3第一章拐點：汽車已從"硬件定義"轉向"數(shù) 5 5 7 9 11 12第二章價值斷層：為何數(shù)據金礦難以開采？ 17 17 23 29 29 31 334.1構建面向未來和業(yè)務的技術驅動力 334.2汽車智能網聯(lián)數(shù)據平臺的能力要求與建 334.3智能車聯(lián)一體化大數(shù)據平臺解決方案 354.4關注總體建設成本，實現(xiàn)業(yè)務與成本的對齊式發(fā)展 39第五章云器科技的實踐：車聯(lián)網大數(shù)據平臺替換升級 41 41 46 482https://www.yunqi.tech/3https://www.yunqi.tech/義”時代編者按：為什么第一本解決白皮書來自汽車行業(yè)？從數(shù)據平臺的第三次革命2.汽車領域因為足夠大的能量密度，成為所度極低。這四個特點，完美命中“數(shù)據不可能三角”，使得汽車行業(yè)成為新一代數(shù)據平臺的早期用戶本文，從汽車行業(yè)的需求出發(fā)，試回答新一代多模態(tài)數(shù)據AI一百年前，亨利·福特用流水線重新定義了汽車制造，讓"每個美國家庭都輛汽車"成為現(xiàn)實。彼時，衡量一家車企實力的核心指標是發(fā)動機馬力、產能規(guī)模與供一百年后，汽車工業(yè)正在經歷一場同等量級的范式革命，新技術正在以度改變著汽車的形態(tài)，提高消費者駕駛和出行體驗，優(yōu)化汽車行業(yè)研發(fā)生產制造4https://www.yunqi.tech/艙交互記錄、車輛健康狀態(tài)等數(shù)十個維度。當一家擁有百萬級保有量的車企處理的數(shù)倉、割裂的部門系統(tǒng)、離線的分析報表，全生命周期數(shù)據存儲成本極高算力'。"我們相信：汽車行業(yè)，作為最早觸碰第三代數(shù)據革命的領域，數(shù)據基礎設5https://www.yunqi.tech/第一章拐點：汽車已從"硬件定義"轉向"數(shù)據與AI行工具”演變?yōu)槌休d多元生態(tài)能力的“智能終端”。這一變革的核心驅動力在于側無實時交互能力，商業(yè)模式以硬件銷售與售后維保2.新能源轉型初期：軟件定義汽車的“功能擴展”階段6https://www.yunqi.tech/車聯(lián)網數(shù)據平臺成為中樞，實現(xiàn)海量車端信號（如電池狀態(tài)、駕駛行為新能源與智能網聯(lián)的深度融合，正推動汽車產業(yè)向“電動化、網聯(lián)化、智能析車聯(lián)網數(shù)據特征和數(shù)據在車聯(lián)網行業(yè)產生的價7https://www.yunqi.tech/8https://www.yunqi.tech/?性能優(yōu)化：通過分析車輛行駛數(shù)據，如速度、加速度、油耗等，研以了解車輛在不同工況下的性能表現(xiàn)，從而優(yōu)化發(fā)動機調校、懸掛等，為功能改進和新功能開發(fā)提供依據，滿足用戶?安全設計：分析事故數(shù)據和車輛傳感器數(shù)據，了解事故發(fā)生時車輛?質量控制：利用生產線上的傳感器數(shù)據和車輛運行數(shù)據，實時監(jiān)控?供應鏈優(yōu)化：通過分析供應鏈數(shù)據和車輛銷售數(shù)據，優(yōu)化零部件采?故障預測與維護提醒：通過分析車輛傳感器數(shù)據和歷史故障數(shù)據，?遠程診斷與維修指導：利用車輛的遠程通信功能，技術人員可以遠?用戶畫像與精準營銷：通過分析用戶的基本信息、駕駛習慣、車輛等數(shù)據，構建用戶畫像，實現(xiàn)精準營銷，為用戶提供個性化的營銷活動和9https://www.yunqi.tech/?經銷商網絡優(yōu)化：分析區(qū)域車輛故障率、用戶投訴熱點、服務預約隨著數(shù)據技術的迭代，人類社會經歷了三次數(shù)據命的縮影。