阿里云推出面向自動(dòng)駕駛領(lǐng)域模型的訓(xùn)練、推理加速框架PAI-TurboX。該框架可提升感知、規(guī)劃控制乃至世界模型的訓(xùn)推效率，在多個(gè)行業(yè)模型的訓(xùn)練任務(wù)中，PAI-TurboX均可縮短50%的時(shí)間。

　　目前，業(yè)界主流的自動(dòng)駕駛方案需要融合圖像、激光雷達(dá)、毫米波雷達(dá)、GPS等多個(gè)模態(tài)數(shù)據(jù)，但大規(guī)模訓(xùn)練樣本數(shù)據(jù)加載和預(yù)處理的效率較低，導(dǎo)致GPU資源浪費(fèi);同時(shí)，自動(dòng)駕駛模型算子數(shù)量巨大，使用現(xiàn)有訓(xùn)推框架系統(tǒng)執(zhí)行效率低下，且優(yōu)化門檻高。

　　據(jù)悉，阿里云推出的PAI-TurboX，在多模態(tài)數(shù)據(jù)預(yù)處理、離線大規(guī)模模型訓(xùn)練以及實(shí)時(shí)智駕推理等環(huán)節(jié)提供了全面的解決方案。在系統(tǒng)側(cè)，PAI-TurboX通過(guò)優(yōu)化CPU親和性、動(dòng)態(tài)編譯、流水線并行等策略，顯著提升模型的訓(xùn)練推理效率;在數(shù)據(jù)側(cè)，PAI-TurboX提出了高性能的DataLoader引擎，并且優(yōu)化了數(shù)據(jù)預(yù)處理流程和實(shí)現(xiàn)了智能訓(xùn)練樣本分組，有效提升數(shù)據(jù)處理效率。

　　此外，PAI-TurboX還提供了算子優(yōu)化和量化等能力，可進(jìn)一步減少訓(xùn)練階段的訪存延遲，提升吞吐效率。同時(shí)，在推理任務(wù)中，能在保障精度的同時(shí)降低計(jì)算開銷與內(nèi)存帶寬需求，可實(shí)現(xiàn)異構(gòu)平臺(tái)下的高性能推理部署。

　　實(shí)測(cè)結(jié)果顯示，在自動(dòng)駕駛的3D物體檢測(cè)模型BEVFusion訓(xùn)練任務(wù)中，PAI-TurboX可以將訓(xùn)練時(shí)間縮短58.5%;在實(shí)時(shí)在線矢量化高精地圖構(gòu)建模型MapTR訓(xùn)練任務(wù)中，PAI-TurboX可以將訓(xùn)練時(shí)間縮短53%;在端到端自動(dòng)駕駛模型SparseDrive訓(xùn)練任務(wù)中，PAI-TurboX可以在感知模塊訓(xùn)練和聯(lián)合訓(xùn)練兩個(gè)階段獲得明顯的速度提升，相同訓(xùn)練步數(shù)下可分別縮短51.5%和48.5%的訓(xùn)練時(shí)間。

　　據(jù)介紹，阿里云人工智能平臺(tái)PAI可提供貫穿AI開發(fā)和運(yùn)維全流程的平臺(tái)服務(wù)。自2016年以來(lái)，PAI已累計(jì)服務(wù)超過(guò)10萬(wàn)家企業(yè)客戶及數(shù)百萬(wàn)AI開發(fā)者，支撐阿里云百煉、魔搭社區(qū)等MaaS服務(wù)及社區(qū)。