车凌科技：车云智能数采解决方案

车凌科技总部位于杭州，同时设有上海、武汉办公室，拥有400余名员工，其中90%为研发人员。2024年10月15日，在2024第二届长城汽车智能汽车技术研讨会暨走进长城汽车技术展上，车凌科技副总裁闫凯介绍，作为行业领先的汽车智能化生态服务商，车凌科技基于车云平台、AI座舱、大模型与数据商业化、整车/座舱集成测试等多项解决方案，可提供车辆全生命周期的全栈服务。目前与吉利、东风、北汽、奇瑞、沃尔沃、路特斯、Smart等国内外头部车企均有量产项目，并保持长期合作。

车凌科技坚持以用户为中心，探索前沿汽车软件技术，助力汽车产业智能化升级。针对车企在数据闭环业务上遇到的瓶颈和挑战，凌云平台将帮助车企大幅降本增效。围绕“凌云平台”的方案架构、应用场景、技术特征，闫凯向与会嘉宾展开了分享。

车凌科技副总裁

以下为演讲内容整理:

车凌科技介绍

车凌科技总部位于杭州，同时在上海、武汉设有办公室，目前员工为400余人，研发人员占比90%以上。我们基于车云平台、AI座舱、大模型与数据商业化、整车/座舱集成测试等多项解决方案，可提供车辆全生命周期的全栈服务。

当前，车企在数据闭环业务上遇到了许多瓶颈和挑战。首先，目前数据采集仍然是粗放式，成本极高。现在所有的车、数据都会上云，每辆车每个月消耗的数据流量和后台需要存储的成本都是极高的，一个普通用户驾驶车一个月所产生的数据约为30G-40G。而在开发过程中，特别是ADAS开发，要采集许多视频数据和道路数据，一个月可能超过1T。

无法做到灵活采集和规则配置。当前数据回传准确性、实施性都比较差，云端接入难以满足AI时代的高并发、吞吐要求/要实现AI，就需要大量数据进行训练，需要所有的数据都能实时准确地传到AI大模型的服务器上。当前数据不支持车端的跨域通讯，缺少轻量化的数据总线。此外，私有化的技术和协议一定程度上阻碍了技术发展。

凌云平台方案架构

我们的凌云平台能够帮助车企大幅降本增效。一是可以快速集成，适配各类QNX、Linux，现有车载的操作系统都可以灵活适配；二是低功耗，我们是一个轻量化的流计算架构设计，低内存和CUP占用率，车内算力占用率提升50%；三是低存储存算一体化，采用高压缩比多模态设计，车云存储成本降低75%。

该平台还可以省流量，存算一体的高压缩比处理技术能够节省90%移动流量；省了移动流量，自然就省了带宽，相应节省OEM专线网络上数据传输的90%带宽；另外还有低延时不阻塞的特性，基于UDP的MQTT over QUIC协议能够实现最优流量控制，时延降低70%。

还有高可用性、易桥接和自主可控。凌云平台支持高并发高可用的EMQX集群架构，减少30%的网关成本；直接接入时序数据库或实时入大数据湖，降低50%数据库资源；全部基于开放标准和开源协议，实现100%自主可控。我们把这套东西交给客户后，客户也不会遇到任何知识产权方面的问题，因为全都是开放标准，开源协议。

我们构建了一个全面的数据闭环处理系统，该系统涵盖了从规则模型的创建与更新，到车辆运行期间产生的大量数据，再到数据采集、流式处理，以及云平台上的高可靠性数据传输与海量数据接入。这一系列流程最终将数据汇聚至云端，供业务应用使用，并支撑云端算法模型的训练与更新。随后，新的规则与模型被下发至车辆端，形成了一个从车端到云端的完整数据闭环。此系统具备自我演进与自我更新的环形处理能力。

图源:演讲嘉宾素材

为了支撑这一数据闭环的高效运行，我们依赖一系列关键技术能力，首要的是高兼容性，这使得我们的系统能够灵活地部署并适配各类Linux、QNX容器环境。无论是域控制器、网关、T-box或MCU，我们的系统均能实现轻量化部署，从而确保数据闭环的顺畅运行。

跨域多元化的数据接入技术，能够实现高维度、高精度且实时的数据采集，确保数据采集达到毫秒级响应，同时保障数据的高质量与无损性。该技术还能支持车辆端进行流式计算处理，对于素材数据，提供多种上传方式，包括全量的维度化上传采集，以及实时的数据上传选项。

