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