今日は、Nvidia の自動車部門責任者である Xinzhou Wu 氏と話をします。  Nvidia は、明らかに AI ブームのせいで常にニュースになっています。AI 業界が同社の GPU を十分に入手できないため、NVIDIA は世界で最も価値のある企業の 1 つです。 しかし、NVIDIA は自動車業界の主要サプライヤーでもあります。新州は何年も前から自動車にチップを搭載しており、自動車メーカーがそのまま利用できる完全な自動運転システムの構築に貢献してきた。たとえば、彼が何度か言及しているのを耳にすると思いますが、これはすでに新しいメルセデスの EV に搭載されています。 そこで私は、自動車業界が自動運転EVへの大規模な移行にどのように対処しているかについて、彼の見解を聞きたかったのです。それがすべての自動車メーカーやサプライヤーが近づいていると言う目標ですが、2026 年にはこれまで以上に遠い目標に見えるかもしれません。米国におけるEV導入サイクルは完全に軌道から外れており、自動運転は最後の20パーセントの状況を解決するのに永遠に行き詰まっているようで、消費者がインフレの圧迫と全体的なエネルギー価格の上昇を感じているにもかかわらず、自動車自体は高価になり続けるばかりだ。 自動車自体の基本的な性質の再発明において、実際には驚くべき進歩があった、と新州氏が言うのが聞こえるだろう。業界では「ソフトウェア デファインド ビークル」と呼ばれるもので、数十、場合によっては数百の独立した電子制御ユニット (ECU) ではなく、ほんの一握りの強力なコンピューターによって制御されるものである。 Decoder のリスナーであれば、非常に多くの自動車メーカーが ECU から離れる必要性について話しているのを聞いたことがあるでしょう。 Xinzhou氏は、その瞬間が基本的にここにあると述べています。  私たちは、中国の自動車産業について、また、ガソリン車やそれらすべての ECU からの移行に対処する必要がなくなり、EV アーキテクチャとプラットフォームに基づいて構築を開始したため、どのように本質的に有利なスタートを切ることができたかについて、たくさん話し合いました。 Xinzhou 氏は以前、中国の OEM (相手先ブランド製造) メーカーで働いていたため、その点についてかなりの見識を持っています。 Nvidia 自体での仕事についても話しました。同社はジェンセン・ファンというユニークなリーダーを擁するユニークな会社であり、新州氏は、これまでのそこでの 3 年間は急速な学習経験だったと語った。彼は、急成長する同社の AI ビジネスとリソースや能力を争う必要があるという現実から逃げませんでした。特に彼の顧客が自動車メーカーと同じくらい遅くてコストを嫌う場合に、何がこうした議論に勝つのかについての彼の説明は魅力的でした。 もちろん、AI について、また、Nvidia の自律性へのアプローチが、新州氏が「古典的な」スタックと呼ぶものと、車を操作するための推論モデルの機能をどのように統合するかについて議論する必要がありました。ここには、AI モデルが文字通り自分自身と対話して車の運転方法を理解するというアイデアを含め、多くのことが含まれています。これは非常に興味深く、非常に面白いと思います。 そしてもちろん、米国ではイーロン・マスクとテスラを抜きにして電気自動車や自動車の自動運転について語ることはできません。そこで私は、イーロンがライダーを使用せずにできると主張していることを、テスラの完全自動運転が実際に実行できるかどうか、かなり直接的に尋ねました。彼の答えが正しいと思うなら教えてください。 OK: Nvidia の自動車部門責任者、Xinzhou Wu です。さぁ行こう。 このインタビューは、長さと明瞭さのために軽く編集されています。 Xinzhou Wu さん、あなたは Nvidia の自動車部門の責任者です。デコーダーへようこそ。 迎えてくれてありがとう。 あなたとお話しできるのがとても楽しみです。車というものの本質が問われているような気がします。自動車業界は大規模な再編の時期にあるように感じられ、あたかも自動車が製品として最終的にどこに行き着くのかが数年間にわたって予感されていたかのように感じられます。それは、EVへの移行が困難であり、米中貿易戦争が困難であるためです。 そのすべてがこれまで以上に厄介になっているように思えます。多くの自動車メーカーが事業縮小を進めていますが、NVIDIA でのあなたの立場は、ほぼすべての国で多くの大手自動車メーカーに製品を供給しているため、自動車業界で何が起こっているかをかなり広範囲に把握できるように感じます。 それでは、そこから始めましょう。 自動運転と電動化の両方に向けた長く曲がりくねった道において、自動車業界はどのような状況にあると考えていますか? 素晴らしい質問ですね。私はクアルコムでのキャリアをスタートして、おそらく 15 年間、自動車分野で働いてきました。私はしばらくの間、クアルコムの自動車チームを率いていました。そして明らかに、「ソフトウェア デファインド ビークル」という言葉を聞いたことがあるでしょう。現在、AI テクノロジーは次の段階、つまり本質的に「AI 定義の車両」と呼ばれるものに移行しつつあります。 これらの大規模な技術革新により、自動車業界は過去 10 年間でかなり急速に変化しました。ご存知のとおり、私は中国の OEM の一員として 5 年間働き、自動運転チームのリーダーを務めていました。 今私はエヌビディアにいます。したがって、私が 15 年間のキャリアを通じて見てきたのは、この大きな変化を目の当たりにする機会でした。自動車は、ほとんどが機械式で電気機械も加えたものから、無線 (OTA) ソフトウェアを通じてかなり迅速に機能をアップグレードできるものに変わりました。それが私たちが「ソフトウェア デファインド ビークル」の時代と呼ぶものです。現在、テクノロジーは生成型 AI に向かって進歩しており、自動車内のソフトウェアのほとんどを AI を使用して書き換えています。それが私たちが「AI 定義の車両」と呼ぶものです。 これにより、一方では車両の機能の開発ペースも加速しました。そしてその一方で、「乗り物」の定義も変わりました。 AI はあらゆるレベルで業界全体に影響を与えています。こうした新たな技術革新によって、世界がこれからどのように進化していくのか、本当に楽しみです。 そこでいくつかの用語を分解してみましょう。ショーに出演して車に何が起こるかを語るのが大好きな自動車メーカーからよくそんな話を聞きます。しかし、これらの用語の中には、少し輪郭が曖昧な部分もあると思います。 「ソフトウェア デファインド ビークル」と言ったわけですね。それはかなり曖昧な用語です。現在、さまざまなシステムを制御している自動車の ECU をすべて取り除くというアイデアがあると思います。そして、これらすべてのコンポーネントを、おそらく自動車内の 1 つまたは 2 つの大きなコンピューティング センターに集中化します。テスラはこれを行ったことで非常に有名です。リビアンはそれに大きな賭けをしました。 Rivian の Wassym Bensaid がちょうど番組に出演してそのことについて話していました。 他のレガシーカーメーカーもこれを試みています。番組にはGMがいました。彼らは「ほら、そんなことする必要はないよ。大丈夫だよ。私たちのやり方でやるよ。」と言いました。フォードはこれを大々的にやろうとした。彼らはスカンクワークスを設立し、誇りに思う車を作るまったく新しい種類の方法を構築する必要がありました。近いうちにその取り組みからトラックが登場するだろうと言われています。 業界はそこまで到達していないと思います。それは基本的に私が言っていることです。新興自動車メーカーは、車内に 1 台または 2 台の大型コンピューターがあり、すべてのシステムを制御するソフトウェア デファインド ビークルを所有していると主張できるところまで到達しました。従来の自動車メーカーのほとんどはまだ成功していません。  それにはアスタリスクを付けます。