自動駕駛量產上車只是挑戰開始！運營難搞，鵝廠獻策

明敏 發自 凹非寺

量子位 | 公眾號 QbitAI

自動駕駛技術上車，智慧車規模化量產上路，然後呢？

當自動駕駛成為一種面向使用者的持續服務，更長尾的運營中的問題，又該如何應對和解決？

目前，

行業內

隨著L2+、L3級自動駕駛技術開始量產落地，智慧車從實驗室走向普通道路、從單車智慧到批次上路的命題更加明確。

資料量的指數級增加，對算力、儲存、資料處理提出更高要求。而服務使用者規模增大，也對自動駕駛系統的實時響應、快速迭代等提出新挑戰。

行業外

，使用者側對於自動駕駛的期待愈加熱烈，智慧車甚至被視為新型移動計算平臺代表之一，使用者對於自動駕駛的安全穩定性、人性化服務、駕駛體驗上都被提出了更高要求。

裡裡外外，兩股動向，都在向車企主機廠提出新要求：

智慧車上路，自動駕駛功能、安全、體驗、服務等問題，如何持續提供運營保障？

所以當今之勢，車企與使用者的關係，不再是售出即止。如何在一輛車全生命週期裡，為使用者持續地最佳化自動駕駛服務體驗成為必須。

自動駕駛運營

，已經成為車企必須練就的新技能。

為什麼需要自動駕駛運營？

從車企和使用者兩個維度，趨勢已經再明確不過。

對於車企而言

，當自動駕駛開始批次上路後，如何對使用者的駕駛安全、體驗負責，是首要關心的事。

在L2/L3級自動駕駛情況下，駕駛系統仍舊不是一個全接管的狀態，使用者會基於實際情況參與到駕駛操作中，因此係統要能夠靈活智慧提供可靠的智慧駕駛能力。

該步驟放到車企面前，並不簡單。

一方面，車輛上路後，不可避免地遇到一系列未知或突發情況，這需要自動駕駛系統能夠基於實際資訊做出準確判斷。

另一方面，L2/L3級自動駕駛的能力覆蓋都是漸進式的，在上路以後，車企仍要根據車輛行駛過程中的其實際表現和遇到的問題，快速做出最佳化與調整。

也就是說，對於車企而言，自動駕駛車輛量產並不意味著服務告一段落，反而到了更需要關注的階段。

再來看使用者這邊

，同樣對自動駕駛的安全、體驗等提出要求，並且是一個期待逐漸追加的過程。

每一個使用者都希望車企能保障自己車輛的駕駛情況，為安全護航。

體驗上，如導航、定位、娛樂應用等，希望其功能可以越來越精細化。以及在最基礎的地圖服務上，隨著街道路況改變、個性化的駕駛習慣產生，及時更新車上地圖，也是使用者最基本的訴求。

