投稿|大厂抢做汽车云

投稿|大厂抢做汽车云
文章图片

图片来源@视觉中国

文|光锥智能 , 作者|刘雨琦 , 编辑|王一粟
【投稿|大厂抢做汽车云】从数字化到智能化 , 汽车云正在进化 。
2021年下半年以来 , 腾讯、阿里、华为、百度、字节等国内各大云厂商 , 都开始将“汽车”从一众行业解决方案中单独拎了出来 , 形成了专属的汽车云架构 。
正当产业变革之时 , 汽车逐渐从交通工具转变为下一代的智能终端 , 产业核心竞争力也开始从机械能力转向软件与服务能力 。
9月初 , 百度智能云首次发布汽车云 , 分别从车企集团云、网联云和供应链协同云 , 三个层次深入汽车制造业的数字化升级 。6月 , 腾讯云确立了“车云一体化”战略 , 并释放了一系列数据、自动驾驶能力和解决方案;8月底 , 阿里云和小鹏汽车联手打造自动驾驶智算中心;华为则通过构建自动驾驶云服务一栈式服务 , 形成了造、产、供、销、售后、应用的一体化方案;去年6月 , 字节跳动旗下火山引擎被爆组建汽车云团队 , 并在今年有进一步地产品落地 。
据光锥智能不完全统计 , 国内外云厂商明确推出汽车云的已超过12家 , 其中国内主要云计算大厂均已布局 。根据沙利文联合头豹研究院发布的《2021年中国汽车云市场追踪报告》显示 , 中国汽车云尚处于发展初期 , 其交易量于2021年达335.2亿元 , 在中国自动驾驶与车联网的技术与市场发展带动汽车服务平台需求增长的背景下 , 汽车云市场规模在未来连续5年将呈现稳定增长趋势 。
投稿|大厂抢做汽车云
文章图片

在技术早期和市场广阔的背景下 , 大厂扎堆涌向汽车云并不让人意外 。汽车云与汽车产业链的紧密结合 , 是一场综合能力的大考 。
在数据、算法、算力三个层面 , 汽车云有着全面地应用 , 无论是车企内部数字化转型带动生产效率的提升 , 还是汽车作为智能终端未来的场景化应用(自动驾驶、智能座舱等) , 都需要与云展开紧密的结合 。
在汽车云的赛道上 , 云大厂正是从上述三个方面切入 , 各显神通 。
01 汽车云的新拐点汽车云并不是一个新赛道 , 但在今年各大云厂商的布局越来越清晰 。
虽然各大厂商的划分不尽相同、名字也花样百出 。但概括来讲 , 汽车云包含两大方向:一是车企作为制造业 , 基于数字化转型产生的内部管理、数字化运维、智能生产、产业链及供应链协同等需求;二是车作为当下最火的智能终端 , 其产生了庞大的数据存储、计算的需求 , 只有上云 , 才能高效地处理这些需求 , 以满足自动驾驶和智能座舱等车联网功能 。
首先是数字化转型的需求 。汽车作为工业皇冠上的明珠 , 其数字化也一直走在制造业的前面 , 尤其是新势力最为激进 。以百度为例 , 其汽车云的三个部分 , 集团云和供应链协同云的是帮助车企进行内部管理和外部供应链协同 , 以实现降本增效 。
投稿|大厂抢做汽车云
文章图片

据了解 , 吉利等传统车企主要使用百度的车企集团云 , 覆盖了整车的研发、生产、交付、营销等全部流程 , 同时还包括车企内部管理系统 , 如CRM、ERP等系统的上云 , 实现企业内部的提质增效 。
除了百度 , 有企业即时通讯工具的大厂 , 对这方面更为重视 。阿里通过钉钉、腾讯通过企业微信、字节通过飞书等内部管理工具作为抓手 , 整合车企内部的协同管理 。
在过去的一年 , 钉钉除了自建基础的企业管理工具 , 更主推低代码作为各行各业的数字化定制工具 。针对车企 , 钉钉可以成为生产管理的统一接口 , 移动办公的门户 。企业微信和飞书的思路与钉钉如出一辙 。飞书以组织管理为切口 , 率先俘获了造车新势力“蔚小理”的芳心 , 从战略共创到OKR复盘 , 重点在组织结构的畅通 。
而供应链协同云 , 则是通过连接汽车配套产业 , 打通整个汽车产业链以提升效率 。对于整个汽车产业链来说 , 这部分的数字化主要难题在于汽车工业是综合性产业 , 小至螺钉就有数千个零部件 , 实际的汽车生产过程也是由若干个不同的专业生产厂(车间)合作完成 。
在这样需要高效协同的产业链中 , 更需要一套统一的云上管理工具 , 以制定计划、同步进度、预防风险 。比如 , 百度想通过“开物工业互联网平台”来将设备、产业链和供应链串联 。
在车企上云进行数字化转型的赛道上 , 阿里、腾讯、华为等云大厂均有布局 , 但这只是当下的竞争 , 未来的竞争锚点 , 聚焦在新一代的网联化汽车云上 。
随着汽车智能化的发展 , 车联网、自动驾驶、车路协同等应用快速落地 , 汽车作为智能终端所产生的数据在指数级增长 , 于是诞生了更多汽车上云的需求 。
投稿|大厂抢做汽车云
文章图片