おそらくフォードはこの新しいトラックで成功するでしょうが、まだわかりません。業界全体がソフトウェア デファインド ビークルに到達すると思いますか、それとも従来の自動車メーカーは現状に留まると思いますか? 100%。私は 2018 年から 2023 年にかけて中国で何が起こったかを目の当たりにする機会がありました。わずか 5 年間で業界全体がこの大きな変化を経験しました。そこでは、新しい自動車OEMだけでなく、従来の自動車OEMも適応する必要があります。誰もが単一の中央コンピューティングの一種の電気アーキテクチャに適応しています。それが競争の方法だからです。  世界の他の地域にも同様に、たとえばパートナーであるメルセデスとのドライブ・アンド・ドライブ自動運転車 (AV) コラボレーションを通じてパートナーがいます。現在の世代では、コンピューターベースのアーキテクチャが不可欠です。それは彼らのすべての車両に搭載されることになるでしょう。 他の基本的な OEM 企業については、すべての OEM 企業と協力し、インフォテインメント、基本的な運転システムまたは先進運転支援システム (ADAS)、ECU が搭載されるため、アーキテクチャを 1 台または 2 台のコンピュータに変換またはアップグレードできるよう支援しようとしています。しかし、世界は実際にその方向にかなり急速に動いていると思います。 そのうちのいくつかは明らかに遅くなります。そのうちのいくつかはより高速になります。それがこのビジネスの性質です。しかし、世界が基本的にその方向に進化していることには疑いの余地がありません。 実はあなたの経歴に興味があります。あなたは中国の自動車メーカーであるXPengで働いていましたね。米国の同じ場所に座り、長年自動車ファンとして過ごしてきた私にとって、中国の自動車メーカーは、世界的な大手自動車メーカーではないという点で、かなりユニークな利点を持っていたと感じます。彼らは大規模な規模で活動していたわけではありません。電化がやって来た。テスラは明らかに中国で自動車を製造するための多くの能力を構築した。私たちは皆、中国の製造業のエコシステムがどのように機能するかを知っていますが、リセットする必要がありました。彼らは、基本的に米国の新興自動車メーカーがたどり着いたやり方と同じように、大量の自動車をEVとして設計し、従来のアメリカの自動車メーカーが心配しなければならないような多くのことを心配することなく、全く新しい基盤から世界的に競争力のある自動車を製造する必要があった。そして、中国政府は明らかにこれらすべてに巨額の補助金を出しました。 あなたはそこで働いていましたね。それはあなたの経験でしたか？基本的には、彼らが新たにスタートすることになった経緯ですか？ それはほんの一面に過ぎないと思います。彼らは間違いなく遺産が少なく、心配する負担も少なく、それが利点です。しかし、私が目にしているのは、新しい OEM 企業だけでなく、世界的な企業ですら中国のペースに適応する必要があるということです。少なくとも私が向こうで学んだ限りでは、誰もがそのペースで進んでいます。もう一度言いますが、競争できるようになりたいと思っています。  しかし、あなたが言ったように、波は… ソフトウェア デファインド ビークルは長い間存在していましたが、テスラはそれを実際に本格的に生産している企業です。彼らが最初のものかどうかはわかりませんが、間違いなく最大規模です。世界中のOEMメーカーも同様に追随することは間違いありません。 現在、すべての OEM はこれを行う必要があると思います。これが競争の方法であり、生き残るために必要なことだからです。自律性は、すべての OEM にとって、自社の車両に搭載するほぼ必須の機能となるでしょう。私たちは皆、その未来を信じています。そしてそこに到達する唯一の方法は… まず第一に、私が説明したアーキテクチャがあります。これにより、非常に多くの個別の ECU を持たずにソフトウェアのアップグレードが可能になります。実際のところ、最近はそれに反対する人を聞いたことがありません。もしかしたら違うことを聞いたかもしれませんが、それは誰にとっても必要なステップだと思います。現段階では、それは次世代アーキテクチャの賭け金のようなものです。もちろん、私たちは多くの OEM と話し合っていますが、これは業界が目指しているコンセンサスです。 私はそこに至る道筋に興味があります。なぜなら、非常に多くの人が、それが最終状態であり、それによって次に来るすべてが可能になると言っていることに私も同意するからです。その道のりは、業界が予想していたよりもはるかに険しいものであったように感じます。分かりませんが、トランプ政権がEVを好まないこともその一因です。それで、EVの販売とここでの税額控除はなくなり、おそらく需要がすべて前倒しされてEVの販売が急増し、おそらく今では誰もがガソリン車を望んでいるでしょう。そして、これらすべてのシステムに永久に電力を供給できる巨大なバッテリーがなく、これらすべてのシステムに電力を供給するには実際に 12 ボルトのバッテリーの代わりにエンジンを始動する必要がある場合、これらすべてがより困難になる可能性があります。 あるいは、中国の自動車メーカーは非常に競争力があり、補助金を受けているため、従来の自動車メーカーがそれを行うためのコストを克服するのが難しいということかもしれません。なぜなら、彼らは米国に手入れすべき従来のインフラとディーラーネットワークを持っているのに、我々はそれを保留するつもりだからです。 この合意されたクルマの将来の状態に至るまでの道のりには、私が思っていたよりも困難であるように思える、あるいは過去5年間に番組に出演した誰かがそうなるだろうと言っていたよりも、何か難しそうに思えます。あなたの視点から見ても興味があります。あなたはサプライヤーであり、ビジョンを売ろうとし、すべての車にチップを搭載しようとしています。あなたの観点から見て、何がその道を困難にしているのでしょうか? さて、あなたはかなりのことを言いました。 自動車産業は非常に重労働です。それには大規模なサプライチェーン、多くの企業、多くの従業員が関与します。そして、アーキテクチャを変更し、車を世に出すたびに、10 ～ 15 年間サポートしなければなりません。 Nvidia は、サプライヤーとして、チップセット、その他のプラットフォーム、AV テクノロジーなど、当社が提供するあらゆるテクノロジーについても同様の取り組みをお客様に行っています。当社は、現行世代のチップであっても、同じ世代を 10 ～ 15 年間サポートすることを約束します。シリコンバレーのプロバイダーのような観点からこれを考えてみると、それはほとんど正気の沙汰ではありません。しかし、それが自動車ビジネスの性質です。ビジネスの性質上、物事が少し遅くなることがあります。それは一つのことです。 もう 1 つは、テクノロジーが非常に急速に変化しており、たとえば、以前に知られていた自動車や、ソフトウェア定義の車両、AI 定義の車両とは大きく異なっているため、適切な方法で会社を設立し、この新しい技術革新の波に適応するには、異なる人材プールを経験する必要があるということです。だからこそ Nvidia がお手伝いできるのです。なぜなら、テクノロジーが実現しつつあると信じているからです。当然のことですが、ここでは主に自動運転車について話しています。テクノロジーは成熟のレベルに達しつつあります。私たちはこの技術を量産化する予定であり、サプライヤーが参入する可能性があります。 そのため、当社は AV テクノロジーを提供するだけでなく、チップから始まるプラットフォーム全体、オペレーティング システム、オープンソース モデル、そして OEM がこの新しい世界に迅速に適応できるように支援する安全オペレーティング システムである Halos と呼ばれるものも提供しています。  ビジネスの性質上、誰もが同じスピードで業務を遂行できるわけではありません。確かに、この業界の重労働のため、全員がゴールラインに到達するまでには時間がかかるでしょう。しかし、繰り返しになりますが、NVIDIA での私の仕事は、誰もが自律的に動くすべてのものを手に入れ、できるだけ早くこのビジョンに到達できるよう支援することです。 