Il ruolo del cloud nei veicoli di oggi (Parte 1)

Panoramica

JOHN: Nella puntata di oggi di “ The Garage ”, vi presenteremo la prima parte della nostra serie speciale in due puntate dedicata al cloud computing nel settore automobilistico, con il nostro ospite speciale di AWS, Stefano Marzani. In questa prima puntata parleremo di dati e risorse di calcolo nel cloud. Si parte!

Introduzione

JOHN: Nella puntata di oggi di “ The Garage ”, sono davvero entusiasta di dare il benvenuto al nostro ospite speciale di AWS: il mio caro amico Stefano Marzani. Stefano, benvenuto a “ The Garage ”.

STEFANO: Ciao, John. E grazie mille. È un invito davvero speciale, dopo tre anni di collaborazione; è davvero un’occasione speciale, vero, per riflettere sulle nostre passioni, parlarne e, insomma, condividere le nostre esperienze. Quindi grazie mille per avermi invitato.

Vi presentiamo Stefano Marzani

JOHN: Siamo lieti di averti qui. Stavamo riflettendo e parlando dei nostri interessi comuni. E credo di aver individuato almeno quattro interessi comuni davvero fantastici che condividiamo, a cominciare dal caffè. Adoriamo il caffè e qui su Sonatus lo prendiamo molto sul serio.

STEFANO: Me ne sono accorto, sì, proprio così. È uno dei migliori caffè che abbia mai bevuto qui nella Bay Area. Davvero ottimo, un ottimo inizio.

JOHN: Grazie mille. La seconda cosa che ci accomuna è la passione per il cibo, in particolare quello italiano. E, come si capisce da come parli, sei italiano. Sei originario di Bologna.

STEFANO: Esatto. Esatto, zona di Bologna.

JOHN: Allora, quello che mi affascina della cucina italiana non è solo che in generale è ottima, ma anche il fatto che le diverse regioni d’Italia abbiano una cucina così variegata. Quindi pensavo di iniziare chiedendoti di raccontarci qual è la specialità della tua regione e di dirci il nome della regione in cui si trova Bologna.

STEFANO: Sì, il concetto di “regione” va già oltre i confini, perché, sai, in Italia sono proprio le province a offrire cibi diversi. Io, ad esempio, sono originario della provincia di Reggio Emilia. E se ti sposti di 15 chilometri a est, o di 15 chilometri a ovest, la gente chiama lo stesso cibo con nomi diversi. Quindi puoi capire quanto ci teniamo a questo aspetto. Ma la maggior parte dei piatti di cui si sente parlare da queste parti, come il prosciutto, le lasagne e cose del genere, proviene proprio da quella regione. Anzi, qualche anno fa Forbes ha letteralmente selezionato quella regione come la migliore al mondo per il cibo, quindi non siamo solo noi a dirlo, ma anche qualcun altro.

JOHN: È fantastico. Dovrò proprio fare un viaggio apposta per vederlo. Sono stato in Italia tantissime volte…

STEFANO: Fai pure!

JOHN: Sarebbe fantastico! E dici che nella Bay Area c'è un ristorante fantastico che serve quel tipo di cucina.

STEFANO: Sì, ci sono diversi piatti italiani, ma quelli tipici di una regione specifica sono difficili da trovare. Non qui nella Bay Area. Li sto ancora cercando.

JOHN: Prima della puntata stavamo anche chiacchierando del fatto che abbiamo un amico in comune: il mio compagno di stanza all’università, che ora è professore all’Università di Bologna, Luca Benini. Luca è un mio caro amico. È originario di Ferrara, che si trova proprio in quella provincia. E, a quanto ho capito, è anche un tuo amico.

STEFANO: Sì, l’ho conosciuto tanti, tanti anni fa. Ma sì, sicuramente all’inizio della mia carriera abbiamo iniziato a parlare di musica elettronica, come puoi immaginare, a quei tempi, quindi l’ho incontrato. Credo che siano passati più o meno 20 anni.

