Nvidia wettet darauf, dass es Autonomie in einen Produktzyklus statt in ein mondfähiges Projekt verwandeln kann, und dass sein Stack jeden Autohersteller willkommen heißen kann, der mitmachen möchte.
Photo courtesy of Nvidia
Nvidia $NVDA ist überall. Sein Logo ist zum Wasserzeichen des modernen Rechnens geworden. Es befindet sich unter der Computertechnik aus der KI-Ära, der Cloud-Infrastruktur, der PC-Grafik und der Industrieautomation, die heimlich Fabriken neu gestaltet. Warum sollte es also nicht auch im globalen Vorstoß für autonome Fahrzeuge das Steuer übernehmen wollen?
Aber Nvidia jagt nicht wirklich „selbstfahrende Autos“. Nvidia verfolgt eher die Autonomie als einen industriellen Stapel – ein Set aus Chips, Modellen, Simulationstools und Sicherheitssystemen, das andere Unternehmen verwenden, weiterentwickeln und ausliefern können, ohne ihr gesamtes Unternehmen auf einen Robotaxi-Mondschuss zu setzen. Diese Darstellung klingt semantisch, bis man in einem der Demofahrzeuge von Nvidia sitzt und der Automobilführung des Unternehmens zuhört, die spricht, als würden sie eine Lieferkette aufbauen und nicht eine Sci-Fi-Zukunft.
Nun hat Nvidias erster großer „im Auto“-Beweis einen Piloten: Die Drive-AV-Software des Unternehmens wird in der brandneuen Mercedes-Benz CLA-Limousine eingeführt, mit einem erweiterten Level-2-Fahrerassistenzsystem von Punkt zu Punkt (Nvidia nennt es L2++), das Nvidia erwartet, wird dieses Jahr auf den US-Straßen erscheinen. Mercedes verkauft die Technik, die es MB.DRIVE ASSIST PRO nennt, für 3.950 US-Dollar für drei Jahre in den USA, wobei monatliche und jährliche Preise noch folgen werden; Tesla $TSLA hingegen verkauft sein Full Self-Driving für 8.000 US-Dollar pro Jahr oder 99 US-Dollar pro Monat. Das ist ein tolles Geschäft für Mercedes, aber es sagt etwas Größeres über die sich verändernde AV-Landschaft aus. Was Nvidia auf den Markt bringt, ist die Art von Autonomie, die tatsächlich in großem Maßstab geliefert werden könnte: Fahrerassistenz, die immer noch einen Menschen am Steuer annimmt – aber mit Technologie, die laut Nvidia im Laufe der Zeit durch Software verbessert werden kann; das MB.OS-Design ist darauf ausgelegt, Over-the-Air-Updates für zukünftige Upgrades und Funktionen zu ermöglichen.
Bei einer kürzlichen Mitfahrt in San Francisco, die mit der Mercedes-Benz-Demonstration verbunden war, stellte Nvidia die Automobilbemühungen des Unternehmens als Full-Stack-Einsatz dar: den Bordcomputer, die Modelle, die Validierungsschleife und die industrielle Trainingsinfrastruktur dahinter.
Xinzhou Wu, der Nvidias Automobilsparte leitet, sagte bei der Demo, dass die Partnerschaft seit über vier Jahren läuft, ein Full-Stack- und mehrjähriger Beweis für diesen Massenmarkt-Ansatz. Unter der Haube – buchstäblich – beschrieb Wu, was Nvidia in den Demofahrzeugen einsetzt: einen „hybriden Stapel“, der ein End-to-End-Modell mit einem traditionelleren, „klassischen“ Stapel kombiniert, der bereits in Mercedes-Fahrzeugen in Europa eingesetzt wird. Die Kopplung ist der Punkt: Das End-to-End-Modell sorgt für ein menschlicheres Fahrgefühl; der klassische Stapel bietet eine interpretierbare Rückversicherung, wobei ein „Sicherheitsmonitor“ die sicherere Trajektorie wählt.
Physische KI, sagte Wu, ist „ein tiefes Problem, das es im nächsten Jahrzehnt zu lösen gilt." Dieser Rahmen positioniert Nvidia als den einen Anbieter, der bereits alle drei Ebenen liefern kann – Fahrzeugrechner, Rechenzentrum, Simulation – und es betrachtet das Autonomierennen als ein Rechen- und Werkzeugproblem mehr als als ein Karten- und Sensorenproblem. In dieser Weltanschauung sind die Gewinner die Unternehmen, die die Schleife komprimieren können: schneller trainieren, mehr Edge-Fälle simulieren, sicherer bereitstellen und das System verbessern, ohne den Vertrauensvertrag mit den Fahrern zu brechen.
Nvidia-CEO Jensen Huang sagt Xu, dass seine Aufgabe darin besteht, „alles, was sich bewegt, autonom zu machen.“ Dies ist ein entscheidender Anfang.
Nvidias Vorstoß in das autonome Fahren ist darauf ausgelegt, durch Partnerschaften wie die mit Mercedes zu skalieren – das Unternehmen liefert das rechnerisch intensive Rückgrat und die Werkzeuge, während der Automobilhersteller das Fahrzeug, die Marke und die Kundenbeziehung besitzt. Während der CLA-Testfahrt beschrieb Ali Kani, Nvidias Vizepräsident für Automotive, das System auf die typisch Nvidia-weise: als etwas, was end-to-end entwickelt, auf Nvidia-Infrastruktur trainiert, in der Cloud getestet und durch den Prozess gesteuert wird.
