要提升機器人的物體識別能力，非常重要的一點在于對機器人的深度學習算法模型進行訓練，提升其對于目標物體的推理速度與識別精度。但是，面向物體識別的深度學習模型訓練需要處理大規(guī)模的訓練數(shù)據(jù)，對算力的要求非常高。當前，基于GPU的AI服務器被普遍用于深度學習模型訓練與推理中，但AI服務器集群廣泛存在著算力資源分配不均及利用率不高等問題。因此，要提升AI視覺識別模型的訓練精度與速度，不僅需要性能強勁的AI計算平臺，更需要強大的算力資源調度能力。
科沃斯一直致力于提升AI技術研發(fā)，加快家居機器人的智能化迭代。在打造AI研發(fā)的算力基礎設施時，科沃斯認識到，算力平臺在提供強勁、穩(wěn)定的AI算力的同時，必須能夠實現(xiàn)對AI算力資源統(tǒng)一、高效的管理，充分挖掘AI算力的效率，從而提升技術研發(fā)能力和產品迭代速度。
浪潮AI助力科沃斯實現(xiàn)“智慧進化”
科沃斯蘇州研發(fā)中心選擇浪潮AI集群和AIStation人工智能開發(fā)平臺來支撐AI視覺技術研發(fā)，以提高深度學習模型的訓練效率，解決算力瓶頸問題，并降低總體技術研究成本。
針對科沃斯智能識別模型訓練需求，浪潮搭建了以AI服務器NF5468M5為核心的AI計算平臺，為科沃斯的AI訓練提供強勁計算力。浪潮NF5468M5是業(yè)界首款面向AI云設計的彈性GPU服務器，可靈活支持AI模型訓練性能最大化或AI在線推理效能最大化。
科沃斯AI計算平臺配置的AIStation是浪潮面向人工智能企業(yè)訓練場景開發(fā)的人工智能資源平臺，可實現(xiàn)容器化部署、可視化開發(fā)、集中化管理等，為用戶實現(xiàn)高效的計算力支撐、精準的資源管理和調度、敏捷的數(shù)據(jù)整合及加速、流程化的AI場景及業(yè)務整合，有效打通開發(fā)環(huán)境、計算資源與數(shù)據(jù)資源，提升開發(fā)效率。
AIStation支持Kubernetes+Docker的快速部署方式，幫助科沃斯減少了AI訓練環(huán)境部署的復雜度，環(huán)境部署由過去的幾天縮短到數(shù)小時。創(chuàng)新的GPU多維細粒度分配策略可最大化發(fā)揮計算資源的性能，為科沃斯提升資源利用率達90%以上。與此同時，科沃斯研發(fā)者基于AIStation圖形化的方式可快速啟動分布式任務訓練，不僅無需人工協(xié)調資源，還可提升訓練任務執(zhí)行速度至70%以上。
浪潮為科沃斯打造的AI訓練集群集成了浪潮的AI算力生產和算力調度能力，通過硬件重構與軟件定義的方式為科沃斯的AI技術研發(fā)提供強勁高效的智慧計算服務，加速科沃斯掃地機器人識別室內圖像物體、分類記錄、視覺測距和避障能力的迭代，助推科沃斯創(chuàng)新技術成果落地，推動“中國智造”不斷升級。
