Porsche เป็นผู้นำวงจรขับเคลื่อนข้อมูลร่วมกันของแบรนด์ต่าง ๆ ใน Volkswagen Group เพื่อพัฒนายานยนต์ไร้คนขับ

ในการประชุม NVIDIA GTC Berlin เมื่อวันที่ 21 ตุลาคม 2026 Porsche แบรนด์ต่าง ๆ ใน Volkswagen Group และ CARIAD ประกาศร่วมกันสร้างวงจรขับเคลื่อนข้อมูลร่วมกันเพื่อพัฒนายานยนต์ไร้คนขับ โดย Porsche เป็นผู้นำการนำไปใช้ในระยะแรกและการผสานระบบนิเวศร่วมกับ Voxel51, NVIDIA และ Microsoft

Volkswagen Group เป็นผู้นำการพัฒนาสแต็ก AI สำหรับโลกกายภาพที่เชื่อมโยงข้อมูลจากกองยานพาหนะเข้ากับการจำลอง การฝึก และการประเมินผล Voxel51 ระบุว่ากองยานพาหนะที่เชื่อมต่อกันของกลุ่มบริษัทสร้างข้อมูลเทียบเท่ากับการขับรถของผู้ขับขี่โดยเฉลี่ย 11,000 คนต่อวัน และบริษัทต่าง ๆ คาดว่าความร่วมมือนี้จะช่วยลดการทดสอบขับรถจริงซ้ำ ๆ ได้สูงสุด 90% และลดระยะเวลาของรอบทดสอบการถดถอยของ AI ได้สูงสุด 85%

บทบาทของแต่ละฝ่ายในวงจรขับเคลื่อนข้อมูล

บริษัทต่าง ๆ อธิบายว่าความร่วมมือนี้เป็นสถาปัตยกรรมอ้างอิงสำหรับผู้ผลิตรถยนต์ที่กำลังพัฒนาระบบช่วยขับขั้นสูงรุ่นถัดไป

Volkswagen นำกองยานพาหนะที่เชื่อมต่อกัน ข้อมูลการขับขี่ในโลกจริง แพลตฟอร์มยานยนต์ และข้อกำหนดของระบบมาใช้ Voxel51 จัดหาเลเยอร์ข้อมูลที่รองรับเวิร์กโฟลว์ 6 รูปแบบในวงจรขับเคลื่อนข้อมูล ได้แก่ การค้นหาและเรียกคืนข้อมูลหลายรูปแบบ การติดป้ายกำกับโดยอัตโนมัติ การคัดสรรข้อมูลตามสถานการณ์ การปรับสมดุลชุดข้อมูล การคัดเลือกข้อมูลฝึก และการตรวจสอบความถูกต้องของโมเดล NVIDIA สนับสนุนเทคโนโลยีการเรียกคืนข้อมูล การสร้างข้อมูล และการจำลอง ซึ่งรวมถึง Cosmos Data Factory สำหรับเตรียม เพิ่มเติม และประเมินข้อมูลฝึก ไลบรารี Omniverse NuRec สำหรับสร้างภาพการขับขี่ในโลกจริงขึ้นใหม่ ตลอดจนโมเดลและเครื่องมือแบบเปิดสำหรับทดสอบระบบขับขี่ในสภาพแวดล้อมจำลอง Microsoft Azure จัดหาโครงสร้างพื้นฐานคลาวด์และกำลังประมวลผล โดยเวิร์กโหลดทำงานในระดับกองยานพาหนะบนโครงสร้างพื้นฐานที่กลุ่มบริษัทใช้อยู่แล้ว

ข่าวประชาสัมพันธ์จากห้องข่าวของ NVIDIA เองซึ่งเผยแพร่ในช่วงการประชุมระบุว่า Porsche เป็นผู้นำการพัฒนาเวิร์กโฟลว์วงจรขับเคลื่อนข้อมูลสำหรับแบรนด์ต่าง ๆ ใน Volkswagen Group ผ่าน Voxel51 โดยใช้ Cosmos Data Factory และ Omniverse NuRec บน Azure

