智協慧同已與超 15 個汽車品牌、25 個以上車型展開合作，在汽車數據應用領域經驗豐富。2025年3月20日，在第三屆AI定義汽車論壇上，智協慧同CTO謝寧指出，大模型在汽車行業尚未與核心業務深度融合，智協慧同的愿景，是能夠讓AI在汽車行業里更好地發揮作用，實現車、車主與企業的數據深度集成。其打造的多模態車云一體存儲架構，可實現從車到云的完整數據處理。

謝寧表示，在車端，利用智協慧同首創的閑時計算方案，可以將車閑置算力提升至 90%，降低云端成本 60% 以上，還能進行多模態數據融合與分析；在云端，則融合傳統與 AI 模型，實現多模態計算融合，并通過數據標注、優化策略等手段降低成本。此外，智協慧同借助大模型自動生成診斷代碼，推動 AI 從簡單問答向主動為業務創造價值轉變。

謝 寧 | 智協慧同CTO

以下為演講內容整理：

汽車智能化發展下的數據需求與挑戰

在汽車產業的發展進程中，架構的演變深刻反映了技術的進步與市場需求的變化。從早期的集中分布架構，到服務化架構（SOA），再到如今以產品體驗為導向的AI架構，每一次變革都推動著汽車行業邁向新的發展階段。產品體驗成為架構設計的核心驅動力，而架構的變革則離不開強大的數據支持，數據已成為智能汽車發展的關鍵要素。

智協慧同在汽車數據領域積累了豐富的實踐經驗，與眾多車企展開了深度合作。截至目前，已與超過15個汽車品牌達成合作，為25個以上的車型提供數據庫，并配套云端數據分析、數據管理、智能診斷等一系列應用服務。自2021年首個汽車量產項目啟動以來，智協慧同始終處于汽車數據應用的前沿。近年來，隨著人工智能技術的飛速發展，車企對AI在業務流程中的應用需求日益增長。然而，當前大模型在實際應用中仍存在局限性，雖然在一定程度上提高了效率，但尚未與企業內部的核心數據源和業務流程實現深度融合。

圖源：智協慧同

在軟件定義汽車、數據定義汽車的趨勢下，汽車數據的類型和規模呈現出爆發式增長。從車輛總線數據、日志數據，到座艙內的語音文本數據，再到基于SOA協議棧的網絡包數據，這些多模態數據的產生為汽車智能化提供了豐富的素材。但傳統的汽車數據處理方式，如基于主線信號、故障診斷代碼（DTC）的處理模式，已無法滿足現代汽車對數據處理的需求。與此同時，語音文本等與大模型相關的數據類型，為汽車數據的分析和應用帶來了新的機遇和挑戰。如何有效收集、存儲、分析這些多模態數據，成為智能汽車發展的關鍵問題。

隨著智能汽車功能的不斷拓展，將AI技術融入車內邊緣計算成為必然趨勢。這不僅有助于減輕云端算力壓力、降低成本，還能提升數據處理的實時性和隱私安全性。例如，在車輛運行過程中，一些物理模型、機器學習和深度學習模型可以在車端運行，對車輛數據進行實時分析和處理。然而，實現這一目標面臨著諸多技術難題。一方面，車載算力資源有限，無論是高端車型還是低配車型，算力成本始終是一個重要的制約因素。另一方面，如何合理利用車輛閑置算力，成為提高車載算力利用率、降低成本的關鍵。

智協慧同的創新解決方案

智協慧同為車輛賦予了強大的車端數據處理能力。通過在車端部署先進的軟件系統，實現了對文本、報文組、向量等數據的存儲和查詢功能。同時，針對傳統方式難以處理的數據，如網絡包日志文本，進行多模態融合分析。這種融合不僅能夠統一處理各類復雜的系統日志和應用日志，還能在用戶未察覺問題之前，自動檢測潛在故障，并及時對用戶進行關懷，從源頭上解決問題。