JOHN: Fantastico. Allora, Luca, se stai guardando il programma, tanto di cappello. La terza cosa che abbiamo in comune è che entrambi amiamo i video e i podcast. Sì. Conduci un programma tutto tuo su AWS, il che è davvero impressionante. Siamo davvero onorati di averti come ospite qui nel nostro programma. Parlaci brevemente del tuo programma e degli argomenti che tratti, e inseriremo un link al programma nel video.

STEFANO: Lo apprezzo davvero molto. Si chiama “All Things Automotive”. E stiamo per iniziare le riprese della terza stagione. La prima, purtroppo, è stata girata in remoto durante il COVID. Poi abbiamo realizzato una stagione in studio: è stata un’esperienza assolutamente fantastica. Era la prima volta che facevo qualcosa del genere. Scherzavo sempre con i miei colleghi: è un po’ come un secondo lavoro, no? Visto che sono un tecnico, mi occupo di cose davvero tecniche. Quindi realizzare video con un livello di produzione e una qualità così elevati è stata davvero un’occasione speciale per me, oltre che un’esperienza formativa straordinaria e un’esperienza meravigliosa.

JOHN: Se non hai ancora visto lo spettacolo, è incredibile. Quindi, se lo vedrai, sembrerai un dilettante, te lo garantisco: sembrerai un professionista. Siamo davvero felici di averti qui.

Il ruolo di Stefano in AWS

JOHN: E poi, in realtà, la quarta cosa – che ci porta proprio all’argomento della puntata di oggi – è il cloud e il settore automobilistico.

STEFANO: Sì.

JOHN: E tu ci metti davvero tanta passione. Inoltre, ricopri un ruolo davvero unico in AWS; mi piacerebbe che ci parlassi del tuo ruolo e delle tue responsabilità in AWS.

STEFANO: Certo! Sono il responsabile tecnico globale per i veicoli definiti dal software (Software-Defined Vehicles) presso AWS. Come sapete, il concetto di “Software-Defined Vehicle” rappresenta una nuova tendenza di ampio respiro nel settore automobilistico che sta davvero trasformando il prodotto; ne parleremo più avanti, spero, ma il mio ruolo è essenzialmente di strategia tecnologica. Quindi cerco di capire quali siano le esigenze dei clienti, ne discuto internamente con il nostro team dei servizi e con il team dei prodotti di settore, e insieme troviamo le soluzioni migliori per i nostri clienti. Dal punto di vista tecnico, ho dei colleghi che si occupano della parte commerciale e delle partnership. Il mio ruolo, invece, è incentrato principalmente sull’individuazione delle architetture giuste e su ciò che, dal punto di vista tecnico, soddisfa davvero i clienti. E l’ho fatto: questo è il mio primo anno come responsabile tecnico per l’SDV. Prima di allora, per due anni sono stato responsabile tecnico per ADAS/AV, quindi mi sono dedicato proprio a questo settore, facendo la stessa cosa: capire come si sta evolvendo la tecnologia, come possiamo cogliere tale tecnologia e tale evoluzione e trasformarle in servizi e prodotti per i nostri clienti. Ma, sai, in fin dei conti, lo sai molto bene, perché è proprio da quel punto di vista che abbiamo iniziato la nostra collaborazione, giusto?

JOHN: Assolutamente sì.

STEFANO: E lì, dopo che l’anno scorso ci siamo concentrati soprattutto sulla creazione di un’architettura SDV per, sai, la guida autonoma e i dati. Quindi, abbiamo fatto un buon lavoro, perché alla fine hanno detto che era piuttosto buono. Quindi forse potresti farlo per tutti gli altri carichi di lavoro nell’auto, compresa l’interfaccia uomo-macchina (HMI) connessa e così via. Quindi sì, è davvero un grande privilegio, te lo assicuro, lavorare in questo contesto in un momento così di trasformazione per l’industria automobilistica. Mi sento davvero fortunato in questo senso.

JOHN: È… è vero. E parleremo proprio di tutti questi argomenti. Credo che sarà una conversazione lunga e molto interessante. Non vedo l’ora.

Qual è l'importanza del cloud nel settore automobilistico?

JOHN: Sai, è appena passato a trovarci un nostro amico, un amico comune, Robert Day di Arm.

STEFANO: Ecco fatto!

