Hari ini saya berbicara dengan Xinzhou Wu, kepala otomotif di Nvidia.  Nvidia jelas selalu menjadi berita karena booming AI – Nvidia adalah salah satu perusahaan paling berharga di dunia, karena industri AI tidak dapat mencukupi kebutuhan GPU perusahaan. Namun Nvidia juga merupakan pemasok utama industri otomotif. Mobil sudah memiliki chip selama bertahun-tahun, dan Xinzhou telah berperan penting dalam membangun sistem mengemudi otonom lengkap yang dapat digunakan oleh pembuat mobil. Misalnya, hal ini sudah ada di Mercedes EV baru, seperti yang akan Anda dengar dia sebutkan beberapa kali. Jadi saya benar-benar ingin mengetahui sudut pandangnya tentang bagaimana industri otomotif menangani transisi besar menuju kendaraan listrik tanpa pengemudi. Itulah tujuan yang akan dicapai oleh setiap produsen mobil dan pemasok, namun hal ini mungkin akan terasa semakin jauh pada tahun 2026 dibandingkan sebelumnya. Siklus adopsi kendaraan listrik di Amerika Serikat benar-benar keluar jalur, mobil self-driving tampaknya selalu terhenti dalam upaya menyelesaikan 20 persen situasi terakhir, dan mobil terus menjadi lebih mahal bahkan ketika konsumen merasakan tekanan inflasi dan kenaikan harga energi secara menyeluruh. Anda akan mendengar Xinzhou mengatakan bahwa sebenarnya ada kemajuan mengejutkan dalam menemukan kembali sifat dasar mobil itu sendiri – sesuatu yang oleh industri disebut sebagai “kendaraan yang ditentukan perangkat lunak”, yang dikendalikan hanya oleh segelintir komputer yang kuat, bukan oleh lusinan atau bahkan ratusan unit kontrol elektronik independen, atau ECU. Jika Anda seorang pendengar Decoder, Anda telah mendengar begitu banyak produsen mobil berbicara tentang perlunya menjauh dari ECU; Xinzhou mengatakan momen itu pada dasarnya telah tiba.  Kami berbicara banyak tentang industri mobil Tiongkok dan bagaimana industri ini mampu menjadi yang terdepan karena mulai membangun arsitektur dan platform EV, alih-alih harus mengelola transisi dari mobil berbahan bakar bensin dan semua ECU tersebut. Xinzhou pernah bekerja di pabrik peralatan asli (OEM) Tiongkok, jadi dia punya cukup banyak wawasan di sana. Kami juga berbicara tentang bekerja di Nvidia sendiri. Ini adalah perusahaan unik dengan pemimpin unik Jensen Huang, dan Xinzhou mengatakan tiga tahun pengalamannya di sana sejauh ini merupakan pengalaman pembelajaran yang cepat. Dia tidak menghindar dari kenyataan perlunya bersaing untuk mendapatkan sumber daya dan kapasitas melawan bisnis AI perusahaan yang sedang berkembang pesat. Penjelasannya tentang apa yang memenangkan argumen tersebut, terutama ketika pelanggannya lamban dan tidak mau mengeluarkan biaya seperti produsen mobil, sangat menarik. Tentu saja, kami harus mendiskusikan AI dan bagaimana pendekatan Nvidia terhadap otonomi menyatukan apa yang disebut Xinzhou sebagai tumpukan “klasik” dan kemampuan model penalaran untuk mengoperasikan mobil. Ada banyak hal di sini, termasuk gagasan bahwa Anda akan memiliki model AI yang benar-benar berbicara kepada dirinya sendiri untuk mengetahui cara mengemudikan mobil Anda, yang menurut saya sangat menarik dan sangat lucu. Dan, tentu saja, Anda tidak dapat membicarakan mobil listrik atau otonomi kendaraan di AS tanpa membicarakan Elon Musk dan Tesla. Jadi saya bertanya langsung kepada Xinzhou apakah Tesla full self-driving benar-benar dapat melakukan apa yang diklaim Elon dapat dilakukan tanpa menggunakan lidar. Beri tahu saya jika menurut Anda jawabannya sesuai. Oke: Xinzhou Wu, kepala otomotif di Nvidia. Ini dia. Wawancara ini telah sedikit diedit agar panjang dan jelasnya. Xinzhou Wu, Anda adalah kepala otomotif di Nvidia. Selamat datang di Dekoder. Terima kasih telah menerima saya. Saya sangat bersemangat untuk berbicara dengan Anda. Rasanya seperti hakikat sebuah mobil sedang diperebutkan. Rasanya seperti industri otomotif berada dalam periode penataan kembali secara besar-besaran, seolah-olah ada perasaan akan berakhir di mana mobil sebagai sebuah produk selama beberapa tahun, dan hal itu disebabkan oleh kesulitan transisi kendaraan listrik, karena kesulitan perang dagang AS-Tiongkok. Semua itu tampak lebih berantakan dari sebelumnya. Banyak pembuat mobil yang melakukan penghematan, dan sepertinya posisi Anda di Nvidia memberi Anda gambaran luas tentang apa yang terjadi di industri mobil, karena Anda menyuplai begitu banyak pembuat mobil besar di hampir setiap negara. Jadi mari kita mulai dari sana. Apa pandangan Anda mengenai posisi industri mobil dalam perjalanan panjang dan berliku menuju otonomi dan elektrifikasi? Itu pertanyaan yang bagus. Saya telah bekerja di sektor otomotif mungkin selama 15 tahun, dimulai dari karir saya di Qualcomm. Saya memimpin tim otomotif Qualcomm untuk sementara waktu. Dan tentu saja, kita telah mendengar ungkapan “kendaraan yang ditentukan oleh perangkat lunak”. Saat ini dengan teknologi AI, ia memasuki fase berikutnya, yang pada dasarnya kami sebut sebagai “kendaraan yang ditentukan AI”. Dengan inovasi teknologi besar-besaran ini, industri otomotif telah berubah cukup pesat selama satu dekade terakhir. Seperti yang Anda ketahui, saya juga bekerja sebagai bagian dari OEM Tiongkok selama lima tahun, memimpin tim pengemudi otonom mereka. Sekarang saya di Nvidia. Jadi apa yang saya lihat selama 15 tahun karir saya adalah kesempatan untuk menyaksikan perubahan besar ini. Mobil beralih dari, katakanlah, sebagian besar mesin mekanis, ditambah mesin listrik, ke beberapa hal yang kemampuannya dapat kita tingkatkan melalui perangkat lunak over-the-air (OTA) dengan cukup cepat. Itulah yang kami sebut sebagai era “kendaraan yang ditentukan perangkat lunak”. Kini, dengan kemajuan teknologi menuju AI generatif, kami menggunakan AI untuk menulis ulang sebagian besar perangkat lunak di mobil. Itulah yang kami sebut sebagai “kendaraan yang ditentukan AI”. Hal ini juga, di satu sisi, mempercepat laju pengembangan kemampuan kendaraan. Dan di sisi lain, hal ini juga mengubah cara kita mendefinisikan “kendaraan”. AI berdampak pada seluruh industri di setiap tingkatan. Sangat menarik untuk melihat bagaimana dunia akan berkembang dari sini dengan inovasi teknologi baru ini. Izinkan saya menguraikan beberapa istilah di sana. Saya sering mendengarnya dari pembuat mobil yang senang datang ke acara tersebut dan memberi tahu saya apa yang akan terjadi pada mobil. Namun menurut saya beberapa istilah ini agak kabur. Jadi Anda mengatakan "kendaraan yang ditentukan perangkat lunak". Itu istilah yang cukup kabur. Saya pikir idenya adalah kita akan menghilangkan semua ECU di mobil yang saat ini mengendalikan banyak sistem berbeda. Dan kami akan memusatkan semua komponen tersebut ke dalam satu atau dua pusat komputasi besar di dalam mobil. Tesla sangat terkenal karena telah melakukan hal ini. Rivian telah bertaruh besar akan hal itu. Wassym Bensaid dari Rivian baru saja tampil di acara membicarakan hal itu. Pembuat mobil lawas lainnya telah mencoba melakukan hal ini. Kami menampilkan GM di acara itu. Mereka berkata, "Dengar, kami tidak perlu melakukan itu. Kami baik-baik saja. Kami akan melakukannya dengan cara kami sendiri." Ford mencoba melakukan ini dengan cara yang besar. Mereka harus mendirikan pabrik sigung dan membangun cara baru untuk membuat mobil yang sangat mereka banggakan. Kami diberitahu bahwa akan ada truk yang keluar dari upaya itu dalam waktu dekat. Saya tidak berpikir industri ini sampai di sana. Pada dasarnya itulah yang saya katakan. Para pembuat mobil pemula sampai pada titik di mana mereka dapat mengklaim memiliki kendaraan yang ditentukan oleh perangkat lunak di mana terdapat satu atau dua komputer besar di dalam mobil yang mengendalikan setiap sistem. Sebagian besar produsen mobil lawas belum berhasil.  