このケーススタディでは、NXPのスケーラブルなAI ソリューションと、Sonatus AI Directorが、自動車におけるリアルタイムのエッジベースの意思決定をどのように実現するかについて解説します。
クラウドベースのAI の導入が進む一方で、車載用AI の活用は、主にADASや自動運転に限定されており、車載用AI コンピューティングが、低遅延、データ伝送コストの削減、プライバシーの向上、知的財産の保護といったメリットを通じて、車両機能を強化する機会をもたらしています。NXPのS32自動車向けプラットフォームは、異種混在のコンピューティング機能とアクセラレータを備えており、安全かつスケーラブルなAI アプリケーションを実現します。
Sonatus AI Directorは、NXPのハードウェアおよびソフトウェアのエコシステムと統合された、AI のモデル開発、展開、およびリモート監視のためのエンドツーエンドのツールチェーンを提供します。
クラウドベースのAI は強力な機能を提供しますが、車載型の「EdgeAI 」は、リアルタイムかつセキュアなアプリケーションにおいて重要な利点をもたらします。
- 遅延の低減：データをローカルで処理することで即時の応答が保証され、クラウドとの通信を待てない安全上重要な機能にとって不可欠です。
- コスト削減：大量の車両データをクラウドに送信するコストを大幅に削減します。
- プライバシーとセキュリティ：データを車載状態で保持することで、独自のアルゴリズム（知的財産）を保護し、データの露出を最小限に抑えることでユーザーのプライバシーを強化します。
これまで、AI を車両に導入する際には、複雑なMLOpsワークフローや、特定のハードウェア向けにモデルを最適化することの難しさが障壁となっていました。この共同ソリューションは、Sonatus AI Directorを、NXPのeIQ® Auto MLソフトウェアおよびS32プロセッシングプラットフォームと事前に統合することで、この課題に対処しています。
- エンドツーエンドのツールチェーン：モデルのトレーニング、検証、最適化、展開のための統一されたワークフローを提供し、異なるツールを個別に組み合わせる必要性を排除します。
- 自動最適化：このソリューションは、NXPの特定のハードウェアアクセラレータ（NPUやDSPなど）向けにモデルを自動的に最適化し、手動でのチューニングなしに効率的な実行を保証します。
標準的なPythonベースのモデルと、C++/eIQ® Auto MLで最適化されたモデルを比較したベンチマーク調査により、劇的な効率向上が明らかになりました。
- 推論速度の向上：Glowでコンパイルした場合、推論時間の平均が8分の1に短縮されました。
- リソース使用量の削減：CPU使用率は4.25分の1に低下し、仮想メモリ使用量は144分の1にまで削減されたため、他の車両機能のために貴重なコンピューティングリソースを解放することができました。
