自動駕駛汽車面臨的巨大挑戰(zhàn)

全世界都知道人工智能(AI)在自動駕駛汽車中起著重要作用。在即將舉行的DesignCon 2019會議上，主持人Gloria Lau將解釋人工智能包括兩個方面：推理和培訓。AI推理使自駕車能夠對感官數(shù)據進行思考和反應。AI模型的訓練是計算密集型的，因為神經網絡需要使用大型數(shù)據集。神經網絡的復雜性需要超大規(guī)模的硬件技術來加速這種訓練。“隨著數(shù)據量的爆炸，當前的機器學習技術不足。這是需要深度學習的地方，“優(yōu)步技術公司硬件工程主管劉先生說。

在數(shù)據中心對AI模型進行編碼和訓練之后，經過訓練的AI模型使自動駕駛汽車能夠推斷周圍的世界。“人工智能允許車輛看到他們要去的地方，確定最佳路線，確定如何對行人做出反應，注意道路標志，并識別障礙物，”劉告訴我們。“它涉及計算機視覺，物體分類等等。”

如何通過零件幾何形狀，表面光潔度，二次加工和其他考慮因素來優(yōu)化您的設計

然而，創(chuàng)建這種“訓練有素的人工智能模型”是自動駕駛汽車發(fā)展背后的重大故事之一。“優(yōu)步正處于深度學習發(fā)展的轉折點。神經網絡的復雜性需要超大規(guī)模的硬件技術來加速訓練。在這里，您面臨的挑戰(zhàn)是數(shù)據存儲和AI計算服務器可以在不同的數(shù)據中心位置分布在全國各地，“Lau說。“Uber需要定義分布式并行培訓如何在這種超大規(guī)模環(huán)境中發(fā)揮作用。”

必須首先對智能的機載AI技術進行培訓，以執(zhí)行復雜的任務，例如識別行人。為此，訓練過程包括向機載AI模型顯示數(shù)萬張圖像，直到它“學習”行人的樣子。“在數(shù)據中心，我們使用高度優(yōu)化的計算，存儲和GPU服務器來訓練模型，運行模擬，運行回歸，并測試新的軟件版本，”她說。

為了促進自動駕駛汽車人工智能的發(fā)展，劉指出了三個關鍵領域。她說，首先，服務器架構和計算，網絡和存儲領域設計的硬件創(chuàng)新是支持AI工作負載的重點關注領域。其次，優(yōu)步專注于軟件堆棧的改進，以確保分布式深度學習可以在HPC(高性能計算)環(huán)境中運行。第三，研發(fā)投入至關重要。“我們需要推動人工智能研發(fā)以幫助推進這一重要領域，”她說。

Lau表示，優(yōu)步的很大一部分工作涉及推動計算，網絡和存儲的硬件創(chuàng)新和服務器技術，以支持其AI工作負載。在她的主題演講中，超大規(guī)模人工智能：硬件創(chuàng)新為Uber的自動駕駛和飛行汽車提供動力，Lau將了解Uber如何應對超大規(guī)模數(shù)據中心架構和設計硬件服務器以優(yōu)化通信的挑戰(zhàn)， AI工作負載的同步，減少和分發(fā)。來自麻省理工學院的BSEE和MSEE的電氣工程師以及英特爾，Nvidia，F(xiàn)acebook，SGI和Sun Microsystems的專業(yè)代表，Lau將從硬件角度審視這一挑戰(zhàn)。

她還將呼吁DesignCon受眾為此付出努力。“DesignCon的觀眾是芯片設計師，電路板設計師和系統(tǒng)設計師，”她告訴我們。“我的信息是，我們需要他們幫助我們進行創(chuàng)新 - 創(chuàng)建更好，更快，性能更高的計算機，以支持全球超大規(guī)模數(shù)據中心的計算密集型人工智能部署。”

