Oggi parlo con Xinzhou Wu, che è il capo del settore automobilistico di Nvidia.  Nvidia è ovviamente costantemente nelle notizie a causa del boom dell’intelligenza artificiale: è una delle aziende di maggior valore al mondo, perché il settore dell’intelligenza artificiale non ne ha mai abbastanza delle GPU dell’azienda. Ma Nvidia è anche un fornitore chiave dell’industria automobilistica. Sono ormai anni che sono presenti chip nelle auto e Xinzhou è stata determinante nella costruzione di un sistema di guida autonomo completo che le case automobilistiche possono semplicemente utilizzare. È già presente nei veicoli elettrici Mercedes più recenti, ad esempio, come lo sentirai menzionare più volte. Quindi volevo davvero conoscere il suo punto di vista su come l'industria automobilistica sta gestendo la grande transizione verso i veicoli elettrici a guida autonoma. Questo è l’obiettivo che ogni casa automobilistica e fornitore ti dirà che sta arrivando, ma che forse sembra più lontano che mai nel 2026. Il ciclo di adozione dei veicoli elettrici negli Stati Uniti è completamente fuori strada, la guida autonoma sembra essere bloccata per sempre nel tentativo di risolvere l’ultimo 20% delle situazioni, e le auto stesse continuano a diventare più costose anche se i consumatori avvertono la pressione dell’inflazione e l’aumento dei prezzi dell’energia su tutta la linea. Sentirai Xinzhou dire che in realtà ci sono stati progressi sorprendenti nel reinventare la natura fondamentale dell'auto stessa - qualcosa che l'industria chiama il "veicolo definito dal software", controllato solo da una manciata di potenti computer invece che da dozzine o addirittura centinaia di unità di controllo elettroniche indipendenti, o ECU. Se sei un ascoltatore di decoder, avrai sentito così tante case automobilistiche parlare della necessità di allontanarsi dalle centraline elettroniche; Xinzhou dice che quel momento è praticamente arrivato.  Abbiamo parlato molto dell’industria automobilistica cinese e di come sia riuscita sostanzialmente a ottenere un vantaggio perché ha iniziato a basarsi su architetture e piattaforme per veicoli elettrici, invece di dover gestire una transizione dalle auto a gas e da tutte quelle centraline elettroniche. Xinzhou lavorava presso un produttore cinese di apparecchiature originali (OEM), quindi ha un bel po' di intuizioni in merito. Abbiamo anche parlato del lavoro presso Nvidia stessa. È un’azienda unica con un leader unico in Jensen Huang, e Xinzhou ha affermato che i tre anni trascorsi lì finora sono stati un’esperienza di rapido apprendimento. Non ha evitato la realtà di dover competere per risorse e capacità con il fiorente business dell’intelligenza artificiale dell’azienda. La sua descrizione di ciò che vince queste argomentazioni, soprattutto quando i suoi clienti sono lenti e avversi ai costi come le case automobilistiche, è stata affascinante. Naturalmente, abbiamo dovuto discutere dell'intelligenza artificiale e di come l'approccio di Nvidia all'autonomia unisca quello che Xinzhou chiama lo stack "classico" e la capacità di ragionare sui modelli per far funzionare l'auto. C'è molto qui, inclusa l'idea che avrai un modello AI che parla letteralmente da solo per capire come guidare la tua macchina, cosa che trovo sia incredibilmente interessante che incredibilmente divertente. E, naturalmente, non si può parlare di auto elettriche o di autonomia dei veicoli negli Stati Uniti senza parlare di Elon Musk e Tesla. Quindi ho chiesto a Xinzhou in modo abbastanza diretto se la guida completamente autonoma di Tesla può effettivamente fare ciò che Elon afferma che sarà in grado di fare senza usare il lidar. Dimmi se pensi che la sua risposta regga. Ok: Xinzhou Wu, capo del settore automobilistico di Nvidia. Eccoci qui. Questa intervista è stata leggermente modificata per motivi di lunghezza e chiarezza. Xinzhou Wu, tu sei il capo del settore automobilistico di Nvidia. Benvenuti in Decodificatore. Grazie per avermi ospitato. Sono davvero entusiasta di parlare con te. Sembra che la natura stessa di ciò che è un'auto sia in gioco. Sembra che l’industria automobilistica sia in un periodo di massiccio riallineamento, quasi come se ci fosse la sensazione di dove l’auto sarebbe finita come prodotto per diversi anni, e questo a causa delle difficoltà nella transizione ai veicoli elettrici, a causa delle difficoltà della guerra commerciale tra Stati Uniti e Cina. Tutto ciò sembra più disordinato che mai. Molte case automobilistiche stanno riducendo le spese e sembra che la tua posizione in Nvidia ti offra una visione piuttosto ampia di ciò che sta accadendo nel settore automobilistico, perché fornisci così tante delle principali case automobilistiche praticamente in ogni paese. Quindi cominciamo da lì. Qual è la tua opinione sullo stato in cui si trova l’industria automobilistica in questo lungo e tortuoso percorso verso l’autonomia e l’elettrificazione? Questa è un'ottima domanda. Lavoro nel settore automotive da probabilmente 15 anni, a partire dalla mia carriera in Qualcomm. Per un po' sono stato a capo del team automobilistico di Qualcomm. E ovviamente abbiamo sentito la frase “veicolo definito dal software”. In questo momento con la tecnologia AI, stiamo arrivando alla fase successiva, quello che chiamiamo essenzialmente un “veicolo definito dall’intelligenza artificiale”. Con queste massicce innovazioni tecnologiche, l’industria automobilistica è cambiata piuttosto rapidamente negli ultimi dieci anni. Come sapete, ho anche lavorato per cinque anni presso un OEM cinese, dirigendo il loro team di guida autonoma. Ora sono a Nvidia. Quindi quello che ho visto nel corso dei miei 15 anni di carriera è stata l’opportunità di assistere a questo enorme cambiamento. L'auto è passata, diciamo, da macchine per lo più meccaniche, più elettriche, ad alcune cose di cui possiamo aggiornare la capacità tramite software over-the-air (OTA) abbastanza rapidamente. Questa è quella che chiamiamo l’era del “veicolo definito dal software”. Ora, con la tecnologia che avanza verso l’intelligenza artificiale generativa, stiamo utilizzando l’intelligenza artificiale per riscrivere la maggior parte del software dell’auto. Questo è ciò che chiamiamo il “veicolo definito dall’intelligenza artificiale”. Ciò ha anche, da un lato, accelerato il ritmo di sviluppo delle capacità del veicolo. E d’altro canto è cambiato anche il modo in cui definiamo “veicolo”. L’intelligenza artificiale sta avendo un impatto sull’intero settore a tutti i livelli. È davvero emozionante vedere come si evolverà il mondo da qui in poi con queste nuove innovazioni tecnologiche. Vorrei separare alcuni termini lì. Li sento spesso dai produttori di automobili che amano venire allo show e dirmi cosa succederà alle auto. Ma penso che alcuni di questi termini siano un po’ confusi ai margini. Quindi hai detto “veicolo definito dal software”. È un termine piuttosto confuso. Penso che l’idea sia che ci sbarazzeremo di tutte le ECU in un’auto che attualmente controlla moltissimi sistemi diversi. E centralizzeremo tutti questi componenti forse in uno o due grandi centri di calcolo in un'auto. Tesla è molto famoso per aver fatto questo. Rivian ha fatto una scommessa enorme su questo. Wassym Bensaid di Rivian era proprio nello show a parlarne. Altri produttori di automobili tradizionali hanno provato a farlo. Avevamo GM nello show. Hanno detto: "Guarda, non abbiamo bisogno di farlo. Stiamo bene. Lo faremo a modo nostro". Ford ha provato a farlo in grande stile. Hanno dovuto creare uno skunkworks e costruire un modo completamente nuovo di realizzare un'auto di cui sono molto orgogliosi. Ci è stato detto che presto uscirà un camion da questo sforzo. Non credo che l’industria sia arrivata a questo punto. Questo è fondamentalmente quello che sto dicendo. Le startup produttrici di automobili sono arrivate al punto in cui potevano affermare di avere un veicolo definito dal software in cui c'erano uno o due grandi computer nell'auto che controllavano ogni sistema. Le case automobilistiche tradizionali, per la maggior parte, non hanno ancora avuto successo.  