近幾年來，圍繞著汽車的行業(yè)創(chuàng)新成為了全世界關注的焦點，尤其是以特斯拉、蔚小理等為代表的新一代智能電動汽車，更是成為了當前高新科技凝結的產物。伴隨著碳中和碳達峰的目標迫近，汽車行業(yè)內的電氣化和智能化趨勢加速發(fā)展。

新的汽車EE架構、車端算力升級、車云一體、自動駕駛、車聯(lián)網(wǎng)...亞馬遜云科技一直在思考，如此多行業(yè)熱詞背后的趨勢對于整車廠意味著什么？未來整車廠的客戶轉型會去到哪里？亞馬遜云科技到底能夠幫助客戶做些什么？

近日，亞馬遜云科技在北京召開的“車云協(xié)同，氣力智行”汽車行業(yè)論壇，亞馬遜云科技大中華區(qū)戰(zhàn)略業(yè)務發(fā)展部總經(jīng)理顧凡針對上述問題給出了答案，這也是亞馬遜云科技首次召開以單一行業(yè)為主題的活動，足見其對于汽車行業(yè)創(chuàng)新的重視。

車廠業(yè)務轉型：從賣車即結束到整個生命周期服務

傳統(tǒng)的整車廠業(yè)務模式較為簡單，主要聚集在買車上。在車輛被賣出之后，客戶與車廠的價值交換基本完成。而現(xiàn)在的業(yè)務轉型趨勢是將這個價值轉換點延長到整個汽車使用的生命周期中，利用自動駕駛、車聯(lián)網(wǎng)、軟件定義汽車等方式，和客戶產生直接的互動，拿到更多的數(shù)據(jù)。并通過這些數(shù)據(jù)來洞察客戶的真正需求，在整個汽車生命周期為客戶去提供更多的增值服務。

顧凡表示，亞馬遜云科技站在整車廠客戶角度去思考，為了更好地完成這種業(yè)務轉型，整車廠的技術路線需要考慮三個方面。

第一是汽車向著新電子電氣架構轉型，車端算力可以達到更高的水平。

第二是在這樣的一個新電子電氣架構上，需要有一個軟件定義汽車的平臺，真正跨車和云做大量的軟件開發(fā)工作，只有通過這樣的軟件服務才能夠讓車廠提供具備差異化的價值。

第三是更好的利用數(shù)據(jù)，因為不論是車聯(lián)網(wǎng)還是自動駕駛，其本質都是基于數(shù)據(jù)驅動的軟件開發(fā)流程。例如車廠自己打造出行平臺，一方面積累自己做運營服務業(yè)務的經(jīng)驗，另一方面也可以積累車廠在大數(shù)據(jù)分析方面的經(jīng)驗，同時也為自己實現(xiàn)了一個新的收入來源。

整車廠在進行業(yè)務轉型時，有著明顯的優(yōu)勢和短板。優(yōu)勢在于其市場保有量較大、品牌知名度較高、產品線豐富度高、產品影響力大、銷售服務渠道完備等等。但其面臨的挑戰(zhàn)更多的來自軟件、算法、應用生態(tài)和DevOps等方面。而這些整車廠的短板，正是亞馬遜云科技有能力幫助到的地方。顧凡表示，作為云計算的開創(chuàng)者和引領者，亞馬遜云科技從汽車的研發(fā)、創(chuàng)新、生產制造、供應鏈到市場營銷，再到智能網(wǎng)聯(lián)，再到終端用戶的服務和應用，都在助力汽車行業(yè)產業(yè)鏈的創(chuàng)新加速和轉型。

而在此次汽車論壇上，針對自動駕駛、車聯(lián)網(wǎng)和軟件定義汽車耽擱代表性的汽車數(shù)字化場景，亞馬遜云科技展示了其全面的解決方案。

自動駕駛開發(fā)的五大挑戰(zhàn)

