Константин Тимофеев: "Необходимость соблюдать высочайшие требования при внедрении беспилотного транспорта будет стимулировать разработку и активное использование множества передовых технологий, в том числе быстрого интернета (5G), искусственного интеллекта и платформ динамического анализа больших данных"
Константин Тимофеев,
руководитель направления по продаже OEM/IoT-решений в России и СНГ компании Dell EMC
© ComNews
01.04.2019

Что вы представляете, когда слышите выражение "технологии будущего"? Наверняка в пятерку самых популярных ответов на этот вопрос войдут беспилотные автомобили. Автономный транспорт — поистине перспективное научное направление. Разработчики прикладывают массу усилий, чтобы умные беспилотные автомобили (как легковые, так и грузовые) и даже корабли вышли на рынок, хотя до этого пока далеко.

Центральный элемент такого технологического будущего — искусственный интеллект (ИИ). Именно он станет движущей силой транспортной отрасли, ведь ИИ способен удовлетворить сложные технологические требования сетей, объединяющих так называемые подключенные автомобили, и связанных с ними рабочие нагрузки. Тщательно спроектированные, мощные ресурсы для вычислений и хранения данных будут играть ключевую роль в управлении автомобилями — на периферии и в ЦОД, — помогая повысить запас хода, оптимизировать потребление энергии и избежать накладок и задержек, характерных для существующих технологий. А структуры данных упростятся за счет применения архитектур управления данными с развитой семантикой и активного архивирования. Все это будет иметь решающее значение для развития технологий, обеспечивающих работу подключенных автомобилей. По прогнозам Dell Technologies, к 2025 году объемы данных, поступающих от 100 миллионов умных автомобилей по всему миру, составят 10 эксабайт в месяц.

Очевидно, что в автомобильной отрасли начинается новая переходная эпоха, которая перевернет представление об удобстве и безопасности транспортного средства и ознаменуется высокой конкуренцией. Стоит отметить, что такие изменения коснутся не только индустрии автомобилестроения, но и смежных сфер, которые снабжают инфраструктуру подключенного транспорта необходимыми ресурсами.

Для чего нужно столько данных?

Современные системы помощи водителю (Advanced Driver Assistance System, ADAS) находятся в авангарде разработок для подключенных автомобилей. Речь идет о таких функциях, как автоматическое торможение, защита от столкновений и ассистент аварийной остановки. Требования к данным в таких системах чрезвычайно высоки. В частности, это касается СХД, где емкости начального уровня измеряются петабайтами.

Так как системы ADAS крайне важны для обеспечения безопасности, сбор данных имеет первостепенное значение, и именно к нему предъявляются самые строгие требования — чем глубже автоматизация, тем они выше. Неудивительно, что ограничения традиционных архитектур СХД и ЦОД ощущаются все острее.

Сообщество автомобильных инженеров (Society of Automotive Engineers, SAE) выделяет пять уровней автоматизации, при этом самые современные автомобили находятся на втором и третьем. Тем не менее системы ADAS третьего уровня уже исчерпали возможности существующих СХД. А поскольку появление систем четвертого и пятого уровней — лишь вопрос времени, сегодня на первый план выходит потребность в СХД, оптимизированных для высокопроизводительных рабочих нагрузок с высокой степенью многопоточности и масштабируемости.

Приведем наглядный пример. Один передний радиолокационный датчик может генерировать 2800 Мбит данных в секунду. Это значит, что на третьем уровне автоматизации по классификации SAE на дистанции 200 000 км будет собрано 4,2 ПБ данных (при движении автомобиля со скоростью 60 км/ч), что займет более 3300 часов. И это только один датчик! А если учесть, что современные транспортные средства в среднем оснащены более чем 10 датчиками, вполне закономерно, что к моменту появления на рынке автомобилей пятого уровня требования к обработке данных многократно увеличатся.