Decoder の質問につながると思うので、Nvidia でのあなたの役割についてお聞きしたいと思います。この番組を聞いている人はおそらく Nvidia が AI で進めてきた取り組みについてよく知っていると思います。世界で最も価値のある企業の1つです。 Nvidia が製造できるすべての GPU が考慮されます。 Nvidia Automotive では何人が働いていますか? 実際、当社には自動車チームに数千人規模の非常に大規模なチームがあります。私たちはハードウェア、ソフトウェア、モデル、インフラストラクチャが含まれるプラットフォーム全体に取り組んでいます。かなりの規模のチームだ。 Nvidia には、他のチームからも活用できるものがたくさんあります。たとえば、Cosmos と Nemotron については聞いたことがあると思います。これらは、基本的なオープンソース基盤モデルです。私たちは彼らの側からの仕事からも大いに活用しています。 あなたのチームはどのように組織されていますか?ハードウェア、ソフトウェア、モデルがあるとおっしゃいましたね。それはチームの基本的な構造ですか、それとも違う組織構造ですか? はい。そうですね、エンジニアリングの面では、明らかに私たちには製品があり、戦略があり、舞台裏で何かがあります。時々私たちは彼らを縁の下の力持ちと呼びます。たとえば、マップ チームは、L3、L4、高レベルの自律パスにとって依然として非常に重要です。そしてデータインフラストラクチャ。 文字通りのナビゲーション マップ、それがあなたが話しているものです。 まあ、HDマップもあります。大まかに言うと、私はチームをそのように分けています。はい。 そして、それはすべてグローバルなのでしょうか？それは主にアメリカでしょうか？それはどこにありますか？ 主に米国に拠点を置いていますが、中国やヨーロッパにも拠点を置いています。明らかに、私たちはグローバルな製品、グローバルなプラットフォームを構築しているため、どこにでもサポートチームが必要です。 Nvidia がより広範に開発した基盤モデルのいくつかに依存しているとおっしゃいました。 Nvidia 社内ではチームはどのように構成されていますか? AI戦略に適合しますか?別に設置されているのでしょうか？さらにサイロ化されていますか?それはどのように機能するのでしょうか? ああ、それは素晴らしい質問ですね。 Nvidia には、たとえば、GPU、CPU、すべてのチップセット戦略、および製品化のハードウェア ロードマップを担当する集中ハードウェア チームがあります。弊社には一元化されたソフトウェア チームもあります。自動車チームは別の組織であり、より自動車に重点を置いており、ハードウェア チームとソフトウェア チームの成果を活用して自動車に適応するための自動車プラットフォームを構築するという使命を担っています。モデルチームもいます。  Nvidia には仮想チームの文化もあります。たとえば、Nemotron と Cosmos のオープンソース モデルは、すべて研究チーム、ソフトウェア チーム、ハードウェア チームの向かい側にあります。ただし、これらはオープンソースの基盤モデルに取り組む仮想チームです。私たちはその取り組みを活用して、自動車業界でモデルを構築し、AV 業界が強力なオープンソース モデルに取り組むのに役立ちます。 先ほども述べたように、基本的に Nvidia が製造できるすべての GPU は何らかの方法で計上されます。それが現在の AI 業界の特徴です。彼らはどこかのネオクラウドに入るつもりです。リソースを獲得し、そのビジネスに対する注目を集めて、そのスピードと規模で成長するために戦わなければなりませんか? はい、信じられないかもしれません。 [笑い] Nvidia でさえ、コンピューティング用の GPU の供給には限りがあります。私たちには社内の優先事項があり、私は基本的にほぼ毎週同僚と協力して、さまざまなコンピューティングを、時にはトレーニング用、時にはテスト用、または社内の別の作業スレッド用にリソースを確保する方法を決定しています。時にはジェンセン（Nvidia CEO、Huang）の助けが必要になることもありますが、そうです。 それはどのように機能するのでしょうか?その議論はどのようなものですか?それはROIに関する議論でしょうか？ 「これだけの資金を投入したら、顧客からこれだけのお金を回収できるでしょう」?市場規模の議論でしょうか？会話のパラメーターは何ですか? ご想像のとおり、上記のすべてです。収益は明らかに重要ですが、ご存知のとおり、Nvidia は非常に戦略的な企業でもあります。私たちは、ジェンセンが時々ゼロ兆ドルビジネスと呼ぶものを大切にしています。私たちは常に1兆ドル規模のビジネスを生み出すことができる新たな機会を探しています。したがって、私たちが進む新しい方向に向けて、企業内で戦略的な優先順位を設定する必要があります。おそらく、当社が市場シェアを誇る企業ではないこともご存知でしょう。それは基本的に、現時点でお金をもたらすものと、将来を生み出すことができるもの、将来的に会社に機会を生み出すことができるものとの間のバランスです。 Nvidia は非常にユニークな経営をしている会社です。先ほどもおっしゃったように、ジェンセンはあらゆることに深く関わっています。私は彼とのインタビューを見たことがありますが、彼は一対一のミーティングをしないと述べていました。彼はただ一度に全員と会い、全員がそれをただ議論するだけです。それは何ですか？ 私は Nvidia に 3 年間勤務しています。正直言って、とてもユニークです。そして、それは明らかに全員が一度にではありません。違うグループだよ。私たちは皆、技術戦略製品を持っており、ジェンセンとのビジネスレビューの別の部分を持っています。実際、私にとっては、彼の戦略的思考や、製品や戦略についての考え方から学ぶことができるのは非常にエキサイティングな経験です。彼は技術的にも独特の奥深さを持っています。彼が技術面でどれだけ最新の情報を追い求めているかを見るだけでも、非常に刺激的な経験になります。私にとって、これは一生に一度の経験であり、ジェンセンから学ぶことができる機会です。 特に将来における自律性の機会について説明すると、それは大きな賭けのように思えます。 「私たちは、Nvidia の優れたコンピューティング能力と AI の力を自動車に導入し、自動車が自動運転できるようにするつもりです。」その収益モデルはどのようなものですか?自動車メーカーにチップとソフトウェアを販売しているだけのように見えますか?消費者が定期購読料を支払い、その一部があなたに戻ってくるように見えますか?兆ドルはどこから来るのでしょうか？ それも素晴らしい質問ですね。私たちは今、動くものはすべて自律的に動くと強く信じています。将来的には、車で走行するすべてのマイルが自動運転されるようになるでしょう。見てみると、すべての自動車のうち、私たちは年間 13 兆マイルを走行しています。現時点では、全走行距離のうち自律走行距離の割合はおそらく無視できる程度です。 0.006%とかそんな感じだと思います。したがって、これは私たちの目の前にあるチャンスです。 Nvidia の見解は、チップからオペレーティング システム、そしていわゆる Halo に至るまで、すべての基盤テクノロジーを再度提供することで、できるだけ早くエコシステムの連携を支援するというものです。 Halos オペレーティング システムは、ハードウェア上でモデルを開発するための SDK と API を提供するだけでなく、開発者がモデルを配置するための安全ガードレールも提供するため、非常に重要です。 また、Hyperion と呼ばれるものをハードウェア プラットフォームとして定義します。これは、コンピューター リソース、ECU、センサー スイートを含む、実稼働対応のプラットフォームです。私たちは、異なるレベルの自律性を達成する必要があると考えています。それに加えて、私たちがトレーニングしたオープンソース モデルである Alpamayo を提供します。