自動駕駛是一個典型的數(shù)據(jù)驅動的端到端流程，包括數(shù)據(jù)采集和存儲、數(shù)據(jù)預處理分析、數(shù)據(jù)的標注、模型訓練、仿真驗證和最后的部署發(fā)布這樣一個完整的流程。首先車端的數(shù)據(jù)會被采集，匯總到一個集中的存儲或者在云上的自動駕駛數(shù)據(jù)湖，數(shù)據(jù)湖里面數(shù)據(jù)是可以被進一步做預處理和分析，然后針對處理過和清洗過的數(shù)據(jù)進行標注，訓練自動駕駛的機器學習模型，模型一旦開發(fā)出來，將通過仿真和驗證進行測試，最終模型一旦通過驗證就會部署到車輛上。

這樣的一個開發(fā)流程所需要的工具鏈并不是整車廠客戶所擅長的，為了更快地實現(xiàn)自動駕駛，整車廠更希望快速整合現(xiàn)有的工具鏈，把Data Pipeline跑通。但不論是自研還是整合現(xiàn)有工具鏈，都會面臨著工具鏈割裂、數(shù)據(jù)孤島等等一系列的挑戰(zhàn)。這時候，圍繞著云上進行工具鏈整合就會更加便捷。

首先第一個挑戰(zhàn)來自海量數(shù)據(jù)的傳輸。當前一輛自動駕駛汽車上包含了各種各樣的傳感器，包括攝像頭、激光雷達、毫米波雷達等等，每天每輛車產生的數(shù)據(jù)量可以和i達到TB級。如何進行有針對性的定制化數(shù)據(jù)采集，解決自動駕駛領域中的長尾Corner case非常關鍵。而亞馬遜云科技可以通過Amazon Direct Connect網(wǎng)絡專線，以及Amazon Snowball移動存儲，快速把數(shù)據(jù)上傳到亞馬遜云科技，放在Amazon S3里面。Amazon IoT FleetWise則可以解決長尾Corner case的定制化數(shù)據(jù)采集的工作。

第二個挑戰(zhàn)來自海量數(shù)據(jù)的低成本存儲。Amazon S3提供了云里面最豐富的8層存儲分級，當用戶將車端采集的數(shù)據(jù)放在Amazon S3上面的時候，就可以根據(jù)數(shù)據(jù)所處的不同溫度，從頻繁訪問的熱數(shù)據(jù)到應該深度歸檔的冷數(shù)據(jù)，存放在不同的層級，從而達到最優(yōu)的成本。值得一提的是其Amazon S3 Intelligent-Tiering智能分層功能，根據(jù)自動駕駛工作負載里面動態(tài)變化的數(shù)據(jù)訪問模式實現(xiàn)自動分層，幫助用戶自動選擇最合適的存儲層級。據(jù)實際客戶反饋，使用這個功能平均可以節(jié)省約30%的成本。

第三大挑戰(zhàn)在于如何實現(xiàn)復雜數(shù)據(jù)管理和分析。數(shù)據(jù)湖是在云上整合自動駕駛工具鏈的核心，而Amazon S3這一工具鏈正是圍繞著自動駕駛數(shù)據(jù)湖去做整合的。所有的工具鏈都可以在授權情況下訪問Amazon S3數(shù)據(jù)湖里面的數(shù)據(jù)，同時數(shù)據(jù)也可以在各個工具鏈上下游流動，這樣就可以避免工具鏈割裂帶來的數(shù)據(jù)孤島的問題。亞馬遜云科技也推出了自動駕駛數(shù)據(jù)湖的參考架構，可以幫到客戶更容易地在云上構建自動駕駛數(shù)據(jù)湖。

第四大挑戰(zhàn)來自復雜的模型開發(fā)與訓練。數(shù)據(jù)清洗處理之后就要進行數(shù)據(jù)標注，提升數(shù)據(jù)標注的質量價格比非常關鍵。而在模型開發(fā)階段，無論是從特征工程、模型訓練，再到超參的調優(yōu)和模型的調試，其實需要非常復雜的機器學習的端到端的集成開發(fā)環(huán)境。同時，用戶會發(fā)現(xiàn)需要花大量的人力和經(jīng)驗，來針對多個訓練任務、針對一堆的GPU的計算資源進行調度、管理，聽起來都非常麻煩。Amazon SageMaker是一個全托管端到端的機器學習集成開發(fā)環(huán)境，它可以幫助自動駕駛公司或者是車企，把復雜的模型開發(fā)和訓練的超級復雜的工作流串起來，真正的目的是讓算法工程師把精力投入在高質量的模型的構建和迭代上，不浪費時間去管底層的資源。

