《安永:2022智能汽車云服務白皮書(94頁).pdf》由會員分享,可在線閱讀,更多相關《安永:2022智能汽車云服務白皮書(94頁).pdf(94頁珍藏版)》請在三個皮匠報告上搜索。
1、2022年7月智能汽車云服務白皮書從上云到入云云服務賦能汽車產業智能網聯升級前言智能汽車云服務白皮書 |1汽車“新四化”浪潮的席卷,催生了產業格局的一系列變革。汽車的角色已逐漸從交通工具轉變為智能移動終端,成為人類的生活伙伴;汽車產業的核心競爭力也開始從機械能力轉向軟件與服務能力。隨著電動化的蓬勃發展,智能化與網聯化的廣泛應用,再到共享化自動駕駛的試水,無論是產品定位的需求端,還是自動駕駛、車聯網競爭與合作的供給端,智能化與網聯化都作為核心驅動,成為汽車革命的重要發展方向與必經之路。在此背景下,新勢力車企、互聯網科技企業已爭相入局,吹響了變革的號角,傳統車企亦順勢而起,緊隨其后,通過軟件訂閱和
2、服務按需收費創造新的利潤增長點,獲得更多為用戶提供車輛全生命周期服務的可能,更大程度地挖掘汽車生命周期內的價值。而在車輛的全生命周期服務中,無論是自動駕駛的研發與應用、車輛的遠程診斷與升級、智能車控等車輛相關服務,還是用戶運營、二手車、車輛保險等衍生服務,數據資源都作為核心資產貫穿始終,數據的比重和價值也隨著技術的發展而顯著增強。伴隨著各類智能化應用軟件的層出不窮,數據逐漸成為了車企的新“命脈”,其中,如何高效挖掘并利用其價值,助力優化客戶體驗并實現業務的降本增效是車企的制勝關鍵所在,也是當前發展的核心之一,而這些的背后都將需要高性能的云端支撐。然而,云端平臺的自行搭建對資金、人力、時間等方面
3、提出高要求,數據價值挖掘的過程困難重重,制約著車企邁向變革之路。智能汽車云服務的出現就此成為了解決這些難點的有力途徑,基于其強大的數據存儲、交互、處理等多方面能力,并且擁有汽車行業的專業積累,將賦能車企運用云端平臺,構建高效數據閉環,助力產業多方創造更多智能化應用場景,實現汽車行業的蓬勃發展。本次白皮書,安永與華為智能汽車解決方案BU共同合作,深入分析具有高云價值且呈現階躍式增長潛力的智能汽車云服務應用場景,從各場景的發展階段著手,探索相關玩家當前發展所面臨的挑戰,逐一剖析具備專業積累及強大感知、計算、處理、存儲等能力的汽車云服務所可賦予各領域的價值。在智能化、網聯化的大環境下,期望車企及智能
4、網聯各玩家不僅能構筑屬于自己的差異化競爭優勢,更是可以加速開放合作,攜手共建盛世繁榮的汽車生態。目錄前言01白皮書摘要03第一章:汽車云服務全面助力智能網聯汽車產業061.1 智能網聯是汽車產業下一步變革的風暴中心071.2 智能網聯趨勢下的挑戰數據價值挖掘121.3 云服務是開啟智能網聯汽車數據價值挖潛的金鑰匙16第二章:汽車云服務在智能網聯汽車的應用場景展望182.1 汽車云服務助力車企創造新興應用場景192.2 場景“播種路徑”識別222.3 關鍵應用場景及云價值分析242.3.1 汽車云服務為自動駕駛的商業化道路保駕護航262.3.2 汽車云服務使能車聯網產業孕育新生態55第三章:智能
5、網聯汽車云服務產業趨勢展望853.1 汽車云服務產業邁入“服務為上”的2.0階段863.2 產業演進推動云服務內容、范圍和模式上的需求轉變893.3 車企選擇汽車云服務合作伙伴的關鍵考量因素91卷尾語92智能汽車云服務白皮書 |2白皮書摘要汽車產業風云際會,“數據入云”成破局關鍵數據管理充滿挑戰,但業務賦能層面的挑戰更關鍵,影響更深遠汽車產業“新四化”變革正在邁入以智能化、網聯化為特點的2.0時代,其本質在于汽車定位的轉變從“交通工具”變為“生活伙伴” 。這一改變給產業帶來了深刻的影響:智能汽車云服務白皮書 |3在這一系列的轉變中,數據作為核心資產貫穿始終。在數據價值挖掘的過程中,車企將面臨兩
6、個方面的挑戰數據管理挑戰,以及更為關鍵的業務賦能挑戰:消費價值鏈硬件為主軟件與服務為主車企核心競爭力機械能力軟件與服務能力產業供應鏈縱向一體化扁平化網狀模式車企與車主關系車輛一次性買賣關系車輛全生命周期服務數據上云針對海量且繁雜的數據做好獲取、存儲、交互、計算等底層管理的必由之路ICT車數據入云ICT車提供專屬于汽車行業的上層應用服務,構建完整的工具鏈、數據鏈、價值鏈,驅動業務閉環汽車云服務是解決上述挑戰、開啟智能網聯汽車數據價值挖潛的金鑰匙:數據管理挑戰如何更好地擁有數據獲取、數據存儲、數據交互、數據計算等底層數據管理能力打通業務斷點,構建端到端工具鏈打通產業數據,形成合力結合業務,建立直接
7、可用的模型和算法,輸出業務結果基于業務將數據去蕪存菁、統一處理“用什么”“怎么用”“如何高效地用”業務賦能挑戰4安永車云白皮書 |智能汽車云服務白皮書 |4“數據入云”賦能汽車迸發新活力,豐富產業生態締造新興場景對快速發展階段的場景,云服務將帶來突破性的“化學變化”而非線性發展的“物理變化”針對智能網聯汽車的云服務,本白皮書基于云價值和市場成熟度2大維度包含8個子維度,遴選出了云服務對產業發展具有高價值、且呈現階躍式爆發增長態勢的3個場景大類、9大具體應用場景;并對其一一展開深入分析,勾畫出智能網聯汽車“入云”的價值圖譜。自動駕駛研發與持續升級自動駕駛感知模型訓練自動駕駛仿真測試無人駕駛車輛作
8、業封閉區域無人駕駛作業半封閉區域無人駕駛作業無人駕駛出租車車輛全生命周期的數據分析與應用監控預警與診斷救援OTA升級UBI二手車評估自動駕駛研發與持續升級仿真測試是業務和ICT深度融合的標桿,對業務的理解既要“見木”,也要“見林”,決定了發展基因和未來上限;而這一特性也同時決定了開放性是根本自動駕駛感知模型訓練和仿真測試是所有主機廠的現存痛點主機廠需求有控制的合作,目前核心訴求是上市效率和安全,但未來成本集約和可擴展性的需求將進一步提升1無人駕駛車輛作業單車的挑戰是相似的,統籌的難點各有不同越是相對封閉的場景,對“上帝視角”的云端統籌的依賴性越高,短期更需要云服務云服務扮演著“云端大腦”的角色
9、,將智能化技術與行業生產有機融合,是實現無人駕駛商業化作業運營的關鍵2車輛全生命周期的數據分析與應用冰山上成為左右車主決策的亮點;冰山下是車企與車主間全新關系構建的基石車聯網的未來是B2B2C的生態圈構建,車企基于數據構建控制點并由此形成豐富的應用從被動式服務到主動式業務化再到生態化的打通,將推動新的產業生態圈形成智能監測、遠程診斷、UBI等將成為真正催化產業鏈打通的應用場景3智能汽車云服務白皮書 |5車企對云服務需求的變化,成為產業持續升級的重要推力要服務、但不止于服務,提供能力是終局沿汽車云服務的產業發展脈絡來看,云服務所覆蓋的場景范圍不斷擴大、云能力與業務的結合逐步加深,據此可分為三大發
10、展階段:我們判斷,產業整體已過渡到了2.0階段供需兩端將更多地聚焦在SaaS層的服務上,尋求在智能網聯核心場景上汽車云服務如何更加深入地理解汽車行業、更好地將ICT能力與汽車業務深度結合,從而幫助業務創造更多可能性。在合作模式上,車企在部分關鍵業務環節與供應商展開合作將成為行業主流在產業需求上,呈現出了三大主要趨勢在采購決策因素上,車企先要“跑起來”有可驗證的成功案例、安全合規且能快速迭代成為關鍵;之后再“做好做精”差異化、靈活性和可擴展性則決定了未來的上限云服務內容資源云能力云云服務范圍小而美大而全垂直領域專精云服務模式授人以魚授人以漁1.0著眼基建2.0服務為上3.0共建賦能智能網聯汽車產
11、業的發展需要車企與云服務商的雙向奔赴成功的合作是相似的,不成功的原因各不相同如果說數據是智能網聯汽車的新燃料,那云服務則是氧氣,助力數據在業務應用中發揮出最大價值,為車企在研發到商用的進程中降本增效。從“上云”到“入云”,車企與云廠商的合作在內容上正大踏步走向業務層面的深水區,在形式上逐漸形成雙向賦能的良好態勢,在智能網聯的升級道路上攜手并進從“競”到“和”,行業整體的發展將愈來愈開放包容,形成車企與行業內外各大玩家的生態系統,驅動行業和社會加速邁入數智時代白皮書基于安永汽車團隊多年行業洞察,并有廣泛而詳實的調研做支撐主機廠專家訪談:我們對12位來自不同汽車品牌的智能網聯業務領域管理和技術專家
12、展開了一系列訪談,旨在了解車企在各個汽車云服務應用場景中所面對的具體業務挑戰,以及云服務是如何幫助其解決困難、賦能業務的本材料(可能包含歷史數據和前瞻性聲明)是為提供一般信息的用途編制,并非旨在成為可依賴的會計、稅務、法律或其他專業意見。因此,請向貴方的顧問獲取具體意見。本材料中的前瞻性聲明,是基于一定的風險、不確定性或預測作出的,這些風險和不確定性可能導致實際結果與明示或默示的預期結果不同。我們沒有義務更新這些前瞻性聲明。智能汽車云服務白皮書 |6其他行業專家訪談:我們對8位來自云服務廠商和垂直領域行業(如港口、礦山等)的專家展開了一系列訪談,就汽車云服務產業的發展狀況和未來方向、云服務的需
13、求變化趨勢、合作模式及合作案例等方面進行調研42%33%25%自主品牌合資品牌新勢力品牌58%42%管理崗位技術崗位共計12位受訪專家涵蓋:37%63%云服務廠商垂直領域行業共計8位受訪專家涵蓋:消費者調研:我們對智能電動汽車的現有車主及潛在消費者分別展開了定量調研問卷和定性焦點小組訪談,主題圍繞其購車決策的關鍵影響因素、支付意愿、所關注的產品核心要素等40%60%現有車主潛在消費者定量調研問卷共計357份有效樣本:50%50%潛在消費者現有車主定性FGD共計30位消費者:第一章汽車云服務全面助力智能網聯汽車產業汽車行業正在經歷百年來最深刻的行業變革,以電動化、共享化、網聯化、智能化為趨勢的汽
14、車“新四化”正在重塑產業格局。作為變革的基礎,電動化經歷了蓬勃的發展,邁入規?;焖侔l展階段。而隨著改革程度的逐步加深,僅是能源的升級已不足夠,汽車要從根本上改變產品形態,從移動工具轉變成生活伙伴,需要智能化與網聯化的發展來徹底解放人們的雙手和注意力,從而賦予汽車這一產品更豐富的想象空間。共享出行在發展一定程度之后也被證明需要自動駕駛作為基礎,走向無人駕駛共享車隊模式。行業變革正在步入深水區,“新四化”的重心不可避1.1 智能網聯是汽車產業下一步變革的風暴中心免地向智能化和網聯化遷移無論是需求端對產品定位和價值訴求的轉變、供給端在自動駕駛和車聯網上的競爭與合作,皆昭示了“智能網聯”在變革浪潮中
15、核心驅動力的地位,將成為汽車產業發展的長期趨勢(圖1)。自動駕駛和智能座艙作為汽車行業皇冠上的明珠,也正在逐漸邁入大眾的視野。其與“智能化”之間的聯系自不必多言,但“網聯化”也是其必不可少的重要支撐。尤其是對于智艙系統,從娛樂的豐富性到系統的持續迭代升級,都離不開“網聯化”這一重要前提。圖1:中國汽車產業“新四化”產業變革歷程電動化共享化網聯化智能化動力系統電氣化新能源汽車市場井噴新造車勢力紛紛入大力發展充電等基礎設施建設網約車、分時租賃等共享出行模式出現第三方移動出行公司快速占領市場整車廠大力布局人、車、路互聯互通軟件定義汽車智能座艙發展潛力巨大后項運營的興起技術推動有條件自動駕駛邁向無人駕
16、駛研發與商用步伐加速車企軍備競賽核心“新四化”的核心驅動資料來源:安永分析智能汽車云服務白皮書 |8智能網聯的核心是汽車定位的轉變智能化和網聯化所帶來的一個最為核心的轉變,是汽車定位的變化車不再僅僅是交通工具,而是承載了人們更多的情感和體驗訴求的生活伙伴;其被賦予的價值體現也不再只是局限于移動或駕駛中,而是延展到了休閑娛樂、會客社交、辦公學習等任何非家場景,成為生活空間的延續(圖2)。過去過去資料來源:安永分析圖2:汽車定位的轉變汽車定位的這一轉變對消費價值鏈、主機廠的核心競爭力、產業鏈供應體系以及車企與車主關系變化都帶來了深遠的影響。定位:交通工具功能:增強人類移動能力核心能力:機械效率轉化
17、未來未來移動或駕駛場景解放駕駛任務的高效移動移動/駕駛任務的增強體驗移動時的內容/體驗載體非移動場景戶外辦公/會議空間個人休閑娛樂空間會客社交空間核心能力:信息處理能力定位:生活伙伴功能:進一步解放生產力消費價值鏈由“硬”及“軟”汽車定位的轉變推動了汽車消費價值鏈的顯著變化。汽車場景和功能上的延展使得消費者在整個汽車生命周期上的總花費提升,這其中除了傳統硬件和售后服務,還包含了更多的持續性軟件和增值服務消費,其價值占比也不斷提高。安永預計,中國汽車產業終端消費中軟件及服務的占比到2030年將超過40%(圖3)。1軟件與服務消費需求的增加也必然傳導至供給端,帶來收入結構的變化。從世界領先的主機廠
18、和供應商的收入情況來看,其軟件服務的收入在最近幾年迅速增加,其在汽車業務毛利中的占比也不斷提升(圖4)。中國市場也呈現相同趨勢,據安永預估,到2030年,軟件及服務的毛利占比將超過60%。智能汽車云服務白皮書 |9圖3:中國汽車消費價值鏈占比(2020-2030E)資料來源:安永分析單位:億元人民幣30,862(79%)5,691(15%)2,518(6%)2020年硬件硬件包含整車、售后零部件定制選裝、車生態電子衍生品等軟件包含智能駕駛軟件、車控、車內應用、車聯網高級服務等服務包含保險金融、售后服務、能源及流量等2030年16,321(25%)10,160(16%)38,648 (59%)2
19、025年9,168(17%)7,608(14%) 38,454(69%)612698%202025%202112%2025E軟件服務收入 億美元軟件服務在汽車業務毛利中的占比 %圖4:典型轉型企業的軟件服務收入及毛利占比(2020-2025E)資料來源:案頭研究,安永分析全球某領先的電動車車企軟件服務收入及毛利占比智能汽車云服務白皮書 |10產業鏈縱向一體化供應被打破軟件及數據能力的不斷強化將不可避免地打破原有以主機廠為核心的縱向一體化供應關系,主機廠的角色開始發生轉變,由傳統的線塔型外包制模式,向扁平化網絡狀技術主導模式轉變(圖5)。傳統外包制:主機廠基于自身訴求推進技術生態建設,但執行全部
20、依靠供應商實現關鍵領域占位:通過合作、投資等方式與核心技術供應商建立合作關系,最大程度實現自主可控全棧布局主導:主機廠直接繞過Tier 1,同關鍵Tier 2/3級廠商建立垂直供應關系或共同研發關系,掌握包括上層軟件、算法、芯片等全技術棧道的自主研發能力供應體系向扁平化網狀模式的轉變,主要是由主機廠想要打造更強的軟件in-house能力、將數據資源握在自己手中并構筑核心壁壘的強烈愿望所驅動。車企核心競爭力轉向軟件及服務能力傳統燃油車時代,機械能力為王;但在智能網聯時代,隨解決方案軟件及相關服務在消費價值鏈上占比的逐漸提升,軟件訂閱和服務按需收費的商業模式被越來越多的車企開始應用在自動駕駛及智能
21、座艙領域,持續更新迭代的軟件及服務升級為車企創造了切實的收入及利潤增長,未來的利潤中心也將由“硬”及“軟”。某國際知名電動車企的自動駕駛系統正逐步成長為公司的核心盈利點,據專家預測,至2025年該系統將創造近70億美元的營收,占其汽車業務收入的9%,并將貢獻汽車業務25%的毛利。車企將圍繞軟件和服務能力構建核心競爭力,從而致勝智能網聯的軍備競賽,并實現在汽車生命周期內更大程度地挖掘價值。汽車制造商的業務模式將從根本上發生改變。到2025年,許多汽車企業很有可能以接近成本價的價格銷售汽車,并主要通過軟件為用戶提供價值。某領先汽車芯片供應商創始人“23智能汽車云服務白皮書 |11圖5:產業鏈供應關
22、系的轉變資料來源:安永分析供應商消費者OEM供應商消費者OEM+Tier2/3消費者OEM+Tier1線性塔狀供應關系扁平化網狀供應關系傳統外包制關鍵領域占位全棧布局主導車企與車主的關系由終點轉向起點汽車銷售渠道格局正變得更為多元化,而其中變革的本質即是為了直面用戶,傳統車企多為單一的經銷模式,為改變無法與車主直接對話的困境,傳統車企已做過很多嘗試,但始終效果不佳。產業鏈關系的變革,使車企獲得了更多為用戶提供車輛全生命周期服務的可能,改變了車企與車主之間僅以車輛作為產品進行一次性買賣關系的現狀,通過車輛的交易,衍生出一系列與車輛全生命周期相關的服務體驗,與車主形成持續互動,車企與車主的關系將從
23、終點向起點轉變,形成商業模式的閉環(圖6)。4汽車定位的轉變所帶來的這一系列變革中,數據資源都將作為核心資產貫穿整個變革的始終。而如何從大量繁雜且業務類別多樣的數據中挖掘出真正能賦能業務的價值數據,并通過“穿針引線”,將數據打通串聯并實現高階的應用,將是變革能否成功的核心要素。圖6:車企與車主關系的轉變變革前變革后維保售后車主OEM經銷商車輛買賣車輛買賣車輛全生命周期服務資料來源:安永分析車主OEM經銷商車輛買賣車輛買賣維保售后傳統經銷模式傳統經銷模式車主OEM車輛買賣維保售后軟件訂閱+增值服務直營模式軟件訂閱+增值服務車輛一次性買賣關系車輛全生命周期服務智能汽車云服務白皮書 |12在車聯網領
24、域,車輛的全生命周期都將由數據驅動,涵蓋從數據采集與治理、車輛監測與診斷、分析洞察和預測改進等多個環節;建立全量數據的匯聚和基于大數據和AI的智能分析將極大提升用車感受和用戶粘性,增加服務收益數智時代下的汽車,將成為智能手機更升維的另一大超級智能移動終端,雙核驅動AIoT生態的構建,為消費者帶來更為豐富和沉浸的智能體驗。比較而言,智能網聯汽車所產生的數據量是智能手機的千倍,但其數字應用的收入卻只有智能手機的約1/7,其數據的價值潛力亟待深入挖掘(圖7)。在智能化、網聯化的趨勢下,數據之于汽車完成了從工具到核心資產、從基礎能力進階為競爭壁壘的轉變;而對于車企來說,將數據挖掘帶來的挑戰轉化為價值至
25、關重要。數據是智能網聯汽車的新“燃料”根據Garner估計,每一部自動駕駛聯網車輛每天至少產生4TB數據,每年約產生數百PB的數據。隨智能網聯汽車滲透率的提升,還將誕生海量的駕駛場景數據,OEM和出行服務商未來需處理的數量估計可達ZB級。海量數據的背后,蘊藏著巨大的應用潛力,是智能網聯汽車的新“燃料”。在自動駕駛領域,數據是核心要素;從海量數據中挖掘價值場景、識別難例、生成數據集并進行算法優化,將為自動駕駛技術開發和更快速地商用落地起到巨大的推動作用1.2 智能網聯趨勢下的挑戰數據價值挖掘圖7:數字應用智能手機 VS 智能網聯汽車滲透率1%24%90%數據量 字節/天8GB級TB級應用收入2億
26、美元110017027%1000%15%智能網聯汽車智能手機注釋:1. 智能手機滲透率:全球智能手機在手機中的占比;智能網聯汽車滲透率:網聯汽車在全球汽車保有量中的占比;2. 2020年數據資料來源:IHS, MarketsandMarkets, Bankmycell,安永分析智能汽車云服務白皮書 |13如何挖掘數據的價值圍繞數據的采集、匯聚、處理、組織,并結合汽車行業的洞察,建立一套有機系統用戶分析、應用和管理是車企加快智能網聯腳步、夯實競爭優勢的關鍵所在。數據管理有挑戰,業務賦能更重要安永認為,數據價值挖掘的過程中面臨了兩個層面的挑戰:1. 數據管理挑戰:如何更好地擁有數據獲取、數據存儲、
27、數據交互、數據計算等底層數據管理能力2. 業務賦能挑戰:如何更好地將數據與汽車有機結合,為車企深度挖掘數據所帶來的潛力價值,賦能業務創造更多可能性數據管理的挑戰主要來源于,海量數據、并發交互和融合計算,對ICT基礎設施層面帶來的沖擊:海量數據:伴隨智能網聯汽車的逐步普及,車上的電子信息化設備逐漸增多,數據量也隨之增長并發交互:伴隨智艙、智駕等一系列新興場景的不斷涌現,并發交互需求愈發旺盛融合計算:伴隨數據量和數據交互的額增加,有關數據的處理和效率的要求也隨之而來聚焦國內各大領先車企,不難發現車企紛紛通過自建或上云來著手應對數據管理挑戰(圖8)。但伴隨著汽車智能化、網聯化道路的推進,如何深挖數據
28、價值、實現業務賦能成為最大挑戰(圖9)。圖9:車企深入挖掘數據價值所面臨的業務賦能挑戰資料來源:安永分析打通業務斷點,構建端到端工具鏈打通產業數據,形成合力結合業務,建立直接可用的模型和算法,輸出業務結果基于業務,將數據去蕪存菁,統一處理業務賦能挑戰“用什么”“怎么用”“如何高效地用”圖8:某領先自主汽車集團ICT基礎設施投入億元人民幣資料來源:專家訪談,安永分析20202.52.11.320193.92.21.72.92025E3.85.0首先,需要對汽車行業的行業知識具有充分的認知,知道“用什么”,才能實現基于業務,去蕪存菁、統一處理其次,需要具備大數據、AI、云等能力,了解“怎么用”,才
29、能建立出直接可用的模型和算法輸出業務結果最后,還需將兩者有機結合,才能實現“高效地用”,從而打通外部數據孤島,形成合力傳統的做法更多聚焦數據管理,但業務賦能往往受到人們的忽視,這也導致雖然業務得以正常開展,但是其開發周期較長,運營效率較低且成本較高。云本地部署智能汽車云服務白皮書 |14汽車網聯化涉及的電子設備眾多,而核心則是車聯網的應用,伴隨車聯網應用端數量的增加和場景的拓展,車聯網也漸漸從原來的“成本中心”變為了對實際業務有所幫助的“價值中心”,與此同時,所產生的數據,也逐漸地由“對內應用”演變為“對外應用”。例如監控預警與診斷救援,就對用戶數據隱私保護和車端智能部件故障的解決提出了更高的
30、挑戰(圖10)。智能化與網聯化背景下的業務賦能挑戰在汽車智能化與網聯化的發展進程中,數據資產的價值貫穿全程,數據應用過程中,除了對底層數據管理層面的要求,對于云服務、AI服務以及物聯網等技術水平的要求則更為突出,技術的瓶頸也成為了行業掣肘。諸如自動駕駛感知模型的迭代優化,就存在冗余數據的清洗與存儲、數據標注、端到端工具鏈缺失等諸多難點與挑戰。圖10:智能網聯化背景下的業務賦能挑戰示例“如何高效地用”“怎么用”“用什么”端到端工具鏈缺失造成業務斷層:傳統模型通常只聚焦于工具鏈的某一個環節,而忽視全局,串聯使用時難免出現“錯位”,出現業務斷層與數據斷點,無法形成完整閉環,全程打通開發周期長且成本高
31、故障發生后解決不及時:車輛故障后較慢的響應速度,無法及時解決問題,用戶體驗感下降缺乏精準的自動標注工具,導致算法迭代周期長: 傳統的人工標注效率較低,拉低了整體執行效率,導致算法的迭代周期長系統功能復雜度提升對車輛問題定位和快速解決提出挑戰:單獨依靠傳統4S店維修模式無法滿足新業態下的車輛維護需求,如何利用遠程診斷能力來實現更高效地解決問題充滿挑戰自動駕駛冗余數據帶來清洗困難和存儲負擔,價值數據挖掘效率低:采集到的數據量大且類別繁多,包括視頻、圖像、激光點云、雷達點云、車身數據等,其中95%是低價值的,需要進行多層清洗才能獲取高價值數據,對于訓練所需的難例場景挖掘效率較低,造成存儲資源的浪費用
