車云協同讓車企公司“把好鋼用在刀刃上”

譚博實

中央控制的電子電氣架構、車端算力的升級、軟件定義汽車、車云一體化、車云環境對等、車聯網、自動駕駛等汽車行業好像從不缺少概念！問題是，對于整車廠客戶來說，如何借“技術紅利”進行數字化轉型，提供更貼近用戶體驗的全生命周期服務。

無論是利用自動駕駛、車聯網或者軟件定義汽車，最終目標是希望跟客戶有更直接的互動，并且通過各種數據來指導業務，在車輛全生命周期里提供客戶真正會買單的服務，而不只停留在賣車的那一瞬間。亞馬遜云科技大中華區戰略業務發展部總經理顧凡認為：“在車廠和客戶之間的整個生命周期里，給客戶不斷提供增值服務，是很多車廠正在探索的方向。”

那么，整車廠如何站在客戶的角度去思考，如何以反向思維能力提供車輛的全生命周期服務，可能會涉及到3個技術路線。

第一，電子電氣架構。向新的集中化的汽車電子電氣架構轉變，真正讓車端的算力達到一個非常高的級別；

第二，軟件定義汽車平臺。在新的電子電氣架構基礎上，有一個軟件定義汽車平臺，真正跨車和云做大量的軟件開發工作，讓服務型的軟件實現車廠價值的差異化；

第三，更好地利用數據。無論是車聯網，還是自動駕駛，本質上都是基于數據驅動的軟件開發流程。

而從數字化創新的角度看，車廠會進行顛覆式變革，從原本的汽車制造和銷售轉為向整個用戶車輛全生命周期提供各種服務。很多車廠已經具備自己的核心優勢，比如市場保有量、品牌知名度、產品線豐富度、產品的影響力和銷售服務渠道等，但在“新四化”的趨勢中，整車廠需要更強大的助力，包括在軟件開發能力、軟件的迭代速度、DevOps、算法以及軟件應用生態構建等方面，能夠做到揚長避短。

作為云計算的開創者和引領者，亞馬遜云科技能夠助力汽車行業產業鏈的創新加速和轉型，從汽車的研發、創新、生產制造、供應鏈到市場營銷，到智能網聯，再到終端用戶的服務和應用，都能提供相關服務。

以自動駕駛為例，自動駕駛行業的應用范圍在從乘用車擴展到干線物流市場，發展前景廣闊。麥肯錫報告顯示，到2040年，與自動駕駛汽車相關的移動出行市場會達到2萬億美元。但現實情況是，自動駕駛的成熟度還有很長一段路要走，自動駕駛領域正在經歷從早期的實驗到中長期的規模化生產的過渡。

自動駕駛基于深度學習、算法優化等技術，需要持續不斷地收集數據，然后數據像“燃料”一樣，不停地給算法去“投食”，進行更新迭代。所以，基于深度學習的自動駕駛軟件，一定是一個由數據驅動的端到端的流程。從數據的采集到存儲，到數據的預處理分析，到數據的標注、模型訓練、仿真驗證，再到最后的部署發布，會涉及一系列的工具鏈。另外，無論是自研，還是整合現有的工具，都會面臨一個挑戰，那就是工具鏈之間的割裂和數據孤島問題，而基于云，或者說圍繞數據湖去整合工具鏈的時候，可以從容應對自動駕駛開發流程過程中遇到的挑戰。

自動駕駛測試車運行過程中，會產生大量數據，包括傳感器、攝像頭、激光雷達、毫米波雷達等，數據量達到TB級。這些數據剛開始存在車載硬盤里，車一旦回車庫，拔出硬盤將數據放到本地的數據中心，然后再從本地的數據中心上傳到云。而通過Amazon Direct Connect網絡專線以及Amazon Snowball移動存儲，可以快速地把數據上傳到亞馬遜云科技，放在Amazon S3上，并可以通過Amazon IoT FleetWise實現定制化的數據采集。同時，通過Amazon S3去構建自動駕駛數據湖，還可以實現預處理和分析。當數據處理完成以后，下一步一定是數據標注，通過端到端的機器學習集成開發環境，用戶可以實現復雜的模型開發和訓練。

亞馬遜云科技在存儲、計算、數據湖、AI/ML、CI/CD等方面都有豐富的應用，可以為車企和自動駕駛公司在整合工具鏈時提供強大的平臺支持能力。所以，很多優秀公司都在亞馬遜云科技上整合自動駕駛工具鏈，訓練他們的模型。比如：豐田、Mobileye、Uber、Lyft、Zoox等。

自動駕駛開發流程的底層技術是由亞馬遜云科技提供的云服務來支撐，很多合作伙伴會基于亞馬遜云科技，為車企體提供最終的仿真驗證、數據驗證、數據管理和標注等一系列解決方案。

其中，Amazon SageMaker是一個全托管端到端的機器學習集成開發環境，可以幫助自動駕駛公司或者是車企，把復雜的模型開發和訓練工作流串起來，讓算法工程師把更多精力投入在高質量的模型構建和迭代上，不浪費時間去管底層的資源，真正做到“把好鋼用在刀刃上”。