亚马逊云科技联合Nolibox定制工业设计AIGC解决方案

从机器学习算法到深度学习再到强化学习,AI创新浪潮奔流不息。而AIGC(AI-generated Content,人工智能生成内容)的到来,更是让AI成为众多企业的得力助手,开拓了文本、图像、音视频等领域的天花板。

在洞悉到AIGC技术广阔的应用空间和无限的可能性后,亚马逊云科技携手海尔设计、Nolibox计算美学将AIGC应用到工业设计领域,以探索产业新范式,为行业升级按下加速键。

海尔创新设计中心(以下简称海尔设计)成立于1994年,目前拥有400多名设计师,为海尔智家旗下七大品牌全球的所有产品提供设计创新和模式探索。亚马逊云科技为海尔设计提供了包含四套系统的整体解决方案,全面替代自有机房,让设计中心的工作流程实现了全面云化。上线后,自动化设计系统应用让相关业务的操作周期缩短了20%,获得巨大成功。

 

目前,海尔设计使用的亚马逊云科技服务包括:Amazon Elastic Compute Cloud (Amazon EC2)、NICE DCV、Amazon Thinkbox Deadline、Amazon Simple Storage Service (Amazon S3)、Amazon SageMaker、Amazon Elastic File System (Amazon EFS)、Amazon DynamoDB、Amazon Relational Database Service (RDS)等。

机会高效、创新的数字化需求

工业设计一般包括准备、发展、深入和生产等不同阶段,概念设计环节作用在工业设计的准备和发展阶段,是利用设计思维发现设计问题、确定和具体化设计理念、产生设计草图的过程,具有重要意义。在这个阶段,工业设计师通过创造性思维和技术能力,将创新理念转化为概念化的产品设计。然而,面对快速增长的业务需求和加速迭代的产品周期,工业设计也需要数字化转型,应对如下挑战:

  1. 设计周期较长、设计师的业务承载能力与快速增长的业务需求之间的挑战;
  2. 设计质量波动,产出质量因人员水准有差异、设计品质受人员流动影响。

上述因素综合导致了概念设计阶段人力成本耗费高、概念产出效率低、概念通过率低等问题。这些挑战让海尔设计敏锐地感知到了这背后蕴藏的机会,随着AIGC技术的涌现,海尔设计洞察到AIGC技术的巨大潜力,并着手与亚马逊云科技和Nolibox计算美学(以下简称Nolibox)合作,研究如何将AIGC创新研发模式应用到工业设计领域。经过海尔设计、亚马逊云科技、Nolibox三方的联合评估和方案设计,海尔设计决定以概念发散、概念聚焦、概念修改等环节为切入点,将AIGC引入工业设计的概念设计阶段。

解决方案亚马逊云科技联合Nolibox定制工业设计AIGC解决方案

2023年,海尔设计着手立项,邀请亚马逊云科技与Nolibox协作,共同打造工业设计领域的AIGC产品。

在该项目中,海尔设计邀请Nolibox为其量身打造了工业设计AIGC解决方案。Nolibox交付了完整的AIGC工业设计解决方案:包括符合品牌调性的不同设计品类绘画大模型、面向设计师等业务人员的“AIGC无限画板”、AI绘画大模型在线训练和管理能力、以及根据用户用量调度的弹性算力架构等。方案支持在线的模型训练,并支持设计概念生成、设计融合智能辅助、概念聚焦智能辅助、概念精细化智能调整等功能。方案对客户的产品、场景、概念、模型等数字内容进行在线管理,将AIGC有效地应用于工业设计的概念创意阶段。

在交付的解决方案上,该方案基于亚马逊云科技基础设施构建,通过应用Amazon SageMaker机器学习平台,以Fine-tune as a Service(调优即服务)的方式提供服务,利用Amazon SageMaker在线的模型训练和管理能力,为消费品、游戏等场景提供创意辅助、内容生产辅助和创作支持。

在基础设施架构层,亚马逊云科技为海尔设计提供了弹性GPU算力——Amazon EC2 G4dn实例,该实例是行业内成本效益最高的通用GPU实例,适合于部署机器学习模型,例如图像分类、对象检测和语音识别,以及图形密集型应用程序,例如远程图形工作站、游戏串流和图像渲染。G4dn实例配有NVIDIA T4 GPU,与CPU相比它的低延迟吞吐量性能提高40倍,因此可以实时处理更多请求。另外,G4dn实例经过优化,在机器学习中成本效益更高,使总体运营成本中高达90%用于机器学习计划。

本项目使用的Amazon SageMaker则是一项完全托管的机器学习服务,借助Amazon SageMaker生产就绪的托管环境,开发人员可以快速、轻松地构建和训练机器学习模型。Amazon SageMaker不仅支持多种算力机型,还可以实现资源的弹性扩张,能够敏捷适配业务扩展不同阶段的需求。同时,Amazon SageMaker同一终端节点部署多模型的方式可以帮助企业节省实时部署成本,其异步推理形式还支持“从0扩展”,从而进一步降低推理成本,大大加快Nolibox应用机器学习技术的速度。Nolibox表示:“亚马逊云科技帮助我们的开发人员快速、轻松地构建和训练机器学习模型,并直接实现模型部署,并在过程中协助我们满足弹性算力等资源调度需求。”

 

业务成果三方携手,倾力打造全国首个AIGC工业设计解决方案

基于亚马逊云科技和合作伙伴Nolibox携手打造的AIGC解决方案,海尔设计将AIGC解决方案引入到产品设计、UI设计、CMF设计、品牌设计等环节,涵盖了新品设计、改款升级、渠道定制化等工业设计的业务场景。从2023年初正式立项,到如今,该方案已经初步完成交付,是目前已知的全国首个结合实际业务场景落地的AIGC工业设计企业级解决方案。

