智协慧同：车载数据库打造智能汽车的数据底座

智协汇通合伙人、战略总监胡勇表示：“汽车时代正在迎来范式升级，数据驱动已经成为车企的核心竞争力。对于数字化转型，最重要的是以用户为中心并构建产品的全生命周期。该周期的数据驱动能力。”

胡勇 | 智协汇通合伙人、战略总监

以下为演讲摘要：

数字化转型的关键在于如何更好地收集底层车辆数据和用户数据并更高效地利用它们。 智协汇通从基础软件和计算架构的角度解决汽车数据问题。 作为一家创业公司，我们在2021年实现了行业首个汽车云计算解决方案的量产交付。目前我们有超过10家车企作为合作客户，我们致力于通过数据更好地连接产业链。

汽车迎来范式升级，数据驱动成为车企核心竞争力

当前汽车的进化范式已经发生了巨大的变化。 过去我们通过经验和编写代码将策略固定在控制器上，车辆整个生命周期不再迭代。 如今，智能汽车依靠各种模型和策略使车辆变得更加智能。 模型的背后是由大量的数据驱动的。 如今，汽车数据正在快速增长，先进的自动驾驶汽车每天会产生超过 20TB 的数据，而且这一速度还将持续下去。 未来，车企如何打造数据驱动能力将是竞争的核心。

数字化转型需要以用户为中心，构建整个产品生命周期的数据驱动能力。 我以前在汽车公司做产品规划和智能网联，现在在软件公司做基础设施。 在做很多事情的时候，我都会充分考虑之前产品规划中遇到的问题。 例如，在产品规划阶段，定义产品时如何定义功能和性能？ 过去很多时候我们只是拍拍脑袋，或者买数据或者找基准，但我们都是根据不可靠的数据来做决策。 现在，从产品规划到开发、售后，再到用户运营和持续升级，我们需要整合车辆产生的数据。 只要这个环节做好了，就能支撑数字化转型，我们的决策也会依赖科学数据。

汽车上的数据非常复杂，车辆数据、位置数据、应用数据、驾驶行为特征数据、道路和环境特征等数据维度日益增加，高达20000+； 这些信号都是毫秒级的高频信号，数据类型多种多样。 而且这些数据具有价值稀疏的特点，有价值的数据不到10%。 这些数据是如何收集的？ 车联网这10年一直卡在这里。 很多有价值的数据无法上传到云端，无法驱动价值。

比较成功的数字化实践案例是特斯拉。 特斯拉基于车辆云计算构建数据闭环，从车辆端收集并存储数据，在云端收集和汇总数据，并进行数据开发。 基于该架构，打造了高价值的应用生态系统，包括FSD的快速迭代和优化； 其成本和质量控制也依赖于基于数据的决策。

从特斯拉的规划中可以看出，数据驱动分为四个级别：L1是灵活的高精度数据采集能力。 但在这个层面上，90%的车企都做不到； L2是敏捷的数据开发能力。 传统的方式会把很多业务人员的需求交给IT，IT在云端写代码、做大数据分析。 业务人员到IT人员的沟通效率极低。 最后，将在云端编写的模型跨车辆云部署，造成时间和效率的浪费。 这就是L3级别的数据闭环能力。 再往上就是L4的开放数据生态能力。

我们数字化定义了从L1-L4的数据驱动能力。 现在，特斯拉已经运行了整套链路。 我们也提出了一套类似的计算架构，这是我们的基本产品构成，也是车辆云计算的框架。

——数据驱动全面赋能

首先，在汽车方面，我们使用了边缘计算中间件软件和持久数据库。 通过车载端存储和计算，我们可以帮助业务人员收集他们需要的有价值的数据。 边缘计算直接对业务人员的需求进行建模和交付，还可以收集各种特殊场景或各种事件数据。

同时，车载端数据库可以高效采集毫秒级信号，对结构化数据进行数百次无损压缩，并支持数据的周期性存储。 对于车企比较关心的数据，可以进行定期的定期收集，并且可以分类收集数据。