Saya akan memberi tanda bintang pada itu. Mungkin Ford akan sukses dengan truk barunya ini, tapi kita belum tahu. Apakah menurut Anda industri otomotif secara umum akan beralih ke kendaraan berbasis perangkat lunak atau apakah menurut Anda produsen mobil lama akan tetap bertahan? 100%. Saya berkesempatan menyaksikan apa yang terjadi di Tiongkok dari tahun 2018 hingga 2023. Seluruh industri mengalami perubahan besar ini hanya dalam lima tahun. Di sana, tidak hanya OEM mobil baru, tetapi juga OEM lama harus beradaptasi. Semua orang beradaptasi dengan satu jenis arsitektur kelistrikan komputasi terpusat karena itulah cara Anda bersaing.  Di seluruh dunia juga — kami juga memiliki mitra melalui kolaborasi Drive dan Drive kendaraan otonom (AV), misalnya, dengan mitra kami Mercedes. Generasi mereka saat ini adalah arsitektur berbasis komputer yang penting. Itu akan ada di semua kendaraan mereka. Untuk OEM dasar lainnya, kami bekerja sama dengan mereka semua dan mencoba membantu mereka untuk mengubah atau meningkatkan arsitektur ke jalur satu atau dua komputer, karena akan ada infotainment, akan ada sistem mengemudi dasar atau sistem bantuan pengemudi lanjutan (ADAS), ECU. Namun menurut saya, dunia sebenarnya sedang bergerak cukup cepat ke arah tersebut. Beberapa di antaranya jelas akan lebih lambat. Beberapa di antaranya akan lebih cepat. Itulah sifat dari bisnis ini. Namun saya yakin bahwa dunia pada dasarnya sedang berkembang ke arah tersebut. Saya sebenarnya ingin tahu tentang sejarah Anda. Anda bekerja di XPeng, yang merupakan pembuat mobil Tiongkok. Bagi saya, ketika saya duduk di Amerika Serikat dan menjadi penggemar mobil dalam waktu yang lama, produsen mobil Tiongkok memiliki keuntungan yang cukup unik karena mereka bukanlah produsen mobil global yang besar. Mereka tidak beroperasi dalam skala besar. Elektrifikasi datang. Tesla jelas membangun banyak kemampuan di Tiongkok untuk membuat mobil. Kita semua tahu cara kerja ekosistem manufaktur Tiongkok dan mereka harus melakukan pengaturan ulang. Mereka harus merancang banyak mobil sebagai kendaraan listrik, clean sheet, seperti yang dilakukan para pembuat mobil startup di Amerika Serikat, dan membangun mobil yang kompetitif secara global dari fondasi yang benar-benar baru tanpa harus mengkhawatirkan banyak hal yang harus dikhawatirkan oleh para pembuat mobil lama Amerika. Dan kemudian, pemerintah Tiongkok jelas-jelas mensubsidi semua itu dengan harga yang sangat besar. Anda bekerja di sana. Apakah itu pengalaman Anda? Apakah pada dasarnya begitulah cara mereka memulai dari awal? Saya pikir itu hanya satu sisi saja. Mereka pastinya mempunyai warisan yang lebih sedikit, beban yang perlu dikhawatirkan lebih sedikit, dan itu merupakan suatu keuntungan. Namun yang juga saya lihat bukan hanya OEM baru, tetapi bahkan pemain global di sana harus beradaptasi dengan kecepatan Tiongkok. Setidaknya dari apa yang saya pelajari di sana, semua orang bergerak dengan kecepatan seperti itu. Sekali lagi, Anda ingin bisa bersaing.  Namun seperti yang Anda katakan, gelombang… Kendaraan yang ditentukan oleh perangkat lunak telah ada sejak lama dan Tesla adalah salah satu yang benar-benar membawanya ke produksi penuh. Saya tidak yakin apakah itu yang pertama, tapi yang pasti adalah yang terbesar. Saya yakin OEM di seluruh dunia juga akan mengikuti. Saya rasa setiap OEM saat ini harus melakukan hal ini karena inilah cara Anda bersaing, itulah yang perlu Anda lakukan untuk bertahan hidup. Otonomi akan menjadi kebutuhan yang harus dimiliki semua OEM di kendaraan mereka. Kita semua percaya akan masa depan itu. Dan satu-satunya cara untuk mencapainya adalah dengan… Pertama-tama, ada arsitektur yang saya jelaskan, yang memungkinkan peningkatan perangkat lunak tanpa harus memiliki banyak ECU yang tersembunyi. Sebenarnya, saya belum pernah mendengar orang membantah hal itu akhir-akhir ini. Mungkin Anda mendengar sesuatu yang berbeda, tapi menurut saya itu adalah langkah penting bagi semua orang. Pada tahap ini, ini hampir seperti pertaruhan untuk arsitektur generasi berikutnya. Tentu saja kami sedang berbicara dengan banyak OEM, tetapi ini adalah konsensus yang sedang dituju oleh industri ini. Saya penasaran dengan jalur menuju ke sana, karena saya setuju dengan Anda bahwa banyak sekali orang yang mengatakan bahwa ini adalah keadaan akhir dan memungkinkan segala sesuatu yang akan terjadi selanjutnya. Rasanya jalur ke sana jauh lebih bergelombang dari yang diperkirakan industri. Salah satu alasannya adalah, saya tidak tahu, bahwa pemerintahan Trump tidak menyukai kendaraan listrik. Jadi penjualan kendaraan listrik dan kredit pajak di sini hilang dan mungkin penjualan kendaraan listrik melonjak karena semua permintaan meningkat dan mungkin semua orang menginginkan mobil berbahan bakar bensin sekarang. Dan mungkin semua ini lebih sulit jika Anda tidak memiliki baterai raksasa yang dapat memberi daya pada semua sistem ini selamanya dan Anda benar-benar perlu menghidupkan mesin untuk mengalirkan daya ke semua sistem ini daripada memiliki baterai 12 volt. Atau mungkin karena produsen mobil Tiongkok sangat kompetitif dan disubsidi sehingga biaya yang harus dikeluarkan untuk melakukan hal tersebut bagi pembuat mobil lama sulit untuk diatasi, karena mereka memiliki infrastruktur lama dan jaringan dealer di Amerika Serikat yang harus dirawat dan kita hanya akan menundanya. Ada sesuatu tentang jalan menuju kondisi mobil masa depan yang disepakati ini yang tampaknya lebih sulit daripada yang saya kira atau yang dikatakan oleh siapa pun di acara itu selama lima tahun terakhir. Saya penasaran, dari sudut pandang Anda. Anda adalah pemasoknya, Anda mencoba menjual visinya, Anda mencoba memasang chip di semua mobil. Dari sudut pandang Anda, apa yang membuat jalan tersebut lebih sulit? Ya, Anda sudah mengatakan beberapa hal. Industri otomotif sangat berat. Ini melibatkan rantai pasokan yang sangat besar dan banyak perusahaan, banyak karyawan. Dan untuk membuat perubahan dalam arsitektur dan kapan pun Anda mengeluarkan mobil, Anda harus mendukungnya selama 10-15 tahun. Nvidia, sebagai pemasok, juga memberikan komitmen serupa kepada pelanggan kami untuk teknologi apa pun yang kami pasok termasuk chipset, platform lain, dan teknologi AV kami. Kami akan memiliki komitmen untuk mendukung generasi yang sama selama 10-15 tahun, bahkan untuk chip generasi saat ini. Jika Anda memikirkannya dari sudut pandang penyedia Silicon Valley, itu hampir gila. Tapi itulah sifat bisnis otomotif. Sifat bisnisnya adalah akan sedikit memperlambat segalanya. Dan itu satu hal. Hal lainnya adalah, karena teknologi berubah begitu cepat dan sangat berbeda dari, katakanlah, otomotif seperti yang kita kenal sebelumnya dan kendaraan yang ditentukan oleh perangkat lunak, hingga kendaraan yang ditentukan oleh AI, Anda harus melalui kumpulan talenta yang berbeda untuk dapat mendirikan perusahaan dengan cara yang tepat dan beradaptasi dengan gelombang baru inovasi teknologi ini. Itu sebabnya Nvidia bisa datang dan membantu. Karena kami yakin teknologinya akan semakin berkembang — tentu saja yang kami bicarakan di sini adalah kendaraan otonom. Teknologi ini sudah mencapai tingkat kematangan. Kami akan membawa teknologi ini ke produksi massal dan pemasok dapat masuk. Itu sebabnya kami tidak hanya menyediakan teknologi AV, tetapi kami juga menyediakan seluruh platform mulai dari chip, serta sistem operasi, model sumber terbuka, dan apa yang kami sebut Halos, sistem operasi keselamatan yang membantu OEM untuk dapat beradaptasi dengan dunia baru ini lebih cepat.  