Sino-Bridges：汽車行業轉型升級之路(32頁).pdf

《Sino-Bridges：汽車行業轉型升級之路(32頁).pdf》由會員分享，可在線閱讀，更多相關《Sino-Bridges：汽車行業轉型升級之路(32頁).pdf（32頁珍藏版）》請在三個皮匠報告上搜索。

1、 1. 數字化推動汽車產業進入“軟件定義”時代 02 1.1 全球汽車市場四大顛覆性趨勢 03 1.2 傳統車企的迷思與前瞻 04 1.3 未來軟件定義汽車成為趨勢 05 2. 中國汽車制造業現狀及發展前景 06 2.1 中國汽車制造業在全球潛力無限 06 2.2 中國新型汽車行業三大主力 07 3. 釋放數據潛能，打造具有全球競爭力的車企 08 4. 中國車企數字化業務升級典型場景和解決方案 10 4.1 車聯網典型場景與方案 10 4.2 自動駕駛典型場景和方案 14 4.3 移動出行典型場景和方案 19 4.4 智能制造典型場景和方案 22 目錄 汽車行業轉型升級之路 01 在全球數字化

2、浪潮的席卷下， 傳統汽車行業的生產模式、 制造模式、服務模式，都面臨著前所未有的挑戰。這些 挑戰一方面來自基于新數字化技術的新興車企，涉及自 動駕駛、新能源、車聯網等汽車產業新方向，另一方面 則來自共享移動 / 服務商，旨在滿足用戶個性化的用車體 驗。在此番“前后夾擊”的窘境下，如何迎接和平衡四 大顛覆性技術趨勢（車聯網、自動駕駛、共享移動 / 服務 和電動汽車） 所帶來的沖擊， 以及如何直面現階段的不足， 將“軟件定義汽車”和“釋放數據潛能”轉化為自身“涅 槃重生” 的殺手锏， 是值得全球傳統車企仔細思量的問題， 當然中國車企也不例外。 中國汽車市場無論是銷量還是利潤都有著無限發展潛力。 但

3、對中國傳統車企而言卻是無形的壓力，一方面，優質 的市場總是能吸引優質的新入者；另一方面，數字時代， 用戶需求升級背后體現的是，用戶從對“汽車本身”的 注重轉向對“服務體驗”的需求提升。面對這些挑戰和 壓力，中國傳統車企向新興車企和出行服務商轉型成為 必然趨勢，那么，如何通過軟件定義和數據價值挖掘， 推動傳統汽車產業鏈實現重構與外延的同時，助其全面 提升自身的數字化和智能化水平，以及全球競爭力，是 本報告內容的核心所在。 前言 汽車行業轉型升級之路 02 全球汽車行業正在從傳統的單純汽車生產和銷售模式迅速向“汽車即服務”轉型。傳統汽車產業的典型特征 之一就是重資產，以大批量生產營銷模式為主。從汽

4、車零配件、整車生產到汽車 4S 店銷售，包括后期汽車 維護等環節，往往都是相對獨立運營。進入數字化時代，新興的汽車產業，通過以優化體驗和快速迭代為核 心的數字化協作和智能制造，縮短產品迭代周期，同時改變傳統汽車產業鏈價值分配，顛覆汽車市場格局。 正如麥肯錫所述 (1)， 汽車行業正快速從硬件驅動機械產品向軟件驅動電子產品轉型。共享移動、車聯網、自 動駕駛和電動汽車將形成汽車行業新的創新力，到 2030 年，軟件對汽車行業總產值的貢獻將達到 30% 。 中橋調研咨詢認為，在向軟件定義汽車轉型過程中，數據和軟件成為提升車企競爭力的“殺手锏”，更提高 了中國車企在汽車產業鏈重構過程中的生存能力和出海

5、發展空間。 數字化推動汽車產業進入 “軟件定義”時代 1 汽車行業轉型升級之路 03 1.1 全球汽車市場四大顛覆性趨勢 當前汽車行業，車聯網、自動駕駛、共享移動 / 服務和電動汽車已成為全球范圍內四大顛覆性技術趨勢。 車聯網：數據的交互處理速度和低延遲直接決定著車聯網的用戶體驗，甚至用車安全。車聯網 包括車內聯和車外聯，并產生巨大的數據量。僅就車內聯而言，配備上百個傳感器的汽車每天 產生的數據可達 TB 級，而智慧出行和自動駕駛等車外聯需求更使數據量飆升。再者，車與車、 車與云的連接，以及與攝像頭和雷達等設備的車外聯，導致每輛車每天產生的數據大幅增加。 Gartner 的市場報告預測，到 2

6、020 年底，將有超過 2.5 億輛聯網汽車，所帶來的數據量增長 更將達到 EB 級。因此，加速車內聯和車外聯融合，確保數據采集、交互、分析、事件驅動的 實時響應以及數據安全，是決定車聯網服務升級的關鍵。 自動駕駛： SAE 美國汽車工程師學會將自動駕駛分為 5 級。就目前全球范圍而言，L1 駕駛支 援和 L2 部分自動化均已實現，L3 有條件自動化是現階段大多數車企的共同目標，而下一個重 要階段則是實現 L4 高度自動化，即長時間適當的不干擾駕駛，最終是 L5 完全自動化。大數據、 人工智能、邊緣計算，以及低延遲和數據安全是自動駕駛的技術基礎。預計到 2030 年，將有 多達 15% 的汽車

