغوش خواهد گرفت. یکی رباتاکسی است. همانطور که می بینید، تعداد کمی از افراد موفق در چین، ایالات متحده و در جهان وجود دارد. با امید بیشتری شاهد ادامه این مسیر خواهیم بود. ما یک ناوگان تاکسی‌مانند خواهیم داشت که می‌توانید بدون راننده در ماشین از مکان A به مکان B ببرید.  من فکر می کنم ناوگان مسافربری نیز برای مدت طولانی به حیات خود ادامه خواهد داد زیرا افراد زیادی هستند که هنوز فضای خصوصی را در طول سفر ترجیح می دهند. مثل این است که بسیاری از مردم هنوز ترجیح می دهند در مقایسه با اجاره یک آپارتمان، خانه خود را داشته باشند. اقتصاد پشت این هم هست. ما فکر می کنیم هر دو مدل پیشرفت خواهند کرد. به همین دلیل است که ما با شرکت‌های روباتاکسی و سایر OEMها و همچنین شرکت‌های توسعه‌دهنده نرم‌افزار AV کار می‌کنیم تا با ارائه قطعات فناوری مختلف از Nvidia به آنها کمک کنیم. یکی از پویایی‌های جالب حداقل در بخش برقی‌سازی، طی پنج سال گذشته، این بوده است که خودروسازان قدیمی متوجه شده‌اند که تبدیل به شرکت‌های بیمه و شرکت‌های تامین مالی شده‌اند و تامین‌کنندگان آنها خودروها را می‌سازند. آنها کنترل طراحی خودرو را به شکلی بزرگ از دست داده بودند. تامین کنندگان ردیف یک خودروسازان بزرگ از بسیاری جهات مسئول زیرسیستم های بزرگ خودروها بودند. هنگامی که آنها می خواستند یک به روز رسانی از طریق هوا انجام دهند، مجبور شدند برای انجام این کار با 15 تامین کننده مختلف صحبت کنند. من این شکایت را ده ها و ده ها بار در برنامه شنیده ام. و همه آنها به نوعی متوجه شدند، "ما باید مهندسی ماشین را پس بگیریم. ما باید خیلی محکم تر بر پلت فرم ماشین کنترل داشته باشیم." به نظر می رسد که در استقلال، به دلایل مختلف، انویدیا فرصتی برای تبدیل شدن به تامین کننده اصلی طیف گسترده ای از خودروسازان می بیند. بدیهی است که قصدشان این است که فکر می کنند "ما باید کنترل ماشین را در دست بگیریم." تسلا ممکن است از تراشه‌های انویدیا استفاده کند، اما آن‌ها به این واقعیت افتخار می‌کنند که هر خط از آن کد را نوشتند، و این پلتفرم آنهاست، و شرط‌بندی‌های فناوری خود را انجام داده‌اند. ریویان، من فکر می‌کنم واسیم از این واقعیت که او مسئولیت شرکت پلتفرم را بر عهده دارد، بسیار مفتخر است و قرار است آن پلتفرم را بسازد. RJ [Scaringe، مدیر عامل Rivian] مطمئناً به این واقعیت بسیار افتخار می کند که Rivian چنین شرکتی است. پویایی آنجا چیست؟ زیرا به نظر نمی‌رسد که هر خودروسازی بتواند در مقابل شرط‌بندی فناوری ایستادگی کند و به امید اینکه درآمد حاصل شود، سرمایه‌گذاری کند. آن‌ها به تامین‌کننده‌ای مانند Nvidia نیاز دارند تا با یک پلتفرم آماده و مدل تجاری ظاهر شوند. آیا این در حال حاضر بیشتر به نفع شما است؟ آیا ما از آن جنگل ها بیرون آمده ایم یا هنوز در هواست؟ من فکر می کنم زیبایی مدل تجاری انویدیا در بخش خودرو این است که پلت فرم ما کاملاً باز است. ما چندین لایه خدمات ارائه می دهیم و به آنچه شرکت های OEM یا رباتیک نیاز دارند بستگی دارد. آن‌ها می‌توانند آنچه را که می‌خواهند با ما کار کنند انتخاب کنند، همانطور که شما اشاره کردید، تسلا تا کدام لایه. برخی از OEM ها بسیار توانمند هستند. آنها حتی می خواهند استنباط خود را برای رنگ آمیزی ماشین بسازند. حتی برای آن، ما خوب هستیم. ما همچنان به کار با آنها ادامه خواهیم داد. در واقع، ما با تسلا و بسیاری از OEM ها کار می کنیم که با استفاده از تراشه استنتاج خود با همکاری با آنها در فضای ابری، در حال ساخت هستند. ما حتی سعی می کنیم به بهینه سازی مدل های آنها کمک کنیم. با OEM های مختلف، ما همکاری های مختلفی داریم، زیرا هنوز کامپیوتر شبیه سازی و محاسبات آموزشی را در زیرساختی که با آنها کار می کنیم، داریم. برای برخی از OEM ها، آنها مایلند راه حل کلید در دست بیشتری داشته باشند. ما از همکاری با آنها نیز بسیار خوشحالیم. در این صورت ما تا آخر راه خواهیم رفت. ما مانند یک ردیف اول یا ردیف 1.5 کار می کنیم تا دست به دست هم دهیم. این شرکای راننده AV ما است، به عنوان مثال، مرسدس. ما بسیار نزدیک با آنها کار می کنیم تا محصولاتی را که می خواهند تعریف کنیم، و سپس پشته AV راننده خود را برای کار یکپارچه در وسیله نقلیه آنها تطبیق می دهیم. مهندسان هر دو طرف بسیار نزدیک کار می کنند تا آن را به خوبی با دی ان ای طراحی مرسدس بنز و تجربه مشتری که می خواهند ارائه دهند تطبیق دهند. این واقعا برای ما مهم است. ما فی نفسه برندگان را انتخاب نمی کنیم. ما سعی می کنیم به OEM ها بر اساس توانایی آنها در سطوح مختلف کمک کنیم. باز بودن برای مدل تعامل ما با OEM ها واقعا مهم است. یکی از دلایلی که من در این مورد کنجکاو هستم این است که شما به مدل های آموزشی اشاره کردید. شما در مصاحبه‌های