自動駕駛距離我們越來越近,自動駕駛技術也越來越穩健、先進,越來越多新出的汽車都開始搭載輔助駕駛功能,與此同時,很多城市都開始呼應,開辟出無人駕駛路測區域,日常生活里,我們時刻都在感知著自動駕駛帶給我們的新變化。

但也有很多不同的聲音,有人認為自動駕駛難度太大,要實現遙不可及。但看好以AI為驅動力的自動駕駛行業仍然是大多數人的共識,很多人都相信在未來它可以塑造交通出行的新形態和商業格局。

(資料圖)

一直以來,大家對自動駕駛的認知都很片面,看到的更多是無人駕駛的演示視頻,炫酷的AI模型的技術講解,抑或是不間斷的初創公司以此主題大額融資的新聞等等。但自動駕駛背后真正的內容并沒有被大家廣泛地感知到。本篇文章,有眾馳車友會創始人李永寧從自動駕駛數據存儲的角度跟大家做一個交流,自動駕駛行業一直在做的事情和努力方向是什么?如何實現自動駕駛降本增效?

自動駕駛里的數據從哪里來?到哪里去?

自動駕駛能力的進化和成熟,離不開AI。數據量越多越全面,自動駕駛的能力才會迭代得越快越可靠。從AI業務對數據的存儲和使用,是可以很直觀地理解自動駕駛背后的工作。(所以我們在投資此類項目的時候就會關注公司背后數據存儲和使用能力,而不是單一看表面)

自動駕駛的原始數據來源于自動駕駛公司自有的路測采集車,這些原始數據包括視頻、圖片、音頻、感知數據等。對于一些頭部的自動駕駛公司,每天采集到的原始數據超過百TB規模。除了每天源源不斷產生的原始數據,還有很多AI業務過程中的中間數據和結果數據。對于一家頭部自動駕駛公司來說,數據整體容量會在百PB左右。

自動駕駛AI場景,是個完整的數據加工學習過程。涉及數據導入、預處理、標注、清洗、訓練、仿真等環節。每個環節對數據的壓力和處理方式都不同,這就對承載這些數據的基礎架構平臺里的存儲服務有非常高的要求。

所以對于任何一家致力于推動自動駕駛廣泛商業化的公司來說,不僅需要能夠用存儲百PB規模的數據,且要能夠高效率地加工處理這些數據。

1.做好數據存儲的平衡和取舍,實現成本和效率兼得,才能真正實現自動駕駛的降本增效

魚和熊掌不可兼得,很難有一款能兼顧到所有業務環節要求的存儲產品,既成本可控,又超高性能,提供無限容量空間,對應用友好,來滿足所有業務環節的差異化要求。那只能是有所取舍。針對不同業務環節里的需求,去做出合理平衡。那可行的思路就是,對象存儲和文件存儲各司其職,在不同業務環節發揮出其最大的產品優勢。采用這種數據存儲組合,可以低代價地解決掉自動駕駛AI業務里數據存儲的難題。

2.數據存儲服務深度融入AI業務流實現降本增效最大化

大部分自動駕駛公司的AI業務平臺,正在逐步從單一的公有云或私有云方式,演變為混合云的架構。

3.以深度歸檔一體機解決百PB數據規模下的存儲成本問題

在存儲成本優化上,涉及很多細節工作。比如如何做好數據的冷熱分層,如何做好超大存儲集群的精簡運維服務都是影響用戶使用存儲成本高低的因素

針對自動駕駛,我們一直在持續投入和前進。對于自動駕駛的深入研究能幫助我們更好的判斷備選公司的潛力和持續發展性,這是作為專業投資機構必備的研究能力。不僅僅是前面所講過的針對場景所開發的存儲特性,未來一定還會有更多公司會持續迭代更多的存儲能力,來服務自動駕駛的企業客戶,讓自動駕駛產業越來越成熟。

關鍵詞：