Rishi Dhall รองประธานฝ่ายยานยนต์ของ NVIDIA กล่าวในประกาศว่า การจำลองกำลังเปลี่ยนประสบการณ์การขับขี่ในโลกจริงให้เป็นวงจรการเรียนรู้และปรับปรุงอย่างต่อเนื่อง และ Volkswagen Group สามารถเปลี่ยนข้อมูลจากกองยานพาหนะให้เป็นสถานการณ์จำลองที่มีความเที่ยงตรงสูงได้ โดยใช้แพลตฟอร์มข้อมูลของ Voxel51 ร่วมกับ Omniverse NuRec และ Cosmos

การตรวจสอบ การควบคุมขั้นตอนการสร้างข้อมูล และผลการสร้างภาพขึ้นใหม่

การตรวจสอบความถูกต้องเสมือนจริงของซอฟต์แวร์ขับขี่รุ่นใหม่เป็นหนึ่งในแอปพลิเคชันแรก ๆ ของวงจรขับเคลื่อนข้อมูลสำหรับ Porsche และ Volkswagen Group วิศวกรสร้างภาพอินพุตจากกล้องขึ้นใหม่โดยอ้างอิงการขับขี่จริง แล้วตรวจสอบผลลัพธ์จากการจำลองเทียบกับค่าที่วัดได้ในโลกจริง Voxel51 ระบุว่าเป้าหมายคือทำให้การทดสอบทำซ้ำได้ ลดระยะเวลารับส่งผลป้อนกลับ และลดการพึ่งพาการทดสอบขับรถจริง

ก่อนที่ข้อมูลบันทึกใด ๆ จะเข้าสู่ขั้นตอนสร้างภาพขึ้นใหม่ด้วย GPU Voxel51 จะตรวจสอบบันทึกข้อมูลดิบด้วยรายการตรวจสอบราว 80 ข้อ ซึ่งครอบคลุมความสมบูรณ์ของเซ็นเซอร์ การกำหนดเวลา การปรับเทียบ วิถีการเคลื่อนที่ วัตถุที่เคลื่อนไหว และกรอบพิกัด บทวิเคราะห์เชิงลึกทางเทคนิคโดย Dan Gural หัวหน้าฝ่ายพันธมิตรด้าน AI สำหรับโลกกายภาพของ Voxel51 ระบุว่าการตรวจสอบนี้อ่านไฟล์ MCAP โดยตรงและดำเนินการเป็น 3 ระดับ ได้แก่ การตรวจสอบรายการไฟล์ซึ่งใช้เวลาประมาณหนึ่งมิลลิวินาทีต่อการขับขี่ การตรวจสอบตอนซึ่งใช้เวลาประมาณหนึ่งวินาที และการตรวจสอบข้อมูลที่ถอดรหัสแล้วซึ่งใช้เวลาสองสามนาทีต่อการขับขี่ แต่ละรายการตรวจสอบจะบันทึกว่าผ่าน ไม่ผ่าน หรือไม่สามารถดำเนินการได้ ตามกฎที่ Voxel51 เรียกว่า “การไม่แจ้งผลไม่ได้แปลว่าผ่าน” เพื่อไม่ให้ตีความว่าข้อมูลนำเข้าที่ขาดหายเป็นข้อมูลที่ถูกต้อง