JOHN: Anche lui era in studio poco fa a registrare. E gli ho fatto una domanda sul basso consumo nel settore automobilistico, perché, quando gliel’ho chiesto, gli ho detto: “Sai, credo che molte persone non apprezzino l’importanza del basso consumo nel settore automobilistico; dicono: ‘Ah, un’auto ha una batteria grande’”. Ma in realtà lui ha sottolineato quanto sia importante il basso consumo energetico. E vorrei farti una domanda simile riguardo al cloud. In generale, le persone potrebbero capire cos’è il cloud e quanto sia importante. Ma non sono sicuro che tutti capiscano necessariamente perché il cloud possa essere così importante per il settore automobilistico.

STEFANO: La risposta a questa domanda potrebbe essere molto, molto lunga. Ma ci sono diverse ragioni. Mi piace però il punto da cui sei partito. Perché, in termini di cloud, un basso consumo energetico significa consolidare le risorse. E noi stiamo compiendo uno sforzo enorme per la sostenibilità. Questo, in fin dei conti, è un aspetto molto importante per la mobilità, per un determinato settore della mobilità, in generale. Quindi è davvero, davvero importante, giusto? Quindi, consolidare queste risorse in data center efficienti dal punto di vista energetico e a emissioni zero: il raggiungimento della neutralità carbonica è per noi un obiettivo fondamentale. Questo, come sai, è un modo per utilizzare le risorse in maniera molto consapevole. Mettiamola così. Mi piace questo punto di partenza. Ma naturalmente ci sono ragioni tecniche per cui il cloud è rilevante in questo ambito: pensa ai veicoli connessi in circolazione. Tutti i veicoli sono connessi, lo sai benissimo, vero? E spero di sentire l’opinione di Sonatus. Giusto? È un dialogo. Mi interessa davvero vedere cosa sta facendo Sonatus per collegare tutto questo: i veicoli e le loro esperienze. E dove inviano i dati? La maggior parte li invia al cloud. Perché il nostro servizio, Amazon S3, è molto efficiente nell’archiviare questi dati e offre diversi modi per gestirli, classificandoli in base all’utilizzo o alla frequenza di utilizzo. Dispone di automatizzazioni: se non si utilizzano molto questi dati, magari vengono inseriti in un livello in cui il recupero richiede un po’ di tempo, ma si paga meno, giusto? Quindi si ha a disposizione tutta questa strategia, offerta sotto forma di servizi gestiti, che rende i servizi cloud così attraenti per i clienti, perché non devono preoccuparsene, giusto? Inoltre, possono ottimizzare la propria infrastruttura IT e concentrarsi su ciò che conta davvero: l’innovazione dei prodotti. Soprattutto in questa fase del settore automobilistico – lo sai bene – il prodotto sta cambiando radicalmente. Quindi non c’è tempo da perdere, giusto? Con il nostro servizio gestito, diamo un contributo concreto perché permettiamo al cliente di concentrarsi su ciò che conta per i propri clienti, ovvero le persone che acquistano e utilizzano l’auto. Quindi S3 è solo un esempio. Ma questo approccio può essere applicato ai servizi di calcolo, ai servizi di machine learning e a tutti i servizi che offriamo con una logica simile: gestiamo i servizi, come diciamo, e cerchiamo di evitare che il cliente debba occuparsi delle attività ripetitive e non differenziate, assorbendole noi; le automatizziamo dove possibile nel passaggio al cloud, o questi processi semplificano la vita dei nostri clienti.

JOHN: Grazie per questa sintesi. È davvero interessante.

Cinque argomenti relativi al cloud trattati nella Parte 1 e nella Parte 2

JOHN: Pensavo che oggi potremmo discutere del cloud sotto cinque aspetti. E mi sembra che questi siano gli aspetti rilevanti per il mercato automobilistico: il primo è quello dei dati. Il secondo riguarda specificamente la potenza di calcolo. Il terzo riguarda la prototipazione, perché ritengo che la prototipazione dei veicoli sia un aspetto concreto. Il quarto riguarda l’analisi dei dati, l’intelligenza artificiale e l’apprendimento automatico. Infine, il quinto, di cui abbiamo parlato in precedenza, riguarda la guida autonoma e i sistemi ADAS, ambiti in cui ritengo che il cloud possa offrire alcuni vantaggi specifici.