Sifat bisnis ini adalah tidak semua orang dapat berjalan dengan kecepatan yang sama. Jadi yang pasti, karena beratnya industri ini, semua orang memerlukan waktu untuk mencapai garis finis. Tapi sekali lagi, tugas saya di Nvidia adalah mencoba membantu semua orang untuk mencapai segala sesuatu yang bergerak secara otonom, untuk mencapai visi ini secepat mungkin. Izinkan saya bertanya tentang peran Anda di Nvidia sekarang, karena menurut saya ini membawa kita ke pertanyaan Decoder. Saya rasa semua orang yang mendengarkan acara tersebut mungkin sangat akrab dengan proses yang dijalankan Nvidia dengan AI. Ini adalah salah satu perusahaan paling berharga di dunia. Setiap GPU yang dapat dibuat oleh Nvidia diperhitungkan. Berapa banyak orang yang bekerja di Nvidia Automotive? Kami sebenarnya memiliki tim yang cukup besar, berjumlah ribuan di tim otomotif. Karena kami mengerjakan keseluruhan platform, baik perangkat keras, perangkat lunak, model, dan infrastruktur. Ini adalah tim yang cukup besar. Nvidia juga memiliki banyak hal yang dapat kami manfaatkan dari tim lain. Misalnya, saya yakin Anda pernah mendengar tentang Cosmos dan Nemotron. Ini adalah model fondasi sumber terbuka dasar kami. Kami juga memanfaatkan banyak pekerjaan dari pihak mereka. Bagaimana tim Anda terorganisir? Anda menyebutkan bahwa Anda memiliki perangkat keras, perangkat lunak, dan model. Apakah itu struktur dasar tim atau diorganisir secara berbeda? Ya. Di sisi teknik, jelas kami punya produk, kami punya strategi, kami punya sesuatu di balik layar. Terkadang kita menyebut mereka pahlawan tanpa tanda jasa. Tim peta misalnya yang masih sangat kritis untuk L3, L4, jalur otonomi tingkat tinggi. Dan infrastruktur data. Peta navigasi literal, itulah yang Anda bicarakan. Ya, ada peta HD juga. Jadi kira-kira, saya membagi tim saya seperti itu. Ya. Lalu apakah semuanya bersifat global? Apakah itu sebagian besar terjadi di Amerika Serikat? Dimana lokasinya? Sebagian besar berada di Amerika Serikat, namun kami juga hadir di Tiongkok dan Eropa. Tentu saja, kami sedang membangun produk global, platform global, jadi kami memerlukan tim pendukung di mana pun. Anda menyebutkan bahwa Anda mengandalkan beberapa model dasar yang telah dikembangkan Nvidia secara lebih luas. Bagaimana struktur tim Anda di dalam Nvidia? Apakah ini sesuai dengan strategi AI? Apakah itu dipisahkan? Apakah Anda lebih tertutup? Bagaimana cara kerjanya? Oh, itu pertanyaan yang bagus. Di Nvidia, katakanlah, kami memiliki tim perangkat keras terpusat, yang bertanggung jawab atas peta jalan perangkat keras pada GPU kami, CPU, semua strategi chipset, dan produksi. Kami juga memiliki tim perangkat lunak terpusat. Tim otomotif adalah organisasi terpisah, yang lebih fokus pada otomotif, dengan misi membangun platform otomotif untuk memanfaatkan pekerjaan tim perangkat keras dan tim perangkat lunak kami serta beradaptasi dengan otomotif. Kami juga memiliki tim model.  Nvidia juga memiliki budaya tim virtual. Misalnya, model sumber terbuka kami untuk Nemotron dan Cosmos, semuanya berada di hadapan tim riset kami, tim perangkat lunak, dan tim perangkat keras. Namun mereka adalah tim virtual yang mengerjakan model fondasi sumber terbuka ini. Kita dapat memanfaatkan upaya tersebut dan kemudian organisasi otomotif membangun model untuk membantu industri AV memiliki model sumber terbuka yang kuat untuk dikerjakan. Seperti yang saya katakan, pada dasarnya setiap GPU yang dapat diproduksi oleh Nvidia diperhitungkan dengan cara tertentu. Ini adalah sifat industri AI saat ini. Mereka akan masuk ke neocloud di suatu tempat. Apakah Anda harus berjuang untuk mendapatkan sumber daya dan perhatian terhadap bisnis tersebut, yang tumbuh dengan kecepatan dan skala pertumbuhannya? Ya, percaya atau tidak. [Tertawa] Bahkan Nvidia memiliki persediaan GPU yang terbatas untuk komputasi. Kami memiliki prioritas internal, dan pada dasarnya saya bekerja dengan kolega saya hampir setiap minggu untuk memutuskan bagaimana menyisihkan komputasi yang berbeda, terkadang untuk pelatihan, terkadang untuk pengujian, atau sumber daya untuk rangkaian pekerjaan berbeda di perusahaan. Dan terkadang kita membutuhkan bantuan Jensen [Huang, CEO Nvidia], tapi ya. Bagaimana cara kerjanya? Seperti apa perdebatan itu? Apakah ini perdebatan ROI? “Jika kami memasukkan uang sebanyak ini, kami akan mendapatkan uang sebanyak ini dari pelanggan kami”? Apakah ini perdebatan ukuran pasar? Apa saja parameter percakapannya? Itu semua di atas, seperti yang dapat Anda bayangkan. Pendapatan jelas penting, tetapi Nvidia, seperti yang Anda tahu, adalah perusahaan yang sangat strategis. Kami menghargai apa yang Jensen sebut sebagai bisnis nol triliun dolar. Kami mencari peluang baru yang dapat menciptakan bisnis bernilai triliunan dolar setiap saat. Jadi, perlu ada prioritas strategis yang kita tetapkan di dalam perusahaan menuju arah baru yang kita tuju. Anda mungkin juga tahu bahwa kami bukanlah perusahaan pangsa pasar. Ini adalah keseimbangan antara apa yang menghasilkan uang saat ini dan apa yang dapat menciptakan masa depan, apa yang dapat menciptakan peluang bagi perusahaan di masa depan. Nvidia adalah perusahaan yang dijalankan dengan sangat unik. Seperti yang telah Anda sebutkan, Jensen sangat terlibat dalam segala hal. Saya pernah melihat wawancara dengannya di mana dia mengatakan dia tidak mengadakan pertemuan empat mata. Dia hanya bertemu dengan semua orang sekaligus dan semua orang membicarakannya. Seperti apa itu? Saya sudah berada di Nvidia selama tiga tahun. Sejujurnya, ini sangat unik. Dan jelas tidak semua orang bisa melakukannya sekaligus. Itu kelompok yang berbeda. Kita semua memiliki produk strategi teknis, bagian berbeda dari ulasan bisnis dengan Jensen. Sebenarnya, ini sangat menarik bagi saya, sebuah pengalaman untuk belajar dari pemikiran strategisnya dan cara dia berpikir tentang suatu produk, bagaimana dia berpikir tentang suatu strategi. Dia juga memiliki kedalaman teknis yang unik. Ini juga merupakan pengalaman yang menginspirasi untuk melihat seberapa banyak dia selalu mengikuti perkembangan teknis. Menurut saya, ini adalah pengalaman dan kesempatan sekali seumur hidup bagi saya untuk bisa belajar dari Jensen. Ketika Anda menggambarkan peluang otonomi, khususnya di masa depan, sepertinya ini adalah sebuah pertaruhan besar. “Kami akan menerapkan keunggulan komputasi Nvidia, dan kekuatan AI pada mobil, dan membuat mobil dapat mengemudi sendiri.” Seperti apa model pendapatan tersebut? Apakah Anda terlihat seperti hanya menjual chip dan perangkat lunak kepada pembuat mobil? Apakah sepertinya konsumen membayar langganan, dan sebagian darinya mengalir kembali ke Anda? Dari mana asal triliunan dolar itu? Itu juga pertanyaan yang bagus. Saat ini kami sangat yakin bahwa segala sesuatu yang bergerak akan bersifat otonom. Setiap mil yang dikendarai mobil di masa depan akan bersifat otonom. Jika Anda melihatnya, di antara semua mobil, kita berkendara sejauh 13 triliun mil per tahun. Saat ini persentase jarak tempuh otonom di antara seluruh jarak tempuh yang ditempuh mungkin dapat diabaikan. Kalau menurutku 0,006% atau sekitar itu. Jadi inilah peluang di depan kita. Nvidia berpandangan bahwa kami akan membantu ekosistem bersama-sama sesegera mungkin dengan menyediakan kembali semua teknologi dasar, mulai dari chip hingga sistem operasi, dan kemudian hingga apa yang kami sebut Halos. Sistem operasi Halos sangat penting karena tidak hanya menyediakan SDK dan API bagi orang-orang untuk mengembangkan model pada perangkat keras kami, tetapi juga menyediakan pagar pengaman bagi pengembang untuk memasang model di dalamnya. Kami juga mendefinisikan apa yang kami sebut Hyperion sebagai platform perangkat keras. Itu adalah platform siap produksi, yang mencakup sumber daya komputer, ECU, dan juga rangkaian sensor. Kami pikir perlu untuk mencapai tingkat otonomi yang berbeda. Selain itu, kami menyediakan Alpamayo, model sumber terbuka, yang kami latih. Ini adalah sumber terbuka tidak hanya dalam arsitektur