以下通過表格的形式，梳理各階段特征及其對車聯(lián)網的在數(shù)字化階段，數(shù)據主要由企業(yè)內部系統(tǒng)（如生產管理、財務系統(tǒng)）生成，規(guī)互聯(lián)網時代，數(shù)據來源擴展至用戶行為（如點擊流、交易記錄數(shù)據規(guī)模躍升至TB-10https://www.yunqi.tech/景包括精準營銷、推薦系統(tǒng)。然而，此階段數(shù)據價值挖掘仍依賴人工規(guī)則與統(tǒng)計模型，車聯(lián)網作為物聯(lián)網的核心分支，標志著數(shù)據革?數(shù)據規(guī)模指數(shù)級增長：單輛智能?AI驅動價值提純：面對低價值密度（90%以上為原始信號數(shù)據車聯(lián)網平臺?產業(yè)互聯(lián)網升級：車聯(lián)網數(shù)據平臺成為連接車企、用戶、第三方服作為物聯(lián)網落地的關鍵領域，車聯(lián)網數(shù)據平臺需解決三大a.多模態(tài)數(shù)據融合：整合車輛CAN信號、視頻某車企平臺資源利用率提升至85%，綜合成本下降30%。云器科技認為，車聯(lián)網數(shù)據平臺不僅是技術工具，更是車企向“數(shù)據定義服務”11https://www.yunqi.tech/檢測算法識別目標，系統(tǒng)將其分類為行人、車輛、交通標志等預定義類別。這精準、高效，但存在一個根本性局限——它只能識別"見過的東當一個外賣騎手用非標準方式橫穿馬路，當一只從未AI時代的感知范式正在發(fā)生質變。視覺語言模型（V未見過的物體的語義含義，甚至推斷其可能的行為模型驅動的智能駕駛方案。行業(yè)競爭的焦點正在從"有沒有"快速轉向"好不第二，決策范式：從"規(guī)則化"到"推理化"傳統(tǒng)智能駕駛的決策系統(tǒng)本質上是一個龐大的規(guī)則庫。工程師們窮盡所能，可能遇到的場景編寫處理規(guī)則：遇到紅燈停車、遇到行人減速、遇到前車但問題在于，現(xiàn)實世界的復雜性是無限的，而規(guī)則庫的容量是有限的。每當遇AI時代的決策范式正在向"推理化"演進?；诖笳Z言模Thought）推理能力，智能駕駛系統(tǒng)開始具備類人的邏輯推演能力：觀察12https://www.yunqi.tech/第三，數(shù)據閉環(huán)：從"單向分析"到"雙向進化"在傳統(tǒng)的數(shù)據應用范式中，數(shù)據流動是單向的：物理世界產生數(shù)據，數(shù)據到數(shù)據資產平臺，分析師從中提取洞察，形成決策建議。這是一個"從下到上這是一個"雙向循環(huán)、持續(xù)進化"的閉環(huán)。在這個閉環(huán)中，數(shù)據的價值被成倍放大，第四，數(shù)據能力建設：從"IT主導"到"業(yè)務賦能"隊使用。這個過程通常需要數(shù)周甚至數(shù)月，業(yè)務敏捷性受到嚴成為數(shù)據的直接使用者和貢獻者，數(shù)據驅動決策的效率將實現(xiàn)質的飛技術范式的轉變最終要落地為具體的應用場景和商業(yè)價值?；趯π袠I(yè)趨13https://www.yunqi.tech/的：用戶發(fā)出指令，系統(tǒng)執(zhí)行操作。而情感智能座艙則能夠基于多模態(tài)數(shù)據緒、表情識別、行為模式、生理指標等）主動感知用戶狀態(tài)，預判用戶需求關鍵數(shù)據資產包括座艙交互日志、語音情感分析數(shù)據、用戶偏好模型管理和應用范圍已經從結構化描述數(shù)據到真實世界映射的半結構化和非結構這一場景聚焦于智能駕駛系統(tǒng)的快速迭代能力。傳統(tǒng)的智駕數(shù)據回傳與模周期通常以周甚至月為單位。而分鐘級數(shù)據閉環(huán)的目標是將這一周期壓在很多主動關懷服務的場景中，需要從車端產生數(shù)據上報及依據場景進行分析和處理，后端服務團隊依據車端的數(shù)據推出關懷決策，這個有時在幾十秒內能夠完成一個14https://www.yunqi.tech/關鍵技術能力是需要構建車云實時協(xié)同的數(shù)據流轉和面向巨量數(shù)據的制。