智能汽车由物理 AI 提供支持，从车载传感器中获取实时数据，使用在高性能计算上运行的端到端基础模型进行处理，并规划和执行驾驶决策。
智能汽车技术的核心是革命性的三台计算机框架，可实现持续学习和改进：
数据中心训练：该框架从 NVIDIA DGX™ 系统开始，用于训练数据中心内的端到端 AI 模型。DGX 系统由涵盖硬件和软件的全面基础架构组成，可用于通过大量数据运行辅助驾驶汽车堆栈。这有助于它学习如何感知、规划和行动，帮助智能汽车逐渐变得更加安全。
仿真环境：在 NVIDIA OVX™ 上运行 Cosmos™ 的 NVIDIA Omniverse™ 可实现丰富的 3D 数字孪生，对现实世界的传感器数据、物理特性和行为进行建模。这些数字孪生可以生成物理属性准确且多样化的传感器数据，以便在安全的仿真环境中测试、训练和验证智能汽车。
车载计算：NVIDIA DRIVE AGX™充当车辆的大脑，提供安全、辅助驾驶所需的车载计算能力。它加速了感知、规划和控制任务中的深度学习推理，使车辆能够根据传感器数据做出实时决策。经过安全认证的 NVIDIA DriveOS™ 操作系统是硬件的补充，可提供满足功能安全要求所需的实时处理、安全性和系统监控。
这三台计算机共同实现了持续的开发周期，加速了性能和大规模部署的提升。
当智能汽车在现实世界中行驶时，传感器数据会被收集并发送到数据中心。这些数据用于完善智能汽车软件堆栈并添加新功能。训练后，堆栈会在仿真中进行重新测试和验证，然后在车载计算机上进行更新。然后，随着更多的驾驶和数据收集，这个周期又开始了。
辅助驾驶系统必须在模拟和现实世界环境中进行严格测试和验证，以确保安全和可靠性。
