自动驾驶落地背后 离不开数据的高效存储

作为人工智能落地进展最迅速的场景之一，自动驾驶正在重构汽车产业底层逻辑。而以城市NOA为代表的自动驾驶汽车，需以海量多样化的有效数据“投喂”，才能持续优化系统的感知、决策及控制能力，从而真正完成产业跃升。因此，如何高效地纳管利用数据，并实现数据安全，成为自动驾驶商业化落地关键。

自动驾驶训练数据多为标注后的路况图片、点云文件以及标注结果等非结构化数据，十分考验存储的带宽、吞吐量与IOPS等性能，伴随数据量持续增长，拓展能力也日益重要。目前，国内各汽车厂商正在积极寻找、部署更高效的存储系统，以持续推动系统的智能化升级。

某“造车新势力”厂商目前选择了曙光存储ParaStor分布式全闪产品作为自身数据训练支撑，并在2年间，部署超百PB的存储资源。目前，该存储系统单节点带宽高达150GB/s，320万IOPS，可深度支持GPU训练，最大化提升自动驾驶训推效率。借助分布式存储架构，曙光ParaStor 单一集群支持3-4096个节点，拥有EB级扩展能力。此外，曙光存储还提供全天侯的响应机制，持续保障数据的完整性和可靠性，稳定支持业务高负载运行。

从L3到L5，自动驾驶技术正在全产业的共同努力下持续突破。国内新势力造车企业以先进存力与算力融合探索，持续为产业升级探索新路径，推进自动驾驶加速量产，快速迈入商业市场。