Argomento 1: I dati nel cloud

JOHN: Allora, cominciamo dai dati: le auto e, insomma, i veicoli di ogni tipo generano sempre più dati, soprattutto ora che sono connessi. Parliamo quindi di alcuni dei modi in cui le auto generano dati. E alcuni di quelli che vedrete sono gli esempi più interessanti di come i dati possano essere utilizzati nel cloud.

STEFANO: Sì, quindi prima di tutto la quantità di dati è, insomma, davvero enorme. È proprio questo che stiamo osservando. Direi quindi che la prima tendenza è ottimizzare la raccolta dei dati. A proposito di dati, per quanto riguarda come ridurre o ottimizzare questa “logistica dei dati”, disponiamo ovviamente di diversi servizi per raccogliere dati dai nostri servizi IoT di base e dai servizi dedicati alla logistica dei dati, giusto? A volte i dati raccolti, specialmente dai nostri clienti nel settore della guida autonoma, sono talmente tanti che non è possibile trasferirli semplicemente su Internet. Quindi disponiamo di dispositivi fisici chiamati Snowball e Snowball Edge, nei quali si scaricano fisicamente questi dati, per poi spedire il dispositivo ad AWS al fine di caricarli o scaricarli — come si preferisce — sul cloud. Quindi la logistica dei dati è un aspetto importante. Magari ne possiamo parlare più tardi. Perché si tratta davvero di una combinazione di elaborazione e dati, se volete, sempre di più. Per questo lo chiamiamo “grande ciclo”, che conoscete molto bene.

Tipi di dati dettagliati provenienti dai veicoli

STEFANO: Dati interessanti. Quello che posso dirti è che una tendenza recente che osserviamo sempre più spesso tra i clienti riguarda i video, giusto? È molto importante. Pensa a quanto sia ricca di sensori un’auto moderna: non si tratta più, come in passato, solo della raccolta di dati CAN (Controller Area Network), dati semplici come velocità, posizione, dati relativi al volante o allo stato dei freni. Ma vediamo arrivare sempre più dati articolati. Quindi abbiamo telecamere, diverse telecamere in un’auto, LiDAR; stiamo iniziando a vedere auto normali, modelli di grande serie, che adottano i LiDAR… una novità assoluta per il mercato. Abbiamo radar, sensori a ultrasuoni e così via. Direi quindi che la tendenza attuale è quella di raccogliere questi dati, e questo darà vita a una nuova generazione di servizi. Pensate alla possibilità, ad esempio, di osservare tramite le telecamere della vostra auto ciò che accade intorno al veicolo, direttamente sul vostro smartphone, giusto? Servizi come questo cambieranno davvero, davvero in modo significativo la nostra esperienza con l’auto stessa; vedremo l’auto sempre più come un insieme di sensori, se volete. Quindi dati ricchi e il loro utilizzo per questi diversi scopi: sicurezza, protezione, gestione del traffico, logistica del traffico e anche sistemi di mobilità. E, personalmente, ce n’è uno che mi appassiona particolarmente: tutto ciò che riguarda la sicurezza ADAS. È una vittoria facile. È una grande vittoria. Perché, se si guardano le statistiche, ci sono ancora molte situazioni pericolose che possono essere mitigate dall’uso dell’ADAS già oggi, giusto? Questi sono dati che, secondo me, hanno un peso speciale, se me lo chiedete.

JOHN: Certamente. E più tardi dedicheremo sicuramente un po’ di tempo all’ADAS e alla guida autonoma, perché penso che si tratti di un ambito a sé stante.

STEFANO: Sì.

