تصور کنید در یک صبح شلوغ، خودروی شما نه تنها در بزرگراه، بلکه در پیچ‌وخم‌های سخت پارکینگ و کوچه‌های باریک شهر را بدون نیاز به لمس فرمان طی کند. این رویای رانندگی «درب‌به‌درب» (Door-to-Door)، هدف جدیدی است که ولـوو با تکیه بر معماری پیشرفته انویدیا دنبال می‌کند. به نقل از اعلامیه رسمی این شرکت در ۱۵ اکتبر ۲۰۲۶، ولـوو قصد دارد سیستم‌های ایمنی سنتی خود را با مدل‌های استدلالی انویدیا ادغام کند تا خودروها بتوانند در محیط‌های شهری، بزرگراه‌ها و پارکینگ‌ها به‌طور کامل خودکار حرکت کنند.
این تغییر در حالی رخ می‌دهد که صنعت خودرو از دستیارهای ساده رانندگی به سمت «خودروهای نرم‌افزارمحور» حرکت می‌کند. در حالی که بسیاری از برندها تنها قابلیت کروز در بزرگراه را ارائه می‌دهند، ولـوو روی «آخرین مایل» — یعنی سخت‌ترین بخش مسیر از گاراژ تا مقصد — تمرکز کرده است. این مرحله نیازمند سطحی از استدلال محیطی است که سیستم‌های سنتیِ مبتنی بر قانون (Rule-based) قادر به مدیریت آن نیستند. این رویکرد مشابه تلاش‌های جهانی برای حذف کامل راننده است، همان‌طور که همکاری Waymo و سنگاپور برای جایگزینی رانندگان گامی در همین راستا برای مدیریت شهری است.
زمینه و اهداف ایمنی
ولـوو قصد دارد معیار جدیدی برای رانندگی خودکار تعریف کند که ایمن، راحت و شایسته اعتماد مشتریان باشد. هاکان ساموئلسون، رئیس و مدیرعامل ولـوو، خاطرنشان کرد که این شرکت برای نزدیک به ۱۰۰ سال با مفهوم ایمنی خودرو گره خورده است. ولـوو قصد دارد با ترکیب این دانش پیشرو در ایمنی با هوش مصنوعی در سطح جهانی، خودروهایی جذاب‌تر و ایمن‌تر خلق کند.
جنسن هوانگ، بنیان‌گذار و مدیرعامل انویدیا، این تحول را به تبدیل خودرو به یک «ماشین هوشمند که می‌تواند دنیای اطراف خود را درک کند» تشبیه کرده است. هدف نهایی، ادغام سیستم‌های ایمنی فوق‌العاده ولـوو با پلتفرم‌های Hyperion و Halos است تا رانندگی به تجربه‌ای بدون تلاش تبدیل شود.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، شفافیت در تصمیم‌گیری هوش مصنوعی کلید پذیرش عمومی است. ولـوو برای رسیدن به این اعتماد، از مدل‌های استدلالی استفاده می‌کند تا خودرو بتواند دلیل هر مانور را توضیح دهد.
جزئیات فنی و زیرساخت
طبق اعلام شرکت، این زیرساخت فنی بر سه ستون اصلی انویدیا استوار است:
- NVIDIA Hyperion: یک پلتفرم محاسباتی و حسگری آماده برای تولید که برای روبوتاکسی‌ها و خودروهای با قابلیت سطح ۴ (Level 4) طراحی شده است. این سیستم از یک مجموعه حسگر استاندارد شامل دوربین‌ها، رادار، لیدار، حسگرهای اولتراسونیک و حسگرهای داخل کابین استفاده می‌کند. قلب تپنده آن دو تراشه سیستم-روی-تراشه DRIVE AGX Thor است. این پلتفرم الزامات استاندارد ISO 26262 ASIL-D را برآورده می‌کند و از طریق به‌روزرسانی‌های از راه دور (OTA)، قابلیت‌های خودرو را از سطح ++۲ به سطح ۴ ارتقا می‌دهد.
- Halos OS: یک سیستم ایمنی جامع که معماری خودرو، نرم‌افزارهای سیستمی و الگوریتم‌های رانندگی را در بر می‌گیرد. این سیستم بر پایه بنیادهای DriveOS با گواهینامه ASIL D ساخته شده و از یک معماری ایمنی یکپارچه سه لایه استفاده می‌کند که میان‌افزار ایمنی و یک استک ایمنی فعال با رتبه پنج ستاره NCAP را ادغام می‌کند. (لازم به ذکر است که NVIDIA DRIVE Hyperion در سپتامبر ۲۰۲۶ به NVIDIA Hyperion تغییر نام یافت).
