遭遇海量数据，自动驾驶的野心何处安放？

自动驾驶——昔日科学家们的野心，如今梦想正在照进现实。不过，海量数据的存储和管理能力，成为自动驾驶从技术到落地的关键挑战。

自动驾驶网约车、无人配送车、无人清洁车、无人物流车等产品正努力探索从概念走向落地，以期为我们的生活和工作带来更多便利。对于自动驾驶车辆而言，数据的重要性堪比汽油和电，被喻为自动驾驶汽车的新“燃料”。从传感器、激光雷达采集到的数据以及车辆机械、环境等各类数据的有效训练、分析和处理，意味着自动驾驶技术平台提供商的核心竞争力，也决定着自动驾驶的技术革新与产品迭代。

而在自动驾驶汽车数据的有效存储和管理方面，全球自动驾驶行业的领先企业AutoX已经抢先一步，通过搭建“超级数据工厂”并携手希捷打造涵盖“端-边-云”的数据管理架构，不断提升数据驾驭能力，进而推进自动驾驶的平民化。

海量与动态即时：鱼和熊掌并非不能兼得

自动驾驶汽车产生的数据量会随着其级别升高，自动驾驶级别越高，所需的传感器数量则越多、精度也越高，而数据量就会相应上涨。据统计，行驶状态下的RoboTaxi（自动驾驶出租车）平均每小时就产生1TB的数据量，AutoX目前运营超过一百台自动驾驶车队，一天之内就可以产生达到PB级的海量数据。

与此同时，为了提升数据处理的效率，越来越多的道路测试数据需要在采集后就立即得到分析与处理。目前，许多自动驾驶汽车企业在成立之初倾向于采用公有云进行数据的存储、处理、训练。随着车队规模的扩大，自动驾驶汽车数据量的指数级增加，从自动驾驶汽车到公有云这样的数据处理架构掣肘数据的流动效率，也为数据存储的成本和性能都带来更大的压力。

网络带宽是限制公有云端数据流动效率的一个重要因素。随着自动驾驶汽车采集的数据量越来越庞大，在公有云进行上传、下载和数据访问时，尤其是处理大型数据集时，带宽压力会越来越凸显，带宽不足往往造成数据处理的延时和迟滞等问题。此外，数据量的不断膨胀使得公有云成本的增长速度惊人，长久的成本考量也成为自动驾驶企业需要亟待解决的问题。

面对这样的挑战，AutoX VP潘坚伟博士表示，“完善流畅的数据架构对AutoX处理海量数据来说至关重要。我们不仅要考虑成本、性能、容量等因素，更需要关键数据以最快的速度得到训练、处理与妥善存储。为此我们与希捷团队一起，规划并搭建了更适合业务需求的数据处理架构，加速L4级别自动驾驶的布局和落地。”

端-边-云之间，数据如何行云流水

针对AutoX的海量数据存储以及端-边-云的数据流动需求，希捷为AutoX规划并打造了边缘的私有云数据中心，将数据架构从终端（自动驾驶车队）到核心（公有云），升级为更为完善的端-边-云三层架构（自动驾驶车队—边缘数据中心—公有云）。

经过升级，之前大量的、在公有云完成的工作在边缘就得到了高效处理。在实际工作的过程中，自动驾驶汽车完成实地运营与模拟测试之后，可快速将采集到的数据直接上传到私有云数据中心。一系列的数据处理工作在私有云数据中心得以完成，包括数据清洗、数据挖掘、数据标注、算法训练及推理等。这不但解决了AutoX对于快速数据处理的需求，同时降低了总体拥有成本（TCO）。在边缘处理过后的数据最终会被妥善存放到公有云进行归档与备份。

“软硬兼施”：自动驾驶数据获得全面呵护

在构建边缘的私有云数据中心方面，希捷从AutoX的需求出发，为AutoX量身定制了构建方案，这其中包括希捷Seagate Exos 5U84系统、服务器，以及Ceph分布式存储系统。

Seagate Exos 5U84系统凭借成本、性能、容量和安全等方面的优势，满足AutoX在各方面的需求。该系统具有强大的集成能力，让计算更接近其存储，并有效地提升了私有云数据中心的使用效率。此外，由于存储系统在密度和性能方面均领先业界，可最大限度降低AutoX总体拥有成本，存储高达1.344PB的数据。同时可扩展的架构，帮助AutoX应对未来无限增长的自动驾驶数据。

希捷Exos 5U84系统

此外，在整个方案中，服务器承载私有云数据中心的计算任务，而Ceph分布式存储系统则有效帮助AutoX管理存储资源，将数据分布均衡，并实现了水平扩展。

与此同时，这套方案可复制性强，AutoX可快速将此方案复制到涵盖上海、深圳、武汉等多个城市地区的更多场景中。

希捷科技全球副总裁暨中国区总裁孙丹女士称，“AutoX在自动驾驶领域表现卓越，近期在加州获得全无人驾驶牌照，成为目前唯一获得这个牌照的中国公司，在自动驾驶领域拥有丰富的实践经验。面对AutoX在数据架构与数据存储方面的需求与挑战，希捷与AutoX通力协作，以更强大的数据存储与处理能力，推进自动驾驶行稳致远。”