32、戶價值挖掘時的隱私保障問題:車企在挖掘用戶數據實現價值變現時,容易引發隱私數據泄露等問題智能化業務賦能挑戰(以自動駕駛感知模型訓練為例)網聯化業務賦能挑戰(以監控預警&診斷救援為例)資料來源:安永分析智能汽車云服務白皮書 |15車企面對挑戰時的應對模式不盡相同在汽車行業面臨著技術瓶頸以及電子設備和網聯多等方面的困難時,各家車企應所處的發展階段不同,所應對挑戰的方式也都不盡相同(圖11)。加快數字化進程,搭建從底層管理到上層應用的數據能力成為應對挑戰的關鍵所在。Stefan資料來源:專家訪談,安永分析圖11:車企應對挑戰的方式應對底層數據管理挑戰應對上層業務賦能挑戰對數據價值的認知較為充分,建設
33、數據中心以應對日益增加的數據量,但在落地層面卻受到體制和機制的掣肘,最終步伐相對遲緩加大對數字化人才的培養力度和技術積累,但面臨ICT能力儲備不足的問題,在數據采集、匯聚等基礎問題上尚存在技術短板知易行難積極引領在應用層面積極運用“拿來主義”,與眾多廠商展開合作,但容易造成七國八制的局面,數據孤島嚴重,無法形成合力在車聯網、自動駕駛等領域積極布局,盤子鋪得大但理解仍停留在淺層,缺乏深層模型構建和分析能力,實際業務的推進緩慢深刻了解數據作為核心控制點的重要價值,通過自建數據中心并與云廠商展開合作打造堅實的基礎設施,且有統一的數字化部門來貫徹數字化舉措在全價值鏈的執行和落地數字人才儲備和技術積累上
34、形成了比較優勢,具備打通全數據鏈路構筑數據閉環的能力在平臺層進行了數據的統一,同時開放上層應用,邀請各合作方來共建生態作為行業的積極引領者,致力于構建完整得服務體系,具備將數據和業務進行有機深度融合的能力智能汽車云服務白皮書 |16車企想要深度挖掘智能網聯汽車的數據價值,構筑競爭壁壘,就必須直面挑戰、積極應對,將ICT的能力與汽車行業洞察做有機結合,才能避免在數字轉型過程中出現“治標不治本”或“水土不服”的局面。ICT與汽車有機結合的第一步,是在底層數據的管理方面,直接運用ICT使能基礎設施的打造,幫助車企構筑打通全數據鏈路的閉環系統,建立海量數據的獲取、存儲、計算、使用能力。數據上云是這一步
35、的必由之路云服務能夠基于業務助力海量數據的多方匯聚、去蕪存菁、統一處理。絕大部分車企都已經邁出了上云的第一步,但面對處理后的數據如何去真正賦能智能網聯汽車的各類應用、充分發揮數據的價值,則是車企下一個階段需要攻堅的重點。僅僅做ICT和汽車的加法是不夠的,而是應該做乘法,將ICT的能力和對汽車行業的洞察做深度的融合,從而實現效用的成倍增長(圖12)。1.3 云服務是開啟智能網聯汽車數據價值挖潛的金鑰匙圖12:ICT助力車企數據價值挖潛業務賦能2ICT車將大數據、AI、云等能力應用于各類服務創新,實現汽車行業知識與ICT技術的深度融合打造專屬于汽車行業的各類工具鏈、場景庫、各類核心部件的相關服務能
36、力數據管理1ICT車通過打造ICT的基礎能力,解決海量數據、并發交互、融合計算等諸多挑戰資料來源:安永分析云服務結合智能網聯汽車業務所提供的SaaS應用則是實現其數據價值挖掘的金鑰匙SaaS層的云服務能夠結合業務,致力于解決汽車行業的業務問題,對內建立直接可用的模型和算法,輸出業務結果;對外打通業務斷點與數據孤島,實現業務閉環,使能車企避免在底層服務的搭建與維護中消耗不必要的精力,而是更加注重場景與流程的設計,助力車企應該對更高層面的挑戰。舉例來說,對于自動駕駛研發這一智能網聯汽車的核心場景,云服務的價值在產品、商業和產業三個層面都有所體現。從產品層面來看,云服務是實現算法迭代的關鍵抓手自動駕
37、駛技術往高階發展,需要持續不斷地積累大量的感知、決策和執行數據,并通過仿真模型和算法的訓練實現算法的持續迭代。云服務不僅能提供強大的存儲和算力支持,而且能打通多個環節工具鏈,為算法的開發和迭代提供一站式服務能力。感知算法的訓練依賴于大量的數據標注,而云服務的預標注算法可以實現3D點云目標的精準識別和檢測,極大地降低了原來人工標注所需地成本,進而提升車端感知模型的迭代速度自動駕駛云服務可以有針對性地搜集車端和云端的難例場景,形成難例數據集,再通過云端對真實場景的大規模并發虛擬仿真,對自動駕駛算法進行有效的測試和驗證,實現算法的高效迭代,將原來以周計的迭代周期縮短到了以天計基于云服務的自動駕駛開發
38、平臺能夠提供端到端的工具鏈,有效解決車企在研發測試過程中所面臨的串聯錯位問題,賦能車企進行符合自身要求的二次開發,極大地節省了花在適配上的大量時間,加快了商用落地的步伐智能汽車云服務白皮書 |17從商業層面來看,云服務可以形成數據合力、降本增效在自動駕駛技術持續迭代升級的過程中,新功能、新場景不斷增多,各類服務體驗不斷升級,車載存儲與運算能力都相對有限,車云協同就成為了必然選擇自動駕駛從訓練到上路,再到量產加速,需要收集并處理大量的人、車、路的信息,云服務能夠實現數據資源的統一匯聚,打破多方的信息孤島,形成數據合力,從而提升迭代效率,縮短自動駕駛汽車從上路到上量的時間基于云服務的自動駕駛開發平
39、臺可以實現全球范圍的就近服務和異地容災,提供安全可靠的運維管理,為主機廠解決數據存儲的安全合規問題,助其提升約60%的運維效率,且云服務以租代建的模式也能幫助主機廠節約30%-60%的總擁有成本從產業層面來看,云服務助力自動駕駛商業化進程加速自動駕駛研發周期長、成本高、技術難點多,每家車企如若關起門來完全自研,將會拖慢自動駕駛的商用進度,對產業的整體發展不利。云服務能實現數據資源的共享和復用,加速行業的整體商用步伐。云服務的海量存儲和AI大數據挖掘和計算能力能夠有效挖掘有價值的數據場景,構建泛化場景庫,供所有使用云服務的車企復用,幫車企節省巨大的成本耗費,加快研發進度高精地圖極大推動了高等級自
40、動駕駛的發展,在云服務的賦能下,圖商不僅能夠保證海量數據開發的精準度,形成道路數據集,為自動駕駛車輛上路進程提速;同時,云服務還能提供地圖信息存儲和使用的安全合規,保證符合國家層面的數據安全規范,幫助車企規避數據泄露和濫用的風險,加強產業在研發端的安全性和可靠性小結汽車行業正在經歷前所未有的變革,“智能網聯”已經并將長期成為行業發展趨勢。在這一趨勢下,軟件及服務能力將是行業玩家展開軍備競賽的核心競爭力,“軟件定義汽車”時代來臨。數據的比重和價值都顯著增強,但數據價值的挖掘卻困難重重。車企想要在智能網聯的大變革之中建立差異化的競爭優勢,必須充分結合ICT的能力和對汽車業務的深度洞察,一方面在底層
41、數據管理方面做加法,打造數據閉環;另一方面在上層業務賦能方面做乘法,形成車與云的有機耦合,提供靈活的應用服務,并驅動業務閉環,從而形成車、云協同貫穿始終。云服務則是激發這一反應的金鑰匙,是幫助車企開展全價值鏈的數據價值挖潛,實現降本增效,加速智能網聯汽車商業落地的必由之路和破局關鍵。智能汽車云服務白皮書 |18第二章汽車云服務在智能網聯汽車的應用場景展望基于云的數據賦能和業務賦能能力,云不單單是可為當前車企玩家提供良好的數據存儲、處理、交互等方面的體驗,更是可以廣泛應用于自動駕駛標注、仿真測試等場景,同時還能創造出如遠程升級、故障監測等新的應用場景,由此將助力車企構筑堅實的數據閉環,以此形式差
42、異化的競爭優勢。在汽車智能化、網聯化的大背景下,云勢必受到越來越多的重視,并將使能車企,推動企業飛速發展,不斷孕育更多的智能化應用場景。2.1 汽車云服務助力車企創造新興應用場景智能網聯汽車是跨界融合的創新載體。傳統汽車企業與互聯網科技公司有很強的互補性。某國內知名互聯網公司首席執行官“智能汽車云服務應用場景梳理基于車輛的全生命周期進行展開,從研發,銷售,使用,售后服務,到其他衍生服務,我們共識別出了9個汽車云服務的新增場景以及21個更細維度的具體應用場景(圖13)。自動駕駛開發服務智能車控其他車載軟件應用(非車控)智慧出行車況管控基于駕駛行為的后市場服務基于用戶數據的智能營銷精細化用戶運營自
43、動駕駛感知模型訓練自動駕駛仿真測試人機交互車輛遠程控制智艙設備智能聯動影音娛樂家居互聯行駛服務自助支付封閉區域無人駕駛作業監測預警&診斷救援OTA升級UBI二手車評估試乘試駕用戶線索評級個性化內容推薦客戶流失分析與痛點優化汽車云服務在智能網聯汽車云服務在智能網聯車的應用場景展望車的應用場景展望特定道路車輛管理1無人駕駛出租車半封閉區域無人駕駛作業智能車路協同圖13:汽車云服務在智能網聯車的應用場景展望注釋:1. 特定道路車輛管理含無人化作業資料來源:安永分析智能汽車云服務白皮書 |20自動駕駛開發服務隨自動駕駛研發向高階邁進,技術復雜程度加深、更新迭代速度加快,性能強大、安全可靠、部署運維便捷
44、的云服務是加快研發進程的有力支撐。自動駕駛感知模型訓練:車輛采集的海量原始數據處理、標注需要依靠云服務的高價值數據挖掘與精準標注能力自動駕駛仿真測試:仿真場景庫的構建、仿真測試及評價,不僅需要云端高算力的支撐,更需要結合汽車專業知識的業務賦能高級別自動駕駛單車需保證約100-150MB的網絡帶寬,約300500TOPS的算力,每日測試所產生數據量約為10TB自動駕駛開發對數據交互、存儲、處理等硬件維度和相關業務能力的軟件維度要求都相對較高。自動駕駛開發服務現已有具體落地案例,技術相對成熟;但市場接受度及商業模式處于起步階段?;谟脩魯祿闹悄軤I銷在保障隱私數據不泄露和濫用的情況下,高效采集處理
45、用戶數據、實現精準營銷離不開云的賦能。試乘試駕:基于信息使用同意書,在用戶數據脫敏后采集用戶試駕時對車輛的反饋用戶線索評級:針對豐富多樣的線索進行處理及脫敏,精準輸出購車意愿等有效信息智能營銷所需采集的數據量相對有限,交互性要求較低,因此對上云需求并不是很高;且眾多車企,尤其是新勢力已展開實踐,場景成熟度偏高。智能車控云服務推動車控領域衍生出更多的創新功能,為用戶帶來更舒適、更智能的交互體驗。人機交互:對AI技術依賴性強,需云服務高性能處理器對算法模型訓練及迭代更新提供助力車輛遠程控制:云服務助力用戶實現基于手機或可穿戴設備對車狀態的遠程查看控制智艙設備智能聯動:云服務能幫助座艙基于環境及駕乘
46、人喜好進行舒適性調節智能車控場景產生的數據量較少但智能聯動對交互時效性的要求較高,因此對云端處理器的能力要求較高。智能車控場景成熟度相對較高,然而各場景的商業模式則還有進一步發展的空間。其他車載軟件應用 (非車控)車載軟件的廣泛應用少不了汽車云服務針對數據采集、處理、交互等多個維度的賦能。影音娛樂:跨界挖掘適合車載的流媒體應用,如體育直播等,將需要云端為暢快體驗賦能家居互聯:云服務助力車與家居智能設備實現數據互通,讓用戶體驗高效舒適的生活行駛服務:云服務助力車與導航及各類生活應用軟件實現數據互通互聯,為車主提供便利影音娛樂與行駛服務的多媒體內容數據量大(約2G),因此對數據的交互與存儲有較高要
47、求。各類車載軟件已在日常生活中廣泛應用,成熟度高,家居互聯則尚在初步發展期。智慧出行要真正實現智慧化且安全便捷的交通出行方式,需汽車云服務為端到端的信息共享、邊緣計算、智能化感知提供強大的傳輸、存儲、算力支撐。自助支付:汽車云服務的實時交互特性賦能停車的自動收付款,避免道路擁堵無人駕駛出租車:開放路段車輛行駛路徑的智能規劃以及基于路端信息的無人化安全駕駛需云端將各類信息進行高效收集并計算智能車路協同:汽車云服務可支持車端與基礎設施端的感應設備實時數據互通互聯智慧出行的發展需要較為成熟的自動駕駛技術,其對數據交互、存儲、處理的要求均較高,因此需要汽車云服務的助力。由于開放道路的自動駕駛亟需政府政
48、策引導,各個維度成熟度都較低。123智能汽車云服務白皮書 |2145特定道路車輛管理車、路、云的全面協同助力特定區域內的交通實現一體化的管控。云端大腦對車輛、道路等多渠道信息的高效存儲、分析、傳輸,能實現遠程監控調度無人作業車輛,利于特定區域的無阻運行。封閉區域無人駕駛作業:封閉區域內(如港口、礦山、機場等)需要云端實現車輛與平臺數據的打通,實現無人化作業車輛遠程調度半封閉區域無人駕駛作業:半封閉區域(如專線物流、城市BRT等)內車輛的有序運行需云端針對計算、實時交互的賦能特定道路車輛管理的發展需基于較為成熟的自動駕駛技術,對數據交互、存儲、處理的要求較高,且需要基于業務的專業能力進行車輛的智
49、能調度,因此亟需云端大腦的助力。該場景作為最終實現開放道路無人駕駛的示范應用,成熟度相對較高。車況管控車況管控車況監測及更新進入高速網聯化階段,汽車云服務助力完善智能車檢體系的建立,優化用車體驗。監測預警&診斷救援:汽車云服務賦能車輛電控設備的持續遠程監控和全生命周期運維管理,實現車輛故障的精準預測、預警,并協助車主、車企進行故障診斷、遠程修復救援OTA升級:汽車云服務助力軟硬件系統遠程更新,通過下載升級包進行車輛系統的遠程升級與維護,提高車輛性能,提升客戶體驗車況管控的實現需基于大量車輛歷史及實時監測信息數據,以及較快的數據交互和處理速度,因此對上云費用及速度有較高需求。另外,車況的智慧化管
50、控和用戶精細化運營需匯聚多個數據源、場景庫,并基于大數據及AI等技術進行算法模型訓練,軟硬一體的SaaS服務方案將助其快速落地。目前車況管控諸場景已具備技術能力并有一定應用,正在實現更為成熟的商業模式及更為廣泛的市場化應用,處于高速發展階段?;隈{駛行為的后市場服務車輛駕駛行為信息經過采集與云端處理,從單一用戶行為進化成具備高市場價值的車輛信息,價值大幅提升,極大程度解決市場信息不對稱難題。UBI:汽車云服務高效存儲與處理能力助力車險針對用戶駕駛習慣將脫敏后的數據進行分析,提升保費定價精準性及車險產品的多樣性二手車評估:云端大容量存儲空間使能車輛全生命周期信息篩查整理,讓二手車定價更精準用戶基
51、于車端的駕駛行為每天每車將產生上百GB數據,雖對實時性要求較低,但對數據處理速率要求極高,因此需要云端對算力實現快速賦能。該場景技術相對成熟,但UBI的商業模式在中國市場接受度較低,尚處于市場培育期;二手車評估也處于發展初期,均具備較高的市場發展潛力。精細化用戶管理服務直聯用戶已成為車企轉型中的基本訴求,通過汽車云服務對信息的收集回傳,使主機廠及時獲取第一手用戶信息,便于及時應對市場變化、優化產品結構、提升用戶體驗。個性化內容推薦:汽車云服務賦能車輛信息、用戶特點、駕駛行為偏好等信息的篩選、脫敏、分析,為客戶提供個性化體驗和服務客戶流失分析與痛點優化:云端的大容量賦能客戶各類數據的采集和標注,
52、幫助車企分析客戶流失的原因用戶偏好信息的數據類別多但量級相對較小,實時數據交互性要求不高,對于大量雜亂信息的標注、識別、分類管理等數據處理能力方面要求較高。目前用戶大數據分析技術已較為成熟,具備成熟的商業模式,很多主機廠特別是新勢力車企已廣泛應用,市場成熟度高。6789智能汽車云服務白皮書 |22梳理聚焦場景的原則通過對車輛全生命周期21個智能汽車云服務應用場景的梳理分析,可以發現汽車云服務對于各應用場景的價值高低不盡相同。此外,各應用場景市場成熟度各異,所處不同的市場發展階段,具備不同的市場發展特征。場景初生時,市場往往受制于技術瓶頸而發展緩慢;伴隨著應用技術的突破與更迭,市場實現從“0”到
53、“1”,并逐步加速進入快速發展階段,呈現階躍性的發展趨勢,該階段發展特征較為接近“化學變化”;當場景的技術成熟、商業模式得到廣泛應用后,市場趨于成熟,并呈線性趨勢發展,該階段發展特征與“物理變化”較為類似??紤]到處于“物理變化”的各類場景由于其已具有一定的規模,往往受關注度較高,反觀處于“化學變化”的各類場景則往往更容易被人們所忽略。因此,本文將從汽車云價值及場景市市場成熟度兩個維度出發,對22個應用場景進行甄別與篩選,聚焦汽車云價值高且市場發展階段具備“化學變化”特征的應用場景,進行重點展開分析各應用場景的汽車云價值分析基于汽車云服務的特點,我們分別從汽車云服務底層數據管理能力及上層業務賦能
54、兩個方向展開,建立汽車云價值分析模型(圖14)。2.2 場景“播種”路徑識別1并基于以下依據對應用場景所需的數據交互、存儲、處理的底層能力以及對業務降本、增效的賦能能力進行評估,聚焦汽車云價值相對較高的應用場景。數據管理價值判斷依據高數據交互需求:高并發數據需求要依靠穩定的上傳及下載通道高數據存儲需求:涉及的圖像、音頻等多種類數據,需要依賴大容量存儲空間高數據處理需求:復雜計算流程的應用,需要強大的算力支撐業務賦能價值判斷依據業務降本需求:在實現場景應用的同時,降低當前所需成本并節省自主開發成本業務增效需求:提升場景應用過程的運營效率,并縮短業務上線所需時間我們基于云價值判斷方法模型對各個場景
55、在不同維度下的云價值能力特征進行綜合評分,確定應用場景云價值的高低(圖15)。汽車云價值評分標準數據管理數據交互不同場景下,單位時間內所需上傳或下載的并發數據量數據存儲單一應用場景下,單車年累計產生需要云端存儲的數量規模數據處理為實現各應用場景,云端所需要的數據處理能力業務賦能業務降本為實現各應用場景,通過汽車云服務可實現降本的比例業務增效為實現各應用場景,通過汽車云服務可縮短業務上線所需時間占比圖15:汽車云價值評分標準數據存儲數據交互數據處理數據管理業務賦能業務降本業務增效圖14:汽車云價值分析模型資料來源:安永分析資料來源:安永分析智能汽車云服務白皮書 |23不同應用場景的市場成熟度分析
56、為判斷應用場景的市場發展階段特征,我們按照場景從誕生到成熟的演化過程,將場景市場發展過程劃分為孵化期、培育期、發展期、成熟期4個階段(圖16)。當場景處于孵化期時,曲線趨于平緩,市場發展較為緩慢;從培育期到發展期,隨著技術的逐步成熟與迭代,市場開始加速并快速發展,曲線出現階躍性的化學變化;到成熟期時,伴隨著市場較高的接受度,曲線呈現線性的物理反應特征。2本文將通過對場景市場成熟度的判斷,聚焦處于具備化學變化特征的培育期與發展期階段的場景,進行展開分析。市場成熟度判斷依據為聚焦具備化學變化特征的應用場景,我們將選擇技術成熟度、商業模式成熟度、市場接受度3個維度作為各應用場景市場成熟度的判斷依據(
57、圖17),理由如下:高技術成熟度:成熟的技術是產業發展不可或缺的重要基礎可持續的商業模式:商業模式跑通是市場成熟、產業發展的可靠保障高市場接受度:受到市場的廣泛認可是市場走向規?;臉酥就ㄟ^對各場景所依托技術成熟度、所建商業模式成熟度、所面向市場接受程度3個維度的綜合評判,確定各應用場景所處市場成熟度發展周期,進而篩選出具備“化學變化”特征、發展潛力大的應用場景。市場成熟度孵化期培育期發展期成熟期孵化期培育期發展期成熟期技術成熟度市場接受度技術尚存在瓶頸技術已相對成熟,并通過技術迭代實現功能與場景的升級N/A尚處于起步階段,需要對教育市場的過程市場接受度較高,具有廣泛應用具有一定的市場接受度與
58、落地應用商業模式尚未有成熟商業模式商業模式從無到有其傳統商業模式受汽車云影響發生改變具有成熟商業模式市場成熟的不同階段資料來源:安永分析資料來源:安永分析智能汽車云服務白皮書 |24圖16:市場成熟度判斷模型圖17:市場成熟度判斷方法本次白皮書將聚焦分析云價值高、市場發展階段具備“化學變化”特征的9個具體應用場景:基于梳理聚焦場景的兩大原則:高云價值、市場發展階段具備“化學變化”特征,我們最終確定本次白皮書將著重分析云價值較高,且市場成熟度處于培育期以及發展期階段的應用場景。此類應用場景雖技術方面已經較為成熟,但在商業模式以及市場接受度上有著非常大的進步空間,我們認為此類應用場景的潛力巨大,將
59、會在短期內呈現出階躍式增長。在將21個汽車云服務具體應用場景基于云價值以及市場成熟度兩個維度進行分析后,我們發現其中有9個應用場景可被歸納為具有高云價值且呈現有階躍式爆發增長的趨勢,它們將成為本次白皮書重點分析場景(圖18)。然而,其余12個應用場景將被歸為以下三類,本次白皮書將不做展開:高云價值,低市場成熟度的場景:市場還處于前期探索階段,短期內很難實現商業模式或市場接受度的突破高云價值,高市場成熟度的場景:曾經已經歷過階躍式的蓬勃發展,具有一定的規模,受關注度較高,未來增長呈線性趨勢低云價值場景:對于各類數據存儲、交互或處理的需求較小,汽車云服務可賦能的程度較低市場成熟度云價值無人駕駛出租
60、車人機交互行駛服務影音娛樂車輛遠程控制客戶流失分析與痛點優化用戶線索評級自助支付市場已進入較為穩定期,呈線性增長趨勢市場尚未有成熟的商業模式,需多方合作探索對于各類數據通信或處理需求較小,云價值較低UBI自動駕駛感知模型訓練自動駕駛仿真測試監測預警&診斷救援OTA升級二手車評估封閉區域無人駕駛作業孵化期培育期低高技術已較為成熟,市場短期內具有階躍式增長潛力成熟期智能車路協同家居互聯智艙設備智能聯動個性化內容推薦試乘試駕發展期半封閉區域無人駕駛作業圖18:應用場景云價值及市場成熟度分析資料來源:安永分析智能汽車云服務白皮書 |25我們將本次白皮書所需分析的9個云價值高且市場發展階段具備“化學變化
61、”特征的具體應用場景基于其共同性進行了聚類:基于云價值以及市場成熟度兩個維度進行分析后,我們確定了本次白皮書將著重分析9個具有高云價值且呈現有階躍式爆發增長趨勢的應用場景。在我們深入分析研究后,發現有些應用場景具有一定的技術層面、實際使用層面以及汽車云服務可賦能的價值層面的共通性,因此我們將它們進行了聚類:自動駕駛研發與持續升級:此類別包含的2個自動駕駛研發應用場景,對于車云服務所可賦能的數據交互、存儲、處理以及業務降本增效方面需求一致。這三個應用場景將可通過車云服務的助力,構建完整的數據閉環,加速車企自動駕駛開發歷程無人駕駛車輛作業:此類別包含的3個自動駕駛使用過程中的應用場景,都為依托智能
62、感知設備及雷達,并利用大數據、AI、深度學習算法等技術的可落地場景,其中最為主要區別在于所具體應用時場景的開放程度不一致,并且各場景對車端及云端的需求不同車輛全生命周期的數據分析與應用:此類別包含的4個具體應用場景均需車企及其他行業玩家針對車云服務所收集到的數據進行分析并基于海量數據資源創造更高價值。這些應用場景均可賦能車企孕育出更多的商業盈利點,同時為用戶帶來了更為便捷美好的車生活本章節將聚焦于技術已較為成熟,市場短期內具有階躍式增長潛力的具體應用場景,并以自動駕駛研發與持續升級、無人駕駛車輛作業、車輛全生命周期的數據分析與應用的順序來分析。2.3 關鍵應用場景及云價值分析市場成熟度云價值無
63、人駕駛出租車人機交互行駛服務影音娛樂車輛遠程控制客戶流失分析與痛點優化用戶線索評級自助支付市場已進入較為穩定期,呈線性增長趨勢市場尚未有成熟的商業模式,需多方合作探索對于各類數據通信或處理需求較小,云價值較低UBI自動駕駛感知模型訓練自動駕駛仿真測試監測預警&診斷救援OTA升級二手車評估封閉區域無人駕駛作業孵化期培育期低高技術已較為成熟,市場短期內具有階躍式增長潛力成熟期智能車路協同家居互聯智艙設備智能聯動個性化內容推薦試乘試駕發展期半封閉區域無人駕駛作業圖19:具體應用場景聚類分析資料來源:安永分析無人駕駛車輛作業無人駕駛車輛作業自動駕駛研發與持續升級自動駕駛研發與持續升級車輛全生命周期的數
