全球最先進的工業公司採用 NVIDIA 技術部署大規模人工智慧計畫。GPU 加速運算技術實現工業規模的人工智慧應用,能夠利用前所未見的大量感應器和營運資料來最佳化營運成效、加速取得洞見並降低成本。
NVIDIA 和合作夥伴共同打造的人工智慧解決方案,有助於更迅速地部署 GPU 加速的深度學習和機器學習模型。
運用深度學習讓工業檢查和預測性維護演算法更加精準。
利用設備中的大量資料加速訓練人工智慧演算法,並大規模最佳化營運成效。
運用資料訓練演算法和加速取得洞見。
NVIDIA GPU 用於開發最精準的自動化檢查解決方案,適用於製造半導體、電子產品、汽車元件和組件。
GPU 除了搭配的應用軟體工具之外,還可 有效率地訓練模型以提高精準度,並針對邊緣推論部署最佳化。這些模型可大幅提升工業檢查的精準度,進而減少檢測漏篩,並藉由提高輸送量增加產量。
產量提高 1%,年利潤增加 6000 萬美元
檢測漏篩降低 64%
汽車檢查輸送量提高兩倍
相較於傳統機器學習方法,GPU 加速預測性維護解決方案可更精準地預測設備故障,進而協助工業公司降低營運成本。 透過減少設備故障和意外停機時間,NVIDIA GPU 和應用軟體堆疊讓工業公司能夠更智慧、更安全地營運,同時降低營運成本。 石油與天然氣 Baker Hughes GE 的深度學習預測性維護解決方案採用 NVIDIA DGX。NVIDIA DGX 提供概率編排引擎,並配備採用 NVIDIA GPU 的一系列模型,可提前兩個月預測設備故障。這項解決方案可在數週內完成部署,並提升 4-5 倍的設備故障預測精準度。 航太與製造 NVIDIA 生態系統由應用軟體合作夥伴和系統整合商組成,可提供新一代 GPU 加速的機器學習和深度學習預測性維護解決方案,以更快速地訓練精準度更佳的模型。
透過預先內建和預先訓練專為工業設備設計的深度學習演算法加速取得成果。
誤報率降低 50%,漏偵測率降低 300%。
體驗加速 50 倍的訓練。
採用人工智慧的智慧工廠正在改變製造業領域,包括專為特定作業訓練的小巧體積機器人、在製造廠中遞送零件的自駕車,以及與生產線員工合作的協作機器人 (cobots)。 現在自主光學檢查 (AOI) 機器人可有效率地辨識出最細微的缺陷,同時維持最高品質的標準。自主運轉機器可協助在工廠內點對點運輸成品,並通知自駕 UGV 將這些產品從製造區運送到最終目的地。
在終端或近終端使用 NVIDIA® Jetson™ 這類解決方案,以及在雲端使用 NVIDIA® Tesla® 不只提升工業機器人的效率,也能降低成本。
機器組裝精準度由 60% 增加到 95%
由配備電腦視覺的人工智慧機器人,自動化執行重複且容易出錯的作業
透過機器人撿貨並將零件遞送到裝配線以改善物流和營運
當今的工業邊緣運算需要將 GPU 運算功能,應用於工廠中的工業檢查和機器人,以及現場設備和資產的預測性維護。NVIDIA® Tesla® 等級終端 GPU 和 Jetson™ 解決方案可為上述及其他用途加速最強大的邊緣運算系統。
NVIDIA Tesla GPU 加速的運算平台 可大幅加速訓練深度學習與機器學習模型以及 HPC 工作負載,提供前所未有的深入分析資訊。所有 主要電腦系統與伺服器製造商 皆提供 Tesla GPU,讓你可以加速資料中心的 HPC 應用程式效能與人工智慧模型訓練。 NVIDIA DGX™ 系統也提供 Tesla GPU,且配備 DGX 應用軟體堆疊,可加速部署,滿足深度學習與機器學習開發人員需求。
雲端運算讓資料中心不再遙不可及,徹底改變企業的營運方式,而為各個產業帶來了重大革新。
現在,全球主要的雲端平台皆可提供 NVIDIA GPU,且 NVIDIA GPU 雲 (NGC) 也提供 GPU 加速的容器以方便使用者部署,包含 TensorFlow、PyTorch、MXNet 等深度學習框架。
NVIDIA Metropolis 應用程式框架已完全與 Azure Edge IoT 整合,且即將與 Amazon Green Grass 整合。
NVIDIA 的應用軟體函式庫與 SDK 打造可擴充的解決方案,讓客戶能夠在雲端、伺服器和終端部署推論和人工智慧技術。此應用軟體投資的目的是加快客戶部署時間,並降低整體開發成本。 這些 SDK 投資包含適用於嵌入式應用程式的 JetPack™ 、適用於 IVA 的 DeepStream 、適用於機器人的 Isaac™、適用於推論的 TensorRT™ 、適用於調整深度神經網路 (DNN) 的 TAO Toolkit、適用於容器和人工智慧應用軟體的 NVIDIA GPU 雲 NVIDIA GPU 雲等工具。
NVIDIA 也與廣大的的合作夥伴生態系統密切合作,部署立即可用的解決方案,讓客戶能夠用於應用程式。
註冊即可接獲最新資源與所有工業規格人工智慧相關新聞。
訂閱更多 NVIDIA 企業端新聞