概括來看，當自動駕駛上路後，它的性質將從一種技術，

變成為一項服務

。

對車企的要求也不再單純只是車輛是否質檢透過，而變成了一種長週期的運營維護考驗。由此也提出了一系列問題：

第一、當批次自動駕駛車輛跑在路上時，面對海量資料，車企該如何高效處理、迭代演算法？

第二、對於自動駕駛所必需的地圖服務，車企如何根據高精定位能力和及時更新的路況資訊，為使用者提供更高效、個性化的決策規劃？

第三、對於使用者不斷產生的體驗訴求，車企如何及時響應並快速迭代、部署功能？

第四、對於自動駕駛本身而言，車企如何基於實際上路情況提升系統能力？

這些問題，是自動駕駛量產上路後，每個車企都繞不開的。

由此，自動駕駛運營平臺將成為車企之必需。

而作為一種服務，只有持續運營，才會有生命力。

這就要求自動駕駛運營平臺要有

專職人員

為使用者自動駕駛體驗負責，有安全、穩定、雲化的

運營工具

，還能基於精準、豐富的地圖服務，隨時記錄、評估、迭代和升級自動駕駛能力。

換言之，出於對駕駛安全及體驗負責，

車企要擔當起自動駕駛服務運營方的角色

，有專門的運營團隊來持續最佳化自動駕駛的服務體驗。

但問題是，對於車企自身而言，搭建自動駕駛運營平臺，實際操作難度不小。

自動駕駛運營對海量資料儲存、算力、資料安全保證都提出了極高要求。這不光對企業的技術實力提出挑戰，除了人力成本之外，在基礎設施建設上也將要耗費極高成本。

尤其在自動駕駛即將規模化量產的背景下，時間緊迫，

完全自研自建

根本無法快速完成。

所以，該怎麼辦？

自動駕駛運營能怎麼解決？

這一問題的求解，或許還要看自動駕駛運營提出了哪些要求。

概括來看，大致有以下幾點：

保障車輛資料的安全合規利用

動態更新地圖資料

快速迭代升級自動駕駛功能

跟進使用者個性化需求

其中最為關鍵的，就是自動駕駛所需資訊及能力的及時更新和迭代。

而談到迭代，就離不開端上推理和雲上訓練這個大閉環。

加之自動駕駛行業的相關監管收緊，本身對資料安全性、傳輸效率上就提出更高要求，由此，

上雲是一條很容易被看到的技術路線。

實際上，從今年開始，

車雲一體

成為自動駕駛領域內的熱議趨勢。

從車端來看，無論是傳統車企還是造車新勢力，在電動化和智慧化變革浪潮之下，都開始紛紛用“上雲”應對這一趨勢。代表玩家如寶馬、福特領睿等。

從雲端來看，雲廠商們也紛紛針對車企的需求，推出專門的汽車雲服務平臺和自動駕駛雲平臺，汽車業務成為這些雲廠商收入佔比越來越重要的一環。

有機構預測，國內汽車雲將在2026年達到超800億元的市場規模。

這種趨勢的出現，其實一定程度上也基於自動駕駛商業化落地趨勢愈加明確。

在此背景下，自動駕駛運營該怎麼解？答案或許還應該是上雲。

一方面，雲計算增效降本的能力，已經在自動駕駛研發、測試階段有明顯體現。

如雲計算能為車企提供更靈活、價效比更高、更快的資料儲存管理。

另一方面，運營階段對迭代效率的要求更高，如車機互聯、實時互動等需求也會相繼湧現，這些問題都是單車智慧所無法解決的。

因此，自動駕駛運營上雲，也是必經之路。

