专题演讲嘉宾：赵晗

具身智能与自动驾驶的智能涌现高度依赖高质量数据闭环的转动。本次演讲我将深度剖析一套复用自百 PB 级自动驾驶经验、现已主导落地于具身智能场景的 AI 原生基础设施架构。

问题背景

• 存储挑战：海量小文件对存储元数据的极限压力：自动驾驶和具身智能应用产生的海量数据中，大量为小文件，这对存储系统的元数据管理提出了极高的要求。传统的存储架构在处理海量小文件时容易遇到性能瓶颈，导致数据存取延迟和存储资源浪费。
• 真机数据采集难度：在具身智能应用中，数据的采集通常面临困难，特别是高质量、真实环境下的数据采集（即“真机数据”）。这使得模型训练无法依赖足够多的真实场景数据，进而影响了模型的泛化能力和准确性。
• 调度挑战：
  • 算力资源碎片化：在分布式环境，尤其是多GPU和混合云环境中，算力资源常常出现碎片化，导致任务无法高效利用现有的计算资源。例如，GPU资源可能无法根据任务需求被充分调度，造成算力资源的浪费。
  • 任务抢占与死锁问题：在高并发、复杂的任务调度场景中，任务之间由于资源竞争可能导致抢占死锁现象，影响整体系统的稳定性和计算效率。
  • 混合云资源调度问题：在混合云环境中，不同云平台之间的资源调度和管理变得更加复杂，如何实现算力的高效调度、负载均衡和弹性扩展，成为确保高效计算和成本优化的难点。
• 闭环支柱挑战：
  • 数据回灌中的版本一致性问题：在闭环系统中，数据回灌的过程中常常会面临版本不一致性的问题，尤其是涉及到多个数据源和多个模型版本时，这种不一致性会影响数据的质量和模型的准确性。
  • 生成式仿真与数据补充挑战：在数据采集困难的情况下，**生成式仿真（World Models）**技术被用来弥补数据缺口，但这种仿真数据的质量、有效性和与真实数据的一致性问题仍然是一个亟待解决的挑战。
  • 模型量化与精度损失问题：在具身智能系统中，模型量化用于提升计算效率，但这种技术可能带来精度损失。如何平衡模型的计算效率与精度，以及如何保证模型的稳定性，是在量化部署过程中必须解决的问题。

演讲提纲

1. 背景：AI 原生基座的“第一性原理”

• 自动驾驶与具身智能的数据悖论：Corner Case 挖掘 vs. 真机数采瓶颈
• 基础设施如何驱动模型 Scaling Law 的跃迁

2. 存储支柱——PB 级多模态数据的存储演进

• JuiceFS 生产级实践
• 降本增效： 多级缓存策略与内核优化，突破海量小文件管理的性能瓶颈

3. 调度支柱——数百张 GPU 卡的混合云精细治理

• Volcano 调度增强：解决分布式训练中的资源碎片与任务抢占死锁
• 基于 KServe 的推理服务优化：实现板端部署与云端服务的弹性扩缩容

4. 闭环支柱——差异化路径下的全链路数据治理

• 业务赋能：利用生成式仿真（World Models）补齐具身智能的真机数据缺口
• 避坑指南： 模型量化部署的精度损失与数据回灌中的版本一致性挑战

5. 小结：反思——如何做一个“懂业务”的 Infra 架构师？

• 从“管理算力”到“驱动闭环”：以产品思维对齐模型交付周期

您认为，这样的技术在实践过程中有哪些痛点？

• 技术迁移有适配壁垒：JuiceFS 引擎迁移、Volcano 调度定制化等核心组件升级，面临数据兼容、系统对接冲突、业务无感知割接等落地风险，且需大量定制化调试，试错成本高。
• 跨模块 / 团队协同：存储、调度、训推等模块技术标准不统一、接口不兼容，且基建与业务团队认知偏差大（基建重技术稳定性，业务重实际指标提升），跨领域沟通与适配成本高。
• 资源成本短期矛盾：方案虽以降本提效为目标，但落地初期需投入大量采购、开发、重构成本，且算力精细化管控、在离线混部的实际效果难达设计预期，短期投入与长期价值实现存在矛盾。
• 场景化落地难度：生成式仿真与真机数据融合无通用模板、模型量化需适配不同端侧硬件与业务精度要求、数据回灌版本管控需对接多套系统，均需结合业务做定制化开发，无成熟方法论可复用。

演讲亮点

• 跨领域基建迁移实战： 展示如何将 100PB 级的自动驾驶成熟架构降维打击应用到具身智能领域，论证了标准化基建的长期价值
• 硬核存储演进历程： 详细拆解 JuiceFS 在真实生产环境下实践和挑战，以及 30% 成本削减的底层逻辑
• 全链路自动化闭环： 不仅限于存和调，更涵盖了针对“真机数据难采”所构建的生成式仿真与自动化回灌体系，具有极强的行业参考性

听众收益

• 实战模版： 获得一套支撑百卡规模、PB 级数据的具身智能标准 AI 基建参考架构
• 避坑经验： 掌握在混合云环境下处理多模态 AI 任务时，关于存储引擎迁移、Volcano 任务编排及推理扩缩容的真实失败案例
• 思维升维： 学习 Infra 架构师如何主动介入数据挖掘与仿真生成等业务层，从底层直接驱动业务迭代