Micron und Continental

Deep Learning im Auto beschleunigen

4. März 2020, 14:21 Uhr | Heinz Arnold

Micron Technology und Continental passen gemeinsam den Deep-Learning-Beschleuniger von Micron auf Anwendungsbereiche im Auto an.

Eine entsprechende Kollaborationsvereinbarung haben Micron und Continental jetzt unterzeichnet, um die maschinellen Lerntechnologien so weiter zu entwickeln, dass sie die anspruchsvollen Anforderungen in Fahrzeugen erfüllen können.

Das Infotainment, die Fahrerassistenzsysteme (Advanced Driver-Assistance Systems, ADAS), die Steuersysteme im Antriebsstrang und die Kommunikation im Auto werden zunehmend komplex. Continental und Micron werden deshalb eine anwendungsspezifische Version des Deep-Learning-Akzelerator (DLA) von Micron entwickeln, die darauf ausgelegt ist, sowohl flexibel und skalierbar zu sein als auch den niedrigen Stromverbrauch und die hohe Leistungsfähigkeit zu erreichen, die benötigt werden, um Industriestandard-konforme Programmiermodelle zu unterstützen.

»Die Zusammenarbeit mit Micron bei der Erstellung einer skalierbaren und flexiblen Lösung für Edge-Inferenz, die mehrere Netzwerke und Frameworks unterstützt, wird es uns ermöglichen, maschinelles Lernen auf unseren Plattformen effizient bereitzustellen und unseren Kunden intelligente Mobilitätstechnologien zu bieten«, sagt Dirk Remde, Vice President des Innovation Center Silicon Valley bei Continental.

»Eines der zentralen Ziele besteht darin, ein Edge-Inferenz-System zu entwickeln, das maschinelles Lernen einsetzt, um die Benutzerfreundlichkeit, die Skalierbarkeit, den niedrigen Stromverbrauch und die hohe Leistungsfähigkeit erreichen, die in der Automobil-Industrie benötigt werden«, so Steve Pawlowski, Corporate Vice President der Advanced Computing Solutions bei Micron.

Micron integriert mit Hilfe seiner DLA-Technologie Computing, Speicher, Tools und Software in eine umfassende Entwicklungsplattform für künstliche Intelligenz (KI). Continental und Micron werden diese Plattform nutzen, um Speicher zu entwickeln, die für KI-Arbeitsauslastungen optimiert sind. Dazu zählt Deep Learning für die Datenanalyse, die insbesondere auf das Internet-of-Things (IoT) und Edge-Computing ausgerichtet sind.