Това може да се постигне чрез въвеждането на усъвършенствани системи за подпомагане на водачите (Advanced Driver Assistance Systems, ADAS). Те могат да ни бъдат от полза при свързаните с шофирането задачи, включително откриване на слепи петна, разпознаване на пътни знаци, предупреждение и/или намеса при излизане от лентата, автоматично аварийно спиране, откриване и избягване на пешеходци, както и установяване на сънливост на водача.

Следващата стъпка е въвеждането на безжична мрежова свързаност, за да се осигури връзка между превозните средства (Vehicle to Vehicle, V2V) и между автомобилите и инфраструктурата (Vehicle to Infrastructure, V2I), които заедно биват определяни като връзка между превозните средства към всичко (Vehicle to Everything, V2X). Това означава, че колите ще могат да комуникират помежду си в реално време и така да създават много по-безопасна пътна среда. По този начин задръстванията и критичните точки могат да бъдат оценени чрез анализ в реално време, така че властите и различните доставчици на услуги да могат ефективно да реагират и да взимат решения.

Това е особено необходимо, когато тези решения са свързани със ситуации, изискващи аварийно реагиране и справяне с бедствия. За да се предприемат ответни мерки незабавно, съответните страни трябва да бъдат свързани помежду си - например транспортните служби трябва да имат директен достъп до IP камера и доставчиците на приложения за услуги, за да осигурят последните актуализации за трафика в мобилните апликации.

В този смисъл какви са ключовите технологии, които компаниите в автомобилния сектор трябва да внедрят, за да използват ефективно възможностите на ИИ?

Автомобилните производители трябва да имплементират стратегии за IoT и големи данни, а също така дигитални архитектури, които доставят глобално разпределени ИТ и възможности за взаимосвързаност, за да позволят улавяне на данните в реално време, обработка и анализи между превозните средства и процесите по веригата на стойност.

Platform Equinix ® осигурява идеалната среда за тестване и изграждане на тези процеси в сътрудничество с конкуренти и партньори. Споделянето на данни, дори между конкуриращи се компании в тази екосистема, води до свързани автомобилни иновации, като знанията се споделят между играчите в индустрията, технологичните доставчици и дигиталните регулатори. Именно това сътрудничество ще бъде основен двигател на иновациите в сектора, след като автомобилните компании осъзнаят, че един бранд самостоятелно не може да пусне изцяло автономна кола на пазара.

Работейки заедно, компаниите могат да създават платформи за обмен на данни, за да разработват алгоритми, като по този начин създават нововъведения по-бързо и наистина успяват да цифровизират превозните средства. Подобни екосистеми между играчите в индустрията се хостват на Platform Equinix, за да се гарантира, че данните се споделят бързо и сигурно. Автомобилната индустрия трябва да си сътрудничи по този начин, за да разреши предизвикателства на автономните автомобили.

Как обаче ще се промени обработката на данните в новата ера на автономните автомобили?

Според Intel автономните коли ще генерират в бъдеще около четири терабайта (TB) данни за 90 минути шофиране. ADAS - неизменна част от всяко автоматизирано превозно средство - разчита на данни, идващи от камерите, сензорите, компютърното зрение и други, за да сменя лентите или дори автоматично аварийно да спре без намесата на водача. В допълнение автономните системи за управление трябва също така да могат да събират, анализират и разпределят - в реално време и с всички необходими контроли за сигурност и неприкосновеност - данни от други източници като трафик, метеорологична прогноза, а това представлява огромен обем от данни.

При настоящите тестове за управление например се генерират до 20 ТВ данни на ден и потенциално до 100 ТВ на ден с по-модерните сензори. Качването на това количество информация, използвайки конвенционални инструменти, може да отнеме от седмица до месеци за една тестова кола, което е неефективно.

Чистият обем данни, генериран от свързани и автономни превозни средства, изисква компаниите в автомобилната индустрия, които в момента разработват тези продукти и решения, да внедрят ИИ процеси, а това е предизвикателно за капацитетите на традиционните центрове за данни. Съответно това ще доведе до увеличено потребителско търсене на центрове за данни с по-високи нива на плътност, които са оборудвани с инструменти с ИИ и машинно обучение, така че да позволят да се разработват, обучават и след това тестват и одобряват ИИ модели бързо и ефективно.

