대규모 레이아웃 모델과 지능형 컴퓨팅 센터를 통해 자율주행의 새로운 인프라를 어떻게 구축할 수 있을까요?

2023년 초 Zhixing은 연말에 HAOMOAIDAY를 개최하여 자율주행 업계 최대 규모의 지능형 컴퓨팅 센터를 출범시켰습니다. 이후 Xpeng과 Ideal New Year는 모두 도시 내비게이션 지원을 믿었습니다. 운전, 그리고 대화형 AI 빅게임이 왔습니다. ChatGPT 모델이 인터넷 전체에서 인기를 얻었고, 자율주행 AI 기술이 다시 한번 최고 수준에 이르렀습니다.

자율주행의 '도시 진입'인지, ChatGPT의 '진화'인지, 그 이면에는 데이터와 컴퓨팅 파워에 대한 수요의 기하급수적 증가와 대형 모델 트레이닝이 숨어 있다. 수요가 증가함에 따라 업계에서는 지능형 컴퓨팅 센터를 자율 주행을 위한 "새로운 인프라"로 점점 더 언급하고 있습니다.

지능컴퓨팅센터는 인공지능 이론을 기반으로 첨단 AI 컴퓨팅 아키텍처를 활용해 인공지능 응용에 필요한 컴퓨팅 파워 서비스, 데이터 서비스, 알고리즘 서비스를 제공하는 지능형 컴퓨팅 센터이다. 새로운 인프라, 즉 지능형 컴퓨팅 센터는 실제로 컴퓨팅 전원 공급 장치이자 생산 플랫폼입니다. 그렇다면 왜 '자율보조운전'이 그것으로 '자율주행'이 될 수 있을까?

'주제' 자율주행의 한계비용과 자율주행 지능형 컴퓨팅 센터는 '클라우드 전용'

지능 컴퓨팅 센터가 자율주행의 부스터라는 말도 있다. 자율 주행 알고리즘 모델 훈련은 머신 러닝의 전형적인 시나리오 중 하나이기 때문에 자율 주행의 개발은 시각적 감지, 궤도 예측, 주행 계획과 같은 알고리즘 모델이 동시에 고도로 동시적인 병렬 계산을 완료해야 하기 때문에 매우 중요합니다. 컴퓨팅 성능에 대한 높은 수요 지능형 컴퓨팅은 알고리즘 모델의 성숙도를 향상시켜 엄청난 컴퓨팅 성능을 제공합니다.

자율주행 분야에서 지능형 컴퓨팅 센터를 이야기할 때 가장 먼저 언급해야 할 것은 테슬라다. 2017년 트랜스포머 네트워크가 등장한 이후, 대형 모델 분야에서 현재 주류 알고리즘 아키텍처의 기반을 마련했으며, 이후 2020년 테슬라는 트랜스포머 대형 모델을 자율주행 분야에 도입해 적용의 시작을 알렸다. 대형 AI 모델부터 자율주행까지. 이후 Tesla는 총 14,000개의 Nvidia GPU를 사용하여 AI 모델을 훈련하는 자체 AI 컴퓨팅 센터인 Dojo를 구축하기 시작했습니다. 효율성을 더욱 향상시키기 위해 Tesla는 2021년에 자체 개발한 AI 가속 칩 D1을 출시했으며, D1 25개를 함께 패키징하여 교육 모듈(Training Tile)을 구성한 다음 교육 모듈을 캐비닛(Dojo ExaPOD)으로 결합할 계획입니다. . 최근 Tesla AI DAY에서 머스크는 Tesla 슈퍼컴퓨터 그룹 ExaPOD가 2023년 1분기에 배치될 것이라고 밝혔습니다.

