智能空間帶來了前所未有的價值，在物理世界和數字世界之間創造了持續的信息流。
通過將物聯網（ IoT ）、云計算、機器學習和人工智能等技術融入邊緣，世界級企業可以捕獲數字數據并將其轉化為可操作的見解。
然而，由于邊緣環境分布在封閉的數據中心范圍之外，這一過程非常復雜，需要跨多個位置進行管理。
工業嵌入式閃存和 DRAM 解決方案提供商 Innodisk 試圖解決這些問題，同時為其子公司 Aetina 建造智能工廠。與 NVIDIA 密切合作， Innodisk 開始了為工業環境構建高性能端到端視覺 AI 解決方案的任務。
人工智能項目分為兩個階段：人工智能模型開發和人工智能模型部署。本文討論了與這些步驟相關的常見挑戰，以及 Innodisk 如何利用不同的工具和技術來解決這些問題。
開發 AI 模型
該項目從開發一種能夠滿足嚴格質量生產標準的產品檢驗解決方案開始。 Innodisk 生產的閃存和 DRAM 產品是針對惡劣環境和應用而設計的小型復雜組件。
Innodisk 需要一種能夠快速處理高分辨率圖像識別任務的解決方案，并且在開發邊緣 AI 模型時面臨克服幾個常見問題的挑戰。這包括原始數據不足、數據處理時間長、模型訓練成本高、計算能力需求高，以及驗證模型是否已準備好部署。
Aetina 使用 NVIDIA TAO Toolkit （可通過 NVIDIA AI Enterprise 獲得），在短短幾天內創建了可用于生產的 AI 模型，以滿足 Inndisk 的需求。雖然這通常需要幾個月的時間，但他們通過微調 NVIDIA 預訓練模型?加快了這一過程，而不是從頭開始訓練模型。
經過培訓，該模型被集成到一個應用程序中。 Aetina 將應用程序容器化，以便在邊緣輕松部署。然后，他們將定制的容器上傳到他們的私有注冊表。
部署 AI 模型
完成應用程序后，下一步是找到大規模部署和管理應用程序的解決方案。
他們轉向 cloud-native technology 來管理其邊緣部署。在本例中，他們使用了 Kubernetes ，一個用于容器化應用程序的開源系統，創建了舵圖來部署他們的應用程序。
憑借 NVIDIA TAO 工具包， Aetina 迅速從模型開發轉向部署。但是，模型部署也帶來了復雜性。企業通常要解決部署時間長、安全問題以及昂貴的部署和監控成本。
Aetina 希望 NVIDIA Fleet Command 緩解這些問題。
Fleet Command 是一個用于容器編排的托管平臺，它簡化了邊緣系統和 AI 應用程序的供應和部署。應用程序部署后，通過空中應用程序更新、遠程監控和管理以及防止泄漏和數據偽造的嚴格數據保護，簡化了 AI 生命周期。
使用 Fleet Command Aetina 快速輕松地部署了其 AI 模型。
完成端到端人工智能工作流
使用這種視覺 AI 解決方案， Innodisk 現在可以在不到 1 秒的時間內進行精確的檢查，使他們能夠高效、經濟地生產更多的產品。
在這之前，工廠依靠一名駐守在工廠生產線上的人類檢查員，花 10 秒鐘完成同樣的任務。通過這種解決方案，工廠工人可以從單調的任務中解脫出來，專注于更重要的功能。
該過程還導致 Aetina 構建了一個端到端解決方案，其他組織可以使用該解決方案將其環境轉換為智能空間。
要了解有關此解決方案的更多信息，請查看按需 GTC 會話 End-to-End Smart Factory AI Application: From Model Development to Deployment with Aetina 。
?
