首页 - 财经 - 互联网金融 - 热点关注 - 正文

汽车云算力“竞速”,个性化进阶成新风向

来源:未央网 2022-11-21 14:37:10
关注证券之星官方微博:

(原标题:汽车云算力“竞速”,个性化进阶成新风向)

随着产业互联网的持续推进,云服务逐渐深入各行各业,云服务厂商也专门推出各种面向特定行业的专属云,比如金融云、零售云、政务云等等。如今云服务厂商正把焦点深入到汽车领域,围绕“汽车云”展开新的角逐。

今年以来,先是火山引擎推出以云为底座的产品解决方案(含汽车云),后是BATH陆续推出自己的汽车云解决方案,其中一直占据前排位置的阿里云,更是对外宣布了它与小鹏汽车合作的自动驾驶智算中心“扶摇”,并借此推出了其全套的汽车云解决方案,一时之间汽车云成了众巨头扎堆之地。

巨头加速入局汽车云

从行业现实情况来看,当前汽车云尚且处于技术应用初期阶段,可以发挥的空间极为广阔,大厂云集于此并不令人感到意外。

从需求端来看,随着智能汽车的大规模进入市场,汽车厂商基于数据存储、处理、应用的需求快速攀升,云服务已经成为了汽车厂商们的刚需。据英特尔统计,一辆智能网联汽车的数据处理量高达3.9TB,每一辆自动驾驶联网车辆每年产生的数据将达到PB级,而当车企销售出数十万甚至上百万智能汽车的时候,其数据量将是从PB级别到ZB级的增长,十分消耗车企在数据获取、存储和计算上的资源。

据来自工信部的数据显示,今年上半年,国内具备组合驾驶辅助功能的乘用车销量超288万辆,渗透率升至32.4%,同比增长46.2%,预计未来3-5年国内市场的智能车出货量将会达到千万级别,这种情况下智能汽车想要维持较好的用户体验,就需要来自“云”的支持。

从供给端来看,尽管参与者不乏一些车企,但从云服务行业自身重资产、重研发的特质来看,技术积累更深厚、更擅长软件技术的云服务厂商,更适合当下智能汽车市场爆发的状况。

近年来,在汽车加速“云化”的过程中,包括蔚来、吉利、上汽等车企,都有参与数据、云服务的相关动作。放在整个行业来看,车企参与云服务建设,固然有利于整个行业的发展,但是否划算就另当别论了。毕竟,车企自建云服务基础设施不仅需要大量资金投入,更需要技术支持,自己做汽车云显然难度不小。相比之下云服务厂商具备更好的技术和资源,无疑是当下车企“上云”的更佳选择。

此外,汽车云是云服务厂商们当前面临的为数不多的重要增量场景,各路云巨头自然是志在必得。近年来在外部监管收紧、互联网流量红利见顶的情况下,云巨头们均面临增速放缓的窘境,而汽车云作为新兴领域,伴随着智能汽车的爆发正展现出无限的增长潜力,是为数不多的增量市场,这自然引得各方垂涎。

算力比拼成新焦点

在海量数据以及超低时延技术的需求之下,当下智能汽车计算量正在呈现出指数级倍增的趋势,尤其是人工智能在自动驾驶、车联网等场景的广泛应用,正在促使汽车的智能座舱日益成为一个高性能计算平台。在此背景下,算力比拼日渐成为车企在智能汽车领域赢得优势的关键。

一来,智能汽车典型的应用场景如自动驾驶,本身产生的数据体量庞大、类型复杂,因此运行起来很“吃算力”。对于自动驾驶场景来说,厂商需要海量的数据来做数据标注、大模型训练、仿真测试等工作,这些应用场景都需要巨大的算力资源提供底层支撑。有相关数据显示,自动驾驶级别每提升一级,算力需求至少提升十倍。

当下,车企围绕数据模型训练、仿真测试已经产生了巨量的算力需求,而从仿真测试到封闭场地测试再到开放道路测试,还会产生巨量的算力需求,并且伴随着自动驾驶进入城市场景中,基于复杂现实场景还会衍生出新的算力需求。

二来,随着汽车应用场景化、服务化不断延伸,汽车新生场景还在继续产生难以计数的数据量,迫使汽车不断提升算力以应对不断提升的“算力消耗”。除了众所周知的自动驾驶场景之外,近年来随着智能座舱和车联网技术的不断发展,座舱产品智能化不断升级,芯片和算法等性能同步提升,一芯多屏、多屏互融、立体式虚拟呈现等技术普及,相应地其所需要的算力资源也在提升。

另外,车联网技术不断发展,人、车、路、云全方位连接,催生出了大量应用服务,进一步覆盖了网联汽车后服务、智能出行服务等多个环节,这些应用都在催生新的算力需求。

谋求战略聚焦的阿里云

总的来看,对于汽车云市场,外界的一众云巨头都已经动起来了,但在投入的侧重点上各方却有所不同。相比其他云厂商,阿里云对于汽车云的投入更加聚焦场景,其应用主要集中在自动驾驶云、营销云、智造云三朵云上。

在自动驾驶方面,阿里云充分发挥其在数据挖掘以及产品闭环迭代方面的优势,帮助车企提升自动驾驶研发效率、降低研发成本。

对于整车厂而言,如何从海量的数据中挖掘出价值数据以优化算法,是其能否高效推进自动驾驶产品迭代的关键。而绝大多数主机厂在感知模型训练、仿真测试和研发工具链上仍存在痛点,且无法通过传统的数据中心得到解决,这些痛点短期内或可克服,但长期来看必然离不开汽车云服务作为强“外援”,以超强算力、智能策略、端对端的工具链服务,以及深度业务赋能能力实现自动驾驶技术迭代与落地。数据显示,云服务能够将算法训练效率提升10倍以上,数据处理成本降低50%,在提升自动驾驶的迭代效率、增强自动驾驶安全性方面意义重大。

