《英偉達：2025NVIDIA自動駕駛安全報告（26頁）.pdf》由會員分享，可在線閱讀，更多相關《英偉達：2025NVIDIA自動駕駛安全報告（26頁）.pdf（26頁珍藏版）》請在三個皮匠報告上搜索。

1、NVIDIA 自動駕駛 安全報告我們的使命下一代交通工具是自動化的從共享出行和個人駕駛，到長途和短途旅行，再到貨物配送和物流，自動駕駛將從根本上改善世界的移動方式。在 NVIDIA，我們汽車團隊的使命是開發自動駕駛技術，以改善道路安全、減少交通擁堵，讓每個人自由出行?！鞍踩允亲詣玉{駛汽車的首要考量。NVIDIA 致力于構建安全的自動駕駛平臺，這是我們最引以為傲的事業之一，并為汽車制造商將自動駕駛汽車推向市場提供至關重要的支持?！秉S仁勛，NVIDIA 創始人兼首席執行官自動駕駛安全報告|3目錄前言 4AV 2.0：AI 為車輛安全保駕護航 6安全自動駕駛的四大支柱 81 AI 設計與實施平臺

2、82 面向深度學習的開發基礎設施 113 用于自動駕駛汽車開發的物理精準傳感器仿真 124 卓越的全方位安全和網絡安全計劃 13安全架構 16硬件 18軟件 18車輛和傳感器 19數據中心 20道路測試 21開發者培訓和教育 22總結 23附錄 24NVIDIA 的專家組活動國家和國際安全法規及建議NHTSA 安全要素參考資料自動駕駛安全報告|4簡介NVIDIA 率先采用加速計算解決其他企業無法攻克的難題。我們在 AI 和工業數字化領域的工作對社會產生了深遠的影響，同時還改變了全球規模最大的一些行業從游戲到機器人開發，從挽救生命的醫療行業、應對氣候變化到我們共同連接和創造的虛擬世界。NVIDI

3、A 還將我們技術驅動的愿景、計算性能和能源效率應用于交通運輸行業，幫助全球各地的汽車制造商實現安全可靠的自動駕駛汽車夢想。從概念設計到工程制造、銷售服務，NVIDIA 的技術正在簡化整個汽車行業的工作流程。尤其是自動駕駛汽車將改變運輸業。它們可能會大幅減少交通事故造成的傷亡、緩解交通擁堵、提高生產力，并為不方便開車的人群提供出行便利。AI 與加速計算領域的突破正在為未來的車隊帶來引人注目的新功能，幾十年來首次將車輛架構徹底轉變為真正由 AI 定義的架構。與所有現代計算設備一樣，這些智能車輛背后都會有一個龐大的 AI 專家和軟件工程師團隊提供支持，他們致力于隨著技術的進步不斷提升汽車的性能與功能

4、。在汽車的整個生命周期內，功能和服務可通過無線更新添加。NVIDIA 與全球汽車制造商、供應商、傳感器制造商和初創公司攜手合作。從 AI 輔助汽車、卡車到全自主通勤車和無人駕駛出租車，我們提供構建所有類型車輛所需的系統架構、AI 超級計算硬件和完整的軟件堆棧。借助從云端到汽車的開放式模塊化架構，制造商可以使用精選解決方案或完整開發工作流。借助 NVIDIA DRIVE 一切都可以實現，這是我們的高度可擴展平臺，可實現美國汽車工程師學會（SAE）定義的所有級別的自動駕駛。這些級別包括高級駕駛輔助系統（SAE L2 級：駕駛輔助）和無人駕駛出租車（SAE L5 級：完全自動駕駛）。完全自動駕駛對計

5、算能力的要求極高，比目前生產的先進汽車動輒超出 100 倍。借助 NVIDIA DRIVE，我們的合作伙伴可以通過計算硬件、傳感器套件和軟件堆棧的多樣性和冗余架構來實現最高級別的安全性。自動駕駛安全報告|5為簡化開發，我們創建了單一的軟件定義可擴展架構，在保留核心架構的同時，利用額外的硬件和軟件來提升每個級別的自主性。同樣的策略亦可適用于安全。通過額外的模塊化硬件和軟件，所達到的安全級別可擴展，以滿足高級別自動駕駛更為嚴格的要求。NVIDIA 已為構建自動駕駛汽車的研究、開發和部署的強大系統打造了關鍵技術，涵蓋從數據中心到汽車等領域。我們提供一系列硬件和軟件解決方案，從高性能的 GPU 和服務

6、器到完整的 AI 訓練基礎設施和車載自動駕駛超級計算機。我們還為學術研究和早期開發者提供支持，與全球數十所大學合作，并在 NVIDIA 深度學習培訓中心開設 AI 開發課程。當我們發現挑戰時，我們會將其轉化為機遇并找到解決方案。本報告概述了 NVIDIA 的自動駕駛汽車技術，我們在安全架構、協同設計軟硬件、設計工具和方法論tocs的獨特貢獻，以及實現最高級別可靠性和安全性的最佳實踐。自動駕駛安全報告|6AV 2.0：AI 為車輛安全保駕護航在復雜的物理世界中構建安全導航的自動駕駛系統是一項艱巨的挑戰。系統需要全面感知并了解周圍環境，然后在毫秒級別的時間內做出正確、安全的決策。這需要類似于人的態

7、勢感知能力，以應對潛在危險或罕見情況。AV 2.0 與端到端駕駛自動駕駛汽車軟件開發傳統上基于模塊化方法，具有用于物體檢測與跟蹤、軌跡預測以及路線規劃和控制的獨立組件。如今，自動駕駛汽車技術已邁入新時代AV 2.0。AV 2.0 以大型、統一的 AI 模型為特色，可控制車輛堆棧從感知、規劃到控制的多個環節。與專注于使用多個深度神經網絡改進車輛感知能力的 AV 1.0 相比，AV 2.0 則需要全面的車載智能，借助一種稱為“端到端駕駛”的方法來推動在動態、真實環境中的決策。端到端自動駕駛系統采用統一的模型接收傳感器輸入并生成車輛軌跡。這有助于避免過度復雜的流水線，并提供一種更全面的數據驅動方法以