64、據車輛全生命周期的數據分析與應用分析與應用智能汽車云服務白皮書 |26政策利好加速自動駕駛發展和商用化落地近年來,從自動駕駛技術發展初始到加速應用,國家政策性利好頻出,對自動駕駛的發展持開放態度,一系列政策推進汽車行業朝著智能化、互聯化方向發展,實現從人到車駕駛的過渡(圖20)。鼓勵自動駕駛向高度自動化發展:自動駕駛車輛研發方面,對投資、技術、量產時間進行引導,將帶動L2和L3級別自動駕駛車輛滲透率在2030年達到70%,L4高度自動駕駛汽車占比達到20%推動自動駕駛商用落地:自動駕駛應用方面,計劃到2035年,商用高度自動駕駛汽車實現大規模應用。近年來,全國多地已積極推動自動駕駛試點運營,商
65、用車 L3、L4級無人駕駛技術也已經在礦山、港口、物流、環衛等領域逐步落地;上海、廣州、蘇州等地已實現Robotaxi車隊示范運營2.3.1 汽車云服務為自動駕駛的商業化道路保駕護航國家車聯網產業標準體系建設指南加快構建包括整車及關鍵系統部件功能安全和信息安全在內的智能網聯汽車標準體系2019年智能汽車創新發展戰略計劃到2025年,實現有條件自動駕駛的智能汽車達到規?;a2015年2017年年汽車產業中長期發展規劃到2020年,汽車駕駛輔助、部分自動駕駛、有條件自動駕駛系統新車裝配率要超過 50%2018年2021年汽車駕駛自動化分級將駕駛自動化分為0-5級,明確了分級定義、要素、判定方法及
66、各等級的技術要求等2020年智能網聯汽車技術路線圖2.0計劃到2030年高度自動駕駛汽車占比達20%;到2035年,高度自動駕駛汽車大規模應用中國制造2025將智能網聯汽車列入未來十年國家智能制造發展重點領域圖20:中國相關政策發展脈絡 (2015-2021)資料來源:安永分析智能汽車云服務白皮書 |27政策驅動車企紛紛加碼自動駕駛,形成劇場效應,但自動駕駛研發與商用并非一蹴而就在政策利好的驅動下,以新勢力為代表的玩家率先試水,傳統車企緊隨其后,帶領我國自動駕駛技術快速發展。2021年我國乘用車自動駕駛輔助功能(ADAS)的滲透率已達22%,相較2019年,增長率達226%(圖21)。1463
67、0347720217%201915%202022%+226%資料來源:國家智能網聯汽車創新中心,中國智能網聯汽車產業創新聯盟,安永分析圖21:中國乘用車自動駕駛輔助功能滲透率各大車企依據自身基因與現狀,在自動駕駛的發展上采取不同的競爭策略,有著各自不同的發展節奏和比較優勢(圖22)。新勢力車企多采用“硬件預埋” 及“軟件訂閱”模式加速自動駕駛布局,部分車型已預埋了可支撐L4級別以上自動駕駛所需算力要求的芯片和雷達,為高階自動駕駛做準備傳統車企在競爭壓力下,與科技公司合作加速追趕,依據其成熟的供應鏈、生產線、銷售線,通過資源交互進行自動駕駛產業布局圖22:各派系車企自動駕駛競爭策略新勢力策略相對
68、激進,主要采取硬件預埋,之后OTA升級的模式快速發展和迭代激進保守豪華品牌:緊跟新勢力步伐,與行業頂尖科技企業建立深度技術聯盟自主品牌:主要布局在旗下高端車型中,通過投資、合作等方式納入供應商攜手開發主流合資品牌:合資品牌汽車集團的自動駕駛技術會從豪華品牌逐步向主流品牌遷移資料來源:安永分析ADAS滲透率乘用車銷量(萬輛)傳統車企智能汽車云服務白皮書 |2892%100%75%自動駕駛感知模型訓練自動駕駛仿真測試無人駕駛出租車然而,自動駕駛的研發與商用并非一蹴而就,漸進發展的過程中存在諸多困難有待主機廠去克服。在安永訪談的主機廠和移動出行企業的IT/數字化轉型專家當中,絕大多數都表示他們在自動
69、駕駛感知模型訓練、自動駕駛仿真測試和無人駕駛商用落地方面存在痛點,其比例遠高于其他應用場景(圖23)。圖23:自動駕駛相關高頻痛點場景聚類注釋:1. 受訪的12位專家提及的高頻痛點;2.受訪的12位專家中提及該場景存在痛點的人數占比資料來源:專家訪談,安永分析這些痛點主要來源于自動駕駛所產生的海量數據如何有效處理這些數據,如何安全高效地將之應用于業務,皆面臨困境。我們在自動駕駛方面還不是做的特別好,像數據標注、場景分類這種跟供應商也是在慢慢磨合而且不同工具間往往會不通用,不能體系化地串聯起來某汽車集團新成立品牌數據技術負責人仿真這塊場景庫是一個難點,光靠我們自己創建是很難做到全覆蓋的測試的效率
70、是另一個,我們現在一天可以完成的仿真里程還不到100公里某汽車品牌自動駕駛中心高級經理目前的車隊主要是通過工控機來實現,到Robotaxi真正落地還有距離未來的話,除了車端肯定還需要路側和云端的輔助,來實現單車的降本某汽車出行平臺Robotaxi高級工程師智能汽車云服務白皮書 |29自動駕駛相關場景痛點1存在痛點的車企比例2被訪車企專家對場景痛點的描述面對自動駕駛的海量數據處理,自動駕駛云服務成破局關鍵隨著自動駕駛等級的快速迭代發展,需處理的數據體量將呈指數級增長態勢。根據安永假設,一輛自動駕駛車輛研發測試階段每天所產生的數據量約為10TB左右,商用階段每天所產生的數據量約為1-2TB,則車企
71、每年所需處理的數據量在研發階段為PB級,到商用階段將躍升至ZB級(圖24)。圖24:自動駕駛所產生的數據量1(估算)注釋:1. 此處僅估算自動駕駛汽車所產生的數據量,并非需要上傳的數據量資料來源:專家訪談, 安永分析商用階段50ZB2TB10萬輛300天研發階段30PB10TB10輛300天單車每天產生數據量車輛數每年累計采集天數每年產生數據總量自動駕駛從研發到商用,是數據量從PB級到ZB級的增長,是數據獲取、存儲和計算上所需資源的巨大消耗,是ICT技術水平的捉襟見肘,是實現數據閉環迭代和價值挖掘的困難重重。車企通過傳統的數據中心顯然是無法解決上述痛點的,短期內或可克服,但長期來看還存在四大需
72、求。(圖25)圖25:主機廠對自動駕駛數據的四大需求CEST資料來源:安永分析安全可靠Safety可擴展性Extensibility智能汽車云服務白皮書 |30上市效率Time-to-market安全可靠Safety成本集約Cost可擴展性Extensibility成本集約:海量數據的存儲、處理、計算、分析等對基礎設施的要求非常高,成本也就相應高企,例如某一外資新勢力車企自建的超算中心僅硬件耗資就高達1.4億美元。未來隨數據存儲需求的增加,對硬件的投入還將增長,巨額的成本對單一車企來說是難以承受的。另外,海量冗余數據的價值挖掘、標注、模型訓練等都會耗費極高的人力成本和硬件資源上市效率:在自動駕
73、駛的軍備競賽上,時間就是生命,如何提高研發效率,加快自動駕駛車型上市的步伐是車企關注的重點。然而傳統的數據中心在效率上的表現不盡如人意,尤其是在諸如數據標注、感知和規控算法評測等業務應用的層面,會耗費大量的時間成本,嚴重拖慢研發進度安全可靠:自動駕駛的相關數據對于主機廠來說是十分寶貴的資產,數據的丟失、損壞、泄露都會帶來很大風險,而傳統的數據中心在安全合規和容災備份上都存在不夠穩定可靠的問題,對本地機房的運維管理也存在挑戰,且會牽扯過多研發精力可擴展性:在自動駕駛研發的早期階段,一些技術上的課題都還在突破當中,只需要小規模的測試車輛數據來做實驗,因此個別本地服務器就能滿足需求。但到高級別自動駕
74、駛技術的研發和最終的量產規?;?,數據存儲的空間以及算力勢必存在大量的升級擴容需求,但傳統的數據中心很難做到。另外,除數據資源存在擴容挑戰以外,數據的挖掘和應用也存在功能可擴展性的挑戰,比如數據檢索、標注,算法模型的訓練、感知、定位、規控分析等等,都是傳統模式所不具備也很難發展的能力我們本地的機房就放在研發部的旁邊,管理起來有很多問題,而且災備安全數據這一塊也不是很穩定車輛采集到的數據也好,人工智能算法也好,都是很寶貴的,我們需要更穩定地存儲和應用這些數據。某新興品牌自動駕駛中心總工“智能汽車云服務白皮書 |31集團中有些新成立的品牌自研能力不是很強,技術、人才培養、落地能力,都需要時間培養,但
75、現階段還是要賣車,迅速上量,所以還是非常需要供應商在前期的資源輸入和賦能。某汽車集團旗下智能科技公司運維總監“圖26:車企自動駕駛研發不同階段需求變化趨勢研發測試期規?;缙诩ち腋偁幤谫Y料來源:安永分析智能汽車云服務白皮書 |32成本集約Cost可擴展性Extensibility上市效率Time-to-market安全可靠Safety伴隨技術逐步成熟,車企對于自動駕駛數據處理的需求重心也有所偏移如今,車企紛紛加入自動駕駛研發的競爭中來,伴隨技術的逐步成熟與市場競爭的逐漸加劇,車企對于自動駕駛數據處理的需求重心也將隨之發生偏移(圖26)。研發測試期:在研發的早期階段,產品的安全可靠性及更新迭代效
76、率是車企贏在起跑線上的關鍵因素;較遠期大規模自動駕駛車隊而言,前期的的研發測試對可擴展性與成本集約方面要求相對較低規?;缙冢航涍^初步的研發測試,自動駕駛產品正處于商業規?;陌l展階段,隨著數據量的增加,車企對成本及擴容性需求逐步上升;同時,由于已處于商業化階段,對于數據安全以及上市效率需求也較高激烈競爭期:蓬勃發展的后期階段,市場逐漸趨于飽和,競爭愈發激烈,對成本的控制以及擴容的需求逐漸達到最高點,安全可靠的重要性同樣不可小覷,然而對于產品的更新迭代需求則逐步下降汽車云服務作為可受控“外援”將成為車企自動駕駛商業化路上必不可少的拼圖。四大需求來看,傳統的數據中心模式都已不再適應自動駕駛時代的
77、需求。而汽車云服務作為可受控的“強外援”,其超強算力、智能策略、端到端的工具鏈服務,以及深度的業務賦能能力,將極大程度為車企解決自動駕駛研發過程中的這些核心痛點,助力自動駕駛技術的加速迭代與落地。傳統的數據中心已經不能適應自動駕駛商用化的要求。上云是自動駕駛從開發到商用的必由之路。某高科技公司智能車云服務產品部總經理“智能汽車云服務白皮書 |33自動駕駛研發是助力自動駕駛落地的關鍵所在,其中感知模型訓練及仿真測試是限制算法迭代的關鍵瓶頸。感知模型訓練為自動駕駛的研發提供基于數據的模型訓練,其中數據的預處理、挖掘、標注等數據處理是核心。仿真測試基于豐富的仿真場景庫,為自動駕駛系統與車輛在仿真的環
78、境下進行反復測試與評價。自動駕駛研發過程需要采集海量的道路環境、車輛狀況等信息,且開發流程繁瑣復雜,無論對于數據基礎層面的交互、存儲,還是業務賦能層面的數據處理標注、模型訓練與仿真測試,乃至整個工具鏈的開發,都不可避免地要面對諸多層面的挑戰。自動駕駛研發與持續升級云服務加速自動駕駛研發技術的迭代與更新自動駕駛車輛的落地商用離不開自動駕駛研發階段的基礎。自動駕駛研發的關鍵控制點一般包括數據采集、感知模型訓練與仿真測試三大部分(圖27),其中最為核心的部分要屬感知模型訓練與仿真測試。如果把研發過程喻為房屋搭建、數據喻為磚瓦,那基于數據的感知模型訓練便是鋪設地基,將決定整個研發過程的成??;仿真測試是
79、房屋的構筑環節,仿真系統的效率與質量將直接影響整個研發過程的進展。感知模型訓練主要包括在對存儲的海量繁雜數據進行預處理、挖掘、標注等數據服務基礎上,進行模型訓練的過程。預處理通過對數據解析、清洗去噪,統一格式,將海量數據化繁為簡,合規脫敏儲存挖掘是從海量數據中挖掘價值數據與場景,特別是高價值的難例場景,剔除冗余數據,以提高后續環節的效率數據標注通過人工以及智能化工具,對傳感器所捕捉的圖像、視頻、路牌文本等各類別信息進行目標檢測和識別模型訓練基于構建的業務數據集,結合特定的模型算法,進行模型的訓練與優化仿真測試包括豐富的場景庫的構建以及仿真測試的應用,仿真模型需要極高的算力與自動駕駛研發積累,仿
80、真場景庫的數量與質量也至關重要,仿真測試評價決定了仿真測試的效果及仿真的迭代優化,場景測試的深度、廣度與質量是直接決定自動駕駛技術能否通過測試的前提。自動駕駛研發工具鏈自動駕駛研發工具鏈包括從數據采集、存儲、處理、標注、模型訓練、仿真、實測到可實現商用落地等一系列自動駕駛開發流程各環節所涉及的各項開發工具。圖27:自動駕駛研發關鍵控制點12感知模型訓練與仿真測試是自動駕駛研發的關鍵控制點3仿真測試傳感器數據采集數據存儲數據預處理難例挖掘數據標注場景設計和構建仿真測試封閉場地測試開放道路測試商用感知模型訓練數據采集12模型訓練數據上傳仿真測試評價實車測試自動駕駛研發工具鏈3智能汽車云服務白皮書
81、|34資料來源:專家訪談,安永分析感知模型訓練主機廠在自動駕駛開發階段,主要有全棧自研、關鍵節點自研以及全部外包等模式,對于自動駕駛開發而言,數據和算法都是核心資產,因此越來越多的主機廠基于長遠發展的考慮,都期望在數據和算法方面擁有更大的主動權。在自動駕駛研發的感知模型訓練環節,模型訓練算法是核心技術,但數據處理能力的高低是決定模型訓練能否順利進行的前提要素,模型訓練所必須的海量數據處理及數據集的構建都是開發過程中的難以跨越的挑戰(圖28)。1數據采集類別多,敏感及無關數據難清洗自動駕駛數據來源多,大量冗余、不僅造成存儲負擔,合規性也難保證價值數據占比低,挖掘難逐漸累積的自動駕駛研發數據將導致
82、數據庫龐大,難例挖掘費時費力人工數據標注耗時耗力,標準不一主要依靠人工對大量場景、圖片等數據進行標注,不僅效率低下且標準難以統一圖28:自動駕駛研發數據處理所面臨的挑戰資料來源:專家訪談,安永分析數據智能體系是自動駕駛商業化閉環的關鍵所在,搭建高效、低成本的數據智能體系是自動駕駛健康發展的基礎,也是自動駕駛系統能夠不斷迭代前行的重要環節。某自動駕駛科技公司董事長“如何高效地用”“怎么用”“用什么”數據管理業務賦能123智能汽車云服務白皮書 |35案例分享:龐雜信息造成存儲與處理壓力我國某車企在自動駕駛研發測試階段,每車每天采集TB級原始數據,隨著測試車輛的逐漸增多,數據量積累已達PB級,但其中
83、重復無價值的冗余數據比例極高,存儲負擔重,過濾篩選難度大。人工數據標注耗時耗力,標準不一自動駕駛研發過程需要標注的數據量巨大,而算法訓練不僅需要數據標注的數量支持,質量也尤為關鍵,數據標注的數量與質量將直接決定模型訓練精準度。模型訓練需要依靠大量現有數據集,一個視覺算法訓練涉及的圖片標注量就達幾十萬級,而多為依靠人工資源進行標注,過程耗時耗力,往往導致作業效率低下,且由于標注的標準難以統一,質量參差不齊,容易導致錯誤頻發,返工率高,數量與質量皆難保障。與此同時,當車企自行開發標注平臺與工具時,需要較多的前期資源投入,較高的成本導致性價比低,更是增長了自動駕駛研發的周期。案例分享:標注工作依賴人
84、工難以提高效率我國某科技龍頭公司在進行自動駕駛開發時發覺數據標注為研發過程中的一大難點。標注工作人員投入了超100人,且依靠人工進行標注的工作量占機器學習的比例極高,不單單是所需投入的人工資源過高,且耗時耗力,作業效率難以提高。人工標注數據占比資料來源:專家訪談,安永分析數據采集類別多,敏感及無關數據難清洗自動駕駛研發到量產的過程中將源源不斷的產生海量的數據以及場景,來源多且數據類別復雜,格式屬性不一。比如,車輛攝像頭采集的動態數據眾多,但并不是每一幀畫面都是有效數據,各畫面中又蘊含著多維度信息,無關與無價值信息占用極大存儲空間,且信息中往往會涉及地理位置、人臉、車牌等敏感信息,因涉及隱私,必
85、須進行脫敏合規處理。如若處理不當,一方面難以保證信息合規性,另一方面將導致存儲資源的浪費,造成存儲負擔。價值數據占比低,挖掘難車企自動駕駛的研發進程中,基于各類傳感器、智能化系統所采集的數據進行價值挖掘為關鍵環節之一,然而伴隨各類別數據與場景信息的逐漸豐富,缺乏高效率識別其中的有價值數據,則會讓數據檢索與挖掘工作變得愈加困難。大量冗余數據的堆積,加劇了有效數據的篩選難度,尤其是難例場景的提取過程,由于價值數據占比低,挖掘過程既耗時又難以精準提取,查找過程猶如大海撈針,直接影響整體研發進程。所采集數據中為冗余、無價值信息比例資料來源:專家訪談,安永分析在自動駕駛行業業內,誰能高效低成本地挖掘數據
86、價值,誰就能成為競爭的王者。某自動駕駛科技公司CEO“123智能汽車云服務白皮書 |3695%80%汽車云服務助力解決自動駕駛研發過程中數據處理的諸多難點與挑戰自動駕駛數據處理隨著技術的發展,先后經歷了人工采集、本地AI訓練、汽車云服務等三個主要階段(圖29)。人工采集數據進行標注處理為早期階段,數據處理質量參差不齊、返工率高,僅適用研發初期。隨著研發等級的提高,數據處理能力要求增加,人工智能AI訓練開始逐步與人工相結合,在本地投入應用,AI可通過主動學習提高數據處理的效率及精準度,但數據積累的深度廣度都會直接限制及影響AI的學習能力,且基礎算法模型的算力亦難以承擔日益增長的數據量。圖29:自
87、動駕駛研發數據處理發展歷程人工數據處理階段特征全部通過人工識別標注處理數據,格式不一,質量有差異,返工率高耗時長,僅適用于初始開發階段通過AI學習并優化人工標注策略,進行規?;瘓D像識別與數據處理較人工提高3-4倍,但受制于本地算力與數據積累,高級別研發時能力有限依托云端的更高算力和更多的經驗積累,實現更高效的數據標注等服務高算力結合智能策略,綜合數據處理效率提升10倍以上,數據處理成本較人工降低50%資料來源:專家訪談,安永分析本地AI訓練數據處理汽車云服務數據處理效率智能汽車云服務白皮書 |37汽車云服務的出現加快了自動駕駛研發的進程,其以超高算力及智能化策略,極大程度提高了海量數據處理、場
88、景庫構建等各環節數據處理的效率與精準度,同時以完整的端到端工具鏈開發流程,打通工具鏈的各環節,實現數據貫通,大幅提升開發效率,為自動駕駛安全提供保障。相較于人工與本地AI訓練的數據處理能力,汽車云服務憑借超強算力、高效精準的智能化策略優勢,可以有效緩解自動駕駛數據處理過程中出現的各類難題與挑戰(圖30)。圖30:汽車云服務助力自動駕駛研發數據處理資料來源:專家訪談,安永分析自動駕駛研發數據處理挑戰自動駕駛研發數據處理汽車云服務價值數據采集類別多,敏感及無關數據難清洗1有效識別高價值數據,優化存儲空間,加速難例挖掘過程基于高性能信息識別能力及豐富的自動駕駛研發積累,在海量數據中快速清洗、過濾、挖
89、掘高價值數據,通過標簽、以圖搜圖等方式智能化提取難例場景,構建高質量數據庫與場景集并及時反饋給算法訓練,優化存儲空間,加速自動駕駛算法迭代價值數據占比低,挖掘難2人工標注耗時耗力,標準不一3精準標注工具使用,準確率、成本及時長均得到優化基于云端訓練復雜神經網絡模型,汽車云服務結合深度學習實現自動標注能力提升,優化標注算法效率與精度,降低數據處理成本仿真測試仿真測試是自動駕駛云服務皇冠上的明珠行業普遍觀點認為,自動駕駛系統需至少100億英里的試駕數據,以確保車輛上路的行駛安全。但按目前的實際路測能力,即便是擁有100輛測試車的自動駕駛車隊,按照7X24小時一刻不停歇地測試,完成100億英里的測試
90、里程也需花費大約500年的時間。與此同時,中國道路特征復雜,大量實車路測危險系數極高,一方面無法滿足交通監管與法規的要求,另一方面無法做到全面覆蓋,測試至關重要的難例場景更是難上加難,所需的時間與成本難以承受,極大程度制約了自動駕駛的研發進程。因此,仿真測試是自動駕駛研發的必經之路。仿真場景庫、仿真測試平臺以及仿真評價是構成仿真測試體系的三駕馬車,并駕齊驅缺一不可場景庫是基礎,包括虛擬創建場景庫以及真實路采場景庫,其中路采難例場景更是重中之重;仿真測試平臺是核心,基于傳感器、動力學、交通流等仿真模型的構建,并在相應場景中高效完成仿真測試;仿真評價是對測試過程與結果的評價與反饋。三者環環緊扣,缺
91、一不可,構成一個完整的仿真測試體系。行業玩家跑馬圈地,尚無統一標準,開放式云服務平臺的集成能力成為必要當前仿真行業各玩家之間大多為互相競爭的關系,各自為營,沒有建立行業的統一標準,目前沒有一家可以真正做到全面且成熟的仿真軟件,而不同軟件間也存在互不兼容的情況,行業間較難形成合力,制約了自動駕駛研發的進程,面對這樣的情形,開放式的云服務平臺則顯得尤為重要。高質量的仿真測試體系如同自動駕駛云服務皇冠上的明珠,是云服務價值的體現通過構建全面多樣且逼真的仿真場景庫、建立全面系統的模型模擬實際車路場景,并通過定制化的多維指標進行仿真評價,以一站式仿真服務實現對自動駕駛車輛在各類復雜場景下的高效仿真測試,
92、既彌補了實車路測的局限性,又提高了開發效率,是自動駕駛車輛商用落地的加速器。仿真測試因其體量之大、難點之重,成為了自動駕駛云服務中最為復雜且極具挑戰的環節,也是自動駕駛研發過程的核心(圖31)。圖31:仿真測試體系構成資料來源:專家訪談,安永分析智能汽車云服務白皮書 |38仿真測試平臺仿真場景庫仿真評價仿真測試體系虛擬創建場景庫真實路采場景庫測試過程評價場景庫評價傳感器模型仿真車輛動力學仿真交通流仿真高效仿真2仿真測試需跨領域能力,既要“見木”也要“見林”自動駕駛仿真測試體系是一個系統工程,貫穿自動駕駛的開發、測試、落地以及運營等整個流程。場景庫的搭建除通過路測挖掘價值場景外,還需綜合借鑒相關
93、學科的知識,分析處理靜、動態元素,并結合自動駕駛系統的測試需求進行設計測試的過程涉及交通流、傳感器、動力學、汽車架構等全方位的知識體系評價需精準對接不同測試需求,優化測試算法與場景庫,實現仿真測試的完整閉環如果說自動駕駛研發對于其他業務環節的技術與專業要求是“見木”,那么仿真測試的要求則是“見林”(圖32)。相較自動駕駛研發的其他環節,仿真測試對技術團隊能力要求較高,要兼具多種交叉學科的專業技能,不僅需要計算機軟件技術、人工智能、信息通信等技術的支持,更需要深刻理解汽車,具備車輛工程學、交通管理學、物理學以及法律法規等跨領域學科知識積累并擁有深厚的自動駕駛經驗,對業務融合程度的要求也更高一個層
94、級,遠超自動駕駛研發的其他業務環節。智能汽車云服務白皮書 |39圖32:自動駕駛研發仿真測試的業務能力需求資料來源:專家訪談,安永分析“見木”懂仿真、懂軟件“見木也見林”“見林”懂汽車、懂專業場景數據的采集與高質量提煉精確對接不同階段定制化測試需求,與場景庫及測試過程相互呼應,形成閉環仿真場景庫數據的高效處理與分析處理千變萬化的動靜態行為模式、交通元素、法律法規,滿足測試需求充分理解交通流、傳感器、汽車動力學、汽車核心零部件等各模塊且能做到兼容并包測試平臺仿真評價高算力及高并發能力仿真測試需要應對不同階段場景庫質量、仿真測試效率與逼真度以及完整評價體系等諸多挑戰隨著自動駕駛技術的發展,路測標準
