Aujourd'hui, je parle avec Xinzhou Wu, responsable de l'automobile chez Nvidia.  Nvidia fait évidemment constamment l’actualité en raison du boom de l’IA – c’est l’une des entreprises les plus précieuses au monde, car l’industrie de l’IA ne peut pas se lasser des GPU de l’entreprise. Mais Nvidia est également un fournisseur clé de l’industrie automobile. Les voitures sont équipées de puces depuis des années et Xinzhou a joué un rôle déterminant dans la création d’un système de conduite autonome complet que les constructeurs automobiles peuvent simplement utiliser. C’est déjà le cas dans les véhicules électriques Mercedes plus récents, par exemple, comme vous l’entendrez le mentionner à plusieurs reprises. Je voulais donc vraiment connaître son point de vue sur la façon dont l’industrie automobile gère la grande transition vers les véhicules électriques autonomes. C’est l’objectif que tous les constructeurs et équipementiers automobiles vous diront, mais qui semble peut-être plus lointain que jamais en 2026. Le cycle d’adoption des véhicules électriques aux États-Unis est complètement déraillé, la conduite autonome semble toujours bloquée pour tenter de résoudre les derniers 20 % de situations, et les voitures elles-mêmes ne cessent de devenir plus chères alors même que les consommateurs ressentent la pression de l’inflation et la hausse des prix de l’énergie à tous les niveaux. Vous entendrez Xinzhou dire qu’il y a eu des progrès surprenants dans la réinvention de la nature fondamentale de la voiture elle-même – ce que l’industrie appelle le « véhicule défini par logiciel », contrôlé par seulement une poignée d’ordinateurs puissants au lieu de dizaines, voire de centaines d’unités de commande électroniques indépendantes, ou ECU. Si vous êtes un auditeur de Decoder, vous avez entendu de nombreux constructeurs automobiles parler de la nécessité de s’éloigner des calculateurs ; Xinzhou dit que ce moment est fondamentalement arrivé.  Nous avons beaucoup parlé de l’industrie automobile chinoise et de la façon dont elle a pu prendre une longueur d’avance parce qu’elle a commencé à s’appuyer sur des architectures et des plates-formes de véhicules électriques, au lieu d’avoir à gérer une transition loin des voitures à essence et de tous ces calculateurs. Xinzhou a travaillé chez un fabricant d'équipement d'origine chinois (OEM), il a donc beaucoup d'informations dans ce domaine. Nous avons également parlé de travailler chez Nvidia lui-même. Il s’agit d’une entreprise unique avec un leader unique en la personne de Jensen Huang, et Xinzhou a déclaré que ses trois années là-bas jusqu’à présent ont été une expérience d’apprentissage rapide. Il n’a pas hésité à reconnaître la nécessité de rivaliser pour les ressources et les capacités avec l’activité IA en plein essor de l’entreprise. Sa description de ce qui l’emporte dans ces arguments, en particulier lorsque ses clients sont aussi lents et aussi réticents aux coûts que les constructeurs automobiles, était fascinante. Bien sûr, nous avons dû discuter de l’IA et de la manière dont l’approche de Nvidia en matière d’autonomie rassemble ce que Xinzhou appelle la pile « classique » et la capacité de raisonner les modèles pour faire fonctionner la voiture. Il y a beaucoup de choses ici, y compris l'idée que vous aurez un modèle d'IA qui se parlera littéralement pour comprendre comment conduire votre voiture, ce que je trouve à la fois incroyablement intéressant et incroyablement drôle. Et bien sûr, on ne peut pas parler de voitures électriques ou d’autonomie des véhicules aux États-Unis sans parler d’Elon Musk et de Tesla. J’ai donc demandé assez directement à Xinzhou si la conduite entièrement autonome de Tesla pouvait réellement faire ce qu’Elon prétend pouvoir faire sans utiliser le lidar. Vous me dites si vous pensez que sa réponse tient la route. D'accord : Xinzhou Wu, responsable de l'automobile chez Nvidia. On y va. Cette interview a été légèrement modifiée pour plus de longueur et de clarté. Xinzhou Wu, vous êtes le responsable de l'automobile chez Nvidia. Bienvenue sur Décodeur. Merci de m'avoir invité. Je suis vraiment excité de vous parler. On a l’impression que la nature même de ce qu’est une voiture est à gagner. On a l’impression que l’industrie automobile est dans une période de réalignement massif, presque comme si l’on avait une idée de l’avenir de la voiture en tant que produit pendant plusieurs années, et cela est dû aux difficultés de transition des véhicules électriques, à cause des difficultés de la guerre commerciale entre les États-Unis et la Chine. Tout cela semble plus compliqué que jamais. De nombreux constructeurs automobiles se retirent, et il semble que votre position chez Nvidia vous donne une vision assez large de ce qui se passe dans l’industrie automobile, car vous fournissez un grand nombre de grands constructeurs automobiles dans pratiquement tous les pays. Alors commençons par là. Que pensez-vous de la situation de l’industrie automobile sur ce long et sinueux chemin vers l’autonomie et l’électrification ? C’est une excellente question. Je travaille dans le secteur automobile depuis probablement 15 ans, depuis ma carrière chez Qualcomm. J'ai dirigé l'équipe automobile Qualcomm pendant un certain temps. Et évidemment, nous avons entendu l’expression « véhicule défini par logiciel ». À l’heure actuelle, avec la technologie de l’IA, nous passons à la phase suivante, ce que nous appelons essentiellement un « véhicule défini par l’IA ». Grâce à ces innovations technologiques massives, l’industrie automobile a évolué assez rapidement au cours de la dernière décennie. Comme vous le savez, j'ai également travaillé pendant cinq ans au sein d'un équipementier chinois, à la tête de leur équipe de conduite autonome. Maintenant, je suis chez Nvidia. Ce que j’ai donc vu au cours de mes 15 années de carrière, c’est l’opportunité d’assister à ce changement massif. La voiture est passée, disons, principalement de machines mécaniques, plus des machines électriques, à certaines choses dont nous pouvons améliorer les capacités grâce à un logiciel en direct (OTA) assez rapidement. C’est ce que nous appelons l’ère des « véhicules définis par logiciel ». Aujourd’hui, avec l’évolution de la technologie vers l’IA générative, nous utilisons l’IA pour réécrire la plupart des logiciels de la voiture. C’est ce que nous appelons le « véhicule défini par l’IA ». Cela a également, d’une part, accéléré le rythme de développement des capacités du véhicule. Et d’un autre côté, cela a également changé la façon dont nous définissons le « véhicule ». L’IA a un impact sur l’ensemble de l’industrie à tous les niveaux. C’est vraiment passionnant de voir comment le monde évoluera à partir de maintenant avec ces nouvelles innovations technologiques. Permettez-moi de démonter quelques termes. Je les entends beaucoup de la part des constructeurs automobiles qui aiment venir au salon et me dire ce qui va arriver aux voitures. Mais je pense que certains de ces termes sont un peu flous. Vous avez donc dit « véhicule défini par logiciel ». C'est un terme assez flou. Je pense que l’idée est que nous allons nous débarrasser de tous les calculateurs d’une voiture qui contrôlent actuellement de nombreux systèmes différents. Et nous centraliserons tous ces composants dans peut-être un ou deux grands centres de calcul dans une voiture. Tesla est très célèbre pour avoir fait cela. Rivian a fait un énorme pari là-dessus. Wassym Bensaid de Rivian était justement dans l'émission pour en parler. D’autres constructeurs automobiles historiques ont essayé de le faire. Nous avions GM dans l'émission. Ils ont dit : "Écoutez, nous n'avons pas besoin de faire ça. Tout va bien. Nous le ferons à notre manière." Ford a essayé de le faire de manière considérable. Ils ont dû créer une usine et construire une toute nouvelle façon de fabriquer une voiture dont ils sont très fiers. Un camion sortira bientôt de cet effort, nous dit-on. Je ne pense pas que l’industrie en soit arrivée là. C’est essentiellement ce que je dis. Les constructeurs automobiles en démarrage sont arrivés au point où ils pouvaient prétendre avoir un véhicule défini par logiciel dans lequel il y avait un ou deux gros ordinateurs dans la voiture contrôlant chaque système. La plupart des constructeurs automobiles traditionnels n’ont pas encore réussi.  