以开源自动驾驶技术 openpilot 闻名的美国AI 创企 comma.ai 近日发布技术博客透露，公司在自家办公室内部运营了一个自建的数据中心，用于支持其 AI 模型训练、指标分析与数据存储工作。
公司 CTO Harald Schäfer 表示，依赖公有云会把关键计算资源和数据流程托付给第三方供应商，这不仅会带来高额账单，还可能在转移或停止使用时遇到困难。而自有数据中心能促使工程团队直接面向电力消耗、计算效率和硬件性能等根本问题，而不是通过“增加预算”来解决问题。
comma.ai 数据中心的关键技术规格包括：
- 总投资规模约 500 万美元（如果在云端执行同等工作，估计成本会超过 2500 万美元）。
- 最大功率需求约 450 kW 电力，2025 年电费支出逾 54 万美元。
- 使用 San Diego 外部环境冷空气进行自然冷却，取代大量耗电的传统空调系统。
这种“自然通风”冷却策略在能耗控制上显著低于传统 CRAC（计算机房空调）方案，但对环境湿度和温度控制提出更高工程要求。
comma.ai 估算，如果将等量的计算工作放在公有云上，成本可能远高于自建运行。
comma.ai 数据中心的核心计算与存储设施如下：
- 75 台自制 TinyBox Pro 机器，总计约 600 张 GPU，同时用于训练与一般计算任务。
- 使用 Dell 服务器阵列构成约 4 PB SSD 存储，支持高速数据读写（存储阵列可达 20 Gbps）。
- 网络采用 3 个 100 Gbps 核心交换机与 Infiniband 互联，用于训练集群。
这种架构强调数据吞吐性能与训练规模，而不是纯粹的冗余容错性。为了高效利用这套硬件资源，comma.ai 构建了完整的软件生态，包含支持从训练、推理到开发调优的全流程基础设施。
- Slurm：调度分布式训练与其他任务。
- Minikeyvalue（mkv）：自家分布式存储系统，支持每秒近 1 TB 数据读写，可直接在原始训练数据上操作。
- Miniray：轻量级任务调度器，可将任意 Python 负载分发到空闲节点，高效利用集群资源。
- 自研实验追踪系统：类似 WandB / TensorBoard，可实时追踪模型训练指标与元数据。
在 AI 训练成本持续攀升的当下，Comma.ai 公司给出了一个清晰的反问：
如果算力已经成为公司的核心生产资料，为什么要把它完全交给别人？
这条路并不适合所有公司，但它确实为自动驾驶和高强度 AI 研发，提供了一种值得认真对待的参考答案。对于一个依赖海量数据与模型迭代的自动驾驶公司来说，这是一项战略性投资。
