感知模型训练
多相机 / 雷达融合，BEV、Transformer 类模型。
Context
为什么卡在这里
路测与仿真数据以视频、点云为主，训练对 GPU 和存储带宽同时敏感。卡不够、IO 顶满、任务中断难续，是感知团队最常见的三类卡点。
要解决的问题
- 多传感器融合训练 GPU 不够，队列排到周末
- 点云 / 视频数据集 IO 打满，GPU 在等盘
- 训练任务中断后难续，浪费机时
- 仿真与训练环境分散，版本对不齐
元枢怎么做
- 多卡训练节点 + 高速互联，面向 BEV / Transformer
- 高带宽数据湖存储，扛住点云与视频吞吐
- 预训练环境与断点续训策略
- 集群调度：排队、优先级、资源回收
已在自动驾驶研发企业落地部署，支撑 BEV / Transformer 感知模型高效迭代。
Scenarios
适用场景
同一套算力底座，按业务入口拆开用。
仿真验证
仿真回放与批量评测，需要稳定算力池。
数据预处理
解码、标注落盘、特征缓存，吃存储带宽。
模型导出上线
训练完成后导出推理服务，对接车端或云端。
Reference Config
参考配置（可按 POC 调整）
不是固定报价单——先对齐 workload，再锁档位。
POC
单节点验证
- 4–8 卡训练机
- 高速本地盘 / 全闪
- 预装训练框架
适合单模型小数据集打通
Standard
标准训练池
- 多台 8 卡节点
- 高速网络
- 共享数据湖
适合日常感知迭代
Cluster
规模化集群
- 多节点 + 调度平台
- 高带宽存储
- 断点续训与监控
适合多车型 / 多团队共用
Delivery
交付构成
8 卡训练节点高速互联数据湖存储训练平台断点续训驻场调优
Acceptance
建议验收指标
上线前把“算不算交付完成”说清楚，避免只验收到货。
| 指标 | 目标（示例） | 怎么验 |
|---|---|---|
| 训练完成时长 | 约定数据集上的 epoch 区间 | 训练日志 |
| 存储吞吐 | 约定读写带宽下限 | 压测记录 |
| 任务续训 | 中断后可恢复 | 演练记录 |
| 集群利用率 | 闲置卡可回收 | 调度面板截图 |
Process
落地节奏
- 01
摸底
模型、数据集规模、现有机房与网络
- 02
POC
单节点打通训练与存取
- 03
扩容
按队列与耗时扩节点 / 存储
- 04
稳态
调度策略与驻场运维交接