Equinix се присъедини към програмата NVIDIA DGX Ready Data Center Partner Program, което дава на автомобилните компании достъп до NVIDIA DGX Systems в различни наши центрове за данни в Северна Америка, Европа и Тихоокеанския регион. Системата NVIDIA DGX Systems е разработена, за да отговори на търсенето на изкуствен интелект и анализи, като осигурява изключителна производителност и резултати при обучението на дълбочинни невронни мрежи.

Какви са основните предизвикателства, които трябва да се преодолеят, за да се гарантира безопасно използване на коли с асистенция, автоматизирани и автономни автомобили?

Заради обема на данните предизвикателство представлява въвеждането им или как се събира информацията, генерирана от автономните превозни средства. Всяка допълнителна степен на автономност (от Ниво 1 за някаква асистенция на шофьора до Ниво 5 за цялостна автономност) увеличава обема на данните, които трябва да се събират и анализират. Това може да създаде трудности, свързани с достъпа и разпределението на данните, за платформите за разработка. Това означава, че производителите трябва да намерят начин да минимизират закъсненията при трансфера на информацията, осигурявайки близост между наборите от данни и давайки достъп до достатъчни компютърни ресурси, за да управляват събирането на данни в глобален мащаб.

Необходимостта от създаването на този тип инфраструктура означава, че централизираните инсталации с данни вече не са опция. Разпределената обработка на данни изисква дигитална инфраструктура, която е свързана от ефективна глобална комуникационна структура. Най-добрият начин да се постигне това е на добре свързани локации да се изгради хибридна инфраструктура, която може да доставя висока скорост, сигурен достъп до периферните устройства, до множество облачни услуги, до частни центрове за данни, до брокери на данни и партньори.

Друго ключово предизвикателство за разработката на автономните превозни средства е тестването тип Hardware-in-the-Loop (HIL), което се използва от производителите да се верифицира и валидира софтуерът в електронни блокове за управление (ECU). HIL е сериозно технологично препятствие заради големите набори от данни, които трябва да бъдат съхранявани, управлявани, предавани и анализирани. Постоянна оперативна поддръжка е необходима, за да се оптимизира прехвърлянето на информация в облака или в инсталациите. В допълнение тестовите установки изискват чести физически посещения, което означава, че те трябва да са разположени на места, позволяващи практичен, лесен и икономичен достъп.

Единственият начин да се отговори на технологичните нужди на системите за автономно шофиране е с бърз достъп до дигиталните екосистеми в облака, мрежите, софтуерните и хардуерните доставчици и партньори, за да се осигури висока скорост и сигурна обмяна на данни.

Equinix и Continental Automotive стартираха партньорство за изграждане на глобална мрежова инфраструктура. Бихте ли разказали повече на нашите читатели за това сътрудничество?

Когато Continental Automotive искаше да подобри своето лидерство в решенията за автономно шофиране, компанията трябваше да развие своята дигитална инфраструктура, за да поддържа по-бързо, глобално мащабируемо ИИ обработване. За да постигне това, Continental създаде успешна екосистема от партньори, която позволи на компанията да изгради собствен глобален суперкомпютър - това е паралелна файлова система, която може да отговори на изискванията за висока скорост на ИИ и да защити чувствителните данни.

ADAS Vision на Continental разполага с оборудвана със сензори тестова флотилия, която изминава 15 хил. км на ден, генерирайки и записвайки над 100 ТВ данни. Тази информация след това се въвежда, обработва, подбира, оценява и коментира, както и използва за обучение и валидиране на системата. Самата система разчита на NVIDIA DGX сървъри за дълбочинно обучение и обучение на изкуствени невронни мрежи, за да се открие какво се случва във всеки даден сценарий и да се реши как колата ще реагира. За да ускори разработката и времето за пускане на пазара, Continental искаше високопроизводителен достъп до тези данни и мощно решение за съхранение, което може да чете стотици хиляди изображения на секунда в графичните процесори (GPUs).

