动汽车制造商蔚来运用领先的 AI 基础设施打造高性能软件定义汽车。
新一代智能汽车需要通过能够驱动先进技术的 AI 基础设施来打造。
电动汽车制造商蔚来正在使用 NVIDIA HGX A100 构建综合全面的数据中心基础设施,并在此基础上开发 AI 驱动的软件定义汽车。凭借高性能计算,蔚来可以在复杂的深度学习模型上不断迭代,在闭环环境中构建强大的自动驾驶算法。
蔚来 AI 平台负责人白宇利表示:“量产车面临的复杂场景是蔚来自动驾驶能力的试金石,同时,量产车产生的海量数据也是蔚来自动驾驶能力护城河。NVIDIA 的高性能计算解决方案,成为了蔚来在自动驾驶这条道路上的加速器。”
蔚来已推出在该基础设施上开发的多款智能汽车,例如智能电动旗舰轿车 ET7 。蔚来的中型智能电动轿跑 ET5 也计划在 9 月首发。
这两款车型均使用高性能数据中心开发,并且在搭载了 4 个 NVIDIA DRIVE Orin 系统级芯片的 Adam 超算平台上构建。它们的自动驾驶和智能座舱功能可以通过数据中心不断迭代和改进,带来具有颠覆性的客户体验。
使用 NVIDIA GPU 和网络构建高性能 AI 基础设施
数据中心可以采集、整理和标记海量数据,以用于训练大型 AI 模型。
数据采集车队每年产生数百 PB 的数据和数十亿张图像。这些数据会被用于优化将在车辆中运行的深度神经网络(DNN)。
蔚来的可扩展 AI 基础设施由 NVIDIA HGX 驱动,共配备 8 个 A100 Tensor Core GPU 和 NVIDIA ConnectX-6 InfiniBand 网卡。这个可扩展的超级计算机集群中包含一组 NVME SSD 服务器,并通过高速 NVIDIA Quantum InfiniBand 网络平台相互连接。
这个强大的基础设施具有 200Gbps 的超高传输速率,可将大量深度学习训练数据传输到超级计算机内存或 NVIDIA A100 显存。
NVIDIA HGX A100 是专为 AI 场景设计的高性能服务器平台,包含了许多大型数据集和复杂的模型(如用于驱动自动驾驶汽车的模型)。该平台在 NGC 中整合了经过全面优化的 NVIDIA AI 软件堆栈,具有 5 PETAFLOPS 的 AI 性能,树立了计算密度的新标杆。
凭借 HGX A100,蔚来自动驾驶研发平台(NADP)能够灵活地开发和部署可扩展的 AI 系统,以一站式平台取代多个孤立的基础设施,以管理大量复杂的 AI 应用,并将模型开发效率提高 20 倍,进而缩短自动驾驶汽车的上市周期,开发出更新、更快的架构。
锐意进取
蔚来正在凭借其软件定义汽车阵容抢占“跑道”。公司宣布计划将合肥工厂的产能提高一倍,达到每年 24 万辆,最高总产可达 30 万辆。
随着蔚来产能的扩大以及在全球市场的不断扩张, NVIDIA HGX 也将随之扩展,助力蔚来部署汽车行业最先进的 AI 平台。
好文章,需要你的鼓励
北京大学研究团队开发出基于RRAM芯片的高精度模拟矩阵计算系统,通过将低精度模拟运算与迭代优化结合,突破了模拟计算的精度瓶颈。该系统在大规模MIMO通信测试中仅需2-3次迭代就达到数字处理器性能,吞吐量和能效分别提升10倍和3-5倍,为后摩尔时代计算架构提供了新方向。
普拉大学研究团队开发的BPMN助手系统利用大语言模型技术,通过创新的JSON中间表示方法,实现了自然语言到标准BPMN流程图的自动转换。该系统不仅在生成速度上比传统XML方法快一倍,在流程编辑成功率上也有显著提升,为降低业务流程建模的技术门槛提供了有效解决方案。
谷歌宣布已将约3万个生产软件包移植到Arm架构,计划全面转换以便在自研Axion芯片和x86处理器上运行工作负载。YouTube、Gmail和BigQuery等服务已在x86和Axion Arm CPU上运行。谷歌开发了名为CogniPort的AI工具协助迁移,成功率约30%。公司声称Axion服务器相比x86实例具有65%的性价比优势和60%的能效提升。
北京大学联合团队发布开源统一视频模型UniVid,首次实现AI同时理解和生成视频。该模型采用创新的温度模态对齐技术和金字塔反思机制,在权威测试中超越现有最佳系统,视频生成质量提升2.2%,问答准确率分别提升1.0%和3.3%。这项突破为视频AI应用开辟新前景。