Je vais mettre un astérisque là-dessus. Peut-être que Ford réussira avec ce nouveau camion, mais nous ne le savons pas encore. Pensez-vous que l’industrie dans son ensemble va se tourner vers les véhicules définis par logiciel ou pensez-vous que les constructeurs automobiles traditionnels vont rester là où ils sont ? 100%. J’ai eu l’occasion d’être témoin de ce qui s’est passé en Chine de 2018 à 2023. L’ensemble du secteur a traversé ce changement massif en seulement cinq ans. Là-bas, non seulement les nouveaux constructeurs automobiles, mais aussi les anciens constructeurs doivent s’adapter. Tout le monde s’adapte à une architecture électrique de type calcul central unique, car c’est ainsi que vous êtes compétitif.  Dans le reste du monde également, nous avons également nos partenaires grâce à la collaboration Drive and Drive sur les véhicules autonomes (AV), par exemple avec notre partenaire Mercedes. Leur génération actuelle est une architecture informatique essentielle. Ce sera dans tous leurs véhicules. Pour les autres constructeurs de base, nous travaillons avec tous et essayons de les aider à convertir ou à mettre à niveau l'architecture vers une voie à un ou deux ordinateurs, car il y aura de l'infodivertissement, il y aura des systèmes de conduite de base ou avancés d'aide à la conduite (ADAS), ECU. Mais je pense que le monde évolue assez rapidement dans cette direction. Certains d’entre eux seront évidemment plus lents. Certains d'entre eux seront plus rapides. C’est la nature de cette entreprise. Mais je n’ai aucun doute sur le fait que le monde évolue fondamentalement dans cette direction. En fait, je suis curieux de connaître votre histoire. Vous avez travaillé chez XPeng, un constructeur automobile chinois. J'ai l'impression, étant assis là où je suis aux États-Unis et étant un passionné de voitures depuis longtemps, que les constructeurs automobiles chinois avaient un avantage assez unique dans la mesure où ils n'étaient pas de grands constructeurs automobiles mondiaux. Ils n’opéraient pas à grande échelle. L'électrification est arrivée. Tesla a évidemment construit de nombreuses capacités en Chine pour fabriquer des voitures. Nous savons tous comment fonctionne l’écosystème manufacturier chinois et il a fallu le réinitialiser. Ils ont dû concevoir un certain nombre de voitures en tant que véhicules électriques, de manière vierge, essentiellement de la même manière que les constructeurs automobiles américains en démarrage, et construire des voitures compétitives à l'échelle mondiale à partir d'une base totalement nouvelle, sans avoir à se soucier d'un certain nombre de choses dont les anciens constructeurs automobiles américains auraient à se soucier. Et puis, le gouvernement chinois a évidemment subventionné tout cela à des taux faramineux. Vous y avez travaillé. Était-ce votre expérience ? Est-ce essentiellement comme cela qu’ils ont pu repartir à zéro ? Je pense que ce n’est qu’un côté. Ils ont certainement moins d’héritage, moins de fardeau dont il faut s’inquiéter et c’est un avantage. Mais ce que je constate également, ce ne sont pas seulement les nouveaux équipementiers, mais même les acteurs mondiaux qui doivent s'adapter au rythme chinois. Au moins d'après ce que j'ai appris là-bas, tout le monde va à ce rythme. Encore une fois, vous voulez pouvoir rivaliser.  Mais comme vous l’avez dit, la vague… Les véhicules définis par logiciel existent depuis longtemps et c’est Tesla qui les amène vraiment à la pleine production. Je ne sais pas si ce sont les premiers, mais certainement dans la plus grande mesure. Je suis convaincu que les équipementiers du reste du monde suivront également. Je pense que tous les équipementiers devront désormais le faire parce que c’est ainsi que vous êtes compétitif, c’est ce que vous devez faire pour survivre. L’autonomie deviendra presque une nécessité pour tous les équipementiers dans leurs véhicules. Nous croyons tous en cet avenir. Et le seul moyen d'y parvenir est d'accéder à… Tout d'abord, il y a l'architecture que j'ai décrite, qui permet des mises à niveau logicielles sans avoir de très nombreux calculateurs discrets. En fait, je n’ai pas entendu quelqu’un s’opposer à cela récemment. Peut-être avez-vous entendu quelque chose de différent, mais je pense que c’est une étape nécessaire pour tout le monde. À ce stade, c’est presque comme un enjeu de table pour l’architecture de la prochaine génération. Nous discutons évidemment avec de nombreux équipementiers, mais c’est un consensus vers lequel l’industrie s’oriente. Je suis curieux de connaître la voie à suivre, car je suis d’accord avec vous que de très nombreuses personnes ont dit que c’était l’état final et que cela permettait tout ce qui va suivre. On a simplement l’impression que le cheminement a été beaucoup plus semé d’embûches que ce à quoi l’industrie s’attendait. Cela s’explique en partie, je ne sais pas, par le fait que l’administration Trump n’aime pas les véhicules électriques. Ainsi, les ventes de véhicules électriques et les crédits d’impôt ont disparu et peut-être que les ventes de véhicules électriques ont grimpé à mesure que toute cette demande a progressé et peut-être que tout le monde veut une voiture à essence maintenant. Et peut-être que tout cela est plus difficile lorsque vous ne disposez pas d’une batterie géante capable d’alimenter tous ces systèmes à perpétuité et que vous devez en fait démarrer le moteur pour alimenter tous ces systèmes au lieu d’avoir une batterie de 12 volts. Ou peut-être est-ce parce que les constructeurs automobiles chinois sont si compétitifs et tellement subventionnés que le coût de cette opération pour les constructeurs automobiles historiques est difficile à surmonter, car ils doivent s’occuper de l’infrastructure et des réseaux de concessionnaires existants aux États-Unis et nous allons simplement attendre. Il y a quelque chose dans le chemin vers cet état futur convenu de la voiture qui semble plus difficile que je ne le pensais ou que quiconque présent à l’émission au cours des cinq dernières années l’a dit. Je suis curieux, de votre point de vue. Vous êtes le fournisseur, vous essayez de vendre la vision, vous essayez de mettre des puces dans toutes les voitures. De votre point de vue, qu’est-ce qui a rendu ce chemin plus difficile ? Eh bien, vous avez dit pas mal de choses. L'industrie automobile est très lourde. Cela implique des chaînes d’approvisionnement massives et de nombreuses entreprises, de nombreux employés. Et pour changer l'architecture, chaque fois que vous sortez une voiture, vous devez la soutenir pendant 10 à 15 ans. Nvidia, en tant que fournisseur, prend également un engagement similaire envers ses clients pour toutes les technologies que nous fournissons, y compris les chipsets, les autres plates-formes et notre technologie audiovisuelle. Nous aurons l’engagement de soutenir la même génération pendant 10 à 15 ans, même pour la génération actuelle de puces. Si vous y réfléchissez du point de vue d’un fournisseur de la Silicon Valley, c’est presque insensé. Mais c’est la nature du secteur automobile. La nature de l’activité est telle que cela ralentira un peu les choses. Et c'est une chose. L’autre chose est que, parce que la technologie évolue si rapidement et si différemment depuis, disons, l’automobile telle que nous la connaissions auparavant et vers le véhicule défini par logiciel, jusqu’au véhicule défini par l’IA, il faut passer par un vivier de talents différent pour pouvoir créer l’entreprise de manière appropriée et s’adapter à cette nouvelle vague d’innovations technologiques. C'est pourquoi Nvidia peut intervenir et vous aider. Parce que nous pensons que la technologie arrive à son terme – nous parlons ici principalement du véhicule autonome, évidemment. La technologie atteint un certain niveau de maturité. Nous allons amener cette technologie en production de masse et un fournisseur pourra intervenir. C’est pourquoi nous fournissons non seulement la technologie AV, mais également toute la plate-forme, depuis la puce jusqu’aux systèmes d’exploitation, un modèle open source et ce que nous appelons Halos, le système d’exploitation de sécurité qui aide les équipementiers à s’adapter plus rapidement à ce nouveau monde.  