Les besoins élevés de traitement des données pour la conduite autonome
Quantités massives de données routières générées
Les modèles de conduite autonome améliorés génèrent d'énormes quantités de données routières et, au niveau L4 — considéré comme entièrement autonome — il y a trois à cinq fois plus de données de test qu'au niveau L3 : des centaines de téraoctets doivent être importés et stockés chaque jour.
Sur l’ensemble des données collectées, environ 15 % doivent être pré-traitées, avec des pétaoctets de données à archiver pendant plus d’une décennie.

Un ensemble de services implique plusieurs protocoles
La transmission de données de test, l’importation, le prétraitement, l’entraînement, la simulation et l’analyse des résultats nécessitent différents protocoles, notamment le stockage d’objets, le stockage en réseau (NAS) et le système de fichiers distribué Hadoop (HDFS).
Les données diverses sont radicalement cloisonnées, au point que la copie des données prend plus de temps que leur traitement et analyse, ralentissant l'efficacité.

Modèles de services complexes et besoins de haute performance
Il existe divers types de capteurs de données de test routier et des modèles de service d'entrée/sortie (I/O) complexes. Une infrastructure informatique (IT) extrêmement performante est requise pour l'entraînement des algorithmes de modèles de véhicules et la simulation de fonctions.