국내에서는 2022년 8월 Xpeng Motors와 Alibaba Cloud가 당시 중국 최대의 자율주행 지능형 컴퓨팅 센터인 'Fuyao'를 공동으로 구축했습니다. 이 센터는 컴퓨팅 파워 규모 600PFLOPS는 초당 60억 개의 부동 소수점 연산을 완료하는 것과 같습니다. 하지만 이 기록은 4개월여 동안만 유지됐다.

올해 1월 HaoMo Zhixing은 Volcano Engine과 협력하여 자율주행 업계 최대 지능형 컴퓨팅 센터인 MANA OASIS(Snow Lake Oasis)를 공동 출시했습니다. 670억 부동 소수점 연산에 도달할 수 있습니다. 초당 저장 대역폭은 2T, 통신 대역폭은 800G이다. Geely는 또한 1월 28일에 Geely Star 지능형 컴퓨팅 센터를 시작했습니다. 현재 거의 100PB에 달하는 지능형 운전 및 차량 인터넷 실험 데이터에 액세스했으며 100만 대의 온라인 차량에 대한 동시 컴퓨팅을 지원합니다.

현재 상황으로 볼 때 비용과 수요의 이중 요소는 지능형 컴퓨팅 센터의 매력적인 특징입니다.

비용 측면에서 자율주행의 기본 요소인 컴퓨팅 파워는 훈련, 라벨링 및 기타 작업을 완료하기 위해 고성능 지능형 컴퓨팅 센터가 필요합니다. Haomo의 MANA OASIS를 예로 들어 보겠습니다. Haomo는 Lego 고성능 연산자 라이브러리, ByteCCL 통신 최적화 기능 및 대규모 모델 훈련 프레임워크를 배포하여 소프트웨어와 하드웨어를 통합하여 컴퓨팅 성능을 최대한 최적화합니다. 학습 효율성 측면에서 Sparse MoE를 기반으로 하는 교차 머신 공유를 통해 1,000억 개의 매개변수가 있는 대규모 모델 학습을 쉽게 완료할 수 있으며, 100만 클립(비디오의 밀리초에 대한 가장 작은 주석 단위)의 학습 비용은 100에 불과합니다. 주당 칼로리를 절감하여 훈련 비용을 100배 절감합니다.

효율적이고 저렴한 데이터 인텔리전스 시스템을 구축하는 것은 자율주행 기술의 건전한 발전을 위한 기반이기도 하며, 자율주행 시스템이 지속적으로 반복되기 위한 중요한 연결고리이기도 합니다. 자율주행 폐쇄루프 상용화의 핵심이다.

Xpeng Motors 회장인 He Xiaopeng은 "이런 방식(지능형 컴퓨팅 센터)으로 컴퓨팅 성능을 미리 확보하지 않으면 향후 5년 내에 기업 컴퓨팅 성능 비용이 수억에서 수십억 수준."

퍼블릭 클라우드 서비스를 계속 사용하면 한계비용 상승은 단지 하나의 측면일 뿐이다. 더 중요한 것은 지능형 컴퓨팅 센터를 통해 자율주행 기업이 '전용 클라우드 서비스'를 달성할 수 있다는 점이다. ." 자율주행 개발에는 데이터 수집부터 데이터 스크리닝, 마킹, 모델 훈련, 재생성 검증, 시뮬레이션 테스트 등 모든 것이 포함됩니다. 클라우드 컴퓨팅의 본질은 컴퓨팅 장비를 임대하는 것입니다. 클라우드 서비스 제공업체는 더 많은 고객을 확보하기 위해 장비를 통합적으로 구매하며, 이러한 장비는 내부에 사용되는 CPU, GPU/AI 가속기, 메모리 모델을 포함하여 매우 다양합니다. 장비의 사양이 상대적으로 정해져 있어 자동차 회사나 자율주행 회사의 알고리즘과 최적의 매칭을 이루기가 어렵습니다. 더욱이, 클라우드 서비스 공급업체는 자율주행 알고리즘에 대한 이해도가 높지 않아 컴퓨팅 파워를 스케줄링할 때 손실과 효율성이 떨어지는 문제가 불가피하게 발생합니다.