7、出行采用全自動駕駛（2），呈現全新的出行服務體驗。自動駕駛將進一步推動 數字化出行服務市場的細分和汽車后服務能力的提升。 共享移動 / 服務：目前，全球普遍存在著車輛出行效率低、使用率低等問題。如何從高“擁車” 率向高“用車”率轉型，催生了共享經濟在汽車行業的發展。預計到 2030 年，共享汽車占比 將達到 10% （3），這將加速傳統車企實現 B2C 和共享出行應用的整合。同時，消費者對移動 出行服務、商用車個性化配置（例如：會議商用車、旅游商用車）、車內數字化娛樂的需求將 日益旺盛，由此車輛數據變現服務也將逐漸形成。 電動汽車：有數據顯示，預計到 2040 年，全球 33% 的汽車將是電動

8、汽車。電動車占新車銷售 比將從 2021 年的 4% 上升到 2040 年的 54%（4）。就 2018 年而言，中國電動車占全球電動 車 51% 的市場份額，年增長 69%。電動汽車在吸引新興車企入市的同時，也催發了中國電動 汽車的出海潮。同時，全球領先的電動汽車廠商，針對汽車和出行服務的縱向產業鏈資源整合， 將顛覆傳統汽車的產業格局。 汽車行業轉型升級之路 04 1.2 傳統車企的迷思與前瞻 在以上四大顛覆性技術趨勢下， 以特斯拉、 谷歌等為代表的 “顛 覆者”推出了一系列新興汽車產品和服務，給傳統車企的未來 發展帶來嚴峻挑戰。如何通過跨界融合、技術收購或并購，實 現向數字化、智能化轉型成

9、為傳統車企的首要任務。 轉型的關鍵是將戰略重點從傳統的以 “車” 為核心， 轉向以 “人” 為核心， 充分利用大數據、 物聯網和人工智能等數字化新技術， 逐步順應四大顛覆性技術趨勢。一方面，通過業務創新和服務 升級，快速響應客戶需求，優化汽車生產、銷售與服務全流程， 通過實時數據集成和智能交互系統，全方位滿足客戶的個性化 需求；另一方面，充分挖掘數據價值，釋放數據潛能，從而實 現數據驅動業務創新。預計到 2030 年，汽車生成的數據將有 可能形成 4500 億 7500 億美元的市場（5）。在這一轉型過程 中，傳統車企無論是生產運維、產業鏈協作、產品和功能開發， 還是車聯網方面，面臨以下挑戰：

10、 孤島式生產運維：由于傳統車企在產品研發設計、生產制造、銷售服務等環節一般采用分步驟 實施信息化的方式，這就導致不同應用往往采取不同的架構，從而帶來大量的數據孤島。因此， 傳統車企轉型的第一步就是通過業務系統的整合升級，橫向打通設計、生產、銷售、服務全流 程及上下游產業鏈，消除數據孤島，實現數據的互聯互通。并通過實時大數據分析，最大限度 地釋放數據潛能，為業務帶來洞察，實現業務全流程的統一化、自動化、精細化和智能化管理。 產品設計周期長：傳統車企的產品設計周期長，其研發設計更注重成本而非客戶體驗。在汽車 行業向服務化和智能化轉型的大趨勢下，新的智能功能和服務需求的更新周期越來越短，而且 還要根

11、據客戶需求進行定制化生產。傳統車企的設計流程往往無法支撐以數字為核心的創新需 求，需要通過仿真設計、跨地域協同設計來縮短機電一體化工具和模具的開發調試周期，在用 戶需求的基礎上通過大數據快速開發部署具有地域性或群體性的定制化功能，從而加速數字化 汽車產品的研發與功能迭代。 產業鏈亟需合作創新：傳統車企的產業鏈上下游之間（如上游的零部件生產商和下游的 4S 店）， 往往是相對獨立的個體。產品設計、生產與銷售、服務等相互脫節，導致產品的質量與服務難 以把控，例如：某個零部件的質量問題，甚至某間 4S 店的服務問題，都會直接影響汽車的品 牌與銷量。同時，由于信息缺乏互聯互通，客戶需求無法迅速反饋，上

12、下游廠商和 4S 店無法 在同一平臺上實現協同創新，以及資源的優化配置和集中管理。因此，在保證各自業務數據所 有權和安全性的前提下，構建產業生態平臺，打通產業鏈上下游，實現協作創新和技術升級， 通過車聯網、出行服務提升客戶體驗，成為傳統車企實現轉型的關鍵。 汽車行業轉型升級之路 05 1.3 未來軟件定義汽車成為趨勢 20 世紀，汽車行業以發動機和工程技術為核心。到了 21 世紀，數據、軟件和算力 成為汽車產品縮短迭代周期，提升利潤空間的關鍵，同時，傳感器、車聯網和人工 智能讓用戶體驗獲得前所未有的提升與優化。未來的車企，無論業務核心是偏向新 能源 / 自動駕駛汽車生產、汽車應用及服務平臺運維