L'importanza della raccolta mirata dei dati

JOHN: Ma questo è, questo è davvero interessante, parli dei diversi tipi di dati. Noi di Sonatus attribuiamo grande importanza ai dati, è uno dei settori su cui ci concentriamo; notiamo che gli approcci convenzionali alla raccolta dei dati tendono ad essere piuttosto rudimentali e rigidi. E ciò che tendiamo a osservare, a nostro avviso, è che vi sia la necessità di un adattamento dinamico dei tipi di dati, che si tratti di aspetti quali la dinamica del veicolo, per attività come la messa a punto del veicolo o la diagnostica; stiamo assistendo a un bisogno crescente, man mano che i veicoli diventano più complessi, e si verificano richiami e situazioni simili: si vuole davvero evitare quei problemi, diagnosticandoli direttamente sul campo. Riteniamo che l’acquisizione di dati dettagliata e configurabile possa essere davvero fondamentale. Ed è proprio questo uno dei motivi per cui siete un partner così importante per noi: quei dati vengono inviati al cloud, devono essere utilizzati, e parleremo di analisi e di altri aspetti. Ma garantire che i dati giusti, di alta qualità e affidabili, arrivino al cloud, credo sia una base fondamentale. E avete menzionato anche i dati arricchiti. Anche noi la pensiamo così; crediamo che combinando, ad esempio, i dati sulla dinamica del veicolo – che indicano, ad esempio, una brusca sterzata – con, diciamo, i dati delle telecamere o del radar, si possa forse ottimizzare meglio un algoritmo rispetto a quanto si otterrebbe utilizzando uno solo di questi dati in modo isolato. E quindi unire diversi flussi di dati può essere, mi piace dire, “uno più uno uguale a sette”.

Utilizzare i dati per migliorare i veicoli

STEFANO: Assolutamente. Non potrei essere più d’accordo. E questo, tra l’altro, è perfettamente in linea con la nostra definizione di SDV. Sai, abbiamo iniziato con questa definizione dicendo: “Sì, certo, l’SDV consiste nell’introdurre nuove funzioni nel veicolo — funzioni software nel veicolo — quando il veicolo è già in circolazione”, giusto? E quella era la nostra definizione, ma parlando con i clienti ci siamo resi conto che in realtà è qualcosa di più, giusto? Ci dicono: «Sì, ma, sapete, non siamo solo nel cloud. Abbiamo un prodotto fisico qui. Quindi vogliamo utilizzare i dati generati dai veicoli per migliorare l’aspetto fisico del prodotto, i suoi componenti, giusto?» Pensate al sistema di sterzo, all’impianto frenante: come potremmo, ad esempio, iniziare a progettare il servosterzo di nuova generazione di un veicolo se raccogliessimo i dati dalla maggior parte dei veicoli in circolazione, giusto? Quindi abbiamo modificato la nostra definizione di SDV, aggiungendo questa sezione. Non si tratta quindi solo di nuove funzioni disponibili mentre il veicolo è in circolazione, ma di utilizzare queste informazioni per progettare i veicoli di nuova generazione in tutte le loro dimensioni, comprese quelle fisiche.

Dati più significativi, ma in totale meno dati

STEFANO: E gli esempi in questo senso non mancano. Sono quindi pienamente d’accordo sul fatto che sia sempre più importante e che la relazione dinamica non si limiti a dire: “ok, inviamo una configurazione, raccogliamo questi dati”. Ora, magari c’è una condizione particolare che vogliamo rilevare: se individuiamo quella condizione, vogliamo approfondire un po’ di più. Proviamo quindi a raccogliere altri dati da qualche altro sensore per vedere se riusciamo a comprendere meglio la situazione. Questo tipo di logica è una priorità assoluta per i nostri clienti. E, ancora una volta, non solo a fini di progettazione, ma, se ci pensate bene, si tratta di un’ottimizzazione del sistema. Perché acquisire tutti i dati e poi utilizzarne solo il 10%? Forse possiamo adottare metodi più granulari, più intelligenti per collegarci e raccogliere i dati. E va bene, se non si nota nulla di strano o particolare, semplicemente non si registra, giusto? Se si nota una situazione specifica, mi bastano 20 secondi e me la si invia. Ecco perché possiamo disporre di più dati. Ma nel complesso, raccogliamo meno dati, perché si tratta di dati più significativi, se vogliamo. Quindi non si tratta solo di avere più dati e basta.

