Nøkkelinnsikt

• DRIVE AV bruker to systemer i parallell: en AI-modell (Alpamayo) som kjører naturlig, og et klassisk sikkerhetssystem som alltid holder AI-en innenfor trygge grenser.
• Alpamayo-modellen har blitt iterert over 2 300 ganger, tilsvarende rundt 7 nye versjoner per dag, uten at sikkerheten noen gang har vært i fare.
• Datasvinghjulet kjøres med 2 millioner simuleringstester daglig, der NuRec rekonstruerer virkelige kjøresituasjoner på pikselnivå og Cosmos genererer sjeldne scenarier kunstig.
• Euro NCAP 2025 ga DRIVE AV høyeste mulige karakter, første gang en slik plattform ble testet.

Kort fortalt

Jensen Huang, gründer og konsernsjef i NVIDIA, og Xinzhou Wu, visepresident for bil i NVIDIA, kjører autonomt gjennom San Francisco mens de forklarer hva som gjør NVIDIA DRIVE AV til noe annet enn konkurrentene. Kjernen er en dobbel arkitektur: en AI-modell som kjører slik et menneske ville gjort, kombinert med et klassisk sikkerhetssystem som aldri lar AI-en ta usikre avgjørelser. Det er kombinasjonen av disse to som ifølge NVIDIA gjør veien til robotdrosjer mulig.

---

Hva er DRIVE AV?

DRIVE AV er NVIDIAs plattform for autonom kjøring, og det som skiller den fra andre løsninger er at den kombinerer to fundamentalt forskjellige tilnærminger i samme system.

Den første er Alpamayo, en ende-til-ende-modell (en AI som tar inn sensordata og leverer kjørebeslutninger direkte, uten mellomliggende moduler). Den andre er et klassisk programvarelag bygget på ASIL-protokollen, som står for Automotive Safety Integrity Level, et internasjonalt sikkerhetsnivåsystem for bilindustrien. Det klassiske laget er utviklet med tradisjonell programmeringslogikk og kan verifiseres trinn for trinn.

Ingen av disse tilnærmingene er nye i seg selv. Det revolusjonerende er at NVIDIA kjører begge parallelt og lar dem utfylle hverandre.

---

Slik fungerer det

Alpamayo: AI-en som kjører som et menneske

Alpamayo er trent på store mengder menneskelig kjøredata. Modellen lærer seg ikke regler for hva den skal gjøre i ulike trafikksituasjoner; den lærer seg å etterligne det menneskene gjør. Det gir en kjørestil som oppleves naturlig i stedet for stiv og mekanisk.

Et godt eksempel er fartshumper. Med et klassisk system må ingeniørene programmere hvert steg: oppdag fartshump, beregn bremsepunkt, bestem hastighetsreduksjon. Med Alpamayo skjer det bare, fordi modellen har sett hvordan mennesker reduserer farten foran ujevnheter. Ingen eksplisitt programmering var nødvendig.

Fordi hele kjørekjeden håndteres av én samlet modell, betyr en forbedring på ett område at hele systemet forbedres. I klassiske systemer med mange separate moduler kan det å fikse ett problem skape nye problemer et annet sted.

Det klassiske sikkerhetslaget: systemet som aldri sover

Ende-til-ende-modeller har én grunnleggende svakhet: vi vet ikke hva de ikke kan. En modell kan oppføre seg upålitelig i tilfeller den ikke har sett under trening, det NVIDIA kaller å havne «utenfor treningsdata».

Det klassiske sikkerhetslaget er svaret på denne utfordringen. Det overvåker Alpamayo kontinuerlig og griper inn hvis AI-en er i ferd med å gjøre noe utenfor forhåndsdefinerte trygge grenser. Resultatet er at selv om Alpamayo opplever en regresjon (en versjon som er dårligere enn forrige), vil sikkerheten aldri svikte. Som Wu formulerer det: «Du mister evner, men ikke sikkerhet».

Denne garantien er det som gjør rask iterasjon mulig. Teamet kan oppdatere Alpamayo i høyt tempo fordi de alltid har et sikkerhetsnett.