从客户中来,到客户中去,此次在海尔设计的合作中,亚马逊云科技与Nolibox建立了良好的合作关系,也促成了双方的进一步合作,2023年2月底,Nolibox成为了亚马逊云科技ISV合作伙伴(APN)。亚马逊云科技帮助Nolibox上架亚马逊云科技中国区Marketplace,吸引更多客户选择Nolibox基于亚马逊云科技云服务架构的AI应用服务。

此次与海尔设计的合作,是短时间内与海尔创新中心合作的第二个项目,合作的延续是海尔设计对于亚马逊云科技的认可与肯定,也为亚马逊云科技带来了结识更多新伙伴的宝贵机会。在未来,亚马逊云科技将于海尔设计携手,探索更多可能。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/21920.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

简爱思维导图怎么画?几个超实用绘制步骤赶紧get

简爱思维导图怎么画?思维导图是一种有效的信息组织和表达工具,能够帮助我们更好地整理思路、提高学习效率。下面这篇文章就带大家了解一下简爱思维导图的绘制步骤,并分享4个超实用步骤,助你快速掌握。 在绘制思维导图之前&#xf…

分布式定时任务xxl-Job

目录 前言 项目介绍 1.源码目录介绍 2 “调度数据库”配置 3 架构设计 3.1 设计思想 5.3.3 架构图 实战 1.服务端部署 2.执行端配置 3.任务开发 3.1 基于方法注解任务 3.2 基于api任务 3.3 分片广播任务 4.任务执行 4.1 单任务执行 4.2 子任务执行 4.3 分片广…

Android 进程与进程之间的通信--AIDL详细教程,以传递对象为例,两个app实现

我这里案例是 通过 IPC 传递对象 (以DemoBean类为例) 如下: AIDL 使用一种简单语法,允许您通过一个或多个方法(可接收参数和返回值)来声明接口。参数和返回值可为任意类型,甚至是 AIDL 生成的其…

avue 表单绑定值;avue表单项根据某项的值去联动显隐或是联动下拉数据;avue select切换与另外一个select的options联动

效果&#xff1a;发布type为shp时 数据相关的都隐藏&#xff0c;当发布type为postgis时则显示 1.avue表单绑定值 html <avue-form :option"option" v-model"publishForm"></avue-form> js data中定义 data() {return {publishForm: {},optio…

c#示例-json序列化和json树

序列化 由于指针和引用类型的存在&#xff0c;在运行中的程序中&#xff0c;数据不一定是整块的。 可能东一块西一块散落在内存的各个地方。 序列&#xff0c;是指连续且有序的一个整体。序列化就是把数据变为连续有序整体的过程。 经过这样处理后的数据就可以方便的进行传输…

Leetcode---353周赛

周赛题目 2769. 找出最大的可达成数字 2770. 达到末尾下标所需的最大跳跃次数 2771. 构造最长非递减子数组 2772. 使数组中的所有元素都等于零 一、找出最大的可达成数字 这题就是简单的不能在简单的简单题&#xff0c; 题目意思是&#xff1a;给你一个数num和操作数t&…

【通过迭代相位检索重建衍射图案和全息图中缺失信息】不完整衍射图案的迭代重建和缺失像素的恢复(Matlab代码实现)

&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;欢迎来到本博客❤️❤️&#x1f4a5;&#x1f4a5; &#x1f3c6;博主优势&#xff1a;&#x1f31e;&#x1f31e;&#x1f31e;博客内容尽量做到思维缜密&#xff0c;逻辑清晰&#xff0c;为了方便读者。 ⛳️座右铭&a…

基于深度学习的高精度猴子检测识别系统(PyTorch+Pyside6+YOLOv5模型)

摘要&#xff1a;基于深度学习的高精度猴子检测识别系统可用于日常生活中或野外来检测与定位猴子目标&#xff0c;利用深度学习算法可实现图片、视频、摄像头等方式的猴子目标检测识别&#xff0c;另外支持结果可视化与图片或视频检测结果的导出。本系统采用YOLOv5目标检测模型…

Stable Diffusion - 提示词翻译插件 sd-webui-prompt-all-in-one

欢迎关注我的CSDN&#xff1a;https://spike.blog.csdn.net/ 本文地址&#xff1a;https://spike.blog.csdn.net/article/details/131649921 sd-webui-prompt-all-in-one 是一个基于 stable-diffusion-webui 的扩展&#xff0c;目的是提高 提示词/反向提示词 输入框的使用体验&…

Android Camera2-预览、拍照、录像流程

一、Camera2实现预览、拍照、录像三大基础功能的流程框架图 Camera2关键几个类&#xff1a; CameraManager 管理手机上的所有摄像头设备。管理手机上的所有摄像头设备&#xff0c;它的作用主要是获取摄像头列表和打开&#xff08;openCamera&#xff09;指定的摄像头。 它其…

SpringBoot+微信小程序在线订餐小程序系统 附带详细运行指导视频

文章目录 一、项目演示二、项目介绍三、运行截图四、主要代码 一、项目演示 项目演示地址&#xff1a; 视频地址 二、项目介绍 项目描述&#xff1a;这是一个基于SpringBoot微信小程序框架开发的在线订餐小程序系统。首先&#xff0c;这是一个前后端分离的项目&#xff0c;代…

并行计算框架Polars、Dask的数据处理性能对比

在Pandas 2.0发布以后&#xff0c;我们发布过一些评测的文章&#xff0c;这次我们看看&#xff0c;除了Pandas以外&#xff0c;常用的两个都是为了大数据处理的并行数据框架的对比测试。 本文我们使用两个类似的脚本来执行提取、转换和加载(ETL)过程。 测试内容 这两个脚本主…