[CES 2016] 效力等同150台MacBook Pro，NVIDIA發表車載人工智慧引擎|數位時代 BusinessNext

隨著車載技術發展一日千里，近年來消費性電子展（CES）也成為各大車廠比拼實力的重要舞台，尤其是各種極具未來感的自動駕駛概念車型，更成為CES吸引眼球的活招牌。面對複雜的道路交通狀況，自動駕駛車輛必須依靠人工智慧和機器學習來應對各種突發事件，確保駕駛的行車安全，因此相關的應用在本次CES也成為相關業者的發表重點。

NVIDIA
（NVIDIA創辦人黃仁勳。圖片來源：網路截圖。）

繪圖處理晶片（GPU）商輝達（NVIDIA）即搶在CES開展前，由NVIDIA共同創辦人暨執行長黃仁勳親自主持，發表了全新車載人工智慧引擎NVIDIA DRIVE PX 2，加速自動駕駛技術發展。黃仁勳透露，第一家採用DRIVE PX 2平台的車廠為Volvo，用以驅動Volvo 100輛自動駕駛的XC9運動休旅車，並計畫於明年Volvo在瑞典的「Drive Me」自動駕駛員計劃中正式上路。

「駕駛本身就是一件很難的事。」自動駕駛技術將大幅改變人類所處的社會，但自動駕駛車輛必須能夠精準地**「感知（perception）」**周遭環境。黃仁勳進一步解釋，即便是高速公路，對於自動駕駛車輛來說仍然是個挑戰，更遑論是複雜程度更高的一般道路駕駛。想像一下路上會有什麼？行人、狗、腳踏車、水窪、坑洞、路邊停著的汽車⋯⋯等，要跨越這個感知的挑戰，目前的解決方法就是能夠「深度學習（Deep Learning）」的人工智慧，亦即機器能夠在不同的狀況及條件之下，不斷自我學習、進步以應對各種突發事件，毋須工程師一次次去動手修改系統程式。

##驅動機器深度學習，GPU要當自駕車的「大腦」

黃仁勳指出，機器深度學習牽涉上萬億種程式操作，可能需要耗費好幾個月，但如果使用GPU來驅動機器深度學習，則能縮短機器的學習歷程，平均比原本的學習速度快上約30～40倍，這代表過去要耗費一年的學習歷程，可以縮短至一週；而一週的歷程在一天內就能完成。

黃仁勳說，無論是Facebook的Big Sur、Google的 Tensorflow、IBM的華生（Watson）還是微軟（Microsoft）的CNTK系統，都藉由NVIDIA的GPU運算技術強化機器深度學習的能力，現在，利用它們構建未來自動駕駛車的大腦，就能使其隨時警戒監控，達到超越人類的情境感知能力。

NVIDIA

##每秒24兆次的深度學習運算，效能媲美150台MacBook Pro

NVIDIA車載人工智慧引擎「DRIVE PX 2」讓汽車產業得以運用人工智慧處理自動駕駛面臨的各種複雜情境，它採用NVIDIA最先進的GPU來處理深度學習功能，其效能等同於150台MacBook Pro；它能掌握車子周遭360度的情境，精準判斷車子所在位置，並推算出安全舒適的行進路線。

該平台結合了兩顆新一代Tegra處理器以及兩顆獨立的Pascal架構新一代GPU，能提供每秒24兆次的深度學習運算速度，其特殊設計的指令集加快深度學習網路介面中採用的數學運算法，比前一代產品的運算效能高10倍以上。

NVIDIA
（圖說：黃仁勳手拿最新的DRIVE PX 2車載平台。圖片來源：網路截圖。）

DRIVE PX 2深度學習的能力，使其得以快速學習如何辨識日常駕駛中經常出現的各種挑戰，例如道路碎石、行徑離譜的違規駕駛、以及施工區域。深度學習亦能辨識多種傳統電腦視覺技術所無法應付的狀況，特別是在像大雨、下雪、以及濃霧等惡劣天候，以及包括日出、日落、以及漆黑等光線不足的光照條件。

此外，由於自動駕駛車運用多種感測器以分析周遭環境，DRIVE PX 2能處理12個視訊攝影機、光達、雷達、以及超音波感測器的輸入資料，加以融合後而得以精確地偵測物件、識別並確定車子相對於周圍的所在位置再推算出安全行車的最佳路徑。

當無人機、無人船失去衛星定位訊號，還能繼續完成任務嗎？這道問題不只考驗導航設備的精度，更牽涉不同技術如何搭配，才能兼顧成本、可靠性與實際部署需求。

要理解自主載具如何在衛星訊號中斷時持續導航，得先認識「慣性導航」。互宇向量執行長鍾宏彬拿棒球作比喻：投手把球投出去後，球沒有GPS或遙控器，仍會依照出手角度、力量與旋轉向前運動。慣性導航則透過感測加速度與旋轉變化，持續推算載具的姿態、速度與位置。不過，慣性導航的誤差會隨時間累積，衛星定位訊號一旦中斷，位置推算也可能逐漸偏移。因此，自主載具需要不同定位與感測技術相互配合。2022年成立的互宇向量，便從這項需求切入，協助客戶選擇適合的導航技術，並將系統整合到產品中。

