Mermaid graph LR A[AI järeldustaotlus] --> B{Protsessori arhitektuur} B -->|Inteli protsessor| C[Järjestikune töötlemine] B -->|NVIDIA GPU| D[Massiivselt paralleelne töötlemine] C --> E[❌ Suur latentsus<br/> Madal läbilaskevõime] D --> F[✅ Madal latentsusaeg<br/> Suur läbilaskevõime] style C fill:#ff6b6b,color:#fff style D fill:#00c853,color:#fff style E fill:#ff6b6b,color:#fff style F fill:#00c853,color:#fff ### 2. Läbilaskevõime reaalajas objektide tuvastamiseks Kaasaegsed kaitsealased tehisintellekti mudelid, nagu YOLO, RetinaNet ja trafopõhised detektorid, vajavad miljardeid operatsioone kaadri kohta. Maismaasõiduki töötempo juures – mis töötleb mitmest kaamerast 30+ kaadrit sekundis – ei suuda Inteli protsessorid sammu pidada. mermaid xychart-beta pealkiri "Objekti tuvastamise läbilaskevõime (kaadreid sekundis)" x-telg ["i7-13700", "Xeon W-2295", "Jetson Orin", "RTX 4000 Ada", "A100"] y-telg "FPS (YOLOv8 1080p)" 0 --> 350 baari [8, 12, 85, 210, 340] Intel Core i7 suudab YOLOv8 tuvastusmudelil 1080p juures saavutada vaevalt 8 kaadrit sekundis – reaalajas ohtude tuvastamiseks kasutuskõlbmatu. NVIDIA Jetson Orin, mis on loodud just sellistes keskkondades servaserva juurutamiseks, pakub 85 kaadrit sekundis murdosa sellest võimsusest. Andmekeskuse klassi GPU-d nagu A100 saavutavad 340 kaadrit sekundis, võimaldades mitme vooga ja mitme mudeliga torujuhtmeid, mida Inteli riistvara lihtsalt ei toeta. ### 3. Tehisintellekti treenimine ja mudeli peenhäälestamine Kaitseväed peavad üha enam mudeleid operatsioonitandril peenhäälestama – kohandades tuvastusmudeleid uue maastiku, uute ohusignatuuride või uue varustusega. Inteli protsessoritega treenimine on suurusjärkude võrra aeglasem. mermaid xychart-beta title "Model Training Time — ResNet-50 (ImageNet Subset, Hours)" x-telg ["Xeon 8380", "RTX 4090", "A100", "H100"] y-telg "Tunnid" 0 --> 90 bar [82, 6.5, 3.2, 1.8] See, mis Intel Xeon Platinumil kulub üle 82 tunni, võtab NVIDIA H100-l alla 2 tunni. Kaitse kontekstis on see vahe, kas mudeli uuendus on valmis homseks patrulliks või järgmise nädala lähetuseks. ### 4. Energiatõhusus (jõudlus vati kohta) Maismaasõidukite energiatarve on piiratud. Iga arvutite poolt tarbitav vatt on vatt, mida pole saadaval side, aktiivsete kaitsesüsteemide või mobiilsuse jaoks. NVIDIA spetsiaalselt loodud tehisintellekti platvormid pakuvad oluliselt suuremat tehisintellekti jõudlust vati kohta. mermaid xychart-beta title "AI jõudlus vati kohta (TOPS/W)" x-telg ["i9-13900K", "Xeon W-2495X", "AGX Orin", "Orin NX", "IGX Orin"] y-telg "TOPS vati kohta" 0 --> 5,5 baari [0,15, 0,18, 5,0, 4,2, 3,8] NVIDIA Jetson AGX Orin pakub ligikaudu 33× suuremat tehisintellekti jõudlust vati kohta kui Inteli parimad serveriklassi protsessorid. Generaatori või akutoitel töötava maismaasõiduki puhul pole see marginaalne edasiminek – see on erinevus tehisintellekti võimekuse omamise ja selle puudumise vahel. ### 5. Paralleelarvutustuumad Arhitektuuriline lõhe on põhimõtteline. Inteli protsessoritel on käputäis suure jõudlusega südamikke, mis on optimeeritud ühekeermeliste töökoormuste jaoks. NVIDIA graafikakaartidel on tuhandeid südamikke, mis on optimeeritud täpselt paralleelsete töökoormuste jaoks, mida tehisintellekt nõuab. mermaid xychart-beta title "Paralleelsed arvutustuumad, mis on saadaval tehisintellekti töökoormuste jaoks" x-telg ["i9-13900K", "Xeon w9-3595X", "Jetson Orin", "RTX 4090", "H100"] y-telg "Tuumad" 0 --> 18000 baari [24, 86, 2048, 16384, 16896] --- ## Kaitsevaldkonna tehisintellekti kasutusjuhud, mis nõuavad GPU kiirendust ### Hääl LLM — käed-vabad meeskonna liidesed Kaasaegsed suured keelemudelid võimaldavad loomulikku häälega suhtlemist sõidukisüsteemidega. Meeskonnaülem saab