モデル アーキテクチャだけでなく、プラットフォーム上でモデルを微調整するために使用できるパラメーターやデータもオープンソースです。それに加えて、必要なインフラストラクチャもすべて提供します。たとえば、シミュレーションは現在の AV 開発にとって非常に重要です。私たちは通常、AV の問題は 3 台のコンピュータの問題になりつつあると言います。トレーニング コンピューター、シミュレーション コンピューター、そして車内の推論コンピューターがあります。これらすべてのテクノロジー要素を、私たちが Nvidia Drive と呼ぶプラットフォームのエコシステムに提供して、人々がそのテクノロジーを私たちのプラットフォーム上で開発できるようにしたいと考えています。 私たちは、将来的には自動運転による 1 マイルごとにエコシステムが得られる収益の一部を得ることができることを期待しています。ここから数兆ドル規模のチャンスが生まれる可能性があります。 つまり、1マイルあたりの収益です。それがあなたが追い求めている中心的な指標のように思えます。ユーザーのマイルあたりの収益はどこから得られるのでしょうか?車を運転するとき、定期購読料を支払いますか?それとも、どこにでもロボタクシーがあり、乗車ごとに収益化されていると考えていますか?マイルあたりの収益はどこから来て、その数字はどのようにして増加するのでしょうか? それは正しい。まあ、世界は両方のモデルを受け入れるだろうと思います。 1つはロボタクシーです。ご覧のとおり、中国、米国、そして世界にはかなりの数の成功した企業があります。うまくいけば、この道を進む人がさらに増えるでしょう。ドライバーを乗せずにA地点からB地点まで楽しく移動できるタクシーのような車両をご用意します。  旅行中はプライベートな空間を好む人が依然として多いため、旅客船も長く存続すると思います。アパートを借りるよりも持ち家を好む人が依然として多いようです。この背景には経済もあります。私たちは両方のモデルが成功すると考えています。そのため、私たちはロボタクシー会社や他の OEM 会社、さらには AV ソフトウェア開発会社と協力して、Nvidia からさまざまなテクノロジーを提供することで彼らを支援しています。 過去 5 年間、少なくとも電動化部分を通じて起きた興味深い動きの 1 つは、従来の自動車メーカーが、自分たちが保険会社や金融会社になり、そのサプライヤーが自動車を製造していることに気づいたことです。彼らは車のデザインのコントロールを大きく失ってしまったのだ。 大手自動車メーカーの第一次サプライヤーは、さまざまな意味で自動車の大きなサブシステムを担当していました。無線アップデートを実行したい場合、それを実現するには 15 社の異なるサプライヤーと交渉する必要がありました。私はこの苦情を番組で何十回も聞いてきました。そして彼らは皆、「車のエンジニアリングを取り戻す必要がある。車のプラットフォームをもっとしっかりと制御する必要がある」と気づきました。 さまざまな理由から、Nvidia はさまざまな自動車メーカーの主要サプライヤーになるチャンスを自律的に見ているようです。それは明らかに彼らが「クルマをコントロールする必要がある」と考えているからです。テスラは Nvidia チップを使用しているかもしれませんが、そのコードのすべての行を自分たちが書いたこと、そしてそれがテスラのプラットフォームであり、テクノロジーに賭けてきたことを非常に誇りに思っています。リビアン、ワシムは自分がそのプラットフォーム会社の責任者であり、そのプラットフォームを構築するつもりであるという事実を非常に誇りに思っていると思います。 RJ [スカーリンジ、Rivian CEO] は、Rivian がそのような会社であるという事実を確かに非常に誇りに思っています。 そこに何が起こっているのでしょうか？なぜなら、すべての自動車メーカーがテクノロジーへの賭けに耐え、収益が報われることを期待して前向きに投資できるとは思えないからです。彼らは、既製のプラットフォームとビジネスモデルを持って現れるNvidiaのようなサプライヤーを必要とするでしょう。それは今、あなたに有利に傾いているでしょうか？私たちは森から抜け出したのでしょうか、それともまだ空中にあるのでしょうか？ 自動車分野における Nvidia ビジネス モデルの利点は、当社のプラットフォームが完全にオープンであることだと思います。当社は、OEM 企業やロボティクス企業が何を必要としているかに応じて、複数のレイヤーのサービスを提供します。彼らは、あなたが言及したように、テスラのどの層まで私たちと協力したいものを選択することができます。一部の OEM は非常に有能です。彼らは車をペイントするために独自の推論を構築したいとさえ考えています。そんなことがあっても、私たちは大丈夫です。私たちは今後も彼らと協力し続けます。実際、私たちは Tesla や、クラウドで連携することで独自の推論チップを使用して構築している多くの OEM と協力しています。私たちはモデルの最適化を支援することにも努めています。 OEM が異なると、協力関係も異なります。これは、OEM と協力しているインフラストラクチャ内にシミュレーション コンピューターとトレーニング コンピューティングが依然として存在するためです。 一部の OEM は、よりターンキーなソリューションを望んでいます。私たちも彼らと一緒に仕事ができることをとても嬉しく思っています。その場合は、最後まで行きます。私たちは、ティア 1 またはティア 1.5 のように、手作業で取り組んでいます。これは、ドライバー AV のようなパートナー、たとえばメルセデスです。私たちは彼らと緊密に協力して彼らが求める製品を定義し、さらにドライバー AV スタックを彼らの車両でシームレスに動作するように適応させます。双方のエンジニアは、メルセデスのデザイン DNA と提供したい顧客体験にうまく適合させるために、かなり緊密に連携しています。 これは私たちにとって本当に重要です。私たちはそれ自体で勝者を選んでいるわけではありません。私たちは、さまざまなレベルでの能力に基づいて OEM を支援するよう努めています。オープン性は、OEM とのエンゲージメント モデルにとって非常に重要です。 私がこれにとても興味を持った理由の 1 つは、トレーニング モデルについて言及したことです。あなたは他のインタビューで、さまざまな方法で自律性を訓練するために合成データを作成していると述べていました。それについてはとても興味があります。業界を見ていると、それが印象に残ります。 Waymo は自動運転走行距離でこのように大きなリードを持っており、そのことを非常に誇りに思っており、それが自社の車が自社の市場で同様に成功するのに役立っています。Tesla も同様に膨大な数を獲得しています。これは、実際に走行している車でトレーニングしているためです。すべての自動車メーカーが自律走行距離 10 億マイルを達成する方法を見つけられるわけではありません。 それは正しい。はい。 それを超えないにしても、少なくとも現状を維持するには、第三者に頼る必要があるだろう。 Nvidia はそのサードパーティになる準備ができてそこに座っているように感じます。 自動車メーカーに対する売り込みはこれくらいでしょうか？ 「必要な空き容量で当社のテクノロジーを購入するだけで、すぐに競争力のある状態に導きます。」 これが、OEM が Hyperion エコシステムや Drive エコシステムで Nvidia と関わるための 1 つの説得力のあるポイントだと思います。 Hyperion を定義する重要な要素の 1 つはコンピューティング アーキテクチャであり、センサー アーキテクチャもデータ共有であるためです。 Nvidia Drive パートナーと関わり、パートナーになった人は誰でも、既存のプログラムを通じてデータを共有し、それを通じて何百万時間ものデータを収集します。さまざまな自動車プログラムを通じて、さまざまな OEM からのデータも蓄積しています。