Porsche dẫn đầu vòng tuần hoàn dữ liệu dùng chung giữa các thương hiệu thuộc Volkswagen Group

Tại hội nghị GTC Berlin của NVIDIA vào ngày 21 tháng 10 năm 2026, Porsche, các thương hiệu thuộc Volkswagen Group và CARIAD thông báo đang cùng xây dựng vòng tuần hoàn dữ liệu dùng chung để phát triển xe tự hành, trong đó Porsche dẫn dắt quá trình triển khai ban đầu và tích hợp hệ sinh thái cùng với Voxel51, NVIDIA và Microsoft.

Volkswagen Group đang dẫn dắt việc phát triển một hệ thống AI vật lý kết nối dữ liệu đội xe với mô phỏng, huấn luyện và đánh giá. Voxel51 cho biết đội xe kết nối của tập đoàn tạo ra lượng dữ liệu tương đương với dữ liệu từ 11.000 tài xế trung bình mỗi ngày; các công ty kỳ vọng sự hợp tác này sẽ giúp giảm tới 90% số lần lái thử thực tế lặp lại và rút ngắn tới 85% chu kỳ kiểm thử hồi quy AI.

Vai trò trong vòng tuần hoàn dữ liệu

Các công ty mô tả sự hợp tác này là một kiến trúc tham chiếu dành cho các nhà sản xuất ô tô phát triển những hệ thống lái xe tiên tiến thế hệ tiếp theo.

Volkswagen đóng góp đội xe kết nối, dữ liệu lái xe thực tế, nền tảng xe và các yêu cầu của hệ thống. Voxel51 cung cấp lớp dữ liệu, vận hành sáu quy trình trong vòng tuần hoàn: tìm kiếm và truy xuất đa phương thức, gắn nhãn tự động, tuyển chọn theo kịch bản, cân bằng tập dữ liệu, lựa chọn dữ liệu huấn luyện và kiểm định mô hình. NVIDIA đóng góp các công nghệ truy xuất, tạo sinh và mô phỏng dữ liệu, trong đó có Cosmos Data Factory để chuẩn bị, tăng cường và đánh giá dữ liệu huấn luyện; các thư viện Omniverse NuRec để tái dựng những chuyến lái xe trong thế giới thực; cùng các mô hình và công cụ mở để thử nghiệm hệ thống lái xe trong môi trường mô phỏng. Microsoft Azure cung cấp dịch vụ đám mây và năng lực tính toán; các khối lượng công việc được vận hành ở quy mô đội xe trên hạ tầng mà tập đoàn vốn đã sử dụng.

Thông cáo đăng trên phòng tin tức của chính NVIDIA về hội nghị cho biết Porsche đang dẫn dắt việc phát triển quy trình vòng tuần hoàn dữ liệu giữa các thương hiệu thuộc Volkswagen Group thông qua Voxel51, sử dụng Cosmos Data Factory và Omniverse NuRec trên Azure.

Trong thông báo, Rishi Dhall, phó chủ tịch phụ trách lĩnh vực ô tô của NVIDIA, cho biết mô phỏng đang biến kinh nghiệm lái xe trong thế giới thực thành một chu trình học hỏi và cải tiến liên tục; ông cũng cho biết Volkswagen Group có thể chuyển đổi dữ liệu đội xe thành các kịch bản mô phỏng có độ trung thực cao bằng nền tảng dữ liệu của Voxel51 kết hợp với Omniverse NuRec và Cosmos.

Kiểm tra, cổng kiểm soát dữ liệu tạo sinh và kết quả tái dựng

Kiểm định ảo các bản phát hành phần mềm lái xe là một trong những ứng dụng đầu tiên của vòng tuần hoàn này dành cho Porsche và Volkswagen Group. Các kỹ sư dựng lại hình ảnh đầu vào từ camera dựa trên những chuyến lái xe thực tế, rồi đối chiếu kết quả mô phỏng với các phép đo trong thế giới thực. Voxel51 cho biết mục tiêu là giúp việc kiểm thử có thể lặp lại, rút ngắn chu kỳ phản hồi và giảm sự phụ thuộc vào các chuyến lái thử thực tế.

Trước khi bất kỳ bản ghi nào được đưa vào quy trình tái dựng bằng GPU, Voxel51 kiểm tra nhật ký dữ liệu thô qua khoảng 80 hạng mục, bao gồm tính toàn vẹn của cảm biến, thời gian, hiệu chuẩn, quỹ đạo, các đối tượng tham gia và hệ tọa độ. Bài phân tích chuyên sâu về kỹ thuật của Dan Gural, người đứng đầu mảng hợp tác về AI vật lý tại Voxel51, cho biết quy trình kiểm tra đọc trực tiếp các tệp MCAP và gồm ba cấp: kiểm tra bản kê khai mất khoảng một mili giây cho mỗi chuyến lái xe, kiểm tra từng phân đoạn mất khoảng một giây và kiểm tra dữ liệu đã giải mã mất vài phút cho mỗi chuyến. Mỗi hạng mục ghi lại trạng thái đạt, không đạt hoặc không thể thực hiện, theo quy tắc mà Voxel51 gọi là “im lặng không có nghĩa là đạt”, để dữ liệu đầu vào bị thiếu không thể bị xem là dữ liệu hợp lệ.

