弥合数据中心与汽车需求之间的差距

Phison 为下一代边缘 AI 汽车系统带来企业级的速度、响应能力和可靠性。.

随着自动驾驶、高级驾驶辅助系统 (ADAS) 和车载人工智能对高吞吐量、低延迟和稳定服务质量的要求日益提高，汽车存储技术正在不断发展，以满足数据中心级别的需求。这种融合正在推动新型存储架构的出现，这些架构能够在边缘提供实时性能，同时保持汽车环境所需的耐用性和可靠性。.

几十年来，企业环境一直是高性能计算的标准，能够在苛刻的工作负载下，以高吞吐量、低延迟和可预测的服务质量处理海量数据。. 

如今，同样的期望也在塑造着汽车系统。随着车辆不断增加人工智能、高级驾驶辅助系统（ADAS）和自动驾驶功能，它们必须在边缘处理前所未有的海量实时数据，这要求存储设备在资源更为有限的环境中提供企业级的响应能力。.  

尽管汽车系统对高性能存储的需求日益增长，但它们在性能上仍难以与当今数据中心相媲美。例如，主流汽车目前使用的是UFS 3.1或4.1存储，其传输速度约为2.1至4.3 Gbps，而企业数据中心已经采用了PCIe Gen5甚至Gen6 SSD，传输速度可达14至28 Gbps。.  

阅读：为什么内存和存储解决方案是丰富汽车体验的关键

数据中心标准如何定义现代性能预期

在数据中心，以下三个指标最为重要： 

• 吞吐量，或者说一次可以处理多少数据。
• 延迟，即数据访问和传输的速度。
• 服务质量（QoS）确保在不断变化的工作负载下性能保持稳定。

过去，汽车存储技术优先考虑的是耐用性和数据保留，因为当时车辆的工作负载并不高。而如今，车辆会生成并处理来自传感器、摄像头、雷达、激光雷达和遥测设备的大量实时数据流。. 

这使得存储从被动的基础设施转变为主动的性能层，直接影响人工智能和其他高级系统处理信息和做出决策的速度。如今，汽车存储需要高吞吐量和低延迟，而随着行业从UFS存储转向更高性能的解决方案，最终将需要更高的服务质量（QoS）。.  

为什么稳定性与巅峰表现同样重要

在人工智能驱动的车辆中，稳定性与最高速度同样重要。. 

在企业系统中，存储不一致会降低应用程序的运行速度。在车辆中，延迟不一致会影响与安全和导航相关的实时决策系统。. 

这就是为什么汽车性能越来越依赖于可预测的服务质量模型，就像企业基础设施中使用的那些模型一样。. 

数据中心长期以来一直致力于优化可扩展性、吞吐量和性能稳定性，而汽车则更注重耐用性、耐热性和实时响应能力。如今，人工智能驱动的汽车系统需要同时满足所有这些要求。. 

这种融合正在重塑两个行业的存储架构。. 

汽车系统正在快速发展

车辆正在成为复杂的边缘计算平台，可以在本地处理海量数据。. 

推动这一转变的因素有三： 

1. ADAS和自动驾驶的发展

与以往的汽车系统相比，ADAS对存储容量的需求要高得多。一辆汽车可能需要同时处理来自高分辨率摄像头、雷达、激光雷达、GPS和地图、驾驶员监控系统以及人工智能推理引擎的输入数据。. 

这些系统会产生持续不断的数据流，必须以极低的延迟对数据进行摄取、处理、存储和检索。随着自主化程度的提高，这些需求只会不断增长。. 

2. 传感器和视频数据爆炸式增长

摄像头、激光雷达、雷达、遥测和人工智能数据的组合可能会使存储成为车辆性能的关键瓶颈之一。. 

传统汽车存储并非为满足这些工作负载所需的吞吐量、低延迟和持续性能而设计的。. 

3. 人工智能的扩展 

人工智能正在重塑汽车基础设施。推理工作负载需要快速访问大型数据集，延迟必须尽可能低，即使延迟增加很小，也会降低驾驶辅助和实时分析系统的响应速度。. 

因此，存储性能与车辆整体智能化程度日益密切相关。车辆需要更快的数据摄取速度、更高的持续吞吐量、更低的延迟、更可预测的服务质量，以及为未来人工智能发展预留的扩展空间。. 

这些也是多年来塑造企业存储的优先事项。. 

数据中心和汽车需求的融合 

数据中心存储与汽车基础设施之间的差距正在缩小。随着汽车向分布式人工智能系统转型，它们正在采用许多与企业和边缘计算相同的架构原则。. 

在实践中，这意味着将数据中心级别的性能、可扩展性和可靠性引入到受人工智能和实时处理需求影响的车辆系统中。. 

极限驾驶 

边缘计算不再局限于工厂、零售或电信行业。车辆本身正在成为分布式边缘平台，用于本地处理、人工智能推理和实时分析。这带来了对存储性能的更高要求，而传统的汽车架构无法满足这些要求。. 

挑战不仅在于容量，还在于如何快速传输数据以支持持续的人工智能驱动决策。. 

实时决策取决于存储 

实时人工智能依赖于快速、稳定的数据传输。自主系统无法等待延迟读取或不稳定的存储行为。. 

低延迟存储对于汽车架构至关重要，尤其是在加载高清地图或记录数据时。它会影响系统分析路况、处理传感器融合数据、运行人工智能推理以及响应导航变化的速度。. 