küsida: "Milliseid ohte on meie idatiival viimase 10 minuti jooksul tuvastatud?" — ja saada kohese sünteesitud suulise vastuse, mis on saadud ühendatud andurite ja luureandmete põhjal. Hääl-LLM-torustiku käitamiseks on vaja: - Kõne tekstiks teisendamine (sosin või samaväärne): ~1,5 miljardit parameetrit - Keelemudel (LLaMA-klass): 7–70 miljardit parameetrit - Tekstist kõneks teisendamine süntees: reaalajas heli genereerimine Inteli protsessoril genereerib isegi 7B parameetriga mudel märke kiirusega 2–5 märki sekundis – see on valusalt aeglane, vastuse latentsusega 10+ sekundit. NVIDIA Jetson AGX Orinil või diskreetsel GPU-l töötab järeldus kiirusel 30–60 märki sekundis, võimaldades loomulikku vestluslikku suhtlust. mermaid xychart-beta pealkiri "LLM-i järelduskiirus — 7B parameetrimudel (žetoonid sekundis)" x-telg ["i9-13900K", "Xeon W-2495X", "AGX Orin", "RTX 4000 Ada", "A100"] y-telg "Žetoonid sekundis" 0 --> 120 baari [4, 5, 32, 75, 110] ### Reaalajas analüüs ja andurite liitmine Maismaasõidukid kannavad pidevalt kasvavat andurite komplekti: päeva-/öökaamerad, termokaamerad, laserhoiatuse vastuvõtjad, radar, LIDAR, akustilised andurid ja CBRN-detektorid. Nende andmete reaalajas ühendamine sidusa tööpildi loomiseks nõuab tohutut paralleelarvutust. Merineitsi vooskeem TD alamgraaf Andurid A[EO/IR-kaamerad] B[LIDAR] C[Radar] D[Akustilised andurid] E[CBRN-detektorid] F[Raadio/SIGINT] alamgraaf GPU_Processing["NVIDIA GPU töötlustorustik"] G[Objekti tuvastamine ja klassifitseerimine] H[Punktipilve töötlemine] I[Jälgede korrelatsioon ja liitmine] J[Ohu hindamise tehisintellekt] K[Loomuliku keele genereerimine] alamgraafi väljundid L[Ühine tööpilt] M[Häälhoiatused meeskonnale] N[Automatiseeritud aruanded] O[Ohuhoiatused] lõpp A --> G B --> H C --> I D --> I E --> J F --> J G --> I H --> I I --> J J --> K J --> L K --> M K --> N J --> O stiil GPU_Processing fill:#76b900,color:#fff,stroke:#333 Inteli protsessor suudab ehk töödelda üks või kaks sellist torujuhet reaalajas. NVIDIA GPU haldab neid kõiki samaaegselt, jättes ruumi täiendavate mudelite jaoks uute võimaluste juurutamisel. ### Olukorrateadlikkus ja autonoomne navigatsioon Tehisintellektil põhinev olukorrateadlikkus pakub: - 360° ohu tuvastamist ühendatud kaamera ja andurite signaalide abil - automaatset sihtmärgi tuvastamist (ATR), mis vähendab operaatori kognitiivset koormust - marsruudi analüüsi satelliidi- ja LIDAR-andmete põhjal saadud maastiku klassifikatsiooni abil - konvoi autonoomiat juht-järgija ja GPS-keelatud navigatsiooniga - ennetavat hooldust, mis analüüsib sõiduki telemeetriat reaalajas Need töökoormused on oma olemuselt paralleelsed ja latentsustundlikud. 200 ms viivitus ohu tuvastamisel kiirusel 60 km/h tähendab, et sõiduk on liikunud üle 3 meetri – see võib olla erinevus vastumeetme õigeaegse käivitamise ja mittekäivitamise vahel. mermaid xychart-beta pealkiri "Täielik ohu tuvastamise latentsus (millisekundid)" x-telg ["i7-13700", "Xeon W-2295", "Jetson Orin", "RTX 4000 Ada", "A100"] y-telg "Latentsus (ms)" 0 --> 500 baari [420, 310, 45, 22, 12] --- ## NVIDIA kaitseökosüsteem NVIDIA ei paku lihtsalt kiiremaid protsessoreid. Nad pakuvad täielikku kaitsealast tehisintellekti ökosüsteemi: | Võimekus | NVIDIA platvorm | Inteli ekvivalent | |---|---|---| | Edge AI Inference | Jetson AGX Orin (275 TOPS) | Pole võrreldav | | Tööstus-/kaitseklass | IGX Orin (funktsionaalne ohutus) | Pole võrreldav | | Tehisintellekti tarkvararaamistik | CUDA, TensorRT, Triton | OpenVINO (piiratud) | | Eelnevalt treenitud kaitsemudelid | TAO tööriistakomplekt, Metropolis | Puudub | | Sensor Fusion SDK | DeepStream, Isaac | Puudub | | Digitaalne kaksik / simulatsioon | Omniverse | Puudub | | LLM-i juurutamine | NeMo, TensorRT-LLM | Pole võrreldav | Inteli OpenVINO tööriistakomplekt on olemas, kuid seda piiravad aluspõhised riistvarapiirangud. Mudeli optimeerimine 20% kiiremaks töötamiseks riistvaral, mis on 10–40 korda aeglasem kui alternatiiv, ei täida lõhet. --- ## Omandiõiguse kogukulu argument Kaitsealastes hangetes valitakse sageli Intel tajutavate madalamate ühikukulude ja tarneahela tundmise tõttu. See argument kukub uurimise all kokku: merineitsi piruka pealkiri "Tegelik kulude jaotus – tehisintellektiga võimelised sõidukiarvutused (10-aastane elutsükkel)" "riistvara hankimine": 15 "tarkvara ja integratsioon": 25 "toide ja jahutus": 10 "võimekuse puudujääk (operatsioonide kulud)": 30 "uuendus- ja värskendustsüklid": 20 Suurim kulu ei ole riistvara – see on vähenenud võimekuse tegevuskulu. Reaalajas tehisintellektita sõidukipark on park, mis vajab rohkem personali, teeb aeglasemaid otsuseid ja on haavatavam tänapäevaste ohtude suhtes. Võimekuse puudujääkidele omistatav 30% tähistab täiendavat tööjõudu, aeglasemaid otsustustsükleid ja suurenenud haavatavust, mille GPU-kiirendusega platvorm kõrvaldab. --- ## Tänapäeva arvutusplatvorme määravad Path Forward Defence'i programmid peavad tunnistama arhitektuurilist reaalsust: 1. Tehisintellekt on peamine töökoormus – mitte kontori tootlikkus, mitte andmebaasipäringud ega veebiteenindus. Sõidukite missiooniarvutid tuleb kõigepealt optimeerida järelduste tegemiseks. 2. Inteli protsessorid toimivad hostprotsessoritena – haldavad sisend-/väljundit, võrgustamist ja süsteemihaldust –, kuid need ei ole enam arvutusmootor kõige olulisemate võimete jaoks. 3. NVIDIA GPU/SoC kiirendus on baastasemel – mitte meeldiv lisavarustus, mitte tulevane uuendustee, vaid esmane nõue iga platvormi jaoks, mis peaks jääma asjakohaseks kogu oma kasutusea jooksul. 4. Tarkvara ökosüsteemid on olulised – CUDA küpsus, TensorRT optimeerimisvõimalused ja NVIDIA kaitsele suunatud tööriistade ulatus loovad arenduskiiruse, millega Intel ei suuda võistelda. Täna spetsifitseeritavad kaitseplatvormid kestavad 15–25 aastat. Ainult Intelil põhinevate arhitektuuride valimine 2026. aastal tagab, et need platvormid ei suuda käitada tehisintellekti töökoormusi, mis määratlevad 2030. aastate ja edaspidiste tööde lahinguvälja. --- ## Kokkuvõte Inteli protsessorid teenisid kaitsearvutust hästi deterministliku, järjestikuse töötlemise ajastul. See ajastu on läbi. Tehisintellekti, autonoomia ja infoeelise koondumine tänapäeva lahinguväljal nõuab arvutusarhitektuuri, mis on spetsiaalselt loodud paralleelseks ja suure läbilaskevõimega järelduseks. NVIDIA platvormid – alates servalt juurutatavast Jetson Orini perekonnast kuni andmekeskuse klassi Hopperi arhitektuurini – pakuvad 10–40 korda suuremat tehisintellekti jõudlust kui samaväärne Inteli riistvara, kuid energiatarve on murdosa. Maismaasõidukite programmide puhul on arvutus lihtne: GPU-kiirendusega andmetöötlus ei ole tehnoloogiline valik. See on operatiivne vajadus. --- > Astute Systemsi seisukoht: Seetõttu ei ehita Astute Systems kunagi Inteli-põhist süsteemi. Me peame Inteli pärandtehnoloogiaks – reliikviaks ajastust, enne kui tehisintellekt lahinguvälja määratles. Iga meie arendatav toode on algusest peale projekteeritud NVIDIA-kiirendusega arhitektuuridele, sest me keeldume tarnimast platvorme, mis on saabumisel vananenud. Meie kliendid väärivad arvutustehnikat, mis vastab homse võitluse nõuetele, mitte eilsetele hankeharjumustele. Astute Systems pakub GPU-kiirendusega kaitsearvutuslahendusi maismaasõidukite programmidele. Meie MediaX platvorm on algusest peale loodud NVIDIA kiirendatud tehisintellekti jaoks taktikalisel äärealadel. Võtke meiega ühendust, et arutada oma programmi nõudeid.