导读

本环节介绍了Rivian如何利用亚马逊云科技云服务和合作伙伴解决方案构建了一个端到端的管道，用于开发、模拟和发布新的高级驾驶辅助系统（ADAS）功能。它探讨了Rivian的方法，从数据摄取到感知模型训练、模拟和边缘部署，重点介绍了其利用的亚马逊云科技服务。获取最佳实践的见解，并了解Rivian使用的亚马逊云科技服务，这些服务有助于加速和扩展新ADAS功能的开发，同时优化数据摄取、计算、存储和模拟成本。

演讲精华

以下是小编为您整理的本次演讲的精华。

在汽车技术不断演进的格局中，高级驾驶员辅助系统(ADAS)已成为提高驾驶员安全和舒适性的关键组成部分。然而，开发这些复杂系统面临着诸多挑战，从应对海量数据到应对工具链的碎片化和严格的监管标准。正是在这一背景下，亚马逊云科技和先锋电动汽车制造商Rivian携手合作，利用云计算的力量加速ADAS开发。

演讲首先全面概述了汽车客户在ADAS功能开发领域所面临的趋势和障碍。值得注意的是，Level 3系统产生的惊人数据量，每小时高达10TB，构成了一个巨大挑战。加之工具链中需要无缝集成超过300种不同工具，就像指挥一支由不同乐器组成的交响乐队一样艰巨。此外，ADAS开发的固有复杂性，加上确保人身安全和遵守严格的监管标准的必要性，往往导致开发周期延长。

为解决数据摄取难题，亚马逊云科技推出了Data Transfer Terminal服务，这一开创性解决方案使测试车辆能够安全地将数据上传到全球战略位置的物理设施中的S3存储桶。这一创新方法为Rivian带来了显著成果，使数据可用性比传统方法提高了三倍。认识到数据存储的关键作用，亚马逊云科技赞扬了S3服务的优点，包括无缝多AZ访问、智能分层以优化成本，以及可扩展的分区功能，从而解决了不断增长的数据量。

此外，亚马逊云科技通过投资开源计划，如自动驾驶数据框架(ADDF)和虚拟工程工作台，展现了简化工具链复杂性的决心。这些专门构建的工具旨在简化ADAS功能开发中的常见任务，促进更加连贯和高效的工作流程。与此同时，亚马逊云科技推出了加速上市时间的努力，包括提供尖端GPU实例、容量预留、支持多容器批处理作业，以及对合成场景生成的持续研究，这是一个有望增强训练数据的前沿领域。

Rivian作为电动汽车领域的先锋，推出了其Autonomy Platform平台，名为Polaris，这是一个旨在推进ADAS功能开发的综合解决方案。Polaris拥有13项自主功能和20项安全功能，涵盖了从高速公路辅助和按命令变道，到碰撞检测和紧急制动等多个方面。Polaris的核心是一套精密的传感器套件，包括11个摄像头和5个先进雷达，分别能够捕获55百万像素的实时成像数据和惊人的1000英尺前向检测范围。

Polaris平台由三个核心组件构成:自主数据应用程序(一个包含Web应用程序、命令行界面和仪表板的用户友好界面层)、微服务和数据工作流(包括业务逻辑服务和数据处理管道)，以及亚马逊云科技云服务(提供存储、计算、数据库和分析所需的高性能云基础设施)。此外，Rivian还利用了合作伙伴服务，如Databricks用于数据工程管道，MongoDB作为运营数据存储。

在Polaris生态系统中，几个关键应用程序成为推动ADAS开发的关键支撑。Data Discovery应用程序使工程师能够搜索和可视化原始传感器数据，利用丰富的元数据促进高效的数据探索。Annotation应用程序支持手动标注和大规模自动标注，加速数据准备过程。SimDash是一款模拟管理工具，允许用户配置场景、数据集和提交到Amazon Batch的作业，实现大规模模拟和验证。Triage Explorer应用程序通过无缝流式传输相关数据进行可视化，简化了事件分类流程，而Foxglove是一款为Rivian的数据格式定制的开源可视化工具，提供了传感器数据的全面视图，有助于调试和分析。

支撑Polaris平台的是一个利用亚马逊云科技服务的强大架构。数据摄取从Rivian车辆将传感器数据上传到Amazon S3开始，通过Rivian的上传站或亚马逊云科技数据传输终端服务实现。这些数据在Amazon Batch和EKS上进行处理，最终生成存储在S3上的精选数据集。训练阶段利用Amazon EKS的能力，Ray的Kubernetes Operator实现了在GPU实例上的分布式训练。生成的模型随后在Amazon Batch上进行严格的模拟和验证，而Databricks提供了分析能力，用于计算关键绩效指标(KPI)。

在这一旅程中，Rivian获得了宝贵的见解和经验教训。在计算方面，缓存Docker镜像(尤其是大型Nvidia Docker镜像)对于减少部署时间和相关成本至关重要。使用PyTorch和Nvidia分析器等工具监控GPU利用率和分析应用程序，有助于优化性能。合理使用Kubernetes和Amazon Batch等调度程序确保了高效的资源分配，而利用放置组则最小化了低延迟工作负载的节点间延迟。

在存储领域，启用S3上的请求指标对于识别性能瓶颈和潜在问题至关重要。利用S3智能分层为Rivian的存储支出节省了高达30%的成本。采用GP3卷及其优异的性价比和精细吞吐量控制，进一步优化了存储成本。此外，S3传输加速促进了高效的数据流式传输和可视化，无需昂贵的文件服务器。

展望未来，Rivian预计数据存储需求将增加四倍，而训练和模拟工作负载的计算需求将增加十倍。这一增长轨迹凸显了持续创新和优化的必要性，为客户提供更快的功能交付，并使他们能够开启非凡的冒险之旅。Rivian将着眼于开创性计划，包括将生成式AI集成到数据管理中，以及利用合成场景增强训练和模拟。成本优化仍然是一个重中之重，计划降低模拟和自动标注的推理成本，并在S3上实施更严格的生命周期策略，进一步削减开支。

最终，Rivian的愿景是建立一个闭环数据管理系统，其中数据集根据模型性能自动生成，无缝集成到管理和标注过程中，并随后触发新的训练作业。这种持续学习和改进的良性循环，将有望推动Rivian的ADAS能力达到前所未有的高度，巩固其在自动驾驶技术领域的先锋地位。

总之，亚马逊云科技与Rivian的合作体现了云计算在汽车行业的变革潜力。通过利用亚马逊云科技服务的力量，Rivian构建了一个全面、可扩展且经济高效的平台，加速了ADAS功能开发，从数据摄取和处理到模型训练、模拟和部署。这种共生关系不仅解决了当前的紧迫挑战，而且为未来的创新奠定了基础，为世界各地的探险者开启了更安全、更高效、更令人振奋的驾驶体验。

我们正处在 Agentic AI 爆发前夜。 2025 亚马逊云科技中国峰会提出，企业要从 " 成本优化 " 转向 " 创新驱动 " ，通过完善的数据战略和 AI 云服务，把握全球化机遇。亚马逊将投入 1000 亿美元在 AI 算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在 AI 时代突破。