8、應對真實世界的場景。注重安全性AV 2.0 將在構建與驗證安全的自動駕駛系統方面發揮重要作用。NVIDIA 技術在該領域的應用示例包括:1.仿真：安全的自動駕駛汽車系統必須做好準備，能夠安全應對罕見及異常情況。NVIDIA 正在開發高質量、逼真的交通和傳感器仿真功能，并根據安全關鍵場景的自然語言描述構建反事實情境。在開發過程中，這些功能可增強真實世界的訓練數據，以提高自動駕駛汽車模塊的穩定性。在評估時，還可為大規模驗證自動駕駛汽車系統提供額外的機制，作為現實世界測試和驗證的補充。2.安全交互：當自動駕駛汽車系統部署上路時，它們必須與人類道路使用者進行交互。NVIDIA 在利用 AI 學習駕駛行

9、為預測模型，并借助這些預測了解自動駕駛汽車行為對其他道路使用者的影響。通過使用這些功能，開發者可設計出能夠可靠地與其他駕駛員和行人交互的自動駕駛汽車系統，最大限度地降低事故風險。自動駕駛安全報告|73.異常檢測：自動駕駛汽車需要能夠可靠地處理異常情況的系統來保障安全。預測場景演變的 AI 模型可使系統評估哪些異常情況可能對安全產生關鍵影響，需要執行故障安全行為，而哪些異常情況可以安全地忽略不計。NVIDIA 正在探索如何將學習到的未來預測模型用于評估感知失敗風險。終級鐵人三項比賽開發安全自動駕駛汽車的競賽并非短跑沖刺，而是永無止境的鐵人三項比賽，有三個截然不同但至關重要的部分同時運行：AI 訓

10、練、仿真和自動駕駛。各部分都需要有自己的加速計算平臺。這些專門構建的全棧系統共同構成了強大的三合一體系，可實現持續的開發周期，不斷提升性能和安全性。模型首先在 NVIDIA DGX 等 AI 超級計算機上進行訓練。然后，使用 NVIDIA Omniverse 平臺并在 NVIDIA OVX 系統上運行，在進入車輛之前進行仿真測試和驗證。最后，NVIDIA DRIVE AGX 平臺使用安全 AI 定義自動駕駛車輛的操作系統 NVIDIA DriveOS，通過模型實時處理傳感器數據。AV 2.0 在構建和驗證更安全自動駕駛汽車系統方面表現出廣闊的前景。對任何 AI 系統來說，重要的是能夠可靠地使用

11、。我們主張以高質量不確定性量化和防護措施增強生成式 AI 系統。借助這些功能，自動駕駛汽車能更安全、更可靠地駕馭復雜和不可預測的世界。觀看 CVPR 2024 大會端到端自動駕駛大挑戰賽冠軍得主 NVIDIA Research 的關于 Hydra-MDP 模型的視頻。自動駕駛安全報告|8安全自動駕駛的四大支柱NVIDIA 提供統一的硬件與軟件架構，貫穿自動駕駛汽車研究、設計和部署基礎設施的整個過程。我們提供的技術旨在解決實現安全自動駕駛汽車所必需的四大支柱。支柱 1：AI 設計與實施平臺 支柱 2：面向深度學習的開發基礎設施 支柱 3：用于自動駕駛汽車開發的物理精準傳感器仿真 支柱 4：卓越的

12、全方位安全和網絡安全計劃支柱 1：AI 設計與實施平臺NVIDIA DRIVE 是全球首個可擴展 AI 平臺，實現從 AI 輔助駕駛到自動駕駛出租車的自動駕駛領域全覆蓋。該平臺由硬件、軟件和固件組成，它們協同工作，實現自動駕駛系統和自動駕駛汽車的批量生產。我們的平臺融合深度學習與傳統軟件，以提供安全的駕駛體驗。借助高性能計算，車輛能實時感知周圍發生的情況，精準自我定位并規劃安全的行駛路線。我們的統一架構從數據中心延伸到車輛，提供了滿足國內和國際安全標準要求的全面解決方案。深度神經網絡(DNN)在 NVIDIA DGX 平臺上進行訓練，該平臺將出色的 NVIDIA 軟件、基礎設施和專業知識融入現

13、代化統一的 AI 開發解決方案。接下來，在 NVIDIA OVX 上進行仿真測試和驗證，然后無縫部署至車載 AI 計算機上運行。NVIDIA OVX 是一款專為支持大規模 Omniverse 數字孿生而設計的計算系統。為確保安全運行，自動駕駛車輛需要能夠實時處理所有傳感器數據的車載超級計算機。NVIDIA DRIVE 硬件我們的底層硬件解決方案包括：NVIDIA DRIVE AGX Hyperion NVIDIA DRIVE AGX Hyperion 是用于設計自動駕駛汽車的端到端模塊化參考架構。它將基于 DRIVE AI 的計算和完整的傳感器套件（包括外部和內部攝像頭、超聲波傳感器、雷達和激

14、光雷達）相結合，加速開發、測試和驗證。自動駕駛安全報告|9NVIDIA DRIVE AGX OrinNVIDIA DRIVE AGX Orin SoC（片上系統）可提供高達 254 TOPS（每秒萬億次運算）的性能，是智能車輛的中央計算機。它是理想的解決方案，為自動駕駛功能、置信視圖、數字集群以及 AI 駕駛艙提供動力支持。借助可擴展的 DRIVE AGX Orin 產品系列，開發者只需在整個車隊中構建、擴展和利用一次開發投資，便可從 L2+級系統一路升級至 L5 級全自動駕駛汽車系統。NVIDIA DRIVE AGX ThorDRIVE AGX Thor SoC 是我們的下一代集中式車載計算

15、機，將功能豐富的駕駛艙功能與高度自動化及自動駕駛功能整合在一個安全可靠的系統上。這款自動駕駛處理器采用了我們最新的 CPU 和 GPU 技術，包括 NVIDIA Blackwell GPU 架構，用于轉換器和生成式 AI 功能。DRIVE AGX Thor 支持 8 位浮點數(FP8)，可提供前所未有的 1,000 INT8 TOPS/1,000 FP8 TFLOPS/500 FP16 TFLOPS 性能，同時降低整體系統成本。NVIDIA Blackwell 架構NVIDIA Blackwell 平臺開啟計算新時代，將使各地的組織能夠在萬億參數的大語言模型上構建并運行實時生成式 AI，且成本