但問題也隨之而來，自動駕駛運營涉及自動駕駛全生命週期，覆蓋多方面功能體驗能力，該怎樣上雲？

提供車雲一體化的地圖能力，透過雲端與地圖能力的結合，為自動駕駛運營提供更實時、鮮活、廣泛的地圖資料。

這是騰訊給出的思路。

在剛剛結束的2022騰訊數字生態大會上，騰訊重磅釋出“

車圖雲解決方案

”。

官方表示，這是業界首創的“車雲一體化”地圖服務，建立在更安全的專有云平臺之上，能開放地為自動駕駛提供所必需的地圖更新服務和位置服務。

並且號稱可以助力自動駕駛功能高速迭代，成為自動駕駛服務運營的基石。

所以，車圖雲解決方案到底是怎麼一回事？

什麼是車圖雲解決方案？

今年6月，騰訊釋出“車雲一體化”戰略，推出了騰訊智慧汽車專有云，並在上海開設了行業首個專為自動駕駛和智慧汽車行業而設計的雲專區。

此次騰訊車圖雲，可以視作是“車雲一體化”的一種延續，在專有云之上，為車企提供雲化地圖的能力。

騰訊智慧出行副總裁劉澍泉在釋出會上表示：

地圖在車端，是自動駕駛套件的重要組成部分。

不僅承擔著導航、定位的基礎功能，也是對實時感測器的安全冗餘，自動駕駛功能啟用關閉的開關。

在雲端，騰訊則透過車圖雲提供自動駕駛所必需的地圖服務，幫助運營人員進行自動駕駛功能的評估和最佳化。

換言之，只要打通了地圖在車端和雲端能力，自動駕駛能力自然而然就能得到釋放。

具體來看，車圖雲解決方案的能力體現在兩方面：

定製地圖更新

位置服務

第一，定製地圖更新。

騰訊表示這一能力主要是為車企提供所需的地圖服務，幫助他們構建產品核心競爭力。

它將結合端上資料安全SDK，收集感知資料、車輛運動資料，並進行安全合規化的傳輸和儲存。

然後結合歷史資料進行多重建圖、道路評估等後處理，形成更準確、更豐富的定製化地圖包。

最後透過ODD

（執行設計域）

，將地圖包下發到車端。

在騰訊智慧汽車雲的支援下，它能滿足在量產階段自動駕駛汽車大量啟用的情況下，大規模並行的高效資料處理、資料生產和資料編譯，進一步發揮好感資料的價值。

第二，位置服務。

按照官方說法，這一服務將可以加速自動駕駛功能迭代，助力自動駕駛順利走向運營階段。

這裡所說的運營，可以分為

自動駕駛道路運營

和

自動駕駛功能運營

。

道路運營，主要是指擴充套件功能ODD，也就是在哪些路段、哪些道路上面可以開放自動駕駛服務。

首先運營人員透過分析自動駕駛功能在特定路段上的執行表現，與benchmark資料進行比對，進行自動駕駛功能釋放。

其次針對複雜路況，也就是corner case——這已經成為自動駕駛體驗優秀與否的核心評判指標之一。透過地圖資料探勘熱點、特殊結構道路等，從而定向採集資料、定向路測、定向最佳化迭代，提升自動駕駛功能的使用者價值。

第二，是自動駕駛的功能運營，簡單來說就是讓運營人員對自動駕駛能力進行評估，為車企提供參考。

運營人員將透過提供實時的動態交通訊息、POI資訊等，綜合評定自動駕駛的功能表現。並進一步結合使用者軌跡、熱點路段、車輛資料等資訊，評估自動駕駛功能對使用者產生的價值，為迭代升級提供參考。