13、，或是出行服務，都需要全智 能和全連接來快速滿足不斷變化的移動環境。在這個發展趨勢下，汽車已不僅僅是 交通工具， 而將是集辦公、 社交、 娛樂、 支付等為一體的智能空間。 “軟件定義汽車” 成為新趨勢。 對于整個汽車產業鏈而言，尤其是出行服務，“軟件定義”是一個持續演進并不斷 升級的過程。 新型車企通過應用解耦、 服務平臺化和車聯網能夠快速實現服務輸出， 打破傳統車企的“黑盒子”五層架構（即針對單一車企的軟件開發，及軟硬件綁定 的架構）（見圖 1）, 通過中間層提升應用開發和產品迭代速度，綜合云計算和人工 智能帶動整體汽車產業向平臺化和智能化升級。 未來，基于軟件定義的汽車架構將推動整個汽車產

14、業鏈快速實現全智能和全連接， 加速汽車行業向服務型制造轉型。數據和應用成為未來車企生存發展的核心“軟實 力”。 圖 1 基于軟件定義的汽車架構 未來的分層式車載及后臺架構 未來的品牌差異化 / 個性化元素： 云平臺鏈接車內數據及外部環境數據 APP 數量急劇提升 實時決策、無人駕駛 出于整車安全考慮，嚴密監 控附帶應用及模塊 車載娛樂系統要求實現 “即插即用”功能 具備無人駕駛功能，同 時可以通過傳感器融合算 法增強硬件的能力 安全系統具備高容錯能 力 軟件將在堆棧中進一步 向硬件端移動（智能傳感 器） 堆棧橫向集成化 在堆棧中增加新的層 現有層級新層級將得到改善的層級 互聯性 用戶界面 /

15、用戶體驗 應用程序 傳感器執行器電力系統部件 整車 人工智能 / 大數據 中間件層 / 操作系統 電子電器硬件 汽車行業轉型升級之路 06 過去 10 年，中國汽車市場成為全球增長最快的市場，年復合增長率達到 15%，占全球市場增量的 70%（6）。 雖然在 2018 年中國車市銷量首次出現近 30 年來的下滑，但“限購放寬”、城鎮化等政策仍將持續刺激中國 汽車銷量的增長。與此同時，對新興車企而言，未來還擁有著無限發展潛力。 2.1 中國汽車制造業在全球潛力無限 相比發達國家和全球平均水平， 未來中國汽車市場擁有可觀的增長空間。 目前， 中國千人擁車量是150輛左右， 相比美國 (850)、

16、德國（600）、日本（500）和韓國（420）（7）等國家仍有較大的增長空間。另外，城鎮 化和宏觀經濟調控也將促進汽車銷量大幅增長， 預計自2015年到2030年， 中國汽車增量將多達1900萬輛 （見 下圖 2）。 過去幾年，中國汽車市場已呈現明顯的兩極分化態勢。圍繞汽車后服務和移動出行所產生的利潤持續增加， 同時賣車的利潤空間受到擠壓，由此新一輪市場競爭已然拉開帷幕。隨著與汽車應用、服務相關的新興企業 和衍生服務業迅速崛起， 行業整合與跨界協作也在不同領域間火熱展開。 它們在創造新的市場利潤空間的同時， 也在不斷蠶食傳統車企的市場份額。同時，近年來，消費者對移動出行方式的選擇，以及自動駕駛

17、和新能源 技術的日益成熟，都推動了汽車所有權模式向共享模式轉變，并成為智慧出行方式之一，推動智慧城市的落 地與成熟。麥肯錫的研究表明（8），中國消費者對于未來共享無人駕駛汽車的接受程度高達 80%，是德國和 美國的兩倍，再加上政府政策的支持，中國很有可能成為新移動出行模式的先行者。 受益于宏觀經濟因素和共享汽車的增長，到 2030 年，中國汽車銷量將持續增長 圖 2 中國年度汽車銷量 1（百萬輛） 輕型商用車 乘用車 共享汽車 私家車 2030 年，因城鎮化和宏觀 經濟所產生的汽車銷售增量 2015 24 41 2030 2030 年，私家車銷量有所減少 1包括乘用車和輕型商務車，例如貨車和皮

18、卡車；不包括巴士車和其他卡車。 19 39 2 19 5 4 中國汽車制造業現狀及 發展前景 2 汽車行業轉型升級之路 07 2.2 中國新型汽車行業三大主力 除了傳統車企，近年來在中國汽車市場上還涌現出一批以自動駕駛和新能源 為核心的新興車企，以及提供共享出行服務的移動出行服務商，構成了汽車 行業新格局。 傳統車企：即以生產、制造汽車為主的汽車零配件或整車生產 商。這類企業的核心在于生產制造和運營銷售，在向數字化轉 型的過程中， 其所遇到的嚴峻挑戰大多源自以下兩個方面：一， 生產線的自動化和智能化水平低，生產效率低且成本高；二， 生產、運營、銷售等部門間數據孤島嚴重，對數據價值的挖掘 與使用