따라서 수요 관점에서 볼 때 지능형컴퓨팅센터는 자율주행차와 자동차 회사의 중추 역할을 할 것으로 보인다.

또한 Haimou를 예로 들면 MANA OASIS의 지원으로 Haimou MANA의 5개 주요 모델이 새롭게 공개 및 업그레이드되었으며 차량 엔드 인식 아키텍처는 Haimou의 기술 스택을 세대 간 업그레이드했습니다. 레이아웃은 완전하고 선도적인 트렌드를 계속 유지하고 있으며, 특히 인식 및 인지 측면에서 업계를 선도하고, 대형 모델, 대용량 컴퓨팅 파워, 빅데이터 개발 방향을 선도하며 자율주행 3.0 시대를 향해 질주하고 있습니다.

데이터 수집, 스크리닝, 주석을 예로 들자면, 자율주행 시스템은 차량이 차선, 보행자, 차량 등을 빠르고 정확하게 식별할 수 있도록 초기 개발 단계에서 대량의 도로 환경 데이터를 수집해야 한다. 장애물 등 주행 환경의 주요 정보입니다. 유일한 방법은 방대한 데이터를 기반으로 훈련과 검증을 지속적으로 반복함으로써 차량의 도로 환경에 대한 인지 수준이 점차 실제 상황에 가까워지고, 그 과정에서 판단의 정확도가 지속적으로 향상되는 것입니다.

그뿐만 아니라 자동차 회사가 수집한 데이터도 모델 트레이닝을 거쳐야 하며, 알고리즘은 데이터를 조작해 모델을 생성하고, 지능형 컴퓨팅 센터는 대형 모델과 대규모를 구동하는 가속기가 될 것이다. 데이터 트레이닝. Sparse MoE를 기반으로 Haimo는 컴퓨팅 특성에 따라 희소 활성화를 수행하여 컴퓨팅 효율성을 향상시키고, 8개의 카드가 있는 단일 시스템에서 100억 개의 매개변수가 있는 대형 모델을 훈련하는 효과를 달성하고, 시스템 간에 경험을 공유하는 방법을 실현하고, 완성합니다. 1,000억 개의 매개변수 훈련을 갖춘 대규모 모델로 훈련 비용이 주당 100kcal 수준으로 절감됩니다. Hao Mo는 다음과 같은 여러 방식으로 정보를 동시에 처리할 수 있는 업계 최고의 다중 작업 병렬 훈련 시스템을 설계하고 구현했습니다. 그림, 포인트 클라우드 및 구조화된 텍스트를 통해 모델의 희소성 및 계산 효율성이 향상됩니다. MANA OASIS 교육 효율성이 100배 향상됩니다.

하오모 지싱(Haomo Zhixing) CEO 구웨이하오(Gu Weihao)도 지능형 컴퓨팅 센터 구축의 기본 논리에 대해 자세히 설명했다. "지능형 컴퓨팅 센터의 자율 주행을 위한 첫 번째 요구 사항은 컴퓨팅 성능이어야 합니다. 지능형 컴퓨팅 센터는 이 훈련장에서 얼마나 많은 AI 엔지니어가 대형 모델을 만들고 훈련할 수 있는지를 나타냅니다."

지능형 보조 운전이 '도시에 진입'할 때 Wei Mo가 MANA OASIS를 통해 해결한 문제는 무엇입니까?

이제 많은 자동차 회사와 자율주행 기술 기업은 지능형 컴퓨팅 센터 구축을 다음 단계 경쟁의 초점으로 여기기 시작했습니다. 올해 1월 HAOMO AI DAY에서 장카이(Zhang Kai) 하오모 지싱(Haomo Zhixing) 회장은 2023년 자율주행 산업 동향에 대한 10대 새로운 예측을 제시했습니다. 그 중에는 슈퍼컴퓨팅 센터도 있었습니다. “슈퍼컴퓨팅 센터는 보급형이 될 것입니다. .”

