Wayve huấn luyện các mô hình AI Driver trên đám mây CoreWeave bằng GPU Blackwell

CoreWeave công bố ngày 9 tháng 11 năm 2026 về một thỏa thuận nhiều năm, theo đó Wayve sẽ huấn luyện các mô hình nền tảng AI Driver trên CoreWeave Cloud bằng GPU NVIDIA Blackwell. Công việc bao gồm huấn luyện, đánh giá và mô phỏng cho một hệ thống học từ dữ liệu lái xe thực tế được thu thập tại hơn 70 quốc gia.

Wayve khởi đầu với Weights & Biases, sau đó mở rộng quy mô hoạt động lên CoreWeave Cloud. Việc mở rộng bổ sung năng lực điện toán đám mây của CoreWeave vào quy trình phát triển, vốn cần cho thấy tiến bộ qua từng phiên bản phần mềm, duy trì các đợt huấn luyện kéo dài và cung cấp đủ khả năng quan sát để so sánh mô hình cũng như xác thực độ an toàn ở quy mô lớn.

Vòng lặp dữ liệu cho các mô hình lái xe

Wayve đang phát triển AI Driver cho nhiều ứng dụng, từ ô tô cá nhân đến taxi tự hành. Silvius Rus, phó chủ tịch cấp cao phụ trách kỹ thuật của công ty, mô tả cách dữ liệu lái xe toàn cầu được đưa vào quá trình phát triển mô hình: “AI Driver của chúng tôi ngày càng tốt hơn nhờ vòng lặp dữ liệu này: thu thập trải nghiệm lái xe thực tế, huấn luyện bằng dữ liệu đó, đánh giá mô hình rồi chỉ triển khai những gì vượt trội hơn các hệ thống hiện có trên đường.” Ông kỳ vọng khả năng tiếp cận nền tảng đám mây AI của CoreWeave sẽ giúp đẩy nhanh việc triển khai thương mại AI Driver.

Mô phỏng trước khi triển khai trên đường

Một tổng quan kỹ thuật của CoreWeave về hạ tầng AI vật lý xác định huấn luyện mô hình thế giới, mô phỏng cảm biến và đánh giá vòng kín là những khối lượng công việc trong lĩnh vực xe tự hành. Mỗi xe tự hành tạo ra hàng terabyte dữ liệu cảm biến mỗi ngày. Để xử lý luồng dữ liệu đó, các quy trình lưu trữ, kết nối mạng và huấn luyện cần phối hợp hiệu quả với nhau.

Quá trình phát triển AI vật lý vẫn tiếp tục sau khi triển khai, khi các tình huống ngoại lệ mới xuất hiện, khiến việc huấn luyện lại nhiều lần, lưu điểm kiểm tra và vận hành các quy trình dữ liệu tốc độ cao trở thành yêu cầu thiết yếu. Vì sự cố có thể gây hậu quả về an toàn thể chất, phần lớn quá trình phát triển mô hình được thực hiện qua mô phỏng và xác thực theo từng giai đoạn trước khi đưa vào sử dụng trong thực tế.

Trong một bản trình diễn tham chiếu của CoreWeave không thuộc thỏa thuận với Wayve, công ty cho biết đã chạy 1,25 triệu mô phỏng xe tự hành CARLA trong khoảng 12 giờ trên các phân đoạn độc lập, mỗi phân đoạn sử dụng một GPU. Các lần chạy mô phỏng thay đổi thời tiết, mật độ giao thông, bản đồ, giao lộ và giá trị khởi tạo ngẫu nhiên, qua đó minh họa phạm vi điều kiện mô phỏng có thể tạo ra để phục vụ phát triển mô hình.

Độ tin cậy trong toàn bộ hệ thống huấn luyện

Ở lớp phần cứng, NVIDIA cho biết cơ chế về độ tin cậy, tính sẵn sàng và khả năng bảo trì của Blackwell liên tục theo dõi hàng nghìn điểm dữ liệu về tình trạng phần cứng và phần mềm để dự đoán, ngăn chặn các nguyên nhân gây thời gian ngừng hoạt động. Cơ chế này được thiết kế để sớm nhận diện lỗi tiềm ẩn, xác định vị trí sự cố và hỗ trợ bảo trì — những khả năng đáp ứng các yêu cầu về độ tin cậy đối với những đợt huấn luyện kéo dài được nêu trong thông báo của CoreWeave.

Trong nền tảng AI vật lý rộng hơn, CoreWeave cho biết dịch vụ Kubernetes của họ điều phối các tác vụ huấn luyện và mô phỏng, trong khi hệ thống lưu trữ phân tán và lưu trữ đối tượng lưu giữ dữ liệu cảm biến và mô phỏng ở quy mô petabyte. Mạng InfiniBand và RoCE truyền dữ liệu trực tiếp giữa các GPU trên nhiều máy chủ, bỏ qua CPU để giảm thời gian chờ nhàn rỗi khi các tác vụ phân tán trao đổi dữ liệu cảm biến, trạng thái mô phỏng và véc-tơ gradient.

Các công cụ thử nghiệm bổ sung khả năng theo dõi nguồn gốc phiên bản: Weights & Biases Models theo dõi các thử nghiệm; Registry liên kết một điểm kiểm tra với chính xác bộ dữ liệu và đợt huấn luyện đã tạo ra điểm kiểm tra đó; còn Weave hỗ trợ lưu vết, đánh giá và giám sát. Những hồ sơ này giúp kỹ sư lần ngược từ một vấn đề phát hiện trong quá trình thử nghiệm về đúng điểm kiểm tra của mô hình, bộ dữ liệu và đợt huấn luyện có liên quan. Với một hệ thống lái xe trọng yếu về an toàn, khả năng truy xuất này hỗ trợ việc so sánh và xác thực, song song với năng lực huấn luyện.

Thỏa thuận đưa toàn bộ chu trình lặp vào phạm vi mở rộng hạ tầng của Wayve. Việc triển khai thương mại nhanh hơn phụ thuộc vào hiệu quả mà hoạt động huấn luyện, đánh giá và mô phỏng tích hợp có thể chuyển trải nghiệm lái xe thành những cải tiến đã được xác thực, đồng thời duy trì độ tin cậy và khả năng truy xuất cần thiết cho phần mềm lái xe trọng yếu về an toàn.