Metterò un asterisco su questo. Forse Ford avrà successo con questo nuovo camion, ma non lo sappiamo ancora. Pensi che il settore in generale arriverà ai veicoli definiti dal software o pensi che le case automobilistiche legacy rimarranno dove sono? 100%. Ho avuto l’opportunità di assistere a ciò che è accaduto in Cina dal 2018 al 2023. L’intero settore ha attraversato questo enorme cambiamento in soli cinque anni. Laggiù, non solo i nuovi OEM automobilistici, ma anche quelli legacy devono adattarsi. Tutti si stanno adattando a un unico tipo di architettura elettrica di calcolo centrale perché è così che si compete.  Anche nel resto del mondo abbiamo i nostri partner anche attraverso la collaborazione di veicoli autonomi (AV) Drive and Drive, ad esempio con il nostro partner Mercedes. La loro attuale generazione è un'architettura essenziale basata su computer. Sarà in tutti i loro veicoli. Per gli altri OEM di base, stiamo lavorando con tutti loro e cercando di aiutarli a convertire o aggiornare l'architettura verso un percorso con uno o due computer, perché ci sarà infotainment, ci saranno sistemi di guida di base o avanzati di assistenza alla guida (ADAS), ECU. Ma penso che il mondo si stia muovendo piuttosto rapidamente in quella direzione. Alcuni di loro ovviamente saranno più lenti. Alcuni di loro saranno più veloci. Questa è la natura di questo business. Ma non ho dubbi che il mondo si stia sostanzialmente evolvendo in quella direzione. In realtà sono curioso della tua storia. Hai lavorato presso XPeng, una casa automobilistica cinese. Ho la sensazione, seduto dove mi trovo negli Stati Uniti ed essendo un appassionato di automobili da molto tempo, che le case automobilistiche cinesi avessero un vantaggio abbastanza unico nel senso che non erano grandi case automobilistiche globali. Non operavano su larga scala. Arrivò l’elettrificazione. Ovviamente Tesla ha costruito un sacco di capacità in Cina per produrre automobili. Sappiamo tutti come funziona l’ecosistema manifatturiero cinese e devono resettarsi. Hanno dovuto progettare un sacco di auto come veicoli elettrici, senza lamiera, sostanzialmente come hanno fatto le case automobilistiche startup negli Stati Uniti, e costruire auto competitive a livello globale da una base totalmente nuova senza doversi preoccupare di un sacco di cose di cui le tradizionali case automobilistiche americane avrebbero dovuto preoccuparsi. E poi, il governo cinese ha ovviamente sovvenzionato tutto ciò a tassi enormi. Hai lavorato lì. È stata questa la tua esperienza? Fondamentalmente è andata così che hanno potuto ricominciare da capo? Penso che questo sia solo un lato della questione. Hanno sicuramente meno eredità, meno oneri di cui preoccuparsi e questo è un vantaggio. Ma quello che vedo è che non solo i nuovi OEM, ma anche gli attori globali devono adattarsi al ritmo cinese. Almeno da quello che ho imparato lì, tutti vanno a quel ritmo. Ancora una volta, vuoi essere in grado di competere.  Ma come hai detto tu, l’ondata… I veicoli definiti dal software esistono da molto tempo e Tesla è quella che li sta davvero portando alla piena produzione. Non sono sicuro che siano i primi, ma sicuramente in misura maggiore. Non ho dubbi che anche gli OEM del resto del mondo seguiranno. Penso che ogni OEM in questo momento dovrà farlo perché è così che si compete, questo è ciò che devi fare per sopravvivere. L’autonomia diventerà quasi una necessità per tutti gli OEM nei propri veicoli. Crediamo tutti in quel futuro. E l'unico modo per arrivarci è arrivare a... Prima di tutto, c'è l'architettura che ho descritto, che consente gli aggiornamenti del software senza avere molte, molte ECU discrete. In realtà, non ho sentito persone discutere contro questo recentemente. Forse hai sentito qualcosa di diverso, ma penso che sia un passo necessario per tutti. In questa fase, è quasi come una posta in gioco per l’architettura della prossima generazione. Ovviamente stiamo parlando con molti OEM, ma questo è un consenso verso cui il settore si sta muovendo. Sono curioso di sapere il percorso lì, perché sono d'accordo con te sul fatto che molte, molte persone hanno detto che questo è lo stato finale e che rende possibile tutto ciò che verrà dopo. Sembra proprio che il percorso sia stato molto più accidentato di quanto il settore si aspettasse. In parte, non so, è che all’amministrazione Trump non piacciono i veicoli elettrici. Quindi le vendite di veicoli elettrici e i crediti d'imposta qui sono scomparsi e forse le vendite di veicoli elettrici sono aumentate poiché tutta quella domanda è stata aumentata e forse tutti vogliono un'auto a benzina adesso. E forse tutto questo è più difficile quando non hai una batteria gigante in grado di alimentare tutti questi sistemi per sempre e hai effettivamente bisogno di avviare il motore per fornire energia a tutti questi sistemi invece di avere una batteria da 12 volt. O forse è perché le case automobilistiche cinesi sono così competitive e così sovvenzionate che il costo per farlo per le case automobilistiche legacy è difficile da superare, perché hanno l’infrastruttura legacy e le reti di concessionari negli Stati Uniti di cui occuparsi e noi ci limiteremo a trattenerci. C'è qualcosa nel percorso verso questo stato futuro concordato dell'auto che sembra più difficile di quanto pensassi o di quanto qualcuno nello show negli ultimi cinque anni avesse detto che sarebbe stato. Sono curioso, dal tuo punto di vista. Sei il fornitore, stai cercando di vendere la visione, stai cercando di mettere le chips in tutte le macchine. Dal tuo punto di vista, cosa ha reso questo percorso più difficile? Beh, hai detto parecchie cose. L’industria automobilistica è molto pesante. Coinvolge enormi catene di approvvigionamento, molte aziende e molti dipendenti. E per apportare un cambiamento all'architettura e ogni volta che si spinge fuori un'auto, è necessario sostenerla per 10-15 anni. Anche Nvidia, in qualità di fornitore, sta assumendo un impegno simile nei confronti dei nostri clienti per qualunque tecnologia forniamo, inclusi chipset, altre piattaforme e la nostra tecnologia AV. Avremo l'impegno di supportare la stessa generazione per 10-15 anni, anche per l'attuale generazione di chip. Se ci pensi dal punto di vista di un fornitore della Silicon Valley, è quasi folle. Ma questa è la natura del business automobilistico. La natura del business è che rallenterà un po’ le cose. E questa è una cosa. L’altra cosa è che, poiché la tecnologia sta cambiando così velocemente e in modo così diverso, diciamo, dall’automotive come la conoscevamo prima e dal veicolo definito dal software, dal veicolo definito dall’intelligenza artificiale, è necessario passare attraverso un diverso pool di talenti per essere in grado di impostare l’azienda in modo adeguato e adattarsi a questa nuova ondata di innovazioni tecnologiche. Ecco perché Nvidia può venire in aiuto. Perché crediamo che la tecnologia stia arrivando: qui parliamo principalmente di veicoli autonomi, ovviamente. La tecnologia sta raggiungendo un livello di maturità. Porteremo questa tecnologia alla produzione di massa e un fornitore potrà entrare. Ecco perché non forniamo solo la tecnologia AV, ma forniamo anche l’intera piattaforma a partire da un chip, oltre ai sistemi operativi, un modello open source e quello che chiamiamo Halos, il sistema operativo di sicurezza che aiuta l’OEM ad adattarsi più velocemente a questo nuovo mondo.  