STRADVISION: KI-gesteuerte Automobilinnovation mit skalierbarem Speicher vorantreiben
Video-Zusammenfassung
Daten, die die Welt bewegen
Im Data Innovation Center von StradVision vereinen sich fortschrittliche KI und Qumulo-basierte Datenpipelines, um die Zukunft der Mobilität neu zu gestalten. Indem Fahrzeuge schneller sehen, interpretieren und reagieren können als jeder menschliche Fahrer, trägt diese datengestützte Intelligenz dazu bei, schwere Unfälle auf den heutigen Straßen zu reduzieren – und eröffnet Menschen, die bisher nicht selbst fahren konnten, neue Mobilitätsmöglichkeiten.
Jeder Kilometer, jeder Sensor, jeder Datenpunkt hilft Fahrzeugen, zu lernen, sich anzupassen und weiterzuentwickeln – hin zu einer sichereren und inklusiveren Mobilität für alle. So bringen uns Daten voran – hin zu einer Welt, in der Verkehr intelligenter, sicherer und für alle zugänglich ist.
Lesen Sie die vollständige Fallstudie
Wie Qumulo und AWS es STRADVISION ermöglichen, das explosive Datenwachstum zu bewältigen und die Entwicklung des autonomen Fahrens zu beschleunigen
STRADVISION definiert die Zukunft autonomer Fahrzeuge mit fortschrittlicher KI-gestützter Bilderkennungssoftware neu. Das Unternehmen mit Hauptsitz in Seoul und Datenbetrieb in Pohang entwickelt SVNet – seine führende Objekterkennungstechnologie für autonome Fahrzeuge und Fahrerassistenzsysteme (ADAS).
Mit der Mission, die Entwicklung sicherer und intelligenterer Transportmittel voranzutreiben, generiert und verarbeitet STRADVISION enorme Mengen unstrukturierter Daten – über 2 Petabyte und steigend. Mit dem Anstieg der Datenmengen wuchsen jedoch auch die Grenzen der bestehenden Speichersysteme.
„Unsere NAS-Umgebung war fragmentiert, ineffizient und unzuverlässig“, sagte Euncheol Yeo, Leiter der IT-Infrastruktur bei STRADVISION. „Die Verwaltung von über 20 verteilten Synology NAS-Einheiten führte zu Leistungsengpässen und häufigen Systemausfällen, insbesondere bei der Belastung durch Hunderte gleichzeitiger Benutzer.“
Systemabstürze, manuelle Kaltstarts und eingeschränkte Netzwerkleistung verlangsamten die Produktion und gefährdeten die Effizienz. Das Team erkannte die Notwendigkeit einer Lösung, die schnelles Wachstum bewältigen, gleichzeitigen Zugriff in großem Maßstab unterstützen und sich schnell von Ausfällen erholen konnte.
Sie wandten sich an Qumulo.
Qumulo lieferte sofort Ergebnisse. Wir beobachteten eine stabile Leistung, vereinfachte Abläufe und die Möglichkeit, Daten in Echtzeit zu überwachen und zu analysieren. Das war ein Wendepunkt.
STRADVISION implementierte zwei lokale Qumulo-Cluster und integrierte Qumulos Cloud-native CNQ-Plattform mit AWS, um eine hybride Cloud-Dateispeicherumgebung zu schaffen. Der Übergang von Synology zu Qumulo dauerte weniger als einen Monat und wurde durch die enge Zusammenarbeit zwischen Qumulo, lokalen Partnern und den technischen Teams von STRADVISION unterstützt.
„Qumulo lieferte sofort Ergebnisse. Wir beobachteten eine stabile Leistung, vereinfachte Abläufe und die Möglichkeit, Daten in Echtzeit zu überwachen und zu analysieren. Das war ein Wendepunkt.“
Mit der steigenden Benutzernachfrage wuchs auch die Bereitstellung. STRADVISION wurde von 13 auf 18 Qumulo-Knoten erweitert und läuft nun auf zwei Clustern mit über 2 PB Daten.
