NPU on-device hoy. IA en la nube sobre los bytes que subes.

Cómo funciona

Dos niveles de IA. Un flujo de eventos lifecycle.

flowchart TD
  CAP[Captura<br/>difuminado RGPD en vivo en tiempo de captura] --> NPU[Clasificación NPU<br/>on-device mos-roi-shader + mos-ai-runtime]
  CAP --> REC[Segmento grabador<br/>clip anonimizado]
  REC --> UPL[Carga SFTP<br/>bytes conformes RGPD]
  UPL --> CAI[IA en la nube<br/>inferencia por clip]
  DRV[Comportamiento del conductor] --> LS[Flujo de eventos lifecycle]
  OBD[DTC / posición OBD] --> LS
  GNS[Pose GNSS] --> LS
  LS --> CAI
  CAI --> DSH[Panel de flota]

La clasificación on-device se ejecuta antes de que un byte salga del dispositivo — la extracción ROI Vulkan y la inferencia NPU descartan frames irrelevantes. Lo que llega a la nube ya está anonimizado y ya filtrado. La IA en la nube ejecuta modelos por clip más pesados y fusiona con el flujo de eventos lifecycle AI Funnel para el comportamiento del conductor y la correlación de incidentes a escala de flota.

Preguntas frecuentes

Preguntas frecuentes

• ¿Dónde se ejecuta realmente la IA — on-device o en la nube?

  Ambos niveles funcionan juntos. On-device, mos-roi-shader (extracción ROI Vulkan, cero-copia dmabuf-a-NPU) y mos-ai-runtime (inferencia .tflite en NPU) realizan la clasificación directamente en el dispositivo — descartando frames irrelevantes antes de que salgan del aparato. Un producto cloud Munic ejecuta luego una inferencia por clip más pesada sobre los segmentos subidos. Ambos niveles son complementarios; no tienes que elegir uno.

• ¿Cómo puedo asociar un clip a un evento de frenada brusca o un DTC?

  La correlación se realiza en el lado de la nube mediante correlación temporal. El flujo de eventos lifecycle transporta señales de comportamiento del conductor, códigos DTC, la posición OBD y la pose GNSS con timestamps wall-clock. El componente TimeCorrelator adjunta un flag wall_clock_trustworthy a cada evento para que la nube pueda rechazar correlaciones ambiguas. No escribes la lógica de correlación — el pipeline AI Funnel la gestiona.

• ¿El clip es conforme RGPD cuando la nube lo recibe?

  Sí. La anonimización ocurre en tiempo de captura en el dispositivo, antes de que el segmento sea escrito en disco. La nube nunca recibe datos de pixel en bruto que contengan información de identificación personal. Consulta la página /platform/compliance para la postura RGPD completa — pipeline de difuminado, aplicación de política de retención y pista de auditoría.

• ¿Tengo que escribir código de runtime de IA?

  No. mos-ai-runtime proporciona el motor de inferencia .tflite on-device — la ejecución concurrente multi-modelo en las rebanadas NPU es gestionada por el micro service. El pipeline AI Funnel cubre el reentrenamiento en la nube, la cuantización y la entrega de modelos OTA. Proporcionas el archivo de modelo y el punto de integración; MOS4 posee el runtime.

• ¿Puedo desplegar un modelo de IA personalizado?

  Sí. mos-ai-runtime acepta modelos .tflite y soporta la ejecución concurrente multi-modelo en las rebanadas NPU del silicio soportado (iMX8M Plus, QCS6490). Traes el modelo; el micro service gestiona la planificación, el cero-copia dmabuf-a-NPU y la entrega de resultados al pipeline AI Funnel. Habla con ingeniería para orientación de cuantización específica del silicio.

Continuar · Otras funciones de Vídeo

Otras funciones de vídeo