- Alpamayo Stack: خانواده‌ای از مدل‌های هوش مصنوعی استدلالی. این مدل‌های «بینایی-زبان-عمل» (Vision-Language-Action)، ویدیوهای چندین دوربین و بافت رانندگی را پردازش می‌کنند تا مسیرهای رانندگی را همراه با یک «زنجیره علیت» (Chain-of-Causation) تولید کنند. این زنجیره در واقع ردپای استدلالی است که توضیح می‌دهد چرا یک تصمیم خاص گرفته شده است.
بر اساس مستندات انویدیا، مدل Alpamayo 1.5 ورودی‌هایی چون ویدیوهای رانندگی، تاریخچه حرکت خودرو (Ego-motion)، راهنمای ناوبری و دستورات زبان طبیعی را می‌گیرد. این قابلیت، مشکل «جعبه سیاه» در هوش مصنوعی را حل می‌کند؛ یعنی توسعه‌دهندگان حالا می‌دانند چرا مدل در یک لحظه خاص، تصمیم به تغییر مسیر گرفته است و هر تصمیم قابل بازرسی و حسابرسی است که برای اعتبارسنجی ایمنی حیاتی است. تا مارس ۲۰۲۶، بیش از ۱۰۰ هزار توسعه‌دهنده خودرو در جهان از این مدل استفاده کرده‌اند.
تکامل همکاری و استراتژی
این همکاری ریشه در سال ۲۰۱۷ دارد و یک مسیر طولانی را طی کرده است. در سپتامبر ۲۰۲۴، مدل تمام الکتریکی EX90 ولـوو که در خط مونتاژ چارلستون، کارولینای جنوبی تولید می‌شود، با استفاده از تراشه NVIDIA DRIVE Orin عرضه شد. انویدیا این تراشه را با توان پردازشی بیش از ۲۵۰ تریلیون عملیات در ثانیه رتبه‌بندی کرده بود که توسط مجموعه‌ای از رادارها، لیدارها، دوربین‌ها و حسگرهای اولتراسونیک پشتیبانی می‌شد.
اکنون ولـوو در حال مهاجرت به کامپیوترهای قدرتمندتر Thor برای نسل بعدی ناوگان خود است و برنامه دارد این انتقال را پیش از پایان دهه جاری میلادی به طور کامل به پایان برساند.
برای پشتیبانی از این اهداف، ولـوو و بازوی نرم‌افزاری‌اش، Zenseact، روی سیستم‌های NVIDIA DGX برای آموزش مدل‌های هوش مصنوعی در فضای ابری سرمایه‌گذاری کرده‌اند. آن‌ها یک مرکز آموزش هوش مصنوعی در منطقه نوردیک تأسیس کرده‌اند تا توسعه نرم‌افزارهای کمک‌راننده و رانندگی خودکار را تسریع بخشند.
برای کاربر نهایی، این یعنی گذار تدریجی به رانندگی «بدون چشم» (Eyes-off) و «بدون فکر» (Mind-off). ولـوو شرط‌بندی کرده است که در بازار خودروهای خودران، «اعتماد» برنده اصلی و تمایزکننده است. اگر خودرو بتواند استدلال خود را از طریق ردپای Alpamayo توضیح دهد، احتمال اینکه راننده کنترل را به ماشین بسپارد، بسیار بیشتر است. این رویکرد با مفاهیمی چون هوش مصنوعی تجسم‌یافته در خودروهای SAIC ROEWE همسو است که سعی دارد تعامل ماشین با محیط و کاربر را به سطح جدیدی از درک ارتقا دهد.
این رویکرد، خودرو را به یک ماشین هوشمند تبدیل می‌کند که قادر به درک «بافت و زمینه» (Context) است، نه اینکه صرفاً موانع را شناسایی کند. در واقع، رقابت در این صنعت از «کی حسگر بهتری دارد» به «کی مدل استدلالی دقیق‌تری دارد» تغییر می‌کند.
منتظر ظهور این ویژگی‌ها در مدل‌های الکتریکی نسل بعدی ولـوو باشید که بخشی از بزرگترین فشار تولید محصولات این شرکت است. معیار کلیدی موفقیت این خواهد بود که آیا این «ردپاهای استدلالی» واقعاً نرخ تصادفات را در محیط‌های شهری غیرقابل پیش‌بینی کاهش می‌دهند یا خیر.
گام بعدی شما
- بررسی مدل‌های جدید الکتریکی ولـوو برای شناسایی اولین خودروهای مجهز به Alpamayo.
- دنبال کردن گزارش‌های مربوط به کاهش نرخ تصادفات در محیط‌های شهری پس از استقرار مدل‌های استدلالی.
- مطالعه مستندات NVIDIA Hyperion برای درک استانداردهای ایمنی سطح ۴.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو