希捷攜手AutoX為自動駕駛汽車打造私有云數據中心，構建端邊云一體化的數據架構

　　自動駕駛——昔日科學家們的野心，如今夢想正在照進現實。不過，海量數據的存儲和管理能力，成為自動駕駛從技術到落地的關鍵挑戰。

　　自動駕駛網約車、無人配送車、無人清潔車、無人物流車等產品正努力探索從概念走向落地，以期為我們的生活和工作帶來更多便利。對于自動駕駛車輛而言，數據的重要性堪比汽油和電，被喻為自動駕駛汽車的新“燃料”。從傳感器、激光雷達采集到的數據以及車輛機械、環境等各類數據的有效訓練、分析和處理，意味著自動駕駛技術平臺提供商的核心競爭力，也決定著自動駕駛的技術革新與產品迭代。

　　而在自動駕駛汽車數據的有效存儲和管理方面，自動駕駛行業的領先企業AutoX已經搶先一步，通過搭建“超級數據工廠”并攜手希捷打造涵蓋“端-邊-云”的數據管理架構，不斷提升數據駕馭能力，進而推進自動駕駛的平民化。

　　海量與動態即時：魚和熊掌并非不能兼得

　　自動駕駛汽車產生的數據量會隨著其級別升高，自動駕駛級別越高，所需的傳感器數量則越多、精度也越高，而數據量就會相應上漲。據統計，行駛狀態下的RoboTaxi（自動駕駛出租車）平均每小時就產生1TB的數據量，AutoX目前運營超過一百臺自動駕駛車隊，一天之內就可以產生達到PB級的海量數據。

　　與此同時，為了提升數據處理的效率，越來越多的道路測試數據需要在采集后就立即得到分析與處理。目前，許多自動駕駛汽車企業在成立之初傾向于采用公有云進行數據的存儲、處理、訓練。隨著車隊規模的擴大，自動駕駛汽車數據量的指數級增加，從自動駕駛汽車到公有云這樣的數據處理架構掣肘數據的流動效率，也為數據存儲的成本和性能都帶來更大的壓力。

　　網絡帶寬是限制公有云端數據流動效率的一個重要因素。隨著自動駕駛汽車采集的數據量越來越龐大，在公有云進行上傳、下載和數據訪問時，尤其是處理大型數據集時，帶寬壓力會越來越凸顯，帶寬不足往往造成數據處理的延時和遲滯等問題。此外，數據量的不斷膨脹使得公有云成本的增長速度驚人，長久的成本考量也成為自動駕駛企業需要亟待解決的問題。

　　面對這樣的挑戰，AutoXVP潘堅偉博士表示，“完善流暢的數據架構對AutoX處理海量數據來說至關重要。我們不僅要考慮成本、性能、容量等因素，更需要關鍵數據以最快的速度得到訓練、處理與妥善存儲。為此我們與希捷團隊一起，規劃并搭建了更適合業務需求的數據處理架構，加速L4級別自動駕駛的布局和落地。”

　　端-邊-云之間，數據如何行云流水

　　針對AutoX的海量數據存儲以及端-邊-云的數據流動需求，希捷為AutoX規劃并打造了邊緣的私有云數據中心，將數據架構從終端（自動駕駛車隊）到核心（公有云），升級為更為完善的端-邊-云三層架構（自動駕駛車隊—邊緣數據中心—公有云）。

　　經過升級，之前大量的、在公有云完成的工作在邊緣就得到了高效處理。在實際工作的過程中，自動駕駛汽車完成實地運營與模擬測試之后，可快速將采集到的數據直接上傳到私有云數據中心。一系列的數據處理工作在私有云數據中心得以完成，包括數據清洗、數據挖掘、數據標注、算法訓練及推理等。這不但解決了AutoX對于快速數據處理的需求，同時降低了總體擁有成本（TCO）。在邊緣處理過后的數據最終會被妥善存放到公有云進行歸檔與備份。

　　“軟硬兼施”：自動駕駛數據獲得全面呵護

　　在構建邊緣的私有云數據中心方面，希捷從AutoX的需求出發，為AutoX量身定制了構建方案，這其中包括希捷SeagateExos 5U84系統、服務器，以及Ceph分布式存儲系統。

　　SeagateExos5U84系統憑借成本、性能、容量和安全等方面的優勢，滿足AutoX在各方面的需求。該系統具有強大的集成能力，讓計算更接近其存儲，并有效地提升了私有云數據中心的使用效率。此外，由于存儲系統在密度和性能方面均領先業界，可降低AutoX總體擁有成本，存儲高達1.344PB的數據。同時可擴展的架構，幫助AutoX應對未來無限增長的自動駕駛數據。

　　此外，在整個方案中，服務器承載私有云數據中心的計算任務，而Ceph分布式存儲系統則有效幫助AutoX管理存儲資源，將數據分布均衡，并實現了水平擴展。

　　與此同時，這套方案可復制性強，AutoX可快速將此方案復制到涵蓋上海、深圳、武漢等多個城市地區的更多場景中。

　　希捷科技副總裁暨中國區總裁孫丹女士稱，“AutoX在自動駕駛領域表現卓越，近期在加州獲得全無人駕駛牌照，在自動駕駛領域擁有豐富的實踐經驗。面對AutoX在數據架構與數據存儲方面的需求與挑戰，希捷與AutoX通力協作，以更強大的數據存儲與處理能力，推進自動駕駛行穩致遠。”