La natura del business è che non tutti possono correre alla stessa velocità. Quindi sicuramente, a causa della pesantezza di questo settore, ci vorrà del tempo prima che tutti arrivino al traguardo. Ma ancora una volta, il mio lavoro in Nvidia è cercare di aiutare tutti a raggiungere tutto ciò che si muove in modo autonomo, per arrivare a questa visione il prima possibile. Permettimi di chiederti adesso qual è il tuo ruolo in Nvidia, perché penso che questo ci porti alle domande sui decoder. Penso che tutti coloro che ascoltano lo spettacolo probabilmente abbiano molta familiarità con il percorso che Nvidia ha intrapreso con l'intelligenza artificiale. È una delle aziende di maggior valore al mondo. Viene presa in considerazione ogni GPU che Nvidia può realizzare. Quante persone lavorano in Nvidia Automotive? In realtà abbiamo un team piuttosto numeroso, nell'ordine di migliaia nel team automobilistico. Poiché stiamo lavorando sull’intera piattaforma, c’è hardware, software, modello e infrastruttura. È una squadra piuttosto numerosa. Nvidia ha anche molte cose che possiamo sfruttare anche dagli altri team. Ad esempio, sono abbastanza sicuro che tu abbia sentito parlare di Cosmos e Nemotron. Questi sono i nostri modelli base di base open source. Anche noi stiamo sfruttando molto il lavoro svolto da loro. Come è organizzata la tua squadra? Hai detto che hai hardware, software e modelli. È questa la struttura di base della squadra o è organizzata diversamente? SÌ. Bene, dal punto di vista ingegneristico, ovviamente abbiamo il prodotto, abbiamo la strategia, abbiamo qualcosa dietro le quinte. A volte li chiamiamo eroi non celebrati. La mappa team, ad esempio, che è ancora molto critica per L3, L4, i percorsi di autonomia di alto livello. E l'infrastruttura dei dati. Le mappe di navigazione letterali, ecco di cosa stai parlando. Bene, c'è anche la mappa HD. Quindi, più o meno, divido la mia squadra in questo modo. SÌ. E poi è tutto globale? È soprattutto negli Stati Uniti? Dove si trova? Principalmente negli Stati Uniti, ma siamo presenti anche in Cina e in Europa. Ovviamente stiamo costruendo un prodotto globale, una piattaforma globale, quindi abbiamo bisogno di un team di supporto ovunque. Hai detto che ti affidi ad alcuni dei modelli di base che Nvidia ha sviluppato in modo più ampio. Come è strutturato il vostro team all'interno di Nvidia? Si adatta alla strategia AI? È messo a parte? Sei più isolato? Come funziona? Oh, è un'ottima domanda. In Nvidia abbiamo, diciamo, un team hardware centralizzato, che è responsabile della roadmap hardware sulla nostra GPU, sulla CPU, su tutta la strategia del chipset e sulla produzione. Disponiamo anche di un team software centralizzato. Il team automobilistico è un'organizzazione separata, molto più focalizzata sull'automotive, con la missione di costruire la piattaforma automobilistica per sfruttare il lavoro del nostro team hardware e del team software e adattarsi all'automotive. Abbiamo anche il team modello.  Nvidia ha anche una cultura dei team virtuali. Ad esempio, il nostro modello open source per Nemotron e Cosmos, siedono tutti di fronte al nostro team di ricerca, al team del software e al team dell'hardware. Ma sono team virtuali che lavorano su questi modelli di base open source. Possiamo sfruttare questo lavoro e poi nell'organizzazione automobilistica creare un modello per aiutare l'industria AV a disporre di un potente modello open source su cui lavorare. Come ho detto, praticamente ogni GPU che Nvidia può produrre viene contabilizzata in qualche modo. Questa è la natura del settore dell’intelligenza artificiale in questo momento. Andranno in qualche neocloud da qualche parte. Devi lottare per le risorse e l'attenzione contro quel business, che sta crescendo alla velocità e alla scala con cui sta crescendo? Sì, che tu ci creda o no. [Ride] Anche Nvidia ha una fornitura limitata di GPU per l'elaborazione. Abbiamo una priorità interna e lavoro con i miei colleghi praticamente quasi ogni settimana per decidere come accantonare i diversi calcoli, a volte per la formazione, a volte per i test o le risorse per un diverso filone di lavoro in azienda. E a volte abbiamo bisogno dell'aiuto di Jensen [Huang, CEO di Nvidia], ma sì. Come funziona? Che aspetto ha questo dibattito? È un dibattito sul ROI? “Se investiamo così tanti soldi, otterremo così tanti soldi dai nostri clienti”? È un dibattito sulle dimensioni del mercato? Quali sono i parametri della conversazione? È tutto quanto sopra, come puoi immaginare. Le entrate sono importanti ovviamente, ma anche Nvidia, come sapete, è un'azienda molto strategica. Apprezziamo ciò che Jensen a volte chiama il business da zero trilioni di dollari. Siamo alla ricerca di nuove opportunità che possano creare continuamente un business da trilioni di dollari. Quindi, è necessario che ci siano priorità strategiche da stabilire all’interno delle aziende nella nuova direzione che stiamo seguendo. Probabilmente sai anche che non siamo una società con quote di mercato. È un equilibrio tra ciò che fondamentalmente porta i soldi in questo momento e ciò che può creare il futuro, ciò che può creare opportunità per l’azienda in futuro. Nvidia è un'azienda gestita in modo davvero unico. Come hai già detto, Jensen è profondamente coinvolto in tutto. Ho visto un'intervista con lui in cui diceva che non ha incontri individuali. Si incontra con tutti tutti insieme e tutti si limitano a discuterne. Com'è? Lavoro in Nvidia da tre anni. È davvero unico, onestamente. E ovviamente non sono tutti insieme. Sono gruppi diversi. Abbiamo tutti un prodotto di strategia tecnica, una parte diversa delle revisioni aziendali con Jensen. È davvero entusiasmante per me, in realtà, un'esperienza in cui imparare dal suo pensiero strategico e da come pensa a un prodotto, da come pensa a una strategia. È anche straordinariamente profondo dal punto di vista tecnico. È anche un’esperienza piuttosto stimolante vedere quanto si tiene aggiornato dal punto di vista tecnico. È, direi, un’esperienza irripetibile e un’opportunità per me di poter imparare da Jensen. Quando si descrive l’opportunità di autonomia, soprattutto in futuro, questa sembra la grande scommessa. "Porteremo l'eccellenza computazionale di Nvidia e la potenza dell'intelligenza artificiale alle auto, e le faremo guidare da sole." Che aspetto ha questo modello di entrate? Sembra che tu stia vendendo solo chip e software alle case automobilistiche? Sembra che i consumatori paghino un abbonamento e parte di questo ricade su di te? Da dove vengono i trilioni di dollari? Anche questa è un’ottima domanda. In questo momento crediamo fermamente che tutto ciò che si muove sarà autonomo. Ogni chilometro percorso dall'auto in futuro sarà autonomo. Se guardi, tra tutte le auto, percorriamo 13 trilioni di miglia all'anno. Al momento la percentuale di miglia autonome tra tutti i chilometri percorsi è probabilmente trascurabile. Penso che sia lo 0,006%, o qualcosa del genere. Quindi questa è l’opportunità che abbiamo davanti. Il punto di vista di Nvidia è che aiuteremo l’ecosistema insieme il prima possibile fornendo nuovamente tutti gli elementi tecnologici di base, a partire dai chip ai sistemi operativi, e poi a ciò che chiamiamo Halos. Il sistema operativo Halos è davvero importante perché non solo fornisce l'SDK e le API affinché le persone possano sviluppare modelli sul nostro hardware, ma fornisce anche le barriere di sicurezza affinché gli sviluppatori possano inserirvi un modello. Definiamo anche ciò che chiamiamo Hyperion come piattaforma hardware. Si tratta di una piattaforma pronta per la produzione, che include le risorse informatiche, le ECU e anche la suite di