車端產品體驗和商業(yè)價值體現(xiàn)在功能迭代速度上：迭新功能可以更快推向市場，搶占競爭先機。實現(xiàn)難度較高，需要端云一體的以下圖片來自：數(shù)智飛輪《智駕｜數(shù)據閉環(huán)技術的這一場景針對智能駕駛最棘手的挑戰(zhàn)——如何處理訓練數(shù)據中未曾出現(xiàn)的VLM的零樣本學習能力為這一問題提供了新解法。安全員接管率：行業(yè)實踐表明，VLM驅動的長尾場景處理可這直接關系到用戶對智能駕駛的信心和監(jiān)管層面的合規(guī)15https://www.yunqi.tech/輛即將進入限行區(qū)域時主動提醒并提供替代路線；預判到電量不足以完成行關鍵數(shù)據包括駕駛員狀態(tài)監(jiān)測數(shù)據、車輛健康數(shù)據、環(huán)境場景數(shù)據等下圖來自《佐思汽車研究》關于汽車智能體及其周邊工具數(shù)這一場景代表了智能駕駛技術路線的前沿探索。傳統(tǒng)端到端駕駛方案雖然驚人的能力，但其"黑箱"特性引發(fā)了監(jiān)管層面的擔憂。V內以滿足實時駕駛需求。這一場景的實現(xiàn)難度極高，但對行業(yè)的長期健康發(fā)16https://www.yunqi.tech/力建設，技術范式正在全面重構。五大新增應用場景既是挑戰(zhàn)，17https://www.yunqi.tech/大多數(shù)車企正在經歷"數(shù)據有量無價"的困境。他們成功地采集了海量數(shù)據，數(shù)據轉化為洞察，將洞察轉化為產品，將產品轉化為收入。數(shù)據靜靜地躺在存?zhèn)鹘y(tǒng)數(shù)倉架構普遍采用批處理模式，數(shù)據處理的典型考慮以下場景：一位用戶正在高速公路上行駛，前方發(fā)生交類似的場景還有很多：用戶駕駛行為實時評估、車輛故障預警與主動18https://www.yunqi.tech/第二座大山：孤島之痛汽車企業(yè)通常擁有復雜的組織架構，研發(fā)、制造、銷售、服務、金融等業(yè)這種數(shù)據孤島帶來的后果是嚴重的。產品研發(fā)團隊無法獲取真實的用戶使來優(yōu)化產品設計；質量團隊無法關聯(lián)制造數(shù)據和售后故障數(shù)據來追溯質量問題更深層次的問題在于，孤島架構使得車企無法構建完整的數(shù)據閉環(huán)。當19https://www.yunqi.tech/第三座大山：成本之痛智能網聯(lián)汽車產生的數(shù)據量是驚人的。一輛搭載高階智駕系統(tǒng)的汽車，每能夠確定哪些數(shù)據"最有價值"。那些被丟棄的數(shù)據中，可能恰恰包含著改變6個月的詳細數(shù)據，更早的數(shù)據要么被刪除，要么被極度"您無法在一個.批處理.的舊底座上，跑通一個.實時時效不足、孤島林立、成本高企——這三座大山共同構成20https://www.yunqi.tech/2.1.1、傳統(tǒng)Hadoop架構為何難以支撐車聯(lián)網數(shù)據平臺發(fā)展基礎能力，但其設計理念與技術棧已難以匹配車聯(lián)網數(shù)據的實時性、智能化據（如碰撞瞬間）的多類型混合處理。傳統(tǒng)架構難以支撐高并發(fā)、低延遲的業(yè)務需求，數(shù)據洪峰下的傳輸效率與計算資源彈性能力成為制約車聯(lián)網服務實時性與可靠21https://www.yunqi.tech/級反饋。相比之下，新一代云原生湖倉平臺（Lakehouse）通小時更嚴峻的是，大版本升級需耗費數(shù)月測試驗證，多數(shù)企業(yè)被迫滯無法適配車聯(lián)網實時流處理、多云協(xié)同等新興場景，形成“功能滯后-業(yè)務受阻倍傳統(tǒng)架構的線性擴展成本高昂。