19、更是缺少安全且高效的IT基礎架構支撐。 面對這些問題， 通過數字化轉型和智能制造，提升生產、運營、銷售等全流程 的智能化水平，加速向服務型制造業轉型，成為傳統車企當下 突出重圍的最佳路線。 新興車企：即更注重汽車“軟實力”，以自動駕駛和新能源為 業務核心的車企， 以及基于車聯網提供應用和服務的科技公司。 這類新興車企往往更注重云計算、物聯網、大數據、人工智能 等新技術的創新與融合，將數據的實時收集、處理與反饋，以 及數據安全視為命脈。面對這類企業，構建跨邊緣、核心、多 云的集中統一管理的大數據平臺必不可少，一方面能夠對不同 傳感器、芯片、應用等端口產生的數據進行統一管理，提升數 據處理的效率和

20、業務運行的敏捷性；另一方面還能夠將不同的 新技術進行融合創新，進而提升企業的創新力和智能化水平。 出行服務商：即旨在滿足消費者出行需求的移動出行服務商。 這類企業的核心要素是：移動平臺、地圖、數據和雷達相關的 應用與服務，以及用戶服務接口。德勤公司預測（9），到 2025 年，車企 20% 的利潤將來自移動出行及相關數據的管理。面 對出行服務和“乘客經濟”的日益繁榮，這是汽車產業鏈重塑 的難得機遇。未來，出行服務將不僅僅局限于即用即付的移動 出行模式，而是能夠為消費者提供車隊服務、保險、廣告、信 息娛樂訂閱、 收費停車、 加油， 以及汽車數據變現等全方位服務。 在此基礎之上，構建以汽車為核心的

21、移動生活圈，將成為車企 利潤的新來源。 汽車行業轉型升級之路 08 設計研發數字化：設計研發數字化，不僅要滿足以新能源汽 車和自動駕駛技術為代表的汽車電動化和智能化的需求， 同時應對汽車產業鏈的分工細化和不斷外延，以及與數字化 新技術融合過程中遇到的挑戰。對于傳統車企而言，不僅需 要建立數字化協作創新平臺，能夠支持異地、跨國以及跨 產業鏈的研發協同，打造數字核心架構，實現研發設計與 ERP、CRM、MES 等系統集成，實現數據的全鏈路交互， 提高設計研發的敏捷性，以及同產業鏈其他環節之間的數據 交互和快速響應；同時需要結合數字孿生 / 仿真技術與汽車 全生命周期管理，利用虛擬和可視化技術加強產

22、業鏈上下游 間的協作與溝通，并輔之以人工智能、機器學習和高性能計 算技術，提高設計研發的智能化和精細化水平。 釋放數據潛能，打造具有 全球競爭力的車企 3 目前，在中國汽車市場，傳統車企、新興車企、出行服務商，形成“三足鼎立”的態勢。未來，隨著數字化 進程的不斷加快，自動駕駛和新能源技術的日趨成熟，傳統車企向新興車企或出行服務商轉型成為必然。而 傳統車企轉型成功與否的關鍵則在于數據。隨著車聯網技術日趨成熟，V2V（車輛與車輛互聯）、V2X（車 輛與基礎設施及其他事物互聯）趨勢逐步深化，通過車聯所收集的數據量將呈幾何倍數增長。收集有意義的 數據并提煉數據價值，從而掌控汽車產業上下游價值鏈動態并挖

23、掘其中潛力，有效變現數據，成為新型汽車 產業必不可少的一環。要釋放數據潛能，實現汽車產業鏈數字化，需要從以下四個方面著手：設計研發數字化、 生產制造數字化、服務體驗數字化和產業協作平臺數字化。 生產制造數字化：生產制造是汽車產業之本，只有生產制造實現數字化和智能化， 才能帶動整個汽車產業擺脫傳統機械加工的束縛。傳統車企向智能制造演進過程中 的起點是，構建車企智能大數據中臺，突破產業鏈的數據屏障。在此基礎上構建汽 車智能工廠，一是要能夠基于云平臺部署大量傳感器，使系統可以不斷抓取、整合、 分析數據，以加強業務決策的可預見性；二是要能夠快速融合人工智能、機器學習、 數字孿生、建模仿真等先進技術，使

24、生產制造流程更加敏捷與智能；三是要構建汽 車產業的智能開放平臺，充分發揮平臺的網絡協同效應，使數據在汽車產業鏈上下 游之間實現無縫交互，助力生產場景實現優化與改進。 汽車行業轉型升級之路 09 產業協作平臺數字化：設計研發數字化、生產制造數字化、服務體驗數字化 這三個維度絕非相互孤立，其交叉可形成高效協同網絡，是汽車業實現創新 轉型的關鍵。但無論何種形式的協同，都需要一個全面且統一的數字化中臺 為支撐，這就是汽車產業協作平臺。一方面借助 5G 和傳感器，實現汽車產 業鏈上下游間的緊密融合，以整車制造商為中心，上到傳感器制造商，下到 應用及服務提供商，提升汽車產業整體價值的同時，使數據潛能獲得最

