秘密入口三秒自动进入新世界_成品人片直接进入...入口_庥痘产精国品2023众乐乐

亚马逊云科技利用生成式AI加速汽车行业创新
作者 | 亚马逊云科技2023-07-20

机器学习(ML)范式转变的种子已经埋下了几十年,但随着可伸缩计算能力的可用性、海量数据的爆炸以及机器学习技术的快速进步,汽车和制造业客户正在着手对业务进行重塑。就在不久前,生成式AI应用,引发了人们的广泛关注和想象,不过这只是一个开始。为了真正影响行业,进而惠及消费者,企业需要拥抱各种可能性,并为其开发人员提供所需工具。我们正处于一个令人兴奋的转折点——机器学习被广泛采用,亚马逊云科技相信生成式AI将重塑大多数客户体验以及应用程序。

在汽车行业,生成式AI有望帮助改变汽车的设计和开发方式。作为一种新的人工智能应用方法,生成式AI能够创造新的内容和想法,包括基于开发者的指令进行设计类工作的探索。与所有人工智能技术一样,生成式AI的能力也是由机器学习模型驱动的,这些庞大的模型经过海量数据的预先训练,通常被称为基础模型(Foundation Models)。当今的基础模型,如大型语言模型GPT 3.5或BLOOM,以及由Stability AI开发的文生图模型Stable Diffusion,都可以执行横跨多个领域的广泛任务,包括撰写博客、生成图像、解决数学问题、参与对话和基于文档回答问题等。

在应用于汽车开发过程时,生成式AI可以帮助汽车制造商快速确定发动机、轻量化结构和车辆功能等复杂系统的最佳设计选项。借助亚马逊云服务,汽车制造商现在可以获取强大的计算资源,以帮助扩展其生成式AI的能力。这篇文章简要介绍了生成式AI如何帮助汽车主机厂(OEM)进行软件开发,以及设计、训练和测试自动驾驶系统。这些都是亚马逊云科技正在尽全力积极探索及整合的新技术。

生成式AI与软件定义汽车之旅

汽车行业正在越来越广泛地采用 “软件定义汽车(SDV)”,通过数百万行代码,它为客户提供更为灵活、响应速度更快的解决方案。在软件定义汽车的模式下,主机厂通过空中下载(OTA)更新可以持续为车辆功能进行更新和升级,类似于智能手机通过更新获取新功能,并随着时间推移而更加好用。

生成式AI可用于创建和优化软件和控制系统,并帮助提高车辆的硬件性能。随着车辆代码变得日益复杂,软件工程师更应该专注于开发创新功能,而不是花时间试图跟上复杂且不断变化的工具和技术环境。

汽车行业客户可以使用实时 AI 编程助手 Amazon CodeWhisperer(AI 代码生成器 - Amazon CodeWhisperer - AWS)。借助生成式AI,Amazon CodeWhisperer可根据开发人员使用自然语言编写的注释和集成开发环境(IDE)中的代码实时生成建议,帮助提高开发人员的工作效率。同时,Amazon CodeWhisperer能够对IDE中的现有代码进行分析(无论是由CodeWhisperer生成的还是由开发人员编写的),高精度地识别其中有问题的代码,并就如何修复提供智能化的建议。

利用生成式AI帮助客户达成目标

迈向高度自动化和自动驾驶的旅程,是汽车行业的一个主要关注点。自动驾驶需要复杂的软件和硬件系统无缝地协同工作。在设计和测试这些系统的过程中,生成式AI可以发挥重要作用。

例如,主机厂可以借助生成式AI来进行模拟,以测试车辆对各种驾驶场景的响应。这些场景可能是极小概率会发生的情况,或者在现实世界比较极端的情况,测试并不安全(比如,在夜间、雨天和黑暗中差点撞上横穿马路的人)。模拟测试不仅可以提高测试效率,还将使汽车企业得以创建更丰富的测试场景,并有可能提高整个驾驶系统的能力。

云与亚马逊云科技如何提供帮助?

亚马逊云科技致力于让客户更轻松地使用机器学习和AI,并努力使客户更容易利用生成式AI进行构建。Amazon Bedrock(基础模型 API 服务 – Amazon Bedrock – AWS)作为一项新服务,能够让客户通过API访问来自亚马逊以及领先AI初创公司(包括AI21 Labs、Anthropic和Stability AI)的基础模型。Amazon Bedrock是客户使用基础模型构建和扩展生成式AI应用程序的最简单方法,降低了所有开发者的使用门槛。客户可以通过Bedrock访问一系列强大的文本和图像基础模型(该服务目前提供有限预览)。

生成式AI需要大量的计算资源和数据,而获取及管理这些资源和数据既昂贵又耗时。无论客户是想运行、构建还是定制生成式AI基础模型,都需要专门为机器学习构建高性能、高性价比的基础设施。

亚马逊云科技客户可以使用由Trainium(KI-Beschleuniger – AWS Trainium – AWS (amazon.com))提供支持的Amazon EC2 Trn1(Amazon EC2 Trn1 实例 – 计算 – Amazon Web Services)实例,与其他EC2实例相比,它都可以节省高达50%的训练成本。一旦大规模部署生成式AI模型,大多数成本将由模型的运行和推理产生。此时,客户可以使用由Amazon Inferentia2(KI-Prozessor – Amazon Inferentia – AWS)提供支持的Amazon EC2 Inf2(Amazon EC2 Inf2 Instances for Low-Cost, High-Performance Generative AI Inference are Now Generally Available | AWS News Blog)实例,这些实例专门针对运行数千亿个参数模型的大规模生成式AI应用程序进行了优化。

热门文章
不久前,国际电气电子工程师协会(IEEE)正式宣布已通过 802.11bb 并将其添加为基于光的无线通信标准。
2023-07-20
X
榕江县| 洮南市| 邯郸市| 邵阳市| 中宁县| 黄石市| 浦县| 大安市| 长沙市| 黔江区|