실제로 신에너지 차량 브랜드는 일반적으로 고속도로 시나리오에서 보조 운전을 표준 기능으로 만들면서 경쟁이 고속도로에서 도시로 조용히 이동했습니다. 고속 내비게이션 보조 주행에 비해 도시 주행은 신호등, 교차로, 보행자용 전기 자동차, 폐색, 고정 장애물, 잦은 정차 및 출발 등 일련의 문제를 수반하며 복잡성이 몇 배로 증가했습니다. 크기.

실제 테스트 차량만 사용하여 도시 시나리오에서 이러한 끝없는 코너 케이스에 도전한다면 비용, 안전 및 시간 모두 기업 발전의 장벽이 될 것입니다. 결과적으로 가상 시뮬레이션은 일부 비용과 시나리오 다양성을 해결하는 열쇠가 되었습니다. 그 중 대규모 롱테일 시나리오에는 데이터 센터의 충분한 컴퓨팅 성능 지원이 필요합니다. 동시에 시뮬레이션 시나리오를 현실로 되돌리는 과정에도 이를 지원하기 위한 엄청난 컴퓨팅 성능이 필요합니다.

MANA OASIS의 지원으로 하이모의 데이터 인텔리전스 시스템인 MANA의 5대 주요 모델이 새롭게 공개 및 업그레이드됐다. MANA의 최신 차량 측 인식 아키텍처는 5개 주요 모델의 도움으로 과거에 분산되어 있던 여러 다운스트림 작업을 통합하여 일반 장애물 인식, 지역 도로 네트워크, 행동 예측 및 기타 작업을 포함하는 보다 엔드투엔드 아키텍처를 형성합니다. 자동차 측면 인식 아키텍처는 세대 간 업그레이드를 달성했습니다. 이는 또한 Wei Mo가 더 강력한 인식 능력과 더 강력한 제품 역량을 갖추고 완전 무인 운전을 향해 가속하고 있음을 의미합니다.

첫 번째는 대형 시각적 자체 감독 모델로, Haimo는 중국 최초로 4D 클립의 자동 주석을 실현했습니다. Feimo는 대규모 비디오 클립을 사용하여 비디오 자체 감독을 통해 대규모 모델을 사전 훈련합니다. 수동으로 라벨링된 소량의 클립 데이터를 사용하여 Finetune(미세 조정)을 수행하여 모델이 능력을 갖도록 훈련합니다. 자동으로 레이블을 지정하려면 레이블이 지정된 클립 데이터를 미세 조정하고 수천만 개의 단일 프레임 데이터에 해당하는 원본 비디오를 추출하여 클립으로 구성합니다. 이 중 10%는 레이블이 지정된 프레임이고 90%는 레이블이 없는 프레임입니다. 그런 다음 이러한 클립을 모델에 입력하여 레이블이 지정되지 않은 프레임의 90%를 자동으로 처리함으로써 모든 단일 프레임 주석을 클립 주석으로 100% 자동 변환하는 동시에 클립 주석 비용을 98% 절감합니다. Haomo 비디오 자체 감독형 대형 모델의 일반화 효과는 매우 뛰어납니다. 심하게 가려진 자전거 타는 사람, 멀리 있는 작은 표적, 악천후 및 조명과 같이 매우 어려운 장면에서도 자동 주석을 정확하게 완료할 수 있습니다.

두 번째는 하이모가 데이터를 생성하고, 저렴한 비용으로 데이터 배포 문제를 해결하고, 인식 효과를 향상시키는 데 도움이 되는 대형 모델의 3D 재구성입니다.

