本文來自科技云報道。
作為中國經濟發(fā)展的“中流砥柱”，汽車產業(yè)正在發(fā)生著顯著變化，以電動化、智能化、網聯(lián)化和共享化為代表的汽車產業(yè)“新四化”，已經被公認為汽車行業(yè)的未來趨勢。
隨著5G、大數(shù)據、云計算、人工智能等新技術與汽車產業(yè)加速融合，車輛已不再是單純的交通工具，而是演變成為“超級智能移動終端”。
汽車“新四化”的發(fā)展以數(shù)據為底層基礎，配備智能化和網聯(lián)化的車載產品來實現(xiàn)與人、路、車的智能交互，是人車關系從工具向伙伴演進的重要紐帶和關鍵節(jié)點。
人和車輛之間因交互產生的大量數(shù)據將呈指數(shù)級增長，這些數(shù)據包括語音交互、視覺交互、車路協(xié)同等多元數(shù)據，從而為用戶獲得更安全、更舒適的駕乘體驗。
因此，數(shù)據的存儲、上傳及高效利用成為汽車企業(yè)構建核心競爭力的關鍵。
人車交互歸根結底是數(shù)據問題
在人車交互和車輛行駛過程中會產生各種各樣的數(shù)據問題。
所有數(shù)據從底座上來看，有些具備共性特點，不管是圖像、音頻、文字，都涉及基礎數(shù)據切割的動作，這是一個跨行業(yè)、跨場景的共通需求。
差異化的部分是，由于底層算法跟場景強相關，在處理不同場景下的數(shù)據時，要把底層那些共性的東西進行排列組合應用到外延場景。
包括一些不同場景下的特定數(shù)據分類和標簽，底層模型一定要與場景形成緊耦合，從而得到適用于場景的預訓練模型，大大提高數(shù)據處理的效率。
比如在基本功能層面，根據不同車廠的設計以及用戶不同的使用習慣，會產生大量的差異化需求，數(shù)據的采標處理相應變得多樣復雜。
在艙內交互中，用戶的一句“我好熱”，不同車廠的響應是不同的，有些可能是把車窗打開，有些是把空調打開。
除此之外，每位車主開車習慣也有所不同，對于艙內的虛擬駕駛伙伴，也有聲音和性格要求，這會涉及個人定制問題。
這種差異化需求需要從底層數(shù)據設計和規(guī)劃做起，以滿足艙內交互的基本功能點。
數(shù)據安全合規(guī)問題始終都是企業(yè)的重中之重，在座艙和駕駛場景下，艙內和艙外對于數(shù)據的隱私安全有所不同。
艙內無論是語音、圖像還是動作，都需要經過單獨的個人授權。艙外會更復雜一些，包括道路、房屋、車輛等所有物體的跟蹤。
在這個過程中，除了取得用戶的個人隱私授權外，還要對數(shù)據進行加密處理，這就需要一套完整的數(shù)據處理系統(tǒng)，能夠對數(shù)據的整個閉環(huán)進行全方位監(jiān)控。
另外，數(shù)據處理效率也是一大問題。目前發(fā)現(xiàn)，數(shù)據的處理速度遠遠跟不上機器學習的速度。
如何解決這種需求不對等的問題？今年，美國提出一個詞叫做Human Machine Teaming，即人機團隊協(xié)作。
根據麻省理工學院研究團隊進行的一項實驗結果顯示，相較于純AI應用的機器人或單一人類組成的團隊，人機協(xié)作團隊的工作效率更高，這一作業(yè)模式甚至能減少85%的人員閑置時間，大幅降低企業(yè)成本。
在數(shù)據處理過程中，也應該采用人機協(xié)作的方式進行圖像摳圖、語音轉寫等。因此，擁有一個一站式的AI數(shù)據處理系統(tǒng)至關重要。
可以看到，自動駕駛、人車交互背后的算法、硬件架構研發(fā)，需要海量的算力進行反復模擬、驗證，智能交通和共享汽車在運轉的過程中必然會產生海量的數(shù)據。
而這些數(shù)據如何實現(xiàn)安全、低延遲的傳輸，如何確保存儲的合規(guī)性，如何即時地從中提取關鍵信息，實現(xiàn)系統(tǒng)的進一步自我學習、自我進化，同樣也是不小的問題。
軟件定義汽車背后的云力量
隨著“新四化”的深入推進，汽車企業(yè)到了必須要轉型的時刻。
但在轉型過程中，傳統(tǒng)的一些方法、比如車企自建的數(shù)據服務器、封閉的車機系統(tǒng)、企業(yè)內部性能孱弱的模擬設備，實際上已經越來越無法滿足相關業(yè)務的需求，甚至還成為了“拖后腿”的關鍵因素。
在這樣的背景下，亞馬遜云科技成為了諸多車企共同選擇的重要合作伙伴。
