保时捷引领大众汽车集团旗下品牌共建共享式自动驾驶数据飞轮

2026年10月21日，在 NVIDIA 于柏林举办的 GTC 大会上，保时捷、大众汽车集团旗下品牌和 CARIAD 宣布将共同构建用于自动驾驶汽车开发的共享数据飞轮。保时捷将与Voxel51、NVIDIA 和 Microsoft 合作，牵头推进初期实施并整合生态系统。

大众汽车集团正牵头开发实体 AI 技术栈，将车队数据与仿真、训练和评估相连接。Voxel51 表示，该集团的联网车队每天生成的数据量相当于 11,000 名普通驾驶者所产生的数据。各公司预计，这项合作可将重复的实车测试行驶减少最多 90%，并将 AI 回归测试周期缩短最多 85%。

数据飞轮各方的分工

各公司将这项合作描述为一套参考架构，供汽车制造商用于构建下一代高级驾驶系统。

大众汽车集团提供联网车队、真实道路驾驶数据、车辆平台和系统需求。Voxel51 提供数据层，为飞轮中的六项工作流程提供支持：多模态搜索与检索、自动标注、基于场景的数据筛选、数据集平衡、训练数据选择和模型验证。NVIDIA 提供数据检索、生成和仿真技术，其中包括用于准备、扩充和评估训练数据的 Cosmos Data Factory，用于重建真实道路驾驶过程的 Omniverse NuRec 库，以及用于在仿真环境中测试驾驶系统的开放模型和工具。Microsoft Azure 提供云服务和计算资源，相关工作负载将在该集团现有基础设施上以整个车队的规模运行。

NVIDIA 在其新闻中心发布的公告称，在此次大会上，保时捷正通过 Voxel51 牵头推进一套适用于大众汽车集团旗下品牌的数据飞轮工作流程，并在 Azure 上使用 Cosmos Data Factory 和 Omniverse NuRec。

NVIDIA 汽车业务副总裁 Rishi Dhall 在公告中表示，仿真正将真实道路驾驶经验转化为持续学习和改进的循环；他还表示，大众汽车集团可以借助 Voxel51 的数据平台以及 Omniverse NuRec 和 Cosmos，将车队数据转化为高保真仿真场景。

审计、生成门槛与重建结果

对驾驶软件版本进行虚拟验证，是该数据飞轮最先应用于保时捷和大众汽车集团的场景之一。工程师会根据实际驾驶记录渲染重建后的摄像头输入，并将仿真输出与现实测量结果进行核对。Voxel51 表示，其目标是让测试过程可重复、缩短反馈周期，并减少对实车测试行驶的依赖。

在任何记录进入 GPU 重建流程之前，Voxel51 都会对原始日志进行审计，约有 80 项检查，涵盖传感器完整性、时序、校准、轨迹、目标对象和坐标系。Voxel51 负责物理 AI 合作事务的负责人 Dan Gural 在一篇技术深度解析中指出，审计会直接读取 MCAP 文件，并分三个层级运行：清单检查每次驾驶约需一毫秒，片段检查约需一秒，解码检查每次驾驶需几分钟。每项检查都会记录其通过、失败或无法执行；Voxel51 将这一规则称为“未报告失败不等于通过”，因此缺失的输入不能被视为有效数据。

Gural 将这一循环分为五个阶段：查找、检查、生成、重建和评估。在查找阶段，该平台集成 NVIDIA Cosmos Dataset Search，片段经 Cosmos-Embed1 嵌入后存储在 Milvus 中。随后，智能体式重排序器会让规划模型根据搜索意图编写评分标准，再使用 Cosmos Reason 按照该标准为每个片段打分，并对列表重新排序。

Gural 报告称，Voxel51 使用七个公开数据集验证了这套审计机制：nuScenes、Waymo、PandaSet、Argoverse 2、MAN TruckScenes、aiMotive 和 Lyft Level 5。审计在已发布数据中发现了 25 个确认的问题，其中 17 个在重建前得到修复。对于使用 Cosmos Data Factory 生成合成数据的情况，深度解析报告称，保存的门槛评估证据显示，12 个采样步骤在接受率上与 35 个采样步骤相当，同时将每个片段的成本从 6.80 GPU 分钟降至 2.43 GPU 分钟；一项属性门槛仅让 30% 至 38% 的生成片段通过；重新校准评判模型后，语义通过率从 3% 提高到 91%，且未增加 GPU 时间。

关于重建，深度解析报告称，在 NVIDIA H100 GPU 上处理的 25 个公开 nuScenes 场景中，峰值信噪比中位数为 29.05 dB。报告还提到一个 nuScenes 夜间场景：其峰值信噪比为 28.59 dB，但结构相似性得分为 0.56，学习型感知相似性得分为 0.61。Gural 以此说明，单一图像质量指标可能会判定一个视觉效果明显不佳的结果通过。每次重建运行都会进入人工审核队列，工程师可以批准其用于仿真、退回重新训练，或予以拒绝；已完成的场景则会打包为 USDZ 文件，可直接用于仿真器，其中包括 NVIDIA AlpaSim。

Azure 部署与数据飞轮的管理权

每个阶段都会作为一项任务在 Microsoft Azure 上运行，大众汽车集团在该平台管理其车队数据。Azure 提供数据处理、重建和仿真所需的存储与计算资源，同时确保这些工作负载处于集团现有的安全、身份管理和区域治理框架之内。

Voxel51 表示，通用数据模型可以让一个项目中生成的驾驶数据和场景在不同车型项目、软件版本和品牌之间延续使用；每次新增驾驶数据都会扩充场景库，而重建后的场景也可在未来的开发和验证周期中重复使用。

Voxel51 联合创始人兼首席执行官 Brian Moore 写道，汽车制造商可以掌控自己的开发闭环，而不必亲自构建每一种工具：“要真正实现行业领先的性能，关键在于充分利用公司能够获取的数据。你需要掌控开发和迭代闭环，即使你并非亲自构建技术栈的每一层。”Voxel51 将其平台描述为可扩展平台，团队可以接入自己的模型、定义自定义场景逻辑，并连接现有数据和基础设施，而平台不会规定驾驶系统本身应如何构建。

Voxel51 回顾称，该公司于 2024 年开始与 Porsche 合作。当时，Porsche 技术负责人 Tin Stribor Sohn 将数据挑战描述为一项需要自动标注来理解数据、场景检测来找出新内容或重要内容，以及数据整理来消除冗余的工作。Voxel51 的文章还援引 McKinsey 的一项调查指出，全球每四位消费者中就有一位会为了更好的自动驾驶功能而更换品牌。

另外，NVIDIA 在 GTC Berlin 发布的消息称，Volkswagen Commercial Vehicles 正在展示其基于 NVIDIA Hyperion 计算平台的自动驾驶 ID. Buzz AD 车辆平台，以支持多种自动驾驶系统。