そして、まず最初に、このすべてのデータを使用してトレーニングされたモデルを構築できます。私たちは、少なくともさまざまな自動車プログラムで収集されたデータが OEM と共有されるようにします。それが一番です。 2 番目は、新しい時代です。私たちはコンピューティングもデータであると強く信じています。おっしゃるとおり、合成データがたくさんあります。  NuRec と呼ばれる神経再構築データがあります。これは現場からデータを収集する非常に重要なテクノロジーとシミュレーションですが、場合によっては神経再構成を使用してデータをごまかし、背景を変更したり、車の軌道を変更したりすることもできます。同じデータのバリエーションを多数生成できます。これらすべてのデータには、数千万のデータ ポイントを生成するコンピューターが必要です。私たちのエコシステムに参加しているすべての人と共有できます。このようにして、Drive エコシステムに参加するすべてのプレーヤーが協力して、非常に重要なデータのギャップを取り戻すことができます。 つまり、これは合成データですよね?実際の運転事例を大量に収集することになります。それをシミュレーターに入れてみます。その後、シミュレーターはデータをぼかします。私が聞いた例としては、歩行者が出てきたとき、その歩行者を遅らせて、その人を後で出てくるようにすれば、車はあたかもそれが本物であるかのように反応しなければならない、というものだと思います。 それは正しい。 そして、同じデータのさまざまなバリエーションに対して多くのトレーニングを実行することになります。それは私にとって魅力的です。すべての自動車メーカーがそれに賛同する理由がわかります。なぜ彼らはデータ共有に賛同するのでしょうか?それは単に彼らが集合的に追いつく可能性が高いという認識なのでしょうか？ただお金を払いたくないだけなのでしょうか？安いですか？なぜ彼らは競合他社とともにそのようなデータ共有の取り決めに参加するのでしょうか? どちらも絶対に真実です。実際、コスト削減効果は膨大です。巨大なサイズのフリートを実行してデータ収集を行うことは、それを実行したい人にとっては多額の設備投資となります。それも繰り返しです。たとえば、Google が Drive プラットフォームまたは Drive エコシステムで提供しているものを見つけることができれば、お客様の労力と費用を大幅に節約できます。  私がこれに興味があるのは、トレーニングを行って車にモデルを置き、AI が定義した車を作るという考えだからです。自動運転への古典的なアプローチは、問題に対してどんどんデータを投入し、最終的には車がすべてのやり方を理解し、すべての上にすべての道路をマッピングするというものでした。私はキャデラック EV を所有していますが、スーパー クルーズはマッピングされた道路で機能します。最終的には、より多くの道路やより多くの物が地図に描かれるようになり、車の性能も向上するでしょう。 Nvidia のアプローチは、地図の有無にかかわらず、車が十分に賢く何でもできるようにすることであるように感じられます。そしてそのためには、データ収集への異なるアプローチ、計算への異なるアプローチ、そして明らかに AI へのより大きな賭けが必要になります。その分裂は本当ですか？ジャンプしたばかりですか？それはプラットフォームの未来なのでしょうか、それともあなたはその中間にいるのでしょうか? 私たちが現在 L2+ と呼ぶものに対して採用しているアプローチは、本質的にマップレスです。あなたが正しく言ったように、モデルには間違いなくより多くのデータが必要であり、より多くのコーナーケースをカバーする必要があります。 そして、この世代、次世代に向けて、そのモデルはますます大きくなっています。より多くのパラメータを持つ、より大きなモデルを使用します。ここでは基礎モデルも大きな役割を果たします。このモデルを非常に高機能にするためには、より多くのデータが非常に重要です。しかしその一方で、インターネット データですでにトレーニングされた基礎モデルを使用する傾向も同様に役立ちます。だからこそ、私は Nvidia 内の基盤モデルの取り組みとの関連性を何度も強調しました。 推論モデルと基礎モデルを使用すると、フロンティア モデルの観点から活用し、インターネットを活用してデータをスケールできるため、車両固有のデータがなくても、車両をより適切に一般化できるようになります。これは、より高いレベルの自律性、特にレベル 4 に向けて、私たちが賭けている主な方向性です。これは、私たちが現在焦点を当てている主要な作業スレッドの 1 つです。 OEM の話に戻りますが、既存の取り組みとのコラボレーションを通じて構築したものと、合成データセットと神経再構築を使用したデータ生成のための当社の大規模な機能を活用できること、さらに、より一般的なデータからトレーニングされた基礎モデル機能を活用できること、これはモデルがより適切に推論し、より適切に一般化するのに役立ちます。これらが、当社がお客様に提供できるものです。 今、安全性について問わなければならないような気がします。これよりも複雑だとは思いますが、自動運転による基礎モデルの推論について話しているのですね。そして、私の頭の中にあるのは、車が衝突したときに ChatGPT が間違っていたから私に謝っていることか、モデルが間違った方向に進んでそれに気づくという恐ろしい長い遅延ループの 1 つだけです。そして、思考の連鎖を見ると、「ああ、完全に間違っていた」ということが分かります。アントロピックがクロードの気持ちが悪いと信じているのは気分が悪いです。そのどれもが車の運転のリアルタイム性と両立しないように思えます。そのギャップをどのように埋めるのでしょうか？レイテンシー、バックグラウンドで大きなモデルの 1 つを使用する必要性、モデルが実行できる推論の接線のようなものです。それは車の運転とどう両立するのでしょうか？ 安全性は私たちにとって非常に重要であり、AV 業界にとっても非常に重要です。私たちのサービスのさまざまな層にアプローチすることで、あなたの質問に答えさせてください。自動車業界にとって安全性に取り組むことは明らかに新しいことではありません。当社は非常に洗練された開発プロトコルと、ソフトウェアが安全であることを証明できる検証プロトコルを開発しました。これは ISO 26262 と呼ばれます。実際、当社はハードウェア、オペレーティング システム (OS) レベルのソフトウェア、およびアプリケーション レベルのソフトウェアを最高の安全基準に合わせて開発しています。これは、自動車を運転するためにあらゆるものを導入できるようにするために非常に重要かつ不可欠です。それが一番です。 2 つ目は、この分野の一部のプレーヤーとは少し異なるアプローチを採用していることです。実際には、L2++ または ADAS 機能にも冗長スタックがあります。それ以外はエンドツーエンドのモデルで、基本的にピクセルイン、軌道アウトです。また、私たちが知っているこの安全基準に基づいてさらに開発された古典的なスタックもあります。基本的にはコンポーネントです。これは多くのコンポーネントを含むスタックであり、各コンポーネントはこの既知の標準を使用して検証できます。これを私は古典的なスタックと呼んでいます。 2 つのスタックを並行して実行している場合、従来のスタックはビッグ ブラザーと呼ばれるもののように機能しますが、本質的には安全ガードレールです。エンドツーエンドのモデルからすべての軌道を検証し、既知の安全基準を使用してフレームごとに安全であることを確認しようとします。 それは私たちが持つ非常に重要なコンセプトです。コンセプトだけではなく、スタックにある実装も同様です。これは、より高いレベルの自律性にとって非常に重要となる L4 です。これは、センサー セットとしてだけでなく、ソフトウェア アーキテクチャ セットとしても完全な冗長性を備えた L4 スタックの基盤でもあります。 2 番目のポイントは、安全性に関する質問に答えることです。 3 番目に、モデルを開発する際には、可能な限り幻覚を軽減するモデルを作成するよう努めています。