JOHN: Esatto, potrei definirlo il problema dell’ago nel pagliaio: in realtà, se ci pensi, di solito tutto funziona bene. Ma poi c’è questa zona specifica in cui succede qualcosa di davvero interessante. E ti servirebbero dati ad altissima risoluzione. Ma non potresti acquisire quei dati ad altissima risoluzione in ogni momento, sarebbe un carico di lavoro insostenibile. Questa è una delle aree su cui ci concentriamo, ad esempio, proprio per affrontare questo problema. Hai menzionato anche la possibilità di migliorare i veicoli: stavamo parlando con un product manager di un OEM, una casa automobilistica, e lui diceva che uno dei problemi che hanno è che, una volta che il veicolo esce dal nostro stabilimento, non hanno una comprensione dettagliata di come vengono utilizzate le funzionalità. Quindi progettiamo questa funzionalità, ma non sappiamo se qualcuno la utilizzi mai, e la sua implementazione è molto costosa; forse potremmo ottimizzare il costo dell’auto o destinare le risorse a un’altra area. Ecco quindi un altro ambito in cui possiamo ottimizzare sia i costi dei produttori che l’esperienza degli utenti, fornendo loro le funzionalità che ritengono importanti. E cose di questo tipo. Un altro ambito che riteniamo davvero interessante, e che abbiamo accennato, è il seguente: non c’è un’unica esigenza, ma potrebbero esserci esigenze di diagnostica, di analisi dei prodotti futuri, o relative a sistemi ADAS, e queste potrebbero coesistere contemporaneamente. Oggi, però, non è così che si procede di norma. Questa è una delle funzionalità che stiamo cercando di integrare nelle auto. Mi dispiace, ma è un argomento che ci sta molto a cuore, ne siamo un po’ appassionati.

STEFANO: Assolutamente, no, no, anch’io condivido la stessa passione, tra l’altro. E, a proposito, parleremo proprio di machine learning e intelligenza artificiale.

Intelligenze multiple nei veicoli

STEFANO: Ma dico spesso ai nostri clienti, quando parlo del settore automobilistico al giorno d’oggi, che le auto avranno intelligenze multiple, non solo una; insomma, non si tratta semplicemente di implementare l’ADAS e basta, come una rete neurale. Ma pensate ad Alexa, giusto? Un’intelligenza artificiale in grado di interagire con voi. E potresti avere il monitoraggio del conducente; credo che ci siano molte intelligenze artificiali che lavorano contemporaneamente su diverse fonti di dati provenienti da diverse parti del veicolo per scopi diversi: alcune informazioni vengono elaborate localmente, altre devono essere inviate al cloud per l’analisi e l’elaborazione dei dati, per capire cosa sta succedendo. Vorrei però offrirvi un altro punto di vista, che ritengo molto interessante, ovvero quello di considerare la catena di fornitura del settore automobilistico all’interno della catena del valore.

Componenti definiti dal software

STEFANO: Personalmente ritengo che non sarà solo il veicolo ad essere definito dal software, ma anche i suoi componenti, giusto? Se si vuole migliorare davvero un sottosistema del veicolo, è necessario, in un certo senso, trasferire queste conoscenze al produttore di quel componente. Quindi si tratta, in un certo senso, di guidare nuovamente questa catena del valore attraverso questi flussi di dati, in modo che il flusso raggiunga la catena di fornitura all’interno della catena del valore del settore automobilistico. E penso che questo sia interessante, perché in questo modo si realizzano davvero prodotti di qualità superiore; lo vediamo, ad esempio, nella gestione delle batterie, che è un esempio molto, molto classico nei veicoli elettrici.

JOHN: Esatto. Questo è proprio un esempio perfetto di cui si parla molto: ci sono questi componenti che, storicamente o negli approcci attuali, magari non hanno la possibilità di condividere i propri dati o le proprie analisi, ma che hanno davvero bisogno di questo tipo di messa a punto algoritmica, di miglioramenti algoritmici. E quindi penso che sia un’esigenza che oggi non viene soddisfatta.

STEFANO: Sì, assolutamente. Sono pienamente d’accordo. È proprio una parte molto interessante.

Esempi di utilizzo dei dati da parte dei clienti AWS

JOHN: A proposito di dati, potresti darci qualche esempio di clienti che utilizzano i vostri servizi e illustrarci i diversi modi in cui li impiegano?