第五大挑戰(zhàn)來自于仿真驗證，自動駕駛的仿真驗證需要統(tǒng)一架構來實現(xiàn)超大規(guī)模仿真，仿真系統(tǒng)的效率會直接影響整個自動駕駛開發(fā)鏈的效率。云上的高并發(fā)仿真，能解決仿真領域里的兩大挑戰(zhàn)，一個是規(guī)模、一個是成本。規(guī)模自然要通過云上的高并發(fā)來實現(xiàn)，而如何在高并發(fā)仿真的同時實現(xiàn)低成本，這就需要借助到亞馬遜云科技提供的一系列服務。

首先，通過Amazon EC2的Spot競價實例，大規(guī)模應用在仿真上面，可以達到最佳的性價比。因為Spot是把亞馬遜云科技空閑的EC2實例以按需定價費用超過3折的價格提供給客戶，這是云獨有的優(yōu)勢。

其次Amazon S3作為仿真系統(tǒng)使用持久性存儲，它可以近乎線性地匹配計算實例的規(guī)模，并且支持水平縮放。隨著仿真任務喚起越來越多的EC2實例，Amazon S3的吞吐量也是幾乎以線性增長，這樣才能保證Amazon S3到每一個EC2的實例的吞吐量始終是匹配的。

第三就是Amazon FSx for Lustre，云上托管的Lustre并行文件系統(tǒng)，背后是依托于Amazon S3，它可以作為EC2實例組成的高性能計算集群和Amazon S3持久存儲中間的緩存，目的就是為了大規(guī)模仿真系統(tǒng)提供最極致的吞吐量和IOPS。

Mobileye是全球自動駕駛解決方案的領導者，它在Amazon S3上構建的數(shù)據(jù)湖已經(jīng)達到了200PB，同時它也是非常擅長使用Spot競價實例的客戶。Mobileye的自動駕駛的仿真任務幾乎都跑在Spot的競價實例上，這樣可以在控制成本的前提下保持一個極度的靈活性，同時它的仿真任務成功率可以達到99.6%。它的仿真任務可以調度的Spot資源彈性范圍非常大，高峰的時候可以達到500KvCPU，低峰的時候甚至可以降到0，這個幫到Mobileye的自動駕駛仿真周期從過去的一個月壓縮到幾個小時，同時可以極大地降低研發(fā)成本，提高開發(fā)人員的敏捷性。

車聯(lián)網(wǎng)服務搭建的五大挑戰(zhàn)

要將汽車與用戶之間的價值轉換延長到整個使用生命周期內，車聯(lián)網(wǎng)的作用非常關鍵。一切增值服務的用戶互動和觸及都需要有用戶數(shù)據(jù)的分析和挖掘，才能夠提供更精準的個性化服務。不論是娛樂服務、出行服務還是商業(yè)服務，車聯(lián)網(wǎng)有望成為這三個互聯(lián)服務生態(tài)領域中的重要拼圖。而車聯(lián)網(wǎng)的數(shù)據(jù)應用包含營銷運營、產品改進和用戶服務場景三個層面，不論是哪個層面，整車廠在搭建車聯(lián)網(wǎng)服務的過程中都面臨著諸多挑戰(zhàn)。

第一大挑戰(zhàn)即“全球統(tǒng)一部署”。車企進行的都是全球化的銷售策略，中國新興新能源的出口量也持續(xù)增長。在進行全球車聯(lián)網(wǎng)布局時，需要選擇一個跨越全球的基礎設施去部署車聯(lián)網(wǎng)業(yè)務。而亞馬遜云科技在全球有最大的云基礎設施，目前有26個地理區(qū)域，84個可用區(qū)，橫跨六大洲，服務245個國家，還有8個區(qū)域在建設過程中。因此對于想要搭建全球統(tǒng)一部署車聯(lián)網(wǎng)的車企而言，是一個非常合適的選擇。