25、大限 度挖掘；另一方面，通過生態開放開源平臺，快速將各種技術整合轉化為業 務價值，通過模塊化滿足新能源汽車、自動駕駛技術、智能交通運輸系統的 快速開發部署的需求。與此同時，數字化技術作為“粘合劑”，使數字化中 臺更成為未來汽車產業實現“軟件定義”必不可少的基礎性平臺。 服務體驗數字化：針對消費者的體驗優化，主要包括后服務和出行服務兩方 面。對于后服務而言，一方面要借助云平臺、大數據和物聯網技術實現數據 互通，滿足消費者的個性化需求；另一方面借助傳感器、物聯網技術，將維 護維修管理，與產品和服務的生命周期管理相結合，通過對關鍵指標的監測 和分析，實現產品的預防性維修維護，并帶動備品備件的銷售，以

26、創造新的 利潤空間。就出行服務來說，為消費者提供人 - 車 - 路無縫協同的數字化 體驗，不僅需要建立統一的車聯網平臺，持續不斷優化消費者出行場景，提 升服務體驗；還做到 V2X 打通，圍繞車內體驗，打造包括加油、停車、餐飲、 旅游、保險、醫療、生活繳費在內的商業生態圈。 汽車行業轉型升級之路 10 4.1 車聯網典型場景與方案 數字化時代，傳統車企與新興車聯網公司之間 的跨界融合，加速了車內聯和車外聯的技術融 合，也推動了車聯網平臺（圖 3）逐漸成為汽 車產業鏈上的核心元素。具體而言，車內網可 實現車載電器間控制信號及狀態信息在整車網 絡上的傳遞。車外網通過車載終端與外部網絡 相連接，實現車

27、與車、人、路、服務平臺的信 息交換。同時，車聯網的平臺化還外延了傳統 汽車產業鏈，打通產業鏈上下游，實現全產業 鏈的數據交互和協作創新，更通過車險、車隊 管理、車內娛樂，以及車數據變現等衍生服務 觸發汽車產業鏈價值重組，加速汽車制造向服 務型制造轉型。 圖 3 車聯網產業鏈 中國車企數字化業務升級 典型場景和解決方案 4 車載終端設備 交通基礎設施 網絡通信設備 地理位置數 據、 應 用、 系統等軟件 供應商 元器件硬 件制造供 應商 O2O 在 線廣告商 個人用戶 智能終端 設備提供 商 車載終端 設備提供 商 4S店 （汽 車銷售） 整車廠保險公司 設備提供商 車聯網系統 網絡通信 提供商

28、 信息內容 提供商 大數據服務平臺 車聯網 服務平臺 車聯網 設備 TSP+ CAN OBD “端” “管” “大數據” “云” 前裝 后裝 汽車行業轉型升級之路 11 IT 挑戰和需求 無處不在的傳感終端和數據 車聯網采集數據主要來自兩個方面，車輛自身狀態數據和車外環境數據，這些數據不僅類型多樣，且數據 量巨大。這些數據都需要集中存儲，便于數據分析和處理。因此，如何通過構建數據湖，來存儲多類型且 多數據源的數據，并對這些數據進行分類、轉化、查找等操作，是車聯網面臨的一大挑戰。 實時大數據分析 海量的多數據源多類型數據的實時大數據分析，是為用戶提供個性化服務體驗，以及包括車輛安全預警、 事故救

29、援、安全駕駛、道路安全在內的安全保障服務的關鍵。因此，為保證實時大數據分析，車聯網的 IT 架構不僅需要提供穩定的高處理性能， 還要具備靈活的可擴展能力。 同時， 還要保證跨多云的數據統一管理， 以保障大數據分析的高效 。 跨混合云和多云的車聯網協作 隨著汽車產業鏈重構，車聯網不僅服務于“產車”和“用車”方，也成為汽車數據變現、汽車保險等衍生 產業的生態協作支撐。如何通過 API 實現業務的跨界融合，將數據在數據中心（私有云）和公有云之間自 由傳輸和共享，成為汽車產業鏈重構的核心問題。因此，車聯網 IT 系統面臨著數據跨邊緣、核心和云實現 統一透明管理的挑戰。 汽車行業轉型升級之路 12 聯想

30、凌拓解決方案 針對車聯網向融合化和智能化演進的趨勢，以及車聯網支撐產業生態協作和數字化服務輸出的特點，聯想凌 拓提供了車聯網整體解決方案（圖 4）。用戶可以通過模塊化部署，滿足車聯網演進過程中對不同功能的需求， 同時，可以透明地實現對終端數據、數據流，以及各種工作負載的監控管理，讓車聯網成為車企升級和車聯 變現的可靠平臺支撐。 數據湖：聯想凌拓數據湖解決方案借助 NetApp 技術，使用全閃存儲（AFF 和 EF 系列）及對象存儲 （StorageGRID）產品構建聯接多數據源的數據湖，實現 PB 級數據的規?；芾?；通過數據分層按需調整 集群規模；通過存儲策略自動實現數據移動。 實時大數據分