Gural อธิบายวงจรนี้ว่าประกอบด้วย 5 ขั้นตอน ได้แก่ ค้นหา ตรวจสอบ สร้าง สร้างขึ้นใหม่ และประเมินผล สำหรับขั้นตอนค้นหา แพลตฟอร์มนี้ผสานรวม NVIDIA Cosmos Dataset Search โดยฝังคลิปด้วย Cosmos-Embed1 แล้วจัดเก็บไว้ใน Milvus จากนั้นตัวจัดอันดับใหม่แบบเอเจนต์จะให้โมเดลวางแผนเขียนเกณฑ์ประเมินจากเจตนาการค้นหา ใช้ Cosmos Reason ให้คะแนนคลิปแต่ละรายการตามเกณฑ์ดังกล่าว แล้วจัดเรียงรายการใหม่

Gural รายงานว่า Voxel51 ตรวจสอบความถูกต้องของระบบตรวจสอบข้อมูลด้วยชุดข้อมูลสาธารณะ 7 ชุด ได้แก่ nuScenes, Waymo, PandaSet, Argoverse 2, MAN TruckScenes, aiMotive และ Lyft Level 5 การตรวจสอบพบปัญหาที่ยืนยันแล้ว 25 รายการในข้อมูลที่เผยแพร่ โดยแก้ไขไป 17 รายการก่อนการสร้างภาพขึ้นใหม่ สำหรับการสร้างข้อมูลสังเคราะห์ด้วย Cosmos Data Factory บทวิเคราะห์เชิงลึกระบุว่า หลักฐานการตรวจสอบที่จัดเก็บไว้แสดงให้เห็นว่าขั้นตอนการสุ่มตัวอย่าง 12 ขั้นให้ผลด้านอัตราการยอมรับเทียบเท่ากับ 35 ขั้น ขณะที่ลดต้นทุนจาก 6.80 เหลือ 2.43 นาที-GPU ต่อคลิป นอกจากนี้ เกณฑ์ตรวจสอบคุณลักษณะยังยอมรับคลิปที่สร้างขึ้นได้เพียง 30 ถึง 38% และการปรับเทียบตัวประเมินใหม่ทำให้อัตราการผ่านด้านความหมายเพิ่มจาก 3% เป็น 91% โดยไม่เพิ่มเวลาใช้ GPU

ในส่วนของการสร้างภาพขึ้นใหม่ บทวิเคราะห์เชิงลึกรายงานค่าอัตราส่วนสัญญาณต่อสัญญาณรบกวนสูงสุด (PSNR) มัธยฐานที่ 29.05 dB จากฉาก nuScenes สาธารณะ 25 ฉาก ซึ่งประมวลผลบน GPU NVIDIA H100 โดยยกตัวอย่างฉากกลางคืนฉากหนึ่งจาก nuScenes ที่ได้คะแนน 28.59 dB ในตัวชี้วัดดังกล่าว แต่มีคะแนนความคล้ายคลึงเชิงโครงสร้าง 0.56 และคะแนนความคล้ายคลึงเชิงการรับรู้ที่เรียนรู้จากข้อมูล 0.61 ซึ่ง Gural ใช้แสดงให้เห็นว่าคะแนนคุณภาพภาพเพียงค่าเดียวอาจผ่านได้ แม้ผลลัพธ์จะดูด้อยคุณภาพอย่างเห็นได้ชัด การสร้างภาพขึ้นใหม่ทุกครั้งจะเข้าสู่คิวตรวจสอบโดยมนุษย์ ซึ่งวิศวกรจะเลือกยอมรับเพื่อนำไปใช้ในการจำลอง ส่งกลับไปฝึกใหม่ หรือปฏิเสธ ส่วนฉากที่เสร็จสมบูรณ์จะถูกรวมเป็นไฟล์ USDZ ที่พร้อมใช้กับเครื่องจำลองต่าง ๆ รวมถึง NVIDIA AlpaSim