近日，亞馬遜云科技正式宣布將圍繞自動駕駛、車聯(lián)網和軟件定義汽車三大汽車行業(yè)數(shù)字化場景，全面賦能汽車行業(yè)的數(shù)字化轉型。
數(shù)據貫穿自動駕駛研發(fā)的每一個場景，亞馬遜云科技以自動駕駛數(shù)據湖為中心，幫助車企構建起端到端的自動駕駛數(shù)據閉環(huán)。
借助具有近乎無限擴展能力的Amazon Simple Storage Service（Amazon S3，云上對象存儲服務）構建自動駕駛數(shù)據湖，實現(xiàn)數(shù)據采集、數(shù)據管理和分析、數(shù)據標注、模型和算法開發(fā)、仿真驗證、地圖開發(fā)以及DevOps和MLOps，車企就能更加容易地實現(xiàn)自動駕駛全流程的開發(fā)、測試和應用。
在自動駕駛技術中極具難度和挑戰(zhàn)的數(shù)據標注、模型和算法開發(fā)、仿真驗證環(huán)節(jié)，亞馬遜云科技的機器學習服務Amazon SageMaker以及Amazon Elastic Compute Cloud（Amazon EC2）彈性計算服務具有領先優(yōu)勢。
在數(shù)據標注環(huán)節(jié)，通過Amazon SageMaker Ground Truth能夠輕松完成各種車輛、場景和用戶數(shù)據的自動化標注，創(chuàng)建符合要求的訓練機器學習模型的高質量數(shù)據集。
在仿真驗證階段，尤其是針對超大規(guī)模仿真，Amazon EC2彈性計算服務的Spot實例可以提供百萬vCPU級別的低成本算力，最多可節(jié)省90%的成本，加快自動駕駛技術的研發(fā)和落地。
在構建車聯(lián)網服務的過程中，車企隨著業(yè)務的拓展，需要全球統(tǒng)一部署，實現(xiàn)高可用和安全連接，并滿足全球運營的安全合規(guī)要求；為了適應車聯(lián)網業(yè)務的彈性需求并降低運維難度，車企需要利用全球統(tǒng)一的架構、微服務和無服務器計算等現(xiàn)代化服務，構建彈性敏捷的車聯(lián)網架構。
同時，車企需要選擇全球車聯(lián)網合作伙伴，將更豐富的服務生態(tài)和內容接入車聯(lián)網，構建全面的服務體系，并基于海量數(shù)據提供增值服務，提升客戶體驗。
“電動化、網聯(lián)化、智能化、共享化正在重塑汽車產業(yè)價值鏈，車云一體化成為了汽車企業(yè)新的核心競爭力。
亞馬遜云科技與廣泛的汽車行業(yè)合作伙伴網絡成員合作，賦能客戶自動駕駛開發(fā)、車聯(lián)網構建，并向軟件定義汽車轉型。
”亞馬遜云科技大中華區(qū)戰(zhàn)略業(yè)務發(fā)展部總經理顧凡表示，“作為創(chuàng)新的引領者、技術的賦能者以及行業(yè)的實踐者，亞馬遜云科技將加速布局，賦能汽車行業(yè)客戶進一步提升競爭力，在汽車‘新四化’的征程中建立自己的護城河。”
亞馬遜云科技大中華區(qū)戰(zhàn)略業(yè)務發(fā)展部總經理顧凡
目前，亞馬遜云科技的基礎設施遍及全球26個地理區(qū)域的84個可用區(qū)，可以讓車企在各個地理區(qū)域輕松構建車聯(lián)網平臺，帶來更高的穩(wěn)定性和更低的延遲。
車聯(lián)網數(shù)據的安全合規(guī)始終是重中之重，亞馬遜云科技支持98項安全標準與合規(guī)認證，幾乎滿足客戶在全球各個地區(qū)的安全合規(guī)需求。
亞馬遜云科技Amazon Lambda無服務器計算以及微服務，幫助車企構建現(xiàn)代化、無服務器的彈性敏捷的車聯(lián)網架構，不僅滿足車聯(lián)網業(yè)務的彈性需求，而且?guī)椭涔?jié)省成本，降低運維難度。
軟件定義汽車已經成為汽車企業(yè)的核心競爭力，軟件深度參與到汽車定義、開發(fā)、驗證、銷售、服務等過程中，催生了汽車行業(yè)各層面對云原生平臺、工具和最佳實踐的需求。
軟件定義汽車轉型需要方方面面的云服務能力，如數(shù)據湖、物聯(lián)網、機器學習和人工智能、邊緣計算等，同時更需要與整個行業(yè)生態(tài)系統(tǒng)一起合作，共同提供創(chuàng)新的技術和服務。