在車端數據處理過程中，智協慧同注重與硬件能力的協同。隨著新一代芯片技術的發展，芯片在數據處理和模型運算方面的能力不斷提升。智協慧同的軟件系統能夠充分發揮芯片的優勢，實現多車問題排查和單車問題排查的高效匯總。通過對車端存儲的歷史數據進行分析，無論是短期的兩周數據還是長期的一個月數據，都能靈活運用不同的模型進行問題排查。同時，根據成本和業務需求，智能選擇在車端或云端運行模型，實現了計算資源的優化配置。

為解決車載算力緊張和成本高昂的問題，智協慧同首創了閑時計算動態調度解決方案。考慮到大多數車主每天的用車時間僅為2 - 3小時，車輛在其余時間處于閑置狀態，大量的算力資源未得到充分利用。智協慧同利用車輛在充電或夜間停車等閑置時段，通過遠程喚醒車輛特定網段的方式，在不影響車輛正常使用和電力消耗的前提下，將車內部90%的空余算力應用于運行高算力需求的AI模型。

圖源：智協慧同

這一創新方案不僅降低了云端算力成本，減少至少60%以上，還降低了帶寬成本。同時，由于部分數據處理在車端完成，避免了大量數據上傳至云端，滿足了一定的隱私化要求。智協慧同的閑時計算動態調度方案，使車輛成為一個移動的計算平臺，為車企和用戶創造了更大的價值。

當數據上傳至云端后，智協慧同充分利用云端強大的計算能力，實現傳統模型與AI模型的融合應用。在云端計算過程中，通過引入向量相似性查找、調用機器學習（ML）和AI模型等技術，對車輛數據進行更深入的分析。同時，結合告警機制和處理流程，實現多模態計算融合，提高數據處理的準確性和效率。

針對云端數據成本高昂的問題，智協慧同提出了一系列優化策略。通過在車端采用合并格式機制，減少上傳至云端的數據量，降低云端存儲和處理成本。此外，利用索引技術對海量數據進行管理，提高數據查詢和分析的效率，進一步降低成本。這些措施在滿足車企對數據處理需求的同時，有效控制了成本的增長。

智協慧同致力于推動AI在汽車業務流程中的深度應用，不僅僅局限于簡單的用戶問答功能。通過與車企合作，利用大模型技術，根據設計文檔自動生成診斷代碼和故障數模型，并將其應用于實時診斷環境中。這種創新方式不僅提高了診斷效率，減少了人工和專家投入，還實現了從被動查詢信息到主動為業務產生價值的轉變。

在測試案例生成方面，智協慧同同樣利用大模型技術實現了自動化生成。與傳統方式相比，大大提高了測試效率和準確性，降低了測試成本。通過這些實踐，智協慧同展示了AI在汽車業務流程中巨大的應用潛力，為車企的智能化發展提供了有力支持。

車云計算架構的價值與展望

智協慧同構建的車云計算架構，通過多模態車云一體的存儲架構和數據閉環，實現了數據驅動的業務迭代，即“雙輪數據驅動”。通過更高效的數據采集和優化策略，為汽車各個領域的AI應用提供高質量的數據支持，同時通過大模型的微調，實現車端和云端AI應用在車企中的深度結合。這種架構不僅提升了汽車的智能化水平，還為車企帶來了顯著的經濟效益和競爭優勢。

圖源；智協慧同

在未來的發展中，智協慧同將繼續深化與車企的合作，不斷探索AI在汽車領域的應用場景。隨著技術的不斷進步，智協慧同有望進一步優化車云一體的架構，提高數據處理效率和模型運行效果。同時，智協慧同歡迎行業內各方的合作與交流，共同應對技術挑戰，推動智能汽車產業的發展。在智能汽車時代，智協慧同的智車云計算架構將為汽車產業的智能化轉型提供堅實的技術支撐，助力汽車行業邁向新的發展高度。

（以上內容來自智協慧同CTO謝寧于2025年3月20日在第三屆AI定義汽車論壇發表的《車云計算架構打造智能汽車的AI數據底座》主題演講。）