亞馬遜云科技：我們不做車，賦能和開放才是根本

王永

“作為云廠商，我們會跟非常多的車廠和客戶合作，我和我的團隊每天也會在思考一個基本的問題——車聯網、軟件定義汽車以及車云一體化等熱詞背后趨勢對于整車廠客戶意味著什么，客戶未來轉型的方向是怎樣的，以及轉型的過程，亞馬遜云科技又能夠幫到客戶做些什么？”亞馬遜云科技大中華區戰略業務發展部總經理顧凡在接受筆者的采訪時表示，原來整車廠的業務模式都是聚焦在賣車，通過買車的行為完成車廠和客戶之間的價值交換。未來很多整車廠正在探索一個新方向——把車廠和客戶之間的價值交換的點，真正從賣車的瞬間延長到用戶使用車的整個生命周期，從而可以在整個生命周期里給客戶不斷提供增值的服務。

事實上，無論是自動駕駛、車聯網，還是軟件定義汽車，整車廠都希望能夠跟客戶直接互動，獲取更多的數據，通過數據來指導車輛生命周期里如何提供客戶真正會買單的服務。一個比較好的例子是特斯拉，其已經在提供按月訂閱的自動駕駛服務了。

不過，對于客戶來說，想要實現提供車輛全生命周期的服務的目標，以終為始反向思考，其技術路線需要考慮三個方面：新的集中化的汽車電子電氣架構，提升車端算力；軟件定義汽車的開發平臺，跨車和云去做大量的軟件開發工作，從服務功能的角度不斷去給客戶提供新的價值，讓服務型軟件成為整車廠價值差異化的關鍵；更好的基于數據驅動的開發流程去更高效地開發車聯網、自動駕駛服務等軟件。

“為什么現在很多車廠都會打造出行平臺，除了獲取新的收入來源，更重要的是，作為車廠積累運營服務業務和大數據分析方面的經驗。”顧凡表示，整車廠有自己明顯的優勢，比如市場保有量、品牌知名度、產品線豐富度、產品的影響力、銷售服務渠道等。但當他們面臨“新四化”的趨勢時也需要技術上的支持：比如軟件開發能力、軟件的迭代速度、DevOps、算法、軟件應用的生態構建過程。

顧凡強調，亞馬遜云科技從汽車的研發、創新、生產制造、供應鏈到市場營銷，再到智能網聯，再到終端用戶的服務和應用，都在助力汽車行業產業鏈的創新加速和轉型。尤其是在自動駕駛、車聯網和軟件定義汽車三個比較典型的領域，亞馬遜云科技通過技術的賦能，在汽車“新四化”的征程中建立自己的護城河。

具體來看，按照麥肯錫的報告，到2040年，自動駕駛汽車和相關的移動出行市場會達到2萬億美元，這是非常大的市場。不過，從行業最初承諾的自動駕駛成熟度和今天看到的現實相比，還是有很長的路要走。自動駕駛領域也在經歷從早期的實驗，到中長期的規模化生產的過渡。

從技術層面來看，自動駕駛是基于深度學習不斷進行迭代的，所以自動駕駛軟件一定是基于數據驅動的閉環反復迭代。基于深度學習的自動駕駛開發流程就是一個數據驅動的端到端的開發流程：數據采集->數據存儲->數據的預處理和分析->數據標注->模型訓練->仿真驗證->部署發布。

當自動駕駛的測試車運行的過程中各類的傳感器、攝像頭、激光雷達、毫米波雷達會產生大量數據，每天每車數據量會達到TB級別。此時，海量的數據和傳輸成為客戶必須解決的問題。

“數據開始存在車載硬盤里面，拔出硬盤將數據放到本地數據中心，然后通過Amazon Direct Connect網絡專線或是Amazon Snowball移動存儲，快速把數據上傳到亞馬遜云科技，放在Amazon S3。”顧凡表示，對于客戶來說，數據采集最核心的問題還是在于定制化。Amazon IoT FleetWise，就可以使得用戶無需開發自定義數據收集系統即可訪問車隊范圍內的標準化車輛數據；通過智能篩選功能將所需的準確數據發送到云端，從而降低成本并實現更高效的數據傳輸；這項服務可以近乎實時地提供車輛運行狀況數據，從而更快地檢測和緩解問題，幫助防止潛在的召回，并遠程協助客戶。

此外，Amazon S3提供了云里面最豐富的存儲分級，共有8個層級，當用戶將車端采集的數據放在Amazon S3上面的時候，就可以根據數據所處的不同溫度，從頻繁訪問的熱數據到應該深度歸檔的冷數據，可以存放在不同的層級，目前是達到最優的成本。

針對客戶的數據管理與分析需求，借助具有近乎無限擴展能力的Amazon S3構建自動駕駛數據湖，實現數據采集、數據管理和分析、數據標注、模型和算法開發、仿真驗證、地圖開發以及DevOps和MLOps，車企就能更加容易地實現自動駕駛全流程的開發、測試和應用。

