運用コストを想定せずにAI開発した結果
こんな課題が生まれていませんか?

運用コストを想定せずに
AI開発した結果こんな課題
が生まれていませんか?

ellipse
1

エッジデバイスへの
モデル最適化コストが高い

ellipse
3

デバイス要件の変更で
再開発コストがかかる

ellipse
2

開発したAIサービスの
クラウド運用費用が高い

スケーラブルなモデル開発による
AI開発運用のコスト削減

スケーラブルなモデル開発による
AI開発運用のコスト削減

一般的には、要件や要求精度が変更するたびにAIモデルの再開発を繰り返していたため、コストがかさんでいました。スケーラブルなモデル開発をすることで、全体的な開発工数を削減します。また、デバイスに最適化されたモデルを選択することにより、デバイスコストや、クラウド費用の削減も期待できます。
SubnetXによるスケーラブルなモデル開発とは?

SubnetX とは、ある深層学習モデル(Supernet)に対し、決められた一連の学習を行うだけで計算量や精度等が異なる膨大な個数(数万以上)の学習済み深層学習モデル(Subnet)を構築し、目的のデバイスにあった深層学習モデルを選択するだけで最適化を達成できるAIモデル開発支援パッケージです。

card_3
SubnetXの活用により期待できるコスト削減効果

弊社事例で、事前学習済みのSubnetXを活用することにより、三つのデバイスに対して同じモデルを最適化するときに、開発期間を38%短縮することに成功しました。また、事前学習済みSubnetXをカスタムデータセットに適応することで、新しいデータセットへの適応が早くなることを確認し、EdgeAI Ops工数の削減可能性があることを確認しました。

card_1-1
スケーラブルなモデル開発による手戻り最小化の例
SubnetXによるモデル開発

New Approach

1サイクルで数万以上の多様なモデルを取得するため手戻りを最小化できます

通常、1サイクルで1モデルしか開発できないことにより、性能目標が変わるたびに試行錯誤や手戻りを繰り返していました。スケーラブルなモデル開発では、1サイクルで数万以上の多様なモデルを取得できるため、運用開始後や開発途中、運用後に要件変更があったとしても、手戻りを最小化できるため開発コストを削減できます。

card_2-2
一般的なAI開発の例

Standard Approach

当初想定していたデバイス以外にデプロイする際にAIモデル開発をやり直す必要があった

iPhone13向けに開発したAIモデル搭載アプリ。ユーザー数が伸び悩んだためiPhone8にもデプロイしたもののメモリ使用量が多くなりUXに影響がでてしまう。結果AIモデルを変更する必要があるなど、デバイスを増やしたり変更するたびにAIモデル開発をやり直すなど開発・運用コストがかかり続けてしまうことがありました。

card_2-1

AI運用・開発コスト削減の事例

caseStudy

自動車メーカー向けエッジAI開発に おけるOFA(Once-for-All)適用

業種:自動車メーカー

課題:AIモデルを先行開発し、運用システムのデバイス仕様に応じてデプロイする際に最適化が必要だった

アラヤは、メーカーやIT企業、商社の方々とのパートナーシップなど、
豊富なご支援実績がございます

partner
partner
partner
partner-singpost
partner-samsung
partner
partner-ana
partner-daikin
partner-isid
partner-tohoku
partner-toyo
partner-toyota
partner-jt
partner-hitachi
partner-honda

※50音順に掲載

PAGE TOP