典型的例子是“扶摇”。今年8月,小鹏汽车和阿里云宣布在乌兰察布建成国内最大的自动驾驶智算中心“扶摇”,专用于自动驾驶模型训练。按照小鹏的说法,“扶摇”是全国最大的自动驾驶智算中心。基于阿里云飞天智算平台,“扶摇”自动驾驶模型训练提速近170倍。同时,智算中心的 PUE(年均能耗电力电源使用效率)低于1.2,降本增效十分显著。

在智能制造方面,借助其在数字孪生、智能计算、辅助决策和在线协同等方面的能力打造数智工厂,推动智能汽车生产的数字化、智能化水平。随着智能汽车时代的到来,智能汽车的生产流水线也在全面向智能化升级,基于云计算、数字孪生的智能制造日渐成为一种潮流,而由阿里云与机械工业九院联合为一汽红旗打造的汽车数智工厂—繁荣工厂正是此中代表。

其通过将近2万台设备实时在线,实现了五大车间的数字孪生实时联动,在国产自研的数据采集与监控平台上,算法帮助焊装车间实现了焊点合格判定准确率提升到97%;涂装车间的空调能耗节约9%,漆膜质量预测准确率提升到91%。

在智能营销方面,充分利用阿里生态的数据智能和数字人等技术,提升车企的营销投放精准度和流量转化效率,降低车企营销成本。阿里云“营销云”基于瓴羊的数据智能和达摩院的数字人等技术能力,整合阿里巴巴集团的生态资源,可高效触达1.3亿规模的汽车意向人群,相比传统投放有约60%人群增量;同时通过打造全链路销售漏斗,实现营销业务端到端数字化运营,帮助车企提升会员数量、提升用户体验、提高转化率和订单数量。

目前,一汽奥迪的销售公司已基于阿里云“营销云”建设内容中台,构建超过170个内容标签,内容日均活跃度超过10万。一汽红旗的营销部门基于“营销云”将品牌线索转化率提升超过10%,线索运营成本降低30%。总的来看,基于以上三朵云,阿里云很好地实现了帮助车企造好车、卖好车的愿景。

汽车云下一站:从“服务”向“共生”转变

从行业来看,无论是算力支持还是应用支持,车企与云服务厂商之间的关系早已不再只是简单的“采购商与供应商”的关系了,如今两者更像是“共生”的关系。从这个意义上来说,阿里云的汽车云战略或具有广泛的示范意义。

在内容上,阿里云积极响应“车云融合”的行业变化趋势,兼顾车企的多重技术诉求,在安全、高效的基础上夯实产业基础打造产业合力。

在技术日新月异、行业变化天翻地覆的今天,智能汽车的制造已经远远超出了单一整车厂以及云服务厂商的能力范畴,变成了一个需要全行业共同参与的事情。而对于车企而言,如何在推动自身技术发展的同时,做到技术自主可控、产品迭代高效、数据安全可信,就成了一个现实问题。阿里云积极与汽车厂商探索“共创共生”的模式,通过加强沟通、对齐需求、释放大数据的生产力,从而成功激发出汽车云服务赋能智能网联业务发展的化学反应,很好地形成了产业合力。

在服务范围上,阿里云一改过去行业内,做单一的“小而美”的服务或“大而全”的泛生态化服务,转向刚性需求做深做精垂直领域,帮助车企破解痛点难题。从行业来看,“汽车云”可以分为两大类:一是上文提到的自动驾驶、车联网、车路协同等落地应用场景;二是针对车企数字化转型,满足数字化管理和供应链协同需求,覆盖生产、管理、营销等环节。

过去行业内的汽车云玩家,要么针对其中的单一环节,要么针对泛生态的产业链进行布局,对车企的刚需、差异化、定制化需要则关注不足。而阿里云则重点聚焦智能汽车的生产制造、自动驾驶以及销售这三大刚性需求做深做精,重点解决好当前车企关心的“造好车、卖好车”的诉求。

在模式上,阿里云深刻洞察主机厂倾向于从“授人以鱼”到“授人以渔”的技术反哺需要,通过多种技术手段帮助车企实现从“造车到卖车再到智能化升级”的全生命周期需要,陪伴车企共同成长。

不难预见,随着行业的不断发展,产业融合的不断深化,行业将愈发呈现出开放包容的发展趋势,车企与云服务厂商的关系,也将越来越呈现出“共创共生”的新特点。作为其中的参与者与推动者,阿里云也将成为“车云共创共生”的最大受益者。

本文系未央网专栏作者:刘旷 发表,内容属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!
微信
扫描二维码
关注
证券之星微信
APP下载
相关股票:
好投资评级:
好价格评级:
证券之星估值分析提示海量数据盈利能力一般,未来营收成长性较差。综合基本面各维度看,股价偏高。 更多>>
下载证券之星
郑重声明:以上内容与证券之星立场无关。证券之星发布此内容的目的在于传播更多信息,证券之星对其观点、判断保持中立,不保证该内容(包括但不限于文字、数据及图表)全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关内容不对各位读者构成任何投资建议,据此操作,风险自担。股市有风险,投资需谨慎。如对该内容存在异议,或发现违法及不良信息,请发送邮件至jubao@stockstar.com,我们将安排核实处理。
网站导航 | 公司简介 | 法律声明 | 诚聘英才 | 征稿启事 | 联系我们 | 广告服务 | 举报专区
欢迎访问证券之星!请点此与我们联系 版权所有: Copyright © 1996-