第二大挑戰(zhàn)是“安全合規(guī)”，保證車聯(lián)網(wǎng)業(yè)務符合全球范圍內的當?shù)胤ㄒ?guī)，保證本地數(shù)據(jù)信息安全合規(guī)。而亞馬遜云科技幾乎滿足所有的監(jiān)管機構的合規(guī)要求支持98項安全標準和合規(guī)認證。車企客戶可以直接繼承亞馬遜云科技的安全合規(guī)認證。同時亞馬遜云科技還與眾多合作伙伴一起，為整車廠客戶提供從咨詢到實施整體和安全合規(guī)的方案，無論是安全工程、數(shù)據(jù)保護還是身份和訪問控制等等。

第三大挑戰(zhàn)是通過全面的服務體系，提升客戶體驗。不同國家地區(qū)的音視頻內容、導航地圖內 容、數(shù)據(jù)分析和軟件更新等內容各不相同，整車廠進行本地業(yè)務拓展時需要和各地不同的內容服務商打交道。亞馬遜云科技與全球范圍內的車聯(lián)網(wǎng)合作伙伴合作，為客戶提供無論是跨車端還是云端還是App端各種車聯(lián)網(wǎng)會用到的解決方案。包括互聯(lián)移動、數(shù)據(jù)分析、充電管理和服務、地圖導航、車隊管理、網(wǎng)絡安全等等。因此當整車廠去其他國家地區(qū)拓展業(yè)務時，可以亞馬遜云科技實現(xiàn)更快的適合本地的內容和服務搭建。

第四大挑戰(zhàn)是如何拿到數(shù)據(jù)挖掘價值，為客戶提供更具吸引力的增值服務。亞馬遜云科技已經(jīng)與一些客戶已經(jīng)合作了非常有價值的增值服務。例如在一個針對新能源車電池故障預測的案例中，亞馬遜云科技與車廠合作在三到四個月內，采集了四千多輛車大概有1T左右的電池的數(shù)據(jù)，包括電池靜態(tài)數(shù)據(jù)、動態(tài)數(shù)據(jù)，電流、電壓以及實時車輛報警數(shù)據(jù)等。通過這些數(shù)據(jù)亞馬遜云科技與車廠構建了一個機器學習的模型，能夠去預測未來兩周有可能發(fā)生電池單體一致性故障差的概率。

第五大挑戰(zhàn)是運維的復雜度提升，需要更彈性敏捷的軟件架構。顧凡表示，今天的車聯(lián)網(wǎng)是在動態(tài)、快速的迭代和發(fā)展過程中，你根本不知道今天、明天、明年，你連接的車聯(lián)網(wǎng)的車的數(shù)量到底增長有多快，所以今天未雨綢繆去想象車聯(lián)網(wǎng)的軟件架構，就必須要為未來做好準備。所以一定要明白未來的車聯(lián)網(wǎng)業(yè)務的彈性需求會對你的軟件架構造成巨大的挑戰(zhàn)，今天應該做一個什么樣的選擇。很多車企會選擇無服務器的計算，例如Amazon Lambda這樣的架構。Amazon Lambda可以根據(jù)實際的業(yè)務量，快速地彈性擴縮后臺的計算資源，這樣既可以保證充足的算力資源，又可以節(jié)省大量成本。

軟件定義汽車：廣泛參與和基本原則

在軟件定義汽車這個技術趨勢中，整車廠需要考慮的是，如何從底層開始就真正走向軟件定義汽車的架構轉型，真正做到軟硬件解藕。要實現(xiàn)軟件定義汽車，需要的是車廠、芯片商、硬件提供商、軟件提供商、系統(tǒng)集成商和云服務廠商，所有參與方一起推動其行業(yè)邁進。

顧凡表示，降低門檻才能讓行業(yè)內更多人參與進來開發(fā)，無論是汽車行業(yè)里面的軟件供應商，還是更廣泛的云端的大量應用開發(fā)者，這些開發(fā)者原來都不一定開發(fā)過在車上的應用，但是他們對云上的開發(fā)非常熟悉。所以只有降低門檻，讓所有人參與進來，才能讓車廠的服務產生長尾效應。場景、服務需求是非常多的，需要更多人參與進來去開發(fā)。但同時還是有一些基本的原則和需求是業(yè)內的一些共識。