دیگری اشاره کردید که داده‌های مصنوعی را برای آموزش استقلال به روش‌های مختلف انجام می‌دهید. من در مورد آن بسیار کنجکاو هستم. این فقط من را شگفت زده می کند، که به صنعت نگاه می کنم. Waymo این پیشروی غول‌پیکر را در مایل‌های خودران رانندگی می‌کند، و آن‌ها به آن افتخار می‌کنند، و این به موفقیت خودروهایشان کمک کرد تا در بازارهایی که در آن حضور دارند، موفق شوند. هر خودروسازی نمی تواند بفهمد که چگونه به یک میلیارد مایل رانندگی خودکار برسد. درست است. بله آنها باید به شخص ثالثی تکیه کنند تا حداقل به وضعیت موجود برسند، اگر نه فراتر از آن. به نظر می رسد انویدیا در آنجا نشسته و آماده است تا شخص ثالث باشد. آیا این مقدار زیادی از فروش به خودروسازان است؟ "شما می توانید فناوری ما را با هر ظرفیت باز که می خواهید بخرید، و ما به سرعت شما را به حالت رقابتی خواهیم رساند"؟ من می‌توانم بگویم این تنها نکته قانع‌کننده برای OEMها برای تعامل با انویدیا در اکوسیستم Hyperion، در اکوسیستم Drive است. زیرا یکی از چیزهای کلیدی تعریف کننده برای هایپریون، معماری محاسباتی است و همچنین معماری حسگر، اشتراک گذاری داده ها است. برای هر کسی که درگیر می شود و شریک Nvidia Drive می شود، ما داده ها را از طریق برنامه موجود خود به اشتراک می گذاریم، که از طریق آن میلیون ها ساعت داده جمع آوری می کنیم. از طریق برنامه های مختلف خودرو، ما همچنین در حال جمع آوری آن داده ها از OEM های مختلف هستیم. و سپس می توانیم اول از همه مدلی بسازیم که با تمام این داده ها آموزش داده شده باشد. ما مطمئن می‌شویم که حداقل داده‌های جمع‌آوری‌شده در برنامه‌های مختلف خودروی ما با OEM به اشتراک گذاشته شود. این شماره یک است. شماره دو در عصر جدید است، ما قویاً معتقدیم که محاسبه نیز داده است. بنابراین، همانطور که اشاره کردید، داده های مصنوعی زیادی وجود دارد.  داده های بازسازی عصبی وجود دارد که ما آن را NuRec می نامیم. این یک فناوری و شبیه‌سازی بسیار مهم است که در آن داده‌ها را از میدان جمع‌آوری می‌کنیم، اما می‌توانیم گاهی اوقات از بازسازی عصبی برای تغییر پس‌زمینه یا تغییر مسیر ماشین استفاده کنیم. ما می توانیم انواع زیادی از داده های مشابه تولید کنیم. همه این داده ها به یک کامپیوتر برای تولید این ده ها میلیون نقطه داده نیاز دارند. ما می توانیم با همه کسانی که در اکوسیستم ما درگیر هستند به اشتراک بگذاریم. به این ترتیب، مجموعاً از میان همه بازیکنانی که با اکوسیستم Drive درگیر هستند، می‌توانیم شکاف داده را که بسیار مهم است، جبران کنیم. بنابراین، این داده مصنوعی است، درست است؟ شما قصد دارید مجموعه ای از نمونه های رانندگی در دنیای واقعی را جمع آوری کنید. شما آن را در یک شبیه ساز قرار می دهید. سپس شبیه ساز داده ها را محو می کند. فکر می‌کنم مثالی که از شما شنیده‌ام این است که یک عابر پیاده بیرون آمده است، و ما فقط می‌توانیم عابر پیاده را به تأخیر بیندازیم و بعداً آن شخص را مجبور کنیم بیرون بیاید، و ماشین باید به آن واکنش نشان دهد که انگار واقعی است. درست است. و شما تمرینات زیادی را در برابر انواع مختلف داده های مشابه انجام خواهید داد. این برای من جذاب است. من درک می کنم که چرا همه خودروسازان این کار را می کنند. چرا آنها به اشتراک گذاری داده خرید می کنند؟ آیا این فقط یک تشخیص است که در مجموع شانس بیشتری برای رسیدن به عقب دارند؟ آیا به این دلیل است که آنها نمی خواهند پول را پرداخت کنند؟ ارزانتر است؟ چرا آنها با رقبای خود در آن نوع ترتیب اشتراک داده شرکت می کنند؟ هر دو کاملا درست است. در واقع، صرفه جویی در هزینه بسیار زیاد است. جمع‌آوری داده‌ها که ناوگان بزرگی را اداره می‌کند، برای هر کسی که می‌خواهد این کار را انجام دهد، هزینه‌های سرمایه بزرگی است. تکراری هم هست برای مثال، اگر بتوانید آنچه را که ما در پلتفرم Drive یا اکوسیستم Drive ارائه می‌دهیم بیابید، می‌توانید در هزینه و تلاش مشتریان ما صرفه‌جویی کنید.  من در مورد آن کنجکاو هستم زیرا ایده این است که شما چیزهایی را آموزش می دهید، و سپس یک مدل در ماشین خواهید داشت، و ما یک ماشین با هوش مصنوعی خواهیم داشت. رویکرد کلاسیک برای خودرانی این بود که ما داده‌های بیشتری را در مورد این مشکل پرتاب می‌کنیم، و در نهایت خودرو می‌داند چگونه همه چیز را انجام دهد، همه جاده‌ها را در بالای همه چیز ترسیم کرده است. من یک کادیلاک EV دارم، و نحوه عملکرد سوپر کروز، در جاده هایی که نقشه برداری شده اند کار می کند. در نهایت شرط این است که آنها مسیرهای بیشتر و بیشتر و چیزهای بیشتر و بیشتر را ترسیم کنند و ماشین توانمندتر شود. به نظر می رسد رویکرد انویدیا این است که ماشین به اندازه کافی هوشمند باشد تا بتواند هر کاری را با نقشه یا بدون آن انجام دهد. و این مستلزم رویکردی متفاوت برای جمع‌آوری داده‌ها، رویکردی متفاوت برای محاسبه، و پس از آن بدیهی است که شرط بندی بزرگ‌تری بر روی هوش مصنوعی دارد. آیا این تقسیم واقعی است؟ آیا شما به تازگی آن پرش را انجام داده اید؟ آیا این آینده پلتفرم است یا شما در میانه راه هستید؟ رویکردی که ما در حال حاضر برای چیزی که L2+ می نامیم، که اساساً بدون نقشه است، در پیش می گیریم. همانطور که به درستی گفتید، مدل قطعا به داده های بیشتری نیاز دارد و موارد گوشه ای بیشتری را پوشش می دهد. و هرچه صحبت می کنیم، مدل برای این نسل، نسل بعدی، بزرگتر می شود. ما قصد داریم از یک مدل بسیار بزرگتر با پارامترهای بیشتر استفاده کنیم. مدل های پایه نیز در اینجا نقش بزرگی خواهند داشت. برای اینکه بتوانیم این مدل را بسیار توانا کنیم، داده های بیشتر بسیار بسیار حیاتی است. اما از طرف دیگر، روند استفاده از یک مدل پایه که قبلاً با داده های اینترنتی آموزش داده شده است نیز می تواند کمک کند. به همین دلیل است که من چندین بار بر ارتباط با تلاش مدل پایه در انویدیا تاکید کردم. با مدل استدلال، و مدل پایه، می‌توانیم از دیدگاه مدل مرزی استفاده کنیم و از اینترنت برای مقیاس‌بندی داده‌ها استفاده کنیم تا بتوانیم به وسیله نقلیه کمک کنیم تا بهتر تعمیم یابد، حتی بدون داده‌های خاص خودرو. این جهت اصلی است که ما روی آن شرط بندی می کنیم، به سمت سطح بالاتری از خودمختاری، به خصوص سطح 4. این یکی از موضوعات اصلی کاری است که ما در حال حاضر روی آن تمرکز می کنیم. به OEM برگردیم، فکر می‌کنم که بتوانیم از طریق همکاری‌هایمان با تعامل موجود و توانایی عظیم خود برای تولید داده‌ها با استفاده از مجموعه داده‌های مصنوعی و بازسازی عصبی استفاده کنیم - و همچنین بتوانیم از قابلیت مدل پایه استفاده کنیم که از داده‌های کلی‌تر آموزش دیده است، اما به مدل کمک می‌کند تا بهتر استدلال کند، بهتر تعمیم دهد - اینها چیزهایی هستند که می‌توانیم به مشتریان خود ارائه دهیم. احساس می کنم الان باید در مورد ایمنی بپرسم. من مطمئن هستم که این پیچیده تر از این است، اما شما در مورد یک مدل پایه که از طریق خودرانی استدلال می کند صحبت می کنید. و تنها چیزی که در ذهنم دارم ChatGPT است که از من عذرخواهی می کند زیرا هنگام تصادف ماشین اشتباه کرده است یا یکی از آن حلقه های تأخیر طولانی وحشتناکی است که مدل در جهت اشتباه حرکت می کند و متوجه می شود. و سپس می‌توانید به زنجیره فکر نگاه کنید و به نظر می‌رسد، اوه، کاملاً اشتباه کرده‌اید. این احساس بدی دارد به گونه ای که آنتروپیک معتقد است که کلود احساس بدی دارد. به نظر می رسد هیچ کدام از اینها با ماهیت بسیار واقعی رانندگی یک ماشین سازگار نیست. چگونه این شکاف را پر می کنید؟ تأخیر، نیاز به داشتن یکی از آن مدل های بزرگ در پس زمینه، نوعی مماس استدلالی که مدل ها می توانند ادامه دهند. چگونه با رانندگی ماشین سازگار است؟ ایمنی برای ما بسیار مهم است و برای صنعت AV بسیار مهم است. اجازه دهید با نزدیک شدن به لایه های مختلف پیشنهاد ما به سؤال شما پاسخ دهم. بدیهی است که پرداختن به ایمنی برای صنعت خودرو چیز جدیدی نیست و ما یک پروتکل توسعه بسیار پیچیده و همچنین یک پروتکل اعتبار سنجی ایجاد کرده ایم تا بتوانیم ایمن بودن نرم افزار را ثابت کنیم. این ISO 26262 نامیده می‌شود. ما در واقع نرم‌افزار سطح سخت‌افزار و سیستم‌عامل (OS) و نرم‌افزار سطح کاربرد خود را با بالاترین استاندارد ایمنی توسعه می‌دهیم، که بسیار مهم و حیاتی است تا بتوانیم هر چیزی را برای رانندگی ماشین به کار ببریم. این شماره یک است. شماره دو این است که ما رویکرد متفاوتی نسبت به برخی از بازیکنان در این فضا داریم. ما در واقع یک پشته اضافی حتی برای عملکرد L2++ یا ADAS خود داریم. به غیر از آن، مدل انتها به انتها است که اساساً به صورت پیکسلی، مسیر خروجی است. ما همچنین یک پشته کلاسیک داریم که بیشتر بر اساس این استاندارد ایمنی همانطور که می شناسیم توسعه یافته است. اساساً یک جزء است. این یک پشته با اجزای بسیاری است و هر جزء را می توان با استفاده از این استاندارد شناخته شده تأیید کرد. این چیزی است که من از آن به عنوان یک پشته کلاسیک یاد می کنم. و هنگامی که دو پشته به صورت موازی در حال اجرا هستند، پشته کلاسیک مانند چیزی است که ما گاهی اوقات آن را Big Brother می نامیم، اما اساساً یک نرده محافظ است. سعی می کند تمام مسیرها را از مدل انتها به انتها تأیید کند و از استاندارد ایمنی شناخته شده برای تأیید ایمن بودن آن در هر فریم استفاده کند. این یک مفهوم بسیار مهم است که ما داریم. و نه تنها یک مفهوم، بلکه پیاده سازی که در پشته خود داریم. ما این را می گیریم، که برای خودمختاری سطح بالاتر، L4 بسیار حیاتی است. این همچنین پایه و اساس