"실제 데이터로부터 완전히 코너 케이스를 축적하는 것은 어렵고 비용이 많이 든다"는 업계 문제에 직면한 Feimo는 NeRF 기술을 자율 주행 장면 재구성 및 데이터 생성에 적용하여 관점, 조명 및 질감 재료를 변경하여 높은 현실감을 생성합니다. 저렴한 비용으로 일반 케이스를 획득하고 다양한 고비용 코너 케이스를 생성하는 데 사용됩니다. 대형 모델의 3D 재구성을 통해 생성된 데이터는 수동 명시적 모델링과 텍스처 렌더링의 기존 방법보다 더 좋고 저렴할 뿐만 아니라 NeRF에서 생성된 데이터를 추가하면 인지된 오류율을 30% 이상 줄일 수 있으며, 수동 참여 없이 데이터 생성을 완전히 자동화할 수 있습니다.

대규모 다중 모드 상호 감독 모델은 보편적인 장애물 인식을 완료할 수 있습니다. 차선과 일반적인 장애물의 정확한 감지를 성공적으로 실현한 후 Haimou는 도시의 다양한 특수 형태의 장애물을 안정적으로 감지하는 문제에 대한 보다 일반적인 솔루션을 생각하고 탐색하고 있습니다. 현재 Haomo의 대규모 다중 모드 상호 감독 모델은 LiDAR를 시각적 감독 신호로 도입하고 비디오 데이터를 직접 사용하여 장면의 보편적인 구조적 표현을 추론합니다. 이러한 보편적인 구조의 탐지는 기존의 의미적 장애물 탐지를 잘 보완하고 복잡한 도시 작업 조건에서 자율주행 시스템의 통과율을 효과적으로 향상시킬 수 있습니다.

대규모 동적 환경 모델은 도로의 위상학적 관계를 정확하게 예측할 수 있어 차량이 항상 올바른 차선에서 주행할 수 있습니다. 헤비 센싱 기술 경로에서 Haimou는 고정밀 지도에 대한 의존도를 최소화하기 위해 "도로 위상의 실시간 추론"이라는 과제에 직면해 있습니다. 이를 위해 Haimo는 BEV 특징 맵을 기반으로 표준 지도를 안내 정보로 사용하고 자동 회귀 인코딩 및 디코딩 네트워크를 사용하여 BEV 특징을 구조화된 토폴로지 포인트 시퀀스로 디코딩하여 차선 토폴로지 예측을 달성합니다. Haimou의 인식 능력을 인간과 같게 하면 표준 지도의 내비게이션 프롬프트에 따라 도로 위상에 대한 실시간 추론을 실현할 수 있습니다.

Hai Mo는 교차로 문제를 해결하면 실제로 대부분의 도시 NOH 문제가 해결될 것이라고 믿습니다. 현재 바오딩(Baoding)과 베이징(Beijing)에서 Haimo의 토폴로지 추론 정확도는 교차점의 85%에 대해 95%에 달합니다. 매우 복잡하고 불규칙한 교차로라도 언제든지 정확하게 예측할 수 있어 숙련된 운전자보다 훨씬 더 경험이 풍부한 운전자가 됩니다.

대규모 인간 운전 자율주행 인지 모델은 올해 2월 DriveGPT로 공식 업그레이드됐다. 이 역시 세계 최초의 대규모 자율주행 인지 모델이다. 이를 통해 Haimou의 운전 전략을 더욱 개인화하고 안전하며 원활하게 만들 수 있습니다. 현재 Haimo DriveGPT는 모델 구축과 1단계 데이터 실행을 완료했으며 매개변수 규모는 GPT-2 수준을 벤치마킹할 수 있습니다. 다음으로 DriveGPT는 지속적으로 대규모 실제 인수 데이터를 도입하고, 인간의 주행 데이터 피드백에 대한 강화 학습을 통해 평가 효과를 지속적으로 향상시킬 예정입니다. DriveGPT는 소형 자동차 측 모델의 주행 효과를 평가하기 위한 클라우드 평가 모델로도 사용될 예정입니다.

