יצרנית הרכב היפנית סובארו בחרה בפתרונות המחשוב עתירי הביצועים (HPC) של Hewlett Packard Enterprise (HPE) ובהם שרתי HPE Cray XD670, לצורך פיתוח הדור הבא של מערכת הסיוע המתקדמת לנהג, EyeSight. זהו שיתוף פעולה שמציב את כוח העיבוד של HPE בלב אחד מפרויקטי הבטיחות המרכזיים של סובארו, במטרה להאיץ את פיתוח טכנולוגיות הזיהוי החזותי, לקצר את זמני אימון המודלים ולבצע חיזויים מדויקים יותר בזמן אמת – תוך שיפור עקבי של חוויית הנהיגה.
EyeSight בגרסתה החדשה היא מערכת ADAS (Advanced Driver Assistance System) המתבססת על עיבוד תמונה בזמן אמת, מצלמות סטריאו ויכולות AI. השילוב הזה מאפשר לזהות ולסווג אובייקטים, למדוד מרחקים בצורה מדויקת ולהסיק החלטות מהירות בסביבות נהיגה מורכבות. היעד המוצהר – הפחתה משמעותית של שיעור התאונות הקטלניות עד שנת 2030 – ממשיך להוביל את אסטרטגיית הבטיחות של סובארו ומנחה את בניית מפת הדרכים הטכנולוגית של החברה.
לשם כך נבחרו שרתי HPE Cray XD670, פלטפורמת HPC שתוכננה לעומסי עבודה תובעניים בתחומי בינה מלאכותית, למידת מכונה (ML) וראייה ממוחשבת (CV). השרתים כוללים תמיכה בעד שמונה מאיצי NVIDIA H200 Tensor Core GPU ומערכת קירור נוזלי מתקדמת, המאפשרת שמירה על ביצועים גבוהים לצד יעילות אנרגטית. השילוב הזה מאפשר להריץ מודלים גדולים ומורכבים, לבצע אופטימיזציות מהירות ולשלב תהליכי אימון וחיזוי בקצב רציף – תשתית חיונית למערכת בטיחות הנדרשת להגיב בזמן אמת.
שרתי HPE Cray XD670 דורגו בצמרת מבחני הביצועים MLPerf Inference v5.0, עם תוצאות בולטות במודלים גנרטיביים, עיבוד תמונה ולמידת מכונה. הפריסה באתר הפיתוח SUBARU Lab ביפן – מרכז המו״פ של החברה למערכות ADAS ולזיהוי תמונה – תתבצע במתכונת מקומית (On-Premise), כך שהנתונים והמודלים יישארו בשליטה מלאה של סובארו. עבור מערכת בטיחות רגישת-מידע, הבחירה בתצורה מקומית מצמצמת תלות בענן, מקטינה זמני השהיה ומשפרת את הרציפות התפעולית של צוותי הפיתוח.
ב-HPE מסבירים כי Cray XD670 מדורג בין הפתרונות המובילים במשימות ראייה ממוחשבת ומודלי שפה גדולים, ובחברה מדגישים את התרומה הישירה לקיצור זמני הפיתוח. בסובארו מוסיפים שהמעבר לדור השרתים החדש מספק עד פי שניים ביצועים לעומת המערכת הקודמת ומאפשר ניצול מרבי של משאבי ה-GPU. המשמעות בפועל: יותר ניסויים בפחות זמן, מודלים מדויקים יותר ויכולת להרחיב את היקף ההדמיות והסימולציות הנדרשות לתיעוד המערכת.
מלבד תאוצת החישוב, שיתוף הפעולה כולל גם מעטפת שירות טכנית של HPE, עם גישה ישירה למומחי החברה וכלי עזרה עצמית אינטואיטיביים. עבור פרויקט רב־שנתי שמערב צוותים מרובים, זמינות תמיכה גבוהה מצמצמת נקודות כשל, מקצרת זמני השבתה ומאפשרת שמירה על קצב מסירות אחיד לאורך מחזורי פיתוח ואינטגרציה.
המשמעות התפעולית של מהלך כזה ניכרת כבר בשלב האימון: כמויות העתק של נתוני נהיגה, וידאו וסנסורים חייבות לעבור ניקוי, תיוג, איזון והאצה. סביבת HPC ייעודית מאפשרת לצוותים להריץ צינורות נתונים (pipelines) מקבילים, ליישם מערכי בדיקות אוטומטיים ולהטמיע מנגנוני ניטור רציפים לביצועי המודלים. במקביל, ניצול יעיל של ה-GPU מזרז חישובי טרנספורמרים ו-CNN, מקטין את זמן ה-epoch הכולל ומאפשר חזרות זריזות בין גרסאות מודל, היפר-פרמטרים וארכיטקטורות.
בצד ההטמעה, הפריסה המקומית מספקת יתרון מובהק ברגישות נתונים. יצרן רכב הפועל עם תרחישים אמיתיים – הולכי רגל, דו-גלגלי, מזג אוויר סוער, תמרורים לא סטנדרטיים – נדרש לשמור על שלמות הדאטה ועל עקיבות מלאה בין גרסאות. כאשר המשאבים נמצאים ב-SUBARU Lab, הצוותים יכולים להשוות ביצועים בין מערכי נתונים שונים, לשחזר תקלות במהירות ולסגור לופים בין המחקר, הפיתוח והאימות ללא פערי תיאום.
מעבר לדיוק בזיהוי, היעד הבא של EyeSight הוא חיזוי. היכולת להעריך התנהגות נהגים אחרים, לזהות מצבי סיכון מתהווים ולבצע הקצאת משאבים חכמה בין משימות – היא שמבדילה בין מערכת המסוגלת להגיב לבין מערכת המסוגלת למנוע. כאן נכנס היתרון המצטבר של HPC: עיבוד מקבילי של סימולציות באלפי תרחישים, הפקת מדדים סטטיסטיים אמינים ושיפור מודל לאורך זמן באמצעות למידה רציפה.
כדי לתמוך במעבר הזה מזיהוי לחיזוי, סובארו משקיעה בהרחבת כיסוי מקרי הקצה: תאורה נמוכה, סנוור, שלג, גשם כבד, זוויות צילום לא שגרתיות ומכשולים חלקיים. שרתי Cray XD670 מאפשרים להגדיל את נפח האימון תוך שמירה על מגוון נתונים מאוזן, להריץ התאמות דומיין (domain adaptation) בין סביבות שונות, ולבחון עמידות מודלים מול רעשים ושינויים עדינים בתמונה. בצירוף תהליכי CI/CD למודל, כל שדרוג אלגוריתמי מלווה בבדיקות רגרסיה הדוקות, במדדי דיוק, רגישות ו-precision-recall הנמדדים מול מערכי אמת מידה קבועים. במקביל, מערכי ניטור בזמן ריצה מאפשרים לזהות סטיות בביצועים כאשר המודל פוגש נתונים חדשים, ולהחזיר תיקונים חזרה לצנרת האימון במחזוריות קצרה. התוצאה היא קיצור זמן לשוק (time-to-market), הפחתת סיכוני שילוב והגברת אמון המהנדסים והרגולטורים כאחד בבשלות המערכת.
