BACKGROUND
在智能化浪潮席卷全球汽车产业之际，某新锐自动驾驶厂商积极探索大模型在智能汽车领域的创新应用，高效利用大模型对于提升自动驾驶技术的核心竞争力至关重要。然而，大模型的应用尚处初级阶段，其对算力、数据存储与处理能力的需求呈指数级增长，成为该厂商面临技术突破与业务发展的多重挑战。
需求与痛点
应对大模型应用趋势
尽管大模型在自动驾驶领域的应用前景广阔，但其尚处发展初期，如何快速应用并充分利用其潜力，成为该厂商亟待解决的问题。
海量数据处理难题
多模态数据（自然语言、图像、音频等）、车载传感器数据、场景数据的存储与处理需求激增，传统方式已无法满足高效、安全的存储与处理需求。
高效算力诉求
大模型训练对算力需求极高，需数十亿量级 GPU 小时，且训练周期长、场景多样、模型种类丰富；且推理时的高并发对系统性要求严格。
用户需求不断升级
随着 AI 业务发展，该厂商需构建支持英伟达 H 系列万卡集群，并整合 Kubernetes 管理、存储和网络，以实现 GPU 高效训练和灵活扩展。
解决方案
为满足其独特需求，考虑需求、成本、能⼒等因素，该新锐自动驾驶厂商选择了集高效算力、海量存储与智能管理于一体的 AI 算力云。
专属云服务
为该客户打造了专属的客户专区，实现物理隔离的独立集群，确保数据安全与资源专用。
分期建设，稳步部署
第一期部署 128 台计算节点，配备 48 个 IB 交换机，奠定坚实计算基础；二期扩容至 512 台计算节点集群，增加至 320 个 IB 交换机，全面升级性能。
高速网络架构
- 双 IB 网络：构建 400G 带宽计算网络与 200G 带宽存储网络，确保上下行通信高速稳定。
- 极致优化：整机 IB 网络带宽与 H 系列显存带宽升级匹配，实现 1:1 网络收敛，千卡集群加速比高达 90%，保证低延迟、高并发的数据交互。
强大存储体系
- 海量对象存储：提供 100P 容量，通过 API 接口无缝对接，满足各类非结构化数据的存储需求。
- 高效并行文件存储：配备 10P EPFS POSIX 客户端，确保大规模结构化数据的处理游刃有余。
灵活带宽管理
与 IDC 机房紧密合作，提供按需调整的公网带宽服务，确保数据传输高效畅通。
