俗諺說，未來就在這裡，只是分佈不均，或許它是開著載滿電腦的卡車來的吧。
所以今天我們要宣布 NVIDIA PX 開發平台的價格及上市相關資訊。
一月在消費性電子產品展登場亮相的 NVIDIA DRIVE PX，是一具強大的自駕車用電腦，將深度神經網絡的能力搬到實體車輛上。
我們將在五月份正式推出 DRIVE PX 開發平台給各大車廠、最上層的車用品供應商及研究機構，讓路上行駛的車輛能逐漸朝向自動駕駛的方向。
NVIDIA DRIVE PX 是針對已經或即將在路上測試自駕車的車廠所打造的產品。
共通點：這些企劃案都靠 NVIDIA GPU 技術，即時處理和分析安裝在全車上感應器和攝影機傳回來的資料。
我們的其中一家合作夥伴已經宣布打算要讓他們的自駕車橫越美國。
DRIVE PX 的兩顆 NVIDIA Tegra X1 處理器提供 2.3 teraflops 的運算效能，而每顆超級晶片只有指甲片般大小。
NVIDIA DRIVE PX的兩顆NVIDIA Tegra X1處理器提供2.3 teraflops的運算效能。
那足以匯集12具攝影機流入的資料量，以及同時運行多項先進駕駛輔助功能，包括全車環繞影像、防碰撞系統、行人偵測、無後照鏡操作、交叉車流監測與駕駛人狀態監測。
多就是多
DRIVE PX 採用稱為「深度學習」的新技術，讓它擁有較目前小客車上能見到更多、更強大的功能。
那是因為當前的先進駕駛輔助系統，是按照車輛感應器能偵測到的物體分類原則進行演進。
它是能派上用場，但是還不夠。想像訓練此類系統去因應發生事件的可能性，的確它還做不到。
我們的 DRIVE PX 開發平台就是用來解決這個問題。它有稱為 DIGITS 的嶄新深度神經網絡軟體，還有視訊擷取和視訊處理元件庫。
DIGITS 這套深度學習訓練系統能運行在採用 NVIDIA GPU 的系統上（包括最新的 DIGITS DevBox 開發平台），讓電腦訓練自己瞭解四周的物體（請見 Parallel Forall 部落格上的《DIGITs: Deep Learning Training System》一文，有更詳盡的說明）。
深度神經網絡的運作方式，與人類透過經驗來學習極為相似。現在我們不只能訓練系統來辨識物體，還能訓練行為（請見《Here’s How Deep Learning Will Accelerate Self-Driving Cars》一文，裡面簡介了此運作方式）。
接著可以將 DIGITS DevBox 建立的模型裝入車輛，立即在 DRIVE PX 上運行。
您可以使用更多資料來訓練和再訓練這套系統，每次自駕車進行OTA更新時，就會變得更聰明。
結果：一套優秀的自駕系統能延伸汽車硬體的性能表現，又不用在行李廂安裝一大堆沒用的電子廢物。