在AI的發展中，資料扮演著至關重要的角色。甚至可以說，是海量資料支撐起了AI的發展，大資料也因此被奉為打造成功機器學習專案的關鍵之匙。特別是對於企業來說，數字化轉型風暴愈演愈烈，如何利用大資料形成洞察、利用人工智慧讓企業運轉更高效？這成為每個企業都需要面臨的挑戰，但同時也蘊含著巨大的機遇。

以“自動駕駛”行業為例，近期，自動駕駛汽車產業迎來了密集的政策“紅包”，也迎來了大量資本及跨界造車新勢力的加速融入，這些都極大推動了自動駕駛商業化落地程序。研究機構Counterpoint預測，預計到2025年，全球約30%的銷售汽車將支援2級或以上的自動化。

在自動駕駛領域，L0、L1、L2、L3、L4、L5為自動駕駛的不同級別。L0級別無自動化，由駕駛者全程操作車輛；L1級別有駕駛輔助功能；L2級別有部分自動駕駛功能；L3級別為有條件自動化；L4級別為高度自動駕駛；L5級別為完全自動駕駛。具體來說，L4級別的智慧系統可以完成所有駕駛操作，在有條件的道路行駛時駕駛者可以解放雙手。

而要獲得高等級的自動駕駛能力，自動駕駛科技企業需要持續不斷地進行AI訓練。為充分發揮演算法算力的優勢，最佳化自動駕駛模型，生產商需要收集、分析和處理更多的資料，這其中，涉及海量資料存放和使用的儲存系統起到了至關重要的作用。

AI工作流程

以上是一個典型的AI工作流程，其中涉及到大量的資料收集、篩選、清洗，以及對模型的訓練等等，對於底層儲存系統提出了非常高的要求：如何採集、儲存如此規模龐大的資料並進行高速運算支援，同時還可以實現成本最佳化？另外，對於各個階段所需要對接的業務系統，涉及到的儲存訪問協議也不盡相同，如何實現無縫對接以及平滑的資料流動也成為儲存的關鍵。

針對諸如此類的AI應用場景，大兆極存（Bigtera）推出的高效能海量儲存產品（Scaler），其基於高可用，高安全，可擴充套件的統一雲端儲存技術，專門適用於海量圖片和影片類的非結構化資料儲存。產品以其全面融合的儲存能力，可以滿足使用者對於塊、物件、檔案等儲存服務的不同要求，同時還支援跨協議的資料互通，真正打通底層資料壁壘，充分滿足AI場景對於儲存的容量、功能以及效能需求。

Scaler產品的多協議互通技術，具有以下兩個特點：

1、高整合性

• 自選混合存取方式：NAS可支援SMB/NFS/FTP等多種檔案儲存協議，使用者可以根據業務需要自由組合搭配，充分滿足各類應用場景的需要。

• 跨協議平滑互通：資料的寫入與讀取可以自由選擇NAS或者S3，同一份資料無需多次複製，從而大大節約了資料儲存效率。

• 彈性存取策略與配額：提供了ACL、QoS、元資料檢索等豐富的增值特性，使儲存服務更具安全性與穩定性。

2、高相容性

• 相容傳統應用服務：支援多種NAS訪問協議，如SAMBA/NFS/FTP等，可以無縫與傳統的NAS業務對接。

• 無縫整合雲應用：支援標準的S3協議，無縫對接公有云以及各類雲應用。

除了標準的分散式儲存產品之外，Bigtera還推出了面向AI Solution整體解決方案，整合了AI Stack管理平臺，Kubernetes平臺以及Scaler分散式儲存三部分，提供完整的AI開發工作流服務，支撐了AI專案從資料儲存、資料預處理、模型訓練到模型部署與服務整個過程，致力於為企業提供高效、易用的人工智慧開發平臺，助力企業加速AI研究與開發。

AI Stack平臺專注於企業級的AI開發場景，整合算力、儲存以及AI訓練開發環境， 打造出便於企業跨部門進行AI 專案協作的管理平臺，可以幫助使用者快速構建分析環境，實現資源統一分配、靈活排程，從而協助企業更有效率進行AI相關的開發與研究。

我們認為“資料流”是現今科學研究的 AI、大資料中心以及使用者最關心的專案，也是整個資料中心設計的核心。Bigtera VirtualStor Scaler產品，可以為各型別的科學技術研究機構，建立私有云或混合雲系統，並可整合研究機構既有的儲存系統與資料平臺，以提供符合各種計算平臺之間的資料流，例如蒐集儲存龐大的多元化資料、資料遷移、大資料運算分析、人工智慧訓練與推論計算共通的資料管理服務，助力使用者在AI的大資料洪流中力爭上游。