Comment Bonsai utilise Anyscale
Bonsai Robotics utilise Anyscale, une plateforme multicloud gérée reposant sur Ray, pour entraîner des modèles de fondation à grande échelle et traiter des données multimodales pour ses systèmes de perception destinés à l'autonomie agricole en tout-terrain, sans gérer elle-même les clusters.
Voir la preuve capturéeL’usage : comment Bonsai déploie Anyscale
Bonsai Robotics uses Anyscale, a managed multi-cloud platform powered by Ray, to run large-scale foundation model training and multimodal data processing for its off-road agricultural autonomy perception systems, without managing clusters itself.
Autres résultats publiés
Chiffres publiés dans l’étude de cas de Anyscale. usedby ne les mesure pas de façon indépendante.
Reliable experiments with 10x larger datasets
Le témoignage du client
Dans le développement de systèmes autonomes, les premiers choix en matière de données et d'infrastructure d'IA ont un impact démesuré sur la vitesse d'expérimentation. Pour Bonsai, Ray sur Anyscale est la base évolutive qui permet à notre équipe de se concentrer sur l'amélioration de nos modèles différenciants, plutôt que sur la gestion de l'infrastructure.Traduction automatique de l’anglaisVoir l’original
In autonomous system development, early data and AI infrastructure decisions have an outsized impact on experimentation speed. For Bonsai, Ray on Anyscale is the scalable foundation that keeps our team focused on advancing our differentiated models, not managing infrastructure.La collecte de données n'était pas le goulot d'étranglement. Le défi consistait à faire monter en charge nos pipelines et notre puissance de calcul assez vite pour permettre à chaque développeur de transformer ces données en meilleurs modèles.Traduction automatique de l’anglaisVoir l’original
Collecting data wasn’t the bottleneck. The challenge was scaling our pipelines and compute fast enough to empower every developer to turn that data into better models.Les autres entreprises qui utilisent Anyscale
Des clients de différents secteurs, avec une preuve publique.
AttentiveConfirmé
Bedrock RoboticsConfirmé
CanvaConfirmé
Chef RoboticsConfirmé
CoactiveConfirmé
GeotabConfirméConsulter la source
Cette synthèse repose sur l’étude de cas publiée par Anyscale. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.
anyscale.com- Dernière vérification
- 7 nov. 2026
Ouvrir la capture Ce que dit le témoignage, et ce que nous avons vérifié
Ce que nous avons comparé à la page.
- Le chiffre : 4xVérifié
Imprimé mot pour mot sur la page, près du nom de Bonsai.
- L’extrait cité plus hautVérifié
Copié mot pour mot depuis la page, près du nom de Bonsai.
- Bonsai utilise AnyscaleVérifié
Ligne de niveau Confirmé.
- Le résultat lui-mêmeNon vérifié
Nous le citons ; nous ne l’avons pas mesuré.
The perception team can run many experiments in parallel, onboard new researchers faster, and use built-in observability to debug and optimize workloads, reducing end-to-end experiment cycles from days to hours.