In einem separaten Briefing zoomte Kani auf die vollständige Nvidia-Prophezeiung heraus. „Alles, was sich bewegt, wird letztendlich vollautonom sein“, sagte er und beschrieb auch den Ärawechsel hin zu „physischer KI“ mit autonomen Fahrzeugen als eine der drei Kategorien von „Robotern“, die wichtig sind. Die Rhetorik ist groß – vielleicht zu groß in einer Ära, in der die Menschen dieser Technologie noch nicht vollständig vertrauen – aber sie passt zur zugrunde liegenden Strategie: Autonomie wird zu einem weiteren Bereich, in dem Nvidia alles liefern kann.
Die Version für die nahe Zukunft bleibt jedoch in der Realität des Personenkraftwagens geerdet: Fahrerassistenz, sorgfältige Sicherheitslagen und ein Partnerschaftsmodell, das darauf ausgelegt ist, zu skalieren. Das Unternehmen versucht nicht, die Kontrolle über das Lenkrad zu erlangen, sondern baut das System, das mehr vom Fahren automatisch erscheinen lässt – und dann die Rechenschleife, die diese Fähigkeit verbessert. Der globale Vorstoß in die autonome Mobilität hat viele Mitbewerber, die das Rampenlicht suchen. Nvidias Vorgehen ist leiser, infrastruktureller und somit vielleicht gefährlicher in der Art, wie Plattformansätze tendenziell sind.
Wenn der Start des Mercedes CLA Nvidias „Beweisstück in Autos“ ist, ist Alpamayo der Teil, in dem Nvidia versucht, Autonomie in ein Ökosystem zu verwandeln – und die Kontrolle über die Werkzeuge zu behalten, die bestimmen, wer als Nächstes hinter das Steuer kommt.
Alpamayo wird als eine Familie von Open-Source-Modellen, Simulationswerkzeugen und Datensätzen angepriesen, die auf „sicheres, auf Argumenten basierendes“ autonomes Fahren abzielen – speziell die hässlichen, seltenen „Long Tail“-Fälle, die Systeme immer noch auf eine Weise zum Absturz bringen, die in einer glänzenden Demorunde nie auftreten. Nvidias Versuch, „Argumentation“ als Produktschicht in der Autonomie zu etablieren und die Upstream-Toolchain zu standardisieren, die Systeme im Laufe der Zeit verbessert. Das Argument ist, dass traditionelle Autonomie-Architekturen Wahrnehmung und Planung auf eine Weise trennen, die die Skalierbarkeit einschränken kann, wenn etwas Ungewöhnliches passiert; End-to-End-Lernen hat den Ball weitergebracht, aber Edge-Fälle erfordern immer noch Modelle, die über Ursache und Wirkung nachdenken können, wenn die Situation außerhalb der Trainingserfahrung liegt.
Alpamayo führt „Chain-of-Thought, Reasoning-based“ Vision-Language-Action (VLA) Modelle ein, die entwickelt wurden, um neuartige Szenarien Schritt für Schritt durchzudenken, mit verbesserter Erklärbarkeit, die laut dem Unternehmen „entscheidend für die Skalierung von Vertrauen und Sicherheit“ ist, und das gesamte Bemühen wird „durch das NVIDIA Halos Sicherheitssystem unterstützt.“ CEO Jensen Huang setzt ganz auf den Moment und nennt es „den ChatGPT-Moment für physische KI“ und argumentiert, dass Alpamayo Fahrzeugen helfen kann, „seltene Szenarien zu durchdenken“ und „ihre Fahrentscheidungen zu erklären“, als „die Grundlage für sichere, skalierbare Autonomie.“
Nvidia sagt, dass Alpamayo-Modelle Lehrer-Modelle sind, „anstatt direkt im Fahrzeug zu laufen“, die darauf ausgelegt sind, feinabgestimmt und in die Laufzeit-Rückgrate vollständiger AV-Stacks destilliert zu werden. Das lässt Alpamayo weniger wie „neues Feature, das zu Ihrem Mercedes kommt“ wirken und mehr wie Nvidia, das versucht, die Art und Weise zu standardisieren, wie Autonomie aufgebaut wird – derselbe Plattforminstinkt, der auf die Trainings-/Simulationsschicht abzielt, wo Nvidia bereits weiß, wie man gewinnt.
Autonomie war jahrelang ein Versprechen; Nvidia möchte, dass sie sich wie Infrastruktur verhält. L2++ bringt Nvidia in echte Autos, ohne einen Glaubenssprung zu verlangen, und Alpamayo schiebt die schwierigsten Probleme nach oben in Modelle und Simulation – wo Nvidias Vorteil bereits industriell ist. Wenn dieses Spiel funktioniert, wird das wichtigste Autonomieunternehmen nicht das mit der größten Flotte sein. Es wird dasjenige sein, das die Autonomie aller anderen versendet.
Schließen Sie sich über 500.000 Lesern an, die ihren Tag mit Quartz beginnen.
Mit dem Abonnieren stimmen Sie unseren Nutzungsbedingungen und unserer Datenschutzrichtlinie zu.