16、和能耗降低至上一代產品的二十五分之一。Blackwell GPU 架構擁有加速計算的變革性技術，包括全球最強大的芯片。自動駕駛安全報告|10NVIDIA DRIVE 軟件開發套件軟件是將車輛變成智能機器的關鍵。開放的 NVIDIA DRIVE SDK 為開發者提供了自動駕駛所需的所有基礎模組和算法堆棧。該軟件幫助開發者更高效地構建和部署各種先進的自動駕駛應用，包括感知、定位和建圖、規劃和控制、駕駛員監控以及自然語言處理。DRIVE 軟件堆棧的基礎是 DriveOS，這是首個用于車載加速計算的安全操作系統。它包括用于實現高效并行計算的 NVIDIA CUDA 庫、用于實時 AI 推理的 NVID

17、IA TensorRT，以及用于傳感器輸入處理的 NvMedia。NVIDIA DriveWorks 在 DriveOS 的基礎上提供對自動駕駛汽車開發至關重要的中間件功能。這些功能包括傳感器抽象層(SAL)和傳感器插件、數據記錄器、車輛 I/O 支持和 DNN 框架。該工具擁有模塊化和開放的特點，符合汽車行業軟件的設計標準。NVIDIA 提供了一個 AI 輔助駕駛平臺，能夠安全地在高速公路和城市交通之間自由穿梭。該平臺使用 NVIDIA DRIVE AGX Hyperion 的高性能計算和傳感器組合，實現從一地前往另一地的駕駛。如果您想要自己駕駛，系統也會提供主動安全功能，并且能夠在危險情況

18、下進行干預。NVIDIA 還可為車輛駕乘人員提供了全新的、始終開啟的智能服務。NVIDIA Avatar Cloud Engine(ACE)作為數字助手，提供建議、幫助預訂、撥打電話、調控車輛設置并使用自然語言發出提醒。自動駕駛安全報告|11支柱 2：面向深度學習的開發基礎設施除了車載超級計算硬件，NVIDIA 還設計和開發超級計算機，用于解決安全自動駕駛汽車開發和部署過程中面臨的關鍵挑戰。一輛測試車每年可產生數百萬億字節（PB）級別的數據。捕捉、管理和處理整個車隊的海量數據需要全新的計算架構和基礎設施。NVIDIA AI 訓練和仿真NVIDIA 提供開發自動駕駛技術所需的完整數據中心硬件、軟

19、件和工作流程，涵蓋從原始數據采集到驗證全過程。它提供了神經網絡開發、訓練、驗證以及仿真測試所需的端到端基礎模組。NVIDIA DGX 系統：這些是專為訓練深度神經網絡而構建的專用 AI 超級計算機，可以在大型數據集上訓練自動駕駛所需的高度復雜的模型。DGX 系統能夠訓練出足以應對復雜駕駛場景的強大 AI 模型。通過對在多樣化和廣泛的數據集上進行訓練，模型可以更好地適應各種真實世界的條件，從而提高安全性。NVIDIA Omniverse Cloud Sensor RTX：這套用于開發自動駕駛技術的云端工具提供了高保真的仿真環境，具有逼真的物理和傳感器模型，極大地提高了測試的準確性。Omniver

20、se 允許真實世界部署之前在虛擬環境中進行廣泛的測試。這有助于在受控環境中識別和緩解潛在的安全問題，降低實際操作中的風險。數據管理和云服務高效的數據管理和基于云的服務對于自動駕駛汽車的開發至關重要：NVIDIA AI 基礎設施：利用 NVIDIA 在高性能計算和 AI 領域的專業知識，該基礎設施可滿足自動駕駛汽車開發的大規模數據處理和存儲需求。NVIDIA AI 基礎設施是面向整個行業的解決方案。目前，一家領先的汽車制造商正在使用超過 35,000 個 GPU 來推進其自動駕駛汽車的開發和測試。支柱 3：用于自動駕駛汽車開發的物理精準傳感器仿真在任何自動駕駛汽車能夠安全上路行駛之前，工程師必須

21、首先訓練、驗證和測試 AI 算法和其他軟件，使車輛能夠自主行駛。AI 賦能的自動駕駛汽車必須能夠對其可能遇到的各種緊急情況做出適當的響應，例如緊急避讓車輛、行人、動物和幾乎無窮無盡的其他障礙物，包括在現實世界中太危險而難以測試的情況。此外，自動駕駛汽車還必須在不同天氣、道路或照明條件下行駛。但車輛的實際道路測試難以覆蓋所有情況，且道路測試也缺乏足夠的可控性、可重復性、詳盡性和高效性。在真實仿真環境中進行測試的能力對于提供安全的自動駕駛汽車至關重要。將實際道路行駛里程與數據中心的仿真里程結合，這是開發和驗證自動駕駛汽車的關鍵所在。自動駕駛汽車仿真對時間、可重復性和實時性能具有超高的要求，并且必須

22、能夠大規模運行。此外，在基于物理效果的虛擬世界中，從自動駕駛汽車多傳感器生成數據需要巨大的計算負載?；?OpenUSD 構建的 NVIDIA Omniverse Cloud Sensor RTX 旨在讓開發者通過高保真傳感器仿真、物理特性和逼真的行為來增強自動駕駛汽車仿真工作流。借助這些 API，您可以與構建車輛動力學和交通仿真工具的龐大合作伙伴生態系統建立連接。您還可以引入通用場景描述(USD)內容，以擴展至新地區，應對新的運行設計域（ODD）。NVIDIA Omniverse Cloud Sensor RTX 微服務為廣泛部署在自動駕駛車輛上基于物理效果的傳感器（如攝像頭、激光雷達、雷達

23、和超聲波傳感器）及其神經網絡渲染提供支持。渲染出的合成數據和真值標簽可用于訓練感知模型，以及在閉環測試中驗證自動駕駛軟件堆棧。神經重建引擎是用于自動駕駛汽車仿真平臺的全新 AI 工具集，其利用多個 AI 網絡將記錄的傳感器數據轉化為面向仿真的可用世界模型。新的工作流利用 AI 自動提取仿真所需的關鍵組件，包括環境、3D 素材和場景。然后將這些片段重構為既擁有數據記錄的真實感，又具有完全的主動性、可根據需要進行操縱的仿真場景。手動實現這種細節豐富和多樣性的場景，不僅成本高、耗時長，而且也不具備擴展性。自動駕駛安全報告|13此外，fVDB還有一個全新的開源深度學習框架，可用于生成大規模場景，利用現

