• Thomas Fone

大陆集团使用 NVIDIA DGX 系统搭建了属于自己的人工智能(AI)超级计算机

大数据,强算力,高成效

大陆集团投资搭建了属于自己的人工智能(AI)超级计算机,其计算性能在全球汽车行业中名列前茅。位于法兰克福的超级计算机数据中心,为全球各地的开发人员提供算力支持和存储功能。





用于自动驾驶的超级计算机

高级驾驶员辅助系统利用人工智能使汽车能够做出决策、辅助驾驶员并最终实现自主驾驶。但是,随着系统日益复杂,传统的软件开发方法和机器学习方法已经达到了极限。深度学习和仿真已成为基于人工智能的解决方案的基本开发方法。


深度学习

通过深度学习,人工神经网络可以让机器从经验中学习并将新信息与现有知识联系起来,仿真人类大脑的学习过程。但是,一个孩子只要看过几十张不同款汽车的图片就能识别出不同的汽车,而要让神经网络学会辅助驾驶员,甚至于自主驾驶车辆,却需要用到数以百万计的图片,用大量数据耗费数千个小时对其进行训练。超级计算机不仅缩短了这一复杂过程所需的时间周期,还缩短了新技术上市的时间。今后,完成全面神经网络训练所需的时间将从数周缩短至数小时。


仿真和虚拟数据生成

目前,训练神经网络所用的数据主要来自大陆集团的测试车队。车队每天行驶 15 000 公里左右,收集约 100 TB的数据,这一数据量相当于 50 000 小时的电影。所记录的数据可以通过回放来仿真实车测试,用于开展新系统训练。超级计算机可综合生成数据,这是一种高度消耗计算能力的用例,能够让系统从仿真环境下的虚拟行驶中进行学习。



优化开发流程

首先,从长远来看, 由于系统本身就可以即时创建必要的训练场景,或将不再需要记录、存储和挖掘现实车队生成的数据。

其次,它提高了开发速度,因为虚拟车辆只要几个小时就能走完现实汽车需要数周才能行驶完的路程。

第三,综合生成数据这一特性可以让系统处理和应对不断变化和不可预测的情况,最终使车辆能够在变化无常的和极端的天气条件下安全行驶,或者对行人的移动做出安全预测,为实现更高级别的自动化铺平道路。


携手英伟达保证最高品质

大陆集团的超级计算机有50多个NVIDIA DGX系统,与NVIDIA Mellanox InfiniBand网络相连。超级计算机采用混合模式,在需要时可通过云计算扩容,提高存储性能。



0 則留言

注册电子邮件警报

  • LinkedIn

© 2020 Testing Simulation Review 

Suite I, Business Development Centre, Stafford Park 4, Telford, Shropshire, England, TF3 3BA

www.testing-simulation.com