大陆测试车队为神经网络训练提供主要数据
汽车行业正掀起一场算力竞赛，而大陆集团的行动相当果断——他们直接部署了一台AI超级计算机。这套系统由NVIDIA InfiniBand连接的DGX平台提供动力，旨在为全球开发者提供强劲的计算能力和存储支持。简单来说，就是利用超强算力加速自动驾驶相关神经网络的训练进程。 这台超级计算机由50多个NVI
汽车行业正掀起一场算力竞赛，而大陆集团的行动相当果断——他们直接部署了一台AI超级计算机。这套系统由NVIDIA InfiniBand连接的DGX平台提供动力，旨在为全球开发者提供强劲的计算能力和存储支持。简单来说，就是利用超强算力加速自动驾驶相关神经网络的训练进程。
这台超级计算机由50多个NVIDIA DGX系统组成，通过NVIDIA Mellanox InfiniBand网络实现互联。据大陆集团介绍，在公开的TOP500超级计算机排行榜中，它已跻身汽车行业的顶级系统之列。此外，他们采用了混合架构——在需要时可通过云解决方案扩展容量与存储，灵活性十足。
要让神经网络真正辅助驾驶员乃至实现自动驾驶，就需要数千小时的训练，期间需处理数百万幅图像及数据。大陆集团表示，NVIDIA DGX POD不仅大幅缩短了这一复杂流程的耗时，还直接加快了新技术的上市速度。效果有多显著？
“总体而言，我们估计训练神经网络所需的时间从几周缩短到了几个小时。”大陆集团位于匈牙利布达佩斯的人工智能能力中心负责人Balázs Lóránd这样说道，他正带领团队专注于基于AI创新的基础设施开发。
过去，训练这些神经网络的数据主要来源于大陆的测试车队。目前，测试车队每天行驶约15000公里，收集约100TB数据——相当于50000小时的影片容量。这些记录下来的数据可用于训练新系统，通过重放方式模拟物理试驾。而如今有了超级计算机，数据可以直接通过合成方式生成。
这对开发过程带来了几项实质性好处：首先，它或许能降低记录、存储和处理车队生成数据的必要性，因为可在系统本身创建所需的训练场景。其次，速度大幅提升——虚拟车辆能在几小时内完成实际汽车需要几周的测试里程。第三，数据合成生成使系统能够应对不断变化且不可预测的复杂情况。综合来看，这意味着车辆可以在多变甚至极端天气条件下安全行驶，或对行人行为做出更可靠的预测。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：大陆测试车队为神经网络训练提供主要数据要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点RAG落地的关键在于数据检索而非大模型。直接大模型、微调与RAG各有适用场景。检索效果受分块粒度、排序策略及混合检索影响。常见误解包括认为RAG总是更优、简单余弦检索足够、更多文档效果更好。应注重数据质量，采用渐进式部署和用户反馈闭环。
微软推出AutoGenStudio低代码工具，业务人员可通过可视化拖拽组装模型、技能和记忆组件，构建智能体工作流。工具集成实时监控、调试评估功能，支持导出JSON配置文件进行部署，降低开发门槛。
英国国民保健署正将人工智能引入医疗体系，智能手机可居家监测肾脏疾病，穿戴贴片实时捕捉心律不齐，AI加速乳腺癌筛查分析。这些技术有望改善筛查、癌症治疗和中风护理，但全面应用仍需长期推进。
近年来，人工智能、云计算与大数据无疑是科技领域最受瞩目的三大趋势。其中，人工智能技术已深入渗透到各行各业，成为名副其实的核心驱动力。其背后的原因并不难理解——它不仅能带来实实在在的效益，更关键的是，正大力推动制造业向智能化方向转型升级。 众多学者同样对人工智能的发展前景给予了高度评价。他们认为，未来
- 日榜
- 周榜
- 月榜
热点快看