sensori. Pensiamo che sia necessario raggiungere un diverso livello di autonomia. Inoltre, forniamo Alpamayo, un modello open source, che abbiamo formato. È open source non solo nell'architettura del modello, ma anche nei parametri e nei dati che puoi utilizzare per mettere a punto il modello sulla nostra piattaforma. Oltre a ciò, forniamo anche tutta l’infrastruttura necessaria. Ad esempio, la simulazione è davvero importante per lo sviluppo di AV in questo momento. Di solito diciamo che il problema AV sta diventando un problema di tre computer. C'è il computer per l'allenamento, c'è il computer per la simulazione e poi c'è il computer per l'inferenza in macchina. Vogliamo fornire tutti questi elementi tecnologici all'ecosistema in una piattaforma che chiamiamo Nvidia Drive, in modo che le persone possano sviluppare quella tecnologia sulla nostra piattaforma. Ci auguriamo di poter ottenere in futuro una percentuale delle entrate che l’ecosistema può ottenere da ogni miglio percorso in modo autonomo. È da qui che può provenire un’opportunità da trilioni di dollari. Quindi, entrate per miglio. Sembrano le metriche principali che stai inseguendo. Da dove provengono le entrate per miglio per un utente? Quando guido l'auto pago un abbonamento? O pensi che ci siano robotaxi ovunque e che vengano monetizzati per corsa? Da dove provengono le entrate per miglio e come aumenta quel numero? Giusto. Ebbene, penso che il mondo abbraccerà entrambi i modelli. Uno è il robotaxi. Come vedete, ce ne sono parecchi di successo in Cina, negli Stati Uniti e nel mondo. Vedremo di più, si spera, seguendo questa strada. Avremo una flotta simile a quella dei taxi dove potrai divertirti a portarti dal luogo A al luogo B senza autista in macchina.  Penso che anche la flotta passeggeri continuerà ad esistere per molto tempo perché sono molte le persone che preferiscono ancora uno spazio privato durante il viaggio. È come se molte persone preferissero ancora possedere la propria casa piuttosto che affittare un appartamento. C’è anche un’economia dietro questo. Pensiamo che entrambi i modelli prospereranno. Ecco perché stiamo lavorando sia con le società di robotaxi che con gli altri OEM, nonché con le società di sviluppo di software AV per aiutarli fornendo diversi componenti tecnologici di Nvidia. Una delle dinamiche interessanti attraverso almeno la parte dell’elettrificazione, negli ultimi cinque anni, è stata che le case automobilistiche tradizionali si sono rese conto di essere diventate compagnie di assicurazione e società finanziarie, e che i loro fornitori stavano producendo le auto. Avevano perso in grande stile il controllo del design automobilistico. I fornitori di primo livello delle grandi case automobilistiche erano in molti modi responsabili dei grandi sottosistemi delle automobili. Quando volevano fare un aggiornamento via etere, dovevano parlare con 15 fornitori diversi per farlo. Ho sentito questa lamentela dozzine e dozzine di volte nello show. E tutti si sono resi conto: "Dobbiamo riprendere l'ingegneria dell'auto. Dobbiamo avere un controllo molto più fermo della piattaforma dell'auto. " Sembra che nell'autonomia, per una serie di ragioni, Nvidia veda l'opportunità di diventare il principale fornitore di un'ampia varietà di case automobilistiche. Questa è ovviamente l’intenzione con cui pensano: “Dobbiamo prendere il controllo della macchina”. Tesla potrebbe utilizzare i chip Nvidia, ma è molto orgogliosa del fatto di aver scritto ogni riga di quel codice, e quella è la sua piattaforma, e di aver fatto le sue scommesse tecnologiche. Rivian, penso che Wassym sia molto orgoglioso del fatto di essere a capo di quella società di piattaforma e che costruirà quella piattaforma. RJ [Scaringe, CEO di Rivian] è certamente molto orgoglioso del fatto che Rivian sia quel tipo di azienda. Qual è la dinamica lì? Perché non sembra che tutte le case automobilistiche possano sostenere la scommessa tecnologica e investire nella speranza che le entrate vengano ripagate. Avranno bisogno di un fornitore come Nvidia che si presenti con una piattaforma e un modello di business già pronti. Adesso questo pende più a tuo favore? Siamo usciti da quei boschi o è ancora nell'aria? Penso che la bellezza del modello di business di Nvidia sul lato automobilistico sia che la nostra piattaforma è completamente aperta. Forniamo più livelli di servizi e dipendiamo da ciò di cui hanno bisogno gli OEM o le aziende di robotica. Possono selezionare cosa vogliono lavorare con noi e quale livello per, come hai detto, Tesla. Alcuni OEM sono così capaci. Vogliono persino costruire la propria deduzione per dipingere l'auto. Anche per quello, stiamo bene. Continueremo comunque a lavorare con loro. In realtà, stiamo lavorando con Tesla e molti OEM che stanno costruendo utilizzando il proprio chip di inferenza collaborando con loro nel cloud. Cerchiamo anche di aiutare a ottimizzare i loro modelli. Con diversi OEM abbiamo collaborazioni diverse, perché abbiamo ancora il computer di simulazione e il training computing nell'infrastruttura con cui lavoriamo con loro. Alcuni OEM vorrebbero avere una soluzione più chiavi in ​​mano. Anche noi siamo molto felici di lavorare con loro. In tal caso, andremo fino in fondo. Stiamo lavorando come un livello uno o un livello 1.5, solo per andare di pari passo. Questo è il nostro tipo di partner AV per autisti, ad esempio Mercedes. Lavoriamo a stretto contatto con loro per definire i prodotti che desiderano e quindi adattiamo anche il nostro stack AV per i conducenti affinché funzioni perfettamente nel loro veicolo. Gli ingegneri di entrambe le parti lavorano a stretto contatto per adattarlo bene al DNA del design Mercedes e all'esperienza del cliente che vorrebbero offrire. Questo è davvero importante per noi. Non stiamo selezionando i vincitori di per sé. Cerchiamo di aiutare gli OEM in base alle loro capacità a diversi livelli. L’apertura è davvero importante per il nostro modello di coinvolgimento con gli OEM. Uno dei motivi per cui sono così curioso è che hai menzionato i modelli di formazione. In altre interviste hai menzionato che stai elaborando dati sintetici per allenare l'autonomia in diversi modi. Sono molto curioso a riguardo. Mi colpisce, guardando il settore. Waymo ha questo gigantesco vantaggio in termini di chilometri percorsi in modalità autonoma, e ne sono molto orgogliosi, e questo ha contribuito a rendere le loro auto tanto efficaci quanto lo sono nei mercati in cui si trovano. Anche Tesla ha un numero enorme perché si stanno allenando sulle auto reali che vengono guidate. Non tutte le case automobilistiche riescono a capire come arrivare a un miliardo di miglia guidate in autonomia. Giusto. SÌ. Dovranno fare affidamento su qualche terza parte per riportarli almeno allo status quo, se non oltre. Sembra che Nvidia sia lì pronta per essere quella terza parte. Sono molte le proposte di vendita rivolte alle case automobilistiche? "Puoi semplicemente acquistare la nostra tecnologia in qualunque capacità aperta desideri e ti porteremo rapidamente a uno stato competitivo"? Direi che questo è l'unico punto convincente per gli OEM per impegnarsi con Nvidia nell'ecosistema Hyperion, nell'ecosistema Drive. Perché uno degli aspetti chiave che definiscono Hyperion è l'architettura di calcolo, e anche l'architettura dei sensori è la condivisione dei dati. Per chiunque si impegni e diventi partner di Nvidia Drive, condividiamo i dati attraverso il nostro programma esistente, attraverso il quale raccogliamo milioni di ore di dati. Attraverso i diversi programmi automobilistici, stiamo anche accumulando dati provenienti da diversi OEM. E poi possiamo costruire, prima di tutto, un modello che viene addestrato con tutti questi dati. Ci assicuriamo che almeno i dati raccolti nei nostri diversi programmi automobilistici siano condivisi con l'OEM. Questo è il numero uno. La seconda è che, nella nuova era, crediamo fermamente che anche il calcolo sia costituito da dati. Quindi, come hai detto, ci sono molti dati sintetici.  