云器科技的Serverless化湖倉平臺實現(xiàn)存算分時，計算資源彈性擴容速度提升10倍，成本降低60%。車聯(lián)網數(shù)據平臺普遍面臨資源分配與負載波動的結構性矛盾：在線22https://www.yunqi.tech/資源長期處于“忙閑不均”狀態(tài)，硬件利用率不足40付高昂成本，形成“資源浪費與性能瓶頸并存”的惡線）的高效解析與毫秒級實時分析（如碰撞預警）之間平衡性能，同時應對23https://www.yunqi.tech/24https://www.yunqi.tech/我們首先分析適應車聯(lián)網場景的數(shù)據平臺是什么樣的？適應車聯(lián)網場景的臺需以彈性化、增量化、實時化、智能化為核心，通過云原生架構與場景化技術優(yōu)化，幫助車企在數(shù)據洪流中實現(xiàn)“降本、增效、創(chuàng)新”三重目標，最終推動從“制造驅動”彈性化：需要通過云原生架構提升車聯(lián)網數(shù)據處理的資源彈性化25https://www.yunqi.tech/數(shù)據上報和模型訓練等后臺任務，計算需求驟降至峰值的2?計算層支持分鐘級彈性伸縮：早高峰自動從小規(guī)模節(jié)點擴容至所需增量化：以增量計算為核心的新架構破解車聯(lián)網數(shù)據處理困局為應對車聯(lián)網數(shù)據體量爆炸性增長與業(yè)務實時性需求，新一代技術重構數(shù)據處理范式，實現(xiàn)“數(shù)據驅動、按需投入”的高效成本控制。過計算等技術，實現(xiàn)實時數(shù)據處理與歷史數(shù)據交互式查詢的無縫銜接。例如支萬級并發(fā)寫入、分鐘級數(shù)據可見性，滿足電池健康實時監(jiān)控、碰撞預警等毫26https://www.yunqi.tech/實時性”三重天花板：復雜組件運維成本持續(xù)攀升（某車企集群故障排導致成本暴漲300%。而基于增量計算的新一代數(shù)據1.增量數(shù)據捕獲與處理：僅針對新增或變更數(shù)據（如車輛信號更新、用戶行為事件）2.成本可控：通過信號級增量捕獲與列式壓縮（壓縮比1:15某新能源車企存儲成3.性能躍升：采用流批一體引擎（如Flink+Iceberg實現(xiàn)毫秒級實時分析（如動態(tài)路徑規(guī)劃）與離線批處理的統(tǒng)一處理，端到端唯有以增量計算重構數(shù)據流水線，方能支撐車企在實時化：實現(xiàn)一個數(shù)據體系的不同場景的實時化首先是對海量數(shù)據的低成本處理能力。智能網聯(lián)汽車的數(shù)據規(guī)模是分析：關鍵預警可以配置為秒級響應，日常監(jiān)控可以配置為分鐘級更新，統(tǒng)計報以配置為小時級刷新。這種靈活性使得車企可以在成本和時效之間找到最優(yōu)平衡晚到數(shù)據的處理，能夠在數(shù)據到達時自動觸發(fā)增量更新，確保分析結果的完整性27https://www.yunqi.tech/最后是增量計算能力的全場景覆蓋。傳統(tǒng)的實時計算往往局限于簡單的智能化：從Data到Data+AI，激活車聯(lián)網數(shù)據價值密度法訓練所需要的數(shù)據工程在一個湖倉一體架構中統(tǒng)一管理，讓我們把第二層是多模態(tài)數(shù)據的融合處理與召回。AI應用往往起來：將用戶語音與行駛場景關聯(lián)，將故障日志與傳感器數(shù)據關聯(lián)，將用戶反28https://www.yunqi.tech/29https://www.yunqi.tech/第三章定義新標準：智能網聯(lián)數(shù)據智能成熟在規(guī)劃數(shù)據基礎設施的升級路徑之前，車企首先需要回答一個問題：我們?yōu)榇?，我們提出“智能網聯(lián)數(shù)據智能成熟度模型”，為車企提的高并發(fā)寫入問題。智能網聯(lián)汽車產生的數(shù)據具有典型的"三高"特征：高頻率處于這一階段的車企已經建立了智能網聯(lián)數(shù)據采集和存儲的基礎設施，能夠上個月的故障率是多少？