95、要求不斷提高,而仿真測試以其低成本、高靈活性、高效性成為自動駕駛研發過程中必不可少的重要環節之一。但如何構建高質量仿真場景庫、提高仿真測試的效率、降低仿真測試與實車路測的差距、建立完善且迭代的多維評價體系,都是仿真測試體系構建過程中需迫切解決的難點(圖33)。智能汽車云服務白皮書 |40資料來源:專家訪談,安永分析仿真評價體系不完善,反饋效果差仿真評價重視度不高,根據不同的開發進程,評價標準的定制與迭代也同樣重要仿真測試所涉里程數大、場景多,耗時長仿真測試過程涉及無數場景與路況,逐一測試效率低耗時長,影響開發效率場景庫覆蓋度不足,行業間格式互不兼容路采構建仿真場景庫成本高、效率低、難度大且難例
96、不足、不同場景庫間無法通用圖33:自動駕駛仿真測試所面臨的挑戰數據管理業務賦能1243仿真測試與實車路測偏差大,置信度低仿真測試需盡可能接近現實,車輛動力學與傳感器等模型的精準模擬是難點如果場景庫不能全面覆蓋,我們會面臨著一堆問號,而工具鏈沒法達到足夠高精度的真實性和有效性,可能意味著很多仿真的結果不足以代表真實場地下實車的表現,這塊是我們需要關注的。國家新能源汽車技術創新中心總經理“如何高效地用”“怎么用”“用什么”場景庫覆蓋度不足,行業間格式互不兼容自動駕駛研發測試環節仿真庫是基礎,仿真場景數據的“質”與“量”將直接影響著自動駕駛研發中算法迭代、產品性能與研發進程。虛擬場景的構建主要適用于
97、研發初期階段,可助力車企完成自動駕駛產品基礎性測試,如高速駕駛、匝道駛離,需要一定的軟件技術與交通流構建能力。相較于基礎的虛擬場景,真實場景的采集則更為必要,如人車混雜、地面凹凸不平等場景的穩定行駛則需進行實地路測采集數據。然而針對復雜道路情況,實車路測采集需要較高的資金與時間成本,且車輛、技術、人工等費用不菲。難例場景決定了場景庫價值以及研發后期產品性能的上限(圖34)。自動駕駛研發需要針對復雜場景進行路測采集,如異形十字路口,隧道、駝峰橋等靜態元素以及行人”鬼探頭”、路邊開車門、非機動車穿行等動態元素,才能保障難例條件下自動駕駛車輛的行駛安全。但場景路采涉及復雜的交通道路、川流不息的車輛,
98、安全風險系數極大,高價值的難例場景挖掘困難重重,采集效率低,任何單一企業或平臺,都難以實現全面完整的難例采集。行業普遍存在仿真場景覆蓋不足、還原度低的難點。而不同仿真庫間因未形成標準化格式,互不兼容、無法通用,提升場景庫的質與量是行業的迫切需求。案例分享:仿真庫場景還原度、覆蓋率不足我國某新勢力車企在進行自動駕駛車輛仿真測試階段,認為仿真場景庫還原度不高,與真實場景仍存在較大差距,而難例場景覆蓋率低,重點測試的難例場景只有10-20個,復雜特殊環境場景的仿真非常必要。資料來源:專家訪談,安永分析智能汽車云服務白皮書 |41仿真測試所涉里程數大、場景多,耗時長自動駕駛的仿真測試階段需要對復雜的道
99、路場景與常規場景進行全面測試,其中難例復雜場景需要不斷進行反復的測試與優化,涉及測試內容及場景要素眾多,場景復雜度不一且類別多樣。傳統仿真測試由人工監測單一進程進行推進,每天僅能完成數十公里,效率極低。在這種傳統模式下,每一次迭代,僅僅是完成之前驗證的全部場景以及各種要素不同組合的測試,所耗時長即不可想象。至于行業普遍提出的100億英里的測試里程,更是成為天方夜譚,極大影響了自動駕駛的研發進程,因此,如何提升測試效率是關鍵。重要程度研發進程虛擬創建場景真實路采場景難例場景圖34:不同階段場景庫的重要程度仿真效率直接影響仿真測試的進程,但是如今我們自己每日僅能推進幾十到幾百公里的測試,進程過于緩
100、慢。某車企研發部門總經理“1資料來源:安永分析2仿真測試與實車路測偏差大,置信度低仿真測試是基于虛擬環境的測試,需要盡可能接近現實才能達到測試的目的,進入實車測試環節進而實現商用。安永訪談的車企普遍反應仿真測試與實車測試的差距大是影響研發效率與商用落地的重要因素。車輛行駛過程中干擾因素眾多,比如雨雪、灰塵等環境因素會干擾雷達工作性能;風阻、輪胎、道路會改變摩擦系數影響剎車的判斷;行駛過程中行人避讓、換道、超車、十字路口等情況的處理。而在仿真測試中車輛往往對現實世界的干擾因素感知度較低。從微觀層面的傳感器、到中觀層面的車輛動力學,再到宏觀層面的交通環境,每個層面的模擬逼真程度都是重要難點。為盡可
101、能提高仿真測試的置信度,隨著研發進程的推進,仿真模型的搭建在模擬車輛基本架構基礎上,還需結合自動駕駛汽車的工作原理以及被測試車輛的特點,建立與實車盡可能一致的傳感器、動力學模型,同時結合宏觀交通環境與交通法規的模型搭建,更好地感知真實世界的物理特性。而如何精準模擬傳感器、車輛動力學、模型,加載交通流與交通法規,并集成到仿真測試平臺,提高仿真的逼真度,也是仿真測試過程中的重要技術難點。智能汽車云服務白皮書 |42案例分享:仿真測試真實性不足我國某車企反映仿真測試真實度不足,如雨雪天氣下剎車通過了仿真測試,但實車路測時卻因為摩擦系數變化導致剎車距離與時間的判斷存在偏差;又如逆光環境對傳感器的影響,
102、也會影響傳感器的識別,導致仿真與實測的誤差。仿真評價體系不完善,反饋效果差仿真評價是相對較為容易被忽視的環節。事實上,仿真場景庫、測試與評價是緊密相連,相互促進的關系,正如同只有考試沒有分數是沒有意義的,通過分數進行查缺補漏,才能實現推陳出新。場景庫的構建需要測試和評價體系的反饋進行完善,測試的進程需要場景庫和評價體系作為支撐向前推進,而評價體系的建立也需要以現有的場景庫和測試過程作為參考。處于不同發展階段需要的評價方向不同,需要從多維度“量身定制”不同的指標參數標準,識別判斷仿真測試過程中的問題,實現仿真測試算法與場景庫的迭代與優化。特別是在并行仿真逐步替代人工監測后,仿真評價標準也將變得尤
103、為重要,但現階段車企的仿真評價標準普遍較為模糊,無法對仿真測試體系形成有力支撐與反饋,影響仿真效果。案例分享:評價體系不完善影響仿真真實性我國某車企在對自動駕駛仿真測試的評價階段,沒有很重視多維、差異化的評價體系搭建,各場景選用了大多一致的評估指標與標準,導致不同場景評價結果的準確率有較大差異。同時,該車企恰恰提到了仿真測試真實性難以保證的問題,卻并不重視評價環節,也沒有將評價結果應用到場景庫與仿真算法的完善優化中。資料來源:專家訪談,安永分析仿真測試本身需要通過置信度、可靠性以及與實車測試進行比對等指標和手段,確保仿真測試的有效范圍。某自動駕駛科技公司總經理“資料來源:專家訪談,安永分析仿真
104、測試最重要的是貼近現實,如何降低與實際的道路測試差異是主要難點,車輛動力學模型、傳感器模型、交通流模型的模擬精準度都是影響仿真效率的關鍵。某車企研發部門總經理“34汽車云服務助力解決場景庫構建、仿真效率、真實度、仿真評價等方面的諸多難點與挑戰汽車云服務場景轉化構建效率高,可提供豐富多樣的仿真模擬場景庫,通過車輛動力學、傳感器模型的仿真以及并行仿真大幅提高仿真真實度與測試效率,并在高效全面的定制化仿真評價的基礎上,快速迭代優化算法模型與場景庫,助力仿真測試的一站式快速發展。此外,仿真測試還可以與實車測試結合,通過將在云端虛擬仿真場景加載到真實車輛上運行,從而在空曠的真實道路或封閉場地快速模擬各類
105、復雜的測試場景,并以實車開展測試驗證,兼顧了測試的效率、真實性和安全性(圖35)。智能汽車云服務白皮書 |43自動駕駛仿真不但注重技術細節,更需培育生態工具鏈某數字孿生科技公司研發總監“圖35:汽車云服務助力自動駕駛仿真測試資料來源:專家訪談,安永分析自動駕駛仿真測試挑戰仿真汽車云服務價值場景庫覆蓋度不足,行業間格式互不兼容1開放式的場景庫構建,助力仿真場景庫標準與全面汽車云服務能快速將真實路測場景轉化為逼真的仿真場景,并進行泛化;通過“以圖搜圖”快速捕捉與挖掘難例場景,覆蓋度高且場景豐富,確保車輛測試的全面、精準與安全;同時集成車企及第三方服務商共建合作關系,通過數據互補加快自動駕駛研發進程
106、,助推產業場景數據逐步邁向標準化與共享化仿真測試所涉里程數大,場景類別多且耗時長2仿真測試與實車路測偏差大,置信度低3并行仿真極大提升測試效率云端大規模并行仿真的強大算力及高并發處理能力,將單線模式轉變成并發模式,支持多場景下同時完成多個仿真任務,大大提升了仿真效率,車輛每日仿真測試里程可達千萬公里集成多領域專業能力,從微觀到宏觀提高仿真測試逼真度汽車云服務通過匯集計算機軟件、車輛動力工程、汽車核心零部件、交通、物理學、通訊技術等多領域專業技能,實現高精準度的車輛傳感器模型仿真、車輛動力學仿真、動態交通流仿真等從微觀到宏觀模型的仿真模擬,降低仿真測試與實車路測的差距,助力自動加速研發早日實現商
107、用落地汽車云服務助力仿真評價量身定制多維全面的評價體系汽車云服務基于汽車行業經驗并結合場景庫,能為仿真測試過程提供多維且全面的評價指標體系,支持不同車企、不同發展階段評價指標的定制化服務,加速仿真測試的算法迭代與場景庫優化仿真評價體系不完善,反饋效果差4汽車云服務推動自動駕駛仿真測試行業實現共榮仿真測試不只是自動駕駛研發過程中的一場考試,而是對真實世界的持續模擬。短期需解決的挑戰是加速與并行,中期的挑戰是從微觀到宏觀的不同視角,遠期需要解決的則是自我迭代性和智能性(圖36)。汽車云服務是解決仿真測試不同階段痛點的有力抓手。面對不同階段的不同需求與挑戰,汽車云服務貫穿整個自動駕駛的開發過程,從效
108、率、質量、迭代等方面有效緩解各發展階段所面臨的各類痛點,是仿真測試不可或缺的工具以及有力的抓手。汽車云服務以開放性提升仿真測試的上限,以定制化服務助力車企提升下限。目前車企所使用的的自動駕駛研發工具各異,傳統的封閉式軟件生態,即不同的仿真軟件提供商具有自己的封閉的軟件生態的模式已漸漸無法滿足當前車企對兼容性的要求。伴隨車企對于兼容性的要求越來越高,開放性云服務的出現也進一步推動了產業從封閉逐漸向開放轉型,隨著更多工具與場景庫的共享,將有效減少車企的資源重復性投入,推動全行業穩步高效邁向新臺階。在行業暫無統一標準且尚未形成統一陣營的情況下,面對車企的迫切需求,汽車云服務可以提供更為開放的平臺級服
109、務,以便于主機廠滿足不同發展時期的不同需求,助力車企快速上馬,實現不同階段能力的可配置與可調整,幫助車企找到最適合自己的模式進行自動駕駛開發的迭代推進。案例分享2020年,德國自動化及測量系統標準協會(ASAM)推出的OpenX系列場景標準已被全球各大軟件商、研發團隊以及車企所認可,為場景的進一步開放與標準化奠定了基礎。智能汽車云服務白皮書 |44閉環與自我迭代的汽車云服務助力車企唯快不破。汽車云服務能夠助力仿真測試從場景庫、測試到評價構建一個完整閉環的仿真測試體系,通過全面的場景庫服務于仿真測試,再基于多維的評價體系改進完善場景庫的質量以及測試的精準度,相互呼應,使仿真測試各環節形成完整閉環
110、,通過一站式仿真服務大幅縮短仿真測試周期。因此,合作伙伴的選擇決定了自動駕駛的研發過程能夠走多快、走多遠,也決定了自動駕駛的上限與基因。一套完整高效的仿真測試體系可以作為良性催化劑,加速推動整個自動駕駛研發的進程。選擇既懂汽車又兼備技術深厚積累的專業領域合作伙伴,搭建可良性發展并自我迭代的仿真測試體系,是自動駕駛研發技術實現長遠發展與早日落地商用的基石。我們為了仿真測試的充分性,同時使用過幾種不同的仿真軟件但是在不同軟件切換過程中,出現了場景庫間格式不兼容、文件不互通等一系列狀況,比較影響開發效率某汽車集團自動駕駛研發負責人“短期中期遠期加速與并行微觀到宏觀的真實度自我迭代與智能圖36:仿真測
111、試不同階段的挑戰資料來源:專家訪談,安永分析資料來源:專家訪談,安永分析案例分享:工具鏈整合能力弱,開發效率低我國某自主品牌車企因在自動駕駛開發過程中,不同階段使用的各項工具零散,數據處理格式不一,缺乏整合能力,導致開發模型迭代需要2個月,效率低下且成本高。案例分享:編譯工具多,適配難我國某自主品牌車企在研發過程中因使用多種不同類別芯片及開發平臺,導致出現芯片適配問題,編譯工具多,試錯成本高,一次編譯應用上車平均需要1-2周。汽車云服務賦能全棧工具鏈,助力自動駕駛實現“端到端”開發流程,降本增效數據處理、仿真等各環節的持續優化離不開汽車云服務的助力,但與此同時,云服務更是實現工具鏈閉環的有效抓
112、手。汽車云服務在云服務底層處理能力基礎上,結合汽車行業業務特點,通過多通道編譯,解決編譯復雜難題,提升效率,實現交叉業務環節的高階應用;將各環節數據做到標準化收集,并形成數據閉環,構建閉環感知模型開發工具鏈,為車企免去自研開發之苦,實現全鏈打通的“端到端”開發流程,大幅降低開發成本,與運維效率(圖37)。自動駕駛研發工具鏈通過汽車云服務的加持,能夠形成暢通且閉環的“端到端”全棧工具鏈開發流程,為車企提供一站式開發方案,提升開發迭代效率,高效助力自動駕駛研發的早日落地。自動駕駛研發工具鏈工具鏈各環節如何貫通是影響研發效率的關鍵。感知模型訓練、仿真測試等各環節都是自動駕駛研發的核心環節,但與此同時
113、,由于傳統工具鏈開發模型多采用分段式開發,根據前期不同階段的差異化需求而定制,只注重開發各階段的內容而不關注全局,工具鏈各環節業務斷層,無法實現連貫互通、順暢轉化,數據出現斷點,各環節無法統一,后期打通工具鏈耗時耗力,開發成本極高。因此,業務斷層與數據斷點也成為當前自動駕駛研發過程中最常見的痛點。業務斷層:各環節使用的編譯工具各異,轉化后導致工具鏈各環節間業務無法實現串聯互通,出現業務層面斷點數據斷點:各環節數據采集要求不同,數據繁雜多樣,標準不一,導致開發過程鏈路難打通,數據孤島嚴重資料來源:專家訪談,安永分析綜合開發成本節省資料來源:專家訪談,安永分析綜合運維效率提升圖37:“端到端”工具
114、鏈賦能自動駕駛研發過程降本增效傳統車企要從原本的車端的這種瀑布式的系統集成開發模式向云管端一體化的敏捷式場景集成開發模式轉型。某汽車技術中心高級總監“3智能汽車云服務白皮書 |4550%60%無人駕駛車輛作業是指在特定區域及道路內,融合車聯網、5G通信技術、高精定位、人工智能、融合感知等多個創新學科技術,并基于高性能的云計算、存儲及交互平臺,實現車輛遠程無人化的駕駛操作及調度管理。無人駕駛車輛作業可以實現特定道路下自動駕駛和協同調度,使能全流程、多任務的智能化、網聯化。無人駕駛車輛可在封閉區域、半封閉道路以及城市開放場景中作業,其有著眾多好處:車輛智能調度協作和運營可提高自動化水平和運作效率自
115、動化升級、無人化運作利于實現人力和運營成本的有效降低無人化和遠程控制可為作業區域內安全提供保障優化提升服務質量與水平,享受便利優質的道路環境智慧港口的建設及管理是今后港口發展的必然趨勢,利用互聯網技術和大數據的思維實現港口的智能化、自動化和無人化,助推港口轉型升級和企業提質增效,是建設國際強港的信息化保障。某知名港口業內雜志主編“無人駕駛車輛作業以封閉區域為代表的自動駕駛將實現智能化、無人化的車輛調度以及高效自動的業務協同運轉,為產業多方帶來效率及收益的提升智能汽車云服務白皮書 |46國家利好政策相繼出臺,無人駕駛車輛作業迎來蓬勃發展機遇隨著汽車領域各玩家積極部署自動駕駛研發,并加之人工智能、
116、大數據、5G等基礎技術的飛速更新,自動駕駛的各類智能化技術也得到了更為完善地發展,就此孕育出了無人礦山及港口作業、專線物流車隊、城市BRT、無人駕駛出租車等具體應用場景。國家層面愈發重視具體應用場景的落地,并相繼出臺了多個政策及具體建設方案,加速推進智能汽車的創新發展。加速打造封閉、半封閉及開放場景下的無人駕駛作業,創造安全高效行駛體驗。智能駕駛從封閉區域一直到開放道路的商業化落地還正處于發展階段。未來,伴隨智能駕駛技術及應用的進一步成熟,無論是封閉區域內的無人作業車輛統籌管理,或者半封閉道路車輛智能化運轉,再或是無人駕駛出租車的順暢運行,都將能基于車端、路端、云端的智能化感知,為人民創造更美
117、好的出行體驗,為社會帶來高效率的物流運轉。圖38:智能網聯技術路線圖2.0戰略愿景發展期推廣期成熟期階段時間202020252026203020312035目標愿景高級別自動駕駛實現在限定區域及特定場景,如封閉區域,成熟應用高級別自動駕駛在高速公路及部分城市道路中實現規?;瘧酶呒墑e自動駕駛全場景大規模應用,智能網聯車產業生態完善資料來源:中國智能網聯汽車產業創新聯盟,安永分析2018年12月,國家出臺車聯網(智能網聯汽車)產業發展行動計劃,該計劃以2020年為時間節點,2020年前在機場、港口等封閉場景開展高級別自動駕駛應用示范,2020年后逐步實現自動駕駛規?;瘧?020年發布智能網聯技
118、術路線圖2.0,其中對自動駕駛發展路徑以及不同級別智能網聯車占汽車總銷量比例相關戰略愿景提出了三個關鍵的時間節點(圖38)讓卡車單純地在路上無人駕駛是沒有意義的,開發無人駕駛卡車必須要搭配相關的應用場景,必須讓人工智能真正賦能實體經濟。某無人駕駛卡車公司總經理“智能汽車云服務白皮書 |47安永認為,商專車將成為無人駕駛領域率先落地的應用場景。以封閉區域中車輛管理為代表,將成為炙手可熱的工業新型智能設備,持續賦能企業高效率和高效益運作。封閉區域將比半封閉道路及城市開放場景更早實現商業化落地?;诜忾]場景中車輛運行速度較低、線路較為固定等特性,商用車封閉區域內的智能駕駛技術將率先于在半封閉區域以及
119、城市開放道路的智能化作業,實現大規模應用。未來,各個領域的無人駕駛作業將在國家級車聯網先導區的帶領下,不斷提升智能化作業能力,優化管控水平(圖39)。無人駕駛車輛作業使能多維場景效率飛躍車輛是人類社會運轉的主要交通運輸設備以及生產工具之一,其在大數據、AI、5G等科技的賦能下,正朝著面向更為開放道路的智能無人化作業目標發展。在車云協同和自動駕駛應用于實際場景之前,車輛駕駛及管控通常依賴傳統人力、電氣和機械設備進行場景作業。隨著5G、V2X、人工智能技術進一步成熟,汽車逐漸實現一定程度上的信息化、自動化作業。場景特征應用場景較為局限,僅能在限定道路和環境條件下運行實現無人駕駛作業路線相對固定,預
120、先設定作業路徑的模式更為適用,結合業務流可實現高鐵運行時刻表式的精準控制環境外界干擾較少,由于封閉區域內允許進入的車輛人員都較為有限,因此智能化作業幾乎不受其他因素影響應用區域開放,不受限,可全路況、全天候下無人作業作業路線自由度高,在無既定行駛路線下,要基于業務需求、路況、天氣等因素動態靈活調整作業路線環境受到極多因素干擾,開放道路行人、非機動車等不可預知因素較多應用區域稍加開闊闊,可在較為開放的高速或城市專用道路上作業作業路線稍加靈活,遵循預先設定路線作業,同時會基于道路突發情況而靈活調整環境會偶發干擾,行人、岔路、紅綠燈等動態因素增加圖39:無人駕駛車輛作業類別注釋:1. Domain
121、Control Unit 汽車域控制單元資料來源:專家訪談,安永分析封閉區域無人作業城市開放場景無人作業半封閉道路無人作業典型具體應用港口貨運礦區運輸機場接駁、行李搬運專線物流車隊城市BRTRobotaxi對車/云端需求對云端大腦智能統籌管理需求強,多車統籌調度管理,各作業環節互聯互通對云端大腦的智能化判斷、學習、訓練等能力要求高對多業務、多車輛統籌管理要求較低,介于封閉和開放道路之間的點到點或線段式的人員輸送,與其他業務交互不多,多車統籌復雜程度較低對單車智能程度要求較高,場景越開放,對車端識別感應需求越高,越依賴車端DCU1實現無人駕駛,對云端打通業務流需求相對較低智能汽車云服務白皮書 |
122、48封閉區域無人作業面臨環境復雜、調度統籌困難、安全可靠性不足等挑戰單車自動駕駛成本及技術門檻較高。當前,伴隨車聯網、AI、大數據等高科技,封閉區域內的車端自動駕駛確實可以實現單車自由度的優化提升。但與此同時,對車端技術的高度依賴性則相應提高技術門檻及單車成本。例如,需要數量更多且性能更優的激光雷達、感知器的支撐,也需要無人駕駛領域的專業積累,這無形中提高了封閉區域實現無人化、智能化作業的難度。此外,缺乏完整的數據閉環則難以實現多車、多個業務間的實時穩定交互運轉。封閉區域內商專車輛的無人駕駛技術確實可以實現單車運行的優化,但卻依舊難以最大程度賦能高效作業,實現全局最優(圖40)。由于缺乏數據的
123、互聯互通、高效精準的計算能力,單車層面的無人駕駛作業難以與業務場景實現完美對接,整個區域內無法實現各環節作業的順暢銜接,高效運轉均依靠單車層面的無人駕駛作業,當封閉區域內遇到車輛交匯時,多車博弈情況缺乏整體的調度管控,容易發生交通事故,導致作業效率降低車輛作業外部環境復雜多變封閉區域內復雜的外部環境一定程度限制了自動化協同作業。其應用場景多具備特殊性,比如礦區以非結構化道路為主,地形地貌復雜多變,揚塵多、易顛簸、有落石;挖土排土等不同的作業面持續動態變化;作業區域設備眾多且形狀各異;還有極端天氣等客觀環境問題,都給圖形圖像的識別和數據獲取造成不小的挑戰。同時,對于這些場景難例,需要建立模型并且
124、對算法進行持續的積累和優化訓練,方能實現無人車輛在復雜的區域環境中平順地進行自動化協同作業。車輛調度難以統籌管理智能駕駛作業車輛調度系統和場景業務系統在不同部門相互獨立運行和存儲,形成數據孤島,無法實現統一調度。對于封閉區域來說,提升貨物、物品運輸流轉效率是區域的核心業務訴求,但倘若各作業系統的多維度數據無法互通,就難以做到指令的精準及時下達、系統調度的統籌管理,效率和收益遲遲難以上升。比如港口區域,無人駕駛車隊的行駛要跟岸橋、場橋、鎖站、充電、道閘、終端運營系統等打通,這樣才能清晰掌控船只靠岸時間和位置、卸貨流程和運輸路線、車輛的交通管控和充電節奏等等,在系統層面打造端到端的無人化作業流程,
125、使得區域內業務高效流轉。智能汽車云服務白皮書 |49圖40:封閉區域無人駕駛所面臨的挑戰車輛作業外部環境復雜多變封閉區域道路環境較為特殊,圖像數據的采集和算法訓練存在難點車輛調度難以統籌管理作業車輛智能駕駛和業務流程系統均為數據孤島,難以實現統一調度系統安全與可靠較難保障封閉區域作業車輛和設備等障礙物交錯,易發生多車博弈下突然偏離等狀況和安全事故資料來源:專家訪談,安永分析12312系統安全與可靠較難保障封閉區域道路作業面臨眾多車輛和設備等障礙物交錯的情況,易發生安全事故。封閉區域內的安全生產一直是我國所關注的重點,但區域內的生產作業實則是實時動態變化的,車多設備多,如何在無人駕駛車輛行駛的路
126、途中精準避開障礙物和其他車輛,對保障作業安全至關重要。此外,當區域內車輛交匯時,如若路線不夠明晰、調度不夠精準,則有可能出現多車博弈時車輛突然偏離的情況,造成不確定性,甚至是安全事故。云端大腦可為封閉區域提供強大可靠的數據存儲、計算、交互能力的同時,基于對自動駕駛應用的經驗積累,更是可以用較低的成本緩解當前所遇到的發展瓶頸,助力封閉區域實現智能化、無人化作業。(圖41)具體來說,封閉區域內的無人駕駛作業應用主要包括了港口、礦區以及機場。在這三個細分場景中,云端服務伴隨著各類傳感器和智能算法的迭代升級,增強了對封閉區域環境更為精準、可靠的感知,并基于其本身所具備的強大算力及靈活數據存儲、交互能力
