大陆集团搭建超级计算机训练车载AI系统

汽车产业正在经历一场前所未有的变革浪潮，产品迭代周期日益缩短。要想在技术竞赛中持续领先，仅靠跟随策略远远不够。科技巨头大陆集团选择了一条更具前瞻性的道路——投资建设专属的人工智能超级计算机。这套系统的算力核心，基于采用 NVIDIA InfiniBand 互连技术的 DGX 系统构建而成。它部署在法兰克福的数据中心，能够为全球各地的研发团队提供充沛的计算资源与存储能力。简而言之，高级驾驶辅助系统之所以日益强大，出行体验之所以更加智能和安全，乃至无人驾驶技术能够在中期实现商业化落地，背后都离不开这位“隐形引擎”的强力支撑。

大陆集团高级驾驶员辅助系统事业部项目管理系统负责人 Christian Schumacher 坦言：“这台超级计算机是我们对未来的一项重要投资。这个顶尖的系统可以同时开展至少14次以上的实验，从而将训练神经网络所需的时间大幅缩减。”这样的进展，无疑令人振奋。

携手 NVIDIA，确保卓越品质

品质与速度——这是大陆集团在选择合作伙伴时最核心的两项考量标准。Schumacher 解释道：“项目周期非常紧凑，我们计划在一年之内完成交付。经过大量测试与调研，最终锁定了 NVIDIA。要知道，这家公司为全球多台速度领先的超级计算机提供着坚实的动力支持。”选择这样的合作伙伴，无异于站在巨人的肩膀上实现跃升。

NVIDIA 企业计算部门负责人 Manuvir Das 补充表示：“NVIDIA DGX 系统能够为大陆集团这类创新型企业，提供高性价比且易于部署的企业级人工智能超级计算方案。大陆集团借助以 InfiniBand 互连技术连接的 NVIDIA DGX POD 来训练自动驾驶车辆，不仅可以设计出最智能的未来汽车，还能同步构建与之匹配的 IT 基础设施。”

信息技术领域的科技杰作，如何支撑 AI 方案

大陆集团的这台超级计算机由 50 多个 NVIDIA DGX 系统构成，并通过 NVIDIA Mellanox InfiniBand 网络实现互联。根据公开的超级计算机 TOP500 榜单数据，其运算性能在全球汽车行业中位居前列。更巧妙的是，它采用混合运行模式，在必要时可通过云解决方案灵活扩展算力、增强存储性能。Schumacher 评价道：“这台超级计算机是 IT 基础设施设计中的一项杰作。从完整的性能与功能，到未来的可扩展性，团队几乎对每个细节都进行了精确规划。”

高级驾驶辅助系统的核心逻辑，在于利用人工智能让汽车具备决策能力，辅助驾驶者，并最终实现完全自主驾驶。具体而言，雷达、摄像头等环境传感器为车辆提供原始数据。随后，智能系统实时处理这些数据，构建出车辆周围环境的综合模型（即感知阶段），并据此制定相应的驾驶策略（即规划阶段）。最后，对车辆进行控制，执行规划好的策略（即行动阶段）。然而，随着系统复杂度的不断攀升，传统的软件开发方法与机器学习手段已经逐渐触及天花板。深度学习与仿真技术，由此成为基于人工智能的开发流程中不可或缺的关键环节。

主要用例：深度学习、仿真与虚拟数据生成

深度学习通过人工神经网络，让机器能够从经验中学习，并将新信息与已有知识相互关联，模拟人脑的学习过程。但这里存在巨大的差距：一个孩子看过几十张不同款式的汽车图片后，就能轻松识别汽车；而要让神经网络学会辅助驾驶甚至自主驾驶，却需要数百万张图片，并耗费数千小时进行大量数据的训练。这正是 NVIDIA DGX POD 的核心价值所在——它不仅大幅缩短了这一复杂过程所需的时间，也同步压缩了新技术从研发到上市的整体周期。

大陆集团位于匈牙利布达佩斯的人工智能能力中心负责人 Balázs Lóránd，与他的团队一直致力于构建支持人工智能创新的基础设施。他透露：“总体而言，我们预计完整的神经网络训练时间将从数周缩短至数天。过去几年里，开发团队的规模与经验都在持续增长。借助超级计算机，我们能够按需更灵活地扩展计算能力，充分释放每位开发人员的全部潜力。”

目前，训练神经网络所用的数据主要来源于大陆集团的测试车队。这支车队每日行驶约 15,000 公里，收集约 100 TB 的数据——这相当于 50,000 小时的影片长度。记录下来的数据可以通过回放来模拟实车测试，用于训练新系统。而超级计算机还能综合生成数据，这是一种极度消耗计算资源的应用场景，能让系统在仿真环境的虚拟行驶中不断学习和进化。

对开发流程而言，超级计算机带来的益处是多维的。首先，从长远来看，由于系统本身能够即时创建必要的训练场景，未来或许不再需要大费周章地记录、存储和挖掘真实车队产生的海量数据。其次，开发速度显著提升——虚拟车辆只需几小时就能跑完真实汽车需要数周才能完成的里程。第三，综合生成数据的能力，让系统能够应对不断变化、不可预测的复杂场景，最终使车辆能够在极端天气条件下安全行驶，或对行人行为做出可靠预测，为更高级别的自动化铺平道路。

扩展能力是 NVIDIA DGX POD 概念背后的核心驱动力之一。借助科技的力量，机器学习可以比任何人为控制下的学习过程更快、更好、更全面，并且随着每一步演化，其潜在性能将呈现指数级增长。

这台超级计算机落户于法兰克福的数据中心，选择这里有两个关键原因：一是靠近云服务提供商，二是该地区具备应用人工智能所需的理想环境——包括冷却系统、网络连接和供电方面的特定要求均能得到满足。值得一提的是，计算机使用经过认证的绿色能源供电，GPU 集群在能效设计上比传统 CPU 集群具有明显优势。

大陆集团的目标是开发创新技术和服务，为人们及其货物提供可持续的互联驾乘与运输解决方案。这家科技公司成立于 1871 年，为车辆、机械设备、交通及运输领域提供安全、高效、智能且经济适用的解决方案。2019 年集团销售额达到 445 亿欧元，目前全球员工约 240,000 名，业务遍及 59 个国家和地区。

至于自动驾驶及安全事业群，则专注于开发和生产支持车辆动态管理的主被动安全技术及产品。产品线涵盖电子与液压制动系统、底盘控制系统、传感器、高级驾驶辅助系统、安全气囊电子系统与传感器电子产品、电子空气悬架系统、挡风玻璃洗涤系统及大灯清洗喷嘴。出众的系统整合能力与部件互联，是这一事业群的核心优势。围绕“感知—规划—行动”驾驶效果链开发的产品与系统功能，不仅让驾驶更加安全，也为实现自动驾驶奠定了坚实基础。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：大陆集团搭建超级计算机训练车载AI系统要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题