復雜模型開發與訓練領域：在數據標注環節，通過Amazon SageMaker Ground Truth能夠輕松完成各種車輛、場景和用戶數據的自動化標注，創建符合要求的訓練機器學習模型的高質量數據集。

云上仿真大致有兩種形式：統一架構：亞馬遜云科技通過統一、彈性可擴縮的系統架構滿足日志回放和模擬仿真兩種業界流行的仿真模式；超大規模仿真：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，最多可節省90%的成本；Amazon S3 作為仿真系統使用的持久性存儲，可以近乎線性的匹配計算實例的規模并支持水平縮放；Amazon Fsx for Lustre可作為EC2 實例組成的HPC集群和S3持久存儲中間的緩存，為大規模仿真系統提供最極致的吞吐量和IOPS。

“未來不是靠賣車一次性地做價值交換，而是幫客戶在車的生命周期里面提供服務，這就需要客戶的數據鏡像，這來源于客戶的直接互動，獲得更多的觸點。而車聯網是這一切的基礎。”顧凡表示，無論是娛樂服務、出行服務，還是商業服務，車聯網有機會成為這三個互聯服務生態領域里重要的拼圖。

車聯網數據應用三大場景：營銷運營、產品改進、為用戶提供服務，三大場景都離不開大數據及大數據分析，數據上云后可以利用Amazon S3去構建數據湖以及采用云上的各種托管分析服務。

同時，車企在全球布局車聯網時面臨五大挑戰：如何選擇跨越全球的設施為數百萬輛汽車統一部署車聯網服務，如何保證業務在全球范圍內的合法合規，如何建立全面的服務體系來打造有競爭力的客戶體驗，如何挖掘數據為客戶提供增值服務，如何構建面向未來的彈性敏捷架構來應對車聯網的快速發展。

針對客戶的需求，亞馬遜云科技可以實現在全球資源、安全合規化和數據安全、全面的服務體的基礎之上，增加了數據增值服務和無服務器服務簡化運維，構建彈性敏捷的車聯網架構。

其中數據增值服務，亞馬遜云科技為主機廠的新能源車電池提供了一套故障預測的工具鏈，包括數據存儲工具、數據分析工具、模型處理工具和數據展示工具，幫助主機廠加速BMS（Battery Monitoring System）故障預測的機器學習開發流程，安全地在云端管理TB級別的電動車電池數據和車聯網數據，同時，基于Amazon SageMaker服務，這個方案為機器學習的開發人員和數學科學家提供了數據預處理、特征工程、模型選擇、訓練、調優和部署的一站式平臺。

無服務器服務簡化運維方面，單車每日傳感器收集的數據達到GB級別，支撐大規模車聯網數據的快速處理、存儲需要一個彈性擴縮的軟件架構去支撐。Amazon Lambda幫助車企根據實際業務量實現彈性擴縮容，為實時數據、流數據的分析處理提供充足的算力資源。

如何在底層向軟件定義汽車的架構轉型，真正能做到軟件和硬件的解耦，對于車場來說，技術路線選型要考慮很多方面：芯片和構建跨車和云的軟件定義的汽車開發平臺。

當前，亞馬遜云科技積極布局，與行業內的軟件定義汽車的領導企業聯合開發軟件定義汽車平臺。

例如，參與ARM 發起的SOAFEE組織（Scalable Open Architecture for Embedded Edge，嵌入設備可擴展開放架構）。基于SOAFEE框架，利用ARM公司開源的混合關鍵編排器組件，就可以在車端及云端分別基于容器去構建車云對等的軟件開發環境。

“亞馬遜云科技云端有采用自研Graviton2/3 CPU的基于ARM Core的算例資源，而車端很多車企也是采用ARM 芯片，這會對構建一個車云對等的軟件開發環境帶來極大的幫助，云端開發測試的應用在車端可以無縫部署。”顧凡說。

值得一提的是，亞馬遜云科技也為車企提供了一項托管服務Amazon IoT FleetWise，可以更輕松、更經濟地收集數百萬輛汽車的數據并實時上傳到云端，最重要的是可以定制化地選擇要采集的數據。在車輛網關上安裝Amazon IoT FleetWise 代理即可。Amazon IoT FleetWise 為軟件定義汽車在車端數據采集上云方面極大地降低了門檻。

寫在最后

“亞馬遜云科技的定位是賦能和開放，我們不做車，只是去幫助車企揚長避短，加速數字化轉型。作為創新的引領者、技術的賦能者以及行業的實踐者，亞馬遜云科技將加速布局，賦能汽車行業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。”顧凡透露，在 “2021亞馬遜云科技中國峰會”上，亞馬遜云科技宣布發起“汽車行業創新加速計劃”，聯合多家汽車行業產業鏈代表性企業，重塑汽車產業價值鏈。2022年下半年，亞馬遜云科技也即將在蘇州設立“亞馬遜云科技智能網聯數字化賦能中心”。

如今，亞馬遜云科技已經擁有100 多家專注于為汽車客戶提供服務的合作伙伴，在自動駕駛、車聯網、軟件定義汽車、市場營銷、制造與供應鏈領域，持續、深入地服務著汽車行業客戶不斷升級的業務需求。”