La nature du métier fait que tout le monde ne peut pas fonctionner à la même vitesse. Alors bien sûr, en raison de la lourdeur de cette industrie, il faudra un certain temps à tout le monde pour franchir la ligne d’arrivée. Mais encore une fois, mon travail chez Nvidia est d'essayer d'aider tout le monde à parvenir à tout ce qui bouge de manière autonome, pour parvenir à cette vision le plus rapidement possible. Permettez-moi maintenant de vous poser des questions sur votre rôle chez Nvidia, car je pense que cela nous amène aux questions du décodeur. Je pense que tous ceux qui écoutent l’émission connaissent probablement très bien le parcours de Nvidia avec l’IA. C’est l’une des entreprises les plus valorisées au monde. Chaque GPU que Nvidia peut fabriquer est pris en compte. Combien de personnes travaillent chez Nvidia Automotive ? Nous avons en fait une équipe assez importante, de l’ordre de milliers dans l’équipe automobile. Parce que nous travaillons sur l’ensemble de la plateforme, il y a le matériel, les logiciels, le modèle et l’infrastructure. C’est une équipe assez nombreuse. Nvidia dispose également de nombreux éléments que nous pouvons exploiter auprès des autres équipes. Par exemple, je suis presque sûr que vous avez entendu parler de Cosmos et de Nemotron. Ce sont nos modèles de fondation open source de base. Nous tirons également largement parti du travail de leur côté. Comment est organisée votre équipe ? Vous avez mentionné que vous disposiez de matériel, de logiciels et de modèles. Est-ce la structure de base de l’équipe ou est-elle organisée différemment ? Oui. Eh bien, du côté de l'ingénierie, nous avons évidemment le produit, nous avons la stratégie, nous avons quelque chose en coulisses. Parfois, nous les appelons des héros méconnus. L'équipe map par exemple, qui est encore très critique pour les L3, L4, les parcours de haut niveau d'autonomie. Et l'infrastructure de données. Les cartes de navigation littérales, c’est de cela dont vous parlez. Eh bien, il y a aussi une carte HD. Donc en gros, je divise mon équipe de cette façon. Oui. Et puis, est-ce que tout cela est mondial ? Est-ce principalement aux États-Unis ? Où est-ce que ça se trouve ? Principalement aux États-Unis, mais nous sommes également présents en Chine et en Europe. Évidemment, nous construisons un produit mondial, une plateforme mondiale, nous avons donc besoin d’une équipe d’assistance partout. Vous avez mentionné que vous vous appuyiez sur certains des modèles de base que Nvidia a développés plus largement. Comment votre équipe est-elle structurée au sein de Nvidia ? Est-ce que cela s’inscrit dans la stratégie d’IA ? Est-ce mis à part ? Êtes-vous plus cloisonné ? Comment ça marche ? Oh, c'est une excellente question. Chez Nvidia, nous avons, disons, une équipe matérielle centralisée, qui est responsable de la feuille de route matérielle sur notre GPU, le CPU, toute la stratégie du chipset et la production. Nous disposons également d’une équipe logicielle centralisée. L'équipe automobile est une organisation distincte, beaucoup plus axée sur l'automobile, avec pour mission de créer la plate-forme automobile pour tirer parti du travail de notre équipe matérielle et de l'équipe logicielle et s'adapter à l'automobile. Nous avons également l’équipe modèle.  Nvidia a également une culture d'équipes virtuelles. Par exemple, notre modèle open source pour Nemotron et Cosmos, ils font tous face à notre équipe de recherche, à l'équipe logicielle et à l'équipe matérielle. Mais ce sont des équipes virtuelles qui travaillent sur ces modèles de fondation open source. Nous pouvons tirer parti de ce travail et ensuite, au sein de l'organisation automobile, créer un modèle pour aider l'industrie audiovisuelle à disposer d'un modèle open source puissant sur lequel travailler. Comme je l'ai dit, pratiquement tous les GPU que Nvidia peut fabriquer sont pris en compte d'une manière ou d'une autre. C’est la nature même de l’industrie de l’IA à l’heure actuelle. Ils vont aller dans un néocloud quelque part. Devez-vous vous battre pour obtenir des ressources et attirer l’attention sur cette entreprise qui se développe à la vitesse et à l’échelle auxquelles elle se développe ? Oui, croyez-le ou non. [Rires] Même Nvidia dispose d'une offre limitée de GPU pour le calcul. Nous avons une priorité interne et je travaille avec mes collègues presque chaque semaine pour décider comment mettre de côté les différents calculs, parfois pour la formation, parfois pour les tests, ou les ressources pour un autre fil de travail dans l'entreprise. Et parfois, nous avons besoin de l'aide de Jensen [Huang, Nvidia CEO], mais oui. Comment ça marche ? À quoi ressemble ce débat ? Est-ce un débat sur le retour sur investissement ? « Si nous investissons autant d’argent, nous retirerons autant d’argent de nos clients » ? Est-ce un débat sur la taille du marché ? Quels sont les paramètres de la conversation ? C’est tout ce qui précède, comme vous pouvez l’imaginer. Les revenus sont évidemment importants, mais Nvidia, comme vous le savez, est également une entreprise très stratégique. Nous valorisons ce que Jensen appelle parfois le business à zéro billion de dollars. Nous recherchons de nouvelles opportunités susceptibles de créer à tout moment une activité pouvant générer des milliards de dollars. Il est donc nécessaire que nous fixions des priorités stratégiques au sein des entreprises dans la nouvelle direction que nous prenons. Vous savez probablement aussi que nous ne sommes pas une société de parts de marché. Il s’agit d’un équilibre entre ce qui rapporte de l’argent maintenant et ce qui peut créer l’avenir, ce qui peut créer des opportunités pour l’entreprise dans le futur. Nvidia est une entreprise gérée de manière tout à fait unique. Comme vous l’avez mentionné, Jensen est profondément impliqué dans tout. J’ai vu une interview avec lui dans laquelle il disait qu’il n’avait pas de réunions en tête-à-tête. Il rencontre tout le monde en même temps et tout le monde se débrouille. Comment ça se passe ? Je suis chez Nvidia depuis trois ans. C’est très unique, honnêtement. Et ce n’est évidemment pas tout le monde en même temps. Ce sont des groupes différents. Nous avons tous un produit de stratégie technique, une partie différente des revues commerciales avec Jensen. En fait, c’est super excitant pour moi d’apprendre de sa réflexion stratégique et de sa façon de penser un produit, de sa façon de penser une stratégie. Il est également particulièrement profond sur le plan technique. C’est aussi une expérience assez inspirante de voir à quel point il se tient à jour sur le plan technique. C’est, je dirais, une expérience et une opportunité unique dans ma vie de pouvoir apprendre de Jensen. Lorsque vous décrivez les opportunités d’autonomie, en particulier dans le futur, cela semble être le grand pari. "Nous allons mettre à profit l'excellence informatique de Nvidia et la puissance de l'IA dans les voitures, et les faire conduire elles-mêmes." À quoi ressemble ce modèle de revenus ? Avez-vous l’impression que vous vendez simplement des puces et des logiciels aux constructeurs automobiles ? Semble-t-il que les consommateurs paient un abonnement et qu’une partie de cet abonnement vous revient ? D’où viennent ces mille milliards de dollars ? C’est aussi une excellente question. Aujourd’hui, nous croyons fermement que tout ce qui bouge sera autonome. À l’avenir, chaque kilomètre parcouru par la voiture sera autonome. Si vous y regardez bien, parmi toutes les voitures, nous parcourons 13 000 milliards de kilomètres par an. À l’heure actuelle, le pourcentage de kilomètres autonomes parmi tous les kilomètres parcourus est probablement négligeable. Je pense que c'est 0,006%, ou quelque chose comme ça. C’est donc l’opportunité qui s’offre à nous. Le point de vue de Nvidia est que nous aiderons ensemble l’écosystème dès que possible en fournissant à nouveau tous les éléments technologiques de base, depuis les puces jusqu’aux systèmes d’exploitation, puis à ce que nous appelons Halos. Le système d'exploitation Halos est vraiment important car il fournit non seulement le SDK et les API permettant aux utilisateurs de développer des modèles sur notre matériel, mais il fournit également des garde-fous de sécurité permettant aux développeurs d'y mettre un modèle. Nous définissons également ce que nous appelons Hyperion comme une plateforme matérielle. Il s’agit d’une plate-forme prête pour la production, qui comprend les ressources informatiques, les calculateurs et également la suite de capteurs. Nous pensons qu’il est nécessaire d’atteindre un autre niveau d’autonomie. En plus de cela, nous fournissons Alpamayo, un modèle open source, que nous avons formé. Il est