それを実現する方法は大規模な検証です。私たちはリリースするすべてのモデルについて大規模なシミュレーション テスト データを構築しています。現在、プログラムで毎日 500 万件のテストを実行することを検討しています。 ほぼ毎日、モデル (エンドツーエンド モデル) を 10 回繰り返します。私たちは、これらすべてのシナリオ (テストされたすべてのテスト シナリオと考えることができます) で、モデルが正しい軌道を生成していることを確認するために、非常に大規模な検証を行っています。それは私たちにとっても非常に重要です。したがって、これが当社の製品が安全であることを確認するために行っていることです。 本当に気になっている本当に愚かな質問をさせてください。あなたはモデルとそれが車をどのように操作するかについてたくさん話しました。そう、古典的なスタックは安全ガードレールです。モデルは他のモデルと同じように言語で推論していますか?それは背景に座って、「一時停止の標識が見えます。どうすればいいですか? 止まったほうがいいです。ブレーキを踏みに行きます。」と言いながら、一般的なモデルが背景で言語で推論するように言っているのでしょうか? 簡単に言うと「はい」です。私たちが次世代の車両に導入する予定の次世代モデルでは…現世代のコンピューターは多かれ少なかれ制限されているため、次世代は SOAR ベースです。言語を埋め込んでモデルをトレーニングさせます。言語を通じて推論できることは非常に重要です。モデルとチャットすることもできます。モデルに何をしているのかを尋ねることができ、さらに、モデルに速度を上げるか減速するか、車線変更を行うなどを依頼することもできます。 文字通り運転しているときに、「あそこに車が見えた。数マイル後に来る出口に備えて車線を変更する必要がある」と自分に言い聞かせているのです。車を操作するために言語でそれを行っているのでしょうか？ 物事の組み合わせだと思います。言語はすでにモデルに組み込まれていますが、ご存知のとおり、視覚信号も非常に重要です。 マルチモデルと言いたいところですが、言語もその一部です。ご存知のとおり、モデルはブラックボックスです。それが正確に何をしているのかは正確にはわかりませんが、それについて質問すると、モデルが何をしようとしているのかを答えてくれます。  高速道路を時速 85 マイルで疾走するチャットボット モデルがパニックに陥る光景が目に浮かびます。 実際、GTC台湾はモデルが常に会話していることを示すビデオを公開しました。モデルが推論しようとしているすべてを本当に聞こうとすると、かなり面倒になる可能性があります。 それのレイテンシはどれくらいですか？システムを導入しているのは明らかで、それが機能しているはずですが、その待ち時間を短縮する試みはありますか?運転に必要なことと比べて、言語は本質的に遅いように感じます。車を運転するときは言語を考えていません。 100%。マルチモデルだと言ったのはそのためです。ただし、エンドツーエンドの遅延を短縮することは非常に重要です。実際、これはモデルを導入して車を運転することの重要な利点の 1 つです。考えてみると、古いスタックや複数のコンポーネントを含む従来のスタックでは、通常、数百ミリ秒かかるからです。しかし、モデルの場合、それは単なる推論時間であるため、ピクセルや軌跡などの入力とは別のものになります。明らかに、コンピューターの能力に応じて遅延を短縮できます。しかし、現行世代でも 100 ミリ秒以内に制御されており、かなり高速です。 言語推論については、考えてみれば、それは人間の脳ですよね。考えてみれば、情報速度はすでに抽象化されていると言えます。情報速度はそれほど高くありません。そして、私たちはインターネット データを使用して、この種の言語ベースの推論能力を訓練しています。レイテンシーは十分に制御されていると思います。そう言わせてください。繰り返しますが、言語だけで車を運転しているわけではありません。先ほども言ったように、それは重要なことです。通常、推論部分は遅くなると思います。 繰り返しになりますが、モデルが何をしているのか正確にはわかりませんが、車両の基本的な瞬間的な反応を駆動するのはピクセル部分です。 うん。 Anthropic に尋ねると、クロードには感情や感情があり、怖がることがあると教えられます。 うーん。 それについて考えますか？モデルが車を運転しているときに感情があると思いますか? あまり不機嫌にならないようにガードレールを使用します。 （笑）ただ興味があるだけです。つまり、あなたが言ったように、モデルがどのように機能するかはわかりません。文字通り、モデルが「なんてことだ、こんなに速く走ってしまうんだ」というようなビジョンを持っています。しかし、おそらく古典的なシステムはそれを削減するでしょう。 うん。うん。 これらはすべて車内でローカルに実行されているのでしょうか? いいえ、いいえ、いいえ、いいえ。これらはすべてオフラインで検証されます。しかし、安全ガードレールを備えた 2 番目の部分、つまり 2 つのスタックを並行して実行するとき、それは間違いなく車内にあります。そして、各フレームの自動車、ADAS ECU のソフトウェアで、古典的なスタックとエンドツーエンド モデルの両方からの軌道を比較して、モデルが安全な基本軌道を出力していることを確認します。 では、自動車があなたのアプローチで自律的に動作するには高速接続が必要なのでしょうか? 必ずしも必要というわけではありませんが、ナビゲーション情報や地図情報を取得するには、ある程度の接続が必要です。これらのほとんどはナビゲーション マップです。したがって、モデル側だけでなく古典的なスタックも支援するために、世界をより深く理解するのに役立つナビゲーション マッピング情報の一部を使用します。 私が尋ねているのは、私が 5G ネットワークの立ち上げについて詳しく取り上げており、すべての通信会社が 5G によって自動運転車が可能になると私に約束したからです。そして、あなたのアプローチは、そのように低遅延ネットワークに最も重点を置くもののようです。 それは間違いではありませんが、その一方で、車は完全な死角でも自動運転しなければなりません。リアルタイムの低レイテンシー、つまりコンテンツの依存関係は、クラウドでもその依存関係を持っています。少なくとも、どこでも動作することを目的とした ADAS の種類のアプリケーション (L2+ と呼ばれます) の場合、その依存関係を構築することは得策ではありません。 うん。レベル 4、レベル 5 になると、接続依存性が生じます。 それは正しい。はい。うん。 レベル 4 の自律性で接続が失われるとどうなりますか?レベル 5 でハンドルがなくなり、接続が失われると、何が起こるでしょうか? レベル 4 では、接続を一種のセンサーとして考えることができます。基本的な運転能力がそれに大きく依存することはありません。レベル 4 テクノロジーの開発の中核となる概念の 1 つは、センサーの冗長性を確保することです。これは GPS だけでなく、カメラ、レーダー、目に見えるすべてのものにも当てはまります。あらゆる単一障害点に対して、車は安全に走行できなければなりません。これは、GPS を突然失った場合に似ていますが、車はその地域の認識を持っているため、安全な地点に到達して車を停めることができる必要があります。これは、L4 システムに必要な最小要件です。これは、このようなシステムを開発できるようにするための基本的な L4 原則です。 私は、すべてのセンサー スタックが車内のどこにあるのか、車内にどのくらいのコンピューティング能力があるのか​​、RAM の価格が高騰している現在、どのくらいの RAM を車内に搭載する必要があるのか​​について非常に興味があります。これはすべて、ますます高価になり、少なくとも米国の消費者がさまざまな意味で反抗していると感じている自動車に追加コストを重ねるために多額の費用がかかるように思えます。 それは正しい。 私たち自身の Web サイトのトラフィックを確認できます。誰もが25,000ドルでスレートトラックを買いたがりますが、それにはラジオさえ付いていません。