軍事電子行業(yè)的人工智能（AI）正在以超現(xiàn)實(shí)的速度增長。各個(gè)領(lǐng)域的最新創(chuàng)新恰逢將計(jì)算、傳感器技術(shù)和軟件方面最強(qiáng)大的進(jìn)步帶到關(guān)鍵任務(wù)場景中。正如GPU在原始計(jì)算能力方面繼續(xù)超過摩爾定律一樣，新的傳感器和網(wǎng)絡(luò)接口帶來了越來越大的數(shù)據(jù)集需要計(jì)算。這些新技術(shù)為將商業(yè)和科學(xué)人工智能進(jìn)步的力量帶入軍事可運(yùn)輸設(shè)施提供了關(guān)鍵機(jī)會。民用數(shù)據(jù)中心型人工智能應(yīng)用和軍用可運(yùn)輸部署之間的主要區(qū)別（和障礙）是任務(wù)的環(huán)境、電力和安全要求。

需要在邊緣部署人工智能系統(tǒng)的一個(gè)明顯例子是軍用陸地、空中或海上車輛的威脅檢測。與民用自動駕駛汽車物體識別一樣，軍事威脅檢測系統(tǒng)正在捕獲傳入的傳感器數(shù)據(jù)，將數(shù)據(jù)提供給預(yù)先訓(xùn)練的AI模型，并在傳感器數(shù)據(jù)中推斷威脅的跡象。此工作流雖然只有幾個(gè)步驟，但需要幾個(gè)不同的復(fù)雜硬件層。傳感器向計(jì)算節(jié)點(diǎn)提供數(shù)據(jù)流，計(jì)算節(jié)點(diǎn)又將可操作的智能分發(fā)到適當(dāng)?shù)淖酉到y(tǒng)，所有這些子系統(tǒng)都在高速存儲和互連的框架上運(yùn)行。

構(gòu)建硬件架構(gòu)圖成為根據(jù)車輛的尺寸、重量和功率 （SWaP） 限制優(yōu)化連續(xù)數(shù)據(jù)吞吐量的一項(xiàng)練習(xí)。雖然可以通過添加另一個(gè)計(jì)算機(jī)系統(tǒng)機(jī)架來優(yōu)化民用數(shù)據(jù)中心的工作流程，但大多數(shù)軍用車輛的獨(dú)特功率、外形和環(huán)境條件使得對優(yōu)化的人工智能可移動系統(tǒng)的挑戰(zhàn)和需求顯而易見。

應(yīng)對此工作流程挑戰(zhàn)的可能解決方案是將傳感器數(shù)據(jù)流廣播到遠(yuǎn)程或移動數(shù)據(jù)中心，這可以支持邊緣優(yōu)化程度較低的計(jì)算機(jī)系統(tǒng);從而消除了對 AI 計(jì)算節(jié)點(diǎn)進(jìn)行加固的需要。然而，隨著數(shù)據(jù)量的增長，傳感器數(shù)據(jù)存儲與“云”或遠(yuǎn)程數(shù)據(jù)中心之間的通信路徑很快成為吞吐量瓶頸。為了在軍事可移動人工智能應(yīng)用中充分利用最新的人工智能技術(shù)，應(yīng)使用邊緣優(yōu)化的融合系統(tǒng)來集成整個(gè)工作流程。

這些堅(jiān)固耐用的軍用系統(tǒng)可最大限度地提高傳感器數(shù)據(jù)攝取速率，并將其與整個(gè)計(jì)算、存儲和網(wǎng)絡(luò)速度相匹配。在這種無瓶頸體系結(jié)構(gòu)中，平衡的數(shù)據(jù)流可以以可縮放的方式滿足數(shù)據(jù)的計(jì)算需求，該方式可以隨著數(shù)據(jù)的增長而增長。無需遠(yuǎn)程計(jì)算意味著可以捕獲、處理傳感器數(shù)據(jù)并將其用于實(shí)時(shí)推理和決策。

打破對遠(yuǎn)程數(shù)據(jù)中心和云計(jì)算的依賴可以優(yōu)化AI工作流程的吞吐量，但確實(shí)帶來了新的挑戰(zhàn)。與軍用車輛中的所有電子系統(tǒng)一樣，融合AI系統(tǒng)的設(shè)計(jì)必須滿足嚴(yán)格的MIL-STD環(huán)境條件以及各自車輛的獨(dú)特動力傳輸系統(tǒng)。為數(shù)據(jù)中心構(gòu)建的商用現(xiàn)貨 （COTS） 服務(wù)器可在配備 220VAC 單相電源的空調(diào)房中運(yùn)行。為了真正優(yōu)化通常在不太理想條件下運(yùn)行的軍用車輛的AI工作流程，托管AI構(gòu)建塊的系統(tǒng)必須經(jīng)過設(shè)計(jì)，測試和認(rèn)證，以滿足它們將繼續(xù)支持的任務(wù)的嚴(yán)格要求。

審核編輯：郭婷