存储现在是活跃计算管道的一部分，而不是后台组件。. 

存储如今已成为提升性能的关键因素。 

过去，存储设备主要以容量和耐用性来衡量。如今，它还必须提供可预测的延迟、持续的吞吐量、智能的工作负载管理以及在混合工作负载下不间断的服务质量。. 

要点总结： 

• 车辆正在成为智能边缘计算平台
• AI工作负载需要数据中心级别的性能。
• 稳定的服务质量对汽车可靠性至关重要。
• 如今，存储决定着人工智能的响应速度和系统稳定性。

阅读：不断发展的汽车架构创造了新的数据存储机会

将数据中心能力引入汽车环境所面临的挑战

汽车系统越来越需要数据中心级别的功能，但将企业性能模型引入汽车会带来五大挑战。. 

1. 热约束

车辆运行环境涵盖了各种极端温度条件。与受控的数据中心不同，汽车系统必须在高温、低温和环境压力下保持性能。这就需要智能热管理和控制器级优化来确保性能稳定。. 

2. 功率限制

汽车平台运行对功耗限制非常严格。存储设备必须在不显著增加功耗或发热量的情况下，提供高吞吐量和低延迟。. 

平衡效率、性能和可靠性对于下一代汽车架构至关重要。. 

3. 环境耐久性

汽车系统还面临着振动、长使用寿命、间歇性供电以及暴露于灰尘和污染物等问题。存储系统在所有这些条件下都必须保持可靠性。.  

因此，固件优化和先进的可靠性机制显得尤为重要。. 

4. 成本敏感性和可扩展性

汽车制造商在规划未来人工智能发展的同时，也面临着成本压力。存储架构必须能够高效扩展，同时避免增加过多的成本或复杂性。.  

这使得灵活、可扩展的设计越来越有价值。. 

5. 构成因素

为了承受车辆剧烈震动，如今超过 95% 的车载存储设备都采用嵌入式设计，直接焊接在印刷电路板 (PCB) 上。而如今的企业级固态硬盘 (SSD) 则支持插拔/热插拔，这意味着可以根据需求轻松升级，以获得更高的性能或更大的容量。此外，如果主板发生故障，插拔式 SSD 还能更轻松地恢复存储的数据，而嵌入式固定存储驱动器上的数据则可能永久丢失。.  

如今数据中心和汽车标准之间的差异

数据中心标准与汽车标准之间的差异清楚地表明，汽车行业在实现数据中心存储的性能和灵活性方面还有很多工作要做。.随着汽车系统的发展和车载数据存储的改进，适用的标准将开始与当今数据中心的标准更加紧密地接轨。.  

群联电子如何助力这一转型

随着企业和汽车基础设施的融合，拥有深厚的控制器和固件专业知识的供应商变得越来越重要。. 

群联电子在控制器和固件层设计解决方案，而许多最关键的性能和可靠性决策都出自这两个层。这使我们能够满足企业级性能期望和汽车级可靠性要求，尤其是在以下三个方面。.

1. 控制器级优化

高性能汽车系统需要的不仅仅是高速NAND闪存。控制器设计对于实现稳定的吞吐量、低延迟响应、工作负载均衡以及高效的散热和电源管理至关重要。. 

群联电子在企业、嵌入式和边缘环境方面的经验有助于在受限条件下支持实时 AI 工作负载。. 

2. 固件智能和QoS一致性

固件在决定高负载工作能否保持可预测性方面发挥着越来越重要的作用。在汽车人工智能系统中，性能不稳定会扰乱关键的实时操作。. 

群联电子的固件优化有助于在 ADAS、自动驾驶和车载 AI 等常见混合工作负载中保持一致的服务质量 (QoS)。. 

3. 可扩展的投资组合策略

这种融合也要求存储架构能够随着时间推移而演进。我们的 Pascari 企业级 SSD，包括注重性能的 Pascari X 系列，体现了我们在严苛的边缘和企业环境中实现可扩展性能、可靠性和耐用性的更广泛方法。. 

随着人工智能工作负载扩展到各种车辆，这种灵活性将变得越来越重要。. 

阅读：Phison 的 Michael Wu 展望汽车数据存储的未来

汽车仓储的未来发展方向

汽车基础设施正日益趋向于分布式边缘计算。高级驾驶辅助系统（ADAS）、自动驾驶和车载人工智能正在推动存储向现代企业系统中使用的相同高吞吐量、低延迟和一致的服务质量（QoS）模型靠拢。. 

与此同时，车辆必须在严格的热力、动力、耐久性和可靠性限制下运行，这使得汽车环境具有独特的挑战性。. 

弥合这一差距需要的不仅仅是改造存储硬件。它需要智能控制器架构、先进的固件优化以及可扩展的系统设计，以实现边缘实时人工智能。. 

随着汽车向智能计算系统演进，存储将成为下一代汽车人工智能和移动出行创新更加重要的基础。. 

这正是群联电子发挥关键作用的地方。我们通过控制器级创新、固件智能和可扩展存储架构，帮助汽车制造商和技术提供商将数据中心级别的性能、一致性和可靠性带入现代汽车平台。. 

详细了解 群联汽车解决方案 或者 请联系 Pascari 销售代表 今天。.

常见问题 (FAQ)：