智協慧同：車云數據底座打造智能汽車的先進生產力

基于車載數據庫打造智能汽車的數據底座

智協慧同在2021年完成國內首個車云計算架構的量產落地交付，圍繞車云計算在數據方面進行了諸多探索。

智協慧同合伙人兼戰(zhàn)略總監(jiān)胡勇表示：“汽車時代正迎來范式升級，數據驅動成為車企的核心競爭力。針對數字化轉型，最重要的是以用戶為中心，構建起產品全生命周期的數據驅動能力?！?/p>

以下為演講內容整理：

數字化轉型的關鍵在于怎樣將底層車輛的數據，用戶的數據更好的采集起來，更高效的利用起來。智協慧同從基礎軟件的角度，從計算架構解決汽車數據問題。作為創(chuàng)業(yè)型公司，我們在2021年實現了行業(yè)首個車云計算方案的量產交付。目前合作客戶已超過10家車企，我們致力于通過數據更好地連接產業(yè)鏈條。

汽車迎來范式升級，數據驅動成為車企核心競爭力

目前汽車的進化范式發(fā)生很大的變化。以前我們通過經驗，通過寫代碼把策略固定在控制器上，全生命周期中車輛都不再迭代?，F在，智能汽車依靠各種模型，各種策略來讓車輛更智能，模型的背后是大量數據的驅動。如今汽車數據的增幅飛快，高級自動駕駛的汽車每天產生的數據量超過20TB，這種速度還將持續(xù)。未來，車企如何構建數據驅動的能力是競爭的核心所在。

數字化轉型需以用戶為中心，構建產品全生命周期的數據驅動能力。我以前在車企做過產品規(guī)劃、做過智能網聯，現在在軟件公司做基礎設施。在做很多事情時，我會充分考慮之前做產品規(guī)劃遇到的問題。比如在產品規(guī)劃階段，定義產品時怎么定義功能和性能？以前，好多時候都是拍腦袋，或者買數據、找對標，但都是靠不太可信的數據做的決策。現在，從產品規(guī)劃到開發(fā)、售后，到用戶運營以及持續(xù)的升級，我們要把車輛產生的數據貫穿起來。只要將這個環(huán)節(jié)做好，數字化轉型才能有所支撐，我們的決策也將是依靠科學的數據。

車上的數據非常復雜，車輛數據、位置數據、應用數據、駕駛行為特征數據，道路和環(huán)境特征等數據維度日益增多，高達20000+；這些信號又是毫秒級的高頻信號，數據種類繁雜，而且這些數據的特點是價值稀疏，有價值的數據不到10%。這些數據如何采集？過去10年車聯網都在這被卡住了，很多有價值的數據上不了云，無法驅動價值。

比較有成功的數字化實踐案例是特斯拉。特斯拉基于車云計算構建數據閉環(huán)，從車端進行數據采集、存儲，在云上進行數據歸集匯總，進行數據開發(fā)。并基于這套架構打造出來了高價值的應用生態(tài)，包括FSD的快速迭代、優(yōu)化；其成本和質量控制也都是靠數據決策。

從特斯拉的方案可以看出，數據驅動被劃分為四個層級：L1是靈活的高精數據獲取能力。但就這一層，90%的車企也做不到；L2是敏捷的數據開發(fā)能力。傳統(tǒng)方式會把很多業(yè)務人員需求給到IT，IT寫代碼，在云端做大數據分析，從業(yè)務人員到IT人員溝通效率極低。最后把云上寫好的模型跨車云進行部署，又造成了時間和效率的浪費，這是L3級的數據閉環(huán)能力。再往上是L4開放的數據生態(tài)能力。

從L1-L4的數據驅動能力，我們進行了數字化的定義?，F在，特斯拉把整套鏈路跑通了。我們也提出了類似的一套計算架構，這是我們基本的產品組成，也是車云計算的框架。

EXCEEDDATA——全面賦能數據驅動

首先在車端，我們用了邊緣計算的中間件軟件和時序數據庫。通過車端的存儲和計算，我們能幫助業(yè)務人員采集其需要的、有價值的數據。邊緣計算將業(yè)務人員的需求直接建模、下發(fā)，還能夠采集各種特殊場景，或者各種事件數據。

同時，車端的數據庫可以對毫秒級的信號進行高效采集，對結構化數據進行上百倍的無損壓縮，并支持數據的周期性存儲。針對車企比較關注的數據，可以進行周期性的常規(guī)采集，把數據采集進行分類。