24、實世界的 3D 數據訓練自動駕駛汽車。它基于 OpenVDB 構建 AI 操作工具，以創建現實世界環境的高保真虛擬表征。這些豐富的 3D 數據集已為 AI 做好準備，可用于高效的模型訓練和推理。很快，fVDB 功能將作為 NVIDIA NIM 微服務提供，使開發者能夠將 fVDB 核心框架整合到通用場景描述(OpenUSD)工作流中。fVDB NIM 微服務在 NVIDIA Omniverse 中生成基于 OpenUSD 的幾何圖形。支柱 4：卓越的全方位安全和網絡安全計劃安全性在自動駕駛汽車研究、開發和部署過程的每一步，保障安全性始終是我們的首要任務。我們采用安全為先的方法，注重整個自主系統

25、在設計、驗證、確認和生命周期支持中的多樣性和冗余性。我們在流程、產品和安全架構中遵循并開發一流的解決方案。NVIDIA 安全性專為軟件定義的自動駕駛而設計，因為它可接受、應對并利用自動駕駛汽車的復雜性。為了制定自動駕駛汽車安全計劃，我們遵循美國交通部國家公路交通安全管理局在 2017、2018 和2020 年出版物中的建議。1在整個計劃中，我們遵循國際標準化組織制定的汽車行業安全標準，包括：功能安全(ISO 26262)自動駕駛汽車必須能夠在系統發生故障時安全運行。對于 L2/L2+級別，我們必須檢測并緩解故障（將控制權交還給駕駛員），而對于 L3/L4 級別，我們必須確保系統繼續安全運行并達

26、到最小風險狀態。我們將功能安全性應用于硬件、軟件和系統所有層面，從應用程序到中間件和操作系統、電路板和電路板上的芯片，直至提供自動駕駛功能的系統。預期功能安全-SOTIF(ISO 21448)專為功能安全性設計的系統(ISO 26262)2 還必須進行設計和測試，以在與預期功能相關的所有安全關鍵指標上表現良好(ISO 21448)3。即使系統按設計正常運行，未發生故障，也可能存在安全隱患。SOTIF 的重點在于確保不存在因預期功能缺陷或可合理預見的誤用而造成危害的不合理風險。例如，感知失敗的發生率必須足夠低，以便自動駕駛汽車很少無法檢測到行駛道路上的行人。安全與 AI我們積極參與 AI 安全相

27、關的持續標準化倡議，如 ISO PAS 88004（制定中）、ISO/IEC TR 54695及其后續的 ISO/IEC TS 22440 標準6（制定中）。自動駕駛安全報告|14法規及標準我們遵守國際和美國法規，包括全球 NCAP（新車評鑒規程）、歐洲 Euro NCAP 和聯合國歐洲經濟委員會的規定。我們還影響、共同制定并遵守國際標準組織、新車評價規程、SAE 以及其他行業標準。我們為電氣電子工程師學會(IEEE)的標準化倡議做出貢獻，例如 IEEE 2846-2022（安全相關自動車輛行為模型假設）7和 IEEE P2851（關于 IP、SoC 和混合信號 IC 安全分析和安全驗證的交換

28、/互操作性格式8）。除了遵守政府和行業指南外，我們還實行公開披露并與行業專家合作，以確保掌握所有當前和未來安全問題的最新動態。我們還在多個安全工作組中擔任領導職務，以推動尖端技術和探索新的研究領域，如 AI 系統的安全性和可解釋 AI。符合最高標準為提升交通安全性，自動駕駛汽車必須擁有符合最高標準的流程和底層系統。NVIDIA 通過獨立且經認可的評估機構 TV SD 確保符合國際標準化組織(ISO)26262:2018“道路車輛功能安全”標準。NVIDIA DRIVE AGX 平臺和流程最近通過了 TV SD 認證和評估：NVIDIA DRIVE 核心開發流程已通過 ISO 26262 汽車安

29、全完整性等級(ASIL)D 級認證。NVIDIA DRIVE AGX Orin SoC 完成了概念和產品評估，并被認為符合 ISO 26262 ASIL D 級系統要求以及 ASIL B 級隨機故障管理要求。NVIDIA DRIVE AGX Orin 主板完成了概念評估，并被認為符合 ISO 26262 ASIL D 級要求?；?NVIDIA DRIVE AGX Orin 的系統整合 DRIVE AGX Orin SoC 和 DRIVE AGX Orin 主板，完成了概念評估，并被認為符合 ISO 26262 ASIL D 級要求。NVIDIA DriveOS 6.x 的開發工作正在進行中，

30、TV SD 將評估其 ASIL D 級合規性。這是繼 DriveOS 5.2 ASIL B 級認證變更后的又一次認證，包括用于實時 AI 推理的 NVIDIA CUDA 庫和 NVIDIA TensorRT 軟件開發套件。自動駕駛安全報告|15網絡安全網絡安全未得到保障，自動駕駛汽車平臺則不可能被認為是安全的。全面的安全工程實踐和開發對提供汽車行業所需的功能和整體安全性至關重要。安全漏洞可能會削弱系統實現基本安全目標的能力。為了提供消費者可高度信任的一流汽車安全平臺，我們組建了一支世界級的安全團隊，并遵守政府和國際標準及法規。我們還建立了強大的合作伙伴關系，以應對安全事件，并作為保護客戶數據隱

31、私的良好管理者。NVIDIA 遵循適用于硬件和軟件安全功能實施的國際和國內標準（包括加密原則）。我們遵守美國國家標準與技術研究院（NIST）9和 通用數據保護條例（GDPR)10制定的標準，以保護所有個人的數據和隱私。我們的網絡安全團隊與汽車信息共享和分析中心(Auto-ISAC)、NHTSA、SAE 和美國商務部工業與安全局合作。我們還為自動識別系統（美國國土安全部）、聯邦信息處理標準（美國聯邦信息安全管理法案）和通用標準標準或規范的制定做出了貢獻。我們遵循并維護聯合國歐洲經濟委員會第 155 號法規11中規定的網絡安全管理系統。此外，我們采用 ISO/SAE 21434 網絡安全流程并相應

32、地調整汽車開發實踐，以便更輕松地發布合規聲明，同時根據 ISA/IEC 62443 標準利用其他網絡安全敏感行業的流程和實踐。我們參與了 SAE J3101 標準的制定，確保在硬件和系統軟件層面實現必要的網絡安全基礎模組。我們審查平臺代碼的安全一致性，使用靜態和動態代碼分析技術進行早期檢測，并執行滲透測試和其他攻擊性安全技術進行驗證。此外，我們還參與了 SAE 8477，以確保我們的安全測試方法能夠與時俱進。NVIDIA 在系統設計和危害分析流程中采用了嚴格的安全開發生命周期，包括安全要求的端到端可追溯性、覆蓋整個自動駕駛系統的威脅模型。這包括硬件、軟件、制造和 IT 基礎設施，確保安全設計和

