软件定义汽车时代，云计算成幕后重要推手

科技云报道

+ 关注

2022-07-28 10:54

486次阅读

作为中国经济发展的“中流砥柱”，汽车产业正在发生着显著变化，以电动化、智能化、网联化和共享化为代表的汽车产业“新四化”，已经被公认为汽车行业的未来趋势。

随着5G、大数据、云计算、人工智能等新技术与汽车产业加速融合，车辆已不再是单纯的交通工具，而是演变成为“超级智能移动终端”。

汽车“新四化”的发展以数据为底层基础，配备智能化和网联化的车载产品来实现与人、路、车的智能交互，是人车关系从工具向伙伴演进的重要纽带和关键节点。

人和车辆之间因交互产生的大量数据将呈指数级增长，这些数据包括语音交互、视觉交互、车路协同等多元数据，从而为用户获得更安全、更舒适的驾乘体验。

因此，数据的存储、上传及高效利用成为汽车企业构建核心竞争力的关键。

人车交互归根结底是数据问题

在人车交互和车辆行驶过程中会产生各种各样的数据问题。

所有数据从底座上来看，有些具备共性特点，不管是图像、音频、文字，都涉及基础数据切割的动作，这是一个跨行业、跨场景的共通需求。

差异化的部分是，由于底层算法跟场景强相关，在处理不同场景下的数据时，要把底层那些共性的东西进行排列组合应用到外延场景。

包括一些不同场景下的特定数据分类和标签，底层模型一定要与场景形成紧耦合，从而得到适用于场景的预训练模型，大大提高数据处理的效率。

比如在基本功能层面，根据不同车厂的设计以及用户不同的使用习惯，会产生大量的差异化需求，数据的采标处理相应变得多样复杂。

在舱内交互中，用户的一句“我好热”，不同车厂的响应是不同的，有些可能是把车窗打开，有些是把空调打开。

除此之外，每位车主开车习惯也有所不同，对于舱内的虚拟驾驶伙伴，也有声音和性格要求，这会涉及个人定制问题。

这种差异化需求需要从底层数据设计和规划做起，以满足舱内交互的基本功能点。

数据安全合规问题始终都是企业的重中之重，在座舱和驾驶场景下，舱内和舱外对于数据的隐私安全有所不同。

舱内无论是语音、图像还是动作，都需要经过单独的个人授权。舱外会更复杂一些，包括道路、房屋、车辆等所有物体的跟踪。

在这个过程中，除了取得用户的个人隐私授权外，还要对数据进行加密处理，这就需要一套完整的数据处理系统，能够对数据的整个闭环进行全方位监控。

另外，数据处理效率也是一大问题。目前发现，数据的处理速度远远跟不上机器学习的速度。

如何解决这种需求不对等的问题？今年，美国提出一个词叫做Human Machine Teaming，即人机团队协作。

根据麻省理工学院研究团队进行的一项实验结果显示，相较于纯AI应用的机器人或单一人类组成的团队，人机协作团队的工作效率更高，这一作业模式甚至能减少85%的人员闲置时间，大幅降低企业成本。

在数据处理过程中，也应该采用人机协作的方式进行图像抠图、语音转写等。因此，拥有一个一站式的AI数据处理系统至关重要。

可以看到，自动驾驶、人车交互背后的算法、硬件架构研发，需要海量的算力进行反复模拟、验证，智能交通和共享汽车在运转的过程中必然会产生海量的数据。

而这些数据如何实现安全、低延迟的传输，如何确保存储的合规性，如何即时地从中提取关键信息，实现系统的进一步自我学习、自我进化，同样也是不小的问题。

软件定义汽车背后的云力量

随着“新四化”的深入推进，汽车企业到了必须要转型的时刻。

但在转型过程中，传统的一些方法、比如车企自建的数据服务器、封闭的车机系统、企业内部性能孱弱的模拟设备，实际上已经越来越无法满足相关业务的需求，甚至还成为了“拖后腿”的关键因素。

在这样的背景下，亚马逊云科技成为了诸多车企共同选择的重要合作伙伴。

AWS

2.6

15条点评

咨询产品

免费试用

Amazon Web Services (AWS) 是全球最全面、应用最广泛的云平台

客户案例

暂无

合作品牌

近日，亚马逊云科技正式宣布将围绕自动驾驶、车联网和软件定义汽车三大汽车行业数字化场景，全面赋能汽车行业的数字化转型。

数据贯穿自动驾驶研发的每一个场景，亚马逊云科技以自动驾驶数据湖为中心，帮助车企构建起端到端的自动驾驶数据闭环。

借助具有近乎无限扩展能力的Amazon Simple Storage Service（Amazon S3，云上对象存储服务）构建自动驾驶数据湖，实现数据采集、数据管理和分析、数据标注、模型和算法开发、仿真验证、地图开发以及DevOps和MLOps，车企就能更加容易地实现自动驾驶全流程的开发、测试和应用。