为了更高效的地开发创新技术 集团投资建立了自己的人工智能超级计算机

德国法兰克福–为了更高效，更快速地开发创新技术，集团投资建立了自己的人工智能超级计算机(AI)，该超级计算机由NVIDIA InfiniBand连接的DGX系统提供动力。

自2020年初以来，该计算机一直在位于德国美因河畔的数据中心运行，并为全球各地的开发人员提供计算能力和存储功能。AI增强了先进的驾驶员辅助系统，使出行变得更加智能和安全，并加速了自动驾驶系统的开发。

“超级计算机是对我们未来的投资，”集团高级驾驶员辅助系统业务部门程序管理系统负责人Christian Schumacher说。“最先进的系统减少了训练神经网络的时间，因为它可以同时进行至少14倍的实验。”

先进的驾驶员辅助系统使用AI做出决策，为驾驶员提供帮助并最终实现自主操作。雷达和摄像机等环境传感器可提供原始数据。这些原始数据将由智能系统实时处理，以创建车辆周围环境的综合模型，并设计出一种如何与环境互动的策略。

最后，需要对车辆进行控制以使其表现得如计划的那样。但是随着系统变得越来越复杂，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开发基于AI的解决方案的基本方法。

主要用例：深度学习，仿真和虚拟数据生成

借助深度学习，人工神经网络使机器能够根据经验进行学习，并将新信息与现有知识联系起来，从根本上模仿了人脑内部的学习过程。但是，虽然一个孩子在看到几十种不同类型的汽车后能够识别汽车，但数千个小时的训练却需要数百万个图像，因此需要大量数据来训练神经网络，以后再为儿童提供帮助。驾驶员甚至自主驾驶车辆。NVIDIA DGX POD不仅减少了此复杂过程所需的时间，而且还缩短了新技术的上市时间。

“总体而言，我们正在估计将神经网络的完整训练所需的时间从数周减少至数小时，”匈牙利布达佩斯AI竞争力中心负责人BalázsLóránd表示，他还致力于AI-基础创新以及他在集团的团队。“在过去的几年中，我们的开发团队的人数和经验一直在增长。有了超级计算机，我们现在能够根据我们的需求更好地扩展计算能力，并充分利用开发人员的全部潜力。”

迄今为止，用于训练这些神经网络的数据主要来自Continental试验车队。目前，他们每天驾驶约15,000个测试公里，收集约100 TB的数据，相当于50,000小时的电影。

记录的数据已经可以通过重播并由此模拟物理测试驱动器来用于训练新系统。有了超级计算机，现在就可以综合生成数据了，这是一个计算能力很高的用例，它使系统可以从虚拟环境中学习，并从中学习。