Aller au contenu principal
usedby
AnyscaleusedbyGeotab

Comment Geotab utilise Anyscale

Geotab utilise Anyscale comme plateforme de calcul GPU unifiée où les data scientists entraînent des modèles de vision par ordinateur, affinent des modèles vision-langage et exécutent de l'inférence par lots sur de grands volumes de vidéos de caméras embarquées pour des fonctions de sécurité des flottes, sans avoir besoin d'expertise Kubernetes.

ConfirméÉtude de cas de l’éditeur · Vérifié le 7 nov. 2026
Voir la preuve capturée

L’usage : comment Geotab déploie Anyscale

Geotab uses Anyscale as a unified GPU compute platform where data scientists train computer vision models, fine-tune vision-language models, and run batch inference over large volumes of dashcam video for fleet safety features, without needing Kubernetes expertise.

Autres résultats publiés

Chiffres publiés dans l’étude de cas de Anyscale. usedby ne les mesure pas de façon indépendante.

43x

This resulted in a 43x improvement in peak-hour video processing throughput

4x

a 4x improvement in GPU utilization across video workloads

5x

Docker image load times dropped by 5x from 20-30 minutes down to 4-5 minutes

Le témoignage du client

Geotab génère chaque jour des milliards d'images de caméras embarquées, et chacun de nos data scientists doit pouvoir créer et déployer de l'IA à cette échelle. Anyscale leur donne accès à une puissance de calcul GPU évolutive via Python et des agents d'IA, sans qu'ils aient besoin d'être experts en infrastructure.
Traduction automatique de l’anglais
Voir l’originalGeotab generates billions of dash cam frames every day, and we need every one of our data scientists to be able to build and deploy AI against that scale. Anyscale gives them access to scalable GPU compute through Python and AI agents, without having to be infrastructure experts.
Mike Wang, AI Platform Manager, Geotab — Source

Les autres entreprises qui utilisent Anyscale

Des clients de différents secteurs, avec une preuve publique.

AttentiveConfirméBedrock RoboticsConfirméBonsaiConfirméCanvaConfirméChef RoboticsConfirméCoactiveConfirmé
Voir tous les clients de Anyscale

Autres témoignages

Consulter 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
anyscale.comCapture de l’étude de cas de Anyscale sur GeotabOuvrir la capture
Ce que dit le témoignage, et ce que nous avons vérifié

Ce que nous avons comparé à la page.

  • Geotab utilise AnyscaleVérifié

    Ligne de niveau Confirmé.

  • Le résultat lui-mêmeNon vérifié

    Nous le citons ; nous ne l’avons pas mesuré.

Across video processing workloads, the shift to fractional allocation and centralized GPU sharing has reduced the total number of GPUs needed at peak by 40%, freeing up capacity that previously sat idle waiting for individual users or jobs to finish.
Extrait de la page. anyscale.com