超高精細映像からのリアルタイムAI推論をエッジ/端末上でも実行可能にするAI推論LSIを開発～AI推論の解像度制約を4Kに拡張し、リアルタイムかつ低電力での動作を実現～ | ニュースリリース | NTT
◆4K等の超高精細映像に対するリアルタイムAI推論処理を、電力制約の厳しいエッジ/端末上でも実行可能にするAI推論LSIを開発しました。 ◆例えばドローンに本LSIを搭載することで、地上150mから広域に渡り人やモノを検出、目視外で安全航行しながら設備点検などが可能になり、省力化やコスト削減に貢献します。 ◆NTTイノベーティブデバイス株式会社にて本LSIの製品化を2025年度内に予定しています。 日本電信電話株式会社（本社：東京都千代田区、代表取締役社長：島田 明、以下「NTT」）は、4K等の超高精細映像に対するリアルタイムAI推論処理を、電力制約の厳しいエッジ/端末上でも実行可能にするAI推論LSI※1を開発しました。 近年、映像AIを活用した業務や生産の効率化がますます重要になっています。中でも、ドローン目視外飛行や公共空間における人流分析など、エッジ/端末アプリケーションにおけるA
NTT、国産の生成AI「tsuzumi」サービス開始--「2027年に売上1000億円」と島田社長
日本電信電話（NTT）は3月25日、独自に開発した大規模言語モデル（LLM）「tsuzumi」の商用提供を企業向けに開始した。代表取締役社長を務める島田明氏は「2027年までに売上1000億円を目指す」と述べた。 tsuzumiは、NTTが2023年11月に発表した国産LLMだ。特徴の1つはモデルを大幅に軽量化した点で、パラメーター数は軽量版で70億と、OpenAIが提供する「GPT-3」の25分の1程度しかない。これによって、1つのGPUで動作し、大規模ハードウェア不要で事務所内でのオンプレミス利用にも対応する。 2つ目の特徴は「世界トップレベルの日本語処理能力」だ。パラメーターを軽量化したにも関わらず、GPT3.5と日本語性能で比較した場合の勝率は8割を超え、英語においても高い処理能力を達成しているという。さらに、マルチモーダルにも対応し、パワーポイントの図表読解や聴覚も備える。 3つ
ファナック、富士通、NTT Comの3社、工作機械業界のDXを加速させる新会社設立
富士通とファナック、NTTコミュニケーションズ（以下、NTT Com）の3社は2020年10月7日、工作機械業界をはじめとした製造業のデジタルトランスフォーメーション（DX）用のクラウドサービスを提供する新会社「DUCNET（ディーユーシーネット）」を2020年11月に設立すると発表した。 「DUCNET」の設立に携わる各社の代表者。左からNTT Com 取締役の西川英孝氏、富士通 COLMINA事業本部 戦略企画統括部 シニアディレクターでDUCNETの社長に就任予定の田中隆之氏、ファナック 取締役副社長 執行役員 兼 CISOの齊藤裕氏、富士通 理事の藤原克己氏（クリックで拡大）出典：富士通 2019年9月に「デジタルユーティリティクラウド」を発表 3社では2019年9月に工作機械業界の社内業務の効率化やサービスの高度化を実現するデジタル基盤として「デジタルユーティリティクラウド」を共
NTT東日本とバイオマスリサーチ バイオガスプラントを遠隔で制御 初期費用は不要、月額課金のみで提供 - 週刊BCN+
NTT東日本は、家畜の糞尿からガスや電気、肥料に転換するバイオガスプラントをITで遠隔制御する事業に参入する。バイオガスプラント導入支援などを手掛けるバイオマスリサーチ（菊池貞雄社長、北海道帯広市）と合弁で新会社ビオストックを7月1日付で設立。IoTやネットワーク、AIといった技術要素を組み合わせることで、人手を介さずに運用できる技術の確立を目指す。 バイオガスプラントは大型のものだと数十億円の建設費がかかり、導入費用が高く、運用に際して人手がかかることが課題だった。ビオストックは農家に代わって遠隔でプラントを運営・保守するとともに、牛250頭程度の糞尿を処理できる小型のバイオガスプラントを原則として初期費用は無料、月額課金のみで利用できるようにする。 ビオストックの社長にはNTT東日本でビジネス企画を担当してきた熊谷智孝氏が就任し、NTT東日本の連結子会社とした。 ビオストックは農家から
災害時にIoT機器からクラウドへの通信量を削減する実証実験を開始
NECは2019年1月23日、東京大学、日本電信電話（NTT）、早稲田大学と共同で、IoT（モノのインターネット）共通基盤を開発したと発表した。2018年12月中旬より、IoT機器からクラウド環境への通信量を削減する実証実験を中国地方で開始した。 実証実験では、中国地方に設置した水位、降雨センサーなどのデータを基に、学習機能を用いて河川水位の予測モデルを作成。アプリケーションの予測機能がこの予測モデルを使用し、河川の氾濫予測を実施する。 平常時には、これらの機能をクラウド上で実行する。一方、緊急時には、災害発生が予測される重点地域から詳細データを収集するために、非重点地域の予測機能をクラウドからIoTゲートウェイ（センサーから集めたデータを集約してクラウドに送るための装置）に移動させる。これによって通信するデータ量を削減し、重点地域のデータ収集に必要な通信帯域を確保する。 試算では、約90
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