哪些區(qū)域的用戶滿意度最低？這些洞察對業(yè)務30https://www.yunqi.tech/這一階段的核心能力是低成本、高時效的數(shù)據實時處理和預警。車企建立狀況？哪些用戶正在經歷糟糕的體驗？哪些區(qū)域正在發(fā)生交通擁堵？基于這些這個階段關鍵技術指標有：數(shù)據實時化比例，端到端延遲，數(shù)據處理Data+AI融合在一起的Kappa架構原生支持多模態(tài)數(shù)據（結構化業(yè)務數(shù)據、半結構化練等多種工作負載可以在同一平臺無縫協(xié)同，無需在不同系統(tǒng)間搬運數(shù)據。這能網聯(lián)汽車場景尤為關鍵——傳感器數(shù)據、駕駛行為數(shù)據、座艙交互數(shù)據本質這一階段代表了車聯(lián)網數(shù)據智能的最高境界：車路云一體化的實時協(xié)同據不僅在企業(yè)內部流動，還與道路基礎設施、交通管理系統(tǒng)、其他交通參與處于這一階段的車企可以參與"車路云一體化"的生態(tài)協(xié)作：車輛與路側設備31https://www.yunqi.tech/結合云器科技在汽車行業(yè)的深耕實踐，以及與多家頭部車企在智能網聯(lián)數(shù)套覆蓋"數(shù)據平臺基礎能力"與"AI智駕專1.精準定位現(xiàn)狀：識別企業(yè)當前所處的成熟度Level（1-5對標行業(yè)標桿2.診斷核心短板：量化評估18項能力，識別制約智能化轉型的技術瓶頸3.規(guī)劃演進路徑：基于評估結果，制定分階段（近期/中期/長期）的技術升級策略4.量化改進成果：通過定期復評，追蹤平臺能力提升，驗證投資回報32https://www.yunqi.tech/該評估表已在多家車企的數(shù)據平臺診斷、方案設計、項目驗收等環(huán)節(jié)得到應33https://www.yunqi.tech/而是一次根本性的技術底座重構。這一重構由四大技傳統(tǒng)架構下，車企通常需要維護多套數(shù)據系統(tǒng)：數(shù)據湖存儲原始數(shù)據，支撐結構化分析，實時計算平臺處理流式數(shù)據，AI4.2汽車智能網聯(lián)數(shù)據平臺的能力要求與新的面的智能網聯(lián)數(shù)據數(shù)據平臺架構的核心理念是"一份數(shù)據，多種用法球化”的復雜挑戰(zhàn)，新一代智能網聯(lián)數(shù)據平臺需以“全域實時、智能驅動、安全可控”1.極致性能與降本增效：通過存算分離架構與Serverless彈性調度，實現(xiàn)資源利用率從40%提升至85%，支撐10倍級數(shù)據處理性能躍34https://www.yunqi.tech/單一引擎，統(tǒng)一批、流、交互計算語義，某平臺開發(fā)語言從5本降低60%，實時分析場景上線周期縮短80%。4.全球化與多云協(xié)同：基于云原生底座與邏輯統(tǒng)一架構，支持據，通過標準化元數(shù)據模型實現(xiàn)“一數(shù)一源”，提升數(shù)據關b.超大規(guī)模實時化：采用實時離線一體化增量e.AI原生價值引擎：部署聯(lián)邦學習與增量訓練框架，實現(xiàn)駕35https://www.yunqi.tech/在“軟件定義汽車”與“數(shù)據驅動服務”的雙重浪潮下，汽車產業(yè)正面臨指數(shù)級增長（年均增速超300%）與實時性需求激增化”的核心優(yōu)勢，成為破解行業(yè)痛點的關鍵技術范式。本白皮書系統(tǒng)性闡述如智慧運營決策、用戶全周期服務的數(shù)字化生態(tài)。深度賦能駕駛行為分析、電池36https://www.yunqi.tech/鍵場景（如故障診斷、電池監(jiān)控）的優(yōu)先級資源供?按需付費模式：依托Serverle統(tǒng)固定資源的閑置浪費，綜合成本降低超?