Continental си партнира със системните интегратори SVA, IBM и Equinix, за да създаде нова сторидж инфраструктура в центъра за данни Equinix International Business Exchange™ (IBX®) във Франкфурт, Германия, в който се използва ИИ и NVIDIA DGX и където има разрастваща се екосистема от други играчи от индустрията. Това ново решение включва многорежимен GPU клъстер, неблокираща InfiniBand мрежова инфраструктура, IBM ESS с бързи NVMe дискове, NVIDIA DGX сървъри и NVIDIA V100 Tensor Core графични процесори. Continental също така използва IBM Spectrum Scale с Kubernetes контейнерна среда за модерна разработка на приложения.

Какви са основните предизвикателства при изграждането на глобална мрежова инфраструктура?

Изграждането на глобална мрежова инфраструктура, която може да управлява огромни обеми от данни, е предизвикателство, тъй като трябва да бъде гъвкава и силна, за да се справи с множество и едновременно разработвани проекти. Затова клиентите ни използват нашия глобален обхват, за да разположат стратегически възможности за мрежова периферна концентрация (network edge concentration) и разпределение в съоръженията на Equinix. По този начин те могат да отговорят на потребителското търсене за капацитет, за достъп до съдържание, както и за решения в публичния и частния облак.

Каква е вашата прогноза за бъдещето? Кога е реалистично да очакваме масово пускане на автономните превозни средства по пътищата?

Все още има работа, която трябва да се свърши, и въпроси, които трябва да бъдат обмислени и разрешени. Може би това щеше да е малко по-лесно в свят, където целият трафик се управлява от ИИ, но в реалността - поне в началото - хората и роботите ще трябва да споделят пътищата. Това означава, че ние трябва да обмислим много внимателно всеки потенциален сценарий и взаимодействие между двете страни и да гарантираме, че пътната инфраструктура може да приеме и двете.

Все пак се правят малки стъпки. Например Германия се подготвя да разреши определени автономни превозни средства от Ниво 4 като автобуси без шофьор и автономни автобуси от публичния транспорт по пътищата още 2022. Така че докато вече виждаме някои полуавтономни автомобили на аутобана днес, ще мине време, преди да можем да четем вестник, докато колата ни взима от вкъщи, за да ни закара на кино.

В заключение очаквате ли компаниите в автомобилната индустрия в някакъв момент да се превърнат в ИТ фирми, повтаряйки примера на Continental?

Според ABI Research общият брой регистрирани превозни средства в света ще достигне своя максимум през 2023 и ще започне да се понижават след това, което означава, че автомобилната индустрия ще трябва да се адаптира и да намери начини да генерира приходи извън своите традиционни такива.

В резултат на това през последното десетилетие много от водещите автомобилни брандове вече преминават през мащабна дигитална трансформация на корпоративно ниво. Те сега са тръгнали по пътя да станат софтуерни компании, както и производители, като същевременно автоматизират заводи по света, за да увеличат продуктивността и икономичността си.

Но това няма да спре дотук, тъй като те променят и своя бизнес по начини, които никога не са били обмисляни досега. Например BMW премества веригата си на доставки в облака с AWS, а други също пренасят работни процеси и софтуерна инфраструктура в облака. Заради това "мобилността като услуга" става нещо повече от само инфотейнмънт и услуги за локация - с увеличеното използване на разширени данни за сигурност и контрол на трафика ще се премине отвъд инфотейнмънта. Когато се комбинира с ИИ и машинно обучение, това представлява значителна промяна и голяма пазарна възможност за решенията на центровете за данни, както и за самите производители на оригинално оборудване.

Ние вече наблюдаваме дигитализацията практически на всяка компания в цялата индустрия - не само в автомобилния сектор. Двигател за това беше промяната, причинена от пандемията от COVID-19, но също така процесът беше започнал много преди това. Всеки аспект от нашия живот стана много по-зависещ от дигиталния свят и следователно всяка компания трябва да прегърне това и да се адаптира.

Снимки: Pixabay