33、編碼指南到位。DRIVE AGX 平臺還具備多層防御能力，可提供應對持續攻擊的彈性。自動駕駛安全報告|16NVIDIA 網絡安全團隊通過與包括汽車在內的 NVIDIA 各業務部門溝通需求，為其提供可參考的信息。包括提供安全威脅傳播、擴散深入研究計劃NVIDIA 還維持有專門的產品安全事件響應團隊，在內部以及與合作伙伴一同管理、調查和協調安全漏洞信息。這使我們能夠控制和修復任何直接威脅，同時與合作伙伴開放合作，從安全事件中恢復。此外，我們與供應商密切合作，確保構成整個自動駕駛平臺的組件提供必要的安全功能。當從原始數據到處理輸入和控制操作的所有環節都符合安全要求時，復雜平臺的網絡安全就得到了保障。

34、NVIDIA 還與供應商合作，確保他們具備應對新威脅或未發現威脅的網絡安全響應能力。最后，由于車輛系統的使用壽命比許多其他類型的計算系統更長，我們利用先進的機器學習技術來檢測車輛通信和行為中的異常情況，并提供額外的零日攻擊監控能力。安全架構概述NVIDIA 設計了 DRIVE AGX 平臺，以確保自動駕駛汽車在預期的運行設計域（ODD）內安全行駛。當車輛處于其定義的 ODD 以外或因條件動態變化而不在其 ODD 內時，我們的產品可使車輛恢復到最小風險狀態（也稱為“安全回退狀態”）。例如，如果自動駕駛系統檢測到突發變化，如暴雨影響傳感器，從而影響其在運行設計域內的駕駛能力，該系統會將控制權移交給

35、駕駛員。若檢測到重大危險，系統將會立即安全停車。NVIDIA 在 DRIVE 平臺開發的每個階段都遵循 V 模型（包括驗證和確認）。我們還對產品的功能和相關危害進行詳細分析，以制定產品安全目標。對于每個已識別的危險，我們都會制定安全目標來降低風險，對每個目標評估 ASIL 等級。ASIL 等級 A、B、C 或 D 表示所需的風險緩解水平，其中 ASIL D 級代表最高等級。滿足這些安全目標是我們進行設計的最高級別要求。通過將安全目標融入功能設計說明，我們可以制定更詳細的功能安全要求。在系統開發層面，我們通過將功能安全要求應用于特定系統架構來優化安全設計。故障模式及影響分析(FMEA)、故障樹分

36、析(FTA)和相關失效分析(DFA)等技術分析方法可通過迭代的方式用于識別薄弱點并改進設計。相關的技術安全要求將提交給硬件和軟件團隊，以指導下一級別的開發。我們還為自動駕駛汽車系統設計了冗余和多樣化功能，以使其盡可能具有彈性。這確保了在檢測到故障或進行故障補償重新配置時，車輛仍可繼續安全運行。在硬件開發層面，我們通過將技術安全要求融入電路板和 SoC 硬件設計，以完善整體設計。技術分析則用于識別薄弱點并改進硬件設計。對最終的硬件設計進行分析，可用于驗證硬件故障相關的風險是否得到充分緩解。自動駕駛安全報告|17在軟件開發層面，我們考慮包括固件在內的所有軟件。我們通過將技術安全要求融入軟件架構來完

37、善整體設計。我們還在單元和集成級別執行代碼檢查、審查、自動化代碼結構測試和代碼功能測試。專用于軟件的故障模式及影響分析也被用于設計更好的軟件。此外，我們還設計了接口、基于需求、故障注入和資源使用驗證方法的測試用例。當完成所有必要的硬件和軟件組件開發后，我們會集成并啟動系統級的校驗證和確認過程。除了自動駕駛汽車仿真外，我們還進行系統測試和驗證。軟件定義的自動駕駛安全性我們的安全方案專為軟件定義的自動駕駛而打造。與傳統系統的安全方案相比，NVIDIA 的安全策略：專為動態系統配置打造 是內含豐富軟硬件的靈活平臺 針對越來越多的功能進行優化 生態系統友好，系統邊界開放 專為 AI 硬件、軟件和工具設

38、計 可擴展以適應新算法 支持可分解式安全概念 設計用于執行百萬級代碼 可輕松無線更新 功能感知、數據導向且經過驗證 硬件-固件-軟件協調一體化：AI 訓練、仿真和測試NVIDIA 的基礎設施平臺包含一個用于標注數百萬圖像的數據工廠。其使用來自 NVIDIA 內部集群的 NVIDIA DGX 系統進行 DNN 訓練，借助 DRIVE Constellation 進行硬件在環仿真，并整合其他工具。自動駕駛汽車軟件開發首先要從全球不同的環境和場景下的車輛中收集海量數據?？缭蕉鄠€地區的眾多團隊訪問這些數據，進行標注、索引、歸檔和管理，然后才能將這些數據用于 AI 模型訓練和驗證。此外，對于罕見或難以標

39、注的場景，可以使用仿真的合成數據增強真實數據。我們將自動駕駛汽車工作流程的第一步稱為“數據工廠”。自動駕駛安全報告|18當標注的數據被用于訓練感知和其他自動駕駛功能的模型時，AI 模型的訓練就開始了。這是一個迭代的過程。數據工廠利用初始模型挑選下一個待標注的數據集。深度學習工程師根據需要調整模型參數，然后重新訓練 DNN，此時下一個標注數據集被添加到訓練集中。這個過程持續進行，直至達成所需的模型性能和準確性。在開發過程中，自動駕駛技術必須在各種駕駛條件下進行一次又一次的評估，以確保自動駕駛的安全性遠超人類駕駛的車輛。仿真在虛擬世界中運行試駕場景，向駕駛堆棧提供渲染的傳感器數據并執行駕駛堆棧發出