127、,有效推動著港口、礦區及機場三大場景的智能化發展步伐。圖41:云端大腦助力封閉區域無人駕駛資料來源:專家訪談,安永分析封閉區域無人駕駛挑戰封閉區域云端大腦價值車輛作業外部環境復雜多變1場景難例的識別、模型構建與算法持續訓練云端大腦基于云端強大的感知和計算能力,對區域內環境、道路、車輛與設備的多維度圖形圖像數據進行識別和收集,構建難例場景模型,并能夠支持模型算法在云端的持續積累、訓練和優化打通車輛和各業務系統,實現數據互通和統一調度在封閉區域,通過云端大腦可打通車輛管控與核心生產、物料運輸、調度等業務環節的數據壁壘,實現互聯互通,形成智能化的統籌調度,讓各環節流轉運作更為及時高效車輛調度難以統籌
128、管理2加強系統的安全性和可靠性保障云端大腦通過V2X在云端匯聚車端與路端的感知信息,開啟“上帝視角”,對區域內車輛和設備位置進行全盤把握、線路優化、精準調度,降低了系統的不確定性和事故發生率,達成作業安全穩定的美好企望系統安全與可靠較難保障3智能汽車云服務白皮書 |503港口智能水平運輸系統,使能碼頭揚帆起航根據交通運輸部統計,我國2020年港口貨物吞吐量完成145.5億噸,穩居世界第一,我國已成為了擁有巨大影響力的港口貨運大國。各大港口的智能運維水平也在近年來相應提高,其中TOS系統、岸橋、軌道橋的控制系統自動化發展較為成熟,成為港口打造數字化運維方式的表率。然而,水平運輸系統的智能化、無人
129、化作業則依舊存在著較大的進步發展空間,港口依舊面臨了人工作業精準度不高、效率較為低下、且容易發生安全事故等多個痛點。(圖42)智能產業發展催生港口行業新變革,智慧城市建設提出港城融合新要求,智慧物流發展要求港口物流新升級,智慧港口建設成為港口發展的新趨勢。某港口集團總裁“案例分享:貨運港口基于云端大腦實現無人駕駛與多項任務的智能調度管理中國某知名港口在進行無人自動化改造前,多項任務依舊靠傳統人力來完成,如,集裝箱卡車裝卸、搬運、駕駛等,而這不單港口工人的勞動強度較大,并且需要工人在岸橋下進行作業,也有一定的貨物掉落等安全風險。在工人進行卡車駕駛時,通常依賴自身經驗對路線進行規劃,這往往也容易導
130、致開錯路、運行路線較長等問題,更是在指令下達錯誤、不精準時,導致作業效率降低。這些長期存在的業務難點都導致了碼頭的投資額較高、能耗難以下降,工人數量較多。2020年7月該港口與某知名科技公司及云服務商成為戰略合作伙伴,實現碼頭核心生產系統的端到端全流程的自動化與智能化,大幅度提高起吊、運輸、理貨、卸貨等作業效率。通過依托云計算、高精地圖等創新技術與云端調度算法,實現了單車智能自動駕駛和全局車輛管理、作業協同調度的統一,提高作業效率并降低設備與運維成本?;谠贫藙撔碌乃俣扰c路徑規劃算法,該公司打通港口運作流程自動化全鏈條,實現了車輛自動駕駛和TOS系統、場橋、岸橋等業務系統互聯互通,使能碼頭運輸
131、全流程自動化,保障全局效率最優。碼頭投資額30%能耗17%人員數60%資料來源:專家訪談,安永分析智能汽車云服務白皮書 |51圖42:港口作業當前難點云端大腦價值業務難點對全流程無人化作業的需求相對更高,但作業系統層面存在數據孤島,缺乏統籌管理多車同時行駛運轉,多車交匯時容易出現路徑沖突、能耗過大、死鎖等問題與傳統車輛動力學特征具有一定差異,在混行和異常情況的接管及處理上存在困難點打通多個不同業務流以及端到端的數據,基于完整的數據閉環,實現水平運輸系統全流程自動化作業,整合碼頭生態鏈連接多個車輛數據,在云端進行駕駛路徑及速度計算,合理規劃多車動態協同作業路徑通過V2X、高精定位和算法訓練,實現
132、港口車隊運作的精細化引導,滿足多車型安全高效的作業需求資料來源:專家訪談,安永分析智慧礦山無人化運輸作業,開辟礦業新時代采礦行業一直以來都是我國經濟發展重要能源動力來源之一,其安全高效作業也是國家重點關注方向,應急管理部門就曾指出要提高礦業機械化、信息化、自動化和智能化水平。而在地理地質環境多變、生產運輸系統復雜的礦區實現無人化的安全高效作業則一定程度上離不開云端服務對其中運輸系統的賦能。案例分享:智能礦區的遠程、無人化作業提升效率的同時打造了安全的礦區環境2021年,我國某煤礦公司攜手某科技行業龍頭聯合打造智能礦區,借力云端大腦,打造井上井下一平臺、一張網、一朵云,構建互聯互通的智能化礦山,
133、進而提高礦區作業效率與年煤炭開采量。通過云端大腦可實現礦區場景內井下與井上數據的高效穩定傳輸,實現運輸、機電、挖掘、排水等多個系統數據的互聯互通。同時,通過部署無人駕駛系統,礦區的車輛調度可在平臺分析下發指令,實現礦區無人卡車、采掘設備的遠程操控、精準預判、自主避障、路徑規劃等功能,另外配合整個礦區其他智能化作業設備協同調度,極大提升作業效率。另外,礦用工程機械從車輛管理中心的控制系統得到指令后進行相應作業,實現設備遠程作業,滿足無人化尤其是危險區域無人化作業需求,為礦區作業安全提供有力保障。綜采隊人數50%工作效率10%人力成本1千萬/年資料來源:專家訪談,安永分析通過打通各運輸車輛及開采、
134、調度等多個環節數據實現遠程自動化控制,取消運輸傳統意義上的駕駛艙,讓礦區生產運輸維持最優狀態,真正開啟智能化的礦區作業新時代。(圖43)智能汽車云服務白皮書 |52圖43:云端大腦助力礦山緩解業務難點云端大腦價值業務難點伴隨開采作業,礦區地貌隨時發生變化,對自動駕駛道路環境識別要求隨之增高礦區存在揚塵、砂礫能見度低等特殊難例場景,運輸環境較為復雜,駕駛難度大礦區地形崎嶇復雜且存在危險區域,人工調度作業效率低且危險系數高基于高精地圖的動態更新,疊加業務層面的動態調整,實現對復雜地貌及時刷新,助力無人作業車輛順暢運轉通過云端大腦對難例場景的積累與算法不斷優化,實現無人駕駛性能持續提升;同時基于AI
135、、路側感知等技術,通過對環境數據的統籌管理與計算,實現礦卡的遠程無人化駕駛通過云端大腦調度,為無人駕駛車輛精準指引路徑,提升調度效率,保障作業安全資料來源:專家訪談,安永分析多種類作業車輛協同運轉打造全新智慧機場根據民航局2020年所發布的中國民航四型機場建設行動綱要(2020-2035年),建設智慧機場已成為了航空領域未來重要的發展方向之一。在這其中,云服務則可助力打通數據壁壘,使能機場封閉區域內車輛路線規劃及管理,助力智慧機場發展。(圖44)在封閉區域內的無人駕駛車輛作業處處離不開云端的助力,其作用于港口、礦區、機場等場景,通過打通多個車輛以及與業務場景的數據,實現多項任務的智能調度管理,
136、優化作業效率,降低人力成本,提升安全自動化程度。低速封閉自動駕駛是當前自動駕駛迅速落地的重要組成部分,高速、開放環境下的客、貨運領域是未來發展的重要方向。某著名高校副校長“智能汽車云服務白皮書 |53案例分享:智慧機場的無人駕駛實踐推動機場運作效率提升某新能源主機廠與日本某航空公司、日本大型投資機構聯合研發并推出用于機場的自動駕駛純電動接駁車。通過構建云端和車端、路端等系統互連并借力先進通信技術,接駁車收集的動態數據可傳到云端進行分析,且實時動態導航、機場道路和航班信息等數據也可以傳到車端,助力擺渡巴士為機場內旅客和工作人員連通航站樓、停車場、換乘中心等地提供智能、高效的接駁擺渡服務。自動駕駛
137、擺渡車可自行進行路徑規劃、自主避障、遠程啟停等,滿足全天候運作需求,提高機場服務水平和效率,為乘客提供更智慧便捷的出行。資料來源:專家訪談,安永分析擺渡車運行時間18%工作效率10%圖44:云端大腦助力機場緩解業務難點云端大腦價值業務難點飛機牽引車、擺渡車、行李搬運車、除冰車等多個種類的作業車輛之間較難實現統籌管理飛機起落、行李搬運、擺渡車行駛對準點率要求較高,但在高峰時期,任務繁重,作業及時性難保障機場面積碩大,且涉及飛機、人、貨物、作業車輛等,較為復雜的場景若發生安全事故,后果不堪設想打通不同作業車輛間以及與業務流的數據壁壘,基于高性能的云端算力及智能無人駕駛領域專業積累,實現車輛遠程無人
138、化的統籌管理,保證各環節對接及時基于智能云端可靠穩定的計算、交互、存儲性能,以及針對業務的專業積累,為機場運轉安全性保駕護航資料來源:專家訪談,安永分析不僅如此,云端大腦同樣可在半封閉道路以及城市開放場景中大放異彩,使能“人、車、路、云、網”的協同管控,打造智慧高效的交通系統。半封閉區域智能駕駛助力服務水平優化提升與封閉區域相比,半封閉道路的智能駕駛主要有行駛管理環境及云端需求這兩方面的區別。半封閉區域場景主要指的是高速公路、城市專用車道等道路。區別于封閉區域中較為簡單、無干擾的行駛條件,半封閉道路對自動駕駛的要求相對提高。車輛的行駛路線雖然依舊較為固定,但并非不受任何外界干擾,如當遇到高速匝
139、道、收費路口、交通信號燈、行人及非機動車時,需對這些偶發環境的變化做出最優反應。此外,相較于封閉區域對于云端服務的強依賴性,半封閉道路的無人駕駛對基于車端的感知探測要求有所提高,而對云端需求則相對降低?;趪覂炏却蛟斓姆忾]區域內智能駕駛示范區域,半封閉場景及城市開放道路皆可復用及參考其中技術。安永認為,半封閉區域中的無人駕駛主要包括了專線物流車隊、城市BRT兩大應用場景,基于AI、路側感知、無人駕駛等技術可以大大提高半封閉場景的運作效率和服務水平,為用戶打造優質生活交通環境。(圖45)智能汽車云服務白皮書 |54案例分享:智慧交通云端系統案例分享:無人駕駛卡車車隊圖45:云端大腦助力半封閉場
140、景實現智能駕駛資料來源:專家訪談,安永分析云端大腦價值專線物流車隊打通頭車、尾車及各成員車輛行駛數據,并在高性能的云計算與低時延交互能力上,加之自動駕駛豐富經驗,賦能高速道路上車隊無人智能駕駛,降低油耗的同時,減少駕駛員數量并提升行車安全。根據高速道路條件及車輛運行情況,可智能決策出安全行車距離及速度,及時傳輸至車端通過V2V交互協作,自主完成橫縱編隊、換道、超車、車輛匯入等多類型的車隊形式建立BRT公交車與城市信號燈之間的數據交互,信號燈提前識別BRT的通行需求,結合云端的高速運算和反饋能力,在統籌兼顧社會車輛的情況下,減少BRT在交叉路口的停車次數,提升通行效率。根據不同方向的車流量感知及
141、預測,云端平臺智能動態分配綠燈信號時長,確保各方通行需求實現與鄰近多個交通燈之間的數據聯動,合理安排通行時機,縮減BRT整體運行時長某國內無人駕駛科技公司聯合汽車主機廠和通信行業頭部公司等,基于V2V網聯功能和自動駕駛等技術,聯合打造無人駕駛卡車車隊,該L4級無人駕駛卡車車隊頭車采用人工駕駛模式,后車為智能駕駛,實現了列隊巡航、變道、同步減速停車等自動駕駛動作。該車隊通過協同智能駕駛,實現車隊全線最優,有效降低能耗和運輸成本。上海某線路公交車全程途經58個繁華市中心交叉口,通過智能分析指揮中心提升運營效率及客戶體驗?;谥腔酃辉贫讼到y,指揮人員可遠程觀察車輛運行、車廂舒適度、道路情況等,并進
142、行合理監控及管理。通過云端遠程識別BRT通行需求,結合實際交通狀況計算并反饋延長綠燈、綠燈提前或綠燈插入的協調指示,大幅提升車輛運行效率。案例線路通行時間25%最高時速60km/h時速80km/h車距10m城市BRT開放道路無人駕駛顛覆未來交通出行方式相較于封閉區域和半封閉道路,城市開放場景的自動無人駕駛對AI、大數據、智能傳感識別等相關技術成熟度的要求更高。不僅如此,受限于當前的路權界定、法律責任劃分等多方面的限制因素,距離大規模的應用落地還有一定時間。與封閉及半封閉區域相比,在城市開放道路的無人駕駛對車端感知依賴程度更強。城市道路環境復雜多變,穿梭的行人、非機動車等動態因素的變化與疊加,無
143、形中對自動駕駛車端的感知、決策和執行提出了更高的要求。相較于對于業務流打通、車輛宏觀統籌等需求,開放場景更需要云端匯聚各V2X感知信息,基于云端的互聯互通,實現更為便利的智慧交通。城市開放道路的無人駕駛車輛作業以Robotaxi應用場景為主,其未來發展更多依靠車端感知設備。Robotaxi是以無人駕駛系統完成所有城市開放道路中出租車駕駛及車隊管理的服務過程。在該場景商業落地的進展中,對于復雜道路識別及惡劣環境安全駕駛提出了越來越高的要求。而這些都將更為依靠功能強大的傳感器及攝像頭。未來,車端攝像頭、激光雷達等智慧感應設備的進一步發展完善,加之云平臺的輔助,Robotaxi將實現大規模應用,并且
144、基于其智慧化、高效率的特性將能大幅提升人民出行幸福感,顛覆出行和交通運輸的主流方式。(圖46)智能汽車云服務白皮書 |55案例分享:云平臺感知運算增強無人駕駛安全性圖46:云端大腦助力Robotaxi資料來源:專家訪談,安永分析云端大腦價值通過對各類智能傳感器數據打通,并基于高性能計算,實現路徑規劃、一鍵招車、遠程通信等功能,徹底解放司機雙手,為人民開啟交通運行的新時代。當遇交通管制、道路變更情況時,可及時接收車端及路端信息,快速發出相應操控指令云平臺實時監控車輛運行情況,基于供需平衡,遠程大規模車輛動態調度國內某知名科技公司,最新發布的第五代自動駕駛車輛,具備L4級自動駕駛技術,并可以在城市
145、開放道路實現規?;\營。該自動駕駛車輛搭載了能力強成本低的感知設備,實現低于行業同級別水平的車輛成本。堅持以視覺為感知主軸,該公司雖減少了激光雷達的數量,卻增加了高清攝像頭的數量,提升變化多端城市道路感應能力。同時,配合云平臺的運算技術,優化了運算單元,實現了更為全面的視野盲區監測、最優車位提示、自動泊車等智能化功能,確保了無人駕駛的安全性及便利性。車輛成本30%案例Robotaxi2.3.2 汽車云服務使能車聯網產業孕育新生態伴隨自動駕駛商用落地,數據成為車企核心資產之一,將打通信息壁壘并創造生態商業化應用隨著自動駕駛技術進一步成熟,車輛從單一的交通運輸工具變為了智能化的生活伙伴,各類應用軟
146、件層出不窮。在數字化浪潮的席卷之下,車企與數字技術的有機融合已成為大勢所趨,數據將賦能汽車在多個維度實現智能化應用。在車輛的整個生命周期中,無論是運維監控、遠程問題處理,亦或是售后維保服務、營銷、二手車買賣等環節都離不開數據的介入,車輛相關的數字化比例不斷提升,都將能有效提升客戶體驗并優化車企業務降本增效。數據賦能的時代下,車企與車主的關系從終點變為起點,數據成為制勝關鍵智能網聯時代,數據的重要性不可忽視,并且正帶動著軟件及相關服務為車企創造更多的盈利可能性。由新勢力車企率先試足的軟件訂閱服務,不僅為車企提供了直面客戶的機會,更是創造了持續的新利潤增長點。車企依靠其天然數據資源與獲客優勢,可以
147、使得服務從原本的車輛產品交易終點轉變為提供車輛全生命周期服務的起點,高效挖掘與利用價值數據,將數據資產在服務關系中高效流通,增強用戶體驗的同時,為車企創造價值與收益。這其中都離不開車企針對數據價值主動式的收集與探索。未來完整的汽車產品制造不僅要打造一輛物理意義上的實體汽車,還要打造一輛數據化的虛擬汽車。某車企副總裁兼總工程師“智能汽車云服務白皮書 |56汽車領域正孕育著更多的創新應用,持續為消費者提供舒適便捷的乘坐體驗,讓車主實現安全高效的駕駛旅程。起初,針對遠程故障診斷、OTA升級等基于車輛數據的相關應用服務,人們更多的是當做購車時的加分項目。然而在人工智能、大數據、機器學習等高科技逐步廣泛
148、地滲透在消費者的車生活中,這些應用也逐漸地成為了大眾在進行購車決定和用車體驗時的關鍵決策要素(圖47)。安永認為,在此變化中有著關鍵的三大趨勢:車成為生活的“第三空間” :過去車只是人們在移動及駕駛時使用到的交通工具,隨著與人工智能、大數據、云計算產業有機融合,車轉而成為具有科技創新且功能強大“第三空間”車端電子化功能增多:伴隨智能手機等各類電子產品增多,消費者逐漸期待車提供更豐富的車生活,如影音娛樂、高精地圖導航等用戶支付意愿提升:消費者為基于車輛數據的服務付費意愿提升,車企也開始嘗試應用服務收費訂閱的商業模式,不斷迭代更新應用場景冰山上冰山下從長板功能到關鍵決策因素基于車輛數據的服務將成為
149、車企差異化的特性,并影響著用戶購車決策及使用體驗,成為車企構建核心競爭力關鍵點之一從產品特征到改變與用戶連接方式借由基于車輛數據的服務車企可更為直接的觸達用戶,與直營銷售渠道的轉變相輔相成,共同實現連接用戶方式轉變圖48:新能源車基于車輛數據的服務趨勢轉變內容資料來源:安永分析13%40%46%1%沒興趣,不管是否免費非常有興趣,無論什么價格,都愿意付費比較有興趣,如果價格合理,愿意付費有一點興趣,但不會付費圖47:消費者對于新興增值服務的支付意愿問:若共享汽車提供一些更高的配置和便利的增值服務,如VR游戲、高清電影、K歌軟件、按摩座椅等,您是否有興趣使用并為此付費?資料來源:J.D. Pow
150、er中國消費者共享汽車使用情況調查,安永分析用戶對于基于新能源車輛數據的服務感知由之前的長板加分項目,逐漸轉變為起到關鍵決策的要素,而這僅為冰山上的顯性特征;更為深層次則的是由原先的產品特征成為了可直接觸達用戶的媒介(圖48)。智能汽車云服務白皮書 |57基于車輛數據的服務轉變為用戶購車和用車體驗的決定性要素冰山上從長板功能到關鍵決策因素面對不斷推陳出新的汽車產品,消費者的關鍵決策重心將發生遷移,對新事物的接受度日益提高。根據安永針對11項智能電動汽車產品特性對購買決策的影響相關汽車消費者調研,消費者從過去更注重于舒適性、動力性、品質等多方面的綜合考量,逐步過渡至 “種子用戶”更容易被某一產品
151、的長板所打動,比如更高級別的自動駕駛功能、更豐富的智能服務和影音娛樂。不僅如此,消費者還將變得更為理性與挑剔,要求產品兼顧“全面”和“亮點”(圖49)。通過調研發現,里程和充電、智能駕駛與智能座艙成為消費者購買智能電動汽車的關鍵決策要素。圖49:消費者購買智能電動汽車決策關注點的遷移趨勢1.0 “綜合考量”2.0 “長板打動”3.0 “全面+亮點”越野環保智能駕駛與智能座艙日常適用性安全性造型價格和使用成本里程和充電質量/品質動力學舒適性越野環保智能駕駛與智能座艙日常適用性安全性造型價格和使用成本里程和充電質量/品質動力學舒適性決定性因素重點考量因素一般考量因素越野環保智能駕駛與智能座艙日常適
152、用性安全性造型價格和使用成本里程和充電質量/品質動力學舒適性資料來源:安永智能電動汽車消費者調研(樣本數N=357),安永分析現在我們這幫“吃螃蟹”的車主買車確實有一定的感性和沖動部分,為某些打動我的特點買單,但是長期來看消費者還是理性的未來肯定是既要各方面過關,又要有特色能吸引我某新勢力品牌車主“智能汽車云服務白皮書 |58短期內,里程和充電為消費者短期購車關注重點,三電系統的續航、電池壽命、殘值等問題成為用戶的核心焦慮。由于三電系統是純電動車最為核心的部件,其質量、壽命、性能等將直接影響著駕駛安全性,因此消費者在短期內對于三電系統的關注度更高。車企則應當高效利用車輛全生命周期的數據進行深入
153、挖掘分析,緩解用戶對于三電安慰的顧慮。長期來看,智能駕駛及智能座艙將受到消費者更多的關注。在短期內解決了三電系統相關的安全性、智能監測、壽命預期等需求后,消費者對于新能源汽車的智能化功能提出更高的要求。對于智能駕駛,將能進一步解放雙手雙腳,轉變用戶與車的關系,智能座艙的具體應用更是能激發消費者對于車內豐富生活的想象,都將受到用戶更多關注。于此同時,若車企可提供軟件訂閱模式的更多應用及迭代更新,在為車企創造新的盈利模式的同時,也可優化用戶體驗感。(圖50)無論是三電系統,抑或是智能駕駛與智能座艙,這些領域的持續研發,更新迭代背后都離不開云平臺的支撐。車企需高性能的云端賦能,在能夠保持基礎的數據存
154、儲、交互、計算的基礎上,更是可以對業務實現助力。問:未來換車時,您將看重產品的什么方面?新能源車的電池壽命跟燃油車發動機一樣重要,我不希望我買來的車像手機一樣沒過幾年電池就衰減需要換新,購車前我需要廠商對電池有足夠的質保承諾,確保不會影響車輛的使用壽命。某參與調研消費者“智能駕駛和智能座艙新功能更吸引人眼球,而且我也傾向于訂閱模式,選擇我所感興趣的內容進行更新。某參與調研消費者“圖50:消費者購車關注點問:當前購買新能源車,您最為關注產品的什么方面?價格和使用成本里程和充電22%舒適性安全性智能駕駛與智能座艙質量/品質25%日常適用性動力學造型越野環保86%65%40%38%33%3%10%1
155、0%2%25%智能駕駛與智能座艙質量/品質里程和充電動力學價格和使用成本日常適用性舒適性28%安全性造型環保越野74%43%33%32%30%29%20%8%2%智能汽車云服務白皮書 |59短期內購車關注點長期內購車關注點資料來源:安永智能電動汽車消費者調研(樣本數N=357),安永分析冰山下從產品特征到改變與用戶的連接方式基于車輛數據的應用及服務,不僅為消費者帶來更多的產品選擇與體驗,影響著消費者對于車輛價值的判斷,也將成為可以直接觸達用戶的高效媒介。如今,越來越多的車企強調以用戶為中心,實現深刻洞察消費者真正需求,因此逐步有車企開始采用直營模式替代部分傳統的經銷商4S店。而除了銷售渠道的轉
156、變,車企也還需更多觸達方式,與消費者建立緊密連接,精準提供高品質產品及服務?;谲囕v數據可為消費者提供智能座艙、故障監測、遠程診斷、OTA升級等一系列汽車全生命周期的應用服務,既提升了消費者的購車與售后體驗,也為車企新增了更多的用戶觸點,使能車輛的數據信息取之于用戶并用之于用戶?;谲囕v數據的服務可構建汽車全生命周期生態閉環,而這離不開信息的采集與分析,車輛信息管控正向著“主動”式的信息采集分析階段邁進??v觀車輛信息管控的發展歷程(圖51),該領域經歷了“被動”式的部件信息調取,僅在故障發生時提醒,逐步邁入“主動”式的信息采集,實現更為高效的數據閉環,將來將進一步打通多個場景的數據,創造高價值
157、的生態圈。安永認為,當前車企正向著“主動”式信息調取階段發展。未來,在車輛網數據實現生態化閉環的背景下,將孕育出更為智能化的車輛網時代,助推產業多方創造嶄新的應用場景,并促進汽車生態實現繁榮發展。智能汽車云服務白皮書 |60圖51:車輛信息管控發展歷程資料來源:專家訪談,安永分析階段特征典型應用場景階段一部件獨立數據被動調取信息“被動式” 調取,僅在發生故障時可用于提醒車主,卻無法做到提前預測及警告,事故依舊難避免車載OBD系統、智能診斷電腦等場景進行車輛問題監測與診斷階段二部件聯網數據主動調取信息“主動式” 調取,車輛各部件狀態信息實現互聯互通,保證用戶隱私情況下,主動進行數據調取,并可用于
