AI 성공의 고속도로 구축은 클라우드 인프라

토론자: John W. Schmotzer, 자동차 생태계 비즈니스 개발 관리자, NVIDIA 및 Guy Bursell, 비즈니스 전략 리더, Microsoft 제조 및 공급망.

자동차 산업은 많은 제조 과제와 시장 기회를 해결하기 위해 빠른 속도로 인공 지능(AI)을 계속 채택하고 있습니다. AI는 설계 속도 향상에서 생산 라인 제어 개선에 이르기까지 엔지니어링 및 제조에 많은 이점을 제공합니다. 또한 AI를 통해 스마트 자동차 회사는 빠르게 변화하는 비즈니스 및 산업 환경에 보다 효율적이고 빠르게 적응할 수 있습니다.

올바른 위치에서 데이터 캡처

디자인은 강력한 자동차 회사의 기반이고 고급 데이터는 강력한 AI 전략의 기반입니다. 데이터 형식은 한때 정적이고 기록적이었지만 이제는 실시간으로 정보와 함께 스트리밍되고 있습니다. 다양한 유형과 소스의 데이터를 관리하는 것은 어렵고 잘 문서화되고 통합되고 정리되고 최신 상태인 데이터 파일 및 데이터 세트를 유지 관리하는 것이 점점 더 어려워지고 있습니다.

그러나 IT 팀의 창의적 한계를 테스트하는 변경 및 빅 데이터를 관리하는 데 필요한 모든 것은 아닙니다. 데이터 사용 및 저장 방식의 변화는 IT 인프라와 AI 작동 방식에 영향을 미칩니다. AI 모델, 의사 결정 규칙 및 HPC 프로젝트의 지속적인 발전은 데이터 요구 사항과 데이터가 공급되는 프로세스에 영향을 미칩니다. 오늘날의 제조 분야에서 데이터는 끊임없이 증가하는 양, 다양성, 끝이 없어 보이는 특성보다 더 많은 과제를 안고 있습니다.

엔비디아의 자동차 생태계 개발 이사인 존 W. 슈모처(John W. Schmotzer)는 “AI 성공으로 가는 고속도로는 고급 AI 기술을 사용하여 새로운 통찰력을 생성하기 위해 이전에 집계되지 않은 데이터의 통합을 기반으로 합니다.”라고 말했습니다.

데이터 관리가 자동차 제조업체의 우선 순위가 되면서 많은 기회와 과제가 발생합니다. 제조 프로세스를 개선할 수 있는 한 가지 기회는 회사 내 여러 조직의 데이터를 통합하여 차량의 전체 수명 주기에 대한 단일 보기를 제공하는 기능입니다. 그렇게 하면 보증 연장 비용을 줄이고 매년 제품 비용을 개선할 수 있습니다. 유일한 보증은 주요 OEM 차량의 추가 비용에 대해 차량당 $600이며 고객 충성도를 결정하는 요인이 될 수 있습니다.

비용 최적화를 위한 새로운 기회는 제조 회사에 새로운 과제를 안겨줍니다. 회사 전체의 제조 데이터, 차량 연결 데이터, 메타 데이터 및 CAE 렌더링 파일을 단일 형식 및 형식으로 결합하는 데 실질적인 어려움이 있을 수 있습니다. 슈모처는 이것을 “재귀적 데이터 레이크 문제” 회사 내의 다른 조직 및 하위 조직에 저장된 정보 때문입니다.

합의된 형식과 작업 방법을 기반으로 하는 소프트웨어 도구 및 프로세스에 대한 기술적 결정을 내리는 것은 인더스트리 4.0의 기회를 추구할 때 발생하는 문제를 줄이는 데 도움이 될 것입니다.

AI 성공으로 가는 고속도로 구축

커넥티드 배터리 전기차의 도래와 시각적으로 보는 AI의 등장으로 우리는 제조업의 진정한 혁명을 앞두고 있습니다. Schmotzer는 “인더스트리 4.0″이라는 용어는 변화의 속도를 방해하고 실제 비즈니스 가치는 운송에서 실현된다고 말합니다.

AI는 거의 모든 창의적인 목표를 달성하는 데 중요한 도구인 것처럼 보이지만 그러한 프로젝트는 그다지 성공적이지 않습니다. AI는 경제에 큰 타격을 주지만 제조 시설을 스마트 공장으로 전환하면 에너지를 절감하고 재고를 늘리며 프로세스를 최적화하고 생산성을 개선하고 제품 품질을 보장하고 R&D 산출을 가속화하고 유지 관리 비용을 낮출 수 있습니다.

예를 들어 추가 액셀러레이터 및 연결된 액셀러레이터 네트워크는 다른 AI 기반 건설 및 훈련 프로젝트 중에서 아이디어, AI 교육 및 P2P 교육을 크게 개선할 수 있습니다. 통합 도구 체인 다양한 기술 수준에서 사용자는 사용자 경험을 개선하고 AI 프로젝트를 민주화할 수 있습니다. 머신 러닝 작업(MLOps) 솔루션 개발을 지원하는 것도 생산성에 중요합니다. Responsible AI를 보장하는 기본 제공 메트릭은 잠재적인 리콜 및 책임을 비롯한 미래 문제를 방지하는 데 큰 도움이 됩니다.

Microsoft Azure와 NVIDIA가 BMW에 자율 주행을 위한 컴퓨팅 성능을 제공하는 방법 알아보기.

딥 러닝(DL)은 작은 사촌인 머신 러닝(ML)에 비해 많은 이점이 있습니다. 딥 러닝 프로젝트에서 사용하는 리소스를 유지 관리하는 것은 기술의 지속 가능성에 필수적입니다. GPU는 독특하고 매우 유능합니다. 높은 힘과 가치 있는 서비스로 인해 DL 문제를 해결합니다. GPU 기반 컴퓨팅은 대규모 반복 작업이 포함된 고도의 병렬 환경을 만드는 훌륭한 방법입니다.

“클라우드 인프라를 통해 제조업체는 한계와 제약에서 벗어날 수 있습니다. 클라우드의 HPC 및 AI를 통해 제조업체는 복잡하고 복잡한 시장에서 혁신, 혁신 및 다양성을 주도하는 솔루션인 크고 복잡한 질문을 할 수 있습니다.”라고 제조 부문 비즈니스 전략 책임자인 Guy Bursell이 말했습니다. & Microsoft의 공급망.

계획 프로세스 만들기

경쟁력 있는 자동차 제조에 AI를 적용하는 것은 필수적입니다. 기업은 스마트 팩토리로 전환하여 최적화 프로세스, 효율성, 제품 신뢰성 및 낮은 유지보수 비용을 가능하게 함으로써 고객의 요구와 볼륨을 충족할 수 있습니다.

AI 우선 도구 및 클라우드 인프라는 개발자가 하는 일에 막대한 영향을 미칠 수 있습니다. AI용으로 설계된 Microsoft와 NVIDIA의 클라우드 인프라는 기업이 AI 혁신과 워크로드를 가속화하는 데 도움이 되는 실시간 속도, 예측 가능성, 탄력성 및 안정성을 제공합니다.

Microsoft Azure 및 NVIDIA의 AI 솔루션에 대해 자세히 알아보십시오.

#MakeAIYourReality
#AzureHPCAI
#NVIDIAonAzure

Leave a Comment