open source non seulement dans l’architecture du modèle, mais également dans les paramètres et les données que vous pouvez utiliser pour affiner le modèle sur notre plateforme. En plus de cela, nous fournissons également toutes les infrastructures nécessaires. Par exemple, la simulation est actuellement très importante pour le développement de l’audiovisuel. Nous disons généralement que le problème AV devient un problème à trois ordinateurs. Il y a l’ordinateur d’entraînement, l’ordinateur de simulation, puis l’ordinateur d’inférence dans la voiture. Nous souhaitons fournir tous ces éléments technologiques à l'écosystème dans une plate-forme que nous appelons Nvidia Drive, afin que les gens puissent développer cette technologie au-dessus de notre plate-forme. Nous espérons pouvoir obtenir à l’avenir un pourcentage des revenus que l’écosystème peut tirer de chaque kilomètre parcouru de manière autonome. C’est de là que peut provenir une opportunité d’un billion de dollars. Donc, le revenu par mile. Cela ressemble aux indicateurs de base que vous recherchez. D’où proviennent les revenus par mile pour un utilisateur ? Quand je conduis une voiture, est-ce que je paie un abonnement ? Ou pensez-vous qu'il y a des robots taxis partout, et qu'ils sont monétisés par trajet ? D’où viennent les revenus par mile et comment ce chiffre augmente-t-il ? C'est exact. Eh bien, je pense que le monde adoptera les deux modèles. L’un est le robotaxis. Comme vous le voyez, il en existe de nombreuses qui réussissent en Chine, aux États-Unis et dans le monde. Nous en verrons davantage, espérons-le, dans cette voie. Nous aurons une flotte de type taxi où vous pourrez vous emmener d'un endroit A à un endroit B sans chauffeur dans la voiture.  Je pense que la flotte de passagers continuera également d'exister pendant longtemps car nombreux sont ceux qui préfèrent encore un espace privé pendant le voyage. C’est comme si de nombreuses personnes préféraient encore être propriétaires de leur maison plutôt que de louer un appartement. Il y a aussi une économie derrière cela. Nous pensons que les deux modèles prospéreront. C'est pourquoi nous travaillons à la fois avec les sociétés de robotaxi et les autres constructeurs OEM, ainsi qu'avec les sociétés de développement de logiciels audiovisuels pour les aider en leur fournissant différents éléments technologiques de Nvidia. L’une des dynamiques intéressantes, au moins dans la partie électrification, au cours des cinq dernières années, a été la prise de conscience par les constructeurs automobiles traditionnels qu’ils étaient devenus des compagnies d’assurance et des sociétés de financement, et que leurs fournisseurs fabriquaient les voitures. Ils avaient considérablement perdu le contrôle de la conception automobile. Les fournisseurs de premier rang des grands constructeurs automobiles étaient, à bien des égards, responsables des grands sous-systèmes des voitures. Lorsqu’ils ont voulu faire une mise à jour en direct, ils ont dû parler à 15 fournisseurs différents pour y parvenir. J’ai entendu cette plainte des dizaines et des dizaines de fois dans l’émission. Et ils ont tous en quelque sorte réalisé : "Nous devons reprendre l'ingénierie de la voiture. Nous devons contrôler beaucoup plus fermement la plate-forme de la voiture." Il semble que dans l'autonomie, pour diverses raisons, Nvidia voit une opportunité de devenir le principal fournisseur d'une grande variété de constructeurs automobiles. C’est évidemment leur intention lorsqu’ils pensent : « Nous devons prendre le contrôle de la voiture. » Tesla utilise peut-être des puces Nvidia, mais ils sont très fiers du fait qu’ils ont écrit chaque ligne de ce code, et c’est leur plate-forme, et ils ont fait leurs paris technologiques. Rivian, je pense que Wassym est très fier du fait qu’il soit en charge de cette société de plateforme, et il va construire cette plateforme. RJ [Scaringe, Rivian CEO] est certainement très fier du fait que Rivian soit ce genre d'entreprise. Quelle est la dynamique là-bas ? Parce qu’il ne semble pas que tous les constructeurs automobiles puissent tenir le pari technologique et investir dans l’espoir que les revenus seront payants. Ils auront besoin d’un fournisseur comme Nvidia pour se présenter avec une plateforme et un modèle économique prêts à l’emploi. Est-ce que cela penche davantage en votre faveur maintenant ? Sommes-nous sortis de ce bois, ou est-ce toujours en suspens ? Je pense que la beauté du modèle économique de Nvidia du côté automobile réside dans le fait que notre plateforme est complètement ouverte. Nous fournissons plusieurs niveaux de services et dépendons des besoins des constructeurs OEM ou des entreprises de robotique. Ils peuvent sélectionner ce qu’ils souhaitent travailler avec nous jusqu’à quel niveau, comme vous l’avez mentionné, Tesla. Certains constructeurs OEM en sont capables. Ils veulent même construire leur propre inférence pour peindre la voiture. Même pour ça, ça va. Nous continuerons à travailler avec eux. En fait, nous travaillons avec Tesla et de nombreux constructeurs OEM qui utilisent leur propre puce d'inférence en collaborant avec eux dans le cloud. Nous essayons même de les aider à optimiser leurs modèles. Avec différents OEM, nous avons différentes collaborations, car nous avons toujours l'ordinateur de simulation et le calcul de formation dans l'infrastructure avec laquelle nous travaillons. Certains équipementiers souhaiteraient disposer d’une solution plus clé en main. Nous sommes également très heureux de travailler avec eux. Dans ce cas, nous irons jusqu'au bout. Nous travaillons comme un niveau 1, ou niveau 1.5, juste pour y aller main dans la main. Il s'agit de nos partenaires de type chauffeur AV, par exemple Mercedes. Nous travaillons en étroite collaboration avec eux pour définir les produits qu'ils souhaitent, puis adaptons également notre pile AV de conducteur pour qu'elle fonctionne de manière transparente dans leur véhicule. Les ingénieurs des deux côtés travaillent en étroite collaboration pour qu'il s'adapte bien à l'ADN du design Mercedes et à l'expérience client qu'ils souhaitent offrir. C'est vraiment important pour nous. Nous ne sélectionnons pas les gagnants en soi. Nous essayons d'aider les équipementiers en fonction de leurs capacités à différents niveaux. L’ouverture est vraiment importante pour notre modèle d’engagement avec les équipementiers. L’une des raisons pour lesquelles je suis si curieux à ce sujet est que vous avez mentionné des modèles de formation. Vous avez mentionné dans d’autres entretiens que vous utilisiez des données synthétiques pour entraîner l’autonomie de différentes manières. Je suis très curieux à ce sujet. Cela me frappe, en regardant l'industrie. Waymo a cette avance gigantesque en termes de kilomètres parcourus de manière autonome, et ils en sont très fiers, et cela a contribué à rendre leurs voitures aussi réussies que sur les marchés dans lesquels elles se trouvent. Tesla en a également un nombre énorme parce qu'ils se forment sur les voitures réelles qui sont conduites. Tous les constructeurs automobiles ne savent pas comment parcourir un milliard de kilomètres en autonomie. C'est exact. Oui. Ils devront compter sur un tiers pour parvenir au moins au statu quo, voire au-delà. On a l'impression que Nvidia est là, prêt à être ce tiers. Est-ce là une grande partie de l’argumentaire de vente adressé aux constructeurs automobiles ? « Vous pouvez simplement acheter notre technologie dans la capacité ouverte que vous souhaitez, et nous vous amènerons rapidement à un état compétitif » ? Je dirais que c’est le seul point convaincant pour les constructeurs OEM de s’engager avec Nvidia dans l’écosystème Hyperion, dans l’écosystème Drive. Parce que l’un des éléments clés qui définissent Hyperion est l’architecture de calcul, et que l’architecture des capteurs est également le partage de données. Pour toute personne qui s'engage et devient partenaire Nvidia Drive, nous partageons des données via notre programme existant, grâce auquel nous collectons des millions d'heures de données. Grâce aux différents programmes automobiles, nous accumulons également ces données auprès de différents constructeurs. Et puis nous pouvons tout d’abord construire un modèle qui est formé avec toutes ces données. Nous veillons à ce qu'au moins les données collectées dans nos différents programmes automobiles soient partagées avec le constructeur OEM. C'est le numéro un. Deuxièmement, nous sommes dans la nouvelle ère : nous croyons fermement que le calcul est aussi une question de données. Ainsi, comme vous l’avez mentionné, il existe de nombreuses données synthétiques.  