Візуальні обчислення сьогодні покладаються на обчислювальну потужність графічних процесорів (GPU), які, за словами Кріса, і дають можливість одночасно виявляти сотні навколишніх об'єктів», «звертати увагу», а також «ніколи не втомлюватися і не відволікатися». На його думку, комп'ютерне зір, обробка зображень і машинне навчання необхідні не тільки для того, щоб створити внутрішній «мозок» автомобіля, але і щоб обробляти дані в реальному часі для миттєвого прийняття рішень на дорозі.
Оснащений лазером з кутом огляду в 360 градусів, радаром і камерами спостереження, безпілотний автомобіль Google Self-Driving Lexus RX 450H збирає величезну кількість візуальних даних - приблизно 1 ГБ в секунду. Для порівняння - рядовий користувач смартфона споживає десь 3-4 ГБ даних в місяць. Отримані дані необхідно інтегрувати у вбудовану карту, щоб побудувати актуальну 3D-модель дорожнього оточення...Тільки уявіть потрібний рівень обчислювальних ресурсів! Без візуальних обчислень просто не обійтися.
Ось деякі завдання, вирішення яких стає можливим завдяки візуальним обчислень:
Завдяки масивно паралельній архітектурі, GPU як не можна краще підходить для вирішення подібних завдань. Можливість паралельних обчислень роблять GPU набагато більш ефективним інструментом, що CPU, для обробки великих обсягів даних.
Абсолютно очевидно, що, якщо машина збирається водити за людину, потрібно щоб усередині неї був справжній суперкомп'ютер. NVIDIA - лідер в області візуальних обчислень. Графічні процесори компанії знаходяться в основі найпотужніших суперкомп'ютерів світу, таких, як Titan в Національній Лабораторії Окриджа, «Ломоносов» в МДУ і не тільки. Важливо, що сьогодні супервимірювальні можливості GPU стають доступні і на індивідуальному рівні, в автомобілях і мобільних пристроях, роблячи можливим функціонування тих самих просунутих систем допомоги водієві.
Спеціально для автовиробників NVIDIA розробила пакет інструментів розробки додатків Jetson Pro. Для інших додатків для вбудованих систем доступна для замовлення платформа Jetson TK1.