自動駕駛落地背後 離不開數據的高效存儲

（原標題：自動駕駛落地背後 離不開數據的高效存儲）

作爲人工智能落地進展最迅速的場景之一，自動駕駛正在重構汽車產業底層邏輯。而以城市NOA爲代表的自動駕駛汽車，需以海量多樣化的有效數據“投喂”，才能持續優化系統的感知、決策及控制能力，從而真正完成產業躍升。因此，如何高效地納管利用數據，並實現數據安全，成爲自動駕駛商業化落地關鍵。

自動駕駛訓練數據多爲標註後的路況圖片、點雲文件以及標註結果等非結構化數據，十分考驗存儲的帶寬、吞吐量與IOPS等性能，伴隨數據量持續增長，拓展能力也日益重要。目前，國內各汽車廠商正在積極尋找、部署更高效的存儲系統，以持續推動系統的智能化升級。

某“造車新勢力”廠商目前選擇了曙光存儲ParaStor分佈式全閃產品作爲自身數據訓練支撐，並在2年間，部署超百PB的存儲資源。目前，該存儲系統單節點帶寬高達150GB/s，320萬IOPS，可深度支持GPU訓練，最大化提升自動駕駛訓推效率。藉助分佈式存儲架構，曙光ParaStor 單一集羣支持3-4096個節點，擁有EB級擴展能力。此外，曙光存儲還提供全天侯的響應機制，持續保障數據的完整性和可靠性，穩定支持業務高負載運行。

從L3到L5，自動駕駛技術正在全產業的共同努力下持續突破。國內新勢力造車企業以先進存力與算力融合探索，持續爲產業升級探索新路徑，推進自動駕駛加速量產，快速邁入商業市場。