Il existe des données de neuroreconstruction, que nous appelons NuRec. Il s'agit d'un élément technologique et de simulation très important dans lequel nous collectons les données sur le terrain, mais nous pouvons parfois utiliser la neuro-reconstruction pour truquer les données afin de changer l'arrière-plan ou la trajectoire de la voiture. Nous pouvons générer de nombreuses variantes des mêmes données. Toutes ces données ont besoin d’un ordinateur pour générer ces dizaines de millions de points de données. Nous pouvons partager avec tous ceux qui sont engagés dans notre écosystème. De cette manière, ensemble, avec tous les acteurs impliqués dans l’écosystème Drive, nous pouvons combler le manque de données, ce qui est très important. Donc, ce sont des données synthétiques, non ? Vous allez rassembler de nombreux exemples de conduite réels. Vous le mettrez dans un simulateur. Le simulateur brouillera alors les données. Je pense que l’exemple que je vous ai entendu donner est qu’un piéton est sorti, et nous pouvons simplement retarder le piéton et faire sortir cette personne plus tard, et la voiture devra réagir comme si c’était réel. C'est exact. Et vous allez effectuer de nombreux entraînements sur de nombreuses variantes différentes des mêmes données. Cela me fascine. Je comprends pourquoi tous les constructeurs automobiles adhèrent à cela. Pourquoi adhéreraient-ils au partage de données ? Est-ce simplement une reconnaissance du fait qu’ensemble, ils ont de meilleures chances de rattraper leur retard ? Est-ce parce qu’ils ne veulent tout simplement pas payer ? Est-ce moins cher ? Pourquoi participeraient-ils avec leurs concurrents à ce type d’accord de partage de données ? Les deux sont absolument vrais. En fait, les économies de coûts sont énormes. La collecte de données sur une flotte de taille énorme représente une dépense d'investissement importante pour quiconque souhaite le faire. C’est répétitif aussi. Si vous pouvez trouver, par exemple, ce que nous proposons sur la plateforme Drive ou sur l'écosystème Drive, cela peut permettre à nos clients d'économiser beaucoup d'efforts et d'argent.  Je suis curieux à ce sujet parce que l’idée est que vous allez entraîner des choses, puis vous aurez un modèle dans la voiture, et nous aurons une voiture définie par l’IA. L’approche classique de la conduite autonome consistait à envoyer de plus en plus de données sur le problème, et finalement la voiture saura tout faire, elle aura cartographié toutes les routes par-dessus tout. J'ai une Cadillac EV, et la façon dont fonctionne Super Cruise est la suivante : il fonctionne sur des routes cartographiées. À terme, le pari est qu’ils cartographieront de plus en plus de routes, et de plus en plus de choses, et que la voiture deviendra plus performante. Il semble que l’approche de Nvidia soit que la voiture soit suffisamment intelligente pour faire n’importe quoi, avec ou sans cartes. Et cela nécessite une approche différente de la collecte de données, une approche différente du calcul, et évidemment un pari plus important sur l’IA. Cette scission est-elle réelle ? Vous venez de faire ce saut ? Est-ce l’avenir de la plateforme, ou êtes-vous au milieu ? L'approche que nous adoptons actuellement pour ce que nous appelons le L2+, qui est essentiellement sans mappage. Comme vous l'avez dit à juste titre, le modèle aura certainement besoin de plus de données et couvrira davantage de cas particuliers. Et le modèle s’agrandit au moment où nous parlons également, pour cette génération, pour la prochaine génération. Nous allons utiliser un modèle beaucoup plus grand avec plus de paramètres. Les modèles de fondation joueront également un rôle important ici. Pour pouvoir rendre ce modèle très performant, davantage de données sont très, très critiques. Mais d’un autre côté, la tendance à utiliser un modèle de base, déjà formé avec des données Internet, peut également être utile. C’est pourquoi j’ai souligné à plusieurs reprises le lien avec l’effort de modèle de base au sein de Nvidia. Avec le modèle de raisonnement et le modèle de base, nous pouvons tirer parti du point de vue du modèle frontière et exploiter Internet pour mettre à l'échelle les données afin de pouvoir aider le véhicule à mieux généraliser, même sans les données spécifiques au véhicule. C'est la direction principale sur laquelle nous parions, vers un niveau d'autonomie plus élevé, notamment le niveau 4. C'est l'un des principaux axes de travail sur lesquels nous nous concentrons actuellement. De retour à l'OEM, je pense que pouvoir tirer parti de ce sur quoi nous avons bâti grâce à nos collaborations avec l'engagement existant et notre capacité massive de génération de données à l'aide d'ensembles de données synthétiques et de neuroreconstruction - ainsi que pouvoir tirer parti de la capacité du modèle de base qui est formé à partir de données plus générales, mais qui aidera le modèle à mieux raisonner, à mieux généraliser - ce sont les choses que nous pouvons offrir à nos clients. J'ai l'impression que je dois poser des questions sur la sécurité maintenant. Je suis sûr que c’est plus compliqué que cela, mais vous parlez d’un modèle de base raisonnant par la conduite autonome. Et tout ce que j'ai en tête, c'est ChatGPT qui m'excuse parce qu'il s'est trompé pendant que la voiture s'écrase, ou l'une de ces horribles longues boucles de latence où le modèle part dans la mauvaise direction et s'en rend compte. Et puis vous pouvez regarder la chaîne de pensée et c’est comme, oh, ça s’est complètement trompé. Cela fait mal dans la mesure où Anthropic croit que Claude se sent mal. Rien de tout cela ne semble compatible avec la conduite automobile en temps réel. Comment combler cet écart ? La latence, la nécessité d'avoir un de ces gros modèles en arrière-plan, le genre de tangentes de raisonnement sur lesquelles les modèles peuvent s'appuyer. En quoi est-ce compatible avec la conduite automobile ? La sécurité est si importante pour nous et elle est si importante pour l’industrie audiovisuelle. Laissez-moi répondre à votre question en abordant différentes couches de notre offre. Aborder la sécurité n'est évidemment pas nouveau pour l'industrie automobile et nous avons développé un protocole de développement très sophistiqué ainsi qu'un protocole de validation pour pouvoir prouver que le logiciel est sûr. C'est ce qu'on appelle ISO 26262. Nous développons en fait notre matériel et nos logiciels au niveau du système d'exploitation (OS) ainsi que les logiciels au niveau des applications selon les normes de sécurité les plus élevées, ce qui est très important et essentiel pour pouvoir déployer n'importe quoi pour conduire la voiture. C'est le numéro un. Deuxièmement, nous adoptons une approche légèrement différente de celle de certains acteurs de ce domaine. Nous avons en fait une pile redondante même pour notre fonction L2++ ou ADAS. En dehors de cela, il y a le modèle de bout en bout, qui est essentiellement une trajectoire d'entrée et de sortie de pixel. Nous disposons également d'une pile classique plus développée basée sur cette norme de sécurité telle que nous la connaissons. C’est essentiellement un composant. Il s’agit d’une pile comportant de nombreux composants et chaque composant peut être vérifié à l’aide de cette norme connue. C’est ce que j’appelle une pile classique. Et lorsque deux piles fonctionnent en parallèle, la pile classique agit comme ce que nous appelons parfois Big Brother, mais il s’agit essentiellement d’un garde-corps de sécurité. Il essaie de vérifier toutes les trajectoires du modèle de bout en bout et utilise la norme de sécurité connue pour vérifier qu'elle est sûre à chaque image. C’est un concept très important que nous avons. Et pas seulement un concept, mais la mise en œuvre que nous avons dans notre pile. Nous prendrons ceci, qui sera si critique pour un niveau d'autonomie supérieur, L4. C'est également la base de notre pile L4 où nous disposons d'une redondance totale, non seulement en tant qu'ensemble de capteurs, mais également en tant qu'ensemble d'architecture logicielle. Ce deuxième point est de répondre à votre question de sécurité. Troisièmement, lorsque nous développons le modèle, nous essayons également