今年我们推出了“柔性数据仓库”的概念，帮助业务部门在基础产品的基础上更好地构建数据应用，并进一步封装产品。

为前端业务人员提供低代码建模工具，让不会写代码的工程师也能通过拖拽快速构建模型。 构建的模型可以在云端或车内运行，省去了模型迭代的过程。 实现数据从高效采集、灵活采集到模型迭代，再到模型交付，整个数据闭环非常高效，效率提升数十倍以上。

基于车辆端数据库，我们深入探索三大核心应用场景，赋能整车数字智能。 首先是车辆数据智能。 包括底盘、座舱、车身、动力等，我们需要通过边缘计算和各种商业模型来提取有效特征，并将有效特征数据反馈给策略和模型，使其能够不断迭代并解决各种问题。

二是智能诊断。 汽车的智能化带来了产品复杂度的增加，但开发周期不断缩短，很多问题在开发过程中无法识别或定义，这就需要在线智能诊断系统。 产品交付用户后，可以快速发现异常，快速解决问题。

第三是自动驾驶。 我们的架构可以帮助车企进行快速的数据采集迭代，从建模、到分发、到数据回传，基本上都是分钟级的迭代。

基于上面的数据库，可以实现的数据场景有很多，我们的产品部署也非常灵活。 现在，我们已经与多家汽车公司合作。

支持业务部门的图形化、可调整、敏捷的数据仓库

关于“柔性数据仓库”，它与传统数据仓库不同。 很多业务在需要数据时，可以通过工具链进行拖拽，灵活构建各个层次的柔性数据仓库。 如果业务需求发生变化，您可以快速调整自己。 传统数据仓库需要大量的数据采集，每次调整都需要编写代码，非常麻烦。 我们可以根据需要直接拖动模块，效率得到了很大的提高。

首先，当大型业务模块变成灵活的小型模块时，企业将更有效地利用计算资源。 大量的数据可以用来更高效地实现商业价值。 相比之下，传统的数据仓库规模庞大、全面，但粒度非常细，无法满足各个业务部门的需求。 很多车企建了数据仓库，但并没有在业务部门使用，因为无法解决问题，而且很多需求在不断变化。 尤其是在智能汽车的初级阶段，大家对数据的理解和使用还处于初级阶段，无法明确定义数据需求。 然而，灵活的数据仓库可以支持实时迭代变更，更快地满足业务数据需求。

图片来源：智协汇通

其次，传统数据仓库结构庞大，每次变更效率低，大批量数据会计算无效； 在灵活的数据仓库上，特定模块可以调用相关资源进行计算，效率提高十倍。

第三，传统数据仓库从建设到运维门槛较高，需要IT人员编写代码修改。 灵活的数据仓库可以通过拖拽的方式快速迭代，业务人员可以迭代数据仓库的设计。

第四，帮助车企积累更多的数据资产。 通过底层运营商可以创建多层的商业模式。 这些模型只要通过内部验证就可以作为标准。 它们可以存储在车公司和云端，当相关业务需要时可以直接调用。 车企内部不需要重新发明轮子。

第五柔性数据仓库有专人服务车企，更好地实现整套数据自动化生产线的建立。

打通全数据链路，助力行业数字化转型

我们的产品从基础车端软件到云工具，从数据采集到存储、计算、使用和生态开放，实现全链条连接。 连接之后，我们就可以很好地利用数字化转型过程中最重要的数据信号。 升级产品并迭代功能和性能。 同时，还可以实现成本降低和质量提升。

比如，车企在开发汽车端的边缘计算引擎和数据库时，最关心的是CPU占用了多少资源，以及运行这些资源时的稳定性如何。 我们将量产型号的性能提高了一倍。 现在，在客户的单核A55上，大​​约占CPU算力的7%-8%，CPU占用率是一条非常平滑的直线，波动不大，不影响车辆的其他功能。

通过量产实践，我们真正打通了从底层基础设施到上层数据应用的数据链，从数据到价值的转移。 未来我们还可以帮助车企创造新的商业模式。 这是基于科技产品的全生命周期数据驱动能力。

（以上内容摘自智协汇通合伙人、战略总监胡勇于2023年9月18日在2023第二届汽车数字化转型大会上发表的主题演讲《车云数据库打造智能汽车先进生产力》。）