Continental은 자율 주행 AI 개발을 위해 Nvidia 기반 슈퍼컴퓨터를 구축하며, 클라우드 제공자 이상으로 GPU 인프라를 확장합니다.

Continental은 자율주행 개발을 촉진하기 위해 Nvidia DGX AI 시스템을 기반으로 한 고성능 슈퍼컴퓨터 클러스터를 구축하고 있습니다. 2020년 초부터 독일 Frankfurt am Main의 데이터센터에서 운영 중인 이 시스템은 차량 인공지능 시스템 학습을 목적으로 하며 개발 시간을 수주에서 수시간으로 단축합니다. 주요 사용 사례로는 딥러닝, 시뮬레이션 및 가상 데이터 생성이 있습니다. 세계에서 가장 빠르고 강력한 슈퍼컴퓨터를 모니터링하는 TOP500 목록에 따르면, Continental과 Nvidia의 고성능 시스템은 자동차 산업에서 가장 강력한 컴퓨터입니다.

슈퍼컴퓨터는 Nvidia Mellanox InfiniBand 네트워크로 연결된 50개 이상의 Nvidia DGX 시스템으로 구축되었습니다. Continental의 Advanced Driver Assistance Systems 사업부 Program Management Systems 책임자인 Christian Schumacher는 "최첨단 시스템은 신경망 학습 시간을 단축하며, 동시에 최소 14배 이상 많은 실험을 병렬로 실행할 수 있게 해줍니다"라고 강조합니다. 이 프로젝트는 1년 이내에 구현되었으며, Schumacher는 "슈퍼컴퓨터는 IT 인프라 엔지니어링의 걸작입니다. 팀이 모든 세부 사항을 정밀하게 계획했습니다 – 현재의 완전한 성능과 기능을 보장하면서 향후 확장을 위한 확장성을 갖추기 위해서입니다"라고 설명합니다. Nvidia의 엔터프라이즈 컴퓨팅 책임자인 Manuvir Das는 "Nvidia DGX 시스템은 Continental과 같은 혁신 기업에 배포하기 쉬운 비용 효율적이고 엔터프라이즈급 AI 슈퍼컴퓨팅 솔루션을 제공합니다"라고 밝혔으며, Continental이 "미래의 가장 지능형 차량과 이를 설계하는 데 필요한 IT 인프라를 개발하고 있습니다"라고 덧붙였습니다.

Advanced Driver Assistance Systems는 AI를 활용하여 차량이 의사 결정을 내리고 운전자를 지원하며 궁극적으로 자율적으로 운영할 수 있도록 합니다. 그러나 시스템이 점점 더 복잡해짐에 따라 전통적인 소프트웨어 개발 및 머신러닝 방법은 한계에 도달했으며, 딥러닝과 시뮬레이션이 AI 기반 개발의 기본이 되었습니다. 신경망 학습에는 수백만 개의 이미지와 막대한 양의 데이터가 필요합니다 – 어린이는 수십 장의 사진을 본 후 자동차를 인식할 수 있지만, 신경망은 수천 시간의 학습이 필요합니다. Budapest, Hungary의 Continental AI Competence Center 책임자인 Balázs Lóránd는 "전체적으로, 우리는 신경망을 완전히 학습하는 데 필요한 시간을 수주에서 수시간으로 단축될 것으로 예상합니다"라고 설명하며, "슈퍼컴퓨터를 통해 우리는 이제 필요에 따라 컴퓨팅 성능을 더욱 효과적으로 확장하고 개발자들의 잠재력을 최대한 활용할 수 있습니다"라고 덧붙였습니다.

Continental의 테스트 차량 함대는 매일 약 15,000개의 테스트 킬로미터를 주행하며 약 100테라바이트의 데이터를 수집합니다 – 50,000시간 분량의 영화에 해당하는 양입니다. 이렇게 기록된 데이터는 재생하여 실제 테스트 드라이브를 시뮬레이션하고 새로운 시스템을 학습시킬 수 있습니다. 슈퍼컴퓨터를 통해 데이터를 이제 합성적으로 생성할 수 있으며, 이는 높은 컴퓨팅 성능이 필요한 사용 사례로서 시스템이 시뮬레이션된 환경을 통해 가상으로 주행하면서 학습할 수 있게 합니다. 이러한 접근 방식은 차량이 변화하는 극단적인 날씨 조건을 안전하게 통과하고 보행자의 이동을 신뢰할 수 있게 예측하도록 하여, 더 높은 수준의 자동화로 나아가는 길을 열어줍니다.