车企扎堆儿上“云”，云端算力成为关键

去年某汽车品牌的一句“4颗以下,请别说话”让行业见识到了智能电动车时代,车企的硬件比拼卷到了什么程度,如今新发布的智能电动车没有几颗激光雷达都不好意思上桌说话。

随着各种传感器逐渐增多,硬件大比武随之而来的问题则是数据大爆炸下对算力、算法的比拼。国际研究机构Gartner做过估算,每一辆自动驾驶联网车辆每天至少产生4TB数据,每年产生的数据达到PB级。

目前市面上一个36TB的移动硬盘均价6000元,储存1PB数据就需要28个36TB的移动硬盘,成本为16.8万元,这还只是一辆车一年的数据存储成本,如今新造车的年销量都达到了10万辆级别,一家中等规模的车企一年的数据存储成本就能达到168亿。

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,相应的数据会越来越多,除了对车端计算平台的算力性能提出更高诉求之外,为了更有效地存储和利用这些数据,上“云”就成了必然之选。

云平台发挥越来越重要的作用

广汽集团董事长曾庆洪就曾表态,未来谁掌握数据谁就掌握主动权。云平台,尤其是云计算将对汽车产业加快转型,特别是数字化的转型起到非常关键的作用。

腾讯智慧出行汽车云相关负责人曾在一次活动中介绍过汽车行业的现状,一个车企往往包括300多个业务系统,而新能源车企会更多。在传统车企转型的过程中,也引入了非常多的IT新技术,对云原生技术能力的需求日趋增长。在一辆汽车的全生命周期中,生产、研发、供应链、销售、服务等多个环节都需要上云。

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。

尤其是场景化应用领域,《2021年中国汽车云市场追踪报告》指出,2021年“落地应用场景”需求量首次超过“数字化转型”需求,市场规模占比达到59.3%。对车企来说,在自动驾驶、智能座舱等关键场景的表现,决定了产品的智能网联程度如何,并最终决定了用户是否为它们的汽车买单。

地平线创始人兼CEO余凯曾表示,智能电动汽车将会成为人类科技发展最大的母生态,拉动了在材料、能源、交通基础设施、芯片、半导体技术、软件技术、智能驾驶、人工智能技术等方方面面的全方位的创新。显然汽车产业也需要构建一个更加开放的生态系统,车企靠自己的力量无法解决所有问题。面对激增的数据洪流、对数据处理、算法训练的庞大需求,车企与云厂商、科技公司开放合作是一条有效路径。

与云厂商合作,不仅能够帮车企节省下购买和运维大型数据中心的成本,还能够大幅提升各个研发环节的数据处理效率,做到降本增效。

开放是云端算力降本增效的关键

对车企来说,选择上云的关键因素之一就是看其“降本增效”的能力。而降本的关键则在于产业链的开放。产业链各企业可以更加专注自身所长,在开放的数字基础设施之上开放创新,避免重复造轮子,才能实现进一步降低成本。

好的云服务需要兼顾智能汽车行业现阶段对安全可信、技术先进、研发效率、总拥有成本的综合用云需求。并且,汽车研发是一个非常复杂的系统工程,涉及到很多环节,以自动驾驶的研发为例,就涉及数据采集、数据存储、数据处理,数据标注,模型训练,仿真与评测等诸多流程。如果只是提升各别环节的效率,对整体研发效率的提升效果影响不大。

对车企来说,如果云厂商能够提供涵盖自动驾驶、智能座舱等多场景的一站式汽车云解决方案,在数据研发的每一个流程上都能够享受到开箱即用的便捷工具和服务,自然是更优的选择。

比如今年6月腾讯发布的智能汽车云,就提出了“专云专用”、“一朵云、一站式”的概念。所谓专云专用,腾讯在上海开设智能汽车云专区,这是行业首个专为自动驾驶与智能汽车领域而建设的专有云平台,为此腾讯重点投入资源和专家团队进行持续建设。基于专有云,腾讯智能汽车云能够提供全栈物理隔离,保障相关数据的安全可信、自主可控。同时,云上组件将针对行业特有的需求和痛点进行定向优化,真正做到专云专用。

一朵云、一站式方面,腾讯智能汽车云有机集成了自动驾驶研发与运营工具链、智慧座舱研发、智能驾驶地图、运营服务等全方位能力,可以为车企提供覆盖多场景的数据存储、采集、标注、处理和计算能力,而且加速性能相比传统模式提高了10倍,标注成本降低了70%,算法开发成本降低了50%。

腾讯的智能汽车云就吸引了奔驰、博世等与之合作。据悉,目前腾讯正在助力宝马建设一个用于自动驾驶的高性能数据中心,还与奔驰共同成立了自动驾驶实验室,推动奔驰L3级自动驾驶系统的本土化落地。

伴随着智能电动汽车市场的蓬勃发展,车企上云的需求也呈现爆发之势,从2021年开始,腾讯、百度、华为、阿里、字节跳动等大厂均开始在汽车云赛道上加大布局。

目前,汽车产业的竞争正在从单车智能向云端延伸。随着自动驾驶及智能网联渗透率的不断增长、汽车自动驾驶能力的升级,数据量大幅增长,需要通过“上云”进行更高效、低成本的数据存储、计算和模型训练,以加速研发迭代。