40、的駕駛命令。重新仿真將先前記錄的現實世界傳感器數據回放至駕駛堆棧。然后根據大量且不斷增長的測試數據來驗證 AI 模型。硬件NVIDIA DRIVE AGX 硬件架構具有可擴展性，涵蓋從入門的高級駕駛輔助系統到完全自動駕駛出租車等各個領域。當前這一代 DRIVE AGX Orin SoC 安全架構由數百名架構師、設計師和安全專家基于對數百個安全相關模塊的分析開發。NVIDIA DRIVE AGX Orin 是一款軟件定義平臺，旨在實現從 L2 級到 L5 級完全自動駕駛汽車的架構兼容平臺，使 OEM 能夠開發大規模、復雜的軟件產品系列。NVIDIA 所有的 DRIVE AGX SoC 產品系列（

41、DRIVE AGX Thor、Orin 和 Xavier）均可通過開放的 CUDA 以及 TensorRT API 和庫進行開發，因此開發者可在多代產品中充分利用他們的投資。2022 年，NVIDIA 推出了為安全自動駕駛汽車設計的新一代集中式計算機 DRIVE AGX Thor。它支持 8 位浮點(FP8)技術，提供前所未有的 1,000 INT8 TOPS/1,000 FP8 TFLOPS/500 FP16 TFLOPS 性能。這款新一代自動駕駛汽車處理器將智能功能（包括高級駕駛輔助和車載信息娛樂）統一到單一架構中，以提高效率、安全性和保障性。它還具備先進的 AI 功能并將集成全新的 NV

42、IDIA Blackwell GPU 架構，專為Transformer、LLM 和生成式 AI 工作負載而設計。DRIVE AGX Thor 將用于汽車制造商的 2025 車型，與此同時通過將更高的性能和先進的功能推向市場加速推動生產路線圖。軟件DRIVE SDK 中的感知模組獲取傳感器數據，并結合深度學習和傳統信號處理來確定對車輛環境的理解，即“世界模型”。一旦了解環境，規劃模組就會利用這些信息查找和評估一組軌跡并確定最佳路線。車輛動態控制模組可將選擇的路線轉換為車輛動作執行。自動駕駛安全報告|19DRIVE SDK 目前使用 20 多個 DNN 模型同時運行，此外還具有大量的計算機視覺和機

43、器人開發算法。并且，DNN 的數量及其覆蓋的功能仍在持續增長中。每個主要功能（如傳感器處理、基于 AI 的感知、定位、軌跡規劃和地圖）都采用了多種冗余和多樣化的方法來實現最高級別的安全性。例如，DRIVE SDK 使用嵌入式模塊檢測并處理障礙物和可行駛空間。對于等待條件，我們檢測交通燈、停車標志、十字路口和停車線。DRIVE SDK 目前使用 20 多個同時運行的深度神經網絡（DNN）模型，此外還具有大量的計算機視覺和機器人算法。這種檢測是在多個幀上進行的，并能隨著時間的推移跟蹤對象。我們還使用多種類型傳感器（雷達、攝像頭、激光雷達和超聲波傳感器）實現分層多樣性。各種 DNN 的組合、多幀的對

44、象跟蹤，以及不同類型傳感器的存在，確保了在運行設計域內的安全運行。此外，集成的功能安全機制在系統發生故障時可確保安全運行。車輛和傳感器DRIVE AGX Hyperion 是 DRIVE AGX 平臺的參考車輛實施方案，可實現自動駕駛跨級別的開發、數據采集和提取、校驗和驗證。該平臺利用多種傳感器模式（包括攝像頭、雷達、激光雷達、IMU 和超聲波傳感器），并可部署于各種類型的車輛上。DRIVE 軟件架構計算機 1-汽車平臺計算機 2 數據中心平臺DNN 開發功能開發Bazel RECI/CD回放構建、測試、集成和 KPI云計算機智能策劃汽車標簽培訓搜索 和瀏覽提取仿真SDG生成式 AI仿真NER

45、F云服務DGX CloudOmniverse Cloud車載計算機DriveOS模塊化堆棧泊車NCAP 和主動安全L2+/L3自動駕駛置信度視圖控制和車輛制動系統DriveWorksPost-ML（軌跡優化、安全檢查）規劃網絡導航規劃器4D 世界模型（多傳感器融合）NVMap4D 障礙物道路網絡EGM雷達網絡激光雷達感知盲區導航地圖地圖融合定位傳感器提取車輛 I/O圖像/輸入處理記錄儀校正自我運動NvMedia ISP開發者工具TensorRTCUDANvStreams自動駕駛安全報告|20數據中心在采集傳感器數據后，我們會對其進行處理，若為攝像頭數據，則挑選要標注的圖像用于訓練 AI。整個過

46、程會持續驗證。我們不僅標注捕獲幀中的物體和圖像，還會標注視頻序列中的場景和條件。我們擁有的多樣化和無偏差數據越多，DNN 安全性就越高。我們還定義了衡量采集數據質量的關鍵性能指標，并利用 NVIDIA Omniverse Replicator 將合成數據添加到我們的訓練數據集中。這讓開發者可以生成預先標記的真實數據來引導算法開發。最終目標是不斷添加訓練數據，以構建全面的位置、條件和場景矩陣。神經網絡模型性能使用獨立測試數據進行驗證，并在新數據上訓練模型時重新測試。除了標注圖像中的物體外，我們還標注了采集數據的條件。這樣可提供我們用作測試數據集的條件矩陣，以測試我們的 DNN 模型在各種場景、天

47、氣條件和一天中各個時間段的性能。數據中心的 GPU 廣泛用于研究具有多樣化數據集的新 DNN、持續訓練神經網絡模型、分析工作流結果、以及使用大規模系統測試和驗證結果，以在虛擬世界中仿真和重放采集的數據。校驗/驗證測試數據DRIVE AGX Hyperion在 NVIDIA DGX 上訓練數據工廠標記數據庫自動駕駛安全報告|21道路測試NVIDIA 制定了 DRIVE 道路測試操作手冊，以確保安全、標準化的道路測試流程。該文件規定每次道路測試之前、期間和完成后必須采取哪些措施。如美國交通部報告準備迎接未來交通：自動駕駛汽車 4.012 中的建議，NVIDIA 的流程依據美國聯邦航空局認證飛行員操