model, tetapi juga dalam parameter dan data yang dapat Anda gunakan untuk menyempurnakan model di platform kami. Selain itu, kami juga menyediakan semua infrastruktur yang dibutuhkan. Misalnya, simulasi sangat penting untuk mengembangkan AV saat ini. Kami biasanya mengatakan bahwa masalah AV menjadi masalah tiga komputer. Ada komputer pelatihan, ada komputer simulasi, dan ada komputer inferensi di dalam mobil. Semua teknologi ini ingin kami berikan kepada ekosistem dalam platform yang kami sebut Nvidia Drive, sehingga orang-orang dapat mengembangkan teknologi tersebut di atas platform kami. Kami berharap dapat memperoleh persentase pendapatan yang dapat diperoleh ekosistem dari setiap mil yang digerakkan secara mandiri di masa depan. Dari sinilah peluang triliunan dolar bisa muncul. Jadi, pendapatan per mil. Kedengarannya seperti metrik inti yang Anda kejar. Dari mana pendapatan per mil bagi pengguna berasal? Saat saya mengendarai mobil, apakah saya membayar langganan? Atau apakah menurut Anda ada robotaksi di mana-mana, dan dimonetisasi setiap perjalanan? Dari mana pendapatan per mil berasal, dan bagaimana angka tersebut meningkat? Itu benar. Saya pikir dunia akan menerima kedua model tersebut. Salah satunya adalah robotaksi. Seperti yang Anda lihat, ada beberapa perusahaan yang sukses di Tiongkok, Amerika, dan dunia. Mudah-mudahan kita akan melihat lebih banyak hal yang terjadi di jalur ini. Kami akan memiliki armada seperti taksi di mana Anda dapat menikmati mengantar Anda dari tempat A ke tempat B tanpa sopir di dalam mobil.  Saya rasa armada penumpang juga akan terus eksis dalam jangka waktu yang lama karena masih banyak masyarakat yang masih lebih memilih ruang privat saat bepergian. Sepertinya masih banyak orang yang lebih memilih memiliki rumah dibandingkan menyewa apartemen. Ada juga faktor ekonomi di balik hal ini. Kami pikir kedua model tersebut akan berkembang. Itu sebabnya kami bekerja sama dengan perusahaan robotaxi dan OEM lainnya, serta perusahaan pengembang perangkat lunak AV untuk membantu mereka dengan memasok berbagai teknologi dari Nvidia. Salah satu dinamika yang menarik setidaknya dalam porsi elektrifikasi, selama lima tahun terakhir, adalah para pembuat mobil lama menyadari bahwa mereka telah menjadi perusahaan asuransi dan perusahaan pembiayaan, dan pemasok merekalah yang membuat mobil. Mereka telah kehilangan kendali atas desain mobil secara besar-besaran. Pemasok tingkat satu bagi produsen mobil besar dalam banyak hal bertanggung jawab atas subsistem besar mobil. Ketika mereka ingin melakukan pembaruan melalui udara, mereka harus berbicara dengan 15 pemasok berbeda untuk menyelesaikannya. Saya telah mendengar keluhan ini puluhan kali di acara itu. Dan mereka semua menyadari, "Kita perlu mengambil kembali rekayasa mobil. Kita harus lebih tegas mengendalikan platform mobil." Tampaknya dalam otonomi, karena berbagai alasan, Nvidia melihat peluang untuk menjadi pemasok utama bagi berbagai pembuat mobil. Itu jelas merupakan niat mereka untuk berpikir, “Kita perlu mengendalikan mobil.” Tesla mungkin menggunakan chip Nvidia, tetapi mereka sangat bangga dengan kenyataan bahwa mereka menulis setiap baris kode tersebut, dan itu adalah platform mereka, dan mereka telah bertaruh pada teknologi. Rivian, menurut saya Wassym sangat bangga dengan kenyataan bahwa dia bertanggung jawab atas perusahaan platform itu, dan dia akan membangun platform itu. RJ [Scaringe, CEO Rivian] tentu sangat bangga dengan kenyataan bahwa Rivian adalah perusahaan semacam itu. Apa dinamika di sana? Karena tampaknya tidak semua pembuat mobil mampu bertahan dalam taruhan teknologi dan berinvestasi ke depan dengan harapan bahwa pendapatan akan terbayar. Mereka membutuhkan pemasok seperti Nvidia untuk hadir dengan platform dan model bisnis yang siap pakai. Apakah hal itu lebih menguntungkan Anda sekarang? Apakah kita sudah keluar dari hutan itu, atau masih di udara? Menurut saya, keunggulan model bisnis Nvidia di bidang otomotif adalah platform kami sepenuhnya terbuka. Kami menyediakan layanan berlapis-lapis, dan bergantung pada kebutuhan OEM atau perusahaan robotik. Mereka dapat memilih apa yang ingin mereka kerjakan dengan kami hingga lapisan mana, seperti yang Anda sebutkan, Tesla. Beberapa OEM sangat mampu. Mereka bahkan ingin membangun kesimpulan sendiri untuk mengecat mobil tersebut. Bahkan untuk itu, kami baik-baik saja. Kami masih akan terus bekerja sama dengan mereka. Sebenarnya, kami bekerja sama dengan Tesla dan banyak OEM yang membangun menggunakan chip inferensi mereka sendiri dengan berkolaborasi dengan mereka di cloud. Kami bahkan mencoba membantu mengoptimalkan model mereka. Dengan OEM yang berbeda, kami memiliki kolaborasi yang berbeda, karena kami masih memiliki komputer simulasi dan komputasi pelatihan di infrastruktur yang kami kerjakan bersama mereka. Untuk beberapa OEM, mereka menginginkan solusi yang lebih siap pakai. Kami juga sangat senang bisa bekerja sama dengan mereka. Kalau begitu, kami akan berusaha semaksimal mungkin. Kami bekerja seperti tingkat satu, atau tingkat 1.5, hanya untuk berjalan beriringan. Ini adalah mitra jenis AV pengemudi kami, misalnya Mercedes. Kami bekerja sangat erat dengan mereka untuk menentukan produk yang mereka inginkan, dan kemudian juga menyesuaikan tumpukan AV pengemudi kami agar bekerja dengan lancar di kendaraan mereka. Para insinyur dari kedua belah pihak bekerja cukup erat untuk membuatnya beradaptasi dengan baik dengan DNA desain Mercedes dan pengalaman pelanggan yang ingin mereka tawarkan. Ini sangat penting bagi kami. Kami tidak memilih pemenang itu sendiri. Kami mencoba membantu OEM berdasarkan kemampuan mereka di berbagai tingkat. Keterbukaan sangat penting untuk model keterlibatan kami dengan OEM. Salah satu alasan saya sangat penasaran dengan hal ini adalah Anda menyebutkan model pelatihan. Anda menyebutkan dalam wawancara lain bahwa Anda melakukan data sintetis untuk melatih otonomi dengan cara yang berbeda. Saya sangat penasaran tentang itu. Itu mengejutkan saya, melihat industrinya. Waymo memiliki keunggulan besar dalam jarak tempuh otonom, dan mereka sangat bangga akan hal itu, dan hal ini membantu membuat mobil mereka sesukses di pasar tempat mereka berada. Tesla juga memiliki jumlah yang sangat besar karena mereka sedang berlatih tentang mobil sebenarnya yang sedang dikendarai. Tidak semua pembuat mobil dapat menemukan cara untuk mencapai satu miliar mil perjalanan otonom. Itu benar. Ya. Mereka harus bergantung pada pihak ketiga untuk membawa mereka setidaknya ke status quo, atau bahkan lebih jauh lagi. Rasanya Nvidia duduk di sana dan siap menjadi pihak ketiga itu. Apakah itu merupakan promosi penjualan yang besar bagi para pembuat mobil? “Anda bisa membeli teknologi kami dalam kapasitas terbuka apa pun yang Anda inginkan, dan kami akan segera membawa Anda ke kondisi kompetitif”? Menurut saya, inilah poin yang menarik bagi OEM untuk terlibat dengan Nvidia di ekosistem Hyperion, di ekosistem Drive. Karena salah satu hal utama yang menentukan Hyperion adalah arsitektur komputasi, dan juga arsitektur sensor adalah berbagi data. Bagi siapa pun yang terlibat dan menjadi mitra Nvidia Drive, kami berbagi data melalui program yang ada, yang melaluinya kami mengumpulkan jutaan jam data. Melalui program mobil yang berbeda, kami juga mengumpulkan data tersebut dari OEM yang berbeda. Dan kemudian kita dapat membangun sebuah model, pertama-tama, yang dilatih dengan semua data ini. Kami memastikan setidaknya data yang dikumpulkan dalam berbagai program mobil kami dibagikan kepada OEM. Itu nomor satu. Yang kedua adalah era baru, kami sangat yakin bahwa komputasi juga berkaitan dengan data. Jadi, seperti yang Anda sebutkan, ada banyak data sintetis.  Ada data rekonstruksi saraf, yang kami sebut NuRec. Ini adalah bagian teknologi dan simulasi yang sangat penting di mana kita mengumpulkan data dari lapangan, namun terkadang kita dapat menggunakan rekonstruksi saraf untuk memalsukan data guna mengubah latar belakang, atau mengubah lintasan mobil. Kami dapat menghasilkan banyak varian dari data yang sama. Semua data ini memerlukan komputer untuk menghasilkan puluhan juta titik data ini. Kami dapat berbagi dengan semua orang yang terlibat dalam ekosistem kami. Dengan cara ini, secara kolektif dari semua pemain yang terlibat dengan ekosistem Drive, kita dapat mengatasi kesenjangan data, yang merupakan hal yang sangat penting. Jadi ini data sintetik ya? Anda akan mengumpulkan banyak contoh mengemudi di dunia nyata. Anda akan memasukkannya ke dalam simulator. Simulator kemudian akan mengaburkan data. Saya pikir contoh yang pernah Anda berikan adalah ada pejalan kaki yang keluar, dan kita bisa menunda pejalan kaki tersebut, dan membuat orang itu keluar nanti, dan mobil harus bereaksi seolah-olah itu nyata. Itu benar. Dan Anda akan menjalankan banyak pelatihan terhadap banyak variasi berbeda dari data yang sama. Itu menarik bagi saya. Saya mengerti mengapa semua pembuat mobil menyetujui hal itu. Mengapa mereka setuju dengan pembagian data? Apakah ini sekadar pengakuan bahwa secara kolektif mereka punya peluang lebih besar untuk mengejar ketertinggalan? Apakah karena mereka tidak mau membayar uangnya? Apakah lebih murah? Mengapa mereka berpartisipasi dengan pesaingnya dalam pengaturan berbagi data seperti itu? Keduanya sepenuhnya benar. Sebenarnya penghematan biaya sangat besar. Pengumpulan data untuk menjalankan armada berukuran besar memerlukan pengeluaran modal yang besar bagi siapa pun yang ingin melakukan hal tersebut. Itu juga berulang. Jika Anda dapat menemukan, misalnya, apa yang kami sediakan di platform Drive, atau ekosistem Drive, hal ini dapat menghemat banyak tenaga dan uang pelanggan kami.  Saya penasaran dengan hal ini karena idenya adalah Anda akan melatih berbagai hal, lalu Anda akan memiliki model di dalam mobil, dan kita akan memiliki mobil yang dilengkapi AI. Pendekatan klasik terhadap mobil self-driving adalah kita akan memberikan lebih banyak data untuk mengatasi masalah tersebut, dan pada akhirnya mobil akan tahu bagaimana melakukan segalanya, dan mampu memetakan semua jalan di atas segalanya. Saya memiliki Cadillac EV, dan cara kerja Super Cruise adalah bekerja di jalan yang dipetakan. Pada akhirnya, taruhannya adalah mereka akan memetakan lebih banyak jalan, dan lebih banyak hal, dan mobil akan menjadi lebih mumpuni. Tampaknya pendekatan Nvidia adalah agar mobilnya cukup pintar untuk melakukan apa pun, dengan atau tanpa peta. Dan hal ini memerlukan pendekatan yang berbeda dalam pengumpulan data, pendekatan komputasi yang berbeda, dan tentu saja, taruhan yang lebih besar pada AI. Apakah perpecahan itu nyata? Apakah Anda baru saja melakukan lompatan itu? Apakah itu masa depan platform ini, atau Anda berada di tengah-tengahnya? Pendekatan yang kami ambil saat ini adalah apa yang kami sebut L2+, yang pada dasarnya tidak memiliki peta. Seperti yang Anda katakan dengan benar, model tersebut pasti membutuhkan lebih banyak data, dan untuk mencakup lebih banyak kasus sudut. Dan modelnya juga semakin besar saat ini, untuk generasi ini, generasi berikutnya. Kami akan menggunakan model yang jauh lebih besar dengan lebih banyak parameter. Model pondasi juga akan memainkan peran besar di sini. Untuk dapat menjadikan model ini sangat mumpuni, lebih banyak data sangatlah penting. Namun di sisi lain, tren penggunaan model pondasi yang sudah dilatih dengan data internet juga bisa membantu. Itu sebabnya saya beberapa kali menekankan hubungannya dengan upaya model dasar di dalam Nvidia. Dengan model penalaran dan model dasar, kita dapat memanfaatkan perspektif model frontier, dan memanfaatkan internet untuk menskalakan data agar dapat membantu kendaraan melakukan generalisasi dengan lebih baik, bahkan tanpa data khusus kendaraan. Ini adalah arah utama yang kami pertaruhkan, menuju tingkat otonomi yang lebih tinggi, khususnya Level 4. Ini adalah salah satu rangkaian pekerjaan utama yang kami fokuskan saat ini. Kembali ke OEM, menurut saya kemampuan untuk memanfaatkan apa yang telah kami bangun melalui kolaborasi dengan keterlibatan yang ada dan kemampuan besar kami untuk menghasilkan data menggunakan kumpulan data sintetis dan rekonstruksi saraf — serta kemampuan untuk memanfaatkan kemampuan model dasar yang dilatih dari data yang lebih umum, namun akan membantu model untuk berpikir lebih baik, untuk menggeneralisasi dengan lebih baik — inilah hal-hal yang dapat kami tawarkan kepada pelanggan kami. Saya merasa harus bertanya tentang keselamatan sekarang. Saya yakin ini lebih rumit dari ini, tetapi yang Anda bicarakan adalah model dasar yang berpikir melalui mengemudi sendiri. Dan yang ada di kepala saya hanyalah ChatGPT yang meminta maaf kepada saya karena terjadi kesalahan saat mobil mengalami kecelakaan, atau salah satu loop latensi panjang yang mengerikan di mana model bergerak ke arah yang salah dan menyadarinya. Lalu Anda bisa melihat rantai pemikirannya dan sepertinya, oh, semuanya salah total. Rasanya tidak enak karena Anthropic percaya bahwa Claude merasa tidak enak. Tampaknya tidak ada satupun yang sesuai dengan sifat mengemudi mobil yang real-time. Bagaimana Anda menjembatani kesenjangan tersebut? Latensi, kebutuhan untuk memiliki salah satu model besar di latar belakang, jenis penalaran yang bersinggungan dengan model yang dapat digunakan. Bagaimana hal itu kompatibel dengan mengendarai mobil? Keselamatan sangat penting bagi kami dan sangat penting bagi industri AV. Izinkan saya menjawab pertanyaan Anda dengan mendekati berbagai lapisan penawaran kami. Mengatasi keamanan jelas bukan hal baru bagi industri otomotif dan kami telah mengembangkan protokol pengembangan yang sangat canggih dan juga protokol validasi untuk dapat membuktikan bahwa perangkat lunak tersebut aman. Itu disebut ISO 26262. Kami sebenarnya mengembangkan perangkat lunak tingkat perangkat keras dan sistem operasi (OS) serta perangkat lunak tingkat aplikasi ke standar keselamatan tertinggi, yang sangat penting dan krusial agar dapat menerapkan apa pun untuk mengemudikan mobil. Itu nomor satu. Yang kedua adalah kami mengambil pendekatan yang sedikit berbeda dari beberapa pemain di bidang ini. Kami sebenarnya memiliki tumpukan yang berlebihan bahkan untuk fungsi L2++ atau ADAS kami. Selain itu adalah model end-to-end, yang pada dasarnya adalah pixel-in, lintasan-keluar. Kami juga memiliki tumpukan klasik yang lebih dikembangkan berdasarkan standar keamanan yang kita kenal. Ini pada dasarnya adalah sebuah komponen. Ini adalah tumpukan dengan banyak komponen dan setiap komponen dapat diverifikasi menggunakan standar yang diketahui ini. Itulah yang saya sebut sebagai tumpukan klasik. Dan ketika Anda memiliki dua tumpukan yang berjalan secara paralel, tumpukan klasik bertindak seperti apa yang kadang-kadang kita sebut Big Brother, namun pada dasarnya itu adalah pagar pengaman. Ia mencoba memverifikasi semua lintasan dari model ujung ke ujung dan menggunakan standar keamanan yang diketahui untuk memverifikasi keamanannya di setiap frame. Itu adalah konsep yang sangat penting yang kami miliki. Dan bukan hanya sebuah konsep, tapi implementasi yang kami miliki. Kami akan mengambil ini, yang sangat penting untuk otonomi tingkat yang lebih tinggi, L4. Ini juga merupakan dasar dari tumpukan L4 kami di mana kami memiliki redundansi penuh, tidak hanya sebagai kumpulan sensor, tetapi juga sebagai kumpulan arsitektur perangkat lunak. Poin kedua ini adalah untuk menjawab pertanyaan keselamatan Anda. Nomor tiga, saat kami mengembangkan model, kami juga