STEFANO: Assolutamente sì. Ad esempio, abbiamo un ottimo caso di successo con BMW, che ha creato questo “data lake” connesso. Lo hanno presentato in una delle puntate di “All Things Automotive”, quindi è disponibile online. Ma c’è di più: in una delle nostre precedenti edizioni di re:Invent, la nostra conferenza annuale dedicata agli sviluppatori, sono state presentate analisi molto tecniche e approfondite. Il loro caso è particolarmente interessante perché, in sostanza, si può davvero vedere l’impegno che hanno profuso per aggregare varie fonti di dati in questo data lake connesso. E poi questo data lake è al servizio dell’intera organizzazione in tutte le sue parti. È questo il loro risultato, giusto? Ed è assolutamente fantastico, perché, sapete, si ha questo punto di riferimento, e i dati vengono semplicemente utilizzati e possono essere utilizzati dall’IT, dai reparti R&R, ovunque sia necessario. Quindi penso che sia fantastico. È ancora meglio se combinato con la tecnologia cloud, le API, cioè le interfacce di programmazione delle applicazioni, interfacce chiare, microservizi, e questo offre all’organizzazione la capacità di costruire rapidamente applicazioni che utilizzano i dati, giusto? Questo è un obiettivo molto importante al giorno d’oggi.

JOHN: Una fonte unica di verità e un quadro di riferimento comune su cui le persone possano fare affidamento: è davvero potente. E questo data lake è un’idea importante. Siamo felici di farne parte e di inviare dati a questa piattaforma.

STEFANO: Sì, e penso che stiate facendo davvero un ottimo lavoro nell’organizzare i vostri dati, non solo, diciamo, per quanto riguarda il meccanismo di trasferimento dei dati, giusto? Ma anche negli strumenti che ho visto, nella console e nelle varie interfacce, state proponendo ai clienti di lavorare con questi dati per creare automazioni. Quindi è davvero un aspetto importante, giusto? Quindi non si tratta solo di una cosa specifica. Ma di questa organizzazione, o meglio, di una grande organizzazione, un'organizzazione complessa. L'agilità si concretizza proprio nella capacità di offrire servizi specifici, giusto? Ma i dati sono la verità. Quindi devono essere consolidati in modo adeguato.

JOHN: Beh, è stata una discussione piuttosto lunga sui dati. E forse potremmo dedicare un’intera puntata proprio ai dati.

Argomento 2: Calcolo nel cloud

JOHN: Ma passiamo all’argomento successivo, ovvero la potenza di calcolo. Il cloud computing è ormai molto conosciuto e tutti sanno che il cloud offre incredibili capacità di calcolo. Mi farebbe quindi molto piacere se potessi fornirci una panoramica di alcune delle funzionalità di cui disponete, in particolare quelle applicabili al mercato automobilistico.

STEFANO: Certamente, sono più che felice di farlo perché questa è una delle, diciamo, principali risorse che abbiamo; una risorsa che abbiamo in AWS è proprio la varietà di opzioni di elaborazione. Opzioni di elaborazione che, tra l’altro, le persone possono utilizzare su richiesta, giusto? Quindi questa è una cosa molto importante, perché, sai, nel settore automobilistico il consumo non è sempre stabile. No, magari devi eseguire un’esercitazione di simulazione, e questo farà impennare il consumo di risorse di elaborazione. Ma il giorno dopo aver finito, il consumo è pari a zero. Quindi questa è una questione fondamentale che riscontriamo con alcuni clienti che dispongono di data center propri per i quali hanno già pagato, mentre la nostra offerta di risorse di calcolo è on demand. Se ne hai bisogno, paghi; se non ne hai bisogno, non paghi. Credo che questo sia un aspetto davvero fondamentale per garantire flessibilità ed elasticità nell’utilizzo delle risorse.

