亚马逊云科技：我们不做车，赋能和开放才是根本

王永

“作为云厂商，我们会跟非常多的车厂和客户合作，我和我的团队每天也会在思考一个基本的问题——车联网、软件定义汽车以及车云一体化等热词背后趋势对于整车厂客户意味着什么，客户未来转型的方向是怎样的，以及转型的过程，亚马逊云科技又能够帮到客户做些什么？”亚马逊云科技大中华区战略业务发展部总经理顾凡在接受笔者的采访时表示，原来整车厂的业务模式都是聚焦在卖车，通过买车的行为完成车厂和客户之间的价值交换。未来很多整车厂正在探索一个新方向——把车厂和客户之间的价值交换的点，真正从卖车的瞬间延长到用户使用车的整个生命周期，从而可以在整个生命周期里给客户不断提供增值的服务。

事实上，无论是自动驾驶、车联网，还是软件定义汽车，整车厂都希望能够跟客户直接互动，获取更多的数据，通过数据来指导车辆生命周期里如何提供客户真正会买单的服务。一个比较好的例子是特斯拉，其已经在提供按月订阅的自动驾驶服务了。

不过，对于客户来说，想要实现提供车辆全生命周期的服务的目标，以终为始反向思考，其技术路线需要考虑三个方面：新的集中化的汽车电子电气架构，提升车端算力；软件定义汽车的开发平台，跨车和云去做大量的软件开发工作，从服务功能的角度不断去给客户提供新的价值，让服务型软件成为整车厂价值差异化的关键；更好的基于数据驱动的开发流程去更高效地开发车联网、自动驾驶服务等软件。

“为什么现在很多车厂都会打造出行平台，除了获取新的收入来源，更重要的是，作为车厂积累运营服务业务和大数据分析方面的经验。”顾凡表示，整车厂有自己明显的优势，比如市场保有量、品牌知名度、产品线丰富度、产品的影响力、销售服务渠道等。但当他们面临“新四化”的趋势时也需要技术上的支持：比如软件开发能力、软件的迭代速度、DevOps、算法、软件应用的生态构建过程。

顾凡强调，亚马逊云科技从汽车的研发、创新、生产制造、供应链到市场营销，再到智能网联，再到终端用户的服务和应用，都在助力汽车行业产业链的创新加速和转型。尤其是在自动驾驶、车联网和软件定义汽车三个比较典型的领域，亚马逊云科技通过技术的赋能，在汽车“新四化”的征程中建立自己的护城河。

具体来看，按照麥肯锡的报告，到2040年，自动驾驶汽车和相关的移动出行市场会达到2万亿美元，这是非常大的市场。不过，从行业最初承诺的自动驾驶成熟度和今天看到的现实相比，还是有很长的路要走。自动驾驶领域也在经历从早期的实验，到中长期的规模化生产的过渡。

从技术层面来看，自动驾驶是基于深度学习不断进行迭代的，所以自动驾驶软件一定是基于数据驱动的闭环反复迭代。基于深度学习的自动驾驶开发流程就是一个数据驱动的端到端的开发流程：数据采集->数据存储->数据的预处理和分析->数据标注->模型训练->仿真验证->部署发布。

当自动驾驶的测试车运行的过程中各类的传感器、摄像头、激光雷达、毫米波雷达会产生大量数据，每天每车数据量会达到TB级别。此时，海量的数据和传输成为客户必须解决的问题。

“数据开始存在车载硬盘里面，拔出硬盘将数据放到本地数据中心，然后通过Amazon Direct Connect网络专线或是Amazon Snowball移动存储，快速把数据上传到亚马逊云科技，放在Amazon S3。”顾凡表示，对于客户来说，数据采集最核心的问题还是在于定制化。Amazon IoT FleetWise，就可以使得用户无需开发自定义数据收集系统即可访问车队范围内的标准化车辆数据；通过智能筛选功能将所需的准确数据发送到云端，从而降低成本并实现更高效的数据传输；这项服务可以近乎实时地提供车辆运行状况数据，从而更快地检测和缓解问题，帮助防止潜在的召回，并远程协助客户。

此外，Amazon S3提供了云里面最丰富的存储分级，共有8个层级，当用户将车端采集的数据放在Amazon S3上面的时候，就可以根据数据所处的不同温度，从频繁访问的热数据到应该深度归档的冷数据，可以存放在不同的层级，目前是达到最优的成本。

针对客户的数据管理与分析需求，借助具有近乎无限扩展能力的Amazon S3构建自动驾驶数据湖，实现数据采集、数据管理和分析、数据标注、模型和算法开发、仿真验证、地图开发以及DevOps和MLOps，车企就能更加容易地实现自动驾驶全流程的开发、测试和应用。

复杂模型开发与训练领域：在数据标注环节，通过Amazon SageMaker Ground Truth能够轻松完成各种车辆、场景和用户数据的自动化标注，创建符合要求的训练机器学习模型的高质量数据集。

