Saildrone成立于2012年,致力于让海洋情报采集变得经济高效,为科学、渔业、天气预报、海洋测绘和海事安全行业提供数据采集系统,目前已获得1.9亿美元的融资,并且是NVIDIA初创加速计划的成员。
Saildrone拥有三种不同的自动无人驾驶水面航行器(USV),并通过其Mission Portal控制中心服务监测自定义任务和近乎实时地将数据可视化。Saildrone还免费向公众开放部分历史数据。
Saildrone所开发的USV搭载了多种传感器,所采集的数据在边缘的NVIDIA Jetson模块进行AI处理后,使用NVIDIA DeepStream软件开发套件对原型进行智能视频优化。
通过使用NVIDIA JetPack SDK,Saildrone在Jetson平台上获得了完整的硬件加速边缘AI开发环境。公司通过在该模块上进行机器学习实现了基于图像的航行器探测,以此辅助导航。
Saildrone领航员利用从航行器传回的海洋气象数据设定航点并优化航线。所有USV均被全天候监测,操作员可根据需要通过云端远程更改航线。
由于从生成高分辨率图像的高性能传感器套件进行传输的带宽有限且成本高昂,机器学习主要在本地的Jetson模块上运行,但也可以通过卫星连接到云端运行。
这些USV携带用于测量风力、温度、盐度和溶解碳的海洋学传感器。Saildrone还能利用测深传感器研究海底和湖底,包括使用单波束或多波束深层声纳测绘加深或扩大勘测范围等。该公司的感知传感器套件包含了雷达和可视化水下声学传感器。
Saildrone充分利用NVIDIA DeepStream SDK开发其视觉AI智能应用和服务。开发者可以使用该套件为AI视频、音频和图像分析构建通畅的传输通道。
DeepStream的吞吐量提升了10倍,应用范围也从边缘扩展到云端的各个领域,可用于开发能够处理多个视频、图像和音频流的最佳智能视频应用。
依靠DeepStream的图像预处理和模型推理能力,Saildrone甚至可以在海上利用太阳能和风能实现边缘机器学习。
与传统的船只和船员相比,Saildrone USV能让研究人员利用更少的资源采集更多的数据,不但能够节约能源,还能使船员远离危险。
这些USV专为恶劣天气和长时间任务而打造。近期,该公司的一艘USV完成了为期370天的二氧化碳监测航行。这艘USV从罗德岛出发,横跨北大西洋到达佛得角,再沿赤道到达非洲西海岸,最后返回佛罗里达。
若想主要依靠太阳能和风能运行,就需要使用节能的计算来处理海量数据。通过使用NVIDIA Jetson,Saildrone的计算负载功耗比运行GPU的常规计算平台更低,这对于执行此类任务至关重要。
全球科学界正在将NVIDIA AI应用于气候研究,比如构建超本地气候模型、使用AI改善碳封存、研究可再生能源等等。为了预测气候变化,NVIDIA正在开发世界上最强大的AI超级计算机Earth-2,它将被用于在Omniverse中创建地球的数字孪生。
好文章,需要你的鼓励
智能网卡(SmartNIC)技术自2013年AWS首次应用以来,虽然获得了VMware、英特尔、AMD和英伟达等巨头支持,但市场表现平平。分析师指出,目前主要客户仍局限于服务提供商。然而,随着AI技术蓬勃发展,情况正在改变。英伟达、红帽等厂商在AI云架构中推荐使用DPU,认为其可优化推理工作负载并提升资源效率,AI革命有望真正推动智能网卡技术普及。
法国Valeo公司联合巴黎索邦大学开发出DIP技术,让AI模型能像人类一样通过少量样本快速学习图像理解。该技术采用创新的"元学习"训练方式,无需人工标注即可显著提升模型在复杂场景下的分割性能,训练时间仅需9小时,在多个数据集上表现优异,为自动驾驶、医疗影像等领域应用提供了新可能。
YouTube为Premium会员推出AI生成的搜索轮播功能,可在购物和地点查询时显示相关视频序列。同时,此前仅限Premium用户的AI对话助手开始向美国普通用户开放,用户可通过"询问"按钮获得视频摘要和内容问答服务。该AI工具基于YouTube平台和网络信息运行,但准确性仍待观察。
微软等机构联合推出的RealPlay系统首次实现了用游戏控制指令生成现实视频的突破。该系统仅使用赛车游戏数据训练,却能控制现实中的汽车、自行车和行人运动,控制成功率达90%。RealPlay支持交互式视频生成,用户可像玩游戏般逐步指导视频发展,生成质量接近真实拍摄,为AI视频生成和未来游戏引擎开发开辟了新方向。