自动驾驶汽车面临的巨大挑战

全世界都知道人工智能(AI)在自动驾驶汽车中起着重要作用。在即将举行的DesignCon 2019会议上，主持人Gloria Lau将解释人工智能包括两个方面：推理和培训。AI推理使自驾车能够对感官数据进行思考和反应。AI模型的训练是计算密集型的，因为神经网络需要使用大型数据集。神经网络的复杂性需要超大规模的硬件技术来加速这种训练。“随着数据量的爆炸，当前的机器学习技术不足。这是需要深度学习的地方，“优步技术公司硬件工程主管刘先生说。

在数据中心对AI模型进行编码和训练之后，经过训练的AI模型使自动驾驶汽车能够推断周围的世界。“人工智能允许车辆看到他们要去的地方，确定最佳路线，确定如何对行人做出反应，注意道路标志，并识别障碍物，”刘告诉我们。“它涉及计算机视觉，物体分类等等。”

如何通过零件几何形状，表面光洁度，二次加工和其他考虑因素来优化您的设计

然而，创建这种“训练有素的人工智能模型”是自动驾驶汽车发展背后的重大故事之一。“优步正处于深度学习发展的转折点。神经网络的复杂性需要超大规模的硬件技术来加速训练。在这里，您面临的挑战是数据存储和AI计算服务器可以在不同的数据中心位置分布在全国各地，“Lau说。“Uber需要定义分布式并行培训如何在这种超大规模环境中发挥作用。”

必须首先对智能的机载AI技术进行培训，以执行复杂的任务，例如识别行人。为此，训练过程包括向机载AI模型显示数万张图像，直到它“学习”行人的样子。“在数据中心，我们使用高度优化的计算，存储和GPU服务器来训练模型，运行模拟，运行回归，并测试新的软件版本，”她说。

为了促进自动驾驶汽车人工智能的发展，刘指出了三个关键领域。她说，首先，服务器架构和计算，网络和存储领域设计的硬件创新是支持AI工作负载的重点关注领域。其次，优步专注于软件堆栈的改进，以确保分布式深度学习可以在HPC(高性能计算)环境中运行。第三，研发投入至关重要。“我们需要推动人工智能研发以帮助推进这一重要领域，”她说。

Lau表示，优步的很大一部分工作涉及推动计算，网络和存储的硬件创新和服务器技术，以支持其AI工作负载。在她的主题演讲中，超大规模人工智能：硬件创新为Uber的自动驾驶和飞行汽车提供动力，Lau将了解Uber如何应对超大规模数据中心架构和设计硬件服务器以优化通信的挑战， AI工作负载的同步，减少和分发。来自麻省理工学院的BSEE和MSEE的电气工程师以及英特尔，Nvidia，Facebook，SGI和Sun Microsystems的专业代表，Lau将从硬件角度审视这一挑战。

她还将呼吁DesignCon受众为此付出努力。“DesignCon的观众是芯片设计师，电路板设计师和系统设计师，”她告诉我们。“我的信息是，我们需要他们帮助我们进行创新 - 创建更好，更快，性能更高的计算机，以支持全球超大规模数据中心的计算密集型人工智能部署。”

刘认为，优步的自动驾驶汽车将改变这么多人的生命。他们可以让那些放弃驾驶特权的老人。优步的优势在于它将车辆共享和自动化技术集于一身。

Uber Technologies，Inc的硬件工程主管Gloria Lau解释了超大规模硬件技术如何加速自动驾驶车辆背后神经网络的培训。

全世界都知道人工智能(AI)在自动驾驶汽车中起着重要作用。在即将举行的DesignCon 2019会议上，主持人Gloria Lau将解释人工智能包括两个方面：推理和培训。AI推理使自驾车能够对感官数据进行思考和反应。AI模型的训练是计算密集型的，因为神经网络需要使用大型数据集。神经网络的复杂性需要超大规模的硬件技术来加速这种训练。

“随着数据量的爆炸，当前的机器学习技术不足。这是需要深度学习的地方，“优步技术公司硬件工程主管刘先生说。

在数据中心对AI模型进行编码和训练之后，经过训练的AI模型使自动驾驶汽车能够推断周围的世界。“人工智能允许车辆看到他们要去的地方，确定最佳路线，确定如何对行人做出反应，注意道路标志，并识别障碍物，”刘告诉我们。“它涉及计算机视觉，物体分类等等。”

然而，创建这种“训练有素的人工智能模型”是自动驾驶汽车发展背后的重大故事之一。“优步正处于深度学习发展的转折点。神经网络的复杂性需要超大规模的硬件技术来加速训练。在这里，您面临的挑战是数据存储和AI计算服务器可以在不同的数据中心位置分布在全国各地，“Lau说。“Uber需要定义分布式并行培训如何在这种超大规模环境中发挥作用。”

必须首先对智能的机载AI技术进行培训，以执行复杂的任务，例如识别行人。为此，训练过程包括向机载AI模型显示数万张图像，直到它“学习”行人的样子。“在数据中心，我们使用高度优化的计算，存储和GPU服务器来训练模型，运行模拟，运行回归，并测试新的软件版本，”她说。

为了促进自动驾驶汽车人工智能的发展，刘指出了三个关键领域。她说，首先，服务器架构和计算，网络和存储领域设计的硬件创新是支持AI工作负载的重点关注领域。其次，优步专注于软件堆栈的改进，以确保分布式深度学习可以在HPC(高性能计算)环境中运行。第三，研发投入至关重要。“我们需要推动人工智能研发以帮助推进这一重要领域，”她说。

Lau表示，优步的很大一部分工作涉及推动计算，网络和存储的硬件创新和服务器技术，以支持其AI工作负载。在她的主题演讲中，超大规模人工智能：硬件创新为Uber的自动驾驶和飞行汽车提供动力，Lau将了解Uber如何应对超大规模数据中心架构和设计硬件服务器以优化通信的挑战， AI工作负载的同步，减少和分发。来自麻省理工学院的BSEE和MSEE的电气工程师以及英特尔，Nvidia，Facebook，SGI和Sun Microsystems的专业代表，Lau将从硬件角度审视这一挑战。

她还将呼吁DesignCon受众为此付出努力。“DesignCon的观众是芯片设计师，电路板设计师和系统设计师，”她告诉我们。“我的信息是，我们需要他们帮助我们进行创新 - 创建更好，更快，性能更高的计算机，以支持全球超大规模数据中心的计算密集型人工智能部署。”

刘认为，优步的自动驾驶汽车将改变这么多人的生命。他们可以让那些放弃驾驶特权的老人。优步的优势在于它将车辆共享和自动化技术集于一身。