英伟达优化BEV汇聚技术，助力AI驱动的机器人和自动驾驶
realtime news Jun 24, 2026 17:07
英伟达的BEVPoolV3大幅降低了GPU上的BEV汇聚延迟，推动了自动驾驶车辆、机器人和空间AI系统的发展。
英伟达推出了针对自动驾驶车辆（AVs）、机器人和空间AI的鸟瞰图（BEV）汇聚技术的重大改进，依托全新的BEVPoolV3。这一更新显著降低了英伟达GPU上的延迟，使诸如轨迹预测和地图构建等应用能够实时处理——这些是下一代自动化系统的关键推动因素。
BEV汇聚通过将来自多个摄像头的数据整合到一个统一的自上而下的空间网格中，从而简化了感知过程。然而，由于其分散累加操作、不规则的内存访问模式以及特定于GPU的缓存限制，历史上一直面临性能瓶颈。英伟达的BEVPoolV3消除了许多这些低效问题，相比其前代产品BEVPoolV2，根据硬件和配置的不同，提供了高达42倍的速度提升。
BEVPoolV3的新增功能
BEVPoolV3引入了四项关键优化：
- 减少冗余深度加载
- 使用五数组INT32散射图进行高效索引
- 预计算索引以消除运行时整数除法
- 基于区间的输出写入，避免原子操作
这些变化使BEVPoolV3能够适应不同的GPU内存环境。例如，在具有6 MB L2缓存的英伟达RTX A6000上，算法专注于减少DRAM流量。在具有128 MB L2缓存的RTX PRO 6000 Blackwell Max-Q上，这些优化则优先考虑指令效率和FP8处理，在典型配置下提供了仅16.4微秒的中位延迟。
对自动化系统的意义
BEV汇聚对于自动驾驶车辆和机器人至关重要。它使系统能够实时推理车道、车辆、行人和空闲空间。通过大幅降低延迟，BEVPoolV3增强了用于这些应用的AI模型的响应能力，为更安全、更高效的自动化车队部署铺平了道路。
对基于汇聚的技术的商业兴趣正在增长。像Waymo和Uber这样的公司正在大力投资于由AI驱动的汇聚算法支持的电动自动化车队。例如，Waymo最近推出了其Ojai机器人出租车，并宣布计划将用过的电池回收用于电网级能源存储。与此同时，Uber承诺投入1亿美元用于其电动机器人出租车的充电基础设施。英伟达在BEV汇聚技术方面的进步与这些行业趋势一致，为可扩展、高效的自动化移动系统提供了基础性支持。
性能与实际应用
英伟达的基准测试突出了BEVPoolV3对运行效率的显著影响。在RTX PRO 6000 Blackwell Max-Q上，具有更宽通道计数和更大点集的配置相比BEVPoolV2速度提升高达42倍。这种性能飞跃对于以下实际应用至关重要：
- 自主移动按需（AMoD）网络中的拼车算法
- 用于仓库自动化和配送系统的先进机器人
- 智慧城市和基础设施监控中的空间AI
此外，英伟达使用像Nsight Compute这样的工具确保这些优化可以推广到其他以收集/分散为主的工作负载，包括体素化和稀疏嵌入。
展望未来
随着自动化系统在2026年及以后逐步扩展，汇聚算法、电池管理和基础设施之间的相互作用将决定行业领导者。英伟达的BEVPoolV3将公司定位为该生态系统的关键推动者。开发者现在可以通过英伟达的TensorRT插件将这些优化应用到自己的工作负载中，从而释放新的效率和可扩展性水平。
BEV汇聚技术的广泛采用凸显了其在重塑城市出行、减少排放和整合能源系统方面的变革潜力。随着GPU加速AI的不断演进，英伟达的创新正在为实时空间智能设定标准。
Image source: Shutterstock.jpg)
