新闻Robotics & Automation News7 天前
Wayve携手CoreWeave用Blackwell GPU加速具身驾驶模型训练
本文由 AI 根据公开内容整理,可能有误,请以原文为准:CoreWeave partners with Wayve to accelerate AI training for autonomous vehicles(Robotics & Automation News)
核心内容
AI云计算提供商CoreWeave宣布与具身智能开发商Wayve达成多年期战略合作协议。Wayve将把其自动驾驶基础模型“AI Driver”的训练、评估与仿真工作负载迁移至CoreWeave Cloud,并采用Nvidia Blackwell GPU算力。此前Wayve已使用Weights & Biases进行实验管理,此次升级标志着其从工具链向专用AI云基础设施的规模化扩展,以应对物理世界模型对高可靠性长时训练及大规模安全验证的严苛需求。
Wayve的AI Driver作为通用驾驶智能层,依赖全球70多个国家采集的真实驾驶数据构建数据飞轮,涵盖私家车与Robotaxi场景。此类前沿物理AI负载要求云平台具备训练、评估与仿真的一体化能力及可观测性,以验证模型迭代的安全性与性能增益。CoreWeave凭借在MLPerf基准测试中的记录级表现及SemiAnalysis ClusterMAX铂金评级,为这种高复杂度具身智能训练提供了专用的算力底座与工程化支撑。
关键看点
- 算力底座:Wayve基于CoreWeave Cloud部署Nvidia Blackwell GPU集群,专门用于自动驾驶基础模型的训练、评估与仿真全流程加速。
- 数据规模:AI Driver模型训练数据源自全球70多个国家的真实驾驶场景,属于附带物理约束与安全要求的前沿具身智能负载。
- 工程闭环:集成Weights & Biases实现全链路可观测性,支持长周期训练稳定性监控及模型版本间的安全性与性能对比验证。
- 平台性能:CoreWeave在MLPerf推理与训练基准中刷新纪录,并连续三次获得SemiAnalysis ClusterMAX铂金排名,验证了集群效能。
工程与产业观察
此次合作确立了具身智能大模型训练对专用AI云基础设施的强依赖。随着驾驶数据从单一场景扩展至全球70国,通用算力难以满足物理AI对长时训练稳定性与安全验证的需求。采用Blackwell GPU配合一体化仿真评估环境,成为解决端到端自动驾驶模型Scaling Law瓶颈、加速商业部署的关键工程范式。
外部来源
本页事实对应的公开页面,以原文为准。(点击将离开本站)