浪潮助力爱驰汽车打造个性化驾驶AI

爱驰汽车旗下首款高端智能纯电动SUV爱驰U5。搭载了强大的智能互联功能，爱驰U5可以通过不断学习用户的驾驶习惯，从而让驾驶操作更顺畅、更简便。

浪潮AIStation人工智能开发平台助力爱驰汽车，将AI计算资源利用率提高到90％以上，减少了运维人员50％的工作量；开发人员每天可完成的训练任务数量增加了近70％，模型开发周期大幅缩短，加速了个性化驾驶AI助手等创新AI应用落地。

爱驰汽车打造AI个性化驾驶

作为我国智能电动汽车冲出的一匹黑马，爱驰汽车正在将AI技术应用于车载个性化助手、车载智能语音交互、车载机器人、车载驾驶员和乘员检测关怀等系统和功能中，并在量产车上落地应用，为用户提供体贴入微的个性化关怀。

爱驰U5是业内首款已量产的搭载了个性化AI助手的智能电动汽车，实现了车载助手“个人千面”。用户只需上传任意一张亲友的照片和一段语音，就能定制一个与其外形相似、可进行个性化语音播报和语音对话的专属虚拟伙伴，在车内也能拥有亲友陪伴在身边的温暖体验。

在汽车行驶过程中，爱驰AI助手会持续提供贴心关怀，当驾驶员出现不规范驾驶、疲劳驾驶、分神等行为时，TA会发出语音警示进行提醒；当车内有儿童哭闹，TA能够立刻辨别表情和声音，及时播放孩子喜欢的音乐、故事，甚至用他自己大笑的声音来进行安抚。

爱驰汽车AI助手开发面临计算力挑战

以有温度的感情陪伴助手为目标，爱驰AI团队在与用户关联最紧密的人机交互上开展深入的研究和技术探索，包括语音识别、人机对话、个性化推荐等。训练相关的深度学习模型不仅需要海量数据，还需要高性能的计算资源。以语音识别模型为例，至少需要1000个小时以上的训练数据，如果按每条数据平均4秒时长计算，数据量在90万条以上，需要4张V100 GPU卡训练一个星期。

为了满足AI研发创新对计算力的需求，爱驰汽车采用了浪潮AGX－2训练服务器集群，提供给数百人的人工智能开发团队使用，进行图像、NLP、语音、AR／VR等领域的研发。AGX－2在2U空间内高速互联集成8颗最高性能V100 GPU加速器，是业界计算密度最强的AI服务器。通过GPU加速，工作效率有了很大的提升。

但是随着业务需求和开发任务的增加，资源不足的矛盾逐渐凸显。计算资源依靠管理员手工标记GPU使用情况，无法及时了解资源的利用率，运维成本很高。尤其是开发人员提交并行任务时需要协调资源，更增加了系统管理员的工作难度。

此外，分散式的数据管理影响工作效率，不同业务开发人员开发所需要数据集不同，存在数据冲突和数据安全问题。音频和图像等数据集一般都有几百GB，处理起来费时费力。同时单台机器创建多个AI框架，开发环境相互影响，GPU卡多人同时使用导致相互抢占资源。

日训练任务多70％！AIStation提速爱驰汽车AI助手开发

浪潮AIStation是面向AI企业开发场景的人工智能资源平台，通过整合计算资源、数据资源以及AI开发环境，实现了AI 计算资源统一分配调度、训练数据集中管理与加速、AI模型流程化开发训练，为爱驰汽车的AI开发团队构建了敏捷高效的一体化开发平台。

AIStation提供资源统一管理、监控和运维。将计算资源全部集中池化管理，系统管理员通过可视化界面统一监控计算资源，实时了解CPU／GPU／存储的使用情况、利用率情况和性能表现，以及用户的训练任务规模和数量，降低了运维难度和工作量。

AIStation支持数据协同管理。一方面可帮助开发人员精细化地管理数据，让开发人员根据业务需求对数据进行保密或共享，在保护数据安全性的同时也能实现协作开发。另一方面，缓存策略可加快训练速度，数据集可提前预加载到本地计算节点中，减少网络IO对训练速度的影响。

考虑用户的使用习惯，AIStation提供开发环境共享可见，提高资源利用率。内置TensorFlow、PyTorch、MxNet、Caffe等AI软件栈，同时兼容ngc、dockerhub等开源镜像，开发人员通过容器的形式秒级完成开发环境创建。内置Jupyter、Shell开发工具，以及本地开发工具vscode、pycharm，满足不同开发人员的使用习惯。同时为方便同业务组的人员共同协作，组内人员创建的开发环境相互可见，并可进入开发调试。还可以在开发环境中提交训练任务，减少了资源相互占用，提高了资源利用率。

使用浪潮AIStation人工智能开发平台后，爱驰汽车的AI计算资源利用率提高到90％以上，运维人员减少了50％的工作量。开发人员每天可完成的训练任务数量增加了近70％，模型开发周期大幅缩短，极大加快了爱驰汽车个性化驾驶AI助手等创新AI应用的开发进程。

随着爱驰智能汽车AI研发创新加速，浪潮AIStation将继续帮助爱驰汽车高效管理AI计算资源、数据与任务，提高模型训练效率，加速人工智能应用落地，为用户带来更多更强大的功能和更舒适更温暖的出行体验。