术业有专攻 , 车企的重心在于打造自身产品 , 而不是购买和运维大型数据中心 , 他们更倾向于选择与云厂商合作 , 一起打造高算力的“智算中心” 。多位汽车行业分析师告诉光锥智能 , 该阶段车企的真实需求在于数据中心资源和技术体系 , 车联网云平台、自动驾驶云平台、仿真云平台、高精度地图云平台已成为主流公有云汽车云行业解决方案的标品 。
“自动驾驶1.0时代拼的是硬件 , 2.0时代拼的是数据(特定场景下的数据处理) , 3.0时代拼的是计算 。”毫末智行CEO顾维灏在沟通会上如是说 。
车企在算力上的提前布局 , 让汽车网联云成为一个新的蓝海 。
投稿|大厂抢做汽车云
文章图片

上述报告显示 , 2021年 , “落地应用场景”需求量首次超过“数字化转型”需求 , 大概在70.4亿元 , 在整个汽车云IaaS+PaaS中占比达到59.3% 。也就是说 , 智能化驱动车企上云需求迎来拐点 , 这意味着一个围绕新技术展开的市场正在开启 。
02 智能汽车需要什么样的云?根据Gartner估计 , 每一辆自动驾驶联网车辆每天至少产生4TB数据 , 每年约产生数百PB数据 , 随着自动驾驶渗透率的提升 , 还将诞生海量的驾驶场景数据 , OEM和出行服务商未来需处理的数量估计可达ZB级 。
根据公开信息 , 特斯拉建立了一个拥有60亿个标注物的库 , 一个将近2000万公里的虚拟道路 , 专门对算法进行训练 。——这还仅仅是自动驾驶的2.0时代 。
同时 , 不仅数据量变大对云端数据库存储产生挑战 , 对数据的处理、提取、计算、识别难例、生成数据集并进行算法优化等 , 比如自动驾驶需要大规模且多样性的训练数据 , 从数据的类型来说就包括感知数据、图像数据、行驶数据等等 , 并在云端进行训练和推理 。
这就对云厂商IaaS+PaaS的底层能力提出了更高的要求 , 海量数据能否快速处理 , 算法模型能否及时更新 , 数据能否反哺算法快速迭代 , 是每个汽车云厂商的必修课 。
腾讯便重点瞄准了这部分能力 , 为车企打造了一个超大的“数据中台” 。腾讯汽车云事业部内部分为车网联云、出行服务云、自动驾驶云及行业数据中台 。其中 , 行业数据中台能力覆盖云基础、大数据、数据服务、数据应用领域 , 为车企提供数据分析、应用等大数据服务 。
在今年6月份 , 腾讯升级“车云一体化”战略时 , 更加强调了行业数据中台的更项能力 。包括数据存储、采集、标注、处理、计算等能力的聚合和加强 , 维度和模块也更加清晰 。
投稿|大厂抢做汽车云
文章图片

