Two-i基于算法对NVIDIA预训练模型进行基准测试

总部位于法国梅斯的创业公司Two-i，其故事始于四年前。创始人Julien Trombini和Guillaume Cazena ve曾立下一个宏大的愿景：让城市管理者像查看气象图一样，实时掌握道路、垃圾收集、公共服务等各项城市运行数据，从而全面提升市民的生活品质。

然而，创业过程中最出人意料的转折，往往源于最初的探索。这对搭档在逐步摸索中发现了一个截然不同的利基市场——如今，他们创立的Two-i公司深度融合了计算机视觉、数据科学和深度学习技术，致力于为全球最危险的行业之一——石油与天然气行业——提供致命事故预防解决方案。

最初，Trombini和Cazena ve的目标是打造一套系统，让市政管理者能够一眼洞察整个城市需要改进的环节。“就像一张城市气象图，我们制定了有效的衡量标准。”Two-i董事长Trombini回忆道。该公司是NVIDIA Metropolis的合作伙伴，总部位于法国东北部的历史文化名城梅斯（Metz）。

然而理想与现实之间总存在差距——城市级别的监控系统过于复杂。于是他们将重心暂时转向特定设施：体育场、养老院、交通枢纽。在这些场景中，技术落地更为迅速，并能直接服务于安全监控与事故检测。例如，养老院走廊中老人跌倒，系统会立即通知护理人员；轮椅乘客因电梯故障无法登车时，系统也能自动发出警报。

转折点来自能源巨头埃克森美孚。该公司主动寻求合作，希望解决一个关乎生命安全的潜在问题：如何提升开放式油罐周边作业人员的安全保障。

Two-i与埃克森美孚共同开发了一套基于AI的视频分析应用。该系统能够实时检测人员是否接近危险区域、是否存在跌倒风险，并立即向周围人员发出警报，促使其迅速采取行动。上线仅数月，这套视觉AI系统便成功避免了至少两起潜在事故。

尽管这个应用场景看似非常具体，但Two-i的AI架构实际上极为灵活，能够支持多种不同的算法与功能。“这些算法与我们为其他客户提供的算法完全相同，”Trombini表示，“底层技术一致，只是呈现方式有所区别。”

深度挖掘视觉人工智能的潜力

Two-i的灵活性根植于对NVIDIA Metropolis平台的深度依赖。该平台专为AI视频分析应用打造，集成了先进的工具，采用全栈式架构。相应地，Two-i也使用了多种NVIDIA认证系统——包括基于高性能NVIDIA Ampere架构的最新工作站和数据中心GPU，用于模型训练与推理。为进一步缩短训练周期，他们还计划在强大的NVIDIA A100 GPU上测试大规模图像数据集。

公司持续升级GPU，目的十分明确：无论有多少摄像头向系统传输数据，都必须为客户提供最快的响应速度。“节省的时间至关重要，硬件性能越强，结果越精准，我们就能更快推向市场。”Trombini解释。

在深度学习流程中，Two-i采用了CUDA 11.1工具包和cuDNN 8.1库，并借助NVIDIA TensorRT进行推理加速。在众多技术中，Trombini认为NVIDIA TAO工具套件尤为亮眼——它能够在调整算法的同时有效降低成本。“算法越重，成本越高，”他指出，“我们利用TAO来精简算法，使其更贴合具体任务。”

举例来说，原本需要两周的模型训练时间，借助NVIDIA TAO工具套件（一种基于CLI和Jupyter Notebook的AI模型适配平台），成功缩短至三天。

此外，Two-i还开始将自己的算法与NVIDIA的预训练模型进行基准测试，并引入NVIDIA DeepStream SDK以强化视频分析工作流。

以成功为基石

能够在油罐区等复杂环境中解决安全问题，让Two-i看到了重返最初智慧城市愿景的契机。目前，他们已在欧洲八个城市部署道路监控系统，实时分析交通流量，追踪车辆的来源与去向。

Trombini深知，要实现长期目标，公司必须一步一个脚印地创造实际成果。“虽然进展不算快，但我们已经着手实施这一愿景。”他表示。

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：Two-i基于算法对NVIDIA预训练模型进行基准测试要求：
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