Nvidia startet Drive AGX Orin: 200-TOPS KI-Chip mit 3× Effizienz für autonome Fahrzeuge

Das Unternehmen wird auch seine KI-Modelle für autonome Fahrzeuge Entwicklern zugänglich machen.

Auf der GPU Technology Conference (GTC) in Suzhou, China, trat Nvidia CEO Jensen Huang auf die Bühne, um Drive AGX Orin vorzustellen, den nächsten SoC in der automobilen Portfolio des Unternehmens.

Orin folgt auf Drive AGX Xavier, das knapp 2 Jahre zuvor auf der CES 2018 lanciert wurde. Xavier ist Nvidias aktueller Flaggschiff-SoC für KI-Beschleunigung in Fahrzeugen.

Orin, mit 17 Milliarden Transistoren, ist fast doppelt so groß wie Xaviers 9 Milliarden und liefert fast 7× die Performance (200 TOPS für INT8 Daten). Trotz seiner Größe bietet Orin auch 3× die Energieeffizienz von Xavier, so das Unternehmen.

„Das ist ein massiver Performance-Schub, aber es geht nicht nur um TOPS. Es geht um die Architektur, die für sehr komplexe Workloads, diverse und redundante Algorithmen designed ist, die in einem autonomen Fahrzeug laufen. Xavier handhabt heutige Workloads; Orin wird morgige handhaben.“ — Danny Shapiro, Senior Director Automotive bei Nvidia.

Nvidia CEO Jensen Huang präsentiert Orin dem Publikum auf der GPU Technology Conference in China (Bild: Nvidia)

Orin wird 12 Hercules ARM64 CPUs neben Next-Gen Nvidia GPU Kernen und neuen Deep-Learning und Computer Vision Beschleunigern nutzen, deren Details nicht offengelegt wurden.

Designed für Level 2 bis Level 5 autonome Fahrzeuge und Robotik, kann Orin viele neuronale Netze und andere Applikationen gleichzeitig betreiben, während ISO 26262 ASIL-D Sicherheitslevel erreicht werden. Durch Nutzung der Nvidia Drive Plattform ist Orin software-kompatibel mit Xavier.

Die Orin-Familie wird eine Reihe von Konfigurationen basierend auf einer einzelnen Architektur umfassen und für Kunden-Produktionsläufe 2022 verfügbar sein.

Federated Learning

Nvidia kündigte auch eine Partnerschaft mit Didi an, dem App-basierten Transportanbieter aktiv in Asien, Lateinamerika und Australien.

Didi wird Nvidia GPUs in seinem Rechenzentrum nutzen, um Machine-Learning-Algorithmen zu trainieren, und die Nvidia Drive Plattform für Inferenz in seinen Level 4 autonomen Fahrzeugen. Didi hat seine Autonomous-Driving-Unit im August in eine separate Firma ausgegliedert und wird virtuelle GPU Cloud Services für Kunden basierend auf Nvidia GPUs starten.

In einer separaten Ankündigung enthüllte Nvidia, dass es vortrainierte Modelle für die Deep Neural Networks, die es für Nvidia Drive entwickelt hat, frei für Autonomous-Vehicle-Entwickler verfügbar machen wird. Diese umfassen Modelle für Erkennung von Ampeln und Schildern, sowie Fahrzeuge, Fußgänger und Fahrräder. Sie beinhalten auch Path-Perception, Gaze Detection und Gesture-Recognition Algorithmen.

Orin wird 200 TOPS bieten, 7× die Performance von Xavier bei 3× der Energieeffizienz (Bild: Nvidia)

Wichtig: Diese Modelle können mit vom Unternehmen bereitgestellten Tools angepasst und mittels Federated Learning aktualisiert werden. Federated Learning trainiert lokal am Edge, wahrt Datenschutz, bevor ein zentrales Modell mit Trainingsergebnissen aus mehreren Quellen aktualisiert wird.

„Das KI-autonome Fahrzeug ist ein software-definiertes Fahrzeug, das weltweit auf einer Vielzahl von Datensätzen operieren muss“, sagte Jensen Huang, CEO von Nvidia. „Indem wir AV-Entwicklern Zugang zu unseren DNNs und fortschrittlichen Lerntools geben, um sie für multiple Datensätze zu optimieren, ermöglichen wir geteiltes Lernen über Unternehmen und Länder hinweg, während Datenhoheit und Privatsphäre gewahrt bleiben. Letztlich beschleunigen wir die Realität globaler autonomer Fahrzeuge.“