de faire en sorte que le modèle réduise autant que possible les hallucinations. La façon d’y parvenir passe par une validation massive. Nous construisons des données de test de simulation massives pour chaque modèle que nous publions. À l’heure actuelle, nous envisageons d’effectuer chaque jour cinq millions de tests dans notre programme. Presque chaque jour, nous avons une dixième itération du modèle, le modèle de bout en bout. Nous effectuons une validation très massive pour nous assurer que dans tous ces scénarios – vous pouvez considérer cela comme chaque scénario de test testé – que le modèle génère la bonne trajectoire. C’est également extrêmement critique pour nous. C'est donc ce que nous faisons pour garantir la sécurité de notre produit. Laissez-moi vous poser une question vraiment stupide qui m'intéresse vraiment. Vous avez beaucoup parlé du modèle et de la façon dont il fera fonctionner la voiture. Et oui, la pile classique est le garde-corps de sécurité. Le modèle raisonne-t-il en langage comme tous les autres modèles ? Est-ce qu'il est assis là en arrière-plan et dit : "Je vois un panneau stop. Que dois-je faire ? Je ferais mieux de m'arrêter. Je vais freiner", comme n'importe quelle sorte de modèle général raisonne dans le langage en arrière-plan ? La réponse courte est oui. Dans notre modèle de nouvelle génération, que nous allons déployer dans la prochaine génération de véhicules… Parce que la génération actuelle dispose d'un ordinateur plus ou moins limité, la prochaine génération est basée sur SOAR. Nous ferons former le modèle avec un langage intégré. Être capable de raisonner à travers le langage est très important. Vous pouvez également discuter avec le modèle. Vous pouvez demander au modèle ce qu’il fait, puis lui demander d’accélérer ou de ralentir et de changer de voie, par exemple. Alors qu'il roule littéralement, il se dit : "Je vois une voiture là-bas. Je dois changer de voie pour me préparer à la sortie qui arrive dans quelques kilomètres." Et ça fait ça dans le langage pour conduire la voiture ? Je pense que c'est une combinaison de choses. Le langage intègre déjà le modèle, mais le signal visuel est également très important, comme vous le savez. J’ai envie de dire que c’est multimodèle, mais le langage en fait partie. Comme vous le savez, le modèle est une boîte noire. Nous ne savons pas exactement ce qu’il fait exactement, mais vous pouvez poser des questions à ce sujet et le modèle répondra alors à ce qu’il essaie de faire.  J’ai juste cette vision d’un modèle de chatbot qui panique alors qu’il fonce sur l’autoroute à 55 milles à l’heure. En fait, GTC Taiwan a publié une vidéo montrant que le modèle parle constamment. Cela peut être assez ennuyeux si vous essayez vraiment d’entendre tout ce sur quoi le modèle essaie de raisonner. Quelle est la latence là-dessus ? Évidemment, vous déployez les systèmes, cela doit fonctionner, mais y a-t-il une tentative pour réduire la latence ? J'ai l'impression que le langage est intrinsèquement lent par rapport à ce que vous devez faire pour conduire. Je ne pense pas en langage lorsque je conduis ma voiture. 100%. C’est pour ça que j’ai dit que c’était multi-modèle. Mais réduire la latence de bout en bout est extrêmement important. En fait, c’est l’un des principaux avantages du déploiement : conduire la voiture avec un modèle réduit. Parce que si vous y réfléchissez, l'ancienne pile ou la pile classique qui comporte plusieurs composants, cela prend généralement plusieurs centaines de millisecondes. Mais avec un modèle, comme il ne s’agit que d’un temps d’inférence, il est distinct de l’entrée, qui est le pixel et la trajectoire. Vous pouvez évidemment réduire la latence, en fonction des capacités informatiques dont vous disposez. Mais même dans la génération actuelle, nous contrôlons que ce soit dans les 100 millisecondes, ce qui est assez rapide. Concernant le raisonnement linguistique, si vous y réfléchissez, eh bien, c’est le cerveau humain, non ? Si on y réfléchit, je dirais que le taux d'information est déjà abstrait. Le taux d'information n'est pas très élevé. Et nous utilisons les données Internet pour entraîner ce type de capacité de raisonnement basé sur le langage. Je pense que la latence est bien maîtrisée, permettez-moi de le dire ainsi. Et encore une fois, vous ne conduisez pas la voiture uniquement avec la langue. C’est un élément clé, comme je l’ai dit. Habituellement, la partie raisonnement est, je crois, plus lente. Encore une fois, nous ne savons pas exactement ce que fait le modèle, mais la partie pixel, c’est ce qui détermine la réaction instantanée de base du véhicule. Ouais. Si vous demandez à Anthropic, ils vous diront que Claude a des sentiments et des émotions et qu'il peut avoir peur. Euh-huh. Pensez-vous à cela ? Pensez-vous que vos modèles ressentent des émotions lorsqu’ils conduisent la voiture ? Nous utiliserons le garde-corps pour nous assurer que cela ne devienne pas trop maussade. [Rires] Je suis juste curieux. Je veux dire, comme vous l’avez dit, nous ne savons pas comment fonctionnent les modèles. J’ai littéralement une vision du modèle disant : « Oh mon Dieu, je vais si vite. » Mais peut-être que le système classique réduira ce phénomène. Ouais. Ouais. Est-ce que tout cela fonctionne localement dans la voiture ? Non, non, non, non. Tout cela est validé hors ligne. Mais la deuxième partie avec le garde-corps de sécurité, lorsque nous faisons fonctionner deux piles en parallèle, c'est définitivement dans la voiture. Et dans la voiture, à chaque image, le logiciel de notre ECU ADAS, nous comparons la trajectoire de la pile classique et du modèle de bout en bout pour nous assurer que le modèle génère une trajectoire de base sûre. Alors, les voitures nécessitent-elles une connectivité rapide pour être autonomes dans votre approche ? Pas nécessairement, mais nous avons besoin d'une certaine connectivité pour obtenir des informations de navigation et certaines informations cartographiques. La plupart d'entre elles sont des cartes de navigation. Ainsi, pour aider non seulement le côté modèle mais aussi la pile classique, nous utilisons certaines informations cartographiques de navigation pour nous aider à mieux comprendre le monde. Je pose cette question uniquement parce que j’ai couvert en détail le lancement des réseaux 5G et que toutes les sociétés de télécommunications m’ont promis que la 5G permettrait de conduire des voitures autonomes. Et il semble que votre approche soit celle qui s’appuiera le plus fortement sur les réseaux à faible latence. Ce n’est pas faux, mais d’un autre côté, la voiture doit également rouler de manière autonome dans un angle mort complet. La faible latence en temps réel, je dirais la dépendance au contenu, a cette dépendance dans le cloud. Au moins pour le type d’application ADAS – L2+ est notre nom – qui est censé fonctionner partout, créer cette dépendance n’est pas une bonne idée. Ouais. Lorsque vous atteignez le niveau 4, le niveau 5, c’est à ce moment-là que vous avez une dépendance à la connectivité. C'est exact. Oui. Ouais. Que se passe-t-il lorsque vous perdez la connectivité au niveau d'autonomie 4 ? Quand vous êtes au niveau 5 et que vous n’avez plus de volant et que vous perdez la connectivité, que se passe-t-il ? Au niveau 4, vous pouvez considérer la connectivité comme une sorte de capteur. Les capacités de conduite de base ne peuvent pas en dépendre énormément. Et l’un des concepts fondamentaux du développement de la technologie de niveau 4 est la redondance des capteurs. Cela ne concerne pas seulement le GPS, mais aussi la caméra, le radar, tout ce que vous voyez. Pour chaque point de défaillance, la voiture doit pouvoir rouler en toute sécurité. C’est comme si vous perdiez soudainement votre GPS, mais que la voiture a une perception locale, elle doit pouvoir se rendre à un point sûr et s’arrêter. Il s’agit d’une exigence minimale qu’un système L4 doit avoir. C’est le principe de base de L4 pour pouvoir développer un tel système. Je suis très curieux de savoir où se trouvent toutes les piles de capteurs dans la voiture, quelle quantité de calcul se trouve dans la voiture, quelle quantité de RAM nous devons mettre dans les voitures à une époque où les prix de la RAM augmentent. Tout cela semble représenter un coût supplémentaire important pour des voitures qui deviennent de plus en plus chères et contre lesquelles les consommateurs, du moins aux États-Unis, ont le