31、析：聯想凌拓實時大數據分析參考架構，支持 Hadoop、Splunk 和 NoSQL，通過 Data Fabric、ONTAP、StorageGRID 實現跨混合云 / 多云的大數據分析。其 IT 基礎設施不僅能夠滿足大數據 分析對高性能和靈活擴展的要求，且無需移動數據或建立單獨的分析孤島，或設定一個單獨的 HDFS 集群， 就可以從 HDFS 切換到 NFS 或與 HDFS 一起運行 NFS，實現外部數據與自身業務數據的統一大數據分析。 此外，聯想凌拓基于快照、SnapMirror 實現跨混合云 / 多云的數據保護，保證了實時大數據分析的順序進行。 車聯網服務及出海平臺：聯想凌拓與 AWS、

32、Azure，以及國內主流云計算廠商合作，提供云存儲服務，讓用 戶可以快速整合任意公有云資源，降低存儲采購，提高出海業務創新能力。同時，OnCommand Insight 為 用戶提供跨多云智能監控管理平臺，保證出海業務合規和安全。聯想凌拓為車聯網提供集成的數據保護，包 括存儲快照、SnapCenter、SnapVault、SnapMirror，進一步確保了用戶的業務安全。 圖 4 聯想凌拓車聯網整體解決方案 Databricks/EMR Data Fabric CVO 數據主權 數據湖統一架構平臺 Hadoop 計算群集 部署在企業數據中心的 Hadoop云端的 AI 歸檔 IoT 數據 邊緣

33、 設備 大數據平臺 HDInsight NFS connector NFS connector NFS connector 汽車行業轉型升級之路 13 解決方案價值 聯想凌拓數據湖解決方案，能夠在數據生命周期內對海量數據進行規?；?、自動化管理，并能夠根據策 略自動在存儲層遷移數據，幫助用戶提高基礎架構使用效率，有效降低開支。 聯想凌拓實時大數據分析參考架構，幫助用戶靈活應對數據激增所帶來的業務挑戰，通過超可擴展、高 并發處理能力提高車聯網數據變現的能力，以及靈活應對市場變化的能力，并為車聯網持續增長的數據 提供安全保障。 聯想凌拓全球化服務覆蓋和升級能力，幫助用戶快速整合任意公有云資源，降低存

34、儲采購開支，提高出 海業務創新能力；同時為用戶提供跨多云智能監控管理平臺，保證出海業務合規和安全。 1 2 3 汽車行業轉型升級之路 14 4.2 自動駕駛典型場景和方案 自動駕駛汽車通過人工智能、視覺計算、雷達、監控裝置和全球定位系統的協同合作，實現汽車駕駛的自動 化和智能化?；诟咝阅苡嬎?、人工智能和大數據分析，可提高自動（輔助）駕駛汽車的用車安全，優化用 車體驗；通過傳感器和車聯網，提高車與人、車與車、車與道路、車與環境之間安全有效的數據交互；此外， 基于大數據的實時分析，可實現低延遲事件響應，減少安全隱患。由此可以看出，大數據和人工智能是解決 這個難題的關鍵技術。 在自動駕駛中（圖 5

35、），四大核心技術分別是環境感知、精確定位、路徑規劃、線控執行。環境感知包括路面、 靜態物體和動態物體感知，其中對于動態物體，不僅要能檢測到，還要對其軌跡進行追蹤，并根據追蹤結果， 預測該物體下一步的軌跡， 需要機器深度學習作為核心技術支撐。 自動駕駛不僅要應對海量數據的采集、 分析、 控制，同時，要保證越來越多的數據源和數據流能安全整合到自動駕駛平臺中。全自動駕駛如何保證無線信 號和雷達出現“意外”時的車輛安全穩定運行，對車自身的智能化水平和低延遲提出了更高要求。 圖 5 自動駕駛技術要求 SIDE IMPACT SIDE IMPACT BLIND-SPOT DETECTION CROSS-

36、TRAFFIC ALERT CROSS- TRAFFIC ALERT PARKING ASSISTANCE BRAKE- ASSISTANCE COLLISION AVOIDANCE ADAPTIVE CRUISE CONTROL LANE-DEPARTURE WARNING LANE-DEPARTURE WARNING LANE-CHANGE ASSISTANCE LANE-CHANGE ASSISTANCE RADAR APPLICATICN ULTRASONIC PARKING ASSISTANCE/ VISION BLIND-SPOT DETECTION SELF-PARKING SE

37、LF-PARKING 側面防撞 側面防撞 自動泊車偏離車道警報系統 偏離車道警報系統 車側警示系統 停車服務 剎車輔助 自適應巡航 剎車輔助 車側警示系統 盲點偵測 倒車雷達 輔助變換車道 輔助變換車道 盲點偵測 藍色區域為雷達應用功能 黃色區域為超聲應用功能 自動泊車 汽車行業轉型升級之路 15 IT 挑戰和需求 簡化人工智能系統部署和管理 確保數據流線化，實現數據的采集（Ingest）、準備 （Data Prep） 、 訓練 （Training） 、 驗證 （Validation） 、 部署（Deploy）和歸檔（Archive）的流程化，是將 數據轉化為自動駕駛決策的關鍵。因此，如何通過