Esistono dati di neuro ricostruzione, che chiamiamo NuRec. Questo è un pezzo molto importante di tecnologia e simulazione in cui raccogliamo i dati dal campo, ma a volte possiamo usare la neuroricostruzione per confondere i dati per cambiare lo sfondo o cambiare la traiettoria dell'auto. Possiamo generare molte varianti degli stessi dati. Tutti questi dati necessitano di un computer per generare queste decine di milioni di punti dati. Possiamo condividere con tutti coloro che sono impegnati nel nostro ecosistema. In questo modo, insieme a tutti gli attori che hanno collaborato con l’ecosistema Drive, possiamo colmare il divario di dati, il che è molto importante. Quindi questi sono dati sintetici, giusto? Raccoglierai una serie di esempi di guida nel mondo reale. Lo inserirai in un simulatore. Il simulatore quindi confonderà i dati. Penso che l'esempio che ti ho sentito fare sia che c'era un pedone che è uscito, e possiamo semplicemente ritardare il pedone e far uscire quella persona più tardi, e l'auto dovrà reagire come se fosse reale. Giusto. E eseguirai molto allenamento contro molte varianti diverse degli stessi dati. È affascinante per me. Capisco perché tutte le case automobilistiche dovrebbero crederci. Perché dovrebbero accettare la condivisione dei dati? È solo il riconoscimento del fatto che collettivamente hanno maggiori possibilità di recuperare terreno? È perché semplicemente non vogliono pagare i soldi? È più economico? Perché dovrebbero partecipare con i loro concorrenti a questo tipo di accordo di condivisione dei dati? Entrambi sono assolutamente veri. In realtà, il risparmio sui costi è enorme. La raccolta dei dati che gestisce una flotta di enormi dimensioni rappresenta una grande spesa in conto capitale per chiunque desideri farlo. È anche ripetitivo. Se riesci a trovare, ad esempio, ciò che forniamo sulla piattaforma Drive o sull'ecosistema Drive, puoi risparmiare molto impegno e denaro da parte dei nostri clienti.  Sono curioso di questo perché l'idea è che allenerai le cose, poi avrai un modello in macchina e avremo un'auto definita dall'intelligenza artificiale. L’approccio classico alla guida autonoma prevedeva che avremmo fornito sempre più dati al problema, e alla fine l’auto saprà come fare tutto, avrà mappato tutte le strade soprattutto. Ho una Cadillac EV e il modo in cui funziona Super Cruise è che funziona su strade mappate. Alla fine la scommessa è che mapperanno sempre più strade e sempre più cose, e l’auto diventerà più capace. Sembra che l'approccio di Nvidia sia che l'auto sia abbastanza intelligente da fare qualsiasi cosa, con o senza le mappe. E ciò richiede un approccio diverso alla raccolta dei dati, un approccio diverso all’elaborazione e quindi ovviamente una scommessa maggiore sull’intelligenza artificiale. È reale questa divisione? Hai appena fatto quel salto? È questo il futuro della piattaforma o sei nel mezzo? L'approccio che adottiamo in questo momento per quello che chiamiamo L2+, che essenzialmente è senza mappa. Come hai detto correttamente, il modello avrà sicuramente bisogno di più dati e di coprire più casi angolari. E il modello sta diventando sempre più grande mentre parliamo, per questa generazione, per la prossima generazione. Utilizzeremo un modello molto più grande con più parametri. Anche i modelli di fondazione giocheranno un ruolo importante in questo caso. Per poter rendere questo modello molto capace, più dati sono molto, molto critici. D’altro canto, però, può essere d’aiuto anche la tendenza a utilizzare un modello di base già addestrato con i dati Internet. Ecco perché ho sottolineato più volte la connessione con l’impegno del modello di base all’interno di Nvidia. Con il modello di ragionamento e il modello di base, possiamo sfruttare la prospettiva del modello di frontiera e sfruttare Internet per ridimensionare i dati in modo da poter aiutare il veicolo a generalizzare meglio, anche senza i dati specifici del veicolo. Questa è la direzione principale su cui puntiamo, verso un livello di autonomia più elevato, in particolare il Livello 4. Questo è uno dei principali filoni di lavoro su cui ci stiamo concentrando in questo momento. Tornando all'OEM, penso che essere in grado di sfruttare ciò su cui abbiamo costruito attraverso le nostre collaborazioni con l'impegno esistente e la nostra enorme capacità di generazione di dati utilizzando set di dati sintetici e neuroricostruzione - oltre a essere in grado di sfruttare la capacità del modello di base che viene addestrato da dati più generali, ma che aiuterà il modello a ragionare meglio, a generalizzare meglio - queste sono le cose che possiamo offrire ai nostri clienti. Sento di dover chiedere informazioni sulla sicurezza adesso. Sono sicuro che sia più complicato di così, ma stai parlando di un modello fondamentale che ragiona attraverso la guida autonoma. E tutto quello che ho in testa è ChatGPT che si scusa con me perché ha sbagliato mentre l'auto si schianta, o uno di quegli orribili cicli di latenza lunghi in cui il modello va nella direzione sbagliata e se ne rende conto. E poi puoi guardare la catena del pensiero ed è come, oh, ha sbagliato completamente. È brutto il modo in cui Anthropic crede che Claude si senta male. Niente di tutto ciò sembra compatibile con la natura in tempo reale della guida di un’auto. Come colmare questo divario? Latenza, la necessità di avere uno di quei grandi modelli in background, il tipo di ragionamento tangente su cui i modelli possono andare avanti. Com'è compatibile con la guida di un'auto? La sicurezza è così importante per noi ed è così importante per il settore AV. Permettimi di rispondere alla tua domanda affrontando i diversi livelli della nostra offerta. Il tema della sicurezza ovviamente non è una novità per l'industria automobilistica e abbiamo sviluppato un protocollo di sviluppo molto sofisticato e anche un protocollo di convalida per poter dimostrare che il software è sicuro. Si chiama ISO 26262. In realtà sviluppiamo il nostro software a livello di hardware e sistema operativo (SO) e il software a livello di applicazione secondo i più alti standard di sicurezza, il che è molto importante e fondamentale per poter utilizzare qualsiasi cosa per guidare l'auto. Questo è il numero uno. Il numero due è che adottiamo un approccio leggermente diverso rispetto ad alcuni dei giocatori in questo spazio. In realtà abbiamo uno stack ridondante anche per la nostra funzione L2++ o ADAS. Oltre a questo c'è il modello end-to-end, che è fondamentalmente pixel-in, trajectory-out. Disponiamo anche di uno stack classico che è maggiormente sviluppato sulla base di questo standard di sicurezza come lo conosciamo. Fondamentalmente è un componente. È uno stack con molti componenti e ogni componente può essere verificato utilizzando questo standard noto. Questo è quello che io chiamo stack classico. E quando ci sono due stack che funzionano in parallelo, lo stack classico si comporta come quello che a volte chiamiamo Grande Fratello, ma essenzialmente è una barriera di sicurezza. Cerca di verificare tutte le traiettorie dal modello end-to-end e utilizza lo standard di sicurezza noto per verificare che sia sicuro ad ogni frame. Questo è un concetto molto importante che abbiamo. E non solo un concetto, ma l'implementazione che abbiamo nel nostro stack. Prenderemo questo, che sarà fondamentale per l'autonomia di livello superiore, L4. Questa è anche la base del nostro stack L4 in cui disponiamo