sentiment de se rebeller de diverses manières. C'est exact. Je peux consulter le trafic de notre propre site Web ; tout le monde veut acheter un camion Slate pour 25 000 $ et il n’a même pas de radio. C'est juste une batterie sur roues. C'est toute cette voiture. Il n’y a même pas de travail de peinture. Nous supprimons désormais les travaux de peinture sur les voitures pour réduire les coûts. Vous parlez de beaucoup de calcul dans la voiture, de beaucoup de connectivité, peut-être de beaucoup de RAM pour charger les modèles. C'est exact. Comment ça se passe ? Est-ce que cela vous pousse davantage vers ce modèle de robotaxi ou pensez-vous que les gens vont simplement acheter des voitures autonomes coûteuses ? Il est certain que la construction de voitures autonomes nécessite beaucoup de matériel, mais l’autre tendance est que le coût du matériel diminue assez rapidement à mesure que la technologie devient plus mature. Par exemple, les radars. Même au cours de ma carrière, j'ai vu les prix des radars chuter probablement au moins quatre ou cinq fois en 15 ans, car le volume devenait de plus en plus important que le coût. J'ai également été témoin de la baisse des prix des capteurs de caméra. Il y a plus de concurrents et la concurrence fait baisser les prix lorsque le volume augmente. L’effet d’échelle est définitivement présent dans ADAS et tous les composants deviennent beaucoup plus matures et atteignent un certain niveau de commodité. Comme vous le savez, l’informatique se développe à un rythme très rapide. Nous avons parlé il y a quelque temps de la loi de Moore dans l’industrie des semi-conducteurs, mais dans le segment de la conduite autonome, les besoins en ordinateurs ont augmenté à un rythme vraiment étonnant. En gros, nous parlons de 10 fois tous les deux ans. C'est fou. Et aujourd’hui, grâce au succès de l’IA et évidemment de Nvidia, nous serons en mesure de fournir ce type de calcul massif aux voitures à un prix abordable. Dans le cloud ou en voiture ? Dans la voiture. Je vous ai posé plus tôt une question sur la lutte pour la capacité de formation. Devez-vous également vous battre pour la capacité de fabrication ? Oh oui. Parce que ces coûts augmentent pour tout le monde. Oui bien sûr. Oui. Je suis curieux, c’est la demande de Nvidia qui fait grimper les coûts pour tout le monde. Alors, comment obtenir une capacité fabuleuse alors que les autres divisions de Nvidia sont prêtes à payer tous les tarifs exigés ? Eh bien, c’est la même réponse que je vous ai donnée. Je ne sais pas si je peux dire autre chose, car nous sommes une entreprise très stratégique et notre activité automobile se porte également bien, mais pas au rythme de notre activité de centres de données, évidemment. Mais nous croyons fermement – ​​Jensen lui-même également – ​​à l’avenir de l’audiovisuel. Nous continuons d'investir dans cette technologie et dans cet avenir, non seulement en allouant des ressources informatiques internes, mais également en nous dotant d'une capacité fabuleuse. C’est certainement l’une des choses que nous étudions.  En fait, il est fort probable que même le prix des puces devra augmenter, en raison de cette forte demande pour chaque puce à laquelle tout le monde peut s'emparer. Le côté positif est que la technologie devient vraiment [bonne]. J'ai parlé du côté puce et j'ai aussi parlé un peu du côté capteur. J'ai parlé d'Hyperion, qui est une plate-forme de type calcul et capteur prête à l'emploi. Nous essayons donc vraiment de trouver un équilibre entre le coût et ce que nous pouvons faire. Nous étudions ce que nous appelons le nombre suffisant de capteurs nécessaires pour atteindre un haut niveau d’autonomie. Dans Hyperion 10, par exemple, nous proposons en réalité deux versions. L’une est une base composée principalement de caméras : 10 caméras, trois radars, pas de lidar. C’est un moyen très rentable de construire un véhicule de type ADAS L2++. Et d'un autre côté, pour le haut de gamme, il y a ce que nous appelons Hyperion High : nous fournissons l'ensemble de capteurs requis, qui comprend, je pense, 14 caméras, trois lidars et sept radars pour avoir suffisamment de redondance de capteurs pour pouvoir piloter L4. Vous avez également besoin d'une redondance de l'ECU. Vous avez besoin de notre prochaine génération – enfin, pour être plus précis, de la plate-forme informatique SOAR de la génération actuelle. Imaginez simplement que vous ayez une voiture qui peut vraiment rouler toute seule. Nous pensons qu'avec cet ensemble de capteurs et cette architecture informatique, nous pouvons atteindre ce niveau d'autonomie qui peut justifier le coût. Le capteur minimum défini pour l’autonomie fait l’objet de vifs débats. Cela fait longtemps que l’on en discute vivement. Je pense qu'Elon Musk a déclaré il y a bien longtemps qu'il pensait que le lidar était un maximum local était le début de ce débat. Ce débat n’a pas été apaisé d’une manière ou d’une autre. Pensez-vous que le niveau 4 nécessite un lidar ? La réponse courte est oui. Nous pensons que le lidar est le capteur important pour assurer la sécurité et la redondance requises pour une autonomie de niveau 4. Mais d’un autre côté, il est difficile de dire que c’est nécessaire à 100 %. Nous pensons qu’il s’agit d’une voie très réalisable basée sur la configuration de capteurs élevés d’Hyperion 10 pour atteindre des capacités urbaines et routières de niveau 4 de très haut niveau. D’un autre côté, en théorie, les gens peuvent prouver, avec un kilométrage considérable, que le lidar n’est peut-être pas nécessaire. Mais cela viendra essentiellement avec la limitation ODD. Désolé, quelle est la limitation ODD ? Le domaine de conception opérationnelle (ODD) est fondamentalement un domaine applicable. Vous pouvez déployer la technologie. Nous avons fait pas mal d’analyses à ce sujet. Sur la base de notre compréhension actuelle et du cadre que nous utilisons pour effectuer cette analyse, nous pensons que pour déployer cette technologie L4 dans tous les ODD dont notre client peut bénéficier, il est bien préférable d'avoir un lidar plutôt que de ne pas l'avoir. Quand vous regardez où en est Tesla avec la conduite entièrement autonome, ses véhicules et son engagement absolu à être un système basé sur la vision, pensez-vous qu'ils sont actuellement en avance sur vous ? Pensez-vous qu’ils sont à parité ? Pensez-vous qu'ils sont derrière vous ? Il existe deux niveaux de réponse à cette question. Pour la technologie de base L2++, Elon est probablement en avance sur tout le monde. Il avait une division il y a longtemps et il s'en tient depuis longtemps à sa vision de développer et de tester la technologie au sein d'une flotte massive. Personne ne dirait qu’Elon est en avance sur tout le monde sur le marché des ADAS et que tout le monde joue essentiellement à un jeu de rattrapage. Et nous sommes en fait très heureux qu’Elon connaisse autant de succès. Évidemment, Elon est également un gros client pour nous, tant pour SpaceX que pour Tesla du côté des ordinateurs GPU. Nous le soutenons, lui et son équipe, pour garantir leur réussite. Pour le niveau 4, je pense que c’est plus ouvert. Il existe des acteurs établis qui ont fait leurs preuves, comme Waymo, qui amènent déjà leurs clients à réellement expérimenter le L4 en utilisant les méthodologies qu'ils utilisent. Tesla essaie probablement encore de trouver le chemin à suivre. Nous n’essayons pas de choisir des gagnants, mais nous essayons d’aider tout le monde à développer cette technologie. Notre mission est vraiment d'essayer de faire en sorte que l'écosystème AV arrive à cette vision de chaque kilomètre parcouru, tout ce qui bouge sera autonome. Ce genre de vision devient une réalité. Avez-vous eu des conversations avec des dirigeants de Tesla sur l’utilisation du lidar ? Cela semble étrangement religieux sans raison, surtout si les coûts diminuent comme vous le dites. À un moment donné, si la meilleure solution technologique existe, on a l’impression que tout le monde devrait l’utiliser. Avez-vous eu ces conversations ? Eh bien, en fait non, pas moi. Mon équipe l’a définitivement fait. J’ai hâte d’avoir cette conversation avec eux. Une grande partie de cela n’est que science fondamentale et raisonnement. C’est également bon d’entendre leurs points de vue. Je veux conclure en parlant de quelque chose qui est peut-être le moins sous votre contrôle. Les modèles vont continuer à s'améliorer, Nvidia va continuer à fabriquer des puces, et peut-être que les clients continueront à exiger la conduite autonome. Tout cela ressemble à quelque chose que vous maîtrisez. Mais le marché automobile, l’avant-garde du marché automobile, se déroule en Chine. Je pense que nous pouvons simplement nous mettre d'accord sur ce point. Les consommateurs américains ouvrent TikTok et voient des influenceurs automobiles parler des véhicules BYD et se plaignent dans les commentaires de ne pas pouvoir obtenir ces voitures. J'ai regardé une vidéo d'une Buick qui se trouve en Chine. C’est une Buick EV qu’on ne peut pas se procurer aux États-Unis et les clients américains sont furieux que Buick fabrique de meilleures voitures en Chine qu’ici. Il existe de nombreuses barrières commerciales entre les États-Unis et la Chine. Nvidia se trouve au milieu de cette lutte de toutes sortes de manières, qu'il s'agisse de droits de douane sur les importations de composants automobiles ou de blocages littéraux sur les puces qui peuvent être vendues et sur la destination des revenus de ces puces. Alors que vous essayez de faire progresser le marché automobile, quel est l’impact du chaos commercial entre les États-Unis et la Chine ? Est-ce quelque chose auquel vous pensez ? Est-ce quelque chose qui ralentit l’industrie ? Est-ce quelque chose que vous pouvez réaliser ? Eh bien, je crois certainement que les décideurs politiques ont leur raisonnement et leur justification pour élaborer la politique telle que nous la voyons actuellement. En tant que Nvidia, nous sommes un acteur de l’écosystème ouvert. Nous avons encore beaucoup de clients en Chine. Nous essayons d’aider… Par exemple, nous fournissons toujours des puces d’inférence embarquées dans les voitures car elles sont encore en dessous du seuil de ce que les GPU sont autorisés à vendre sur le marché chinois. Nous travaillons également avec tous les équipementiers chinois. En fait, pas tous, évidemment, mais un bon nombre d'entre eux, pour aider du côté des infrastructures en fournissant des outils de simulation. Nous travaillons avec eux sur des modèles open source, Cosmos et Alpamayo. D’une part, nous pouvons les aider à améliorer leurs modèles. D’un autre côté, nous pouvons également tirer des leçons de la concurrence sur le marché chinois. Nous travaillons également en étroite collaboration avec le reste des équipementiers du monde et nous essayons de fournir toutes les plates-formes Nvidia et à différents niveaux aux différents équipementiers pour les aider également à réussir. Encore une fois, nous ne choisissons pas les gagnants et nous essayons de travailler avec tout le monde. La mission est très claire et nous essayons de faire de cette vision une réalité autant que possible. Lorsque vous parlez de partage de données entre constructeurs OEM pour mieux entraîner les modèles et les rendre plus performants, existe-t-il des obstacles réglementaires ou concurrentiels entre le partage de données entre constructeurs chinois et constructeurs américains et européens ? Ah oui, bien sûr. Non seulement la Chine, mais d’autres régions appliquent également des restrictions. Par exemple, l'Europe a certaines réglementations concernant les données. Nous nous conformons à toutes les réglementations locales pour nous assurer que nous sommes conformes aux différentes régions. Cela signifie-t-il que les variantes régionales des modèles ont des capacités différentes ou qu’elles sont meilleures dans différents domaines ? Parce que si les données d’entrée sont différentes, il semble que la sortie le sera également. Absolument. Eh bien, tout d’abord, en ce qui concerne le modèle de production, nous essayons de ne pas le modifier autant que possible, mais il y aura des différences régionales fondamentales. Le modèle se comportera différemment dans différentes régions en fonction des entrées. Certaines choses sont ce que nous appelons codées par pays. Il est donc évident que les règles sont très différentes selon les régions, comme en Europe et aux États-Unis. Une certaine adaptation est nécessaire et certains paramètres sont également différents. Oui, c’est un voyage assez intéressant d’essayer d’étendre la technologie à différentes parties du monde. Pensez-vous que — sur la base des différentes approches réglementaires, des différentes approches en matière de données, des différentes données d'entrée, de la configuration différente des équipementiers et de ce dans quoi ils sont prêts à investir, des différentes subventions des gouvernements — la Chine atteindra d'abord le niveau 4 en tant qu'expérience de conduite autonome grand public ? Parce que si je devais y réfléchir, je parierais que la conduite autonome de niveau 4 se produira en Chine bien avant de devenir une expérience grand public aux États-Unis. En fait, je ne pense pas que ce soit vrai. Comme vous le savez, Waymo propose déjà à tout le monde une expérience L4, du moins dans certains ODD de San Francisco, et ils évoluent assez rapidement. La Chine est évidemment un marché concurrentiel beaucoup plus dynamique et on y compte de nombreux acteurs. Mais d’après mon expérience, ils ont tous la maturité de Waymo, du moins à San Francisco. Nous essayons d’aider tout le monde dans l’écosystème. Du point de vue des OEM, le paysage concurrentiel est différent, mais même du côté des OEM, je pense que différentes régions ont différents types de… Eh bien, d’un côté, les rues chinoises sont également beaucoup plus difficiles que les rues américaines. Et le niveau 4, je l'appellerais parfois un jeu zéro-pne. Soit vous l’avez, soit vous ne l’avez pas. À ce jour, je pense que le seul qui a réellement prouvé que L4 peut être déployé en toute sécurité auprès de chaque client sans chauffeur dans une région de la taille d’une ville, sans aucune limitation, se trouve toujours aux États-Unis ou en Chine. Ouais, c'est Waymo. Je pense que Waymo sera très flatté de les entendre décrits comme une expérience grand public. J'accepterai que pour certains sous-ensembles de personnes à San Francisco, Waymo est une expérience grand public. Je pense que pour la grande majorité des Américains, ce n’est pas encore le cas. Et c’est le grand tournant, non ? Quand un Waymo peut-il fonctionner dans la neige ? Quand vont-ils les déployer à Chicago ? Et à New York. En tant que personne ayant vécu longtemps à Chicago, je suis très curieux de savoir comment cela se passe à Chicago et à New York. La question que je me pose est de savoir si l’expérience grand public donne l’impression que vous venez d’acheter une voiture et que l’ADAS de niveau 2 est désormais une sorte de produit de base dans les voitures. Le niveau 4 sera un produit courant dans les voitures. Vous appuyez sur le bouton et il commence à rouler tout seul. À votre avis, à quelle distance en sommes-nous ? C’est exactement ma mission : essayer d’aider l’industrie à y parvenir. Je dirais que si je dois donner un délai, je ne dirais pas cinq ans, mais moins de cinq ans. C’est une prédiction audacieuse. Je pense que nous allons en rester là, car nous sommes à l’heure. Tu as été vraiment génial, Xinzhou. Je suis ravi de vous parler à nouveau. Nous vous reviendrons d’ici cinq ans pour vérifier cette prédiction. Mais que devrions-nous attendre de Nvidia ensuite ? Nous prévoyons pas mal de choses. Tout d’abord, d’ici la fin de cette année, nous déploierons notre technologie ADAS dans tous les véhicules Mercedes et chez certains autres partenaires également, partout aux États-Unis. Dans les prochaines années, nous tenterons de déployer cette technologie dans le reste du monde. Nous travaillons également en étroite collaboration avec nos partenaires, par exemple Uber. Nous avons annoncé que chez GTC, nous essayons de déployer notre service L4 dans les prochaines années. C'est super excitant. En plus de cela, nous sommes, encore une fois, un acteur de l’écosystème. Nous travaillons avec presque tous les OEM. À l’heure actuelle, je dirais que 80 % des équipementiers de production de masse font partie de l’écosystème Hyperion de Nvidia pour L4. Nous construisons cet avenir avec tout le monde. J’espère que vous verrez des annonces plus intéressantes de notre part quelque part plus tard.  Eh bien, comme je l’ai dit, nous devrons vous revoir bientôt. Merci beaucoup d'être sur Decoder. Merci de m'avoir invité, Nilay. C'est très agréable de discuter avec toi. Des questions ou des commentaires ? Contactez-nous à [email protected]. Nous lisons vraiment chaque e-mail !