并行文件系统软件Quobyte正被机器人出租车开发商Zoox用于存储车辆传感器和仿真数据,以训练控制车辆的AI软件。
亚马逊旗下的Zoox与谷歌的Waymo和特斯拉的机器人出租车项目展开竞争,其城市车辆配备了车载GPU和4个英特尔至强CPU。与Waymo改装的SUV不同,Zoox的车辆是专门设计的。该公司认为自己具有优势,因为其车辆没有方向盘,"看起来更像马车而非汽车,最多可容纳四名乘客"。由于车辆是双向的,没有前后之分,两对乘客面对面而坐。
Zoox在目标城市环境中的测试车队是改装的丰田汉兰达,配备了与其机器人出租车相同的传感器和计算包,另外还有人类操作员。这些车辆生成驾驶数据并验证其自动驾驶技术。配备人类安全操作员的SUV在旧金山湾区、拉斯维加斯、西雅图、奥斯汀、迈阿密和洛杉矶运行。Zoox计划今年晚些时候在拉斯维加斯和旧金山迎接公众乘客。
Zoox发展历程
2014年 - Zoox由CEO Tim Kentley-Klay和CTO Jesse Levinson创立,后者曾在斯坦福大学开发自动驾驶技术,是苹果董事长Arthur Levinson的儿子
2018年3月 - 融资5亿美元,总融资额达到8亿美元
2018年4月 - Zoox解雇CEO Kentley-Klay,Levinson担任总裁
2018年12月 - 获得在加州提供自动驾驶交通服务的批准
2019年1月 - 前英特尔首席战略官Aicha Evans被聘为CEO
2020年4月 - 就雇佣前特斯拉员工涉嫌知识产权泄露问题与特斯拉达成和解
2020年6月 - 亚马逊以超过12亿美元收购Zoox,并将其纳入亚马逊设备与服务组织
2022年7月 - Zoox自我认证其乘用车符合联邦机动车安全标准(FMVSS),无需监管变更或豁免申请
2023年 - 获得加州机动车管理局批准,开始在开放公共道路上测试载客自动驾驶机器人出租车。同时获得内华达州机动车管理局授权,在公共道路上运营自动驾驶机器人出租车
2024年5月 - 美国国家公路交通安全管理局(NHTSA)在两起涉及摩托车和Zoox车辆的追尾事故后,对Zoox车辆的潜在缺陷展开调查
2025年 - Zoox在拉斯维加斯和洛杉矶运营机器人出租车,亚特兰大、奥斯汀、迈阿密和旧金山即将跟进。公司在加州海沃德开设了首个机器人出租车全规模生产设施。
Zoox总部位于加州福斯特城,其正在开发的机器人出租车车队将由AI软件控制,该软件响应实时雷达、激光雷达、摄像头、长波红外和麦克风数据,AI模型基于包含传感器和仿真数据的数据集进行训练。AI模型具有感知引擎和预测模块,配备规划和控制系统。Zoox在实际部署前在虚拟环境中测试其自动驾驶车辆系统。
尽管被亚马逊收购,后者拥有AWS计算和存储云服务,但Zoox拥有自己的数据中心,计算集群由数千个英伟达GPU组成——不过确实使用云服务进行冷数据存储和客户端访问。本地存储是为了避免云数据传输涉及的延迟。
Zoox最初使用Ceph存储数据,发现存在问题,因为使用的操作系统较旧,Ceph内核模块需要升级以提高性能。他们经常超出容量,性能缓慢,停机也无济于事。因此Zoox重新考虑,数据现在存储在Quobyte横向扩展并行文件系统中,该系统在2019年概念验证期间后于2020年部署,随着数据集增长已扩展到30PB。
数据集包括用于训练的高精度3D地理地图数据渲染,并使车辆保持在地理围栏的城市区域内。训练运行大约每两周进行一次,数据在SSD、磁盘驱动器和公有云之间分层,以优化成本和性能。
有三个Quobyte集群,数万个客户端通过AWS访问数据。近1EB的冷数据存储在AWS中,Zoox正在探索Quobyte系统与S3存储库之间更紧密的集成,以控制成本。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。