行业里面提供平台级解决方案的伙伴很多,特别是工业这个领域,每家企业的问题和痛点都不尽相同,即使都是汽车行业,面临的问题也是发散的,场景也是发散的,所以对于技术平台的要求,除了一些通用能力之外,更多的还是细分行业的理解
建议您参考英伟达EGX的边缘加速平台,包括底层的认证服务器,中间的软件堆栈层,支持上层部署客户化的应用平台。
这是个很好的问题,数据来源通过传感器或视觉传感器采集,对于传感器数据,综合历史数据量,需要考虑数据清洗等工作,对于因子的分析需要使用到机器学习算法库及模型,建议参考rapids.ai,我们开源的大数据开源加速框架,对于视觉传
如果是基于AI实现,深度学习是一方面重要的能力,另外平台能力及工程能力也非常重要。
安全生产是一个非常典型的视频应用的场景,采用GPU加速是行业很成熟的解决方案,建议参考英伟达DeepStream框架去快速构建一个视频应用,代码和Demo都可以到NGC访问 https://docs.nvidia.com/metropolis/index.html
比较常用的是机器视觉和智能AI视觉的方式,两者互相补充,前者实现定位,识别,跟踪,计量等功能,后者更多聚焦业务及缺陷,处理视觉可见维度中更高维的信息并转化价值。
就像之前提及的,需要比较明确的定义问题。
人工智能在制造业信息化中,还是有蛮多的使用场景,简单列举一些如下,工程设计仿真阶段,芯片设计,复杂PCB设计仿真,CAE有限元仿真,智能工厂方面,机器视觉,智能缺陷检测,良率及虚拟量测,安全生产视频分析,自主机器人及仿真,人机交互,供
英伟达推荐采用容器化的方式使用AI计算,建议参考 NGC( ngc.nvidia.com ),这是一个英伟达推荐并免费提供给我们开发者一个容器镜像集合,包括从训练到推理,从脚本到应用部署,都是基于容器化实施,如果提及的AI分析能力是类似大数
这是一个很好的问题,也是一个很大的问题,人工智能在落地的过程中,对于数据,算法,算力及工程都有很高的要求,从学术或技术细节看,每一个因素都会影响算力的需求,目前行业已经具备一个很清晰的共识,尤其在智能检测的场景中,边缘计
关于TWT使用指南社区专家合作厂商入驻社区企业招聘投诉建议版权与免责声明联系我们 © 2024 talkwithtrend — talk with trend,talk with technologist京ICP备09031017号-30