在我们熟悉的自动驾驶方面,打个比方,现在我们不是常说自动驾驶算法重要,算法重要的的核心地方是数据量重要,因为海量数据的训练才能让算法更加精准;那么海量数据的快速准确处理学习的时候,这种超算的GPU就能大显身手了。开个玩笑,假如这个时候国内哪家跳出来这个禁令严重影响自己的自动驾驶开发,说明他家自动驾驶就是领先的。
另外我们常说的车路协同,其中路端需要使用就是这些数据处理中心,路端传感器接收到的海量数据,需要数据中心的处理才能有明确的信息,才能指挥路段的协作。
最后现在比较流行的说法“数字孪生(digital twin)”,也就是说所有的现实数据,传输到数据中心进行处理,虚拟仿真,进行预测和优化。打个最流行的比方吧,当前的新冠疫情,假设所有的疫情数据例如感染时间,地点,病情,治疗情况,医院情况等等信息进入超算中心,超算中心可以模拟出疫情发展,那么可以测算出各种疫情处理的方法,而不是各种砖家,领导瞎逼逼了。当然在疫情刚开始的时候我的文章《受新冠疫情影响-全球汽车厂暂时关闭工厂潮涌现》中借用的图片就是美国著名霍普金斯大学的大数据图,所以有可能美国人已经数字孪生一遍了。
当然随着万物互联,各方数据的集合处理都离不开数据超算中心,例如医疗诊断设备的片子可以大数据处理用来AI诊疗等等,所以这些超算芯片与我们生活息息相关,而不是停留在科学世界里面。
相关推荐
芯片产业链101
五图看懂自动驾驶AI半导体生态链
4D 成像毫米波雷达 - 101
从小鹏P7事故看智能驾驶的最后一道防线AEB(自动紧急制动)
摄像头,雷达和特斯拉
智能汽车要用多少个摄像头?分别干啥?什么原理?
从2022特斯拉股东大会看其商业和技术密码
马斯克的Master plans - 电动超跑,大众电动车,AI智能汽车和机器人,后续?
汽车芯片半导体 - 101
浅谈高阶智能驾驶-领航辅助的技术与发展
智能驾驶要用多少个激光雷达?分别放在哪里?什么作用?