158、反哺車輛研發設計,實現僅車輛端的數據閉環主動式維保、OTA管理及升級等功能實現車輛升級更新便利、行車更安全階段三生態數據打通及商業化應用生態信息互聯互通,將車端數據與其他行業數據打通,創造更多商業利潤空間,實現多個產業共贏UBI、二手車評估等跨領域應用打破汽車行業邊界,創造更多商業可能性當前車聯網領域發展面臨了云端性能及經驗的不足兩大數據層面挑戰在車聯網領域,雖已成功實現各部件的獨立數據讀取及分析,但在車端與路端、云端等任何東西連接,以及車企與用戶從日益豐富的信息娛樂、高精導航、遠程診斷等應用服務中收益的過程中依舊需要數據的高效互聯互通,主動采集有價值數據,不斷訓練更新算法,從而學習及分析,進
159、而才能打通車輛及各類商業化應用的數據壁壘,讓車端數據賦能美好生活。然而,在此過程中,車企卻面臨了信息管控方面的挑戰。在車輛信息管控由“被動”式向“主動”式階段發展的過程中,主要還面臨了短期內難實現高效上云、車端功能多次迭代難支撐以及車企主動服務經驗欠缺所帶來的鴻溝(圖52)。難以實現快速高效上云車聯網的各類應用服務不僅要匯聚多源頭的數據,同時對于數據的交互、計算的及時性、安全穩定性都有較高要求,在滿足各類需求的前提下進行業務部署、日常運維等都將耗費車企大量時間。缺乏高性能平臺支撐車端功能的快速迭代以及日常平臺的運營維護新能源汽車電子設備數量增多,為了提升用戶駕乘體驗感,各車企不斷研發并更新車端
160、軟件應用,這些新功能的快速上線都需要強大的平臺迭代能力。然而,當前車企往往缺乏了高效的云平臺支撐,僅依靠自身能力較難支持車端各類功能不斷的上線與更新迭代,在缺乏第三方的業務層面支持以及針對云端平臺的運營維護背景下,都將導致車企業務迭代速度慢,難以在汽車智能網聯化的趨勢中保持競爭優勢。欠缺主動式的客戶服務策略車企往往在ICT領域沒有足夠的行業應用經驗,缺少了要主動高效調取數據并進行分析的技術能力,因此,數據將難以發揮其最大價值高效作用于車輛研發、用戶運營等多個環節。智能汽車云服務白皮書 |61車聯網相關應用的更新迭代以及各模塊的創新智能化應用都將增多,汽車也將駛入真正的“云時代”。某車企車聯網團
161、隊負責人“關鍵挑戰難以實現快速高效上云欠缺主動式的客戶服務策略圖52:車企“主動”式信息管控所面臨挑戰資料來源:專家訪談,安永分析缺乏高性能云端支撐車端功能的快速迭代和運營維護汽車早已不是單純的交通工具了,軟件為主的時代下,車企需要打造一個高效的數據工廠來全面支撐多個源頭的信息存儲、計算、交互。某新勢力車企自動駕駛系統總工“123123要以用戶為中心才是車企真正的數字化轉型,才能源源不斷地幫助車企創造更多價值,而這也是傳統主機廠所欠缺的。某車企研發部門經理“除了面臨信息管控方面的挑戰外,車輛軟件問題的增多、數據安全政策法規的逐步完善、軟件訂閱商業模式的出現都正倒逼車企加快數據高效上云的步伐。數
162、據在汽車領域的地位不容小覷,在當前車輛信息管控發展至“主動”式的階段,車企自身面臨了缺乏可靠、高性能的云端服務賦能,以及欠缺主動式的客戶服務策略兩大挑戰,然而外部的大環境同樣也正督促車企早日實現快速上云。軟件比例上升帶來車端問題的增加汽車中各類智能化應用軟件的增多,在為車主提供更為豐富的車生活的同時,無形中也增加了車輛問題發生的頻率,這將影響車主駕駛用車體驗,多次頻繁的召回也為車企帶來諸多不便(圖53)。在缺乏高性能的云端情況下,各類問題只得到店端解決,無法實現遠程的更新迭代。2020年10月,國務院辦公廳發布新能源汽車產業發展規劃(20212035年),其中提出,要創造更為安全的網絡保障體系
163、,強化新能源車輛各類數據的管理,構建完善的汽車網絡安全管理制度。2021年9月,工信部發布關于加強車聯網網絡安全和數據安全工作的通知,其中提出,車企需保障車聯網數據的合法利用,加強網絡安全風險管理,針對泄露問題及時處理,提升數據安全保障。455920202021+31%368320202021+132%智能汽車云服務白皮書 |62政策法規的逐步完善,對數據安全應用提出高要求基于車主的用車習慣及駕駛特征相關數據,近年來,車端的智能化設備與系統層出不窮。然而,這些都涉及針對用戶數據的收集、交互、運算,在安全、不泄露的環境下使用數據已成為車企所需時刻注意的關鍵點。政府也出臺相關政策,加強數據安全使用
164、的管理。12圖53:車端問題頻發導致車輛多次頻繁召回資料來源:國家市場監督管理局,安永分析單位:次新能源汽車召回次數新能源汽車召回車輛數單位:萬輛圖54:車聯網應用建設策略資料來源:專家訪談,安永分析策略優勢劣勢模式一:自建私有云 + 獨立運維自行構建和運維本地化私有云,并開發業務及應用數據私密性高:僅車企自身可訪問,對數據存儲、傳輸、運行的安全性有著良好的控制運維管理困難:私有云部署需反復確認及調試,日后運營維護需專業技術服務人員數據存儲及管理為本地私有云,維護運營與業務研發則靠第三方模式二:自建私有云 + 第三方運維運維管理有所提升:由汽車云服務商提供云端的運維管理服務,相較于車企更為專業
165、實現業務高效賦能:云服務商結合汽車領域專業儲備,助力車企運用數據進行產品研發、功能迭代、用戶運營等,使能業務蓬勃發展成本較高:依舊需要車企單獨購買硬件設備及電力用于數據的存儲汽車數據的存儲、運維管理及相關業務能力皆依托第三方提供相應服務模式三:全線使用第三方SaaS服務業務上線速度快:基于云服務商的業務層能力,將可助力車企提升各類功能應用更新速度第三方進行運維管理,無需費時自行搭建及運維,直接依靠第三方所提供的專業云服務性能有保障:云服務商具有更多的專業經驗,可根據車企自身情況實現精準搭建及運維定制化相對有限,相較于完全自建和開發的模式,即便開放的云服務環境對定制化再某些方面仍難免存在一定的局
166、限性智能汽車云服務白皮書 |63自建私有云對于車企而言成本極高,且日后的運維管理也并非車企的主業,將來,如果能有汽車云服務商提供SaaS服務,這不單是成本降低,我相信以他們的專業,可以更好地滿足我們的需求。某國內知名主機廠OTA運維專家“車企車聯網數據云端布局策略在車輛信息管控發展至“主動”式的當下,車企自身面臨了缺乏高性能的云端處理并計算數據以及欠缺主動式用戶服務技術能力兩大挑戰,并且整個汽車領域大環境受到軟件層面問題增多、數據安全法規完善以及訂閱升級的持續性服務模式等趨勢的影響,這些都督促著車企抓緊時機布局云端。(圖54)現階段,多數車出于敏感數據管理、商業機密等安全性考量,仍處于“自建私
167、有云 + 獨立運維”模式。然而未來,第三方汽車云服務商將逐漸成為云服務市場的“主角” 。隨著智能網聯車保有量的增加,對于數據存儲、交互以及算力等維度的要求也將來到新的高度。由于云端運維并非車企的主營業務,管理的成本與難度較大,未來將會更多地交給專業第三方汽車云服務商,從而進一步賦能用戶良好的交互體驗以及車企的高效管控。通過實現車與ICT的有機耦合,積極應對各類挑戰,車企及汽車領域的相關玩家將能在業務上實現更為蓬勃的發展,推動遠程診斷、道路救援、故障監控、狀態監測、OTA云服務、UBI、二手車評估等多個具體應用場景的落地,打通各領域的數據壁壘,創造更為豐富多彩的汽車生態。隨著車端軟件比例的上升以
168、及各類數字化智能應用增多,汽車的監測預警及診斷救援領域面臨了車端問題多且難解決以及用戶隱私難保障等諸多困難。在智能汽車數字化、網聯化的背景下,監測預警&診斷救援是指通過對汽車電控設備進行持續的遠程監控,賦能車輛設備全生命周期運維管理,實現車輛故障的精準預測、預警,并協助車主、車企進行故障診斷、遠程修復救援。對于車企及用戶都有著眾多的好處:對于車企:提升車輛安全性,建立品牌信賴度提前進行故障預警,提升售后服務效率用車數據全鏈條記錄,協助管理運維對于用戶:清晰了解車輛狀態,保障出行安全能有效管理車輛設備,延長設備壽命,降低養車成本行車途中遇到故障時能更快更及時地找到解決方法,提升用車體驗用戶能自己
169、在手機上,或者在車機端看到我們的車輛現在是健康的還是生病的,未來多長時間以內有可能會發生什么樣的故障,現在應該采取什么樣的措施,以保證我們的車輛接下來能正常運行。這就是整個智能車輛診斷系統的功能。某車云服務公司的數據科學家“監測預警&診斷救援車輛實現遠程智能化的監測預警、高效道路救援,將為人民行車安全順暢助力智能汽車云服務白皮書 |64監測預警&診斷救援發展歷程傳統的監測預警及診斷救援,汽車保養和故障處理主要依靠店內維修技師。因為汽車系統復雜在所難免有故障無法提前得知、監測預警較為被動等問題,將會給車主造成諸多不便。隨著物聯網、云服務、AI等技術的普及,監測預警、診斷救援也實現了跨越式發展。通
170、過有效的上云能實現遠程刷新軟件問題,車況全生命周期狀態監測更是可助力車主提前得知潛在問題,及時解決,大幅提升其駕駛體驗。(圖55)“被動式”監測,故障發生時會在儀表盤上亮燈提示,如發動機異常、機油機濾需更換、胎壓不足等,但都需到店解決所有問題依靠OBD故障碼,需到店請教專業技術人員,并通過插入OBD讀取車輛故障相應信息,費時費力,且維保高峰期店內等待時間長故障監測&診斷“主動式”監測,依靠行業知識和云計算,能實現車輛全生命周期各類信息的有效收集與分析,故障前實現提前精準預警軟件遠程刷新,雖硬件問題依舊需到店解決,但伴隨車端軟件比例上升,可實現遠程軟件升級更新,減少車主到店頻次圖55:監測預警&
171、診斷救援發展歷程資料來源:專家訪談,安永分析監測預警&診斷救援1.0 監測預警&診斷救援2.0 “鬧鐘式”維保提醒,維保技師通過行車電腦并基于業內共識或規定的保養里程、時間設置車輛自動保養提醒,缺乏基于車況對真正保養需求的判斷維保提醒個性化維保提醒,在既定的保養里程及時間基礎上通過對駕駛習慣、車輛損耗、相關參數精準識別,發送保養提醒依靠通信設備尋求救援,車主通過手機聯系維保店、拖車公司等,難以快速準確描述故障,信息傳遞不便且耗時長,嚴重影響交通車輛救援依靠汽車云服務將故障信號傳遞給多方,技師、4S店能更快應對問題,同時故障信息能共享給道路車輛,大幅降低交通影響智能汽車云服務白皮書 |65遠程診
172、斷將在5G時代的背景下協助車廠完成非常重要的任務。通過遠程診斷,整個車廠的成本都可以大幅降低,同時也可以更有效地查找問題,得到解決方案。某整車OTA提供商CTO“新能源車監測預警、診斷救援面臨軟件問題增多、故障數據收集整理難、解決不及時等痛點隨著新能源車保有量的增加,各類關于問題故障的監測預警、及時有效解決成為了新能源車主關注的焦點之一。然而,傳統監控手段已經無法滿足汽車設備全生命周期監控、系統故障精準預警、遠程診斷等需求,同時在調取故障部件數據時也總是難以高效地收集整理有價值數據,故障發生后往往響應也不夠及時。(圖56)圖56:監測預警&診斷救援所面臨的挑戰資料來源:專家訪談,安永分析智能汽
173、車云服務白皮書 |66難以精準挖掘故障部件數據車端多種類部件數量多且龐雜,導致難以精準采集、分析具體的故障部件數據車端智能部件問題復雜,較難消除汽車電子化趨勢下帶來的軟件層面問題較為復雜,疑難雜癥單靠店內技師難解決故障發生后解決不及時車輛故障后較慢的響應速度,無法及時解決問題,用戶體驗感下降數據管理業務賦能1342軟件比例上升導致車端問題增多車端智能化系統及零部件增多,各類問題隨之層出不窮,引發較多不滿與投訴“如何高效地用”“怎么用”“用什么”難以精準挖掘故障部件數據車端零部件繁多,各類信息缺乏高效收集與整理。如今,軟件對于汽車重要程度以及價值越來越大,在這背景下,車端智能化部件的數量隨之而增
174、。遠程進行車輛故障診斷時,往往需要在多個數據庫系統針對不同結構的數據進行收集、整理,然而,沒有高效的采集分析能力情況下,龐雜的信息以及不同部件數據種類的不一致都導致車企難以快速識別并精準挖掘故障信息。1軟件比例上升導致車端問題增多智能設備及汽車軟件的增多同時也帶來較多問題,導致用戶投訴與不滿增高。隨著汽車智能化時代的開啟,自動駕駛、智能座艙等各領域軟件的占比相應提升,這造成了車端與軟件相關的安全類問題增多,隨之而來的就是召回次數激增。在遠程更新升級不便的情況下,召回頻次的增多讓車企增加了很多召回成本,同時,當車輛需返廠維修時,更是造成了車主用車的不便,最終導致新能源汽車的口碑下滑,用戶信任度下
175、降,投訴和不滿的聲音愈來愈強。案例分享:軟件系統問題頻發,車主抱怨多國內某新勢力車企的“先驅者”,其眾多軟件類問題頻發引發車主不滿。接二連三有車主在社交平臺發布消息稱:行駛時,發生系統死機、儀表盤和中控盤都黑屏的情況;駕駛員無法有效控制車輛速度;無法打開車門導致孩童被鎖車中等問題。這些問題讓車主擔心車輛的安全隱患,并引來極大的不滿,投訴聲連連,有損汽車品牌形象。智能汽車云服務白皮書 |67車端智能部件問題復雜,較難消除汽車零部件眾多,故障種類繁雜,疑難雜癥難根除。隨著汽車智能化、網聯化加速發展,汽車故障不僅限于硬件設備損壞,還包括了很多軟件系統的失靈。而在對汽車保養、遠程更新升級、故障排查、維
176、修時則更是涉及了機械、電化學、通信等多個技術專業。這無形是對維修團隊提出了更高的要求,在缺乏專業資深的技術大咖情況下,很多疑難雜癥難解決。并且,傳統維修流程需要逐一排查故障原因找到維修方案,耗時長、成本高,且不少難以徹底根除的問題不斷發生,為車主出行造成不便。案例分享:新能源公交車的安全行駛,需具備疑難雜癥的高效維修國內某市進行公交車升級換代,引進大量新能源車,給維修保障工作帶來了巨大挑戰。為了讓員工了解新車維護需求,特意多次邀請廠家排技術專家講解維修技能,并且定期在線上及線下開展車輛疑難雜癥講堂。由于新能源公交車各類軟件及智能化應用的增多,這無形中也提高了對維修技術的要求,方能保證車輛安全運
177、行。故障發生后解決不及時汽車發生故障時緩慢的響應速度導致遠程故障解決不及時。當前的遠程診斷往往缺乏針對車輛發生故障場景以及解決方案的高效收集與分析,因此,即便遇到類似問題時,依舊要花較多時間識別并給出相應升級解決方案。若是在車輛出行途中遭遇突發故障而不得已停在道路中間時,緩慢的故障解決則容易造成交通堵塞。在缺乏快速高效的問題定界方法的情況下,車主的用車體驗大幅度降低。資料來源:專家訪談,安永分析資料來源:專家訪談,安永分析234案例分享:高速故障協調不當,釀成二次事故某次新能源車事故發生于凌晨,燈光昏暗,且下雨,能見度非常低。在缺乏高效的遠程故障監測情況下,車企難以主動快速告知車主問題所在以及
178、當下的解決方案。并且由于缺乏統一的道路交通協同管理,一輛小車未能及時了解故障情況,為了避讓而急剎車,其后方來車因反應不及而撞上小車,引發二次事故。不久后另一輛小型貨車因反應不及打橫停在了中間車道上,再次引發二次事故。連環事故發生時間間隔1分鐘資料來源:專家訪談,安永分析智能汽車云服務白皮書 |68云端助力遠程監測預警,高效診斷救援在此背景下,汽車云服務的出現,不但解決了海量數據存儲、運算需求,更是結合基于三電、自動駕駛等專業知識的復雜運算模型和技術支持,能持續遠程監控汽車狀態,還能通過基于采集的數據為用戶創造出更豐富的價值。(圖57)圖57:汽車云服務助力監測預警&診斷救援資料來源:專家訪談,
179、安永分析遠程診斷可以在車輛剛剛出廠或者車主有駕駛行為時,就通過對相關參數的監測及時發現問題,或者對潛在的風險進行預判,進而幫助整車廠制定有效的應對策略,并實施遠程修復,這更像是一種主動防護。某科技公司營銷副總裁“監測預警&診斷救援挑戰監測預警&診斷救援汽車云服務價值難以精準挖掘故障部件數據1云平臺高效數據對接與調取能力,助推車企精準識別故障部件汽車云平臺可將不同廠家的汽車零部件信息匯聚與整合,在保證用戶隱私、敏感數據不流露的前提下,遠程診斷過程中僅調取故障部件的數據,減少不必要的冗余信息交互,實現精準挖掘故障數據“主動式”監測及預警,體現用戶關懷汽車云服務平臺可結合大數據、AI等技術及數據挖掘
180、方法,對易損部件的特征進行探測與識別,建立相應的健康及壽命預測模型,主動提醒用戶更換易損部件、維保檢修等,提升用戶對車企信賴程度軟件比例上升導致車端問題增多2云端數據庫智能存儲檢索維修案例,協助疑難雜癥的高效率處理汽車云平臺大數據庫可以高效存儲跨品牌和用戶,且覆蓋制動力不足、車輛撞擊事故、輪胎爆破、OTA失效等多個核心問題場景及汽車全域系統的高價值數據,并構建故障及疑難雜癥案例集,結合啟發式信息發現模型和數據分析手段,高效解決疑難雜癥車端智能部件問題復雜,較難消除3故障發生后解決不及時4云平臺能有效收集與分析高頻故障場景,大幅提升遠程診斷解決速度汽車云平臺所構建的車端問題診斷數據庫能將問題場景
181、與解決方案進行深度關聯分析,并持續迭代算法,進而針對頻發事故及診斷方案實現邏輯固化,當類似問題發生時可快速界定,縮短故障問題解決時間,三電系統云端監測預警,使能電動車安全行駛根據中國汽車工業協會數據,2021年全國新能源車銷量達到352.1萬輛,在新能源車領域,我國已成為了超級強國之一。然而,隨著新能源的普及,實際續航里程預估不精準、電池過熱引發大火等三電系統事故頻發,引來不少車主不滿與投訴。根據中消協統計,三電系統為新能源車故障的”重災區”,其缺陷線索報告占總體新能源車的52.5%。汽車云服務平臺將助力三電系統實現云端高效智能監測預警,為新能源車安全行駛賦能。智能汽車云服務白皮書 |69圖5
182、8:汽車云服務助力三電監測預警緩解業務難點云端大腦價值業務難點三電浸水、電池過充、外部撞擊、電池老化、電芯缺陷等各類因素皆會導致熱失控并引發車輛自燃,難以在事故發生前準確察覺問題所在三電內短路并非將一定導致熱失控,這之間的安全邊界存在一定程度上的動態變化,而傳統計算方法難以精準判定無法準確得知電池當前的容量與出廠容量比例,電池健康程度模糊不清結合電化學機理、人工智能、大數據等技術,針對SOC、短路類型、內阻等多維度數據分析,精準識別熱失控問題原因通過機器學習、大數據分析并基于多物理場構建熱失控安全邊界模型,實現安全邊界的動態持續更新,做到熱失控精準判斷與提前預警基于大數據AI算法以及電池機理的
183、積累,建立SOH與各參數模型,實現電池健康度評估資料來源:專家訪談,安永分析隨著行駛里程以及充放電次數增多,電池壽命將縮短,但又難以精準確定電池的老化程度通過對電池大數據和機理模型的機器學習構建電池全生命周期壽命模型,實現壽命RUL精準預估案例分享:高效預測式車況檢查,為車輛安全行駛保駕護航資料來源:專家訪談,安永分析“主動式”故障預測保障汽車行駛安全某知名電動汽車品牌為了保障自動駕駛功能的安全使用,申請了“可預測潛在未來故障并提前做出反應”相關專利。該智能化系統會持續主動采集車輛數據并發送至云端的大數據平臺,經過清洗、分析之后和標準指標作對比,發現異常信號會主動把即將發生故障的部件和故障概率
184、反饋給主機廠,并及時提供維保建議給車主,保障車主和車輛安全。車企基于高效云平臺所實現的這類故障預警能力還將隨大數據和人工智能算法模型的持續優化而得到進一步的提升,故障預警的查全率和差準率將得到持續優化?;谄囋品盏倪h程故障診斷專家系統某公司公開了一種新型汽車遠程故障診斷系統基于云技術且包含故障知識庫、推理集、解釋系統、專家系統服務器、維修用戶終端和維修專家終端等部分。在這個系統里,用戶可以隨時訪問專家獲取維修建議;維修技師可以通過遠程訪問知識庫尋找案例經驗或維保建議。原先很多疑難雜癥單靠店內技師總是難以消除,車主多次往返維修店,對電池電量顯示不夠精準、動力電池組溫度過高/過低等問題多有抱怨
185、。云端的有效助力能讓該系統高效診斷汽車故障,快速解決疑難雜癥。疑難雜癥解決效率12%汽車OTA(Over-the-Air Technology)是指通過移動通信的空中接口實現針對整車全域的軟硬件進行遠程更新下載的技術,以此提高車輛各方面的性能。在汽車智能化、網聯化發展的大背景下,OTA已逐漸成為眾多車企研發的方向,并已在多款車型中實現成功應用??芍С諳TA遠程升級對車企及用戶都有著眾多好處:對于車企:車輛的調試無需程序復雜的車輛回廠過程“硬件預埋+增值軟件”的商業模式可為車企創造新的營收通道OTA持續更新迭代的特性可較大程度上緩解研發周期過長的困擾對于用戶:車功能的迭代更新將會為用戶帶來駕乘體
186、驗的提升以及驚喜感可快速實現軟硬件的遠程升級也將大幅提升便利性OTA升級OTA整車升級提升用戶體驗,為車企創造新的利潤增長點基于OTA遠程升級,汽車所具備的功能將不再被輕易局限,通過OTA可不斷增加新功能并完善現有功能,未來它的商業價值也不可小覷。某國內知名主機廠系統總工“智能汽車云服務白皮書 |70OTA發展歷程在OTA應用于汽車行業前,用戶需將車輛開到4S店通過近端診斷儀對車輛軟件進行更新。隨著2000年日本車企首次通過OTA對T-box基礎功能升級,OTA開始進入汽車行業;2012年某知名電動車車企進行了首次FOTA升級,汽車OTA正式開啟了從儀表優化、續航提升、百公里加速提高和自動駕駛
187、輔助功能升級的自我進化之路。(圖59)聚焦中國,在汽車新四化變革的推動下,OTA技術成為軟件定義汽車的核心并被廣泛應用, 隨著2019年初某新勢力車企首次對整車OTA升級,我國新勢力車企已相繼開啟了整車升級之路。2020年中國汽車OTA裝配率已從2018年的10%增至30%,呈快速增長趨勢。(圖60)23938461430%10%201818%20192020圖60:我國OTA的裝配量及裝配率裝配率(%)裝配量(萬輛)資料來源:專家訪談,安永分析智能汽車云服務白皮書 |71圖59:OTA發展歷程資料來源:專家訪談,安永分析OTA1.0 T-Box升級時代2000-2012階段發展特點軟件復雜程
188、度低:主要應用T-Box基礎性應用軟件的升級軟硬件結合,復雜程度較高:在基礎軟件應用的基礎上,可以更新部分非核心固件系統,如車機、儀表等智能零部件單部件或少量組合升級軟硬件復雜程度極高:覆蓋車輛研發到商用的全流程,支持從軟件到座艙到車控的全場景升級,包括車身動力、自動駕駛部分的整車智能化升級,軟件及固件系統可達GB級別OTA2.0 FOTA升級時代2012-2019OTA3.0 整車升級時代2019-至今技術安全性要求技術安全性要求低:設備僅涉及一些基礎網聯服務,對安全性要求低技術安全性有一定要求:對部分安全敏感度相對較低的ECU進行升級,因此對安全性有一定的要求技術安全性要求高:由于升級涉及
189、駕駛、制動等行駛相關的重要系統及部件,因此其安全可靠性成為重中之重數據量級帶寬需求10MB-80MB200MB-500MB可達GB級300kbps-2Mbps10Mbps-100Mbps100Mbps-1GbpsOTA整車升級面臨著多版本軟件包管理難、升級安全風險高、用戶交互體驗感差等挑戰OTA升級從零部、智駕系統、車控到動力域的進階,軟件不斷更迭優化,整車生命周期中版本數量可達上千個之多;升級策略、軟件復雜程度也越來越高,軟件包管理、安全風險控制、升級策略與效率、優化用戶體驗等方面都面臨重大挑戰。軟件包版本眾多、管理難度大整車軟件代碼行數可達億級,超20個零件、應用軟件系統的版本組合五花八門
