阿里、菜鳥旗下的ET物流實驗室于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于張無忌。
自動駕駛的閉關苦“算”
自動駕駛并不是新鮮事，2002年上映的《007之擇日而亡》就展示了類似的技術(當然做了藝術性的夸張)，這項技術之所以今天才開始應用，就是因為現實世界的復雜度遠超過人的想象，我們很難拿出一套算法來應對所有的情況，那么自動駕駛就沒解決辦法了嗎?
并非如此，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復雜和困難的，以往場景流的識別估計主要依賴于人工設計的特征，現在則普遍采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征，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，然后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，然后根據差異調整策略，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”，升級完成后就可以上線工作，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。
訓練對于計算力的需求是指數變化的，從2012年至今人類用于AI線下訓練的計算力增長了30多萬倍。只有AI服務器才能滿足訓練對于計算力的需求，浪潮目前最快服務器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。
浪潮服務器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激光雷達、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，對于無人配送小車，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后，也是需要監管與保護的。想象一下，如果無人配送車被人“抱走”怎么辦?如果遇到事故怎么辦?如果遇到堵車怎么辦?
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。邊緣計算服務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服務器NE5260M5，高度為2U，寬19英寸，深度為43cm，僅有傳統標準服務器深度的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。
浪潮服務器NE5260M5
盡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松平常的數字。因此隨著5G、人工智能等技術的發展，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，賦能云、邊、端的協同計算，陪你感受新的加速度。
京公網安備 11010502049343號