38、簡 化人工智能系統部署和管理，從而有效利用來自大量 不同數據源的數據，快速實現從數據到業務價值，提 高稀缺的數據科學家資源的利用率，是自動駕駛面臨 的挑戰之一。 對開源框架的支持 傳統汽車產品和汽車生產的“黑匣子”具有封閉性特 征， 阻礙了車企自動駕駛技術的創新升級能力的提升。 作為自動駕駛的核心技術人工智能，能否安全可 靠地實現對主流開源框架的支持，將決定著自動駕駛 技術的升級速度和潛力。 高性能和低延遲 在無人駕駛中，一旦云端或近云端產生延遲，其帶來 的安全隱患往往是致命的。如何保證邊緣推理和近云 控制 “萬無一失” ， 這對云端或近云端數據采集、 交互、 分析、控制的安全性和低延遲提出了

39、極高的要求。 車載數據導出及上傳 自動駕駛汽車每輛汽車每天至少產生 4TB 的數據。成 千上萬的汽車產生海量數據，這些數據中有些需要實 時上傳處理，有些數據只需要每天收集統一處理。如 果全部數據通過網絡上傳，會占用大量的網絡帶寬， 產生龐大的開支。如何實現數據的靈活上傳，以及合 理控制開支，是車企面臨的一大問題。 汽車行業轉型升級之路 16 聯想凌拓解決方案 聯想凌拓為自動駕駛汽車數據從車、私有云、近云到公有云，提供自動化、高效率、高性能、安全可靠的存儲、 訪問、傳輸、歸檔。 數據中心靈活部署深度學習平臺：聯想凌拓提供的 ONTAP AI 深度學習解決方案（圖 6），是一套經過驗 證的參考架構

40、，能夠讓用戶快速完成前期選型，從而將深度學習平臺搭建時間從幾個月縮短至 1-2 周。該架 構包含 NVIDIA DGX 和聯想凌拓全閃存存儲，為深度學習提供了性能保證；聯想凌拓全閃存統一存儲通過 ONTAP FlexGroup，可創建 20PB 的單個命名空間，支持超過 4000 億個文件，能夠為機器深度學習構建 數據核心池 （Data hub） ；聯想凌拓提供的StorageGRID可以跨企業數據中心和公有云建立統一歸檔數據池， 實現跨數據中心單個命名空間中歸檔數據的管理，實現數據自動遷移到云或在云之間遷移。此外，聯想凌拓 提供的 Data Fabric 能夠實現單一管理平臺上的數據流管理，

41、并且提供專業的服務支持。 圖 6 聯想凌拓提供的 ONTAP AI 深度學習解決方案 對深度學習框架及開源的支撐：聯想凌拓對開源的支持，綜合 OnCommand Insight 為車企提供一個透明的 管理平臺，在確保 IT 安全的前提下，加快了自動駕駛應用的開發速度。聯想凌拓方案支持深度學習主流框架 TensorFlow 、Keras、PyTorch、Caffe and Caffe2、Microsoft Cognitive Toolkit (CNTK)、MXNet、 DeepLearning4j、Chainer、Neural Network Libraries、PaddlePaddle 和深度

42、學習應用框架 Allegro. ai、Element AI。 邊緣 載入數據預處理 開發式數據載入 高效的數據存儲 高效的復制 1x NetApp A800 4x NVIDIA DGX-1 ONTAP Select 4x 100GbE 2-4ISL 4x 100GbE 100GbE switch 100GbE switch StorageGRID 公有云 ONTAP CVO/CVS 2x 100GbE2x 100GbE 多個數據源（NAS 和 SAN） 獨立擴展計算和存儲 隨機和順序 IO 的閃存性能 從生產到云深度學習工具集 訪問活動和歸檔數據 跨云移動數據 訓練集群部署 訓練集合 測試統一

43、數據湖存儲庫 Direct Conned Express Route IM1 IM2 IM3 分析 核心云 汽車行業轉型升級之路 17 混合云、近云方式靈活選擇（圖 7）： 篩選分類后的數據，根據企業的策略，可以保存在私有云上，利用本 地的計算（CPU/GPU） 和存儲資源完成訓練，或者數據上傳到公有云。根據數據合規和低延遲要求，上傳 到公有云的數據又可以分為云和近云保存。聯想凌拓與 AWS 聯合提供混合云解決方案、近云解決方案和混 合云 + 近云解決方案，這為車企用戶提供了靈活的方案選擇。 混合云解決方案：在企業數據中心部署訓練集群，通過 ONTAP SnapMiror 在企業數據中心和 A