190、,車輛全周期升級的需求類別和模式都不盡相同,可謂是千車千面。如何在不同場景環境下針對客戶不同需求為車輛精準匹配相應的升級包,并高效管理復雜的軟件版本是OTA升級的關鍵挑戰。(圖61)同時,沒有全局規劃而只關注階段性演進極易導致后續升級出現版本無法兼容的局面,因此在研發到商用的全流程中保障版本的一致性至關重要。OTA是未來車聯網通向智能化的必要條件。如果一個設備沒有自身的升級迭代的能力,我們不認為它是真正意義上的智能設備。某汽車科技公司總裁“智能汽車云服務白皮書 |72資料來源:國家市場監督管理總局圖61:OTA年升級次數及升級車輛數整車升級安全風險劇增隨自動駕駛技術的迭代,單車級遠程升級運維已
191、成必備,越多核心部件與系統的升級所帶來的風險也越大,輕則系統故障,重則變磚,甚至可能出現車毀人亡的慘況。安全事故不僅導致品牌形象受損、品牌挽救及后續維護成本劇增;OTA服務被迫中止后的全面檢測篩查與修復過程將耗時耗力,甚至面臨大規模車輛召回風險。車端升級的安全性與可靠性是OTA發展之路的重大挑戰。工信部在關于關于加強智能網聯汽車生產企業及產品準入管理的意見中從政策層面對OTA應用提出了明確的管理規范,著重強調了升級安全的重要性。案例分享:升級失敗變磚,損害車企形象2021年,某新能源汽車品牌用戶在下載更新包后對車輛進行OTA升級,2個多小時后發現車輛無法啟動,鑰匙按鍵無反應,車上按鍵全部失效,
192、車窗無法關閉,整車如斷電一般直接“變磚”,最終只能被拖去4S店。車主發帖控訴,影響惡劣。資料來源:專家訪談,安永分析耗時過長大幅影響用戶體驗在汽車智能化的發展過程中,各類創新應用層出不窮,軟件包及硬件系統的數據量也隨之增加。升級包的大小從MB到GB不等,流量消耗大、升級時間長等都可能造成客戶體驗感不佳,從而遭受用戶質疑,影響品牌形象。案例分享:升級耗時長影響用戶體驗某知名新勢力車企近年來的一次重大OTA升級涵蓋了智能泊車、盲區監測預警、車道居中等多項智駕系統輔助功能,這一超GB級別的系統更新需耗時2小時。多名車主發聲,OTA遠程升級只能在夜晚進行,否則容易因預留時間不夠而耽誤了原有的行程。資料
193、來源:專家訪談,安永分析1OTA應用量2020年2021年增長率車企OTA升級次數(次)22635155%涉及車輛(萬輛)8413424307%23圖62:汽車云服務助力OTA升級OTA升級挑戰OTA升級汽車云服務價值軟件包版本眾多管理難度大1實現海量軟件包的高效管理與全流程打通系統化軟件包管理:通過高效的數據處理與汽車業務分析能力,為車企及設備軟件供應商提供軟件升級包的云端整理、版本分類管理等服務精準匹配:根據用戶的不同需求針對性地匹配升級包版本和升級模式全程兼容:打通從研發、測試到商用階段全場景多模式的升級,使軟件版本單線演進全程兼容,提升管理效率整車升級安全風險劇增2為OTA升級全流程提
194、供全面可靠、高效、安全的保障,優化交互體驗提高軟件存儲的安全性:云端服務通過證書、簽名和加密機制保證升級包不會被惡意獲取、隨意篡改或發布系統化分析和措施制定:對升級過程進行系統化分析、對故障情況進行措施制定,從而提高OTA整車升級的穩定性、可靠性與升級效率通過監測信息選擇合適的升級時機:通過云端對車輛狀態信息和升級過程的監測,及對軟件功能性的區分,來選擇最安全合適的時間及場景對車輛進行OTA升級支持差分安裝與多域并行升級:依托汽車云服務的高效交互能力與下載安裝策略,實現安全可靠的高速下載能力,為用戶打造安全、飛速的高效OTA遠程升級體驗耗時過長大幅影響用戶體驗3汽車云服務助力OTA全流程管理汽
195、車云服務以其高效的數據交互能力和豐富的汽車業務經驗積累,能系統化地打通OTA升級全流程,實現軟件包存儲交互、版本管理、運營安裝等各環節的安全與高效,確保車輛從研發到商用的全場景、多模式下OTA升級的兼容、安全與可靠,級大程度上緩解現階段OTA升級的各種痛點。資料來源:專家訪談,安永分析OTA作為智能駕駛系統中的基礎環節,已是OEM廠商的核心戰略,也將成為智能網聯的必經之路。某汽車科技公司總裁“智能汽車云服務白皮書 |73案例分享: OTA為車企降本增效,加速汽車智能化進程OTA使能車企訂閱式服務,為車企創造新的利潤增長點某國際知名電動車及能源公司開創了整車OTA的先河,不僅僅是通過OTA讓用戶
196、可以遠程升級車載娛樂、電池管理、智能駕駛等多個系統。與此同時,更是利用了“硬件預埋+軟件收費”的模式創造了巨大的商機和利潤。單純依賴生產到銷售車輛本身的商業模式,本質上靠的是規模效應,而作為具有科技屬性的新一代電動車企,賣車早已不是該車企銷售的終點,而是售后、軟件營利的開端。憑借其自動駕駛軟件的銷售及訂閱,該車企走在了“軟件收費”的前列,超過25%的用戶激活率更是為今后帶來了不少的遞延收入。2012年至今,軟件相關服務為企業創造了高額營收,同時也使得該車企的毛利率常年達到30%以上,遠高于傳統車企。通過開創“軟件定義汽車”的先河,OTA已成功為該車企創造了新的利潤增長點。未來,付費升級和高級車
197、聯網功能將進一步實現更多的盈利。OTA賦能遠程升級,緩解車輛召回不便某國際知名電動車及能源公司通過OTA遠程升級其極大程度上緩解了因技術不成熟而需車輛召回的不便。OTA遠程升級在車輛需要召回的時候可一定程度上避免用戶與車企經歷復雜的召回流程。在2022年2月,該知名車企通過OTA遠程升級解決了車內制熱功能失效的問題。汽車智能化、電動化的大背景下,通過將原有的燃油車機械控制模塊改為電路,該車企空調制熱功能的糾正不再需要車輛到店進行維修,避免了傳統車企的車輛回廠復雜流程,同時也一定程度讓緩解了車主針對召回事件的不滿。通過OTA遠程升級,可為車企減少很多召回車輛時的回廠復雜流程,避免了一定的用戶不滿
198、。因此,OTA在該車企成為當今知名電動車科技公司的作用不可小覷。資料來源:案頭研究,專家訪談智能汽車云服務白皮書 |74軟件訂閱用戶激活率25%UBI(Usage-based Insurance)車險是基于被保人駕駛車輛行為實現精準定保費的一種保險。通過終端采集被保人的駕駛習慣、車輛狀態、駕駛技術、周圍環境等多個維度的因子實現對投保人出現事故概率的判斷,從而給予更為精準的車險定價。UBI的出現是對傳統車險模式的一種革新,可實現對車企、保險公司以及車主的“三方共贏”:對于車企:基于多維度信息和ADAS/ADS(自動駕駛輔助/自動駕駛)接入控制,實現事故風險的降低,助力車企通過數據變現,創造新的業
199、務增長點對于保險公司:依托UBI及ADAS/ADS接入控制,可真實降低事故風險和賠付率,提升利潤空間對于用戶:駕駛習慣優良的車主將獲得一定保費折扣;為投保困難的貨車提供真實可靠、人車分離的投保模式提供可能UBIUBI提升車險保費精準度,推動車險行業的創新、盈利UBI車險創新產品的本質,不是構建渠道,而是重建場景。某知名第三方車險平臺創始人兼總裁“智能汽車云服務白皮書 |75UBI發展歷程從監測風險到管理風險UBI車險始于1998年,由某國際車險公司通過里程計量車險;后隨車聯網技術的發展,其在各國車險市場滲透率逐步提高。2021年,某國際知名新能源車企成為第一家實現UBI應用的車企。UBI發展初
200、期主要基于初級的車載信息系統和T-BOX設備按里程計費;后進階為依托手機和OBD設備實時采集駕駛行為數據,將其作為因子引入定價模型并過監測風險來決定給客戶的優惠程度。在智能輔助駕駛系統的快速迭代升級下,可供參考的車輛信息越來越全面,UBI依托車端智能輔助駕駛系統主動篩選駕駛行為風險,一方面能提高車險定價的精準度,一方面可在監測駕駛行為的同時實現風險管理風險,提高駕駛安全意識,降低出險率和賠付率,提升保險收益水平。(圖63)圖63:UBI發展歷程按需付費(Pay as you drive )階段發展特點只是單純根據里程來計費,信息單一,缺乏對駕駛數據的積累通過GPS、車載OBD等設備監測風險,對
201、駕駛行為風險干預程度低,效果不佳成為保險變相打折工具,助漲行業無序競爭,與降低金融風險的初衷相悖通過車聯網、智能輔助駕駛系統等,主動獲取駕駛行為風險信息并通過主動安全設備介入控制,可真實地降低駕駛風險由于其降低車主保費的同時,提升了保險公司等的盈利性,因此得到了市場的廣泛認可按駕駛行為付費(Pay how you drive )駕駛風險管理(Manage how you drive )資料來源:專家訪談,安永分析智能汽車云服務白皮書 |76政策驅動車險的改革與創新政策的利好進一步激發了保險業的動力與可行性。2020年9月,中國銀保監會發布關于印發實施車險綜合改革指導意見的通知,旨在解決車險行業
202、中存在的高定價、高手續費、經營粗放、競爭失序、數據失真等問題,實現車險高質量發展。綜改后保費整體降低,對減損降賠的訴求提高,同時進一步鼓勵“在新能源汽車和具備條件的傳統汽車中開發機動車里程保險(UBI)等創新產品”的探索。賠付考量范圍由前1年擴大到至少前3年,風險測算機制不斷完善;“自主渠道系數”和“自主核保系數”整合為“自主定價系數”,保險公司自主定價空間提高,進一步加速UBI等新模式的落地。中國UBI發展現狀車企躍躍欲試UBI對原有車險的革新吸引了大量跨行業玩家,如智能網聯科技公司和車企。2015年,中國首例由某數據科技公司與某中小保險公司合作的UBI車險服務app上線,通過后裝OBD設備
203、和手機APP采集駕駛行為信息。各大型保險企業緊隨其后,通過投資、收購、合作等方式相繼布局UBI,但受制于駕駛數據的深度與廣度不足、宣傳力度差、用戶粘性低等因素,未能形成規模。2018年前后,擁有數據優勢與客戶粘性的車企開始涉足UBI市場,紛紛設立保險代理子公司,以保險業務為觸點服務用戶。新能源汽車專屬保險的上線后,新能源車險保費上漲一度引發熱議。某國內新勢力車企迅速反應,于2022年初設立了國內首家車企保險經紀公司,以提供費用更低、更具個性化的保險,為車企創造新的利潤增長點。保險公司智能網聯科技企業車企模型及精算優勢:依托原有行業經驗,精算定價模型上具有先發優勢資質優勢:由于保險市場具有一定的
204、準入門檻,使得保險公司在資質方面更具優勢數據收集依賴于智能網聯科技企業或車企等第三方UBI的出現將一定程度削減保險公司收入,因此其相對缺乏動力,更多處于被動防守狀態數據收集與分析優勢:實時采集車輛動態多維度數據,并借力于云服務的存儲與分析智能網聯科技公司通過后裝模式切入,賦能傳統車企升級存量非智能網聯汽車保有量,搭建車企與保險公司間的業務橋梁,實現數據閉環沒有保險執照,因此需與傳統保險公司合作與車企相比,受限于獲得數據的設備,獲得數據量較少更貼近用戶,具有獲客的天然優勢數據資源更豐富,可實時獲取用戶的個人信息、車輛信息、駕駛信息等多維度的豐富數據,實現更精準的預估在自動駕駛領域積累深厚,因此,
205、在駕駛行為方面具有一定的算法沉淀數據變現能力低,需要和傳統保險公司進行合作優勢劣勢資料來源:專家訪談,安永分析圖64:UBI主要參與方類型及優劣勢分析智能汽車云服務白皮書 |77UBI為車企創造新機遇的同時也有助于規范用戶駕駛行為、提升用戶體驗,實現駕駛風險管理。在政策利好與市場需求的雙重驅動下,車企依靠自身優勢下場經營UBI車險業務已順理成章。依據企業基因與產品特性,可分為造車新勢力和傳統車企兩類:新勢力車企具備預裝智能輔助駕駛系統及設備優勢,通過UBI業務精準地識別低風險客群,為現有車險服務包提供更多的價格下降空間,從而吸引更多潛在消費者傳統車企具備客群優勢,雖受制于相關數據采集與回傳設備
206、,但通過后裝設備即可實現動態數據獲取,與智能網聯科技企業聯手合作開展UBI業務可實現共贏保費定價精準性不佳傳統車險所基于的數據量較為薄弱、計算顆粒度較粗,通常根據行駛里程、事故次數等歷史靜態信息來定價,造成不同風險等級的車主繳納同等保費的情況,難以實現保費的精準計算。UBI駕駛風險管理有著海量數據安全難保障、保費計算不精準、保費機制死板等挑戰在自動駕駛應用場景和數據飛速上漲的趨勢下,UBI車險可供參考的依據不斷增多,逐步走向精準化。然而,在UBI駕駛風險管理階段,仍不可避免地面臨海量數據安全隱私管理難、車險保費定價精準性不佳、保費機制不靈活等問題。UBI將發揮橋梁的作用:第一座橋是把主機廠和保
207、險公司連起來,第二座是把人和車連起來,第三座是把人、車和社會聯系起來。某保險科技創新公司CEO“智能汽車云服務白皮書 |78海量數據安全隱私管理難當前,OBD設備及車輛智能化感知系統雖能讀取到一定量的車輛自動駕駛相關數據,但依舊有海量的用戶駕駛行為數據未得到收集,而且這些海量隱私數據面臨著安全管理的重大難點。車險保費機制不靈活傳統車險費用通常一年一更新,難以按真實需求在不同時間段投保。對于人車分離的商用車,定價機制死板導致拒保率高;對于網約車車主,則因為駕駛時間長、行駛路段非固定、惡劣天氣依舊運行等,導致難以準確評估其風險而被拒保。案例分享:后裝數據信息量不足且通用性低,無法實現規?;珳识▋r
208、國內某UBI車險創業公司采取OBD后裝設備收集車輛信息模式,但由于采集信息維度有限、安全風險方面客戶信任度低,無法形成規?;?。而且,可通用數據集的缺乏導致被保車輛無法精準定價、賠付率居高不下;用戶停止續保后設備因無法匹配其他車輛而報廢,推高運營成本。最終項目以失敗告終。資料來源:專家訪談,安永分析案例分享:新能源車輛保費上漲引發不滿在某車友交流論壇上,眾多新能源車主抱怨每年所需繳納的保費普遍比傳統燃油車要高,且近年來呈上漲趨勢。究其根本原因是新能源車的維修成本較高。各類傳感器數量不斷增加,且一些關鍵部件的成本高達上萬元,若損壞將是一筆不少的賠付。車險公司只好提高保費以保障正常盈利。資料來源:專
209、家訪談,安永分析案例分享:卡車司機投保困境難破除河南洛陽某卡車司機反映,貨車上保險極為困難,總要經歷被拒保、加保費、時間流程久等問題。這是諸多卡車司機所面臨的共同困境??ㄜ囆旭偮窙r復雜多變、疲勞駕駛現象層出不窮、發生意外時難以控制剎車,增加了發生意外的概率,一旦理賠金額巨大;而且卡車的多人輪班制也導致難以準確跟蹤駕駛風險。資料來源:專家訪談,安永分析123UBI駕駛風險管理緩解當前車險難點,使能保費精準計算基于云端所賦能的UBI車險,利用大量動態數據完善其商用車保險業務策略,不僅為車企提供車險產品創新空間,為營業利潤提供保障,同時有利于推動車險定價的精確性和公平性。通過將車輛各個維度的行駛數據
210、實時上傳云端,可幫助車企及車險公司隨時調取駕駛數據,不斷動態更新投保人的真實風險水平,以此實現個性化車險定價,降低企業虧損風險。UBI雖仍是起步階段,但一定會是傳統車險的未來,精準的定價模式極大保證車主和車企利益。某科技公司車聯網項目經理智能汽車云服務白皮書 |79“圖65:汽車云服務助力UBIUBI挑戰UBI汽車云服務價值軟件包版本眾多管理難度大1汽車云服務賦能車企構筑數據全生命周期的安全保護機制汽車云服務可賦能車企實時收集大量多種形式的用戶駕駛行為數據保證車聯網所獲取的海量數據能安全地存儲及訪問,強化敏感數據的安全管理機制整車升級安全風險劇增2汽車云服務基于大數據、AI等技術助力車險保費定
211、價計算更為精準云計算平臺強大的算力支撐及訓練模型能幫助形成駕駛風險評分PaaS和SaaS服務可為車企提供一體化的解決方案,使其可通過風險等級指數和評分為用戶提供個性化保單,實現保費的精準計算耗時過長大幅影響用戶體驗3資料來源:專家訪談,安永分析汽車云服務助力保險公司使基于用戶真實情況實現靈活定價成為可能通過將車輛各個維度的行駛數據實時上傳云端,可助力車險公司基于駕駛數據實現按月甚至是按天動態更新保費,反映投保人的真實風險針對人車分離的貨車,云端大量的駕駛者實時行車習慣數據則可實現車險保費定價“隨車”更“隨人” ,進而大大緩解投保難的問題案例分享:規?;瘮祿杉c計算是UBI發展的前提UBI使能
212、保費精準計算,節省駕駛習慣優良的車主保費某電動車行業領軍車企在2021年10月正式開展了UBI車險服務,將基于車主實時的駕駛行為實現個性化的保費評估,每位車主具體保費金額的高低取決于其真實的駕駛情況,而并非傳統的行駛里程、年齡、性別等因素。通過電動車及時存儲并處理車主駕駛時的各類行駛數據,每個月將會更新車主的駕駛行為安全得分,根據安全分每月計算出不同的保費金額。通過UBI的賦能,普通車主將能節省20%-40%的保費,駕駛極為安全的車主將能實現30%-60%的保費節省?;赨BI車險,駕駛習慣相對不錯的車主將能比以往節省約30%保費,減少電動車主的抱怨,扭轉電動車保費較高的局面。UBI利用車主駕
213、駛海量數據,助力車企挖掘業務增長點某國際知名電動車及能源公司顛覆了傳統車險的商業模式,在2021年下半年正式推出基于駕駛行為的保險產品UBI,通過這種新型保險模式可讓該公司通過采集車輛數據對車險進行個性化定價,大幅度提高消費者的意愿去選擇開通保險服務,最終實現高盈利。多位資深業內人士認為,車企基于用戶和數據優勢,在車險這個領域大有可為,而該企業正是通過對保險企業進行邊緣性創新,獲取了更多的利潤空間。其企業保險業務的價值核心在于針對用戶的駕駛行為數據對車險進行精準定價,科學合理地服務消費者,使其車險的經營模式備受關注。該企業通過UBI實現了車險領域的彎道超車,打破原有的市場格局。結合新能源汽車的
214、發展大勢和UBI的營收效益,UBI將實現對車企商業模式的變革,實現千億級車聯網車險的到來。資料來源:案頭研究,專家訪談智能汽車云服務白皮書 |80車主保費節省20-40%二手車評估是通過對車輛信息的采集與分析,并結合地方性需求特點,提供科學、客觀、公正的二手車價格評估。隨著數字化的發展,二手車評估已逐步從人工評估向智能化評估進化,本文所描述的二手車評估立足于智能化階段,即通過車聯網對車輛全生命周期多維度靜態與動態數據的采集,依靠云端規范、標準化模型充分評估車況,進行快速精準定價,減少人為干擾和情感因素影響,實現二手車評估的可靠、精準與高效。對于二手車行業:降低二手車交易服務的風險,評估標準統一
215、,做到價格精準、可靠、透明,有利于促進二手車行業的健康與持續發展對于車企:降低車輛回收過程中的價格風險,規避事故車隱瞞車況、信息不對稱的風險對于車主:價格公允,交易過程透明化,有效減少車主顧慮,避免交易糾紛,提高交易效率二手車行業急需加速推進數字化、智能化,以為客戶提供高效的車輛檢測服務。數據、云服務和人工智能,未來會改變中國二手車交易的現狀,推動整個二手車行業向前發展。某國內知名二手車平臺COO“二手車評估數字化與智能化推動二手車價格評估更加準確,打破交易信息不對稱的現狀智能汽車云服務白皮書 |81二手車評估發展歷程1998年,伴隨著我國二手車市場首個交易法規舊機動車交易管理辦法的出現,二手
216、車交易正式開啟了集中、有序化的市場運營。在二手車交易發展初期,車輛流通以及評估主要依靠中小型甚至個體戶商販,因車輛信息不對稱,定價隨意性較強、透明度低。隨著數字化發展,車輛維保出險等信息逐漸透明化,二手車評估信息的廣度得以提升,行業逐步規范,定價精準水平也有所提升。車聯網與云服務的出現,使能二手車信息的深度與廣度得到大幅提升,引領了二手車交易向更加標準、透明與公正的智能化評估方向發展。(圖66)政策驅動二手車交易市場規范、蓬勃發展。近年來,隨著限遷政策取消、交易流程簡化等促進二手車交易的新政相繼出臺,二手車交易規模不斷擴大,二手乘用車占新車銷量比例逐年上升(圖67),參考發達國家200%-30
217、0%的比例,未來我國二手車市場增長空間巨大。8228618591,05949%202143%201835%202040%2019占乘用車新車銷量(%)二手乘用車銷量(萬輛)圖67:中國二手乘用車銷量及占乘用新車銷量比例智能汽車云服務白皮書 |82資料來源:中國汽車工業協會、中國汽車流通協會,安永分析2021年中國汽車流通協會發布乘用車鑒定評估技術規范,提升了二手車評估的技術標準,將推動行業向規范化、精準化方向發展。資料來源:專家訪談,安永分析圖66:二手車評估發展歷程車輛評估依據車輛的購買年限、行駛里程、內飾以及外觀新舊程度人工線下評估線下結合線上評估智能化評估車輛全生命周期多維度數據,包括車
218、輛出廠信息、行駛里程、維保出險信息等靜態數據,以及電池衰減狀況、電機工況、發動機工況、變速箱工況等動態數據通過識別車架號,調取事故記錄、維保記錄、出險記錄、年檢狀態等車輛相關靜態數據車輛信息收集方式階段特征依賴有經驗的評估師,通過視覺觀察和行業經驗進行定價,信息不對稱,易受認為干擾,定價標準差異嚴重專業二手車評估師再傳統依靠經驗判斷車況的基礎上,結合車輛的維保和出險的記錄,對于車況和定價判斷更為準確利用云端模型算法,結合更為全面的車輛信息,對車況可以有更加清晰準確的判斷,實現定價精準、透明人工現場查驗,根據經驗采集車輛信息人工調取車輛維保、出險等記錄信息通過車聯網調取車輛及部件全面信息二手車評
219、估智能化發展進程中存在信息覆蓋度不足、數據篩選效率低、評估模型不完善等難點二手車評估價值的精準、透明與規范是行業蓬勃發展的基石。盡管在國家政策的引導下二手車評估的技術與精準度在不斷升級,但如何全面獲取車輛核心信息、高效提取價值數據并有效利用,依然是現階段的主要挑戰。數據不僅要有,還要有海量的數據,同時要有應用的商業場景、商業價值,并且可以直接應用到業務中解決問題,這樣的數據才會更有價值。國內某二手車估值平臺CEO智能汽車云服務白皮書 |83評估數據獲取不全面,信息不對稱車況不透明、信息不對稱一直是二手車行業的核心難題。車輛可供提取的信息越來越多,但受制于車輛檢測技術無法做到盡善盡美,導致某些車
220、況問題被隱藏、重要信息缺失難獲取,不可避免地出現事故車、泡水車、調表車等未能識別的風險,造成車況判斷失誤,導致交易糾紛。由于不同車輛的電池壽命和安全性能各不相同,新能源二手車在車輛保值率的計算上有很多不確定性,難以形成傳統燃油車相對成熟的二手車殘值評估標準。而且交易量小、評估所需數據難獲取、無法形成參考價值,始終不受二手車商待見。案例分享:“藥罐子車”事故頻發,大幅降低品牌信譽度某知名二手車平臺在銷售過程中出現泡水車、調表車、事故車等“藥罐子車”,屢次被媒體曝光,與平臺宣稱的嚴格把關機制形成鮮明對比,引發社會關注,極大影響了品牌信譽度,消費者抵觸情緒嚴重,讓外界對品牌建立的信任度與好感度坍塌。