Gural mô tả quy trình gồm năm giai đoạn: tìm kiếm, kiểm tra, tạo sinh, tái dựng và đánh giá. Ở giai đoạn tìm kiếm, nền tảng tích hợp NVIDIA Cosmos Dataset Search; các đoạn video được nhúng bằng Cosmos-Embed1 và lưu trữ trong Milvus. Sau đó, một mô hình lập kế hoạch tạo bộ tiêu chí dựa trên ý định tìm kiếm để hệ thống tái xếp hạng có khả năng thực hiện tác vụ tự đánh giá từng đoạn video bằng Cosmos Reason rồi sắp xếp lại danh sách.

Gural cho biết Voxel51 đã kiểm định quy trình kiểm tra trên bảy tập dữ liệu công khai: nuScenes, Waymo, PandaSet, Argoverse 2, MAN TruckScenes, aiMotive và Lyft Level 5. Quy trình này phát hiện 25 vấn đề đã được xác nhận trong dữ liệu công bố, trong đó 17 vấn đề được khắc phục trước khi tái dựng. Về việc tạo dữ liệu tổng hợp bằng Cosmos Data Factory, bài phân tích chuyên sâu cho biết bằng chứng lưu lại từ các cổng kiểm soát cho thấy 12 bước lấy mẫu đạt tỷ lệ chấp nhận ngang với 35 bước, giúp giảm chi phí từ 6.80 xuống còn 2.43 phút-GPU cho mỗi đoạn video; một cổng kiểm soát thuộc tính chỉ chấp nhận 30 đến 38% số đoạn video được tạo; và việc hiệu chỉnh lại bộ đánh giá đã nâng tỷ lệ đạt yêu cầu ngữ nghĩa từ 3% lên 91% mà không cần thêm thời gian GPU.

Về quá trình tái dựng, bài phân tích chuyên sâu báo cáo tỷ số tín hiệu trên nhiễu đỉnh trung vị là 29.05 dB trên 25 cảnh nuScenes công khai được xử lý bằng GPU NVIDIA H100. Bài viết nêu một cảnh đêm trong nuScenes đạt 28.59 dB theo chỉ số này, nhưng chỉ đạt 0.56 về độ tương đồng cấu trúc và 0.61 về độ tương đồng tri giác học được; Gural dùng ví dụ này để cho thấy chỉ số chất lượng hình ảnh đơn lẻ có thể đánh giá đạt một kết quả kém rõ rệt về mặt thị giác. Mọi lượt tái dựng đều được đưa vào hàng đợi để con người xem xét, nơi các kỹ sư có thể chấp nhận kết quả để dùng trong mô phỏng, gửi lại để huấn luyện lại hoặc từ chối; các cảnh đã hoàn tất được đóng gói thành tệp USDZ sẵn sàng cho trình mô phỏng, trong đó có NVIDIA AlpaSim.

Triển khai trên Azure và quyền sở hữu quy trình

Mỗi giai đoạn được thực hiện như một tác vụ trên Microsoft Azure, nơi Volkswagen Group quản lý dữ liệu đội xe của mình. Azure cung cấp khả năng lưu trữ và tính toán để xử lý dữ liệu, tái dựng và mô phỏng, đồng thời giữ các tác vụ đó trong khuôn khổ bảo mật, nhận dạng và quản trị khu vực hiện có của tập đoàn.

Voxel51 cho biết mô hình dữ liệu chung cho phép dữ liệu lái xe và các tình huống được tạo trong một dự án tiếp tục được sử dụng xuyên suốt các chương trình xe, phiên bản phần mềm và thương hiệu. Mỗi lần lái xe mới đều mở rộng kho tình huống, còn các cảnh đã tái dựng có thể được tái sử dụng trong những chu kỳ phát triển và kiểm định sau này.

Brian Moore, đồng sáng lập kiêm CEO của Voxel51, viết rằng một hãng xe có thể làm chủ quy trình phát triển của mình mà không cần tự xây dựng mọi công cụ: “Chìa khóa để đạt hiệu suất thực sự dẫn đầu ngành là khai thác dữ liệu mà công ty bạn có thể tiếp cận. Bạn cần làm chủ quy trình phát triển và lặp cải tiến, ngay cả khi không tự xây dựng mọi lớp trong toàn bộ hệ thống.” Voxel51 mô tả nền tảng của mình là có thể mở rộng, cho phép các nhóm sử dụng mô hình riêng, xác định logic tình huống tùy chỉnh và kết nối dữ liệu cũng như cơ sở hạ tầng hiện có mà không áp đặt cách xây dựng chính hệ thống lái xe.

Voxel51 kể lại rằng công ty bắt đầu hợp tác với Porsche vào năm 2024, khi trưởng nhóm công nghệ của Porsche, Tin Stribor Sohn, mô tả thách thức về dữ liệu là vấn đề cần gắn nhãn tự động để hiểu dữ liệu, phát hiện tình huống để tìm ra điều gì mới hoặc quan trọng, và tuyển chọn dữ liệu để loại bỏ phần dư thừa. Dẫn một khảo sát của McKinsey, bài đăng của Voxel51 cũng cho biết cứ bốn người tiêu dùng trên toàn cầu thì có một người sẽ đổi thương hiệu nếu tìm được các tính năng tự lái tốt hơn.

Tại GTC Berlin, một thông cáo của NVIDIA cho biết Volkswagen Commercial Vehicles đang giới thiệu nền tảng xe ID. Buzz AD tự hành trên nền tảng điện toán NVIDIA Hyperion để hỗ trợ nhiều hệ thống lái tự hành.