先定義任務，再決定導航規格

「以終點當起點。」鍾宏彬如此形容互宇向量的產品開發原則。相較於先提供設備、再由客戶自行整合，互宇向量在開發初期便參與討論，了解客戶要完成什麼任務，再決定性能、材料、演算法與預算。這套方法稱為「前端部署」。

以無人機精準投送為例，客戶希望載具不只抵達指定區域，還能接近建築物完成投送。飛行距離、定位精度、是否有人遙控，以及衛星訊號中斷後需要自主運作多久，都會影響系統設計。互宇向量必須先釐清這些條件，再選擇感測元件、調整導航架構，而不是直接套用既有產品。

互宇向量的技術涵蓋光纖陀螺儀（FOG）、慣性量測單元（IMU）、姿態與航向參考系統（AHRS），以及GNSS／INS融合導航方案。團隊曾與產業夥伴在實際水域驗證無人船導航系統，也透過觀音山隧道測試，觀察衛星訊號中斷時的導航表現。

對客戶而言，驗證的重點在於系統能否在任務要求的時間內維持足夠精度。互宇向量也不一定選用最高規格的零組件，而是依照需求調整演算法、材料與系統配置，必要時整合其他供應商的技術，減少客戶自行開發、測試與整合的時間及成本。

從光纖陀螺到系統整合，互宇向量把技術推向可部署的產品

鍾宏彬2010年投入光纖陀螺核心技術研究，2016年共同創辦極星光電。當時核心元件的客戶多具備自行整合能力，應用市場相對有限。他逐漸意識到，若想讓技術接觸更多使用者，就不能只停留在零件，還得往感測模組與完整系統發展。2022年成立互宇向量後，鍾宏彬延續過去累積的技術，採取合作設計製造（JDM）模式，讓團隊從產品開發初期便參與設計與驗證。

他把這種服務形容為「高階料理包」：客戶不必自行採購所有原料、研究怎麼煮，而是由互宇向量協助整合適合的技術，完成產品部署。公司不走低價、拚量路線，而是選擇與少數具有長期需求的專業客戶深入合作。目前團隊服務約12家核心客戶，透過持續參與產品開發，累積技術與合作經驗。

航太市場考驗的不只是技術，還有供應鏈與驗證能力

航太是互宇向量積極拓展的市場。目前約四成業務聚焦航太應用；2023年，團隊也與國家太空中心（TASA）展開策略性合作，推進MIOC與FOG技術的太空應用。

航太產業尤其重視「飛行履歷」（Flight Heritage）。鍾宏彬打趣地說，普通杯子就是杯子，但如果真的上過太空，「它就變成太空杯」。設備即使通過完整的地面測試，仍不等於經歷過發射與太空環境。對國際航太客戶而言，實際飛行驗證是評估設備可靠性的重要依據。鍾宏彬回憶，團隊過去花了兩、三年尋找海外企業客戶，始終不得其門而入。後來有國際業者得知互宇向量與國家太空中心合作，反而主動找上門。這段經驗讓他體會到，進入航太供應鏈除了技術能力，還需要讓國際客戶看見合作經驗與可信度。

從中央大學到蘆竹，桃園產官資源如何成為互宇的產業支點？

互宇向量與桃園的淵源，早在公司成立前就已開始。鍾宏彬從中央大學求學、攻讀博士到投入研究，一路留在桃園；第一次創業落腳楊梅，互宇向量則從青埔搬到蘆竹，建立廠辦空間。他笑稱，自己就像桃園「生出來的baby」。

桃園及北部地區聚集電路板、電子製造與機械加工等供應商，具備成熟的產業基礎。不過，部分業者長期專注既有市場，未必想過自身技術還能延伸至無人載具與航太應用。鍾宏彬舉例，互宇向量曾與傳統機械加工業者合作，協助對方了解航太供應鏈的品質驗證與製造要求，探索跨入新市場的可能。對這些業者而言，挑戰未必是技術能力不足，而是過去缺乏接觸航太應用的機會，不熟悉相關規格與驗證流程。

創業過程中，互宇向量也持續接觸桃園市政府青年事務局及相關局處、育成體系，參與創業交流與產業展會。鍾宏彬看重的是這些場合能讓團隊認識不同領域企業，拓展未來合作的可能。包括Meet桃園＋在內的創業輔導與產業交流平台，也為在地新創提供接觸產業資源的機會。

從光纖陀螺核心元件走向完整導航系統，再延伸至航太合作與海外市場，互宇向量逐步建立從任務規劃、技術整合到系統驗證的能力。接下來，如何運用桃園既有的電子製造與精密加工基礎，找到更多能共同開發產品的夥伴，將是團隊拓展國際市場的重要課題。