پشته L4 ما است که در آن ما افزونگی کامل داریم، نه تنها به عنوان یک مجموعه حسگر، بلکه به عنوان یک مجموعه معماری نرم افزار. این نکته دوم پاسخ به سوال ایمنی شماست. شماره سه، وقتی مدل را توسعه می‌دهیم، سعی می‌کنیم که مدل تا آنجا که می‌توانیم توهم را کاهش دهیم. راه برای انجام این کار از طریق اعتبارسنجی گسترده است. ما در حال ساخت داده های آزمایش شبیه سازی عظیم برای هر مدلی هستیم که منتشر می کنیم. در حال حاضر ما به دنبال اجرای پنج میلیون تست در برنامه خود در هر روز هستیم. تقریباً هر روز ما 10 تکرار از مدل را داریم، مدل پایان به انتها. ما در حال انجام اعتبارسنجی بسیار گسترده هستیم تا مطمئن شویم در همه این سناریوها - می توانید آن را مانند هر سناریوی آزمایشی آزمایش شده در نظر بگیرید - این مدل مسیر درستی را ایجاد می کند. این نیز برای ما بسیار حیاتی است. بنابراین این کاری است که ما انجام می دهیم تا مطمئن شویم محصولمان ایمن است. بگذارید یک سوال واقعا احمقانه از شما بپرسم که واقعاً کنجکاو هستم. شما در مورد مدل و نحوه کارکرد خودرو زیاد صحبت کرده اید. و بله، پشته کلاسیک نرده ایمنی است. آیا استدلال مدل در زبان مانند هر مدل دیگری است؟ آیا در پس‌زمینه نشسته است و می‌گوید: «یک علامت توقف می‌بینم. چه کار کنم؟ بهتر است بایستم. می‌روم ترمز بزنم»، به روشی که هر نوع مدل کلی به زبان در پس‌زمینه توضیح می‌دهد؟ پاسخ کوتاه بله است. در مدل نسل بعدی ما، که ما قصد داریم آن را در نسل بعدی وسایل نقلیه مستقر کنیم... از آنجایی که نسل فعلی یک کامپیوتر کم و بیش محدود دارد، نسل بعدی مبتنی بر SOAR است. ما مدل آموزش دیده با زبان تعبیه شده را خواهیم داشت. توانایی استدلال از طریق زبان بسیار مهم است. همچنین می توانید با مدل چت کنید. می‌توانید از مدل بپرسید که چه کاری انجام می‌دهد و سپس می‌توانید از یک مدل بخواهید که سرعتش را افزایش دهد یا کاهش دهد و مثلاً تغییر خط بدهد. همانطور که به معنای واقعی کلمه در حال رانندگی است، با خودش می گوید: "من یک ماشین را در آنجا می بینم. باید مسیر را تغییر دهم تا برای خروجی که چند مایلی دیگر می آید آماده شوم." و آیا این کار را به زبان برای کار با ماشین انجام می دهد؟ به نظر من ترکیبی از چیزهاست زبان در حال حاضر مدل را جاسازی کرده است، اما همانطور که می دانید سیگنال بینایی نیز بسیار مهم است. می خواهم بگویم چند مدل است، اما زبان بخشی از آن است. همانطور که می دانید مدل جعبه سیاه است. ما دقیقاً نمی دانیم که دقیقاً چه کاری انجام می دهد، اما می توانید در مورد آن بپرسید و سپس مدل پاسخ خواهد داد که چه کاری می خواهد انجام دهد.  من فقط این تصور را دارم که یک مدل چت بات که با سرعت 55 مایل در ساعت در بزرگراه به سر می‌برد. در واقع GTC تایوان ویدیویی منتشر کرد که نشان داد این مدل مدام در حال صحبت کردن است. اگر واقعاً سعی کنید همه چیزهایی را که مدل سعی می کند درباره آنها استدلال کند بشنوید می تواند بسیار آزاردهنده باشد. تأخیر در آن چیست؟ بدیهی است که شما در حال استقرار سیستم ها هستید، باید کار کند، اما آیا تلاشی برای کاهش تأخیر آن وجود دارد؟ من احساس می کنم زبان ذاتاً در مقایسه با آنچه که برای رانندگی باید انجام دهید کند است. وقتی ماشینم را می‌رانم به زبان فکر نمی‌کنم. 100% به همین دلیل گفتم چند مدل است. اما کاهش تأخیر انتها به انتها بسیار مهم است. در واقع، این یکی از مزایای کلیدی استقرار، رانندگی ماشین با مدل است. زیرا اگر در مورد آن فکر کنید، پشته قدیمی یا پشته کلاسیک که چندین مؤلفه دارد، معمولاً چندین صد میلی ثانیه طول می کشد. اما با یک مدل، چون فقط زمان استنتاج است، از ورودی که پیکسل و مسیر است جدا است. بدیهی است که بسته به توانایی رایانه ای که دارید، می توانید تأخیر را کاهش دهید. اما حتی در نسل فعلی، ما آن را در 100 میلی ثانیه کنترل می کنیم که بسیار سریع است. در مورد استدلال زبان، اگر به آن فکر کنید، خوب، این مغز انسان است، درست است؟ اگر در مورد آن فکر کنید، من می گویم که نرخ اطلاعات قبلاً انتزاع شده است. نرخ اطلاعات فوق العاده بالا نیست. و ما از داده های اینترنتی برای آموزش این نوع قابلیت استدلال مبتنی بر زبان استفاده می کنیم. فکر می‌کنم تأخیر به خوبی تحت کنترل است، بگذارید اینطور بگویم. و باز هم شما ماشین را فقط با زبان رانندگی نمی کنید. همانطور که گفتم این یک چیز کلیدی است. معمولاً بخش استدلال، به اعتقاد من، کندتر است. باز هم، ما دقیقاً نمی دانیم که مدل در حال انجام چه کاری است، اما بخش پیکسل، همان چیزی است که واکنش اولیه آنی خودرو را هدایت می کند. آره اگر از آنتروپیک بپرسید، به شما خواهند گفت که کلود دارای احساسات و عواطف است و ممکن است بترسد. اوه ها آیا در مورد آن فکر می کنید؟ آیا فکر می کنید مدل های شما هنگام رانندگی با ماشین احساساتی دارند؟ ما از نرده محافظ استفاده می کنیم تا مطمئن شویم که خیلی بد خلق نشود. [می خندد] من فقط کنجکاوم. منظورم این است، همانطور که شما گفتید، ما نمی دانیم که مدل ها چگونه کار می کنند. من به معنای واقعی کلمه تصوری از این مدل دارم که "اوه خدای من، من خیلی سریع می روم." اما شاید سیستم کلاسیک آن را کاهش دهد. آره آره آیا همه اینها به صورت محلی در ماشین اجرا می شود؟ نه، نه، نه، نه. همه اینها به صورت آفلاین تأیید می شوند. اما قسمت دوم با حفاظ ایمنی، وقتی دو پشته را به صورت موازی اجرا می کنیم، قطعاً در ماشین وجود دارد. و در ماشین در هر فریم، نرم‌افزار موجود در ECU ADAS ما، ما مسیر را از دو مدل کلاسیک و مدل انتها به انتها مقایسه می‌کنیم تا مطمئن شویم که مدل یک خط سیر پایه ایمن را ارائه می‌کند. بنابراین آیا خودروها به اتصال سریع نیاز دارند تا با رویکرد شما مستقل باشند؟ لزوماً نه، اما برای دریافت اطلاعات ناوبری و برخی اطلاعات نقشه، به برخی اتصالات نیاز داریم. بیشتر اینها نقشه های ناوبری هستند. بنابراین برای کمک به نه تنها سمت مدل و همچنین پشته کلاسیک، از برخی از اطلاعات نقشه پیمایش برای کمک به درک بهتر جهان استفاده می کنیم. من فقط به این دلیل می پرسم که راه اندازی شبکه های 5G را با جزئیات کامل پوشش دادم و همه شرکت های مخابراتی به من قول دادند که 5G اتومبیل های خودران را فعال می کند. و به نظر می رسد رویکرد شما رویکردی است که بیشترین تکیه بر شبکه های با تأخیر کم را دارد. این اشتباه نیست، اما از طرف دیگر، خودرو باید در یک نقطه کور کامل نیز به صورت خودکار رانندگی کند. تأخیر کم در زمان واقعی، می‌توانم بگویم وابستگی محتوا، این وابستگی را در فضای ابری دارد. حداقل برای نوع برنامه ADAS - L2+ همان چیزی است که ما آن را می نامیم - که قرار است در همه جا کار کند، ایجاد این وابستگی ایده خوبی نیست. آره هنگامی که به سطح 4، سطح 5 می رسید، آن زمانی است که وابستگی به اتصال دارید. درست است. بله آره وقتی اتصال در سطح 4 استقلال را از دست می دهید چه اتفاقی می افتد؟ وقتی در سطح 5 هستید و دیگر فرمان ندارید و اتصال را از دست می دهید، چه اتفاقی می افتد؟ در سطح 4، می توانید اتصال را به عنوان نوعی حسگر در نظر بگیرید. توانایی اولیه رانندگی نمی تواند وابستگی زیادی به آن داشته باشد. و یکی از مفاهیم اصلی توسعه فناوری سطح 4 این است که شما افزونگی حسگر دارید. این نه تنها برای GPS، بلکه برای دوربین، رادار، هر چیزی که می‌بینید نیز کاربرد دارد. برای هر نقطه خرابی، خودرو باید بتواند ایمن رانندگی کند. مثل این است که اگر به طور ناگهانی یک GPS را گم کردید، اما ماشین یک درک محلی دارد، باید بتواند به یک نقطه امن برسد و جلو بیاید. این حداقل نیازی است که یک سیستم L4 باید داشته باشد. این اصل اساسی L4 برای توسعه چنین سیستمی است. من بسیار کنجکاو هستم که ببینم همه پشته‌های حسگر در ماشین کجا هستند، چقدر محاسبات در ماشین وجود دارد، چقدر رم باید در خودروها در زمان افزایش قیمت رم قرار دهیم. به نظر می‌رسد همه اینها هزینه‌های اضافی زیادی برای لایه‌برداری خودروهایی دارد که به طور فزاینده‌ای گران‌تر می‌شوند و مصرف‌کنندگان، حداقل در ایالات متحده، احساس می‌کنند به طرق مختلف علیه آن‌ها شورش می‌کنند. درست است. من می توانم به ترافیک وب سایت خودمان نگاه کنم. همه می خواهند یک کامیون اسلیت به قیمت 25000 دلار بخرند و حتی رادیو هم ندارد. این فقط یک باتری روی چرخ است. اون کل ماشینه حتی کار رنگ هم نداره ما اکنون از شر کارهای رنگ آمیزی روی خودروها خلاص می شویم تا هزینه را کاهش دهیم. شما در مورد محاسبات زیاد در ماشین، اتصالات زیاد، شاید یک سری RAM برای بارگذاری مدل ها صحبت می کنید. درست است. چگونه بازی می کند؟ آیا این شما را بیشتر به سمت آن مدل روباتاکسی سوق می دهد یا فکر می کنید مردم فقط قصد خرید ماشین های خودران گران قیمت را دارند؟ قطعا ساخت خودروهای خودمختار به سخت افزار زیادی نیاز دارد، اما روند دیگر این است که هزینه سخت افزار به سرعت در حال کاهش است، زیرا فناوری بالغ تر می شود. مثلا رادار. حتی در دوران حرفه‌ای‌ام، قیمت‌های رادار احتمالاً طی 15 سال حداقل چهار یا پنج برابر کاهش یافته است، زیرا حجم آن بسیار بزرگ‌تر و بزرگ‌تر از هزینه شده است. من شاهد کاهش قیمت سنسور دوربین نیز بوده ام. رقبای بیشتری وجود دارد و رقابت با افزایش حجم، قیمت‌های کمتری را به همراه دارد. اثر مقیاس قطعاً در حال حاضر در ADAS وجود دارد و همه اجزاء بسیار بالغ‌تر و به سطحی از کالا تبدیل می‌شوند. همانطور که می دانید، کامپیوتر با چنین سرعتی در حال رشد است. مدتی پیش در مورد قانون مور در صنعت نیمه هادی ها صحبت کردیم، اما در بخش رانندگی خودمختار، نیاز به کامپیوتر با سرعت بسیار شگفت انگیزی در حال افزایش است. تقریباً ما در مورد 10 بار در هر دو سال صحبت می کنیم. این دیوانه کننده است و در حال حاضر، با موفقیت هوش مصنوعی و بدیهی است که انویدیا، ما قادر خواهیم بود این نوع محاسبات عظیم را با قیمتی مقرون به صرفه در اختیار خودروها قرار دهیم. در ابر یا در ماشین؟ در ماشین. من قبلاً از شما در مورد جنگیدن برای ظرفیت تمرین پرسیدم. آیا باید برای ظرفیت ساخت هم بجنگید؟ اوه بله. زیرا این هزینه ها برای همه بالا می رود. بله، البته. بله من کنجکاو هستم، این خواسته انویدیا است که هزینه را برای همه بالا می برد. پس چگونه می‌توان ظرفیت فوق‌العاده‌ای را به دست آورد، وقتی بخش‌های دیگر انویدیا مایلند هر نرخی را که هر کسی بخواهد بپردازد؟ خوب، این همان پاسخی است که من به شما داده ام. نمی‌دانم چیز بیشتری می‌توانم بگویم یا نه، زیرا ما یک شرکت استراتژیک هستیم و تجارت خودروی ما نیز به خوبی پیش می‌رود، اما بدیهی است که با سرعت تجارت مرکز داده ما نیست. اما ما به آینده AV اعتقاد داریم - خود جنسن نیز. ما نه تنها با تخصیص محاسبات داخلی، بلکه با ظرفیت عالی نیز در این فناوری و در این آینده سرمایه گذاری می کنیم. این قطعا یکی از مواردی است که ما به دنبال آن هستیم.  در واقع، به احتمال زیاد حتی قیمت تراشه نیز باید افزایش یابد، به دلیل این تقاضای شدید برای هر تراشه ای که همه می توانند از آن استفاده کنند. جنبه مثبت این است که فناوری واقعاً [خوب] می شود. من در مورد سمت تراشه و همچنین کمی در مورد سمت سنسور صحبت کردم. من در مورد Hyperion صحبت کردم، که یک نوع پلتفرم آماده محصول و سنسور محاسباتی است. بنابراین ما واقعاً سعی می کنیم بین هزینه و آنچه می توانیم انجام دهیم تعادل ایجاد کنیم. ما در حال بررسی چیزی هستیم که آن را مجموعه حسگر لازم برای دستیابی به سطح بالایی از استقلال می نامیم. به عنوان مثال، در Hyperion 10، ما واقعاً دو نسخه را ارائه می دهیم. یکی پایه است که بیشتر دوربین است: 10 دوربین، سه رادار، بدون لیدار. این یک راه بسیار مقرون به صرفه برای ساخت یک نوع وسیله نقلیه L2++ ADAS است. و از سوی دیگر، برای بالاترین سطح، چیزی است که ما آن را Hyperion High می‌نامیم: مجموعه حسگر مورد نیاز را ارائه می‌کنیم، که فکر می‌کنم دارای 14 دوربین، سه لیدار و هفت رادار برای داشتن افزونگی حسگر کافی برای رانندگی L4 باشد. شما نیاز به افزونگی ECU نیز دارید. شما به نسل بعدی ما نیاز دارید - خوب، در واقع، به طور دقیق تر، نسل فعلی پلت فرم رایانه ای مبتنی بر SOAR. فقط تصور کنید ماشینی دارید که واقعاً می تواند به تنهایی رانندگی کند. ما معتقدیم که با این مجموعه حسگر و این معماری کامپیوتری، می‌توانیم به آن سطحی از استقلال برسیم که می‌تواند هزینه را توجیه کند. حداقل سنسور تنظیم شده برای خودمختاری به شدت مورد بحث است. مدتهاست که بحث داغی بر سر آن بوده است. فکر می کنم گفتن ایلان ماسک که فکر می کرد لیدار در سنین قبل حداکثر محلی بود، آغاز این بحث بود. این بحث به هیچ وجه، شکل و شکلی فروکش نکرده است. آیا فکر می کنید سطح 4 به لیدار نیاز دارد؟ پاسخ کوتاه بله است. ما معتقدیم که لیدار حسگر مهمی است که ایمنی و افزونگی مورد نیاز برای استقلال سطح 4 را فراهم می کند. اما از سوی دیگر، سخت است که بگوییم 100٪ ضروری است. ما معتقدیم که این یک مسیر بسیار امکان‌پذیر است که بر اساس پیکربندی حسگر بالای Hyperion 10 برای رسیدن به قابلیت سطح بالای شهری و بزرگراهی سطح 4 است. از سوی دیگر، از نظر تئوری، مردم می توانند با مسافت پیموده شده زیاد ثابت کنند که لیدار ممکن است ضروری نباشد. اما اساساً با محدودیت ODD همراه خواهد بود. با عرض پوزش، محدودیت ODD چیست؟ دامنه طراحی عملیاتی (ODD) اساساً یک دامنه کاربردی است. می توانید فناوری را به کار بگیرید. ما در این مورد تحلیل های زیادی انجام داده ایم. بر اساس درک فعلی ما و چارچوبی که برای انجام این تجزیه و تحلیل استفاده می کنیم، ما معتقدیم که برای استقرار این فناوری L4 در تمام ODD هایی که مشتری ما می تواند از آن بهره مند شود، داشتن لیدار در مقایسه با نداشتن آن بسیار بهتر است. وقتی به جایی نگاه می کنید که تسلا با خودرانی کامل و وسایل نقلیه اش و تعهد مطلق آنها به یک سیستم مبتنی بر بینش در کجاست، فکر می کنید که آنها در حال حاضر از شما جلوتر هستند؟ آیا فکر می کنید آنها در برابر هستند؟ آیا فکر می کنید آنها پشت شما هستند؟ دو سطح برای پاسخ به این سوال وجود دارد. برای فناوری پایه L2++، ایلان احتمالاً از همه جلوتر است. او مدت‌ها پیش یک بخش داشت و مدت‌ها به چشم‌انداز توسعه و آزمایش این فناوری در میان یک ناوگان عظیم پایبند بود. هیچ کس نمی تواند استدلال کند که ایلان در بازار ADAS از همه جلوتر است و اساساً همه در حال بازی کردن هستند. و در واقع ما بسیار خوشحالیم که ایلان بسیار موفق است. بدیهی است که ایلان برای ما نیز مشتری بزرگی است، هم برای اسپیس ایکس و هم برای تسلا در سمت کامپیوتر GPU. ما از او و تیمش حمایت می کنیم تا مطمئن شویم که موفق هستند. برای سطح 4، فکر می کنم بازتر است. بازیکنان شناخته شده ای وجود دارند که ثابت شده اند، مانند Waymo، که در حال حاضر مشتریان را به تجربه واقعی L4 با استفاده از روش هایی که استفاده می کنند، می برند. احتمالاً تسلا هنوز در تلاش برای یافتن مسیر آنجاست. ما سعی نمی کنیم برندگان را انتخاب کنیم، اما سعی می کنیم به همه کمک کنیم تا بتوانند آن فناوری را توسعه دهند. ماموریت ما واقعاً این است که تلاش کنیم تا اکوسیستم AV به این چشم انداز از هر مایل برسد، هر چیزی که حرکت می کند مستقل خواهد بود. این نوع چشم انداز به واقعیت تبدیل می شود. آیا با مدیران تسلا در مورد استفاده از لیدار صحبت کرده اید؟ به نظر عجیب و غریب مذهبی بی دلیل است، به خصوص اگر هزینه ها به قول شما کاهش می یابد. در برخی مواقع، اگر راه‌حل فناوری بهتر درست وجود داشته باشد، به نظر می‌رسد که همه باید از آن استفاده کنند. آیا شما آن گفتگوها را داشته اید؟ خوب، در واقع نه، نه خودم. تیم من قطعا دارد. من مشتاقانه منتظر این گفتگو با آنها هستم. بیشتر اینها فقط علوم پایه و استدلال است. شنیدن نظرات آنها نیز خوب است. من می خواهم با صحبت در مورد چیزی که حداقل در کنترل شما باشد صحبت کنم. مدل‌ها بهتر می‌شوند، انویدیا به ساخت تراشه‌ها ادامه می‌دهد، شاید مشتریان همچنان خواستار رانندگی خودران باشند. این همه چیزی شبیه چیزی است که شما باید روی آن کنترل داشته باشید. اما بازار خودرو، لبه برش بازار خودرو در چین اتفاق می افتد. من فکر می کنم ما فقط می توانیم در این مورد به توافق برسیم. مصرف کنندگان آمریکایی TikTok را باز می کنند و می بینند که تأثیرگذاران خودرو در مورد وسایل نقلیه BYD صحبت می کنند و در نظرات شکایت می کنند که نمی توانند آن خودروها را تهیه کنند. من یک ویدیو از یک بیوک که در چین است تماشا کردم. این یک خودروی الکتریکی بیوک است که نمی‌توانید آن را در ایالات متحده تهیه کنید و مشتریان آمریکایی از اینکه بیوک در چین خودروهای بهتری نسبت به آنها در اینجا می‌سازد خشمگین هستند. موانع تجاری زیادی بین ایالات متحده و چین وجود دارد. انویدیا به هر نحوی در میانه این مبارزه قرار دارد، چه تعرفه‌های واردات قطعات خودرو، چه بلوک‌های واقعی درباره اینکه چه تراشه‌هایی می‌توانند فروخته شوند و درآمد حاصل از آن چیپ‌ها به کجا می‌رود. در حالی که سعی می کنید بازار خودرو را به جلو ببرید، هرج و مرج تجاری آمریکا و چین چگونه در آن نقش دارد؟ آیا این چیزی است که شما به آن فکر می کنید؟ آیا این چیزی است که صنعت را کند می کند؟ آیا چیزی است که بتوانید از آن عبور کنید؟ خب، من مطمئناً معتقدم که سیاستگذاران استدلال و منطق خود را برای اتخاذ سیاستی که در حال حاضر می بینیم، دارند. به عنوان انویدیا، ما یک بازیکن اکوسیستم باز هستیم. ما هنوز مشتریان زیادی در چین داریم. ما سعی می‌کنیم کمک کنیم... به عنوان مثال، ما همچنان تراشه‌های استنتاج داخل خودرو را عرضه می‌کنیم، زیرا آنها هنوز زیر آستانه چیزی هستند که GPU مجاز به فروش در بازار چین هستند. ما همچنین با تمام OEM های چینی کار می کنیم. در واقع، نه همه آنها، بلکه تعداد کمی از آنها، برای کمک به زیرساخت با تهیه ابزارهای شبیه سازی. ما روی مدل‌های منبع باز، Cosmos و Alpamayo با آنها کار می‌کنیم. از یک طرف، ما می توانیم به آنها کمک کنیم تا مدل های خود را بهتر کنند. از سوی دیگر، می توانیم از رقابت در بازار چین نیز درس بگیریم. ما همچنین در حال همکاری بسیار نزدیک با سایر OEM های جهان هستیم و سعی می کنیم تمام پلتفرم های Nvidia و در لایه های مختلف را به OEM های مختلف عرضه کنیم تا به آنها کمک کنیم تا موفق شوند. باز هم، ما برندگان را انتخاب نمی کنیم و سعی می کنیم با همه کار کنیم. ماموریت فوق العاده روشن است و ما سعی می کنیم تا حد امکان این چشم انداز را به واقعیت تبدیل کنیم. وقتی در مورد به اشتراک گذاری داده ها بین OEM ها برای آموزش بهتر مدل ها و توانمندتر کردن آنها صحبت می کنید، آیا موانع قانونی یا موانع رقابتی بین اشتراک گذاری داده ها از OEM های چینی و OEM های آمریکایی و اروپایی وجود دارد؟ اوه بله، البته. نه تنها چین بلکه سایر مناطق نیز محدودیت هایی دارند. به عنوان مثال، اروپا مقررات خاصی در مورد داده ها دارد. ما با تمام مقررات محلی مطابقت داریم تا مطمئن شویم که با مناطق مختلف مطابقت داریم. آیا این بدان معناست که انواع منطقه ای مدل ها قابلیت های متفاوتی دارند یا در موارد مختلف بهتر هستند؟ زیرا اگر داده های ورودی متفاوت باشد، به نظر می رسد که شاید خروجی نیز متفاوت باشد. کاملا. خب اول از همه برای مدل تولیدی سعی می کنیم تا جایی که می توانیم آن را فورک نکنیم اما تفاوت های اساسی منطقه ای وجود خواهد داشت. مدل بر اساس ورودی در مناطق مختلف رفتار متفاوتی خواهد داشت. برخی از چیزها چیزی است که ما به آن کد کشور می گوییم. بنابراین بدیهی است که قوانین در مناطق مختلف مانند اروپا در مقایسه با ایالات متحده کاملاً متفاوت است. برخی از انطباق ها مورد نیاز است و برخی از پارامترها نیز متفاوت هستند. بله، این یک سفر کاملاً جالب است که سعی می‌کنیم این فناوری را در بخش‌های مختلف جهان گسترش دهیم. آیا فکر می‌کنید - بر اساس رویکردهای نظارتی مختلف، رویکردهای داده‌های مختلف، داده‌های ورودی متفاوت، پیکربندی متفاوت OEMها و آنچه که آنها مایل به سرمایه‌گذاری در آن هستند، یارانه‌های متفاوت دولت‌ها - چین ابتدا به عنوان یک تجربه اصلی خودران به سطح 4 خواهد رسید؟ زیرا اگر بخواهم به آن نگاه کنم، شرط می‌بندم که خودرانی سطح 4 قبل از اینکه در ایالات متحده به عنوان یک تجربه اصلی اتفاق بیفتد، در چین اتفاق می‌افتد. من در واقع فکر نمی کنم این درست باشد. همانطور که می‌دانید، Waymo در حال حاضر همه را به تجربه L4 می‌رساند، حداقل در برخی از ODD‌ها در سانفرانسیسکو، و آنها به سرعت در حال گسترش هستند. چین بدیهی است که بازار رقیب بسیار پویا تری است و بازیگران کمی در آنجا حضور دارند. اما تجربه من این است که همه آنها حداقل در سانفرانسیسکو بلوغ Waymo را دارند. ما سعی می کنیم به همه افراد در اکوسیستم کمک کنیم. از منظر OEM، این یک چشم انداز رقابت متفاوت است، اما حتی در سمت OEM، من فکر می کنم مناطق مختلف انواع مختلفی دارند... خوب، یک طرف این است که خیابان های چین در مقایسه با خیابان های ایالات متحده بسیار چالش برانگیزتر هستند. و سطح 4، من گاهی اوقات آن را یک بازی صفر-pne می نامم. یا آن را دارید یا ندارید. از امروز، من فکر می‌کنم تنها کسی که واقعاً ثابت کرده است L4 می‌تواند با خیال راحت برای هر مشتری بدون راننده در منطقه‌ای به اندازه شهر بدون هیچ محدودیتی قابل استقرار باشد، هنوز در ایالات متحده یا چین است. بله، این Waymo است. من فکر می کنم Waymo از شنیدن توصیف آنها به عنوان یک تجربه اصلی بسیار خوشحال خواهد شد. من می پذیرم که برای برخی از افراد در سانفرانسیسکو، Waymo یک تجربه اصلی است. من فکر می کنم برای اکثریت قریب به اتفاق آمریکایی ها هنوز اینطور نیست. و این چرخش بزرگ است، درست است؟ چه زمانی Waymo می تواند در برف کار کند؟ چه زمانی آنها را در شیکاگو مستقر می کنند؟ و در شهر نیویورک. من به عنوان کسی که برای مدت طولانی در شیکاگو بودم، بسیار کنجکاو هستم که این وضعیت در شیکاگو و شهر نیویورک چگونه پیش می‌رود. سوالی که من دارم این است که آیا تجربه اصلی این است که شما فقط یک ماشین می‌خرید و سطح 2 ADAS اکنون به نوعی کالایی در خودروها است؟ سطح 4 یک کالای اصلی در خودروها خواهد بود. دکمه را فشار می دهید و خودش شروع به رانندگی می کند. به نظر شما چقدر با آن فاصله داریم؟ این دقیقاً مأموریت من است، تلاش برای کمک به صنعت برای رسیدن به آنجا. من می گویم اگر لازم باشد زمان بگذارم، نمی گویم پنج سال، اما کمتر از پنج سال. این یک پیش بینی جسورانه است. فکر می‌کنم ما آن را آنجا رها می‌کنیم، زیرا به موقع رسیده‌ایم. تو واقعا عالی بودی، شینژو. من هیجان زده هستم که دوباره با شما صحبت کنم. ما قبل از پنج سال شما را برای بررسی این پیش‌بینی بازمی‌گردانیم. اما در مرحله بعد از Nvidia باید به دنبال چه چیزی باشیم؟ چیزهای زیادی وجود دارد که ما در حال برنامه ریزی هستیم. اول از همه، تا پایان سال جاری، ما فناوری خود را در سمت ADAS در تمام خودروهای مرسدس و برخی شرکای دیگر در سراسر ایالات متحده عرضه می کنیم. از چند سال آینده، ما سعی خواهیم کرد این فناوری را در سایر نقاط جهان عرضه کنیم. در همین حال، ما نیز از نزدیک با شرکای خود، به عنوان مثال، Uber کار می کنیم. ما اعلام کردیم که در GTC، در تلاش هستیم تا سرویس L4 خود را در چند سال آینده عرضه کنیم. فوق العاده هیجان انگیز است علاوه بر آن، ما باز هم یک بازیگر اکوسیستم هستیم. ما تقریباً با همه OEM ها کار می کنیم. در حال حاضر، می‌توانم بگویم 80 درصد از OEMهای تولید انبوه در اکوسیستم Hyperion انویدیا برای L4 هستند. ما این آینده را با همه می سازیم. امیدواریم در آینده شاهد اطلاعیه های هیجان انگیزتری از ما باشید.  خب، همانطور که گفتم، ما باید به زودی شما را برگردیم. از حضور شما در Decoder بسیار سپاسگزارم. از حضور من متشکرم، نیلای. چت کردن با شما خیلی خوب است سوالات یا نظرات؟ ما را در [email protected] سر بزنید. ما واقعاً هر ایمیلی را می خوانیم!