それは単なる車輪上のバッテリーです。それがその車全体です。塗装作業すらありません。コストを抑えるために現在、車両の塗装を廃止しています。車内の大量のコンピューティング、大量の接続、おそらくモデルをロードするための大量の RAM について話しているのです。 それは正しい。 それはどうなるのでしょうか？それはあなたをロボタクシーモデルにさらに推し進めるのでしょうか、それとも人々はただ高価な自動運転車を購入するだけだと思いますか？ 自動運転車の構築には間違いなく大量のハードウェアが必要ですが、もう 1 つの傾向は、テクノロジーが成熟するにつれてハードウェアのコストがかなり急速に低下していることです。たとえば、レーダー。私のキャリアの中でも、レーダーの価格がおそらく 15 年間で少なくとも 4 ～ 5 倍下落するのを見てきました。これは、量がコストをはるかに上回って大きくなったためです。カメラセンサーの価格も下落しているのを目の当たりにしました。競合他社が増え、量が増えると競争により価格が下がります。現在、ADAS にはスケール効果が確実に存在しており、すべてのコンポーネントがより成熟し、ある程度の商品レベルに達しています。 ご存知のとおり、コンピューターは非常に速いペースで成長しています。半導体業界におけるムーアの法則については少し前にお話ししましたが、自動運転分野では、コンピューターのニーズが本当に驚くべきペースで高まっています。大体2年に10回くらい話し合っています。正気の沙汰ではありません。そして現在、AI と明らかに Nvidia の成功により、この種の大規模なコンピューティングを手頃な価格で自動車に提供できるようになります。 クラウドの中ですか、それとも車の中ですか？ 車の中。 先ほどトレーニング能力の争奪戦について質問しました。製造能力も争わなければなりませんか? そうそう。 なぜなら、それらのコストは誰にとっても上昇するからです。 はい、もちろん。はい。 気になるのですが、全員のコストを押し上げているのは Nvidia の需要です。では、NVIDIA の他の部門が、誰かが要求する料金を喜んで支払うときに、どうやってファブのキャパシティーを確保するのでしょうか? そうですね、私があなたに出した答えと同じです。当社は非常に戦略的な会社であり、自動車事業も同様に順調に推移していますが、明らかにデータセンター事業のペースには達していないため、これ以上言えることがあるのか​​わかりません。しかし、私たちは、ジェンセン自身も同様に、AV の将来を強く信じています。私たちは、内部コンピューティングだけでなく工場のキャパシティを割り当てることによって、このテクノロジーと将来への投資を続けています。それは間違いなく私たちが検討していることの一つです。  実際、誰もが手に入れることができるすべてのチップに対するこの激しい需要により、おそらくチップの価格さえも上昇する必要があるでしょう。良い面は、テクノロジーが本当に良くなっているということです。チップ側について話しましたが、センサー側についても少し話しました。私は Hyperion について話しました。これは、すぐに製品化できる、コンピューティングとセンサーを備えた一種のプラットフォームです。そのため、私たちはコストとできることのバランスをとることに真剣に取り組んでいます。私たちは、高度な自律性を実現するために十分に必要なセンサー セットと呼ばれるものを検討しています。 たとえば、Hyperion 10 では、実際には 2 つのバージョンが提供されています。 1 つは基地で、ほとんどがカメラで構成されています。カメラ 10 台、レーダー 3 台、ライダーはありません。これは、L2++ ADAS タイプの車両を構築するための非常にコスト効率の高い方法です。一方、ハイエンド向けには、Hyperion High と呼ばれるものがあります。必要なセンサー セットを提供します。これには、L4 を駆動できる十分なセンサー冗長性を備えた、カメラ 14 台、ライダー 3 台、レーダー 7 台が含まれていると思います。 ECUの冗長性も必要です。私たちの次世代、正確に言えば、現世代の SOAR ベースのコンピューター プラットフォームが必要です。本当に自動で運転できる車があると想像してみてください。私たちは、このセンサー セットとこのコンピューター アーキテクチャにより、コストに見合ったレベルの自律性を達成できると信じています。 自律性を実現するための最小限のセンサーセットについては、激しい議論が交わされているように感じます。長い間、熱く議論されてきました。イーロン・マスクが、ライダーは何年も前に局所極大値であると考えたと発言したことが、この議論の始まりだったと思います。この議論は、いかなる形でも、形でも、沈静化することはありません。レベル 4 には LIDAR が必要だと思いますか? 簡単に言うと「はい」です。私たちは、LIDAR がレベル 4 の自律性に必要な安全性と冗長性を提供する重要なセンサーであると考えています。 しかし一方で、それが100％必要であるとは言い切れません。これは、Hyperion 10 のハイセンサー構成に基づいて、非常に高レベルの都市部と高速道路のレベル 4 機能の両方を実現するための非常に実現可能なパスであると考えています。一方で、理論的には、ライダーは必要ではない可能性があることを、大量の走行距離で証明することができます。ただし、基本的には ODD の制限が伴います。 申し訳ありませんが、ODD の制限とは何ですか? 基本的には運用設計ドメイン（ODD）が該当します。テクノロジーを導入できます。これについてはかなりの分析を行いました。現在の理解と、この分析を行うために使用しているフレームワークに基づいて、お客様がメリットを享受できるすべての ODD にこの L4 テクノロジーを導入するには、LiDAR を使用しない場合と比較して、LIDAR を使用した方がはるかに優れていると考えています。 完全自動運転とその車両、そしてビジョンベースのシステムへの絶対的な取り組みにおけるテスラの現状を見たとき、彼らは現在あなたよりも先を行っていると思いますか?彼らは同等だと思いますか？彼らがあなたの後ろにいると思いますか？ この質問には 2 つのレベルの答えがあります。基本的な L2++ テクノロジーに関しては、Elon がおそらく誰よりも優れています。彼はずっと前に部門を持っていて、大規模な艦隊でテクノロジーを開発しテストするというビジョンに長い間固執してきました。イーロンがADAS市場で誰よりも先を行っており、基本的に誰もが追いつきゲームをしていることに異論を唱える人はいないだろう。そして実際、私たちはイーロンがこれほど成功していることをとても嬉しく思っています。明らかに、Elon は私たちにとっても、GPU コンピューター側の SpaceX と Tesla の両方にとっても大顧客です。私たちは彼と彼のチームが確実に成功できるようサポートしています。 レベル 4 では、よりオープンだと思います。 Waymo のように、自社が使用する方法論を使用して顧客を実際に L4 を体験してもらう、実績のある既存のプレーヤーがいます。テスラはおそらくまだそこへの道を見つけようとしているのだろう。私たちは勝者を選ぶつもりはありませんが、誰もがそのテクノロジーを開発できるように支援しようとしています。私たちの本当の使命は、AV エコシステムがあらゆるマイルで移動するすべてのものが自律的になるというビジョンを達成できるように努めることです。このようなビジョンが現実になります。 LiDAR の使用についてテスラの幹部と話し合ったことがありますか?特にあなたが言うようにコストが下がっている場合は、理由もなく奇妙に宗教的に見えます。ある時点で、より優れたテクノロジ ソリューションがそこにある場合、誰もがそれを使用する必要があると感じます。そういった会話をしたことがありますか？ いや、実際には、私自身ではありません。私のチームは間違いなくそうしています。彼らとそんな会話ができるのを楽しみにしています。その多くは基本的な科学と推論にすぎません。