การติดตั้งใช้งานบน Azure และผู้ดูแลวงจรการทำงาน

แต่ละขั้นตอนทำงานเป็นงานบน Microsoft Azure ซึ่ง Volkswagen Group ใช้จัดการข้อมูลยานพาหนะในฟลีต โดย Azure ให้บริการพื้นที่จัดเก็บและทรัพยากรประมวลผลสำหรับการประมวลผลข้อมูล การสร้างภาพจำลองขึ้นใหม่ และการจำลองสถานการณ์ ขณะเดียวกันก็ช่วยให้เวิร์กโหลดเหล่านี้ยังอยู่ภายใต้รูปแบบการกำกับดูแลด้านความปลอดภัย การระบุตัวตน และภูมิภาคที่กลุ่มบริษัทใช้อยู่เดิม

Voxel51 ระบุว่าแบบจำลองข้อมูลร่วมช่วยให้ข้อมูลการขับขี่และสถานการณ์ที่สร้างขึ้นในโครงการหนึ่งนำไปใช้ต่อได้กับโครงการยานยนต์ รุ่นซอฟต์แวร์ และแบรนด์ต่าง ๆ โดยทุกครั้งที่มีการขับขี่เพิ่มขึ้น ฐานข้อมูลสถานการณ์ก็จะขยายตามไปด้วย และฉากที่สร้างขึ้นใหม่ก็พร้อมให้นำกลับมาใช้ในวงจรการพัฒนาและการตรวจสอบความถูกต้องในอนาคต

Brian Moore ผู้ร่วมก่อตั้งและซีอีโอของ Voxel51 เขียนว่า ผู้ผลิตรถยนต์สามารถควบคุมวงจรการพัฒนาของตนเองได้โดยไม่จำเป็นต้องสร้างเครื่องมือทุกอย่างขึ้นเอง: “หัวใจสำคัญของการสร้างสมรรถนะที่เป็นผู้นำในอุตสาหกรรมอย่างแท้จริง คือการใช้ประโยชน์จากข้อมูลที่บริษัทของคุณเข้าถึงได้ คุณต้องเป็นเจ้าของวงจรการพัฒนาและปรับปรุงซ้ำ แม้จะไม่ได้สร้างทุกชั้นของระบบด้วยตัวเองก็ตาม” Voxel51 อธิบายว่าแพลตฟอร์มของตนรองรับการขยายเพิ่มเติม ทำให้ทีมต่าง ๆ นำโมเดลของตนเองมาใช้ กำหนดตรรกะสถานการณ์แบบกำหนดเอง และเชื่อมต่อข้อมูลกับโครงสร้างพื้นฐานที่มีอยู่ได้ โดยไม่กำหนดว่าควรสร้างระบบขับขี่ขึ้นมาอย่างไร

Voxel51 เล่าว่าเริ่มทำงานร่วมกับ Porsche ในปี 2024 ซึ่งขณะนั้น Tin Stribor Sohn หัวหน้าฝ่ายเทคโนโลยีของ Porsche อธิบายว่าความท้าทายด้านข้อมูลนี้จำเป็นต้องใช้การติดป้ายกำกับโดยอัตโนมัติเพื่อทำความเข้าใจข้อมูล การตรวจจับสถานการณ์เพื่อค้นหาสิ่งใหม่หรือสำคัญ และการคัดกรองเพื่อตัดข้อมูลซ้ำซ้อน โดยอ้างถึงผลสำรวจของ McKinsey โพสต์ของ Voxel51 ยังระบุด้วยว่า ผู้บริโภคทั่วโลก 1 ใน 4 จะเปลี่ยนไปใช้แบรนด์อื่นหากมีฟีเจอร์ขับขี่อัตโนมัติที่ดีกว่า

ในอีกประเด็นหนึ่ง ข่าวประชาสัมพันธ์ของ NVIDIA ระบุว่า ในงาน GTC Berlin Volkswagen Commercial Vehicles กำลังนำเสนอแพลตฟอร์มยานยนต์ขับขี่อัตโนมัติ ID. Buzz AD บนแพลตฟอร์มประมวลผล NVIDIA Hyperion เพื่อรองรับระบบขับขี่อัตโนมัติหลายระบบ