시뮬레이션 테스트를 통해 기술 및 제품 개발 주기를 효과적으로 단축하고 R&D 비용을 절감할 수 있습니다. 업계의 일반적인 롱테일 시나리오 문제는 풍부하지 않습니다. 현실에서 접할 수 있지만 추구하지 않는 극단적인 시나리오는 시뮬레이션 플랫폼을 사용하여 쉽게 생성할 수 있습니다. 시뮬레이션 테스트의 시뮬레이션 환경은 센서 모듈의 복잡성을 지원하기 위해 다중 모드 융합을 달성해야 하므로 대규모 컴퓨팅 성능도 지원해야 합니다.

테슬라의 슈퍼컴퓨팅 센터에는 하오모 외에도 약 2만 개의 GPU가 있어 자율주행 훈련의 효율성에 즉각적인 영향을 미치고, 자율주행 시스템의 개발 효율성을 극대화하는 콘티넨탈의 고성능 컴퓨팅 파워 클러스터가 단축된다. 개발 주기를 몇 주에서 몇 시간으로 단축하여 단기 및 중기 사업 계획에서 자율 주행을 구현할 수 있게 하여 기계 학습 시간을 단축함으로써 "Fuyao"가 Xpeng의 자율 주행 핵심을 지원합니다. 모델 제작 시간이 7일에서 1시간으로 단축되어 거의 170배에 달하는 속도가 대폭 빨라졌습니다...

현재 논란의 여지가 없는 사실은 자동차 회사들이 장기적인 계획을 가지고 있다는 것입니다. 자율주행 분야, 자동차를 만드는지 여부 새로운 세력, 전통 브랜드, 기술 공급업체 모두 안정적인 컴퓨팅 자원을 제어하고 개발 주기를 단축하며 자율주행 제품 출시를 가속화하기 위해 자체 슈퍼컴퓨팅 센터를 구축하고 있습니다. 반대로 슈퍼컴퓨팅 센터가 없으면 자율주행 훈련 속도가 현저히 느려지고, 자율주행 기업 간 격차는 점점 더 뚜렷해질 것이다.

지능형 컴퓨팅 센터를 사용하여 데이터 해자와 새로운 디지털 인프라를 구축하는 것은 점차 개발의 '표준'이 되었습니다.

자율 주행이 발전한 이후 업계에서는 지능형 보조 운전이 승용차는 대규모 비즈니스 현장으로 확산될 가능성이 가장 높습니다. 가오공 지능형 자동차 연구소의 데이터에 따르면, 2022년 중국 시장(수출입 제외)의 전방 장착형 승용차에 L2 레벨 보조 운전 표준 탑재 비율이 2개월 연속 30%를 넘었습니다. Zhiyan Consulting의 데이터에 따르면 2025년까지 전 세계 신차의 L2 자율주행 보급률은 53.99%에 이를 것으로 예상됩니다.

올해는 시내 내비게이션 보조 운전도 양산에 돌입했다. 웨스턴증권은 2023년부터 2025년까지 국내 시장에서 도심형 내비게이션 보조 운전을 탑재한 모델 수가 각각 70만대, 169만대, 348만대로 각각 17%, 40%, 70%를 차지할 것으로 전망했다.

도시 내비게이션 보조 운전의 구현이 가속화되는 가운데, 복사와 확장이 더 쉬운 인식 중심 솔루션이 더욱 주목을 받고 있습니다.

재감지 기술 경로에서 "도로 위상의 실시간 추론"이라는 과제에 직면한 Fei Mo의 선택은 표준 맵을 안내 정보로 사용하여 특징 맵을 기반으로 하는 자동 회귀 인코딩 및 디코딩 네트워크를 사용하는 것입니다. 구조화된 토폴로지 포인트를 통해 시퀀스 디코딩을 통해 차선 토폴로지 예측을 달성합니다. 이를 통해 업계가 고정밀 지도 솔루션보다 컴퓨팅 성능에 더 많이 의존하는 합의 중심 인식 경로에 점차 도달하고 있음을 확인하는 것은 어렵지 않습니다.