在这部分数据能力上 , 开放一直是云厂商们的主旋律 。华为汽车云针对自动驾驶产生的PB级海量数据提供高性能的存储、大数据组件和深度归档服务 , 以及生态开放的开发工具链 , 以及一站式AI开发平台ModelArts , 帮助车企快速构建开发平台 , 降低开发复杂度和成本 , 提升效率 。
除底层能力的高要求外 , 由于乘用车最终需要连接消费者 , 所以云服务结合智能网联汽车所提供的SaaS应用 , 才是触达消费者、挖掘数据价值的高频连接口 。这需要SaaS层的云服务能够深度结合业务 , 对内建立直接可用的模型和算法;对外打通业务断点与数据孤岛 , 实现业务闭环 。
火山引擎汽车云解决方案 , 就是从车内SaaS应用为切口 , 反哺PaaS层的数据能力 。据了解 , 字节跳动汽车云SaaS层包括服务管理、车辆管理、售后数据、生产数据采集等能力 。
据了解 , 字节跳动已开发了“火山互娱”车机版APP , 这款软件结合了抖音、西瓜视频、今日头条、懂车帝等内容生态 , 可以通过AI文字转语音TTS技术 , 自动转化成语音播放 。目前 , 火山互娱已在吉利和长安等车型上应用 , 目前装机量已有数十万台 。
汽车中的这块屏幕 , 是未来商业化的重要入口 , 不止火山引擎 , 云大厂们都没有打算放过这块蛋糕 。
腾讯汽车云虽然专注打造IaaS+PaaS的底层能力 , 但基于底层能力和开放生态 , 建立起了行业生态市场 , 将应用和服务交给合作伙伴来做 。一位微信小程序开发者对光锥智能讲到:“微信小程序已经开放了汽车终端的API接口 , 未来 , 理论上所有的微信小程序都可以在汽车上使用 , 迁移成本低 , 不需要重新做一遍 。”
阿里云在小鹏汽车上 , 基于云上基础设施、即开即用算力和产品服务 , 同时还可以随时接入云上的小程序生态 , 与阿里体系的小程序生态 , 实现互联互通 。举个例子 , 在盒马app、支付宝盒马小程序和小鹏汽车内的盒马小程序 , 可以实现账号互通 , 在车内使用语音交互可直接盒马下单 。
投稿|大厂抢做汽车云
文章图片

总的来讲 , 底层技术能力的PK和前端应用的商业化 , 云厂商们围绕这两个重要赛点展开了不同的竞争布局 。
03 每家车企都要有一个智算中心?毫末智行CEO顾维灏分享过一个数据:“目前用户使用我们辅助驾驶产品所产生的辅助驾驶里程 , 已经接近1700万公里 。毫末数据智能体系MANA的学习时长已经超过了31万小时 , 虚拟驾龄达到4万年 。末端物流自动配送车也为附近用户运送了超过9万单的物资 。数据的规模和多样性都在快速地增长 。”
汽车数据变得越来越庞大 , 也越来越复杂 。比如自动驾驶功能产生了大量的冗余数据 , 采集到的数据类别繁多 , 包括视频、图像、激光点云、雷达点云、车身数据等 , 其中95%的数据是低价值的 , 需要对其进行多层清洗才能获取高价值的数据 , 这带来的清洗困难和存储负担 , 导致价值数据挖掘效率低 。
数据量庞大、数据类型变复杂 , 云厂商不仅要更新算法模型 , 更需要进行数据存储扩容 , 并提升算力 , 以提高整体效率 。
举个场景化的例子 , 在自动驾驶领域 , 以训练一个千亿参数、百万个clips的大模型为例 , 需要上千个GPU训练几个月时间 , 训练大模型需要消耗巨大的算力 。顾维灏向光锥智能表示 , 如何提升训练效率、降低训练成本、实现低碳计算 , 是自动驾驶走进千家万户的一个关键门槛 。
这也是为什么自动驾驶公司要不遗余力打造智算中心的原因 。
光锥智能了解到 , 毫末MANA超算中心目标满足千亿参数大模型 , 同时数据规模100万clips , 预计将整体训练成本降低200倍 。
今年8月 , 阿里云也与小鹏汽车合建的智算中心“扶摇” , 基于算力可达600PFLOPS(每秒浮点运算60亿亿次) , 规划将小鹏汽车的自动驾驶训练的速度提升近170倍 。
投稿|大厂抢做汽车云
文章图片

小鹏汽车董事长、CEO何小鹏曾在采访中谈道:“任何一家智能汽车公司对算力的要求够极高 , 尤其是自动驾驶模型训练 , 在视觉检测、轨迹预测以及行车规划等算法模型上都很‘吃’算力 。”
可以说 , 在提升算力方面的超前布局 , 是各云厂商和车企能否进入自动驾驶3.0时代的入场券 , 在补齐数据、算法、算力三个方面的能力后 , 这场PK才正式进入下一个赛点 。
04 结语一个关键产业的突围 , 往往可以带动数个相关产业链的崛起 。
机械臂、3D视觉、3D打印、人工智能......数个智能制造的底层技术 , 已经率先在汽车生产中应用落地 。智能汽车不仅是工业的明珠 , 也将成为智能制造的范本 。
云厂商则可以摸着汽车产业过河 , 进入到一个更加深邃的实体经济数智化大海中 。
而自动驾驶带来的数据量爆发 , 车路协同成为智慧城市的重要切入口 , 每一个也都是一片广袤的新天地 。
汽车云 , 不仅是云厂商的必争之地 , 甚至可能是决战之巅 。

    推荐阅读