除此之外，騰訊表示，車圖雲方案還支援個性化路徑規劃，可以在基礎導航服務之上，疊加車企提供的資料及規則，為使用者提供更加優質的路徑規劃。

劉澍泉在採訪中透露，根據客戶需求，騰訊能按要求定製features，從導航能力、人機互動介面都能自己定製。有需要的話，客戶自己的開發工具都能上雲。

總之就是要夠開放。

而在一系列新能力釋放的背後，源頭上還是基於騰訊在地圖、雲端的兩方面能力。

地圖方面

，騰訊擁有傳統地圖採集甲級資質，其地圖能力已延伸到2B和2C市場中去。

去年釋出的

騰訊智駕地圖

，基於業內首創的一體化地圖資料採集體系，可實現標準地圖、車道級地圖、高精地圖資料的“三圖合一”，能夠在人工駕駛、輔助駕駛、智慧駕駛等多種模式下，提供導航服務。

在To B生態下，包括美團、京東、滴滴、貨拉拉等，都是騰訊位置服務的合作伙伴。

美團外賣、小程式、微信位置分享等，其中的導航定位功能都來自於騰訊能力，有基礎定位、有POI檢索、有導航路線規劃，甚至有導航引導。

雲端方面

，騰訊更是早有準備。

此前釋出的

騰訊智慧汽車雲

，是基於騰訊自身雲計算優勢提出的專用雲。

首先，透過專屬的雲專區，它可以確保不同車企的資料之間的物理隔離，滿足了汽車行業對資料安全的需求；又透過對雲元件的重點最佳化，解決了車企的高度定製化需求。

在基礎能力上，騰訊雲的基礎設施覆蓋全球五大洲26個地區，運營70個可用區。其峰值頻寬突破了200T，全球部署2800+加速節點，儲存規模達到EB級別。

在能力驗證上，騰訊海量自研業務已經實現全面上雲。像QQ、微信等網際網路大規模應用的資料處理，也都執行在騰訊雲自己的伺服器上。

安全方面，騰訊雲具備等保三級的認證，即非銀行機構的最高等級保護，同時具備甲級測繪資質。有3500+安全專家團隊。1500+雲安全專利作為支援。

而騰訊雲的特性，其實也剛好滿足了當下車企對於雲服務的需求。

劉澍泉表示，對於汽車雲，車企目前最關切的問題有四方面：

具備全球一體化基礎設施能力

保障資料隱私安全

合法合規

價效比

總而言之，騰訊車圖雲解決方案，就是基於騰訊雲這個大的底座，在車雲一體戰略的基礎上，率先將地圖能力結合進來。

地圖又直接涉及到自動駕駛所需的導航、定位、位置等服務，是自動駕駛能力釋放的開關。

一旦這個能力打通，便意味著自動駕駛過程中所需的最基礎運營服務，都能得到解決。

由此也就不難理解，為什麼提供自動駕駛運營能力，騰訊會從雲化地圖的角度作為切入。

而透過騰訊的最新動作，其在自動駕駛產業中的角色定位也更加清晰明確，即為產業提供數字化建設能力。

騰訊出行副總裁、騰訊智慧出行負責人鍾學丹在採訪中反覆提及，騰訊的角色是數字化助手，以此滿足車企需求、補足車企能力。

騰訊專注的能力體現在三方面：

第一是提供雲和圖為核心的數字基建能力，第二是使用者服務能力，第三是生態連線的能力。

基於這樣的定位和邊界，我們更專注於在數字化、雲、算力這些基礎能力。

還有哪些新挑戰和機遇？

誠如鍾學丹所言，車圖雲解決方案不會是終局。

縱觀智慧車上雲，必然會經歷三個階段：

第一個階段是

自動駕駛研發上雲

。

在這個過程中，雲計算更多解決的還是車企研發效率、軟體遠端迭代需求的問題。

第二個階段，是行業更期待的階段，也就是

自動駕駛汽車運營上雲

。

在這個過程中，雲服務會協助自動駕駛系統和智慧座艙，真正能做到與環境進行實時互動，使用者以及車輛上雲也會達到一個新的覆蓋率。

到這一階段，包括RoboTaxi、智慧小巴以及智慧貨運都會真正實現雲上執行，出現大規模智慧駕駛商業化落地。

第三個階段，

更多網際網路生態能力的上雲

。

這時候智慧座艙實際上已經能提供更多動態服務，例如車載實時高精動態地圖的服務能力等，可能會與第二階段的運營上雲同步出現。

目前，雖然商業化落地已經開始出現，但離真正意義上的大規模量產上路，還有一段距離。

背後原因，不光是智慧化技術還沒迎來質變節點，還有來自產業鏈協同方面的限制。

劉澍泉坦言，

對於自動駕駛而言，上雲不是目的，上雲只是一種手段

。在技術成熟度已經滿足行業需求的今天，怎麼將技術用好，才是關鍵。

對於當下而言，提高生產效率，其實還要看審圖、質檢等流程怎麼做到更優匹配。

劉澍泉舉例說，比如對於高精地圖的生產更新，可以做到很快採集，但是如果稽核等流程跟不上，圖就會積壓，也就白生產了。

換言之，產業鏈如何更好最佳化，是眼下行業需要思考的一大問題。

實際上，車企、自動駕駛公司也同樣期待雲端協同能更加絲滑。

比如自動駕駛所涉及到的各種敏感資料，安全脫敏是需要產業鏈上的各個角色合力實現。以及產業鏈能儘快形成通用標準，方便大家相互溝通和實際操作。

再來看更為實際應用的層面，隨著車企大批次上雲，價效比將成為大家越來越重視的因素，行業還要思考如何進一步最佳化雲計算成本、幫車企增效降本。

顯然，在汽車雲這一領域，探索、新挑戰在不斷湧現。另一邊，當然也有新機遇出現。

劉澍泉表示，隨著汽車雲、自動駕駛雲的發展，其實座艙和自動駕駛的模糊地帶已經產生。

明年或許就能看到艙駕一體化服務特別盛行。

當艙駕一體成為大勢，對於渲染、語音、泛人工智慧的能力又會提出新要求，對廠商們的技術儲備、佈局也是一種考驗。

總之，新技術落地就會帶來新挑戰，新挑戰就意味著需要新解決方案。

現在，面對自動駕駛落地後的運營服務，鵝廠率先出牌，給出了一個車企可以迅速take and go的方案。

— 完 —

量子位 QbitAI · 頭條號簽約