阿里云推出自动驾驶领域模型训练与推理加速框架PAI-TurboX，该框架能够显著提升感知、规划控制及世界模型的训推效率，在多个任务中将训练时间缩短约50%。

当前，自动驾驶方案需融合图像、激光雷达、毫米波雷达和GPS等多模态数据，但大规模训练样本的数据加载与预处理效率较低，导致GPU资源浪费。此外，由于自动驾驶模型算子数量庞大，现有训推框架执行效率低下且优化难度高。

PAI-TurboX针对上述问题提供全面解决方案。在系统层面，通过优化CPU亲和性、动态编译和流水线并行策略，大幅提高模型训练和推理效率；在数据层面，采用高性能DataLoader引擎，优化数据预处理流程并实现智能训练样本分组，从而提升数据处理效率。

此外，PAI-TurboX还具备算子优化与量化能力，可降低训练阶段访存延迟，提升吞吐效率。在推理任务中，其能在保证精度的同时减少计算开销与内存带宽需求，支持异构平台高性能推理部署。

实测表明，在3D物体检测模型BEVFusion训练中，PAI-TurboX将时间缩短58.5%；矢量化高精地图构建模型MapTR训练中，时间减少53%；端到端自动驾驶模型SparseDrive训练中，感知模块与联合训练阶段分别提速51.5%和48.5%。

阿里云人工智能平台PAI提供全流程AI开发与运维服务，自2016年问世以来已服务超10万家企业客户及数百万开发者，支撑多项MaaS服务及社区发展。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。