48、作手冊，美國每一架通用航空飛機在飛行時必須攜帶該手冊。道路測試始終由訓練有素的安全駕駛員執行，他們持續監控車輛行為，并在必要時隨時進行干預。測試操作員也在車中監控自動駕駛軟件，例如檢查汽車檢測到的物體是否與實時觀察到的物體對應，以及車輛路線是否適合當前道路狀況。在無法派人測試時，我們也可以修改流程。NVIDIA 遠程操控系統允許人類副駕駛能夠遠程監控車輛，而虛擬測試平臺使得安全、可靠地虛擬測試車輛成為可能。在允許軟件上路測試之前，需要通過單元測試、集成測試和系統仿真進行廣泛測試。自動駕駛安全報告|22開發者培訓和教育NVIDIA 致力于讓開發者教育變得更容易獲取，幫助專家和學員了解這些突破性技

49、術的詳情。NVIDIA 深度學習培訓中心（DLI）提供關于如何為自動駕駛車輛設計、訓練和部署 DNN 的多門課程。我們還制作了廣泛的內容來回答常見問題，目前已擁有 200 多萬注冊開發者，涵蓋深度學習、加速計算、自主機器和自動駕駛汽車等八個不同的領域。此外，NVIDIA 還舉行 GTC 大會，幫助學生、開發者和高管了解加速計算、AI 和自動駕駛汽車。每次大會都包含數百場分會議、小組討論和實踐課程，以及突破性的技術演示和合作伙伴展覽。每次大會都以首席執行官黃仁勛發表主題演講拉開序幕，并舉辦數百場分會議、小組討論和實踐課程，以及突破性的技術演示和合作伙伴展覽。自動駕駛安全報告|23總結NVIDIA

50、 為安全可靠的軟件定義自動駕駛汽車的設計、開發和制造提供基礎技術。我們將視覺和高性能計算的力量與人工智能和成熟的軟件開發相結合，使我們成為全球汽車制造商及運輸公司的寶貴合作伙伴。我們在設計和實施強大的 NVIDIA DRIVE AGX 平臺時遵循業界最嚴格的安全標準，并與行業專家攜手合作解決當前和未來的安全問題。我們的平臺完全符合并支持自動駕駛汽車制造商和自動駕駛出租車公司的安全目標。打造安全的自動駕駛汽車技術是我們公司有史以來最大、最復雜的項目之一。我們投入數十億美元用于研發，公司內有數千名工程師致力于這一目標。迄今為止，我們已在汽車安全流程上每年有超過 1500 名工程師投入其中。目前，已

51、有超過 80 家自動駕駛汽車公司上路測試采用 NVIDIA 技術的車輛。他們深知，強大的車載計算能力可實現冗余和多樣化的軟件算法，為每位駕駛員提供更高的安全保障。我們堅信，自動駕駛汽車將為社會帶來變革性的好處。通過最終抵消駕駛過程中的人為錯誤，我們可以杜絕絕大多數事故并將發生事故的影響降到最低。我們還可以提升道路效率和減少車輛尾氣排放。最后，無法駕駛汽車的人也能夠輕松召喚自動駕駛汽車，享受出行的自由。NVIDIA 在自動駕駛汽車開發中發揮著關鍵作用，將在未來幾十年徹底改變交通運輸行業。對于我們而言，沒有什么比攻克技術難題、改善人們的生活、提升道路安全更令人興奮的事情了。自動駕駛安全報告|24附

52、錄附錄A：NVIDIA 的專家組活動NVIDIA 作為相關領域的專家組織備受推崇，我們的專家在國際標準化工作小組中發揮著積極的領導作用即為明證。受益于我們專業知識的工作組包括：ISO TC 22/SC 32/WG 8，ISO 26262“功能安全”和 ISO 21448“預期功能的安全”ISO TC 22/SC 32/WG 13，ISO TS 5083“自動駕駛系統的功能安全和網絡安全設計、驗證和確認方法”ISO TC 22/SC 32/WG 14,ISO PAS 8800“安全和人工智能”ISO TC 22/SC 32 和 SAE TEVEES 18A，ISO/SAE 21434“網絡安全工

53、程”ISO/TR 9839“根據 ISO 26262-5 應用預測性維護”IEC 61508“電氣/電子/可編程電子安全系統的功能安全”IEEE 2846-2022“自動駕駛汽車決策安全考慮因素的形式模型”IEEE P2851“可靠性生命周期內互操作性功能安全數據格式標準”IEEE 計算機學會功能安全標準委員會(FSSC)ISO/IEC JTC1 SC42 JWG4,ISO/IEC TR 5469 和 ISO/IEC TS 22440“人工智能功能安全性和 AI 系統”歐洲汽車供應商協會，歐洲新車安全評鑒協會（Euro NCAP）汽車裝備及零部件建設聯絡委員會 聯合國歐洲經濟委員會自動駕駛車輛

54、功能要求(FRAV)和自動駕駛驗證方法(VMAD)工作組 聯合國歐洲經濟委員會動態控制輔助系統工作組(DCAS)SAE 汽車功能安全和自動地面車輛 AI 委員會 多個全球研發聯盟、技術審查委員會和研發主席角色附錄B：國家和國際安全法規和建議NVIDIA 遵守的國家和國際安全建議包括：國際標準化組織(ISO)我們遵守 ISO 26262 和 ISO 21448(SOTIF)標準。ISO 2626210 針對道路車輛的功能安全。我們將 ISO 26262 應用于應用程序、中間件、操作系統、電路板和芯片層級。ISO 2144811 則面向道路車輛預期功能的安全性。它沿用并拓展了 ISO 26262

55、開發流程，以解決 SOTIF 問題。我們還密切關注 ISO PAS 8800、ISO/IEC TR 5469 和 ISO/IEC TS 22440 正在推進的 AI 安全標準化工作。全球新車安全評鑒協會（NCAP）區域 NCAP 會根據其特定市場調整安全實踐，并且 NVIDIA 將與所有本地 NCAP 一起評估性能。歐洲新車安全評鑒協會（Euro NCAP）為消費者提供在歐洲銷售車輛的獨立安全評估。Euro NCAP 發布了 2025 年路線圖12，提出重視一級、二級和三級車輛安全的愿景和戰略。目前，我們正在積極落實以下 Euro NCAP 建議：自動緊急轉向 行人和騎車人安全 輔助駕駛測試

56、仿真和評估測驗 兒童存在檢測 自動緊急制動 網絡安全 V2X 駕駛員監控 人機界面(HMI)行人和騎車人安全 仿真和評估測驗 兒童存在檢測 網絡安全自動駕駛安全報告|25附錄附錄 C：NHTSA 安全要素美國國家公路交通安全管理局（NHTSA）在報告中概述了自動駕駛安全的關鍵話題。自動駕駛系統 2.0：安全愿景在代表行業達成的公共道路上使用自動駕駛系統安全共識的 12 個安全要素中，有 10 個與 NVIDIA 有關。系統安全NVIDIA 已制定一個系統安全計劃，該計劃基于系統工程方法集成強大的設計和驗證流程，其目標是設計最高安全級別的自動駕駛系統，并且不存在不合理的安全風險。物體與事件檢測和