di piena ridondanza, non solo come set di sensori, ma come set di architettura software. Questo secondo punto è rispondere alla tua domanda sulla sicurezza. Numero tre, quando sviluppiamo il modello, stiamo anche cercando di fare in modo che il modello riduca il più possibile le allucinazioni. Il modo per farlo è attraverso una convalida massiccia. Stiamo costruendo enormi dati di test di simulazione per ogni modello che rilasciamo. In questo momento stiamo cercando di eseguire cinque milioni di test ogni giorno nel nostro programma. Circa ogni giorno abbiamo 10 iterazioni del modello, il modello end-to-end. Stiamo effettuando una validazione davvero massiccia per assicurarci che in tutti questi scenari – puoi pensarlo come ogni scenario di test testato – il modello stia generando la giusta traiettoria. Anche questo è estremamente critico per noi. Quindi questo è ciò che facciamo per garantire che il nostro prodotto sia sicuro. Permettimi di farti una domanda davvero stupida di cui sono davvero curioso. Hai parlato molto del modello e di come funzionerà l'auto. E sì, la classica catasta è il parapetto di sicurezza. Il modello ragiona nel linguaggio come ogni altro modello? È seduto lì sullo sfondo a dire: "Vedo un segnale di stop. Cosa faccio? Farei meglio a fermarmi. Vado a premere i freni", nel modo in cui qualsiasi tipo di modello generale ragiona nel linguaggio in sottofondo? La risposta breve è sì. Nel nostro modello di prossima generazione, che implementeremo nella prossima generazione di veicoli… Poiché la generazione attuale ha un computer più o meno limitato, la prossima generazione è basata su SOAR. Avremo il modello addestrato con il linguaggio incorporato. Essere in grado di ragionare attraverso il linguaggio è molto importante. Puoi anche chattare con la modella. Puoi chiedere al modello cosa sta facendo e poi puoi anche chiedere al modello di accelerare o rallentare e di effettuare un cambio di corsia, ad esempio. Mentre sta letteralmente guidando, dice a se stesso: "Vedo un'auto laggiù. Devo cambiare corsia per prepararmi all'uscita che arriverà tra un paio di miglia". E lo fa nel linguaggio per far funzionare l'auto? Penso che sia una combinazione di cose. Il linguaggio sta già incorporando il modello, ma anche il segnale visivo è estremamente importante, come sapete. Voglio dire che è multi-modello, ma il linguaggio ne fa parte. Come sapete, il modello è scatola nera. Non sappiamo esattamente cosa sta facendo esattamente, ma puoi chiedere informazioni e il modello ti risponderà cosa sta cercando di fare.  Ho solo questa visione di un modello di chatbot che impazzisce mentre sbanda sull'autostrada a 55 miglia all'ora. In realtà, GTC Taiwan ha pubblicato un video che mostra che la modella parla costantemente. Può essere piuttosto fastidioso se provi davvero a sentire tutto ciò su cui la modella sta cercando di ragionare. Qual è la latenza in questo? Ovviamente stai distribuendo i sistemi, deve funzionare, ma c'è un tentativo di ridurne la latenza? Sento che il linguaggio è intrinsecamente lento rispetto a quello che devi fare per guidare. Non penso in linguaggio quando guido la macchina. 100%. Ecco perché ho detto che è multi-modello. Ma ridurre la latenza end-to-end è estremamente importante. In realtà, questo è uno dei principali vantaggi dello schieramento, della guida dell’auto con un modello. Perché se ci pensi, il vecchio stack o lo stack classico che ha più componenti, di solito ci vogliono diverse centinaia di millisecondi. Ma con un modello, poiché è solo tempo di inferenza, è separato dall’input, che è pixel e traiettoria. Puoi ridurre la latenza, a seconda delle capacità del tuo computer, ovviamente. Ma anche nella generazione attuale, controlliamo che avvenga entro 100 millisecondi, il che è piuttosto veloce. Per quanto riguarda il ragionamento linguistico, se ci pensi, beh, quello è il cervello umano, giusto? Se ci pensi, direi che il tasso di informazione è già astratto. Il tasso di informazione non è molto alto. E stiamo utilizzando i dati di Internet per allenare questo tipo di capacità di ragionamento basato sul linguaggio. Penso che la latenza sia ben sotto controllo, lasciatemi dire così. E ancora una volta, non guidi l'auto solo con la lingua. Questa è una cosa fondamentale, come ho detto. Di solito la parte del ragionamento è, credo, più lenta. Ancora una volta, non sappiamo esattamente cosa sta facendo il modello, ma la parte pixel è ciò che guida la reazione istantanea di base del veicolo. Sì. Se chiedi ad Anthropic ti diranno che Claude ha sentimenti ed emozioni e può spaventarsi. Uh-eh. Ci pensi? Pensi che i tuoi modelli provino emozioni quando guidano l'auto? Utilizzeremo il guardrail per assicurarci che non diventi troppo lunatico. [Ride] Sono solo curioso. Voglio dire, come hai detto tu, non sappiamo come funzionano i modelli. Ho letteralmente una visione del modello che dice: "Oh mio Dio, sto andando così veloce". Ma forse il sistema classico lo ridurrà. Sì. Sì. Tutto questo funziona localmente in macchina? No, no, no, no. Tutti questi convalidano offline. Ma la seconda parte con il guardrail di sicurezza, quando corriamo due pile in parallelo, è sicuramente in macchina. E nell'auto, ad ogni frame, il software nella nostra ECU ADAS, confrontiamo la traiettoria sia dello stack classico che del modello end-to-end per assicurarci che il modello stia producendo una traiettoria di base sicura. Quindi, secondo il tuo approccio, le auto necessitano di una connettività veloce per essere autonome? Non necessariamente, ma è necessaria una certa connettività per ottenere informazioni sulla navigazione e alcune informazioni sulla mappa. La maggior parte di queste sono mappe di navigazione. Quindi, per aiutare non solo il lato del modello e anche lo stack classico, utilizziamo alcune informazioni sulla mappatura della navigazione per aiutarci a comprendere meglio il mondo. Lo chiedo solo perché ho trattato in modo molto dettagliato il lancio delle reti 5G e tutte le società di telecomunicazioni mi hanno promesso che il 5G consentirà le auto autonome. E sembra che il tuo approccio sia quello che si appoggerà maggiormente alle reti a bassa latenza in questo modo. Questo non è sbagliato, ma d'altro canto l'auto deve guidare autonomamente anche nell'angolo cieco. La bassa latenza in tempo reale, direi che la dipendenza dai contenuti, ha quella dipendenza nel cloud. Almeno per il tipo di applicazione ADAS – L2+ è come lo chiamiamo – che è pensata per funzionare ovunque, costruire quella dipendenza non è una buona idea. Sì. Quando arrivi al Livello 4, Livello 5, è allora che hai una dipendenza dalla connettività. Giusto. SÌ. Sì. Cosa succede quando si perde la connettività all'autonomia di livello 4? Quando sei al Livello 5 e non hai più il volante e perdi la connettività, cosa succede? Nel Livello 4, puoi pensare alla connettività come a una sorta di sensore. La capacità di guida di base non può dipendere enormemente da ciò. E uno dei concetti fondamentali dello sviluppo della tecnologia di livello 4 è la ridondanza dei sensori. Questo non vale solo per il GPS, ma anche per la fotocamera, il radar e tutto ciò che vedi. Per ogni singolo punto di guasto, l’auto deve essere in grado di guidare in sicurezza. È come se all’improvviso perdessi il GPS, ma l’auto ha una percezione locale, deve poter arrivare in un punto sicuro e accostare. Questo è un requisito minimo che un sistema L4 deve avere. Questo è il principio base di L4 per poter sviluppare un tale sistema. Sono molto curioso di sapere dove si trovano tutti gli stack di sensori nell'auto, quanta elaborazione c'è nell'auto, quanta RAM dobbiamo inserire nelle auto in un momento di aumento dei prezzi della RAM. Tutto ciò sembra un costo aggiuntivo da sovrapporre alle auto che stanno diventando sempre più costose e contro le quali i consumatori, almeno negli Stati Uniti, sentono di ribellarsi in molti modi. Giusto. Posso guardare il traffico del nostro sito web; tutti vogliono comprare un camion Slate per $ 25.000 e non ha nemmeno la radio. Questa è solo una batteria su ruote. Questa è l'intera macchina. Non ha nemmeno una verniciatura. Ora stiamo eliminando i lavori di verniciatura sulle auto per contenere i costi. Stai parlando di molto calcolo in macchina, molta connettività, forse un sacco di RAM su cui caricare i modelli. Giusto. Come funziona? Questo ti spinge di più verso quel modello di robotaxi o pensi che le persone compreranno solo costose auto a guida autonoma? Sicuramente la costruzione di auto autonome richiede molto hardware, ma l’altra tendenza è che il costo dell’hardware sta diminuendo piuttosto rapidamente man mano che la tecnologia diventa più matura. Ad esempio, il radar. Anche nella mia carriera, ho visto i prezzi dei radar probabilmente scendere almeno quattro o cinque volte in 15 anni, a causa del volume sempre più grande del costo. Ho assistito anche al calo dei prezzi dei sensori della fotocamera. Ci sono più concorrenti e la concorrenza porta prezzi più bassi quando il volume diventa maggiore. L'effetto di scala è sicuramente presente in questo momento in ADAS e tutti i componenti diventano molto più maturi e ad un certo livello di merce. Come sai, il computer sta crescendo a un ritmo molto rapido. Abbiamo parlato qualche tempo fa della Legge di Moore nel settore dei semiconduttori, ma nel segmento della guida autonoma la necessità di computer è cresciuta a un ritmo davvero sorprendente. Approssimativamente parliamo di 10 volte ogni due anni. È pazzesco. E proprio ora, con il successo dell’intelligenza artificiale e ovviamente di Nvidia, saremo in grado di fornire questo tipo di elaborazione di massa alle auto a un prezzo accessibile. Nel cloud o in macchina? In macchina. Ti ho chiesto prima della lotta per la capacità di addestramento. Bisogna lottare anche per la capacità di fabbricazione? Oh sì. Perché quei costi stanno aumentando per tutti. Sì, naturalmente. SÌ. Sono curioso, è la richiesta di Nvidia che sta facendo aumentare i costi per tutti. Allora come si ottiene una capacità favolosa quando le altre divisioni di Nvidia sono disposte a pagare qualunque tariffa venga richiesta? Ebbene, è la stessa risposta che ti ho dato. Non so se c'è altro che posso dire perché siamo un'azienda strategica e anche il nostro business automobilistico sta andando bene, ma ovviamente non al ritmo del nostro business dei data center. Ma crediamo fermamente – anche lo stesso Jensen – nel futuro dell’AV. Continuiamo a investire in questa tecnologia e in questo futuro, non solo assegnando risorse di calcolo interne, ma anche con capacità produttive. Questa è sicuramente una delle cose che stiamo esaminando.  In realtà, molto probabilmente anche il prezzo dei chip dovrà aumentare, a causa di questa intensa domanda per ogni chip a cui tutti possono accaparrarsi. Il lato positivo è che la tecnologia sta davvero diventando [buona]. Ho parlato del lato chip e ho parlato anche un po' del lato sensore. Ho parlato di Hyperion, che è un tipo di piattaforma pronta per il prodotto, con elaborazione e sensore. Quindi stiamo davvero cercando di trovare un equilibrio tra i costi e ciò che possiamo fare. Stiamo esaminando quello che chiamiamo il set di sensori sufficiente e necessario per raggiungere un elevato livello di autonomia. In Hyperion 10, ad esempio, offriamo davvero due versioni. Una è una base, composta principalmente da telecamere: 10 telecamere, tre radar, nessun lidar. È un modo molto conveniente per costruire un tipo di veicolo ADAS L2++. E d'altra parte, per la fascia alta, c'è quello che chiamiamo Hyperion High: forniamo il set di sensori richiesto, che ha, credo, 14 telecamere, tre lidar e sette radar per avere una ridondanza di sensori sufficiente per poter pilotare L4. È necessaria anche la ridondanza dell'ECU. Hai bisogno della nostra prossima generazione – beh, in realtà, per essere più precisi, della piattaforma informatica basata su SOAR dell’attuale generazione. Immagina di avere un'auto che può davvero guidare da sola. Crediamo che con questo set di sensori e questa architettura informatica si possa arrivare a quel livello di autonomia che possa giustificare il costo. Il sensore minimo impostato per l'autonomia è oggetto di accesi dibattiti. Se ne discute da molto tempo. Penso che l’affermazione di Elon Musk che pensava che il lidar fosse un massimo locale secoli fa sia stata l’inizio di questo dibattito. Questo dibattito non è stato sedato in alcun modo, forma o forma. Pensi che il livello 4 richieda lidar? La risposta breve è sì. Riteniamo che il lidar sia il sensore importante per fornire la sicurezza e la ridondanza necessarie per l'autonomia di livello 4. Ma d’altro canto è difficile dire che sia necessario al 100%. Riteniamo che questo sia un percorso molto fattibile basato sulla configurazione ad alto sensore di Hyperion 10 per raggiungere capacità di livello 4 sia in ambito urbano che autostradale. D’altra parte, in teoria, le persone possono dimostrare con un chilometraggio enorme che il lidar potrebbe non essere necessario. Ma essenzialmente arriverà con la limitazione ODD. Scusa, qual è il limite DISPARI? Il dominio di progettazione operativa (ODD) è fondamentalmente un dominio applicabile. Puoi implementare la tecnologia. Abbiamo fatto un bel po’ di analisi su questo. Sulla base delle nostre attuali conoscenze e del framework che utilizziamo per eseguire questa analisi, riteniamo che per implementare questa tecnologia L4 in tutti gli ODD di cui i nostri clienti possono trarre vantaggio, è molto meglio avere lidar piuttosto che non averlo. Quando guardi dove si trova Tesla con la guida completamente autonoma, i suoi veicoli e il suo impegno assoluto ad essere un sistema basato sulla visione, pensi che attualmente siano più avanti di te? Pensi che siano in parità? Pensi che siano dietro di te? Ci sono due livelli di risposta a questa domanda. Per quanto riguarda la tecnologia L2++ di base, Elon è probabilmente più avanti di tutti. Aveva una divisione molto tempo fa e per molto tempo è rimasto fedele alla visione di sviluppare e testare la tecnologia in una flotta enorme. Nessuno sosterrebbe che Elon è davanti a tutti nel mercato ADAS e che tutti stanno giocando a un gioco di recupero, essenzialmente. E siamo molto felici, in realtà, che Elon abbia così tanto successo. Ovviamente, anche Elon è un grande cliente per noi, sia per SpaceX che per Tesla per quanto riguarda i computer GPU. Supportiamo lui e il suo team per assicurarci che abbiano successo. Per il Livello 4, penso che sia più aperto. Ci sono player affermati e collaudati, come Waymo, che stanno già portando i clienti a sperimentare davvero L4 utilizzando le metodologie che utilizzano. Probabilmente Tesla sta ancora cercando di trovare il percorso lì. Non cerchiamo di scegliere i vincitori, ma stiamo cercando di aiutare tutti a essere in grado di sviluppare quella tecnologia. La nostra missione è davvero cercare di far sì che l’ecosistema AV arrivi a questa visione: ogni miglio, tutto ciò che si muove sarà autonomo. Questo tipo di visione diventa realtà. Hai avuto conversazioni con i dirigenti Tesla sull'uso del lidar? Sembra stranamente religioso senza motivo, soprattutto se i costi stanno diminuendo come dici tu. Ad un certo punto, se la soluzione tecnologica migliore è proprio lì, sembra che tutti dovrebbero semplicemente usarla. Hai avuto quelle conversazioni? Beh, in realtà no, non io. La mia squadra lo ha sicuramente fatto. Non vedo l’ora di avere quella conversazione