berusaha membuat model tersebut mengurangi halusinasi sebanyak yang kami bisa. Caranya adalah melalui validasi besar-besaran. Kami sedang membangun data uji simulasi besar-besaran untuk setiap model yang kami rilis. Saat ini kami berencana menjalankan lima juta pengujian dalam program kami setiap hari. Kira-kira setiap hari kami memiliki 10 iterasi model, model end-to-end. Kami melakukan validasi besar-besaran untuk memastikan dalam semua skenario ini – Anda dapat menganggapnya sebagai setiap skenario pengujian yang diuji – model menghasilkan lintasan yang tepat. Itu juga sangat penting bagi kami. Jadi inilah yang kami lakukan untuk memastikan produk kami aman. Izinkan saya mengajukan pertanyaan bodoh yang membuat saya sangat penasaran. Anda telah berbicara banyak tentang model dan cara mengoperasikan mobil. Dan ya, tumpukan klasik adalah pagar pengaman. Apakah model tersebut bernalar dalam bahasa seperti model lainnya? Apakah ia duduk di latar belakang sambil berkata, "Saya melihat tanda berhenti. Apa yang harus saya lakukan? Sebaiknya saya berhenti. Saya akan menginjak rem," seperti model umum apa pun yang beralasan dalam bahasa di latar belakang? Jawaban singkatnya adalah ya. Dalam model generasi berikutnya, yang akan kami terapkan pada kendaraan generasi berikutnya… Karena generasi saat ini memiliki komputer yang kurang lebih terbatas, generasi berikutnya berbasis SOAR. Kami akan melatih model dengan bahasa yang disematkan. Mampu bernalar melalui bahasa sangatlah penting. Anda juga dapat mengobrol dengan sang model. Anda bisa bertanya kepada model tentang apa yang dilakukannya, lalu Anda juga bisa meminta model untuk mempercepat atau memperlambat dan berpindah jalur, misalnya. Saat ia benar-benar sedang mengemudi, ia berkata pada dirinya sendiri, "Saya melihat sebuah mobil di sana. Saya perlu berpindah jalur untuk bersiap menghadapi pintu keluar yang akan datang beberapa mil lagi." Dan apakah itu dilakukan dalam bahasa untuk mengoperasikan mobil? Saya pikir ini adalah kombinasi beberapa hal. Bahasa sudah menjadi bagian dari model, tapi sinyal penglihatan juga sangat penting, seperti yang Anda tahu. Saya ingin mengatakan ini multi-model, tetapi bahasa adalah bagian darinya. Seperti yang Anda tahu, modelnya adalah kotak hitam. Kami tidak tahu persis apa yang sebenarnya dilakukannya, tetapi Anda dapat menanyakannya dan model akan menjawab apa yang coba dilakukannya.  Saya baru saja mendapat gambaran tentang model chatbot yang panik saat melaju di jalan raya dengan kecepatan 55 mil per jam. Faktanya, GTC Taiwan merilis video yang menunjukkan bahwa model tersebut terus-menerus berbicara. Ini bisa sangat menjengkelkan jika Anda benar-benar mencoba mendengarkan semua yang coba dipikirkan oleh model. Apa latensinya? Tentu saja Anda menerapkan sistem tersebut, sistem tersebut pasti berfungsi, namun adakah upaya untuk mengurangi latensinya? Saya merasa bahasa pada dasarnya lambat dibandingkan dengan apa yang perlu Anda lakukan untuk mengemudi. Saya tidak berpikir dalam bahasa ketika saya mengendarai mobil. 100%. Makanya saya bilang ini multi-model. Namun mengurangi latensi end-to-end sangatlah penting. Sebenarnya, itulah salah satu keuntungan utama menerapkan, mengendarai mobil dengan suatu model. Karena kalau dipikir-pikir, tumpukan lama atau tumpukan klasik yang memiliki banyak komponen, biasanya membutuhkan waktu beberapa ratus milidetik. Namun dengan model, karena hanya waktu inferensi, maka terpisah dari input yaitu piksel dan lintasan. Anda dapat mengurangi latensi, tentunya tergantung pada kemampuan komputer yang Anda miliki. Namun bahkan pada generasi saat ini, kami mengontrolnya dalam 100 milidetik, yang mana ini cukup cepat. Soal penalaran bahasa kalau dipikir-pikir ya itu otak manusia kan? Jika dipikir-pikir, menurut saya kecepatan informasi sudah diabstraksi. Tingkat informasinya tidak terlalu tinggi. Dan kami menggunakan data internet untuk melatih kemampuan penalaran berbasis bahasa semacam ini. Saya pikir latensinya terkendali dengan baik, biar saya katakan seperti itu. Dan sekali lagi, Anda tidak mengendarai mobil hanya dengan bahasa saja. Itu adalah hal yang penting, seperti yang saya katakan. Biasanya bagian penalarannya, menurut saya, lebih lambat. Sekali lagi, kita tidak tahu persis apa yang dilakukan model tersebut, tetapi bagian pikselnya, itulah yang mendorong reaksi dasar kendaraan secara instan. Ya. Jika Anda bertanya kepada Anthropic, mereka akan memberi tahu Anda bahwa Claude memiliki perasaan dan emosi dan dia bisa merasa takut. Uh-hah. Apakah Anda memikirkan hal itu? Apakah menurut Anda model Anda memiliki emosi saat mengemudikan mobil? Kami akan menggunakan pagar pembatas untuk memastikannya tidak terlalu berubah-ubah. [Tertawa] Saya hanya ingin tahu. Maksud saya, seperti yang Anda katakan, kami tidak tahu cara kerja model tersebut. Saya benar-benar memiliki visi tentang modelnya seperti, "Ya Tuhan, saya melaju begitu cepat." Tapi mungkin sistem klasik akan menguranginya. Ya. Ya. Apakah semua ini berjalan secara lokal di dalam mobil? Tidak, tidak, tidak, tidak. Semua ini divalidasi secara offline. Namun bagian kedua dengan pagar pembatas pengaman, jika kita menjalankan dua tumpukan secara paralel, itu pasti ada di dalam mobil. Dan di dalam mobil di setiap frame, perangkat lunak di ECU ADAS kami, kami membandingkan lintasan dari tumpukan klasik dan model ujung ke ujung untuk memastikan model tersebut menghasilkan lintasan dasar yang aman. Jadi, apakah mobil memerlukan konektivitas cepat agar bisa otonom dengan pendekatan Anda? Belum tentu, namun kami memerlukan konektivitas untuk mendapatkan informasi navigasi dan informasi peta. Kebanyakan di antaranya adalah peta navigasi. Jadi untuk membantu tidak hanya sisi model dan juga tumpukan klasik, kami menggunakan beberapa informasi pemetaan navigasi untuk membantu kami memahami dunia dengan lebih baik. Saya hanya bertanya karena saya telah meliput peluncuran jaringan 5G dengan sangat rinci dan semua perusahaan telekomunikasi berjanji kepada saya bahwa 5G akan memungkinkan mobil otonom. Dan sepertinya pendekatan Anda adalah pendekatan yang paling bergantung pada jaringan latensi rendah. Hal ini tidak salah, namun di sisi lain, mobil juga harus melaju secara mandiri di titik buta total. Latensi rendah secara real-time, menurut saya ketergantungan konten, memiliki ketergantungan itu di cloud. Setidaknya untuk jenis aplikasi ADAS — kami menyebutnya L2+ — yang dimaksudkan untuk bekerja di mana saja, membangun ketergantungan tersebut bukanlah ide yang baik. Ya. Saat Anda mencapai Level 4, Level 5, saat itulah Anda memiliki ketergantungan konektivitas. Itu benar. Ya. Ya. Apa yang terjadi jika Anda kehilangan konektivitas pada otonomi Level 4? Ketika Anda berada di Level 5 dan Anda tidak memiliki kemudi lagi dan kehilangan konektivitas, apa yang terjadi? Di Level 4, Anda dapat menganggap konektivitas sebagai semacam sensor. Kemampuan dasar mengemudi tidak bisa terlalu bergantung pada hal itu. Dan salah satu konsep inti pengembangan teknologi Level 4 adalah Anda memiliki redundansi sensor. Itu tidak hanya untuk GPS, tapi juga untuk kamera, radar, semua yang Anda lihat. Untuk setiap titik kegagalan, mobil harus dapat melaju dengan aman. Ibaratnya jika Anda tiba-tiba kehilangan GPS, namun mobil memiliki persepsi lokal, maka harus bisa mencapai titik aman dan menepi. Itu adalah persyaratan minimum yang harus dimiliki sistem L4. Inilah prinsip dasar L4 untuk dapat mengembangkan sistem seperti itu. Saya sangat penasaran di mana semua tumpukan sensor berada di dalam mobil, berapa banyak komputasi yang ada di dalam mobil, berapa banyak RAM yang perlu kita masukkan ke dalam mobil pada saat harga RAM naik. Semua ini tampak seperti biaya tambahan yang besar untuk diterapkan pada