自动驾驶
自动驾驶场景中 存储面临诸多挑战
自动驾驶涉及人工智能（AI）中一些很困难的工作负载和超大的数据规模。
(1) 海量数据的存储、共享和传输。
(2) 在模型训练中，由于 GPU 反复读取数据，因此存储需要提供高
IOPS 和低网络延迟的文件 IO 访问，才能加速训练。
(3) 用户对存储系统需要进行综合的成本考虑。很多自动驾驶企业的数据积累并不是一蹴而就的，怎么去评估存储扩容成本是个难点。
(4）数据合规性以及确保数据资产的价值。
DDN 自动驾驶解决方案
针对自动驾驶多元化场景，如数据采集与流转，大数据处理，模型训练，海量存储等，
DDN打造了一体化的数据存储解决方案来帮助提高自动驾驶开发效率。
模型训练
经过存储端和计算端“双端优化”的共享文件存储A3I系列
大数据处理
可存储 EB 级数据的网络共享文件存储 ES 系列，为数据采集、处理、仿真评测等系统提供存储支持；
可从小规模开始建设，随着数据增长需求，可纵向和横向扩展，扩容对前端业务无影响
数据服务
DataFlow 数据迁移软件用于海量数据的流转，如同一或不同区域之间数据的拷贝，移动或同步，备份或归档的数据送到第三方的云端或者带库；
Data Service和
IntelliFlash 系列主要用于高速数据的摄取服务，支持多协议
DDN自动驾驶客户
汽车共享公司、汽车制造商、货运和物流公司、智能驾驶算法/软件解决方案开发商，他们使用DDN存储的方式各不相同。
数据中心
为训练用的 DGX SuperPOD
提供存储系统
混合云场景
支持本地数据中心+公有云构建的混合云场景
私有云模式
支持本地建数据中心，以云服务的方式对外提供服务的私有云模式
释放您数据的力量
