九识智能：基于 JuiceFS 的自动驾驶多云亿级文件存储

九识智能 Zelos 是一家专注于自动驾驶与无人配送技术的高新技术企业，具备自动驾驶系统及 AI 芯片的自主研发与规模化落地能力。公司核心产品已在全国 200 多个城市广泛部署，整车销售市占率超过 90%，在中国 L4 城配自动驾驶领域持续领先。

随着业务迅速扩展，公司数据体量从 TB 级快速增长至 PB 级，原有基于 Ceph 的存储方案面临高昂成本与维护压力，同时在处理小文件、元数据、高并发及延迟等方面逐渐出现性能瓶颈，影响仿真和训练效率。

此外，随着算法迭代加速和跨地域业务部署，多云环境下的数据流转与资源调度需求日益频繁，但存在数据分散、迁移成本高和调度复杂等问题。部分存储工具社区支持有限、响应慢，进一步增加了运维难度。

面对这些挑战，九识智能亟需构建一套具备高性价比、强扩展性和易运维能力的云原生存储架构。在系统评估了 Alluxio、CephFS 等方案后，最终选择采用 JuiceFS 作为统一的存储基础设施。目前，九识已将生产、仿真、训练与推理等核心业务数据全面迁移至 JuiceFS，构建起一个高效、灵活、统一的存储底座，全面支撑自动驾驶多场景下的海量数据处理需求。

01 自动驾驶训练流程与存储挑战

九识智能目前致力于 L4 级别自动驾驶技术的研发，主要聚焦于城市智能配送物流场景的应用。在自动驾驶模型的训练过程中，会产生大量数据，并涉及复杂的处理流程。以下为我们自动驾驶训练的基本步骤：

• 数据采集与上传：在车辆上开展标定工作以采集数据，随后将采集到的数据上传。
• 算法处理：算法部门提取相关数据用于模型训练或算法改进，之后将结果交由仿真环节进行打分。
• 仿真验证与修改：若仿真失败，返回算法部门进行修改；若仿真成功，则进入模拟环境验证阶段。
• 测试车辆验证：在模拟环境验证通过后，在测试车辆上进行测试。若测试失败，再次返回修改环节；若测试成功，则发布到 OTA。

在整个流程中，数据量急剧增长。每辆车每日约上传十几 GB 数据，随着车辆规模扩大，总