mobil yang harganya semakin mahal dan konsumen, setidaknya di Amerika Serikat, merasa mereka memberontak dalam banyak hal. Itu benar. Saya dapat melihat lalu lintas situs web kami sendiri; semua orang ingin membeli truk Slate seharga $25.000 dan truk itu bahkan tidak memiliki radio. Itu hanya baterai di atas roda. Itu keseluruhan mobilnya. Bahkan tidak ada pengecatannya. Kami sekarang menghilangkan pekerjaan pengecatan pada mobil untuk menekan biaya. Anda berbicara tentang banyak komputasi di dalam mobil, banyak konektivitas, mungkin banyak RAM untuk memuat model. Itu benar. Bagaimana cara kerjanya? Apakah hal ini mendorong Anda untuk lebih mendalami model robotaxi atau apakah menurut Anda orang akan membeli mobil self-driving yang mahal? Tentu saja membuat mobil otonom membutuhkan banyak perangkat keras, namun tren lainnya adalah biaya perangkat keras turun cukup cepat seiring dengan semakin matangnya teknologi. Misalnya saja radar. Bahkan dalam karir saya, saya telah melihat harga radar mungkin turun setidaknya empat atau lima kali lipat selama 15 tahun, karena volumenya yang semakin besar dibandingkan biayanya. Saya juga menyaksikan jatuhnya harga sensor kamera. Terdapat lebih banyak pesaing dan persaingan menghasilkan harga yang lebih rendah ketika volumenya menjadi lebih besar. Efek skala pasti ada saat ini di ADAS dan semua komponen menjadi jauh lebih matang dan pada tingkat komoditas tertentu. Seperti yang Anda ketahui, komputer berkembang dengan sangat pesat. Kita telah membahas Hukum Moore di industri semikonduktor beberapa waktu lalu, namun di segmen kendaraan otonom, kebutuhan komputer telah tumbuh dengan kecepatan yang sangat mencengangkan. Kira-kira kita berbicara tentang 10 kali setiap dua tahun. Ini gila. Dan saat ini, dengan kesuksesan AI dan tentunya Nvidia, kami akan mampu menyediakan komputasi masif semacam ini untuk mobil dengan harga terjangkau. Di awan atau di dalam mobil? Di dalam mobil. Saya bertanya kepada Anda tentang memperjuangkan kapasitas pelatihan sebelumnya. Apakah harus memperjuangkan kapasitas fabrikasi juga? Oh ya. Karena biaya tersebut meningkat untuk semua orang. Ya, tentu saja. Ya. Saya penasaran, permintaan Nvidia-lah yang menaikkan biaya bagi semua orang. Jadi bagaimana Anda bisa mendapatkan kapasitas luar biasa ketika divisi lain di Nvidia bersedia membayar berapa pun tarif yang diminta? Ya, itu jawaban yang sama yang saya berikan kepada Anda. Saya tidak tahu apakah ada hal lain yang bisa saya katakan karena kami adalah perusahaan yang sangat strategis dan bisnis otomotif kami juga berjalan dengan baik, namun tentu saja tidak sejalan dengan bisnis pusat data kami. Tapi kami sangat percaya – Jensen sendiri juga – di masa depan AV. Kami terus berinvestasi pada teknologi ini dan masa depan, tidak hanya dengan mengalokasikan komputasi internal, namun juga dengan kapasitas yang luar biasa. Itu pasti salah satu hal yang kami selidiki.  Sebenarnya, kemungkinan besar bahkan harga chip pun perlu naik, karena tingginya permintaan untuk setiap chip yang dapat diambil oleh semua orang. Sisi positifnya adalah teknologinya semakin [bagus]. Saya berbicara tentang sisi chip dan saya juga berbicara sedikit tentang sisi sensor. Saya berbicara tentang Hyperion, yang merupakan platform komputasi-plus-sensor yang siap untuk produk. Jadi kami benar-benar berusaha menyeimbangkan antara biaya dan apa yang dapat kami lakukan. Kami sedang mencari apa yang kami sebut sebagai rangkaian sensor yang diperlukan untuk mencapai tingkat otonomi yang tinggi. Di Hyperion 10, misalnya, kami menawarkan dua versi. Salah satunya adalah pangkalan, yang sebagian besar berupa kamera: 10 kamera, tiga radar, tanpa lidar. Ini adalah cara yang sangat hemat biaya untuk membuat kendaraan jenis L2++ ADAS. Dan di sisi lain, untuk kelas atas, kami menyebutnya Hyperion High: kami menyediakan set sensor yang diperlukan, yang menurut saya memiliki 14 kamera, tiga lidar, dan tujuh radar untuk memiliki redundansi sensor yang cukup untuk dapat menggerakkan L4. Anda juga memerlukan redundansi ECU. Anda memerlukan generasi berikutnya – lebih tepatnya, platform komputer berbasis SOAR generasi saat ini. Bayangkan saja Anda mempunyai mobil yang benar-benar bisa melaju sendiri. Kami yakin dengan rangkaian sensor dan arsitektur komputer ini, kami dapat mencapai tingkat otonomi yang sesuai dengan biayanya. Sensor minimum yang ditetapkan untuk otonomi terasa hangat diperdebatkan. Hal ini telah lama diperdebatkan dengan hangat. Saya pikir Elon Musk mengatakan bahwa dia mengira lidar adalah maksimum lokal beberapa tahun yang lalu adalah awal dari perdebatan ini. Perdebatan ini belum padam dengan cara, bentuk, atau bentuk apa pun. Apakah menurut Anda Level 4 membutuhkan lidar? Jawaban singkatnya adalah ya. Kami percaya bahwa lidar adalah sensor penting untuk memberikan keamanan dan redundansi yang diperlukan untuk otonomi Level 4. Namun di sisi lain, sulit untuk mengatakan bahwa hal tersebut 100% perlu. Kami percaya ini adalah jalur yang sangat layak berdasarkan konfigurasi sensor tinggi Hyperion 10 untuk mencapai kemampuan tingkat tinggi di perkotaan dan jalan raya Level 4. Di sisi lain, secara teoritis, orang dapat membuktikan dengan jarak tempuh yang sangat besar bahwa lidar mungkin tidak diperlukan. Namun pada dasarnya hal ini akan disertai dengan batasan ODD. Maaf, apa batasan ODD? Domain desain operasional (ODD) pada dasarnya adalah domain yang dapat diterapkan. Anda dapat menerapkan teknologinya. Kami telah melakukan sedikit analisis mengenai hal ini. Berdasarkan pemahaman kami saat ini dan kerangka kerja yang kami gunakan untuk melakukan analisis ini, kami percaya bahwa untuk menerapkan teknologi L4 ini di semua ODD yang dapat dimanfaatkan oleh pelanggan kami, akan lebih baik jika memiliki lidar dibandingkan tidak memilikinya. Ketika Anda melihat di mana Tesla berada dengan sistem self-driving penuh dan kendaraan mereka serta komitmen mutlak mereka untuk menjadi sistem berbasis visi, apakah menurut Anda mereka saat ini berada di depan Anda? Apakah menurut Anda mereka setara? Apakah menurut Anda mereka ada di belakang Anda? Ada dua tingkat jawaban untuk pertanyaan ini. Untuk teknologi dasar L2++, Elon mungkin lebih unggul dari semua orang. Dia memiliki divisi sejak lama dan dia telah lama berpegang pada visi untuk mengembangkan dan menguji teknologi di antara armada besar. Tidak ada yang akan berpendapat bahwa Elon berada di depan semua orang di pasar ADAS dan pada dasarnya semua orang sedang mengejar ketinggalan. Dan kami sangat senang sebenarnya Elon sukses. Jelas sekali, Elon juga merupakan pelanggan besar bagi kami, baik untuk SpaceX maupun Tesla di sisi komputer GPU. Kami mendukung dia dan timnya untuk memastikan mereka sukses. Untuk Level 4 menurut saya lebih terbuka. Ada pemain mapan yang terbukti, seperti Waymo, yang telah mengajak pelanggan untuk benar-benar merasakan L4 menggunakan metodologi yang mereka gunakan. Tesla mungkin masih berusaha mencari jalan ke sana. Kami tidak mencoba untuk memilih pemenang, tapi kami mencoba membantu semua orang untuk dapat mengembangkan teknologi tersebut. Misi kami adalah mencoba membuat ekosistem AV mencapai visi ini, setiap mil, segala sesuatu yang bergerak akan bersifat otonom. Visi seperti ini menjadi kenyataan. Pernahkah Anda berdiskusi dengan eksekutif Tesla tentang penggunaan lidar? Anehnya, hal ini tampak religius tanpa alasan, terutama jika biayanya turun seperti yang Anda katakan. Pada titik tertentu, jika solusi teknologi yang lebih baik sudah tersedia, rasanya semua orang sebaiknya menggunakannya saja. Pernahkah Anda melakukan percakapan itu? Sebenarnya tidak, bukan saya sendiri. Tim saya pasti punya. Saya menantikan percakapan itu dengan mereka. Sebagian besar dari ini hanyalah ilmu dasar