con loro. Gran parte di questo è solo scienza e ragionamento di base. È bello sentire anche le loro opinioni. Voglio concludere parlando di qualcosa che forse è meno in tuo controllo. I modelli continueranno a migliorare, Nvidia continuerà a produrre chip, forse i clienti continueranno a richiedere la guida autonoma. Sembra tutto qualcosa su cui hai controllo. Ma il mercato automobilistico, la punta di diamante del mercato automobilistico, si sta verificando in Cina. Penso che possiamo semplicemente essere d'accordo su questo. I consumatori statunitensi aprono TikTok e vedono gli influencer automobilistici parlare di veicoli BYD e si lamentano nei commenti di non poter acquistare quelle auto. Ho guardato un video di una Buick che si trova in Cina. È un veicolo elettrico Buick che non puoi ottenere negli Stati Uniti e i clienti statunitensi sono furiosi perché Buick sta producendo auto migliori in Cina di quelle che producono qui. Ci sono molte barriere commerciali tra gli Stati Uniti e la Cina. Nvidia si trova nel mezzo di questa battaglia in tutti i modi, che si tratti di tariffe sulle importazioni di componenti per automobili, o di blocchi letterali su quali chip possono essere venduti e dove vanno le entrate derivanti da tali chip. Nel tentativo di spingere in avanti il ​​mercato automobilistico, che ruolo ha il caos commerciale tra Stati Uniti e Cina? È qualcosa a cui pensi? È qualcosa che sta rallentando il settore? È qualcosa che puoi portare avanti? Ebbene, certamente credo che i politici abbiano le loro argomentazioni e le loro motivazioni per fare la politica come la vediamo adesso. Come Nvidia, siamo un attore di ecosistema aperto. Abbiamo ancora molti clienti in Cina. Cerchiamo di aiutare... Ad esempio, stiamo ancora fornendo chip di inferenza per auto perché sono ancora al di sotto della soglia di ciò che la GPU può vendere nel mercato cinese. Stiamo lavorando anche con tutti gli OEM cinesi. In realtà non tutti, ovviamente, ma non pochi, per aiutare dal punto di vista infrastrutturale fornendo strumenti di simulazione. Stiamo lavorando con loro su modelli open source, Cosmos e Alpamayo. Da un lato, possiamo aiutarli a migliorare i loro modelli. D’altro canto possiamo imparare anche dalla concorrenza sul mercato cinese. Stiamo anche lavorando a stretto contatto con il resto degli OEM del mondo e cerchiamo di fornire tutte le piattaforme Nvidia e a diversi livelli a diversi OEM per aiutarli ad avere successo. Ancora una volta, non scegliamo i vincitori e cerchiamo di lavorare con tutti. La missione è molto chiara e cerchiamo di far sì che questa visione diventi realtà il più possibile. Quando si parla di condivisione di dati tra OEM per addestrare meglio i modelli e renderli più capaci, ci sono ostacoli normativi o ostacoli competitivi tra la condivisione dei dati da OEM cinesi e OEM americani ed europei? Oh sì, certo. Non solo la Cina ma anche altre regioni hanno restrizioni. Ad esempio, l’Europa ha alcune normative relative ai dati. Ci conformiamo a tutte le normative locali per assicurarci di essere conformi alle diverse regioni. Ciò significa che le varianti regionali dei modelli hanno capacità diverse o sono migliori in cose diverse? Perché se i dati di input sono diversi, sembra che anche l'output sarà diverso. Assolutamente. Bene, prima di tutto, per quanto riguarda il modello di produzione, cerchiamo di non biforcarlo il più possibile, ma ci saranno differenze regionali fondamentali. Il modello si comporterà diversamente nelle diverse regioni in base all'input. Alcune cose sono quelle che chiamiamo codificate per paese. Quindi ovviamente le regole sono abbastanza diverse nelle diverse regioni come in Europa rispetto agli Stati Uniti. Sono necessari alcuni adattamenti e anche alcuni parametri sono diversi. Sì, è un viaggio piuttosto interessante cercare di adattare la tecnologia a diverse parti del mondo. Pensi che, sulla base dei diversi approcci normativi, dei diversi approcci ai dati, dei diversi dati di input, della diversa configurazione degli OEM e di ciò in cui sono disposti a investire, dei diversi sussidi da parte dei governi, la Cina arriverà prima al Livello 4 come esperienza di guida autonoma tradizionale? Perché se dovessi guardarlo, scommetterei che la guida autonoma di livello 4 verrà adottata in Cina molto prima che avvenga negli Stati Uniti come esperienza mainstream. In realtà non penso che sia vero. Come sai, Waymo sta già portando tutti a vivere un'esperienza L4, almeno in alcuni ODD a San Francisco, e stanno crescendo abbastanza velocemente. La Cina è ovviamente un mercato competitivo molto più dinamico e vi sono numerosi operatori. Ma la mia esperienza è che tutti hanno la maturità di Waymo, almeno a San Francisco. Stiamo cercando di aiutare tutti nell’ecosistema. Dal punto di vista OEM, il panorama competitivo è diverso, ma anche dal lato OEM, penso che diverse regioni abbiano tipi diversi di... Beh, un lato è che le strade cinesi sono anche molto più impegnative rispetto a quelle statunitensi. E il Livello 4, a volte lo definirei un gioco a costo zero. O ce l'hai o non ce l'hai. Ad oggi, penso che l’unico che abbia davvero dimostrato che L4 può essere implementato in sicurezza per ogni cliente senza conducente in una regione delle dimensioni di una città senza alcuna limitazione sia ancora negli Stati Uniti o in Cina. Sì, quello è Waymo. Penso che Waymo sarà molto lusingato di sentirli descritti come un'esperienza mainstream. Accetterò che per alcuni sottogruppi di persone a San Francisco, Waymo sia un'esperienza mainstream. Penso che per la stragrande maggioranza degli americani non lo sia ancora. E questa è la grande svolta, giusto? Quando può un Waymo lavorare sulla neve? Quando li schiereranno a Chicago? E a New York. Essendo stato a Chicago per molto tempo, sono molto curioso di sapere come andrà a Chicago e a New York City. La domanda che ho è se l'esperienza tradizionale sembra come se avessi appena acquistato un'auto e gli ADAS di livello 2 siano una specie di merce nelle auto adesso. Il livello 4 sarà un prodotto mainstream nelle automobili. Premi il pulsante e inizia a guidare da solo. Quanto pensi che siamo lontani da quello? Questa è esattamente la mia missione, cercare di aiutare l’industria ad arrivarci. Direi che se devo dare un tempo, non direi cinque anni, ma meno di cinque anni. Questa è una previsione audace. Penso che lo lasceremo lì, perché siamo in tempo. Sei stato davvero fantastico, Xinzhou. Sono entusiasta di parlarti di nuovo. Ti riporteremo indietro prima di cinque anni per verificare quella previsione. Ma cosa dovremmo cercare in futuro da Nvidia? Ci sono parecchie cose che stiamo pianificando. Innanzitutto, entro la fine di quest’anno, implementeremo la nostra tecnologia ADAS su tutti i veicoli Mercedes e anche su alcuni altri partner, in tutti gli Stati Uniti. A partire dai prossimi anni proveremo a diffondere questa tecnologia nel resto del mondo. Nel frattempo, stiamo anche lavorando a stretto contatto con i nostri partner, ad esempio Uber. Abbiamo annunciato che al GTC stiamo cercando di implementare il nostro servizio L4 nei prossimi anni. È davvero emozionante. Inoltre, siamo, ancora una volta, un attore dell’ecosistema. Stiamo lavorando con quasi tutti gli OEM. In questo momento, direi che l’80% degli OEM di produzione di massa si trova nell’ecosistema Hyperion di Nvidia per L4. Stiamo costruendo questo futuro con tutti. Speriamo che vedrai annunci più interessanti da parte nostra da qualche parte lungo la strada.  Bene, come ho detto, dovremo riaverti presto. Grazie mille per essere su Decoder. Grazie per avermi ospitato, Nilay. È molto bello chiacchierare con te. Domande o commenti? Contattaci a [email protected]. Leggiamo davvero ogni email!