Datasvinghjulet: 2 millioner tester hver dag

En selvkjørende AI er ikke bedre enn dataene den trenes på. NVIDIA har bygget et omfattende system for å samle og syntetisere treningsdata:

NuRec (nevral rekonstruksjon) tar opptak fra virkelige kjøreturer og rekonstruerer scenene på pikselnivå. Dette gir simulerte testmiljøer som er nær identiske med virkeligheten.

Cosmos er NVIDIAs verdensmodell (world foundation model), en AI som simulerer fysiske omgivelser og kan skape syntetiske kjørescenarier, inkludert sjeldne hendelser som nesten aldri dukker opp i ekte kjøredata. Den kan også brukes til å variere NuRec-rekonstruksjoner, for eksempel ved å endre vær eller lysforhold.

Et funksjonelt scenariotre organiserer alle de kjøresituasjonene DRIVE AV må mestre som et tre av noder. Nye situasjoner som dukker opp i testing legges til som nye greiner. AI-verktøy hjelper med å fylle inn manglende scenarier.

Til sammen kjøres 2 millioner simuleringstester hver dag mot disse scenariene.

---

Hvorfor det er viktig

Fra L2++ til robotdrosjer

Selvkjøring deles inn i automatiseringsnivåer. L2++ er ikke en offisiell SAE-betegnelse, men et bransjebegrep brukt av blant andre NVIDIA:

DRIVE AV er designet for å skalere fra L2++ via L3 til L4. Den samme sikkerhetsarkitekturen følger med opp gjennom nivåene.

For robotdrosjer (nivå 4) er planen å supplere med fjernoperasjon som sikkerhetsnett: et operasjonssenter, litt som et flyledetårn for biler, der operatører kan sende bilen noen veipunkter hvis den setter seg fast. Bilen navigerer selv videre derfra.

Euro NCAP 2025: høyeste karakter

DRIVE AV mottok den høyeste karakteren i Euro NCAP 2025-testingen, den europeiske sikkerhetsvurderingen for biler. Det var første gang en AV-plattform ble testet, og karakteren ble oppnådd med en gang.

Neste generasjon

Alpamayo-modellen har rundt én milliard parametere. Neste steg er å tilføre den resonnering (evnen til å tenke gjennom ukjente situasjoner steg for steg) og hukommelse (muligheten til å lære av spesifikke hendelser over tid). Målet er at modellen gradvis skal trenge mindre støtte fra det klassiske sikkerhetslaget.

---

Vanlige misforståelser

«Ende-til-ende-AI gjør klassisk programmering overflødig»

Nei. Alpamayo er kraftfull nettopp fordi den ikke opererer alene. Uten det klassiske sikkerhetslaget ville det vært umulig å verifisere at bilen alltid oppfører seg trygt. Kombinasjonen er hele poenget.

«Raskere utvikling betyr at sikkerheten svekkes»

Det motsatte er tilfellet. Fordi det klassiske laget fungerer som et sikkerhetsnett, kan teamet oppdatere AI-modellen hyppig uten at sikkerheten er i fare. De kjørte i snitt 7 nye modellversjoner per dag over et år, og nådde versjon 2 300, uten å ofre sikkerhet for hastighet.

---

Praktiske implikasjoner

For forbrukere

Kjøreopplevelsen er rolig og trygg. Journalister som har prøvd systemet, beskriver det som trygt og selvsikkert snarere enn nervøst og nølende. Systemet er noe mer konservativt enn en gjennomsnittlig menneskelig sjåfør, noe NVIDIA ser som riktig på dette stadiet.

For bilindustrien

Mercedes-Benz er blant bilprodusentene som allerede bruker DRIVE AV-plattformen. Den doble arkitekturen gir et veikart fra avansert førerassistanse til fullautonomi der sikkerhetskomponentene er de samme gjennom hele løpet.

For AV-bransjen generelt

Datasvinghjulet (NuRec + Cosmos + funksjonelt scenariotre + 2 millioner daglige tester) representerer en industriell tilnærming til å samle og syntetisere treningsdata. Det er ikke nok å ha en god modell; man trenger også infrastrukturen til å forbedre den kontinuerlig.

---

Ordliste

---

Kilder og ressurser