Qumulo unterstützt heute unternehmenskritische Workflows für Hunderte gleichzeitige Benutzer. Die Entwicklung sicherer KI-Vision-Software für autonomes Fahren mit Einzel- und Multisensoren ist ein datenintensiver Prozess, der Speicher- und Datenmanagementsysteme erfordert, die große CPU- und GPU-Cluster-Workloads effizient unterstützen können. Dazu gehören Datenaufnahme, Vorverarbeitung, KI-Modelltraining, Tests und die vollständige Systemvalidierung. Qumulo bietet die Skalierbarkeit und Leistung, auf die STRADVISION setzt, um kontinuierliche Innovationen in der Zukunft der autonomen Mobilität voranzutreiben.
Selbst wenn Hunderte von Benutzern gleichzeitig auf Daten zugreifen, gewährleistet Qumulo Stabilität und Geschwindigkeit. Dadurch konnten wir sowohl den Arbeitszeitaufwand als auch die Betriebskosten deutlich reduzieren.
Auswirkungen auf das Geschäft
- Beschleunigte Modellentwicklung gegenüber früheren Lösungen bei Hunderten von Entwicklern über PBs in der Cloud vor Ort und vor Ort.
- Verbesserte Betriebseffizienz mit zentralisiertem Datenmanagement einschließlich Echtzeitanalyse und -überwachung.
- Ermöglichte eine schnellere Problemlösung und minimierte Ausfallzeiten durch außergewöhnlichen 24/7-Zugang zu den Qumulo-Technikern.
Weiter denken
Mit Qumulo schafft STRADVISION die Datengrundlage für eine sicherere, autonome Zukunft – ein Objekt, ein Frame, eine Innovation nach der anderen.
„Wenn Sie mit riesigen Mengen unstrukturierter Daten arbeiten, ist Qumulo die beste Lösung. Wir bedauern nur, nicht früher gewechselt zu haben. Der rund um die Uhr verfügbare private Slack-Kanal und der proaktive Zoom-Support durch Pre-Sales- und CSE-Ingenieure machen Qumulo zu etwas ganz Besonderem. Sie haben uns bei allem unterstützt, von Rechenzentrumsausfällen bis hin zu Hardwarefehlern, und Probleme schnell und gründlich gelöst.“
Industrie:
Automobilindustrie, Künstliche Intelligenz
Anwendungsfall:
Skalierbares unstrukturiertes Datenmanagement für die Entwicklung autonomer Fahrzeuge
Einsatz:
Vor Ort + CNQ mit AWS-Hybridbereitstellung
Ort:
Seoul, Südkorea
Firmenüberblick:
STRADVISION, ein führender Anbieter von KI-basierter Bilderkennungssoftware für autonomes Fahren, benötigte eine zuverlässige, skalierbare Datenplattform, um das explosionsartige Datenwachstum zu bewältigen und geschäftskritische Workloads zu unterstützen. Mit über 2 PB unstrukturierter Daten und Hunderten von gleichzeitig arbeitenden Benutzern konnten herkömmliche NAS-Systeme nicht Schritt halten.
Warum Qumulo:
- Über 20 fragmentierte NAS-Einheiten durch zentralen Hochleistungsspeicher ersetzt
- Echtzeit-Einblick in Datenvorgänge und Systemintegrität
- Nahtlose Hybrid-Cloud-Bereitstellung mit AWS
- In weniger als einem Monat von 13 auf 18 Knoten erweitert
- Hervorragender Support rund um die Uhr, inklusive dediziertem Slack- und MS Teams-Zugang.
Results:
- Ermöglicht zuverlässige Leistung für KI-Training und hochauflösende Bildspeicherung
- Reduzierter Betriebsaufwand und ungeplante Ausfallzeiten
- Leistungsfähige technische Teams mit Echtzeitanalysen und -überwachung
- Verbesserte Effizienz, Skalierbarkeit und Kosteneffizienz