57、響應物體與事件檢測和響應是指檢測與當前駕駛任務相關的任何情況，并對這種情況作出適當的駕駛員或系統響應。NVIDIA DRIVE 自動駕駛汽車模組負責檢測和響應道路內外的環境刺激。NVIDIA DRIVE IX 模組可幫助監控駕駛員狀態，并在需要時采取緩解措施。設計適用范圍根據 NHTSA 的建議，NVIDIA 已為單個駕駛自動化系統或功能開發了一組廣泛的運行設計域。每個運行設計域至少包括以下信息，以確定產品的能力邊界：道路類型、地理區域及地域條件、速度范圍、環境條件（天氣、時間等）和其他限制。后備計劃（最小風險狀態）我們的產品使車輛能夠檢測到系統故障或違反運行設計域的情況，然后根據警告和降級策

58、略將系統過渡到安全或降級運行模式。每個 NVIDIA 自動駕駛系統都包含一種后備策略，使駕駛員能夠重新獲得對車輛的適當控制，或者允許自動駕駛車輛獨立恢復到最小風險狀態。我們的 HMI 產品可用于通知駕駛員潛在危險事件，并獨立地將車輛恢復到最小風險狀態，或提醒駕駛員重新取得適當控制。最小風險狀態根據給定故障的類型和程度而有所不同。驗證方法驗證方法建立了自主系統能夠實現其預期功能的信心。我們的開發流程包含嚴格的方法來驗證和確認我們產品的行為功能和部署。為了證明自動駕駛汽車在公共道路上部署的預期性能，我們的測試方法包括仿真、測試軌道和道路測試的結合。這些方法在廣泛變動的狀態下也能展現性能，例如部署后

59、備策略時。人機界面DRIVE IX 為駕駛艙解決方案提供商提供開放式軟件堆棧，構建和部署將個人車輛轉換為交互環境的功能，以實現智能助手、圖形用戶界面以及沉浸式媒體和娛樂。車輛網絡安全NVIDIA 在系統設計和危害分析流程中采用嚴格的安全開發生命周期，包括涵蓋整個自動駕駛系統的威脅模型，如硬件、軟件、制造和 IT 基礎設施。NVIDIA DRIVE AGX 平臺還具備多層防御能力，可抵御持續攻擊。NVIDIA 還設有專門的產品安全事件響應團隊，在內部以及與合作伙伴一同管理、調查和協調安全漏洞信息。這使我們能夠控制和修復任何直接威脅，同時與合作伙伴開放合作，以從安全事件中恢復。數據記錄NVIDIA

60、 回放功能可以將行駛在公共道路上的測試車輛上傳感器的真實數據輸入到模擬中。為更大限度地提升自動駕駛汽車的安全性，NVIDIA 提供了仿真數據來測試危險道路場景，并結合了回放的真實世界數據。消費者教育和培訓我們不斷開發、記錄和維護資料，以教育我們的員工、供應商、客戶和最終消費者。我們通過 NVIDIA 深度學習培訓中心NVIDIA 深度學習培訓中心提供多種 AI 課程，并在NVIDIA全球 GTC 大會上報道新知識和發展動態。我們還與研究機構合作開發更好的自動駕駛方法，保持最高的職業操守以在自動駕駛汽車領域共同打造世界級的思想領導力。聯邦、州和地方法律我們的運營原則是將安全放在首位，并遵守國際、

61、聯邦、州和地方法規以及安全和功能安全標準。我們還經常與監管機構溝通，以確保我們的技術超越所有安全標準和期望。我們積極參與標準化組織，推動自動駕駛的未來發展。附錄 D：參考資料1.NHTSA 自動駕駛系統：https:/www.nhtsa.gov/vehicle-manufacturers/automated-driving-systems2.ISO 26262：道路車輛功能安全國際標準化組織(ISO)，2018 年。第一部分：詞匯：術語和定義：https:/www.iso.org/standard/68383.html3.ISO 21448“道路車輛預期功能安全”，2022https:/www

62、.iso.org/standard/77490.html4.ISO/CD PAS 8800:ISO/CD PAS 88002000 道路車輛；安全和人工智能5.ISO/IEC TR 5469:2024:ISO/IEC TR 5469:2024人工智能；功能安全和 AI 系統6.ISO/IEC AWI TS 22440-1/-2/-3:ISO/IEC AWI TS 22440-1人工智能；功能安全和 AI 系統，第 1 部分：要求7.IEEE 2846-2022 網頁：IEEE SA-IEEE 2846-20228.IEEE P2851 網頁：https:/sagroups.ieee.org/2

63、851/9.NIST 網絡安全：https:/www.nist.gov/topics/cybersecurity10.GDPR:https:/gdpr.eu/11.聯合國歐洲經濟委員會第 155 號法規：https:/unece.org/transport/documents/2021/03/standards/un-regulation-no-155-cyber-security-and-cyber-security12.準備迎接未來交通：自動駕駛汽車 4.0(AV 4.0)，2020：https:/www.transportation.gov/av/4聲明本報告中提供的所有信息，包括評論、

64、意見、NVIDIA 設計規范、圖紙、清單和其他文件（統稱為“材料”）均“按原樣”提供。NVIDIA 對于材料不作任何明示、暗示、法定或其他保證，并明確否認對非侵權性、適銷性和適用于特定用途的任何暗示保證。2025NVIDIA Corporation.保留所有權利。NVIDIA、NVIDIA 徽標、CUDA、NVIDIA DGX、NVIDIA DGX SuperPOD、NVIDIA DRIVE、NVIDIA DRIVE AGX、NVIDIA DRIVE Constellation、NVIDIA DRIVE AGX Hyperion、NVIDIA DriveOS、NVIDIA OVX、NVIDIA RTX、NVIDIA DRIVE AGX Thor、NVIDIA Xavier、Omniverse、Orion 和 TensorRT 是 NVIDIA Corporation 在美國和其他國家的商標和/或注冊商標。其他公司名稱和產品名稱可能為相應各公司的商標。3480100JAN25