dan penalaran. Senang juga mendengar pandangan mereka. Saya ingin mengakhirinya dengan membicarakan sesuatu yang mungkin paling tidak dapat Anda kendalikan. Model akan terus menjadi lebih baik, Nvidia akan terus membuat chip, mungkin pelanggan akan terus menuntut self-driving. Itu semua terasa seperti sesuatu yang bisa Anda kendalikan. Namun pasar otomotif, pasar otomotif terdepan terjadi di Tiongkok. Saya pikir kita bisa sepakat dalam hal ini. Konsumen AS membuka TikTok dan melihat influencer mobil berbicara tentang kendaraan BYD dan mereka mengeluh di komentar bahwa mereka tidak bisa mendapatkan mobil tersebut. Saya menonton video Buick yang ada di China. Ini adalah Buick EV yang tidak bisa Anda dapatkan di Amerika Serikat dan pelanggan di AS sangat marah karena Buick membuat mobil yang lebih baik di Tiongkok daripada yang mereka buat di sini. Ada banyak hambatan perdagangan antara Amerika Serikat dan Tiongkok. Nvidia berada di tengah-tengah pertarungan ini dalam berbagai cara, apakah itu tarif impor komponen mobil, atau pembatasan literal pada chip apa yang dapat dijual dan ke mana pendapatan dari chip tersebut pergi. Saat Anda mencoba mendorong pasar mobil ke depan, bagaimana dampak kekacauan perdagangan AS-Tiongkok? Apakah itu sesuatu yang kamu pikirkan? Apakah ini sesuatu yang memperlambat industri ini? Apakah itu sesuatu yang bisa Anda lalui? Ya, saya yakin para pengambil kebijakan punya alasan dan alasan masing-masing untuk mengambil kebijakan seperti yang kita lihat saat ini. Sebagai Nvidia, kami adalah pemain ekosistem terbuka. Kami masih memiliki banyak pelanggan di China. Kami mencoba membantu… Misalnya, kami masih memasok chip inferensi dalam mobil karena masih di bawah ambang batas penjualan GPU di pasar Tiongkok. Kami juga bekerja sama dengan semua OEM Cina. Sebenarnya tidak semuanya tentu saja, tapi cukup banyak yang membantu dari sisi infrastruktur dengan menyediakan alat simulasi. Kami bekerja sama dengan mereka pada model sumber terbuka, Cosmos dan Alpamayo. Di satu sisi, kami dapat membantu mereka membuat model mereka menjadi lebih baik. Di sisi lain, kita juga bisa belajar dari persaingan di pasar Tiongkok. Kami juga bekerja sangat erat dengan OEM lain di dunia, dan kami mencoba untuk memasok semua platform Nvidia dan pada lapisan yang berbeda ke OEM yang berbeda untuk membantu mereka agar sukses juga. Sekali lagi, kami tidak memilih pemenang dan kami mencoba bekerja dengan semua orang. Misinya sangat jelas dan kami berusaha mewujudkan visi ini semaksimal mungkin. Ketika Anda berbicara tentang berbagi data antar OEM untuk melatih model dengan lebih baik dan menjadikannya lebih mampu, apakah ada hambatan peraturan atau hambatan persaingan antara berbagi data dari OEM Tiongkok dan OEM Amerika dan Eropa? Oh ya, tentu saja. Tidak hanya Tiongkok, wilayah lain juga menerapkan pembatasan. Misalnya, Eropa memiliki peraturan tertentu mengenai data. Kami mematuhi semua peraturan setempat untuk memastikan kami mematuhi berbagai wilayah. Apakah ini berarti varian model regional memiliki kemampuan berbeda atau lebih baik dalam berbagai hal? Karena jika data inputnya berbeda, sepertinya mungkin outputnya juga akan berbeda. Sangat. Pertama-tama, untuk model produksi, kami berusaha untuk tidak membayar sebanyak yang kami bisa, tetapi akan ada perbedaan mendasar antar wilayah. Model akan berperilaku berbeda di berbagai wilayah berdasarkan masukan. Beberapa di antaranya adalah apa yang kami sebut kode negara. Jadi jelas peraturannya sangat berbeda di berbagai wilayah seperti di Eropa dibandingkan dengan di Amerika. Diperlukan beberapa adaptasi dan beberapa parameter juga berbeda. Ya, ini adalah perjalanan yang cukup menarik untuk mencoba memperluas teknologi ke berbagai belahan dunia. Menurut Anda, apakah — berdasarkan pendekatan peraturan yang berbeda, pendekatan data yang berbeda, data masukan yang berbeda, konfigurasi OEM yang berbeda dan investasi yang mereka lakukan, subsidi yang berbeda dari pemerintah — Tiongkok akan mencapai Level 4 sebagai pengalaman berkendara mandiri yang umum terlebih dahulu? Karena jika saya harus melihatnya, saya berani bertaruh bahwa self-driving Level 4 akan terjadi di Tiongkok jauh sebelum terjadi di Amerika Serikat sebagai pengalaman umum. Menurutku itu tidak benar. Seperti yang Anda ketahui, Waymo telah membawa semua orang merasakan pengalaman L4, setidaknya di ODD tertentu di San Francisco, dan penskalaannya cukup cepat. Tiongkok jelas merupakan pasar persaingan yang jauh lebih dinamis dan terdapat cukup banyak pemain di sana. Tapi menurut pengalaman saya semuanya memiliki kedewasaan Waymo, setidaknya di San Francisco. Kami mencoba membantu semua orang di ekosistem. Dari sudut pandang OEM, ini adalah lanskap kompetisi yang berbeda, namun bahkan di sisi OEM, menurut saya wilayah yang berbeda memiliki jenis yang berbeda… Ya, di satu sisi, jalanan di Tiongkok juga jauh lebih menantang dibandingkan dengan jalanan di AS. Dan Level 4, terkadang saya menyebutnya sebagai permainan zero-pne. Entah Anda memilikinya atau tidak. Saat ini, saya rasa satu-satunya yang benar-benar telah membuktikan bahwa L4 dapat diterapkan dengan aman kepada setiap pelanggan tanpa pengemudi di wilayah seukuran kota tanpa batasan apa pun masih berada di AS atau Tiongkok. Ya, itu Waymo. Saya pikir Waymo akan sangat tersanjung mendengarnya digambarkan sebagai pengalaman umum. Saya menerima bahwa bagi sebagian orang di San Francisco, Waymo adalah pengalaman umum. Saya pikir bagi sebagian besar orang Amerika, hal ini belum terjadi. Dan itulah perubahan besarnya, bukan? Kapan Waymo bisa bekerja di salju? Kapan mereka akan menyebarkannya di Chicago? Dan di Kota New York. Sebagai seseorang yang sudah lama berada di Chicago, saya sangat penasaran bagaimana keadaan di Chicago dan New York City. Pertanyaan yang saya miliki adalah apakah pengalaman umum terasa seperti Anda baru saja membeli mobil dan ADAS Level 2 sekarang menjadi semacam komoditas di dalam mobil. Level 4 akan menjadi komoditas utama di mobil. Anda menekan tombolnya dan mobil itu mulai mengemudi sendiri. Menurut Anda seberapa jauh kita dari hal itu? Itulah misi saya, mencoba membantu industri untuk mencapainya. Saya akan mengatakan jika saya perlu memberikan waktu, saya tidak akan mengatakan lima tahun, tetapi kurang dari lima tahun. Itu adalah prediksi yang berani. Saya pikir kita akan membiarkannya begitu saja, karena kita sudah tepat waktu. Kamu sungguh hebat, Xinzhou. Saya bersemangat untuk berbicara dengan Anda lagi. Kami akan menghubungi Anda kembali sebelum lima tahun untuk memeriksa prediksi tersebut. Tapi apa yang harus kita cari selanjutnya dari Nvidia? Ada beberapa hal yang kami rencanakan. Pertama-tama, pada akhir tahun ini, kami akan meluncurkan teknologi kami di sisi ADAS di semua kendaraan Mercedes dan juga beberapa mitra lainnya, di seluruh Amerika Serikat. Mulai beberapa tahun ke depan, kami akan mencoba meluncurkan teknologi ini ke seluruh dunia. Sementara itu, kami juga bekerja sama dengan mitra kami, misalnya Uber. Kami mengumumkan bahwa di GTC, kami mencoba meluncurkan layanan L4 kami dalam beberapa tahun ke depan. Ini sangat menarik. Selain itu, kami juga merupakan pemain ekosistem. Kami bekerja sama dengan hampir semua OEM. Saat ini, menurut saya 80% OEM produksi massal berada di ekosistem Hyperion Nvidia untuk L4. Kami sedang membangun masa depan ini dengan semua orang. Semoga Anda akan melihat lebih banyak pengumuman menarik dari kami di masa mendatang.  Seperti yang kubilang tadi, kami harus segera menerimamu kembali. Terima kasih banyak telah menggunakan Decoder. Terima kasih sudah menerimaku, Nilay. Senang sekali mengobrol dengan Anda. Pertanyaan atau komentar? Hubungi kami di [email protected]. Kami benar-benar membaca setiap email!