以新能源汽車為代表的智能汽車已經成為新的行業風向标，無論是造車新勢力還是老牌豪強車企，都全面邁向了數智驅動的新賽道。
車聯網數據指數級傳輸帶來了數據處理壓力，車端軟件的智能化帶來了更高的軟件工程要求，新車上市周期縮短帶來的功能開發、疊代的效率要求，更有數據合規、隐私保護的責任與義務，無論是對車企、軟件開發商還是雲廠商都帶來了更為艱巨的挑戰。
11月2日，騰訊雲 TVP 舉辦了主題為《數智驅動智能汽車發展》的線下行業閉門會，邀請到了騰訊智慧出行副總裁劉澍泉;理想汽車副總裁、騰訊雲 TVP 行業大使範皓宇;清華大學車輛與運載學院副院長、騰訊雲 TVP 行業大使李升波，以及衆多産業、學術界大咖線上線下齊聚一堂，共同探讨數智時代，數據與智能如何更好地驅動智能汽車行業的發展。
數據就是智能汽車的産品體驗
理想汽車副總裁、騰訊雲 TVP 行業大使範皓宇帶來了題為《數據就是智能汽車的産品體驗》的主題演講。
範皓宇老師從理想汽車如何用數據驅動軟硬件疊代、理想汽車對未來的規劃以及數據隐私保護等方面經驗積累三個方面為與會嘉賓做了深入分享。
首先是數據驅動疊代。範皓宇老師以理想 ONE 的數據介紹了産品疊代背後的參考邏輯，他表示理想汽車的用車場景更多偏向于家庭出行服務，周末的屏幕播放内容也更多為家庭内容，同時每周有數小時躺下觀看的數據，用戶在車内的娛樂時間、觀影需求持續在顯著提升，同時也更願意在車内進行語音互動。基于這些數據的參考，為理想汽車産品的疊代提供了支持與指導方向，一方面會為用戶提供一個更加沉浸的車内空間，另一方面也會提供更多滿足用戶需求的車内功能。
範皓宇老師指出，從2016到2017年的新 AI 時代序幕，到2018 年的語音和圖形應用，再到2019年的深層理解，2020、2021年走向“AIG”，這些技術的發展同樣為智能汽車的方向提供了指引。
理想汽車的智能駕駛發展規劃，将持續運營自主學習、疊代算法能力達到城市自動駕駛級别。理想汽車的研發工程師會對汽車行駛過程中産生的海量數據進行分析，定位問題、解決問題，反複嘗試各種邏輯，最終将在一定數據積累的質變後跨越鴻溝，實現小任務大數據的方式，将一個高速的安全行駛體驗帶給廣大的中國用戶，帶來率先的中國體驗。
第三，理想汽車對用戶隐私的态度非常重視。理想汽車打造的艙内本地運算、雙加密芯片TEE+HSE、敏感信息用戶決策、藍牙通話記錄離車即焚、三方應用定制化、停車拍照打碼上傳等功能，都是限度地保護用戶隐私。另外在艙内數據授權方面，理想汽車也提供允許一年、允許本次、拒絕三個選項，将選擇權真正交給用戶。理想 ONE 上線兩年多的時間，在隐私保護方面得到了非常好的口碑。
通用控制問題求解器開發與自動駕駛應用
清華大學車輛與運載學院副院長、騰訊雲 TVP 行業大使李升波帶來了題為《通用控制問題求解器開發與自動駕駛應用》的主題演講。
首先，李升波老師以圍棋領域大放異彩的 AlphaGo 為起點，闡述了人工智能産生的深層原因。從原始社會、農耕文明、工業革命、電器革命到信息時代，技術發展的驅動力就是要降低人類的體力負擔與腦力負擔，而信息時代産生的人工智能革命完美契合這種發展初衷;另一方面，從工業革命的角度看技術進化的曆史，前三次工業革命相繼實現了機械自動化、模拟自動化和數字自動化，而以人工智能為核心的第四次工業革命正在重塑現有工業控制體系，有望帶來一個全新的智能自動化的時代。
智能化時代對工業控制系統提出了更高要求。傳統工業控制方法依賴對系統的建模，控制任務單一，隻對線性問題有較成熟的理論，在高維非線性控制領域的應用不盡人意。另一方面，現有工業控制對象的模型越發複雜，系統之間高度耦合，且面臨動态障礙多、外界擾動強的工作環境，難以建立有效的數學模型和用常規的控制理論進行定量計算和分析，依賴人工調參的方法也難以滿足複雜系統的控制精度。因此，智能化時代亟需具有自适應能力和疊代學習能力的工業控制手段。
李升波老師表示，工業控制的性能需求可以總結為高準确、高安全、高實時、易使用四個關鍵點。數據時代的工業控制有望帶來更強的智能性、更高的魯棒性和更佳的求解實時性，将會重塑包括自動駕駛在内的諸多工業領域。如何将數據嵌入到工業控制領域，這是每一個企業、團隊要慎重考慮的問題，到今天來看這不是一道選答題，而是一道必答題，關鍵是如何做得更好、更通用和更易用。