Хотя формирование, транспортировка, хранение, обработка и анализ данных — сами по себе непростые задачи, нельзя забывать о контрактных обязательствах и законодательных требованиях, регулирующих хранение результатов испытаний систем ADAS. Разработчики обязаны хранить собранную информацию на протяжении десятилетий, причем по условиям сервисных контрактов на восстановление таких данных и повторное моделирование различных дорожных ситуаций отводится несколько дней. Традиционные решения для архивации, такие как ленточные накопители и облачные хранилища, не подходят для этих задач. Все, что нам остается, — это переходить на более перспективные архитектуры, которые позволяют планомерно увеличивать емкость СХД без ущерба для производительности.

Как изменится управление данными и инфраструктура ЦОД

Необходимость соблюдать высочайшие требования при внедрении беспилотного транспорта будет стимулировать разработку и активное использование множества передовых технологий, в том числе быстрого интернета (5G), искусственного интеллекта и платформ динамического анализа больших данных. Чтобы связь между транспортными средствами (V2V), а также между транспортными средствами и инфраструктурой (V2X) была эффективной, а их использование — безопасным, потребуются расширенные возможности подключения к частным и публичным облакам (минуя пограничные сети) для передачи данных в реальном времени. Наконец, чем активнее цифровые технологии будут использоваться в автомобилях, тем важнее будет роль управления ПО, обновления микропрограмм и реализации новых функций, в то время как аппаратное обеспечение отойдет на второй план. Клиенты будут посещать дилерские центры гораздо реже, так как исправлять ошибки можно будет по сети.

Все эти изменения усложнят техническое обслуживание и эксплуатацию транспорта и потребуют внедрения беспроводных платформ управления, мониторинга и обеспечения безопасности, отвечающих за корректную работу транспортных средств и передачу данных без угрозы их перехвата и искажения. А если учесть огромные размеры файлов, характерные для обновлений и карт с высоким разрешением, используемых для навигации, необходимость в принципиально ином подходе к управлению данными не вызывает сомнений. Новая стратегия должна будет не только учитывать особенности технологий, применяемых в транспортных средствах, но и задействовать облачные политики, микросервисы, динамическое распределение политик, формальные методы контроля качества и обеспечения безопасности ПО.

Таким образом, нас ожидает новое поколение центров обработки данных на базе ИИ с передовой аппаратной и программной архитектурой для широкомасштабного анализа данных в реальном времени и реализации новейших интеллектуальных возможностей. В таких условиях методы вычисления и хранения данных на периферии будут оптимизированы, чтобы расширить потенциал всей ИТ-системы, а поддержка критически важных открытых архитектур позволит в полную мощь использовать ее преимущества.

Новым машинам нужны более мощные ресурсы

Беспилотные автомобили — это не просто технология будущего, но и в некоторой степени современная реалия. И уже сейчас нет сомнений в том, что для полностью автономных моделей, появление которых не за горами, потребуются более совершенные технологии, чем доступные в большинстве ЦОД на данный момент.

Непрерывный рост рынка гарантирует, что интерес к этому направлению не иссякнет, и отрасль продолжит активно развиваться. Но данные всегда будут краеугольным камнем таких разработок, поскольку с их помощью можно выдержать сжатые сроки при выводе продуктов на рынок и избежать ошибок, цена которых слишком высока. Следовательно, для безопасной, надежной и эффективной автоматизации транспортных средств инфраструктура, лежащая в основе систем ADAS, потребует беспрецедентной емкости СХД, современных источников питания и передовых возможностей подключения и аналитики.

По мере того как беспилотные автомобили совершенствуются и покоряют новые уровни шкалы SAE, прогнозировать требования к производительности ресурсов, на которые они опираются, становится все сложнее. Именно поэтому первоочередная задача отрасли — обеспечить масштабируемость СХД и вычислительных ресурсов, чтобы гарантировать жизнеспособность решений в будущем и извлечь максимум пользы из технологий автоматизации на базе ИИ.