譚博實

中央控制的電子電氣架構(gòu)、車端算力的升級、軟件定義汽車、車云一體化、車云環(huán)境對等、車聯(lián)網(wǎng)、自動駕駛等汽車行業(yè)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(shù)紅利”進(jìn)行數(shù)字化轉(zhuǎn)型，提供更貼近用戶體驗的全生命周期服務(wù)。

無論是利用自動駕駛、車聯(lián)網(wǎng)或者軟件定義汽車，最終目標(biāo)是希望跟客戶有更直接的互動，并且通過各種數(shù)據(jù)來指導(dǎo)業(yè)務(wù)，在車輛全生命周期里提供客戶真正會買單的服務(wù)，而不只停留在賣車的那一瞬間。亞馬遜云科技大中華區(qū)戰(zhàn)略業(yè)務(wù)發(fā)展部總經(jīng)理顧凡認(rèn)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(wù)，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(wù)，可能會涉及到3個技術(shù)路線。

第一，電子電氣架構(gòu)。向新的集中化的汽車電子電氣架構(gòu)轉(zhuǎn)變，真正讓車端的算力達(dá)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(gòu)基礎(chǔ)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(fā)工作，讓服務(wù)型的軟件實現(xiàn)車廠價值的差異化；

第三，更好地利用數(shù)據(jù)。無論是車聯(lián)網(wǎng)，還是自動駕駛，本質(zhì)上都是基于數(shù)據(jù)驅(qū)動的軟件開發(fā)流程。

而從數(shù)字化創(chuàng)新的角度看，車廠會進(jìn)行顛覆式變革，從原本的汽車制造和銷售轉(zhuǎn)為向整個用戶車輛全生命周期提供各種服務(wù)。很多車廠已經(jīng)具備自己的核心優(yōu)勢，比如市場保有量、品牌知名度、產(chǎn)品線豐富度、產(chǎn)品的影響力和銷售服務(wù)渠道等，但在“新四化”的趨勢中，整車廠需要更強(qiáng)大的助力，包括在軟件開發(fā)能力、軟件的迭代速度、DevOps、算法以及軟件應(yīng)用生態(tài)構(gòu)建等方面，能夠做到揚(yáng)長避短。

作為云計算的開創(chuàng)者和引領(lǐng)者，亞馬遜云科技能夠助力汽車行業(yè)產(chǎn)業(yè)鏈的創(chuàng)新加速和轉(zhuǎn)型，從汽車的研發(fā)、創(chuàng)新、生產(chǎn)制造、供應(yīng)鏈到市場營銷，到智能網(wǎng)聯(lián)，再到終端用戶的服務(wù)和應(yīng)用，都能提供相關(guān)服務(wù)。

以自動駕駛為例，自動駕駛行業(yè)的應(yīng)用范圍在從乘用車擴(kuò)展到干線物流市場，發(fā)展前景廣闊。麥肯錫報告顯示，到2040年，與自動駕駛汽車相關(guān)的移動出行市場會達(dá)到2萬億美元。但現(xiàn)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(lǐng)域正在經(jīng)歷從早期的實驗到中長期的規(guī)?；a(chǎn)的過渡。

自動駕駛基于深度學(xué)習(xí)、算法優(yōu)化等技術(shù)，需要持續(xù)不斷地收集數(shù)據(jù)，然后數(shù)據(jù)像“燃料”一樣，不停地給算法去“投食”，進(jìn)行更新迭代。所以，基于深度學(xué)習(xí)的自動駕駛軟件，一定是一個由數(shù)據(jù)驅(qū)動的端到端的流程。從數(shù)據(jù)的采集到存儲，到數(shù)據(jù)的預(yù)處理分析，到數(shù)據(jù)的標(biāo)注、模型訓(xùn)練、仿真驗證，再到最后的部署發(fā)布，會涉及一系列的工具鏈。另外，無論是自研，還是整合現(xiàn)有的工具，都會面臨一個挑戰(zhàn)，那就是工具鏈之間的割裂和數(shù)據(jù)孤島問題，而基于云，或者說圍繞數(shù)據(jù)湖去整合工具鏈的時候，可以從容應(yīng)對自動駕駛開發(fā)流程過程中遇到的挑戰(zhàn)。

自動駕駛測試車運(yùn)行過程中，會產(chǎn)生大量數(shù)據(jù)，包括傳感器、攝像頭、激光雷達(dá)、毫米波雷達(dá)等，數(shù)據(jù)量達(dá)到TB級。這些數(shù)據(jù)剛開始存在車載硬盤里，車一旦回車庫，拔出硬盤將數(shù)據(jù)放到本地的數(shù)據(jù)中心，然后再從本地的數(shù)據(jù)中心上傳到云。而通過Amazon Direct Connect網(wǎng)絡(luò)專線以及Amazon Snowball移動存儲，可以快速地把數(shù)據(jù)上傳到亞馬遜云科技，放在Amazon S3上，并可以通過Amazon IoT FleetWise實現(xiàn)定制化的數(shù)據(jù)采集。同時，通過Amazon S3去構(gòu)建自動駕駛數(shù)據(jù)湖，還可以實現(xiàn)預(yù)處理和分析。當(dāng)數(shù)據(jù)處理完成以后，下一步一定是數(shù)據(jù)標(biāo)注，通過端到端的機(jī)器學(xué)習(xí)集成開發(fā)環(huán)境，用戶可以實現(xiàn)復(fù)雜的模型開發(fā)和訓(xùn)練。

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

自動駕駛開發(fā)流程的底層技術(shù)是由亞馬遜云科技提供的云服務(wù)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(shù)據(jù)驗證、數(shù)據(jù)管理和標(biāo)注等一系列解決方案。

其中，Amazon SageMaker是一個全托管端到端的機(jī)器學(xué)習(xí)集成開發(fā)環(huán)境，可以幫助自動駕駛公司或者是車企，把復(fù)雜的模型開發(fā)和訓(xùn)練工作流串起來，讓算法工程師把更多精力投入在高質(zhì)量的模型構(gòu)建和迭代上，不浪費(fèi)時間去管底層的資源，真正做到“把好鋼用在刀刃上”。