為此，李升波老師團隊自2018年始着手開發通用控制問題求解器（General Optimal control Problem Solver, GOPS） ，以數據驅動為核心、以神經網絡等主要載體、以類腦學習為求解手段，旨在為工業界提供具備高精度和強泛化能力的智能求解器。經過團隊的持續努力，GOPS目前已經在學界初步使用，并逐步拓展到工業界，有望解決自動駕駛、火箭姿控等複雜非線性系統的決控難題。“我們希望為工業界開發一款簡單易用的軟件，企業提出需求後可以直接拿着這個軟件求解得到智能控制策略，從而大大簡化工業控制問題的求解難度，保障實時性與安全性”。
李升波老師介紹，GOPS簡化了傳統工業控制的設計流程，通過離線求解、在線應用方式大幅度提高計算實時性，同時該工具鍊旨在實現問題建模、網絡訓練、仿真驗證、代碼部署、硬件在環試驗的全流程覆蓋，為工業界控制問題的強化學習求解提供一站式解決方案，大大降低開發難度與控制器的負擔。随後，李升波老師以值分布強化學習算法開發、多車道場景的自動駕駛汽車運動與控制、交叉路口的自動駕駛汽車類腦決策等典型案例詳細介紹了 GOPS 的使用方法與部署應用。
車雲一體創造新生産力
騰訊智慧出行副總裁劉澍泉帶來了題為《車雲一體創造新生産力》的主題演講。
劉澍泉老師表示，随着汽車電動化、智能化的發展，出行行業正面臨巨大的商業模式變化。車企與用戶的價值交換，不再僅止步于車輛交付，而是延伸到車輛使用的全生命周期之中。如何通過數據驅動的模式，持續觸達用戶、保持互動、疊代服務從而打造新的業務版圖将是全行業面臨的課題。
他将智能汽車行業的困局與挑戰總結為以下三點：
第一大挑戰是在業務全球化背景下，需要構建全球一體化的基礎設施。 目前車企都在放眼求全制定研發和銷售策略，在實現全球的研發協同的同時，還要靈活應對各國家地區間不同的數據保護、監管政策等問題，這就離不開全球一體化的業務架構。騰訊雲在全球部屬豐富的服務節點，提供專屬雲CDZ，在提供統一安全的專有雲環境同時，保障全球化的可拓展性。
第二大挑戰是如何打造中國特色的産品和服務 。目前，國家對隐私保護和數據安全的法規政策正日益完善，在數據保護、監管合規方面進一步明确要求。同時，要打造中國特色，離不開中國特色的地圖和生态服務。騰訊通過全鍊路合規解決方案、更強的數據一緻性與更優渲染能力、全面開放的地圖能力等，幫助車企構建數據驅動閉環，打造中國特色的産品和服務體系
第三大挑戰是持續完善用戶産品與體驗 。時至當下，車已經從售完即止到全生命周期服務，用戶體驗的優劣嚴重影響智能汽車的銷量。劉澍泉老師表示，騰訊在用戶體驗方面有比較深厚的積累，可以為車企提供集合騰訊生态體系，以座艙為抓手，面向用戶提供服務的核心能力：基于微信ID+LBS+AI三大核心能力，将騰訊豐富的生态應用帶入座艙;基于騰訊優勢内容和服務生态，結合微信連接能力，提供全場景智能車載服務;可定制的數智人，提供人格化交互框架;騰訊特色IP可經授權上車，與用戶建立更靈動的情感互動。
劉澍泉老師表示，面向汽車行業，騰訊将持續夯實雲底座能力，同時提供汽車行業專有化方案，滿足智能汽車行業的實際需求，助力行業轉型升級。站在汽車産業結構升級的重大時期，騰訊堅持做好數字化助手角色，專注自身所長三個領域：第一，深耕雲、圖為核心的基礎設施;第二，發揮好C2B連接價值;第三，共建開放生态。
結語
智能汽車所引發的産業革命，一個源自于能源的變化，一個來自于産品邏輯的變化，其變化的核心是由傳統的工程驅動模式轉型到數據驅動模式。在這個轉變的過程中，離不開的是對用戶需求的準确洞察，對技術發展趨勢的精準把控，對數據驅動與安全合規的把控要求，才能在數字化時代為汽車行業裝上數智驅動的新引擎。
TVP 成立至今，伴随的也正是各行各業數字化轉型的趨勢浪潮，所舉辦的一次次線上線下的直播、峰會、閉門會，都是希望貫徹用科技影響世界，讓技術普惠大家的本心，幫助包括汽車行業在内的各領域、企業、終端用戶與技術人一起成長，共同進步!
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
