3用例部署分布式人工智能基础设施和应用程序

在我们上一篇博文在人工智能(AI),名为“与NVIDIA Equinix的速度分布式人工智能基础设施应用程序”,我们强调行业趋势正在推动人工智能的托管栈的边缘,靠近数据源。合规规定,要求保持人工智能数据处理和分析在原产国也提供了进一步的理由将和互连AI栈在多个国家。

在本文中,我们将讨论三个使用案例,遵循这种模式,企业在利用NVIDIA AI平台Equinix®实现人工智能的解决方案解决发展部署。

利用NVIDIA Equinix的AI在平台

根据最近的IDC白皮书,开发和部署分布式人工智能:把所有的拼图快速发展部署场景,”一个人工智能的核心(云或数据中心)和部署和精炼的人工智能模型边缘或一个主机托管中心,然后再培训的核心。”[1]IDC还称,许多主机托管供应商提供一个完整的人工智能基础设施即服务(AI IaaS)边缘,在源数据就不会搬到外组织的安全域公共云。此外,由于企业人工智能应用程序正在从多个数据源的多个云,私有数据中心,数据经纪人和边缘位置,大多数公司需要一个AI堆栈的主机托管数据中心可以作为一个互联中心并提供安全、高速、低延迟这些多个数据源的连接。

符合这些趋势,企业对平台Equinix的处理、分析和管理端到端人工智能数据访问和工作流使用NVIDIA技术核心和边缘位置。以下三个用例说明企业可以利用NVIDIA AI企业,英伟达帕特铸造和NVIDIA舰队司令部的解决方案,提供简单,安全管理和部署Equinix的AI平台,推进其人工智能基础设施和应用程序。

用例1 -零售商店

大型零售连锁店提供者发送其店内相机和库存管理数据传到一个Equinix的位置,它利用了NVIDIA帕特铸造人工智能发展基础设施构建人工智能模型库存管理、员工管理转变,顾客购买趋势预测和广告位置。随后,零售商将其人工智能模型存储位置进行实时人工智能模型推论使用NVIDIA舰队命令(通过云服务Equinix的金属™)在特定的地铁Equinix的数据中心。

英伟达AI企业软件可以在Equinix的提供了人工智能工具和框架零售商用于图像分类,比如TensorFlow。此外,零售商想主办NVIDIA基本命令堆栈在帕特系统互联中心,如Equinix的,让高速访问外部数据集位于多个云和数据经纪人。零售商位于其推理服务器在不同Equinix的地铁位置减少的数据量必须被转移到一个中央位置,和实时推论紧张之后Equinix的数据中心是位于10毫秒(ms)往返时间(RTT)终端设备的零售商店。

用例2 -视频监控的建筑

一个大型房地产管理公司想从它的各种属性分析视频监控录像未授权行为。目前,许多警报被生成的基于运动检测,但该公司希望优化和减少警报后人工智能处理它们来识别各种类型的未经授权的行为,如有人跳栅栏,紧密衔接,或者走在一个未经授权的区域。公司希望用英伟达基地推荐平台集中培训AI模型来检测异常行为NVIDIA基本命令在一个中心位置,随后将人工智能模型边缘位置为人工智能模型推断法利用舰队司令部Equinix的金属(启用),接近的数据生成。

这个公司有很多网站在多个地铁位置,与数以百计的相机/网站。要执行运动检测处理在这些网站,但也希望找到其人工智能推理堆栈在一个地铁位置降低主机的成本一个人工智能在每个商店的堆栈。公司想要完整的模型推论接近边缘,在同一个地铁减少传输的数据量一个中央位置。此外,隐私和遵从性原因,公司想要生成过程中的数据区域。

用例3 -汽车高级驾驶员辅助系统(ADAS)发展

ADAS开发团队自主汽车公司需要一个人工智能基础设施开发模型的连接车辆。测试车辆所产生的数据量非常大80结核和结核每天每辆车(ADAS L2和ADAS L3)。池自动车辆生成这些大型数据集在一个特定的地铁是昂贵和耗时的移动这些大规模数据集到一个中央位置。

公司想使用NVIDIA DGX-based培训集群通过帕特铸造结合NVIDIA基本命令,驻留在Equinix的数据中心在特定的地铁发展人工智能模型。此外,团队想要找到他们的半实物试验设备在特定的地铁Equinix的数据中心建在帕特铸造测试人工智能模型。团队迭代这个过程持续改进他们的模型的准确性。

关于部署的端到端人工智能基础设施和应用程序的更多信息和Equinix的NVIDIA技术,阅读IDC白皮书”,开发和部署分布式人工智能:把所有的拼图。”

[1]IDC白皮书”,开发和部署分布式人工智能:把所有的拼图在一起,”医生# # US48458321,由:核心科学,Equinix, NetApp,英伟达,2021年12月。