第一，軟件一定要具備可移植性，能夠跨不同的硬件去執(zhí)行。第二，軟件一定是要在云端開發(fā)測試，讓開發(fā)和維護成本真正降到最低。第三，在云端開發(fā)汽車軟件的時候，必須要考慮到汽車行業(yè)的特殊性。在云端開發(fā)有一些實時性和功能安全的功能時候需要提供保證。第四，軟件平臺必須要是開放的架構。

在芯片層面，亞馬遜云科技和車載芯片供應商合作，參與了Arm發(fā)起的SOAFEE的組織，支持車云環(huán)境對等。亞馬遜云科技在云端是有基于ARM 核心的Graviton2和Graviton3的CPU，很多車企最終的選型也是采用ARM芯片，這樣，云端和車端硬件都是基于ARM 打造的處理器，會為客戶在構建一個車云對等的軟件開發(fā)環(huán)境時帶來極大的幫助，云端開發(fā)測試的很多應用在車端可以無縫部署。

在軟件平臺層面，亞馬遜云科技與黑莓合作構建了BlackBerry IVY，標準化車端的非常復雜的數(shù)據(jù)采集工作以及數(shù)據(jù)上云工作。各種不同類型的開發(fā)者，不需要具備專業(yè)汽車的技能，就可以利用BlackBerry IVY去一致和安全的訪問、讀取車輛傳感器的數(shù)據(jù)，然后加以規(guī)范化，并且在云端利用數(shù)據(jù)分析和機器學習的工具，去做應用的創(chuàng)新。

在系統(tǒng)集成商層面，亞馬遜云科技與Tier1供應商大陸集團合作開發(fā)下一代的軟件定義汽車的開發(fā)平臺CAEdge（Continental Automotive Edge），這是一個跨車和云，用多租戶隔離的方式，可以讓更多供應商參與進來一起開發(fā)軟件定義汽車的平臺。大陸集團作為Tier1，可以邀請更多供應商和開發(fā)合作伙伴一起，在CAEdge平臺上為車廠開發(fā)更多的應用。在這樣一個場景下面，CAEdge的多租戶環(huán)境可以保證參與的各種各樣的開發(fā)人員和公司，去使用相同工具測試程序和保護措施，它的開發(fā)環(huán)境是標準化的，同時不同開發(fā)人員和公司之間相互不受影響，數(shù)據(jù)安全和合規(guī)更是符合要求的。

在數(shù)據(jù)上云的層面，亞馬遜云科技還發(fā)布了Amazon IoT FleetWise服務，支持在車端自定義的數(shù)據(jù)采集，可以極大地降低車端數(shù)據(jù)采集上云的門檻。比如自動駕駛的場景有時候需要人工來定向采集一些不同的數(shù)據(jù)，分析和判斷一些Corner case。Amazon IoT FleetWise就可以讓測試人員帶著一些定制化的數(shù)據(jù)采集任務去路測，極大地提高這一部分工作的效率。

另外，除了上述所提到的合作和服務外，亞馬遜云科技還在軟件定義汽車領域上有一個專業(yè)服務團隊，在全球為大量車企在做項目，幫助客戶賦能軟件定義汽車的行業(yè)創(chuàng)新。

總結

當前汽車行業(yè)正處于快速變革中，很多行業(yè)標準和生態(tài)還在爭搶和制定中，整車廠在探索的一些新的方向，雖然還有非常多的不確定性，但明確的一點是，車企將不會以售出汽車作為終點，而是作為其汽車使用生命周期中服務的起始點。顧凡表示，亞馬遜云科技的定位就是賦能和開放，亞馬遜云科技不做車，但可以幫助車廠去揚長避短加速轉型。無論是在軟件定義汽車的布局，還是去賦能客戶建立數(shù)字驅動的開發(fā)流程，像自動駕駛、車聯(lián)網(wǎng)等等，這些都是亞馬遜云科技的優(yōu)勢。

這是亞馬遜云科技第一次做單獨一個行業(yè)、而且還是汽車行業(yè)的活動，不過相信未來隨著亞馬遜云科技在賦能汽車行業(yè)變革路上的不斷創(chuàng)新，明年我們可以看到更多有意思的、精彩的分享。