Wayve va antrena modelele AI Driver în cloudul CoreWeave, cu GPU-uri Blackwell

CoreWeave a anunțat, la 9 noiembrie 2026, un acord multianual prin care Wayve își va antrena modelele fundamentale AI Driver în cloudul CoreWeave, cu GPU-uri NVIDIA Blackwell. Activitatea include antrenarea, evaluarea și simularea unui sistem care învață din date reale de condus, colectate în peste 70 de țări.

Wayve a început cu Weights & Biases și, de atunci, și-a extins operațiunile în cloudul CoreWeave. Extinderea adaugă capacitatea de calcul în cloud a CoreWeave la un proces de dezvoltare care trebuie să demonstreze progresul de la o versiune software la alta, să susțină sesiuni lungi de antrenare și să ofere suficientă observabilitate pentru compararea modelelor și validarea siguranței la scară largă.

Un ciclu de acumulare a datelor pentru modelele de condus

Wayve dezvoltă AI Driver pentru utilizări care variază de la autoturisme personale la robotaxiuri. Silvius Rus, vicepreședintele senior al departamentului de inginerie al companiei, a descris modul în care datele colectate la nivel global contribuie la dezvoltarea modelelor: „AI Driver devine mai performant prin acest ciclu de acumulare a datelor: colectăm experiență reală de condus, antrenăm modelul pe baza ei, îl evaluăm și implementăm doar ceea ce depășește performanțele soluțiilor deja aflate pe șosele.” El se așteaptă ca accesul la cloudul de IA al CoreWeave să contribuie la accelerarea implementării comerciale a AI Driver.

Simulare înainte de implementarea pe șosele

O prezentare tehnică CoreWeave a infrastructurii pentru IA fizică identifică antrenarea modelelor lumii, simularea senzorilor și evaluarea în buclă închisă drept sarcini de lucru pentru vehiculele autonome. Vehiculele autonome generează terabiți de date de la senzori pentru fiecare vehicul, în fiecare zi. Pentru a gestiona acest flux, stocarea, rețelele și fluxurile de lucru pentru antrenare trebuie să funcționeze împreună eficient.

Dezvoltarea IA fizice continuă și după implementare, pe măsură ce apar noi situații-limită, ceea ce face ca reantrenarea repetată, salvarea punctelor de control și fluxurile rapide de date să fie cerințe operaționale. Deoarece defecțiunile pot avea consecințe asupra siguranței fizice, cea mai mare parte a dezvoltării modelelor se desfășoară prin simulare și validare etapizată, înainte de utilizarea în lumea reală.

Într-o demonstrație de referință realizată de CoreWeave, în afara acordului cu Wayve, compania relatează că a executat 1,25 milioane de simulări CARLA pentru vehicule autonome în aproximativ 12 ore, pe fragmente independente, folosind câte un GPU pentru fiecare fragment. Simulările au variat condițiile meteorologice, densitatea traficului, hărțile, intersecțiile și semințele aleatorii, ilustrând gama de condiții simulate care pot fi generate pentru dezvoltarea modelelor.

Fiabilitatea întregului flux de antrenare

În ceea ce privește nivelul hardware, NVIDIA afirmă că motorul Blackwell pentru fiabilitate, disponibilitate și ușurința întreținerii monitorizează în permanență mii de puncte de date privind starea hardware-ului și software-ului, pentru a anticipa și a preveni cauzele întreruperilor. Acesta este conceput să identifice din timp posibilele defecțiuni, să localizeze problemele și să faciliteze mentenanța — capacități relevante pentru cerințele de fiabilitate ale sesiunilor lungi de antrenare descrise în anunțul CoreWeave.

Potrivit CoreWeave, în cadrul platformei sale mai ample pentru IA fizică, serviciul Kubernetes orchestrează sarcinile de antrenare și simulare, iar stocarea distribuită și cea de tip obiect găzduiesc date de la senzori și date de simulare la scară de petabiți. Rețelele InfiniBand și RoCE transferă date direct între GPU-uri aflate pe servere diferite, ocolind procesoarele CPU pentru a reduce timpul de așteptare în perioadele de inactivitate, în timp ce sarcinile distribuite fac schimb de date de la senzori, stări ale simulărilor și gradienți.

Instrumentele pentru experimente adaugă trasabilitatea versiunilor: Weights & Biases Models urmărește experimentele, Registry leagă un punct de control de setul exact de date și de sesiunea de antrenare care l-au produs, iar Weave permite urmărirea fluxurilor, evaluarea și monitorizarea. Aceste înregistrări le oferă inginerilor o cale de la o problemă identificată în timpul testării până la punctul de control al modelului, setul de date și sesiunea de antrenare implicate. Pentru un sistem de condus esențial pentru siguranță, această trasabilitate sprijină compararea și validarea, alături de capacitatea de antrenare.

Acordul include întregul ciclu de iterație în extinderea infrastructurii Wayve. Accelerarea implementării comerciale depinde de eficiența cu care antrenarea, evaluarea și simularea integrate pot transforma experiența de condus în îmbunătățiri validate, menținând totodată fiabilitatea și trasabilitatea necesare pentru software-ul de condus esențial pentru siguranță.