劉認為，優(yōu)步的自動駕駛汽車將改變這么多人的生命。他們可以讓那些放棄駕駛特權的老人。優(yōu)步的優(yōu)勢在于它將車輛共享和自動化技術集于一身。

Uber Technologies，Inc的硬件工程主管Gloria Lau解釋了超大規(guī)模硬件技術如何加速自動駕駛車輛背后神經網絡的培訓。

全世界都知道人工智能(AI)在自動駕駛汽車中起著重要作用。在即將舉行的DesignCon 2019會議上，主持人Gloria Lau將解釋人工智能包括兩個方面：推理和培訓。AI推理使自駕車能夠對感官數(shù)據進行思考和反應。AI模型的訓練是計算密集型的，因為神經網絡需要使用大型數(shù)據集。神經網絡的復雜性需要超大規(guī)模的硬件技術來加速這種訓練。

“隨著數(shù)據量的爆炸，當前的機器學習技術不足。這是需要深度學習的地方，“優(yōu)步技術公司硬件工程主管劉先生說。

在數(shù)據中心對AI模型進行編碼和訓練之后，經過訓練的AI模型使自動駕駛汽車能夠推斷周圍的世界。“人工智能允許車輛看到他們要去的地方，確定最佳路線，確定如何對行人做出反應，注意道路標志，并識別障礙物，”劉告訴我們。“它涉及計算機視覺，物體分類等等。”

然而，創(chuàng)建這種“訓練有素的人工智能模型”是自動駕駛汽車發(fā)展背后的重大故事之一。“優(yōu)步正處于深度學習發(fā)展的轉折點。神經網絡的復雜性需要超大規(guī)模的硬件技術來加速訓練。在這里，您面臨的挑戰(zhàn)是數(shù)據存儲和AI計算服務器可以在不同的數(shù)據中心位置分布在全國各地，“Lau說。“Uber需要定義分布式并行培訓如何在這種超大規(guī)模環(huán)境中發(fā)揮作用。”

必須首先對智能的機載AI技術進行培訓，以執(zhí)行復雜的任務，例如識別行人。為此，訓練過程包括向機載AI模型顯示數(shù)萬張圖像，直到它“學習”行人的樣子。“在數(shù)據中心，我們使用高度優(yōu)化的計算，存儲和GPU服務器來訓練模型，運行模擬，運行回歸，并測試新的軟件版本，”她說。

為了促進自動駕駛汽車人工智能的發(fā)展，劉指出了三個關鍵領域。她說，首先，服務器架構和計算，網絡和存儲領域設計的硬件創(chuàng)新是支持AI工作負載的重點關注領域。其次，優(yōu)步專注于軟件堆棧的改進，以確保分布式深度學習可以在HPC(高性能計算)環(huán)境中運行。第三，研發(fā)投入至關重要。“我們需要推動人工智能研發(fā)以幫助推進這一重要領域，”她說。

Lau表示，優(yōu)步的很大一部分工作涉及推動計算，網絡和存儲的硬件創(chuàng)新和服務器技術，以支持其AI工作負載。在她的主題演講中，超大規(guī)模人工智能：硬件創(chuàng)新為Uber的自動駕駛和飛行汽車提供動力，Lau將了解Uber如何應對超大規(guī)模數(shù)據中心架構和設計硬件服務器以優(yōu)化通信的挑戰(zhàn)， AI工作負載的同步，減少和分發(fā)。來自麻省理工學院的BSEE和MSEE的電氣工程師以及英特爾，Nvidia，F(xiàn)acebook，SGI和Sun Microsystems的專業(yè)代表，Lau將從硬件角度審視這一挑戰(zhàn)。

她還將呼吁DesignCon受眾為此付出努力。“DesignCon的觀眾是芯片設計師，電路板設計師和系統(tǒng)設計師，”她告訴我們。“我的信息是，我們需要他們幫助我們進行創(chuàng)新 - 創(chuàng)建更好，更快，性能更高的計算機，以支持全球超大規(guī)模數(shù)據中心的計算密集型人工智能部署。”

劉認為，優(yōu)步的自動駕駛汽車將改變這么多人的生命。他們可以讓那些放棄駕駛特權的老人。優(yōu)步的優(yōu)勢在于它將車輛共享和自動化技術集于一身。