11月12日，第三十一届中国汽车工程学会年会暨展览会(SAECCE 2024)在重庆开幕。会上发布了《2025年度中国汽车十大技术趋势》，并宣布正式成立汽车行业国家级创新平台联合体。
腾讯智慧出行副总裁钟学丹出席“新汽车创新方法与实践”论坛，发表主题为《汽车数字化新基建的思考与实践》的演讲。他表示，随着汽车进入“AI驱动”的时代，数据质量和规模直接影响到了车的智力水平，数据闭环能力成为汽车智能化的核心“增长飞轮”。
钟学丹表示，腾讯专注于为合作伙伴做好“冰山之下”的数字基建，搭建车云一体的数据闭环能力，让OEM全力聚焦在智能驾驶、智能座舱和EE架构等“水面之上”的核心能力上，并形成自己独特的优势和体验。目前，腾讯已经与多家车企合作展开落地实践。
“AI驱动汽车”时代，数据闭环能力落地的核心挑战
智能汽车经历了硬件构建、软件定义两个时代，正在迈向AI驱动的时代。硬件构建了单车智能的基础计算和协同能力架构，软件定义则让智能化更加灵活多变，而AI驱动正在让智能可以持续进化。随着智能汽车渗透率和数据量的快速增长，落地数据闭环能力也面临着一系列挑战。
首先，如今上千万量级的量产车遍布全国，大量实时海量数据处理和交互需求，对于网络的接入质量、稳定性能、分布式云的能力都提出了更高的要求。其次，从基础的信号数据到感知数据，当这些海量数据汇总到云端后，将给传统的基础设施带来巨大挑战。在云上，需要处理PB甚至EB级的数据，原有的存储、计算等基建性能，难以应对快速拓展的数据规模。第三，随着模型复杂度越来越高，传统的V字型软件开发模式很难适用于数据闭环，影响迭代效率。当下研发之间交互的是数据以及模型，需要有对应的工具能快速串联数据接入-标注-训练-评测等环节。最后，汽车行业的安全合规要求，正在从通用性要求走向专业性要求，在近几年，已经陆续颁布了数十项规定，安全合规方面的要求更加严苛。
在这样的背景下，构建车云一体、以AI加持的数据闭环，对海量数据进行更高效的收集、存储、处理和分析，将成为智能汽车的核心“增长飞轮”。
“车云一体”数据闭环的五大支柱能力
数据闭环是横跨车端和云端的体系化能力，从车端的数据采集，到通过网络传输上云，再到云端进行数据和算法的处理，进而迭代新的能力下发到车端，实现功能升级，整个的链路非常长且复杂。车云一体数据闭环背后需要五大支柱能力：车端数据解决方案、云基础设施、云上的数据平台、AI Infra算力平台以及端到端的安全及合规方案。
在车端，腾讯提供一站式的数据解决方案，囊括了车端数据采集、数据脱敏处理，以及数据上传和数据下行通道，可以在车云两端进行高效率的海量数据交换。目前，腾讯帮助某车企打通了“车图云”端到端链路，车端感知到的道路交通变化，可以在云端实现秒级捕捉、分钟级下发更新。通过“云端建图”的方式，进一步释放车端算力，同时多乘大数据融合算法进一步提升地图准确率，地图数据要素平均准确率提升至99%，智能驾驶复杂路口通过率提升了20%。
在云基础设施方面，腾讯云在华东、华北两地设立了专为汽车行业量身定制的云专区，机房与网络独立于公有云，但与公有云同源、同架构，且数据全流程遵从国家对于自动驾驶数据安全合规要求。目前，腾讯是唯一具备“双专区”架构的云厂商，进一步提升了保障智能驾驶业务的连续性。
在云上数据处理平台方面，腾讯推出了资料类的数据产品，在原始的采集资料上进行预处理加工后形成，可以用于BEV路口训练的真值、端到端模型训练等。相比于从零开始采集并且加工数据，直接采购数据可以大幅提高研发效率。在BEV真值数据应用场景中，自动化标注率提升了10倍，标注成本降低90%。此外，腾讯还推出了数据万象服务和向量数据库等产品，通过腾讯的检索式数据挖掘能力，使合作伙伴基于图片和文字进行更加精确的需求定义和检索，直接从海量数据中把所需数据高效搜索出来，时效性由周级提升到了秒级。
在AI Infra方面，腾讯可以提供高性能的算力集群，全面适配异构芯片，为自动驾驶提供更强大的算力资源。同时，腾讯为车企大模型训练提供了完备的工程工具，例如开箱即用的机器学习TI平台，全面支持一键调用多种领域的预训练大模型，可实现2倍以上的推理加速。
在合规和安全方面，腾讯在过去二十多年的移动互联网领域积累了大量的安全和合规实战经验，拥有400+项国内外各类专业认证，已为20余家车企提供网联汽车安全解决方案，输出多个国际级网联汽车安全研究成果，能够在云、管、端全方面兼顾安全合规与数据闭环运行效率。腾讯的数据闭环方案符合最新的合规监管要求，可以实现一站式合规作。
通过这一整套“车云一体”的数据闭环，可以有效提升整个数据链路的运行效率，降低开发运维难度和成本，加速应用创新和发布速度，并且降低实施落地的风险。
钟学丹表示，目前，已经有100家车企与出行科技公司与腾讯展开合作，腾讯始终专注于做好“冰山之下”的基础设施，让汽车行业伙伴能够全力聚焦在核心能力的进化上，更专注于上层的智能化应用创新，专注于模型和算法的迭代，专注于用户体验的持续完善。
