所属分类：芯片半导体与FPGA 当前为单品课程，可返回上一级继续浏览同方向资料。

← 返回上一级

← 返回所属目录咨询 / 购买

NVIDIA DRIVE Thor SoC架构

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

学习目标 · 课程结构 · Thor SoC在自动驾驶中的定位与…

课程导入学习目标

自动驾驶计算平台演进

从DRIVE PX到DRIVE Or…

自动驾驶计算平台…DRIVE

Thor SoC总体架构

芯片级模块划分 · 关键IP组合 · 异构计算单元（CPU

ARM CPU核心配置 · 内存层级 · 缓存一致性

NVIDIA GPU架构 · Tensor Core · 光线追踪单元

深度学习加速器（DLA）

DLA架构 · 卷积/矩阵运算加速 · 多DLA协同与性能指标

DLA深度学习加速器

可编程视觉加速器（PVA）

PVA功能 · 视觉处理流水线 · 与DLA的分工协作

PVA可编程视觉加速器

内存与存储架构

LPDDR5/HBM接口 · 带宽设计 · 内存分区

内存存储架构

互连与片上网络（NoC）

NoC拓扑 · 带宽分配 · QoS机制

安全岛与功能安全

ASIL-D设计 · 锁步CPU · 安全监控

安全岛功能安全

网络安全架构

硬件信任根 · 安全启动 · 密钥管理

网络安全架构硬件信任根

虚拟化与多域隔离

Hypervisor支持 · 多操作系统并行 · 域间通信与资源隔离

虚拟化多域隔离

传感器接口与数据输入

摄像头 · 激光雷达 · 毫米波雷达接口

传感器接口数据输入

车载网络集成

CAN · CAN FD · FlexRay

车载网络集成CAN

电源管理与热设计

功耗预算 · 动态电压频率调整（DVFS） · 散热方案与可靠性

电源管理热设计

软件平台与SDK

DriveOS · CUDA · TensorRT

SDK软件平台

工具链与开发流程

NVIDIA SDK Manager · Nsight · 调试工具

工具链开发流程

模型部署与优化

将深度学习模型（CNN · Transformer）部署到Tho…

模型部署优化

多传感器融合处理

在Thor上实现摄像头 · 雷达 · 激光雷达数据融合的架构设计与实践

多传感器融合处理Thor

自动驾驶功能实现

从感知 · 预测 · 规划到控制的端到端流水线在Thor上…

自动驾驶功能实现从感知

基于Thor的L2+级ADAS系统设… · 软件配置 · 性能评估

案例实战Thor

基于Thor的L4级Robotaxi… · 安全机制 · 实时性保障

案例实战Thor

性能基准与测试方法

使用标准数据集（如KITTI · nuScenes）进行性能测试与对比

性能基准测试方法

常见问题与调试

启动失败 · 内存泄漏 · DLA利用率低

常见问题调试

系统集成与验证

硬件在环（HIL） · 软件在环（SIL） · 实车测试的流程与要点

系统集成验证

与Orin的迁移路径

从DRIVE Orin迁移到Thor… · 性能提升与注意事项

Orin的迁移路径

生态与合作伙伴

NVIDIA自动驾驶生态 · 第三方工具集成 · 行业合作模式

生态合作伙伴

未来趋势与演进

Thor后续版本 · 车规级芯片发展趋势 · AI大模型在车端部署的挑战

未来趋势演进

设计一个基于Thor的智能驾驶域控制… · 包括架构图 · 资源分配

综合项目Thor

课程总结与进阶路径

核心知识点回顾 · 常见误区 · 推荐资源与学习路线

课程总结进阶路径