今年，我們又推出了“靈活數倉”的概念，幫助業(yè)務部門更好地基于基層產品，搭建數據應用，進一步封裝產品。

在前端給到業(yè)務人員低代碼的建模工具，可以讓不會寫代碼的工程師通過拖拉拽快速建模，建好的模型可以在云上跑和車上跑，省去了模型迭代的過程，實現了數據從高效采集、靈活采集到模型迭代，再到模型下發(fā)，整個數據閉環(huán)非常高效，效率提升幾十倍以上。

基于車端數據底座，我們深耕三大核心應用場景，賦能整車數智化。一是整車數據智能。包括底盤、座艙、車身、動力等，我們都需要在上面通過邊緣計算和各種業(yè)務模型提取有效特征，并將有效的特征數據反哺給策略和模型，讓它能夠持續(xù)迭代，解決各種問題。

二是智能診斷。汽車的智能化帶來了產品的復雜度提升，但開發(fā)周期在不斷縮短，很多問題在開發(fā)中不能識別，不能定義，這需要一套在線智能診斷系統(tǒng)。在產品交給用戶后還可以快速發(fā)現異常，快速解決問題。

三是自動駕駛。我們的架構可以幫車企進行快速的Corner Case數據采集迭代，從Corner Case的建模，到下發(fā)，再到數據回傳，基本上是進行分鐘級的迭代。

基于上述數據底座，可以實現的數據場景比較多，我們的產品部署也很靈活?，F在，我們已經與很多車企展開了合作。

圖形化、可調整、敏捷支持業(yè)務部門的靈活數倉

關于“靈活數倉”，它區(qū)別于傳統(tǒng)數倉，使很多業(yè)務提數據需求時，可以通過工具鏈進行拖拉拽，就可以把靈活數倉的各個層級進行靈活搭建。如果業(yè)務需求發(fā)生變更，還可以自己快速調整。傳統(tǒng)數倉的數據需求匯集非常多，每次調整都要通過寫代碼，非常麻煩。我們直接拖動模塊，按照需求去拖即可，效率得到了大幅提升。

首先當大業(yè)務模塊變成小的靈活模塊時，企業(yè)對計算資源的使用也會更高效?？梢允购芏鄶祿咝У貙崿F業(yè)務價值。對比來看，傳統(tǒng)數倉規(guī)模大而全，但顆粒度非常大，不能滿足各個業(yè)務部門的需求，很多車企建了數倉但業(yè)務部門不用，因為解決不了問題，很多需求在不斷變化。尤其是在智能汽車初級階段，家對數據的認知、使用都還處于初期，不可能清晰地定義數據需求，而靈活數倉可以支持實時的迭代更改，能夠更快地滿足業(yè)務數據需求。

圖源：智協慧同

第二傳統(tǒng)數倉結構龐大，每次改動效率都較低，都會把大批量數據進行無效計算；在靈活數倉上，針對具體模塊來調用相關資源來進行計算即可，效率提升了十倍。

第三傳統(tǒng)數倉從構建到運維門檻很高，需要IT人員寫代碼更改。靈活數倉通過拖拉拽就可以快速迭代，由業(yè)務人員迭代數倉的設計。

第四幫助車企沉淀更多的數據資產。通過底層算子可以打造多層業(yè)務模型，這些模型只要通過內部驗證就可以作為標準，在車企和云端存儲，相關業(yè)務需要時直接調用即可以，車企內部不用再重復造輪子。

第五靈活數倉有專門的人服務車企，從而更好實現整套數據的自動化生產線的搭建。

打通數據全鏈路，助力產業(yè)數字化轉型

我們的產品從車端基礎軟件到云端工具，從數據采集，到存、算、用和開放給生態(tài)，全鏈條進行打通，打通后在數字化轉型時，能很好地利用最重要的數據信號，對產品進行升級，對功能性能進行迭代。同時還可以實現降本提質。

舉個例子，在車端搞邊緣計算引擎和數據庫，車企最關心的是CPU上到底占多少資源，以及運行這些資源時穩(wěn)定性如何。為了上量產車型，我們已經把性能提升了一倍?，F在，在客戶的單核A55上，大概會占7%-8%的CPU算力，而且CPU占用是非常平滑的直線，不會上下浮動特別大，不會影響整車的其他功能。

通過量產實踐，我們真正打通了從底層基礎設施到上層數據應用的數據鏈條，從數據到價值進行流轉，未來，還可以幫助車企創(chuàng)造新的商業(yè)模式。這是基于技術產品打造的全生命周期的數據驅動能力。

（以上內容來自智協慧同合伙人兼戰(zhàn)略總監(jiān)胡勇于2023年9月18日在2023第二屆汽車數字化轉型大會發(fā)表的《車云數據底座打造智能汽車的先進生產力》主題演講。）