了不起!全民參與的千億大單再刷新高,但問題來了,2019年雙11的包裹量再次爆發式增長,28億包裹物流要如何拼盡全力,加速送到你手裡?事實上,阿里、京東、蘇寧、美團、順豐等電商、物流行業開始布局智慧化的無人物流,現在已經將包裹的無人分揀、無人運輸延伸到了無人配送。
阿里、菜鳥旗下的ET物流實驗室於2016年就推出了第一代末端送貨機器人「小G」,可以實現避障、上下電梯等功能,完成包裹的配送。京東無人配送車隊也在2018年開始上路,配備360度高清攝像頭,能夠自動避讓行人車輛,還會繞開路障,甚至還能識別紅綠燈。
無人配送的機器人會十八般武功,最主要的武功是自動駕駛,其重要性就像九陽神功之於張無忌。
自動駕駛的閉關苦「算」
自動駕駛並不是新鮮事,2002年上映的《007之擇日而亡》就展示了類似的技術(當然做了藝術性的誇張),這項技術之所以今天才開始應用,就是因為現實世界的複雜度遠超過人的想像,我們很難拿出一套算法來應對所有的情況,那麼自動駕駛就沒解決辦法了嗎?
並非如此,現在的自動駕駛充分運用了AI,讓自動駕駛系統變成一個可自我學習,自我升級的系統。比如場景流的識別。為了安全地在駕駛現場導航,一輛自動駕駛的汽車應該能夠估計周圍環境的運動,比如車輛、行人,甚至是飄落的樹葉、搖晃的樹木等,這就是場景流識別估計。顯然場景流的計算是十分複雜和困難的,以往場景流的識別估計主要依賴於人工設計的特徵,現在則普遍採用能夠自動學習場景流的深度學習技術,深度學習技術可以自動抽取場景流的規律和特徵,調整系統的策略,就像人會積累經驗一樣,「走的路多,就成一個老司機了」。
只是,自動駕駛系統還是和人不一樣,人類可以邊走邊學,自動駕駛系統只能「停下來學」,我們需要把各種場景標記下來,形成標記數據集,然後將這些標記數據輸入到系統中,系統將計算結果與標記在數據上的正確結果比對,然後根據差異調整策略,就會積累新的經驗,這個過程系統不能對外服務,所以稱為「線下訓練」,升級完成後就可以上線工作,這個過程叫「線上推理」。
「臺上一分鐘,臺下十年功」,人是如此,自動駕駛系統也是如此,今天我們能夠享受到無人快遞,是因為自動駕駛系統已經經過了多年的訓練。
訓練對於計算力的需求是指數變化的,從2012年至今人類用於AI線下訓練的計算力增長了30多萬倍。只有AI伺服器才能滿足訓練對於計算力的需求,浪潮目前最快伺服器AGX-5單機可配置16顆NVIDIA Tesla V100 Tensor Core 32GB GPUs,擁有10240個張量計算核心,支持每秒2000萬億次的AI訓練計算力。
浪潮伺服器AGX-5
上路,釋放計算的「洪荒之力」
有了訓練好的自動駕駛模型,還需要無人配送終端具備能承載雷射雷達、毫米波雷達、攝像機、GPS定位系統等應用處理、運算的計算設備,從而做出最低延遲的高可靠推理。因此,對於無人配送小車,車端計算設施的算力、延遲與能耗是必須要考慮的因素。
面向這種對能耗及延遲嚴苛要求的應用場景,浪潮也開發出了高性能、高可靠、高能效和低延時的車載計算終端,預計不久就會上路進行實測,在末端釋放計算的「洪荒之力」。
邊緣計算,無人配送的「護車使者」
是否有能夠進行大規模訓練的數據中心,有可靠的車載計算終端,就能夠實現無人配送了呢?答案是遠遠不夠。無人配送機器人上路之後,也是需要監管與保護的。想像一下,如果無人配送車被人「抱走」怎麼辦?如果遇到事故怎麼辦?如果遇到堵車怎麼辦?
要想讓這些機器人安全上路,需要在周邊部署大量的「護車使者」,就是負責感知機器人周邊路況信息,紅綠燈信號,進行車輛監管的邊緣計算節點。邊緣計算伺服器因為部署在邊緣端的優勢,可以通過本地化的數據計算,協助小車更快判斷前方道路是否堵車需要變更路線,是否有紅燈需要減速,而一旦小車被人「抱走」也能通過車載端傳遞的360度高清視頻找出「兇手」。
浪潮在今年年初發布了邊緣計算伺服器NE5260M5,高度為2U,寬19英寸,深度為43cm,僅有傳統標準伺服器深度的1/2稍多,可以直接與電信設備混合部署在通信中心機架上,承擔「護車使者」職責。
浪潮伺服器NE5260M5
儘管無人配送目前還未大規模商用,但數據顯示,物流配送機器人正在以超過40%的年增速迅速發展,每年快遞的包裹數量也在高速增長,去年雙十一全網18億包裹,今年再次突破28億,而今天雙十一的包裹量,在不久的將來可能就是一個稀鬆平常的數字。因此隨著5G、人工智慧等技術的發展,各大電商已經開始在無人配送這條賽道上加速,浪潮也在用計算力點亮AI,賦能雲、邊、端的協同計算,陪你感受新的加速度。