44、WS CVO 間進行數據傳輸，在 AWS 上保存歷史數據進行容災、分類檢索、大數據分析等。 近云解決方案：企業數據中心不部署訓練集群，只進行數據預處理，然后數據通過 NetApp Private Storage 存儲在近云端（不使用 AWS 公有云存儲）。通過在 AWS 上部署訓練集群，使用 AWS 的計算 資源訪問高速聯通的 NPS 內的數據進行訓練，數據完全“私有”。 混合云 + 近云解決方案：在企業數據中心部署訓練集群，通過 ONTAP SnapMiror 在企業數據中心和 NetApp Private Storage 間進行數據傳輸，在 AWS 上部署訓練集群。這種方式可以同時利用企業

45、數據中 心和 AWS 的計算資源進行訓練，而數據完全“私有”。 圖 7 靈活的混合云、近云方式選擇 車載導出 車載導出 訓練集群 計算 (CPU/GPU) 大數據分析 / 搜索 SnapMirror SnapMirror CVO 公有云 低延遲高 寬帶網絡 近云 汽車行業轉型升級之路 18 在車載邊緣服務器上安裝 ONTAP Select 進行邊緣端數據管理，每天 更換車載邊緣服務器，通過 ONTAP SnapMirror 將換下的車載服務器中 的數據復制到聯想凌拓存儲設備中。 在車載邊緣服務器上安裝 ONTAP Select 進 行 邊 緣 端 數 據 管 理， 每 天更換車載邊緣服務器中的

46、硬盤， 并執行數據導入，再通過 ONTAP SnapMirror 將數據復制到聯想凌拓 存儲設備中。 在車載邊緣服務器上安裝 ONTAP Select 進行邊緣端數據管理，根據設 定規則，通過 ONTAP SnapMirror 在萬兆以太網或 WiFi 或 5G 網絡環境 下將數據復制到聯想凌拓存儲設備中。 解決方案價值 為自動駕駛車端、數據中心、云端的所有數據流提供高效管理和處理， ONTAP 可以在車載端、私有云、 近云及公有云部署，幫助車企實現跨核心和多云的數據管理，并通過存儲底層高效數據塊復制技術保障 數據的自由流動，全數據流均采用 NFS 協議。 ONTAP AI 在提供高吞吐量性能

47、的同時保證低延遲，并且支持 100GbE 和 40GbE 網絡，滿足深度學習 平臺高帶寬高并發的需求， 可以為各種大型和小型文件的順序和隨機讀寫提供高性能。 聯想凌拓可以獨立、 無縫且無中斷地實現擴展，滿足數據量快速增長的處理性能及容量需求。對容器技術的集成，可以加快 部署速度，縮短訓練時間。 邊緣車端 ONTAP Select 支持以軟件方式安裝在 KVM 上，也支持存儲硬件方式部署，部署極其靈活。 車端數據通過底層存儲復制 SnapMirror （WiFi, 5G 或者以太網）到數據中心，也支持物理插拔硬盤或 邊緣設備方式傳輸數據，保障海量路測車數據的快速導出到數據中心。 內置快照、備份、

48、容災全套數據保護方案，支持跨企業數據中心和公有云統一歸檔數據管理，能夠對歸 檔數據實現分層管理，提高數據利用率，實現數據生命全周期管理。 1 2 3 4 自動駕駛路測車數據導出 ： 邊緣端提供車載設備和軟件定義存儲 （ONTAP Select） ， 實現自動駕駛車數據采集。 海量車載數據的及時上傳是一大挑戰。聯想凌拓為車載數據導出提供 3 種方案選擇： 車載邊緣服務器裝 ONTAP Select 數據存儲設備 ONTAP SnapMirror WiFi/5G On-Premise/POP 車載邊緣服務器裝 ONTAP Select 導入數據設備數據存儲設備 ONTAP SnapMirror O

49、n-Premise/POP 每天更換車載 邊緣服務器的 硬盤 車載邊緣服務器裝 ONTAP Select 導入數據設備數據存儲設備 ONTAP SnapMirror On-Premise/POP 每天更換車載 邊緣服務器 邊緣端 邊緣端 邊緣端 汽車行業轉型升級之路 19 4.3 移動出行典型場景和方案 早期移動互聯網出行平臺的主體主要是互聯網企業和租車企業。近年來，傳統車企在生存壓力下，也開始加 緊開發共享出行、數字娛樂、車輛管理等衍生業務。這種趨勢既加速了新型移動出行平臺和傳統車企間的業 務融合，也推動了移動出行服務的創新發展。 圖 8 移動出行服務框架 移動互聯網出行平臺（圖 8）往往基 于混合云或多云，其數據中臺不僅要 整合地理信息和實時交通數據，以提 供準確的定位及合理的線路導航；同 時需要通過采集車內的音頻和視頻信 息，規范駕駛者的行為，保證駕乘人 員安全，同時接入公安報警系統，進 一步確保駕乘人員的安全；與支付平 臺對接，實現支付的快捷、準確，從 而提供優質的個性化出行體驗。 移動出行平臺與人工智能技術融合是 未來發展趨勢。為了更好地為駕駛者 和乘客服務，需要對地理數據、