Diversi tipi di istanze di calcolo su AWS

STEFANO: Ecco, ed è proprio qui che la varietà diventa fondamentale. Abbiamo diverse “istanze”, come le chiamiamo noi, ovvero queste risorse di calcolo. Istanze EC2, istanze Amazon EC2, elastic compute, giusto? Ecco da dove deriva la sigla “EC”. E questo è un aspetto molto importante perché ci sono istanze Intel, istanze Arm, istanze Xilinx, ovvero istanze FPGA Xilinx, e così via. E se si esamina ciascuna classe di queste istanze, si trovano istanze con più memoria, maggiore potenza di calcolo, dotate di GPU o con caratteristiche speciali, maggiore larghezza di banda in termini di rete, proprio per adattarsi a questa specifica esigenza di calcolo. E questo è molto importante, perché ne abbiamo già parlato: avete tutti questi dati in arrivo… cosa fate? Volete utilizzare l’apprendimento automatico, ad esempio per l’addestramento, utilizzando questi dati, e avete a disposizione istanze P, per esempio. E questa è un’elaborazione accelerata specifica per l’addestramento dei dati. Anche in questo ambito disponiamo di alcuni chip che abbiamo sviluppato, chiamati Trainium. Si tratta quindi di un chip di nostra produzione in grado di addestrare queste reti di machine learning utilizzando i dati raccolti. Supponiamo che, una volta completato l’addestramento, vogliate testare il modello. A tal fine disponiamo di Inferentia, un altro chip sviluppato internamente e specializzato in questo tipo di attività. Ma, ancora una volta, al di là della nostra offerta, è davvero importante fornire questa varietà... abbiamo le istanze Mac, ad esempio, giusto? Perché se sei uno sviluppatore Apple e vuoi davvero realizzare questa pipeline di sviluppo su larga scala, puoi utilizzare le istanze Mac e scalarle orizzontalmente. Abbiamo dati concreti che dimostrano che questa granularità è davvero necessaria. Quando si adotta la potenza di calcolo, la scelta della potenza di calcolo ti offre proprio questo. Ad esempio, ecco un altro caso tratto da re:Invent. Continental ha spiegato come l’adozione del cloud in questa simulazione – in questo caso sulla piattaforma CAEDGE – abbia davvero ridotto in modo significativo il tempo impiegato per addestrare specificamente questa funzionalità. Abbiamo quindi sempre più dati a sostegno di questo tipo di adozione del cloud in termini di risorse di calcolo.

AWS Graviton

JOHN: Beh, a proposito di casi specifici, non possiamo non parlare di Graviton. Puoi dirci qualcosa in più al riguardo?

STEFANO: Sì, certo, dobbiamo farlo, dobbiamo farlo perché abbiamo avviato la nostra collaborazione proprio lavorando su queste tecnologie Arm. Quindi assolutamente sì. Si tratta del nostro processore sviluppato dai nostri laboratori Annapurna, ovvero, come sai, la nostra unità aziendale specializzata, per così dire, che sta producendo tutta questa innovazione nel campo dei chip, inclusi Graviton, Trainium, Inferentium e così via. Si tratta di un chip basato su Arm, una CPU con 64 core Arm, Armv8, nel cloud. Al momento del lancio, è stato il primo chip Arm nei sistemi cloud ad essere adottato su larga scala. Ed è molto importante per diversi motivi. All’inizio, era davvero una questione di rapporto potenza/prestazioni. Abbiamo discusso di quanto sia importante l’aspetto della sostenibilità nell’adottare le giuste opzioni di elaborazione, giusto? Ma sempre più spesso abbiamo scoperto che Arm è una tecnologia, un’architettura adottata frequentemente nei veicoli dai nostri clienti. Quindi ci siamo detti: forse possiamo fare qualcosa di più con questa tecnologia, giusto? E forse potremmo discuterne.

Sintesi della Parte 1

JOHN: Grazie, Stefano, apprezzo davvero questa sintesi sul calcolo nel cloud. Con questo si conclude la prima parte della nostra serie speciale in due parti con Stefano Marzani di AWS. Nella puntata di oggi abbiamo parlato di cloud computing nel settore automobilistico, in particolare di dati e calcolo. Nella seconda parte della nostra conversazione, continueremo a parlare di prototipazione con l’analisi dei dati nel cloud e l’ AI , per poi concludere con l’ADAS e la guida autonoma. Speriamo che seguiate anche la seconda parte, che pubblicheremo a breve. Grazie per averci seguito e non vediamo l’ora di rivedervi in un altro episodio di “ The Garage ”.