AWS 合作夥伴 Databricks 協助 Rivian 邁向電力運輸的未來

Rivian 打造革命性的電動探險車 (EAV)，給後代留下一個完好的大自然。此公司每天有超過 11,000 辆 EAV 產生達數 TB 的物聯網 (IoT) 資料，因此利用執行於 Amazon Web Services (AWS) 的 Dataricks 提供的資料洞察和機器學習 (ML) 來改善車輛運作狀態和效能。但是，利用傳統的雲端工具，Rivian 難以透過符合成本效益的方式擴展管道，並將大量資源花費在維護上，進而降低了真正資料導向的能力。自從遷移到 Databricks Lakehouse Platform 後，Rivian 現在已能充分掌握車輛的性能以及這對使用車輛的駕駛員有何影響。憑藉這些洞察，Rivian 正在加快創新速度、降低成本，並最終為客戶提供更良好的駕駛體驗。

若要為後代打造一個美好的世界，就必須改變目前世界運作的方式。這項征途的先鋒是電動車製造商 Rivian，該公司專注於徹底改變全球對化石能源的需求，結束運輸系統對石化燃料的依賴。如今，Rivian 的產品包括個人車輛，並與 Amazon 合作打造 100,000 輛商用貨車。每輛車都使用物聯網感應器和攝影機來擷取有關車輛的行駛方式、各種零件的運作方式等數以 PB 計的資料。有了這些可以運用的資料，Rivian 便可使用 ML 透過預測性維護來改善整體客戶體驗，在車輛的潛在問題影響駕駛之前將其解決。

在推出第一款 EAV 之前，Rivian 面臨了資料可見性和工具方面的限制，這些因素降低了產能輸出、影響合作，同時也增加了營運成本。當時，該公司有 30 到 50 個大型且操作繁複的運算叢集，無形中增加許多成本。系統不僅難以管理，公司也經常面臨叢集斷電的情況，使得
團隊投入疑難排解的時間遠比資料分析多更多。此外，由多個不相互連接的系統所造成的資料孤島減慢了資料共享過程，進一步導致生產力問題。而所需的資料語言和特定的工具集專業知識豎起了一道高牆，使開發人員無法充分利用可用的資料。Rivian 首席資料科學家 Jason Shiverick 表示，當時最大的問題在於資料存取。「我希望將我們的資料開放給更多群眾，包括較不擅長科技的使用者，讓他們也可以更輕鬆地運用資料。」

Rivian 知道，一旦 EAV 正式上市，擷取的資料量就會呈現爆炸性成長為了達到公司所承諾的可靠性和效能，Rivian 需要一種有別以往的架構，該架構不僅可以讓資料存取大眾化，還可以提供通用平台來打造創新解決方案，協助確保可靠且愉快的駕馭體驗。Rivian 選擇了 AWS 合作夥伴 Databricks 和 AWS 作為其合作夥伴和雲端提供商，因為這兩家企業在該領域擁有卓越的專業知識。

為了將資料基礎架構現代化，Rivian 選擇了 Databricks Lakehouse 平台，此為 AWS 和 Databricks 之間合作的成果。利用這個一強大的平台，Rivian 得以讓所有資料以統一、通用檢視呈現，以供下游分析和 ML 使用。現在，獨特的資料團隊擁有一系列可存取的工具，例如 AWS Direct Connect、Amazon Simple Storage Service (Amazon S3)、Amazon Elastic Kubernetes Service (Amazon EKS) 以及 Amazon Elastic Compute Cloud (Amazon EC2)，將可行的深入剖析資訊提供給各種使用案例，無論是預測性維護還是更有智慧的產品開發，都不成問題。

Rivian 先進的駕駛輔助系統 (ADAS) 團隊現在可以輕鬆準備遙測加速度計資料來瞭解所有 EAV 動作。這些核心記錄資料包含有關斜度、滾動、速度、懸吊系統和安全氣囊活動的資訊，有助於 Rivian 瞭解車輛性能、駕駛模式和聯網汽車系統的可預測性。根據這些關鍵性能指標，Rivian 可以提高智慧型功能的準確性以及駕駛對車輛的控制能力。  為了減輕長途駕駛和繁忙交通導致的壓力，系統配備了適應型巡航控制、車道變換輔助、自動緊急駕駛和前向碰撞警告等功能，這些功能可以隨著時間不斷改善，為客戶提供更卓越的駕馭體驗。

Databricks Unity Catalog 也促進了安全的資料共用與協作。Shiverick 描述了 Rivian 的生產力如何受益於 Lakehouse 的統一管控。「Unity Catalog 為我們的各個團隊提供了一個真正集中的資料型錄，」他說道。「現在，我們擁有適當的存取管理和控制。」 Venkat 補充道：「我們正使用 Unity Catalog，集中在各個團隊和工作區的資料型錄和存取管理，藉此簡化治理作業。」 端到端版本受控治理和敏感資料來源可稽核性 (例如用於完善自動駕駛系統的敏感資料來源) 為特徵工程帶來了一種簡單但安全的解決方案。此舉使得 Rivian 在拓展自動駕駛市場中擁有了競爭優勢。

Databricks 與 AWS 的合作使 Rivian 能夠擴展其能力，以快速、有效率且具成本效益的方式提供寶貴的資料深入剖析資訊。Rivian 致力於利用更多資料來改善其車輛的運作和性能，藉此提高客戶體驗。Venkat 表示：「從雲端角度來看，Lakehouse 提供的靈活性可為我們節省了大量資金，對我們而言是不可多得的優勢。」 在 AWS 上運作的 Databricks Lakehouse 提供處理資料與分析的統一開放原始碼方式，讓車輛可靠性團隊能夠更深入瞭解人們如何使用其車輛，為未來車型的設計提供參考。利用 Databricks Lakehouse 平台，執行時期效能提高了 30%-50%，促成了更快的深入剖析資訊和模型效能。

Shiverick 解釋道：「從可靠性的角度來看，我們可以確保組件能夠承受適當的生命週期。這些工作可以像確保門把堅固耐用那樣簡單，也可以像旨在消除行駛故障案例可能性的預測和預防性維護一樣複雜。綜合來說，我們正在根據關鍵車輛指標提高軟體品質，帶來更好的客戶體驗。」
從設計最佳化的角度來看，Rivian 的無障礙資料檢視方式也能產生新的診斷剖析資訊，藉此改善車隊健康狀況、安全、穩定性和安全性。Venkat 表示：「我們可以執行遠端診斷以快速鑒別、分類問題，或者讓行動式維修車隊前往現場，或者傳送 OTA 來修正軟體的問題。這一切都取決於我們能否從資料中獲得深入解析，而藉由在該平台上的合作與整合，我們得以順利達成這項目標。」 我們也有開發人員積極構建車輛軟體，改善遭遇到的問題。

未來，Rivian 的各個團隊將加速採用 Databricks Lakehouse，僅需一年，平台使用者數量會從 5 位增加到 250 位。這開啟了新的應用場景，包括利用 AWS 的機器學習技術來最佳化低溫環境下的電池效能，提高自動駕駛系統的準確性，以及為商用車隊提供車輛健康狀況儀表板，以便及早發現問題並持續進行維護。隨著更多 EAV 投入市場，以及商用貨車隊規模持續擴大，Rivian 將持續利用其 EAV 產生的大量資料來推動創新、提升駕馭體驗，徹底改變永續交通運輸方式。