221、案例分享:新能源汽車“易買難賣”某新能源品牌車主前往當地多個二手車交易市場想要出售自己沒用幾年的新能源汽車,但不是被二手車商拒收,就是回收價格極低。二手車商普遍表示,目前新能源二手車市場可供調研樣本少,沒有可靠的評估數據和標準供參考。有些車商收車后甚至還要折價出售,因此紛紛將新能源二手車拒之門外。資料來源:專家訪談,安永分析車輛多維核心數據調取效率低二手車信息涉及車輛各維度的歷史數據,隨著評估能力與技術的提升,待評估車輛需要采集的靜態及動態信息量越來越大;且一車一況,數據內容不一,格式也越來越多樣復雜。如何從海量信息中快速高效地提取出車輛動力狀況、故障歷史、事故損耗、維修保養等影響車輛價值的核
222、心數據,是二手車評估的關鍵。一車一況,評估模型難精準二手車車況復雜多樣,通過基礎模型結合人工判斷是無法全面衡量出不同車輛所涉及的不同問題的。如何高效、高質量地應用所獲取的車輛數據將直接影響估值精確度。傳統大數據估值模式中,需要人工輸入車況信息以確保準確度,但車況鑒別需具備汽車專業知識和經驗,也形成了一定的操作門檻。案例分享:搭建人工哺育模型成本高、耗時長某二手車評估平臺采用人工與智能結合的模式以提升二手車評估精準度,但算法模型的訓練需要大量行業經驗豐富的“老師傅”將數據進行整理、輸入與供給,而平臺收集的數據多達上千個維度,如果團隊協作不暢將帶來信息處理不一致的問題,不僅耗時耗力、而且人工成本極
223、高,導致平臺嚴重虧損。資料來源:專家訪談,安永分析“123汽車云服務助力解決二手車評估智能化階段的難點與挑戰,推動行業繁榮發展在二手車評估的智能化發展進程中,汽車云服務高效的業務賦能可助力車輛全生命周期閉環數據的構建,保證信息的統一透明,提升信息的管理能力,通過“讀懂”車輛的精準估值模型解決評估數據難以獲取和分析的痛點,實現二手車行業的快速健康發展。在二手車評估和定價方面,行業里真正值錢的,是“老師傅”們。如果要用數據決策,就是要讓數據和算法去學習“老師傅”的頭腦。國內某二手車平臺CTO智能汽車云服務白皮書 |84中國車企二手車市場布局模式隨汽車保有量的不斷上升,中國汽車產業逐步轉向存量市場,
224、二手車行業迎來巨大發展機遇。車企開展二手車業務不僅能創造新的盈利增長點,還將帶動新車銷量與服務產值的提升。傳統車企為鞏固品牌信任度、增加復購率已涉足二手車業務多年,特別是一些豪華品牌汽車,紛紛設立品牌認證二手車,開展以舊換新業務,以增加用戶置換比例。新勢力車企因新能源車輛難以精準估值的特點,為穩定消費者信息,相繼推出二手車業務。新能源汽車的電池評測目前尚無統一標準,無法精準預估壽命,二手車市場尚存憂慮情緒。新勢力車企積極響應市場需求,相繼推出了官方二手車業務,一方面通過新能源二手車回收的保障為車主送上“定心丸”,帶動銷量提升;另一方面構建從生產售賣到二手車之間完整的商業閉環。新能源汽車具備預裝
225、ADAS、傳感器等設備的優勢,通過車聯網對于車輛信息的采集也相對精準,可為二手車評估提供充分依據。車企具有車源、數據與客群的天然資源優勢,而車況的評判、精準價格的評估都離不開汽車云服務的賦能。車企通過整合信息與數據資源,與汽車云服務商開展合作,將數據轉化為高質量資產,形成共贏局面,助推二手車市場的繁榮發展?!皥D67:汽車云服務助力二手車評估資料來源:專家訪談,安永分析二手車評估挑戰二手車評估汽車云服務價值評估數據獲取不全面,信息不對稱1助力車輛全生命周期數據的整理與構建,實現信息統一透明打通車輛全生命周期多維數據,構建完整的閉環數據庫深度分析車況,有效緩解信息不對稱難題,實現評估全面、精準與透
226、明車輛多維核心數據調取效率低2建立高質量二手車數據庫,提升檢索及評估效率快速對車輛數據進行識別,并挖掘出二手車評估所需的關鍵信息將數字標簽化以應用于評估模型,大幅提升檢索和評估效率一車一況,評估模型難精準3基于汽車行業業務賦能的模型及訓練,賦能二手車評估精準高效通過訓練構建智能車輛估值模型,系統化地預測車輛價值用數據分析代替主觀經驗判斷,保障二手車交易定價統一、精準、合理小結汽車行業智能網聯的發展路徑中,孕育出了眾多的智能化應用場景,這些場景中數據都始終發揮著至關重要的作用,而無論是數據的交互存儲,還是數據的價值挖掘,都離不開云服務的支持。通過對自動駕駛從研發到商用、車輛全生命周期數據分析與生
227、態應用關鍵場景的逐一展開分析,我們可以發現這些場景的共性,即隨著行業的快速發展,數據的比重與可挖掘的價值越來越高,行業的發展已不再是通過人工或者基礎設備服務所能支撐的,智能化云端大腦的應用已成為大勢所趨;行業當下的難點也不再是初期的數據交互與存儲等底層的數據管理能力,而是從數據管理到業務賦能層面對于數據“用什么”“怎么用”“如何高效地用”等方向的諸多挑戰。面對這些挑戰,通過將ICT與汽車行業的知識進行有機融合則成為行業攻克難點通向繁榮發展的必經之路。汽車云服務不僅可以賦能各場景下數據的挖掘與高質量應用,同時可以凌駕于數據之上串聯打通全鏈路的業務環節,實現業務與數據層面的雙閉環,提供一站式解決方
228、案,深入到汽車產業的方方面面,極大程度緩解了行業當下發展所面臨的各類數據與業務難題,一方面為車企省去高額的研發成本,一方面加速了各個應用場景的落地,真正為車企實現降本增效,加速汽車行業的數字化轉型,助推汽車行業的高效穩步發展。智能汽車云服務白皮書 |85第三章智能網聯汽車云服務產業趨勢展望縱觀汽車云服務產業的發展,并不是一蹴而就,而是隨著智能化、網聯化的腳步逐漸深化而多輪迭代安永認為,其發展路徑可分為“著眼基建”“服務為上”“共建賦能”三大階段。(圖68)車云1.0:著眼基建在車企進行數字化變革的初期,數據上云是必經的第一步,大力發展基礎設施建設成為階段重點。車企對云服務的投入快速上升,在整體
229、汽車數字化投入中的占比到2020年達到約45%;其中IaaS和PaaS市場占比超過60%,增長也更為迅速。早期發展以車企傳統IT云化為主,先聚焦于價值鏈后端,再逐步向研發、生產等價值鏈前端延申。部分原有IT實力較為強勁的車企或新勢力會以自建私有云為主,但大部分車企采用的是混合云模式,與云服務商合作完成基礎設施部署。這一階段對云基建的大量需求催生了幾大云服務巨頭,其以強大的中后臺實力并聚合SaaS生態的打法迅速構建競爭壁壘。SaaS企業則在平臺驅動下完成業務快速裂變并反哺平臺,形成產業合力。但隨著中國市場IaaS和PaaS設施的進一步部署以及接入設備量級的不斷提升,SaaS的規?;瘧靡矊㈦S之不
230、斷成熟,并越來越體現出其使能汽車業務、充分挖掘數據價值方面的作用。3.1 汽車云服務產業邁入“服務為上”的2.0階段圖68:中國汽車云服務產業發展路徑圖資料來源:安永分析深淺單一全面云能力與業務結合深度場景覆蓋廣度大力發展IaaS和PaaS層能力從價值鏈后端向價值鏈前端場景逐步延申1.0著眼基建2.0服務為上與業務的結合更加深入,深層應用更豐富由“線”成“網”,云際打通,共同開發新的智能場景3.0共建賦能關注點向SaaS傾斜,加深對汽車行業的理解與結合價值鏈全覆蓋,但重心放在智能網聯相關的場景上智能汽車云服務白皮書 |87車云2.0:服務為上目前產業整體發展已由1.0逐步過渡到了2.0階段,自
231、動駕駛和車聯網領域相關場景的云服務需求激增,車云產業增長迎來拐點。從場景覆蓋度來看,云服務沿價值鏈場景逐一打開后,逐步將重點放在了與智能網聯相關的場景上。海量數據的管理能力亟需提高,關鍵場景的云基建,尤其是公有云的擴容迫在眉睫。從云服務的能力縱深來看,車企僅僅做到底層的數據管理是不夠的,如何深挖數據價值、實現業務賦能才是這一階段云能力構建的關鍵所在。因此我們可以看到,產業供需兩端都將關注點轉移到了SaaS服務上,不斷加深車云服務對汽車行業的理解,加強車云服務與汽車業務的深度結合,從而為車企智能網聯的道路掃除更多的障礙,減少原本中間大量的信息交互堵點與研發瓶頸,為其業務創造更多可能性。根據安永的
232、觀察,車企與云服務商的合作主要有以下三種模式(圖69)。我們現在對整個公有云的采購規模增長了不少,單是云存儲這一塊,2022年的預算要比2021年增長了差不多30%云計算這塊我們也是在2022年的時候增加了26%所以我們在這一塊的投入還是相當大的。某汽車集團信息技術部VP“現在云廠商就是在角逐在SAAS能力上,切割整個細分行業。在自動駕駛領域,我認為現在云廠商更多地延伸到業務模塊里面去了,幫助企業提供更輕量化的研發場景,比如把自動駕駛訓練模型都幫你準備好了讓你去用,讓企業專注到自己最核心的研發上。某汽車集團IT總監智能汽車云服務白皮書 |88圖69:車企與云服務商合作模式資料來源:案頭研究,專
233、家訪談,安永分析自研自建為主自研自建為主部分環節合作部分環節合作解決方案合作解決方案合作模式模式特征特征全棧自研算法、自建云平臺及應用,僅外采部分云計算和云存儲服務自研核心算法,在云平臺及關鍵業務環節的應用服務上與供應商展開合作外采包括算法、云資源、應用服務在內的全棧解決方案模式模式優勢優勢掌握智駕核心,利用合作伙伴技術反哺自身能力建設有效降低研發成本,加快產品從研發到上市的周期快速實現智駕產品落地,搶占智能化發展先機直接搭載完整解決方案,無需承擔技術開發風險有利于打造產品及服務的差異化亮點,構建競爭優勢掌握全流程算法與技術能力,利于實現多元融合合作內容:合作內容:全棧自動駕駛解決方案合作方式
234、:合作方式:主機廠負責需求的定義,云廠商按需提供“全家桶”式解決方案自動自動駕駛駕駛研發研發合作合作案例案例合作內容:合作內容:采購云存儲資源(主要針對圖形數據)及附帶的圖形檢索能力合作方式:合作方式:主機廠獲得云服務商的戰略及其體系內企業提供的云服務合作內容:合作內容:外采云存儲和計算資源,及自動駕駛研發平臺服務(數據標注、訓練模型和仿真平臺等)合作方式:合作方式:針對每一項云服務需求展開供應商競標未來市場主流選擇未來市場主流選擇自研自建為主的模式存在成本高、難度大、耗時長等痛點;而解決方案合作這種“交鑰匙外包”模式則存在產品和功能迭代受限于合作方的發展、開展差異化競爭較難等問題?;谥鳈C廠
235、希望將自動駕駛核心技術和數據掌握在自己手中的訴求,以及未來數據量、交互復雜度、新場景開放需求不斷提升的現實,部分環節合作將成為未來市場的主流選擇。但該模式的多供應商策略會帶來業務串聯和技術兼容性方面的問題,這就需要云服務商不僅有強大的云平臺和業務賦能實力,還要具備跨技術棧的開放能力,從而充分滿足主機廠自研+第三方開放的需求。安永建議,主機廠可以針對智能網聯關鍵場景,就技術、成本、效率三個維度進行評估,結合自身能力與發展訴求選擇適合的合作模式。自動駕駛研發:技術和資金實力較強的車企可選擇模式一或二;對于有快速落地需求的品牌,短時間內模式三是最經濟適用的選擇無人駕駛車輛作業:Robotaxi技術門
236、檻高、研發周期長,多選擇模式一或二;商專車企業技術能力較弱,在成本效率的綜合考量下多會選擇模式三車輛全生命周期的數據分析與應用:技術門檻和成本壓力相對較小,但對迭代速度和持續服務的要求較高,未來模式二將成為主流選擇車云3.0:共建賦能待高級別自動駕駛商用落地之時,汽車云服務也將邁入全新的3.0階段。云服務在核心業務的觸角上將越走越深,深層次的應用也更為豐富,業務流上的信息化斷點將逐步消除,甚至實現跨云業務的流通。同時云服務在全價值鏈覆蓋的基礎上還將由“線”連接成“網”,形成云際打通。無論是從降本增效還是安全可靠的角度來看,主機廠在這一階段都無法靠純自建來滿足,勢必會與云廠商構建更為緊密的合作關
237、系,攜手開拓全新的場景圖譜,實現共建賦能。共建賦能是雙向的,是主機廠與云廠商在發展目標和步調上協同一致、共同成長之路。(圖70)云廠商賦能主機廠:云廠商以其在專業領域的持續深耕、技術上的持續迭代、業務上的持續賦能,為主機廠不斷輸入先進的技術能力、業務的系統性打造,數據的深層挖掘和應用主機廠賦能云廠商:在主機廠不斷加深的大量需求的推動下,云廠商得以實現技術和服務能力的打磨,鞏固護城河的同時獲得更多跨領域SaaS合作機會,實現產品和場景的推陳出新智能汽車云服務白皮書 |89圖70:主機廠與云廠商的雙向共建賦能合作資料來源:案頭研究,專家訪談,安永分析雙向賦能模式云服務商車企技術的迭代產品/場景的創
238、新共建賦能合作示例自動駕駛車輛管理SaaS服務運動型行駛風格+移動辦公SaaS云場景合作深度云場景覆蓋廣度產品亮點:運動化座駕移動辦公室場景延伸對云服務范圍的需求從“小而美”或“大而全”向垂直領域做專做精轉變伴隨市場和場景的逐漸成熟,無論是“小而美”還是“大而全”的云服務商都無法滿足主機廠日益增長的對云的能力的迫切需求,于是都在向垂直領域深耕能力,做專做精。(圖71)連“點”成“線”:不再滿足于云服務只針對場景中的單一業務,而是希望能縱向延申至多項業務,解決“數據孤島”與“業務斷層”,“單線打透”以形成體系化輸出由“面”及“線”:泛生態化的云服務需求,向圍繞某一特定業務一體化的云服務需求轉變伴
239、隨汽車云服務的產業發展,云所覆蓋的場景越來越多,云與汽車業務的結合越來越深,汽車云的市場規模也將進入飛速增長期。需求的增長勢必也會帶來需求的變化,據安永觀察,車云產業的需求呈現出服務內容、服務范圍和服務模式三個方面的變化趨勢。對云服務內容的需求由“資源云”轉向“能力云”在1.0階段,車企首要目標是快速實現數據上云,因此對存儲和計算等云資源有集中需求。云服務主要以數據量、帶寬、服務器的使用量來計費。到2.0階段,車企的困難點集中到了業務賦能層面用哪些數據、怎么來用、如何安全高效地使用這需要云在提供資源的基礎上輸入能力,打造專屬于汽車行業的各類工具鏈、場景庫和核心部件的相關服務。車企對云服務的關注
240、重點明顯轉向了SaaS層,對“能力云”的需求顯著增強?;凇澳芰υ啤钡氖召M模式也更加豐富,如按接口調用次數、按軟件訂閱量、解決方案打包等。3.2 產業演進推動云服務內容、范圍和模式上的需求轉變主機廠會從偏資源型的需求慢慢向能力型的需求去轉,數據量多、業務類型也多,面臨的能力需求比資源需求更加急切,可能會在云上引入更多的SaaS服務。某云服務商汽車行業數字化轉型方案高級專家“1現在主機廠都不會選擇做泛生態的一體化平臺商了,原來玩生態的平臺方都退出了,因為沒有必要,后面的大方向不是看誰的生態多,而是看場景。我們自己也在調整,慢慢會變成做精品化的小生態。某云服務商車聯網OEM運營總監“2智能汽車云服
241、務白皮書 |90圖71:對云服務范圍的需求轉變“小而美”從單一SaaS產品切入某一細分場景“大而全”憑借強大的IaaS和PaaS能力聚合各類SaaS產品打造生態垂直領域做專做精連“點”成“線”由“面”及“線”“數據孤島”和“業務斷層”打通困難且需額外成本投入主機廠希望將平臺和生態選擇權掌握在自己手中資料來源:安永分析云服務模式從“授人以魚”轉向“授人以漁”前期車企的首要訴求是數據的快速上云,ADAS車型的落地量產,以跟上智能化與網聯化的變革浪潮,因此主要采用的是黑盒交鑰匙模式,希望云服務廠商直接輸入成熟的、拿來就能用的資源與技術。但對于主機廠來說,智能網聯的核心能力,尤其是自動駕駛研發,是希望
242、掌握在自己手中的,對于和云服務商合作模式的需求也將逐步轉變為“授人以漁”式的技術反哺、共同成長。例如,主機廠在其瞄準ADAS市場的新品牌上會選擇使用云廠商的全棧解決方案,“交鑰匙”換取技術能力的進步和實現快速上市。但在其L4/L5車型的開發上,則會選擇與云服務商合作建立自動駕駛研發平臺,自研算法的同時借助合作方提供的數據標注、虛擬仿真、訓練模型等云服務來為研發中的各項業務模塊賦能。3我們希望有一家供應商,有很強的能力幫我們完成各種各樣的技術的積累和相關產品的積累,我們其實是跟供應商在共同成長。某汽車集團信息技術部VP“智能汽車云服務白皮書 |91案例分享:云服務需求向垂直領域做專做精轉變連“點
243、”成“線”某自主品牌主機廠與某云服務商的合作始于汽車移動支付服務,隨后在車聯網領域不斷加強合作的范圍及業務賦能的深度,在其新推出的智能電動車型上陸續搭載該云服務商所提供的車機解決方案、車聯網智能座艙解決方案等。由“面”及“線”某全球汽車集團于2018年與某領先云服務商達成戰略合作,共同搭建云平臺,實現從研發到營銷、用戶服務和運營等價值鏈多個環節的數據上云和數字化能力提升,并攜手開發基于云平臺的數字生態系統。2021年,雙方加深了在自動駕駛研發領域的合作,攜手開發自動駕駛云平臺,為集團旗下各品牌車型提升ADAS開發效率。資料來源:案頭研究,專家訪談云服務廠商想要在競爭中占據優勢地位,除了打造過硬
244、的技術和服務能力之外,還應該要注意與主機廠的發展階段、發展訴求和發展目標的適配度先跑起來,再做好做精。目前,主機廠的首要訴求是在只能網絡的改革之路上先“跑起來”,因此云服務商需要有能被驗證的成功經驗;同時,得具備安全合規和風險可控性如何保障車企數據資產的安全,除國家層面的合規要求以外,還需要在流程、組織、技術手段等多個層面來實施安全保障,形成系統化的合規工程;另外,云服務商對需求的響應速度和技術迭代速度是否跟得上下一代車型的研發要求,也是主機廠“唯快不破”的關鍵之一。3.3 車企選擇汽車云服務合作伙伴的關鍵考量因素未來,智能網聯的競爭進入白熱化階段,主機廠在規模量產的同時還要“做好做精”,才能
245、形成強有力的競爭壁壘。因此,能幫助主機廠打造產品差異化亮點,能通過底層解耦的靈活性讓主機廠在云能力的打造上擁有更高的主導權,能用場景產品功能上的可延展性助力主機廠在智能網聯的發展道路上更具連貫性具備這些能力的云服務商將更加受到主機廠的青睞,成為攜手同行的合作伙伴。當前關鍵采購決策因素未來關鍵采購決策因素“先跑起來”“再做好做精”差異化某汽車集團信息技術部VP未來汽車會越來越細分場景,比如主打游戲、健康、娛樂等,主機廠希望云服務商能幫助打造差異化亮點,助力賣車。解耦靈活性某汽車集團IT總監我們倡導的是解耦,把底層耦合拆干凈,業務跟業務之間的協作并不在于云的一體化,而是希望你可以來靈活地適配我。功
246、能可擴展性某新勢力品牌自動駕駛中心項目經理我們比較看重服務的延展性,能夠提供更多場景產品,更好的研發管理和運營體驗,不需要讓我們在未來做軟件上的切換。迅速響應快速迭代某汽車集團信息技術部VP自動駕駛的產品升級速度是非??斓?,供應商技術的積累和迭代速度要能跟上我們下一代車型的要求而且這個服務的周期要快,不能影響我們的進度。安全合規風險可控某新勢力品牌亞太區服務創新高級經理我們要保證在各方面嚴格符合國家要求,包括數據合規,所以會看云廠商安全性的合規資質認證是否夠豐富,風險是否可控。圖72:車企采購云服務的關鍵決策因素資料來源:案頭研究,專家訪談,安永分析成功案例驗證能力某新勢力品牌亞太區服務創新高
247、級經理比如云供應商依托于工具鏈有一整套算法,相當于是用算法去驗證了工具鏈的好用性和能夠提供全棧解決方案的能力,這是我們更需要的。智能汽車云服務白皮書 |92“今年“兩會”期間的政府工作報告指出,要進一步支持新能源汽車的消費。這對于汽車行業正在如火如荼進行中的智能網聯變革來說,是恰逢其時。新能源汽車在中國的滲透率呈現快速增長的態勢,根據汽車工業協會的數據,2021年新能源乘用車零售滲透率達到14.8%, 同比增長155%。而智能化和網聯化正是新能源汽車競爭的核心和未來趨勢,也是新能源汽車產品打造差異化亮點的關鍵。此時此刻,政策對消費的推波助瀾將進一步提振供給端的信心,助推智能網聯汽車的規?;l展
248、,構建良性的產業生態。對于主機廠來說,從技術轉化為產品是第一步,接下來的重點則是加大量產以形成規?;?。而汽車云服務,作為智能網聯的重要支撐力,能幫助車企降本增效、加速量產落地。從汽車云服務的產業發展節奏來說,第一階段的基礎設施建設已基本完成,底層數據管理不再是主機廠的主要痛點;如何更好地將ICT能力和汽車行業洞察做深度融合,充分挖掘數據價值、賦能業務,才是其需要去正視并積極應對的挑戰。無論主機廠對這一挑戰是否認識充分、應對有效,其對云服務建設的需求已然隨之發生了改變從簡單的拿來就用的云資源升級成了在智能網聯各垂直場景專精化的、能幫助主機廠自身技術成長且能賦能其業務開發的云能力。云服務商應如
249、何回應這一需求的轉變?主機廠又應如何充分調用云服務商的能力為己所用,在有效解決痛點的同時還能構筑屬于自己的差異化亮點,致勝智能網聯的規?;疇??安永認為,這需要主機廠與云服務商的雙向奔赴。首先,主機廠與云服務商都應充分認識并發揮云服務SaaS層應用的價值針對自動駕駛研發、無人車隊管理和OTA、UBI等智能服務,數據上云已遠遠不夠;對采集到的海量數據,如何使用來研發出可輸出業務結果的模型和算法,如何在保障數據安全的情況下打通數據孤島、形成產業合力,才是云服務需要發力的落腳點,也是SaaS應用能發揮價值之所在。卷尾語想要發揮云服務的價值,前提在于充分認識到上層應用對于業務的重要性,以及懂得識別哪些
250、SaaS應用對哪些業務板塊能起到怎樣的賦能作用。這就需要一方面,對汽車智能網聯業務有著深刻洞察的云服務商為主機廠做應用價值點的輸入;另一方面主機廠在云廠商的幫助下篩選出亟需云服務賦能的業務板塊,并就此展開價值挖掘合作。其次,主機廠與云服務商要加強溝通、對齊需求從云價值高且呈現有階躍式爆發增長趨勢的關鍵應用場景出發,主機廠可以考慮從技術、成本、上市時間三個維度去評估自身在該場景中的發展現狀和痛點還需要哪些云能力的補齊、還有哪些關鍵業務板塊是需要SaaS應用的賦能;并據此選擇與供應商的合作模式是采取自研自建為主、部分環節合作還是全棧解決方案合作。當然,隨主機廠智能網聯之路的不斷深入,其自身現狀、對
251、于云的需求和適合的合作模式都將會是動態轉變的。因此,保持與云服務商的無縫溝通,尤其是合作的前期溝通,就顯得尤為重要?!爸痪壣碓诖松街小钡闹鳈C廠需要合作方的外部視角去幫其厘清真正的痛點和需求,才能提高合作的效率。而作為服務提供商的云廠商則應在不斷增強其在關鍵云應用場景的能力打磨的同時,加深對業務的理解,與主機廠一同找到能將ICT能力與汽車know-how作乘法結合的鑰匙,成功開啟云服務賦能智能網聯業務發展的化學反應。在主機廠與云服務商的雙向奔赴之上,汽車行業整體的變革發展之路還需要一個開放合作的生態系統為其重要支撐。雖然各大主機廠現階段的發展目標和產品規劃皆不盡相同,但都是瞄準著智能網聯的產業終局前進的,殊途卻同歸。而作為下一代超級移動智能終端,汽車要實現的也不僅僅是自身的智能化和網聯化,更是要作為核心去推動智慧交通、智慧城市乃至未來數智世界的打造?!案偂贝笥凇昂汀钡膯伪鲬鹁筒辉龠m用,主機廠與行業內的各大企業、甚至是行業外的跨界玩家構成開放的合作生態則將成為必經之路,加速行業整體變革進程,并成為人類社會加速邁入數智時代的引領之力。智能網聯汽車產業的發展需要車企與云服務商的雙向奔赴