腾讯云智算底座助力出行AI：从数据存储到模型训练的降本增效实践

数据来源： 2025 TIME DAY·腾讯智慧出行技术开放日（智算·AI技术底座新智能专场）

关键发言人： 宋丹丹（腾讯云异构计算产品副总经理）、王登宇（腾讯云存储专家架构师）

智能汽车数据基础设施面临的三大业务瓶颈

随着自动驾驶级别提升，智能汽车数据闭环（采集、存储、计算、发布）对基础架构提出严苛要求，行业普遍面临以下瓶颈：

1. 数据吞吐与存储压力： 感知数据产生速度从L2级的200GB/小时激增至高阶智驾的1.6TB/小时。某主流自动驾驶客户数据量已达 100PB+ 量级，高读写效率成为刚需。
2. 算力利用率与成本矛盾： 大规模高带宽组网存在冗余，仿真环节需要平衡算力需求与成本控制。传统架构下，GPU资源常面临利用率低、多任务并发能力弱的问题。
3. 数据合规与处理时效： 某头部车企面临百万量级车辆接入，数据峰值吞吐带宽高达 649.5Gbps，且必须在 $T+1$小时内 完成处理，同时需满足端到端的数据安全合规要求。

构建云上智算与存储一体化解决方案

针对上述痛点，腾讯云通过“异构计算+存储底座+网络加速”的组合方案提供服务：

1. 高性能计算集群（HCC）： 搭载3.2Tbps自研星脉网络，支持 200Gbps vRDMA多机互联，实现集群算力近无损扩展。通过TACO Train加速框架，实现软硬协同优化。
2. 腾讯云Data Platform： 以COS对象存储为统一底座（单集群可管理 百EB级 数据），结合GooseFS 2.0（提供百万级IOPS）与MetalInsight智能检索，构建端到端的数据湖仓。
3. 云函数SCF与vRDMA网络： 国内首发GPU混合调度，支持5%超细粒度切分（qGPU）与毫秒级弹性扩缩容（最高支持 10万并发）。自研vRDMA无需额外网卡硬件成本，业务零适配。

量化业务指标与ROI提升

通过具体技术方案的落地，在自动驾驶训练、仿真及数据处理环节实现了明确的效率提升与成本优化：

头部车企与智驾企业落地实践

案例1：某头部车企数据合规脱敏

• 痛点： 百万车辆接入，峰值带宽 649.5Gbps，且需满足$T+1$小时处理时效及国家安全合规。
• 方案： 采用云函数SCF进行视频脱敏处理，结合自动驾驶专区实现数据端到端安全管控。
• 成效： 单卡每秒处理 30MB 视频文件，整体数据处理成本降低 50%。

案例2：某主流自动驾驶模型训练

• 痛点： 100PB+数据增长快，传统高带宽组网冗余，需高性价比方案。
• 方案： 引入vRDMA 200Gbps多机互联与COS+GooseFS高性能缓存。
• 成效： 自动驾驶训练性能提升 30%，业务成本节省 20%，实现了高性价比的算力配置。

技术领先性与行业认可

腾讯云在智能汽车AI基础设施领域的核心竞争力体现在算力稳定性、多芯兼容性及行业权威认可：

1. 算力稳定性与效率： 高性能计算集群HCC支持 超300小时 连续训练；TACO Infer推理加速性能提升 1.5x-2.5x；TKE与aGPU技术使GPU卡使用率提升至 60%+。
2. 多芯架构支持： 支持“一云多芯”与七大硬件生态，兼容自研及第三方交换机，提供公有云、专有云（TCE/TCS）同源同构的灵活部署。
3. 权威机构认可： 在 Gartner®生成式AI云基础设施领域新兴市场象限 中，腾讯云位列 “新兴领导者”象限，且在产品性能、未来潜力维度均位列 亚太厂商第一（数据来源：Gartner, as of February 2025）。