目前，业界主流的自动驾驶方案需要融合图像、激光雷达、毫米波雷达、GPS等多个模态数据，但大规模训练样本数据加载和预处理的效率较低，导致GPU资源浪费；同时，自动驾驶模型算子数量巨大，使用现有训推框架系统执行效率低下，且优化门槛高。

阿里云推出的PAI-TurboX，在多模态数据预处理、离线大规模模型训练以及实时智驾推理等环节提供了全面解决方案。在系统侧，PAI-TurboX通过优化CPU亲和性、动态编译、流水线并行等策略，显著提升模型的训练推理效率；在数据侧，PAI-TurboX提出了高性能的DataLoader引擎，并且优化了数据预处理流程和实现了智能训练样本分组，有效提升数据处理效率。

此外，PAI-TurboX还提供了算子优化和量化等能力，可进一步减少训练阶段的访存延迟，提升吞吐效率，同时在推理任务中，能在保障精度的同时降低计算开销与内存带宽需求，可实现异构平台下的高性能推理部署。

实测结果显示，在自动驾驶的3D物体检测模型BEVFusion训练任务中，PAI-TurboX可以将训练时间缩短58.5%；在实时在线矢量化高精地图构建模型MapTR训练任务中，PAI-TurboX可以将训练时间缩短53%；在端到端自动驾驶模型SparseDrive训练任务中，PAI-TurboX 可以在感知模块训练和联合训练两个阶段获得明显的速度提升，相同训练步数下可分别缩短51.5%和48.5%。

阿里云研究员林伟表示：“ TurboX不仅可以提升自动驾驶模型的训推效率，还将进一步加速世界模型的开发进程，让所有终端和人一样具备感知、思考和决策能力。”

据介绍，阿里云人工智能平台PAI可提供贯穿AI开发和运维全流程的平台服务。自2016年诞生以来，PAI已累计服务超过10万家企业客户及数百万AI开发者，支撑阿里云百炼、魔搭社区等MaaS服务及社区。