彼らの意見も聞けてよかったです。 最後に、おそらくあなたには制御できないことについて話したいと思います。モデルは改良され続け、Nvidia はチップを製造し続け、おそらく顧客は自動運転を要求し続けるでしょう。それはすべて、自分がコントロールできるもののように感じられます。 しかし、自動車市場、自動車市場の最先端は中国で起きています。これについては同意できると思います。米国の消費者はTikTokを開き、自動車インフルエンサーがBYD車について話しているのを見て、その車は手に入らないとコメントで不満を漏らす。中国にあるビュイックのビデオを見ました。これは米国では入手できないビュイックのEVで、米国の顧客はビュイックが中国で製造しているよりも中国で製造している車に激怒している。 米国と中国の間には多くの貿易障壁がある。 Nvidiaは、自動車部品の輸入に対する関税であれ、販売できるチップやそのチップからの収益の行き先に対する文字通りの阻止であれ、あらゆる方法でその戦いの真っ只中に位置している。 自動車市場を前進させようとする中、米中貿易の混乱は自動車市場にどのような影響を及ぼしますか?それはあなたが考えていることですか？何か業界の成長を遅らせているのでしょうか？押し通せるものなのでしょうか？ そうですね、私は確かに、政策立案者には、今私たちが見ているような政策を決定する理由と根拠があると信じています。 Nvidia として、私たちはオープン エコシステムのプレーヤーです。中国には今でも多くの顧客がいます。私たちはその支援に努めています…たとえば、車載推論チップは中国市場での販売が許可されている GPU の基準をまだ下回っているため、当社は依然として車載推論チップを供給しています。私たちは中国のすべての OEM とも協力しています。実際には、明らかにすべてではありませんが、かなりの数がシミュレーション ツールを提供することでインフラストラクチャ側を支援しています。私たちは彼らと協力して、オープンソース モデルである Cosmos と Alpamayo に取り組んでいます。一方で、私たちは彼らのモデルをより良くするのを助けることができます。一方で、中国市場での競争からも学ぶことができます。 また、当社は世界の他の OEM 企業とも緊密に連携しており、すべての Nvidia プラットフォームをさまざまなレイヤーでさまざまな OEM 企業に供給し、OEM 企業の成功を支援するよう努めています。繰り返しになりますが、私たちは勝者を選ぶことはなく、全員と協力するよう努めています。使命は非常に明確であり、私たちはこのビジョンを可能な限り現実にするよう努めています。 OEM 間でデータを共有してモデルをより適切にトレーニングし、機能を向上させることについて話しているとき、中国の OEM とアメリカやヨーロッパの OEM からのデータを共有することの間に、規制上の障害や競争上の障害はありますか? ああ、もちろん。中国だけでなく他の地域でも同様に制限があります。たとえば、ヨーロッパにはデータに関して特定の規制があります。当社はさまざまな地域に準拠していることを確認するために、すべての現地の規制に準拠しています。 それは、モデルの地域ごとのバリエーションが異なる機能を備えている、あるいは異なる点で優れているということを意味するのでしょうか?入力データが異なると、おそらく出力も異なるように思われるためです。 絶対に。まず、製品モデルについては、できる限りフォークしないように努めていますが、基本的な地域差は存在します。モデルは、入力に基づいて領域ごとに異なる動作をします。いわゆる国別コードのものもあります。したがって、明らかにルールは米国とヨーロッパなど地域によって大きく異なります。ある程度の適応が必要であり、いくつかのパラメータも異なります。そうですね、テクノロジーを世界のさまざまな地域に拡張しようとするのは、非常に興味深い旅です。 さまざまな規制アプローチ、さまざまなデータアプローチ、さまざまな入力データ、OEM のさまざまな構成と投資意欲、政府からのさまざまな補助金に基づいて、中国はまず主流の自動運転体験としてレベル 4 に到達すると思いますか?なぜなら、もし私がそれを観察しなければならないとしたら、レベル4の自動運転は、米国で主流の体験として実現されるずっと前に、中国で実現すると私は確信しているからです。 実際にはそうではないと思います。ご存知のとおり、Waymo はすでに、少なくともサンフランシスコの特定の ODD では、すべての人に L4 エクスペリエンスを提供しており、かなりのスピードで拡張しています。中国は明らかにはるかにダイナミックな競争市場であり、そこにはかなりの数のプレーヤーがいます。しかし、私の経験では、少なくともサンフランシスコでは、それらはすべて Waymo の成熟度を備えています。私たちはエコシステム内のすべての人を助けようとしています。 OEM の観点から見ると、これは異なる競争環境ですが、OEM 側でも、地域が異なれば、競争の状況も異なると思います…そうですね、一面として、中国のストリートは米国のストリートと比較してはるかに挑戦的でもあります。そしてレベル 4 は、私はそれをゼロプネ ゲームと呼ぶことがあります。それを持っているか、持っていないかのどちらかです。 現在のところ、L4 が都市規模の地域でドライバーなしで制限なくすべての顧客に安全に導入できることを実際に証明しているのは、まだ米国か中国だけだと思います。 そう、それがウェイモです。 Waymo は、それらが主流のエクスペリエンスであると評されるのを聞いて非常に光栄だと思います。サンフランシスコの一部の人々にとって、Waymo が主流の体験であることは受け入れます。大多数のアメリカ人にとってはまだそうなっていないと思います。そしてそれが大きな転換点ですよね？ Waymo が雪の中で使えるのはいつですか?いつシカゴに配備する予定ですか? そしてニューヨーク市でも。 シカゴに長い間住んでいた者として、シカゴとニューヨーク市ではどうなっているのか非常に興味があります。私が疑問に思っているのは、主流のエクスペリエンスは単に車を買うようなもので、レベル 2 ADAS は今や車の一種の商品になっているのではないかということです。レベル 4 は自動車の主流の商品になるでしょう。ボタンを押すと自動で運転を開始します。そこからどれくらい離れていると思いますか？ 業界がそこに到達できるよう支援することが、まさに私の使命です。時期をあげる必要があるとしたら、5 年とは言いませんが、5 年未満です。 それは大胆な予測です。時間なのでこのままにしておきたいと思います。本当に素晴らしかったよ、忻州さん。またお話しできるのを楽しみにしています。その予測を確認するために、5 年前に戻っていただきます。しかし、次に Nvidia に何を求めるべきでしょうか? 私たちが計画していることはかなりたくさんあります。まず、今年末までに、ADAS 側のテクノロジーを米国全土のすべてのメルセデス車および他の一部のパートナーに展開します。今後数年以内に、このテクノロジーを世界に展開していきたいと考えています。一方で、当社は Uber などのパートナーとも緊密に連携しています。 GTC では、今後数年間で L4 サービスを展開しようとしていると発表しました。とてもエキサイティングです。 それに加えて、私たちは再びエコシステムのプレーヤーでもあります。当社はほぼすべての OEM と協力しています。現在、量産 OEM の 80% が Nvidia の L4 Hyperion エコシステムに参加していると思います。私たちは皆さんと一緒にこの未来を築いていきます。今後、私たちからさらにエキサイティングな発表が行われることを願っています。  そうですね、先ほども言いましたが、すぐに戻ってくる必要があります。 Decoderをご利用いただき誠にありがとうございます。 来てくれてありがとう、ニレイ。あなたとおしゃべりするのはとても楽しいです。 ご質問やご意見はありますか？ [email protected] までご連絡ください。私たちはすべてのメールを本当に読んでいます。