云上仿真大致有两种形式：统一架构：亚马逊云科技通过统一、弹性可扩缩的系统架构满足日志回放和模拟仿真两种业界流行的仿真模式；超大规模仿真：Amazon EC2弹性计算服务的Spot实例可以提供百万vCPU级别的低成本算力，最多可节省90%的成本；Amazon S3 作为仿真系统使用的持久性存储，可以近乎线性的匹配计算实例的规模并支持水平缩放；Amazon Fsx for Lustre可作为EC2 实例组成的HPC集群和S3持久存储中间的缓存，为大规模仿真系统提供最极致的吞吐量和IOPS。

“未来不是靠卖车一次性地做价值交换，而是帮客户在车的生命周期里面提供服务，这就需要客户的数据镜像，这来源于客户的直接互动，获得更多的触点。而车联网是这一切的基础。”顾凡表示，无论是娱乐服务、出行服务，还是商业服务，车联网有机会成为这三个互联服务生态领域里重要的拼图。

车联网数据应用三大场景：营销运营、产品改进、为用户提供服务，三大场景都离不开大数据及大数据分析，数据上云后可以利用Amazon S3去构建数据湖以及采用云上的各种托管分析服务。

同时，车企在全球布局车联网时面临五大挑战：如何选择跨越全球的设施为数百万辆汽车统一部署车联网服务，如何保证业务在全球范围内的合法合规，如何建立全面的服务体系来打造有竞争力的客户体验，如何挖掘数据为客户提供增值服务，如何构建面向未来的弹性敏捷架构来应对车联网的快速发展。

针对客户的需求，亚马逊云科技可以实现在全球资源、安全合规化和数据安全、全面的服务体的基础之上，增加了数据增值服务和无服务器服务简化运维，构建弹性敏捷的车联网架构。

其中数据增值服务，亚马逊云科技为主机厂的新能源车电池提供了一套故障预测的工具链，包括数据存储工具、数据分析工具、模型处理工具和数据展示工具，帮助主机厂加速BMS（Battery Monitoring System）故障预测的机器学习开发流程，安全地在云端管理TB级别的电动车电池数据和车联网数据，同时，基于Amazon SageMaker服务，这个方案为机器学习的开发人员和数学科学家提供了数据预处理、特征工程、模型选择、训练、调优和部署的一站式平台。

无服务器服务简化运维方面，单车每日传感器收集的数据达到GB级别，支撑大规模车联网数据的快速处理、存储需要一个弹性扩缩的软件架构去支撑。Amazon Lambda帮助车企根据实际业务量实现弹性扩缩容，为实时数据、流数据的分析处理提供充足的算力资源。

如何在底层向软件定义汽车的架构转型，真正能做到软件和硬件的解耦，对于车场来说，技术路线选型要考虑很多方面：芯片和构建跨车和云的软件定义的汽车开发平台。

当前，亚马逊云科技积极布局，与行业内的软件定义汽车的领导企业联合开发软件定义汽车平台。

例如，参与ARM 发起的SOAFEE组织（Scalable Open Architecture for Embedded Edge，嵌入设备可扩展开放架构）。基于SOAFEE框架，利用ARM公司开源的混合关键编排器组件，就可以在车端及云端分别基于容器去构建车云对等的软件开发环境。

“亚马逊云科技云端有采用自研Graviton2/3 CPU的基于ARM Core的算例资源，而车端很多车企也是采用ARM 芯片，这会对构建一个车云对等的软件开发环境带来极大的帮助，云端开发测试的应用在车端可以无缝部署。”顾凡说。

值得一提的是，亚马逊云科技也为车企提供了一项托管服务Amazon IoT FleetWise，可以更轻松、更经济地收集数百万辆汽车的数据并实时上传到云端，最重要的是可以定制化地选择要采集的数据。在车辆网关上安装Amazon IoT FleetWise 代理即可。Amazon IoT FleetWise 為软件定义汽车在车端数据采集上云方面极大地降低了门槛。

写在最后

“亚马逊云科技的定位是赋能和开放，我们不做车，只是去帮助车企扬长避短，加速数字化转型。作为创新的引领者、技术的赋能者以及行业的实践者，亚马逊云科技将加速布局，赋能汽车行业客户进一步提升竞争力，在汽车‘新四化的征程中建立自己的护城河。”顾凡透露，在 “2021亚马逊云科技中国峰会”上，亚马逊云科技宣布发起“汽车行业创新加速计划”，联合多家汽车行业产业链代表性企业，重塑汽车产业价值链。2022年下半年，亚马逊云科技也即将在苏州设立“亚马逊云科技智能网联数字化赋能中心”。

如今，亚马逊云科技已经拥有100 多家专注于为汽车客户提供服务的合作伙伴，在自动驾驶、车联网、软件定义汽车、市场营销、制造与供应链领域，持续、深入地服务着汽车行业客户不断升级的业务需求。”