自动驾驶距离我们越来越近,自动驾驶技术也越来越稳健、先进,越来越多新出的汽车都开始搭载辅助驾驶功能,与此同时,很多城市都开始呼应,开辟出无人驾驶路测区域,日常生活里,我们时刻都在感知着自动驾驶带给我们的新变化。

但也有很多不同的声音,有人认为自动驾驶难度太大,要实现遥不可及。但看好以AI为驱动力的自动驾驶行业仍然是大多数人的共识,很多人都相信在未来它可以塑造交通出行的新形态和商业格局。

(资料图)

一直以来,大家对自动驾驶的认知都很片面,看到的更多是无人驾驶的演示视频,炫酷的AI模型的技术讲解,抑或是不间断的初创公司以此主题大额融资的新闻等等。但自动驾驶背后真正的内容并没有被大家广泛地感知到。本篇文章,有众驰车友会创始人李永宁从自动驾驶数据存储的角度跟大家做一个交流,自动驾驶行业一直在做的事情和努力方向是什么?如何实现自动驾驶降本增效?

自动驾驶里的数据从哪里来?到哪里去?

自动驾驶能力的进化和成熟,离不开AI。数据量越多越全面,自动驾驶的能力才会迭代得越快越可靠。从AI业务对数据的存储和使用,是可以很直观地理解自动驾驶背后的工作。(所以我们在投资此类项目的时候就会关注公司背后数据存储和使用能力,而不是单一看表面)

自动驾驶的原始数据来源于自动驾驶公司自有的路测采集车,这些原始数据包括视频、图片、音频、感知数据等。对于一些头部的自动驾驶公司,每天采集到的原始数据超过百TB规模。除了每天源源不断产生的原始数据,还有很多AI业务过程中的中间数据和结果数据。对于一家头部自动驾驶公司来说,数据整体容量会在百PB左右。

自动驾驶AI场景,是个完整的数据加工学习过程。涉及数据导入、预处理、标注、清洗、训练、仿真等环节。每个环节对数据的压力和处理方式都不同,这就对承载这些数据的基础架构平台里的存储服务有非常高的要求。

所以对于任何一家致力于推动自动驾驶广泛商业化的公司来说,不仅需要能够用存储百PB规模的数据,且要能够高效率地加工处理这些数据。

1.做好数据存储的平衡和取舍,实现成本和效率兼得,才能真正实现自动驾驶的降本增效

鱼和熊掌不可兼得,很难有一款能兼顾到所有业务环节要求的存储产品,既成本可控,又超高性能,提供无限容量空间,对应用友好,来满足所有业务环节的差异化要求。那只能是有所取舍。针对不同业务环节里的需求,去做出合理平衡。那可行的思路就是,对象存储和文件存储各司其职,在不同业务环节发挥出其最大的产品优势。采用这种数据存储组合,可以低代价地解决掉自动驾驶AI业务里数据存储的难题。

2.数据存储服务深度融入AI业务流实现降本增效最大化

大部分自动驾驶公司的AI业务平台,正在逐步从单一的公有云或私有云方式,演变为混合云的架构。

3.以深度归档一体机解决百PB数据规模下的存储成本问题

在存储成本优化上,涉及很多细节工作。比如如何做好数据的冷热分层,如何做好超大存储集群的精简运维服务都是影响用户使用存储成本高低的因素

针对自动驾驶,我们一直在持续投入和前进。对于自动驾驶的深入研究能帮助我们更好的判断备选公司的潜力和持续发展性,这是作为专业投资机构必备的研究能力。不仅仅是前面所讲过的针对场景所开发的存储特性,未来一定还会有更多公司会持续迭代更多的存储能力,来服务自动驾驶的企业客户,让自动驾驶产业越来越成熟。

关键词：