回忆起智驾草创期，感慨万千。我比孙博稍晚，八年前加入的智驾行业，已经有YOLO了，但回想当年，所有的公司都在大举投资，扩张团队，刚毕业的年轻人加入之后马上被委以重任，直接一台Ubunt插两张1080Ti往后备箱里一扔就开始智驾的例子比比皆是。而决定一个智驾公司成功与否的，除了智家公司人工智能的能力之外，一号位的战略和执行力非常重要，智驾产品的整个交付链条非常长，从数采到数据到模型到系统集成。考虑这

作者|派派星 编辑| CVHub点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【全栈算法】技术交流群为啥GPU利用率总是这么低上回说到，如何榨干GPU的显存，使得我们的模型成功跑起来了。但是，又一个问题来了，GPU的利用率总是一会99%，一会10%，就不能一直99%榨干算力？导致算力不能够完全利用的原因是数据处理的速度没有跟上网络的训练速度。因此，我...

有两个算法也推荐一下，Diffusion Planner和Flow Planner，Flow Planner是Diffusion Planner的改进版本，是清华AIR詹仙园老师团队下面的工作。这一套架构整体上来说，其实不复杂，难的是在J6M 128TOPS的算力上实现。下图是L2实车的表现，严重错位道路和复杂路口的无保护左转，效果都很不错。多模态的世界解码器和语言推理互相交互，要能够强对齐，这一

作者|红色星际科技编辑| 红色星际点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『自动驾驶』技术交流群本文只做学术分享，如有侵权，联系删文据悉，Momenta自研的第一款芯片即将流片。第一款芯片定位中阶算力，算力在一百 TOPS区间左右，对标英伟达的Orin N和地平线的J6E。预计不久的将来，Momenta的...

一位内部人士告诉《新智驾》，在过去两年中，小鹏智能座舱的研发节奏明显加快，围绕高算力平台、统一软件架构以及持续 OTA 的能力建设，互联网中心承担了大量基础性工作。随着小鹏近年来不断强调“AI 汽车”定位，智能座舱逐渐从传统意义上的人机交互系统，演变为车端AI能力的重要载体，其战略权重也随之提升。在2024年以来的多次公开表态中，小鹏汽车反复强调，将进一步聚焦核心技术、提升组织效率，并推动智能驾驶

当时只有Xavier，大约70TOPS，今天有Thor，单卡1000TOPS+，L4的算力大约是在3000tops左右，所以双Thor已经到了L4的级别，这样一来L4和L3或ADAS所需要的硬件门槛迅速降低。毕竟文远早就构建起通用AI司机体系，在感知识别、决策规划等等环节复用算法，无论L2L4、无论乘用货运，基础模型使用相同的数据来训练迭代，后续的仿真测试等等环节，也可以用统一的工具。所以一段式端

赴美加入英伟达后，吴新宙提出“所有能动的事物终将走向自动化”的理念，并将其在高通与小鹏积累的工程经验带入英伟达的自动驾驶体系。正是在这一关键节点上，英伟达决心加速自动驾驶业务布局，而吴新宙兼具算法与整车厂经验，既懂底层算力，又熟悉车企需求，无疑是老黄心目中的理想人选。英伟达提供的是算力，是整个行业的上游，跟各行各业的从业者都分不开关系，他们需要负责全球的企业、研究机构、政府项目与投资人。接下来，就

值得注意的是，英伟达正适配AI算力需求的季度变化，从Hopper、Blackwell系列侧重模型预训练，到Grace Blackwell Ultra、Vera Rubin系列聚焦推理场景，此次新品有望针对性突破延迟和内存带宽瓶颈。二是下一代Feynman系列芯片，该系列被称为“革命性”产品，英伟达正探索以SRAM为核心的广泛集成，或通过3D堆叠技术整合LPUs，不过相关细节尚未确认。黄仁勋坦言，这

Nvidia这次公布的以Alpamayo为核心的自动驾驶研发生态很难真正撼动Tesla FSD的领先地位的最核心的原因在于Nvidia的商业模式是以底层算力为核心，本次发布的Alpamayo1 自动驾驶Reasoning模型，AlpaSim端到端仿真框架，以及自动驾驶Physical AI Dataset本质还是希望通过提供全面的研发生态Tool Kit给到车企或供应商，帮助他们在自动驾驶功能上获

点击下方卡片，关注“自动驾驶之心”公众号戳我->领取自动驾驶近15个方向学习路线从硅谷巨头到国内BAT，从MIT实验室到清华智算中心，DeepSeek正以“暴力算力+极简开发”横扫AI圈！据称，某自动驾驶团队更凭其千卡调度技术狂省60%算力成本！年后清华大学集中推出了DeepSeek相关的5份教程，300页资料汇总！今天自动驾驶之心为大家解读第一弹，《DeepSeek从入门到精通》。相关报.