存算分離經濟性：通過湖倉一體37https://www.yunqi.tech/構化表格的多?；旌喜樵儯趩我黄脚_上實現(xiàn)全類型數(shù)據多模存儲（結構化/半結構化作負載提供統(tǒng)一的數(shù)據服務能力。以下是一個簡要架構：38https://www.yunqi.tech/39https://www.yunqi.tech/4.4關注總體建設成本，實現(xiàn)業(yè)務與成本的對數(shù)據平臺的價值不僅體現(xiàn)在能力上，還體現(xiàn)在經濟性上。車企在評估數(shù)據平臺時，源費用、實施服務費等，這些成本在采購階段就可以清晰看到；水面之下是隱性成本，包括運維人力成本、數(shù)據搬運成本、系統(tǒng)集成成本、擴容改造成本、機會成本些成本往往在系統(tǒng)運行數(shù)年后才逐漸浮現(xiàn)，卻可能遠超不斷擴容、改造、集成新組件，成本呈指數(shù)級上升。更糟糕的是，這種成本增長40https://www.yunqi.tech/彈性伸縮能力使得資源利用率最大化；增量計算能力避免了重復計算的浪運維降低了人力成本；構建面向業(yè)務的一體化數(shù)倉，讓業(yè)務人員可以直接對我們建議車企在評估數(shù)據平臺方案時，不僅要看當下41https://www.yunqi.tech/第五章云器科技的實踐：車聯(lián)網大數(shù)據平臺替換升級長安汽車的數(shù)據挑戰(zhàn)：海量車聯(lián)網數(shù)據采集壓力、跨業(yè)務域的數(shù)據整合需求、實時用戶算形態(tài)，統(tǒng)一數(shù)據存儲和管理，統(tǒng)一數(shù)據開發(fā)、統(tǒng)一數(shù)據服務。長安汽車因此發(fā)難度和運維成本，也減少了數(shù)據冗余和數(shù)據不一致等42https://www.yunqi.tech/2.增量計算。新的數(shù)據平臺將一天內產生的車聯(lián)網數(shù)了的負載壓力；同時，系統(tǒng)可以根據過濾規(guī)則在增量數(shù)據中只選擇與分析需求相5.數(shù)據去重。云器Lakehouse對車聯(lián)網場景存在大量重的優(yōu)化，首先是進行行級去重，去除車輛設備狀態(tài)未變其次在行級去重的基礎上再進行信號去重，去除行之間重復類型的信號數(shù)據據去重降低數(shù)據量，大幅提升了下游任務的計算性能，同時也節(jié)省了計6.查詢優(yōu)化。為了進一步提升即席查詢的響應效率，云器科技還針對查詢性能進行小,來優(yōu)化壓縮和裁剪數(shù)據，最重要的云器實現(xiàn)了基于simd的壓縮/解壓縮,存儲壓縮首創(chuàng)增量計算模式：數(shù)據查詢分析的時效性得到有43https://www.yunqi.tech/長城汽車模和成本。百萬級的車輛保有量意味著日新增百億級的數(shù)據處理需求，傳統(tǒng)架算形態(tài)，統(tǒng)一數(shù)據存儲和管理，統(tǒng)一數(shù)據開發(fā)、統(tǒng)一數(shù)據服務，統(tǒng)一元數(shù)據大幅壓縮開發(fā)難度和運維成本，同時消滅異構多引擎的數(shù)據冗余和數(shù)據不一致等問題。2.存算分離架構體系。云器Lakehouse采用存算分離架構體現(xiàn)，解44https://www.yunqi.tech/3.超高吞吐寫入，數(shù)據新鮮度保證。千萬級TP智能網聯(lián)汽車國標，企標的數(shù)據入湖的高吞吐的目標，能夠有效支持千萬級保據的高效采集，實時加工和分析的分鐘級數(shù)據可見性的聯(lián)網中在車輛測試，車輛運營，座艙，售后,車輛監(jiān)控等多種場景下的單車百毫秒6.資源隔離，彈性伸縮。云器Lak資源，為用戶提供靈活的計算能力，同時VirtualCluster擁有秒級彈數(shù)據流量下自適應的自動伸縮和復制計算資源的