인공지능은 혁신의 가속기이며, 지능컴퓨팅센터는 다양한 기술 혁신을 지원할 수 있다. 한편으로 지능형 컴퓨팅 센터는 안전하고 신뢰할 수 있으며 재사용 가능한 기술 연구 및 개발 환경을 구축하기 위한 컴퓨팅 성능 시설 지원을 제공하고 다양한 분야의 과학 기술 연구 개발을 위한 지능형 컴퓨팅 서비스를 제공하며 과학 연구 과정을 가속화할 수 있습니다. 한편, 기술 연구 및 개발은 차세대 정보 기술의 통합 응용 매체이며, 지능형 컴퓨팅 센터의 신속한 건설, 보급 및 대규모 응용은 통신 서비스의 신속한 반복을 촉진할 것입니다. 네트워크, 빅데이터, 인공지능 등의 기술을 활용하여 기술 혁신을 촉진합니다. 자율 주행 데이터는 조각화되어 있으며 수백억 개에 달하는 작은 파일로 구성되어 있으며 훈련을 위해 많은 데이터를 교환해야 합니다. 지능형 컴퓨팅 센터는 충분한 대역폭을 제공하고 자율 주행 모델이 더 나은 병렬 컴퓨팅 프레임워크를 갖도록 할 수 있습니다. . 훈련 중에 하드웨어 자원을 최대한 활용하십시오.

2020년 4월 20일, 국가발전개혁위원회는 지능형 컴퓨팅 센터로 대표되는 컴퓨팅 인프라를 포함하여 새로운 인프라의 범위를 처음으로 명확히 했습니다. 국가산업정보보호개발연구센터는 2023년 1월 10일 '지능컴퓨팅센터 2.0 시대 전망 보고서'를 발표하며, 5년 이상의 개발 끝에 지능형컴퓨팅센터가 1.0 확장 확장 단계에서 1.0 확장 단계로 나아가고 있음을 지적했다. 2.0 정밀 기획 단계.

관련 통계 및 계산에 따르면 현재 전국 30개 이상의 도시에서 지능형 컴퓨팅 센터를 건설 중이거나 건설을 준비하고 있습니다. 향후 5년 동안 우리나라 지능형 컴퓨팅 파워의 연평균 성장률은 52.3%에 이른다. 지능형 컴퓨팅 센터의 혁신적 발전은 인공지능의 '컴퓨팅 파워 기반'을 더욱 공고히 하고 인공지능 및 관련 산업의 급속한 발전을 위한 새로운 엔진이 될 것입니다.

“지능형 컴퓨팅 센터가 가져온 비용 최적화는 놀랍고 1억 위안 수준에 도달할 것으로 추산됩니다.” 이는 올해 1월 장카이가 내놓은 예측이었습니다. 현재와 ​​미래의 대량 생산 계획으로 볼 때, 자체 구축한 지능형 컴퓨팅 센터는 막대한 비용을 절감하는 동시에 효율성 향상도 매우 분명합니다.

인공지능은 빠르게 발전하고 있으며, 새로운 알고리즘도 속속 등장하고 있다. 동시에 데이터는 지능적인 발전과 발전을 이끄는 가장 큰 원동력이다. 비용도 많이 든다. 자체 구축한 지능형 컴퓨팅 센터를 사용하여 데이터 해자를 만들면 산업 지능 생태계가 향상될 뿐만 아니라 기업이 새로운 디지털 인프라인 지능 컴퓨팅 센터를 선도적으로 활용할 수 있게 됩니다. 향후 자율주행 기술의 업그레이드.

이 글은 Yichehao의 저자인 Automobile Vision에서 발췌한 것입니다.

해당 내용은 작성자의 의견일 뿐이며 Bitauto와는 아무런 관련이 없습니다