此外，该技术框架亦支持实时上传采集与计算规则的设定。在实施调控方面，即数据采集规则的设定与调整上，传统方式往往由车厂直接在车辆内部进行硬编码，不进行新的OTA就无法变化。而我们的解决方案则实现了一体化管理，允许在云端实时调配这些规则，确保数据采集规则能够实时下发并立即生效。

车云网络的安全可靠传输与车源数据的保护至关重要。为此，我们可以建立快速连接机制，并融入断网缓存、TRS双向认证、应用层加签加密等安全措施，同时实现量产级别的高分子数据集成技术。这一系列措施构成了凌云平台方案框架的核心，使我们能够支持百万级别的高并发数据存储。

在部署方面，我们的平台支持多余的部署与多元的数据接入，具备灵活处理、实时计算与高效上云的能力。通过海量数据的接入与集成，我们的平台为下一代车型提供了协同且灵活的数据采集系统，为多样化的智能网联汽车奠定了坚实的数据基础设施。这实际上是在车内构建了一条高速、安全的数据总线。

在应用场景方面，我们的平台支持灵活的数据采集模式，包括周期性上传、事件触发上传、事件窗口采集以及全量数据回溯等。

根据实际需求，车云协同系统需灵活应用采集策略，以实现实时更新并快速响应数据需求的变化，从而提高业务应用开发的效率。系统应以轻量化的方式运行，高效利用车端算力资源，进而降低云端存储与计算的成本。基于MQTT及EMQX等可靠传输协议，系统能够提升在复杂车云网络环境下的数据采集质量。

在云端，EMQX以其高并发、高吞吐及高可用性的特性，支持量产级大规模数据采集任务。此外，我们的系统还具备融合多生态的能力，特别是在智能座舱领域。除了车端智能座舱及DHU等ADC内部集成的高可靠性数据总线外，我们的系统还能够与其他生态系统实现无缝对接，为智能网联汽车提供更加全面的数据支持。

此外，我们的系统还能够支持可穿戴设备、车内智能家电以及家庭内的智能家居与V2X及智能座舱的安全接入，实现数据的汇聚、边缘计算与边缘处理，以及数据的转发功能，从而构建一个整体生态化的智能系统。

另一个亮点是ADAS的数据闭环体系。在当前ADAS的开发过程中，各大车厂均投入了大量资金，但在数据采集与数据闭环方面普遍遭遇了瓶颈。目前，许多数据采集方式仍然依赖于大量硬盘的购买，由路试员驾驶车辆进行数据存储，这不仅消耗了高昂的硬件成本，而且数据上云的过程也极为繁琐，需要先将数据从硬盘拷贝出来，再上传至服务器，最后才能在AI云上进行计算，这一过程耗时费力，效率低下。

借助我们的系统，能够实现地域数据的高效、灵活且安全采集与上传，此举能显著节省带宽、流量以及存储资源。系统能够按需针对高价值边缘场景进行实时标注与上传，从而提升模型训练所需数据采集的质量与时效性。

此外，我们的系统还赋能影子模式，加速算法训练进程，促进模型构建与优化，进而全面提升开发效率。在当前的AI领域，ADAS所采用的训练模式，即先在车端进行一次运行，随后在云端进行算法训练与优化，优化后的算法再次下发至车端，车端运行完毕后再将结果上传至云端。

整个系统构建了一个车云协同的环境，其中车辆与云端均参与算法的训练，并通过实时的算法验证加速了算法的迭代与优化进程。我们提供了一条从云端到车端的算法模型下发与更新的通道。车端基于实时的车内数据进行算法推理，并具备对车端算法推理结果进行分析的能力。随后，将推理结果与用户的实际执行结果进行对比分析，将算法这个推理异常点和相关的参照数据精准地采集到云上。

为此，我们设计了一条轻量化的车载消息总线，该总线能够轻松接入以太网、SUM-IP等多种协议，并实现数据的灵活分发。系统支持1至100赫兹的高精度数据采集，能够执行全量数据的无损高压落盘操作，同时实现车端数据的滚动存储与云端的可控管理。在云端，我们部署了轻量化的车载流式计算引擎，该引擎能够实时地进行数据筛选、聚合、去重、计算编码以及格式化处理，极大地提升了数据处理效率。

此外，我们的系统还具备云端实时规则下发与管控的能力，能够根据计划任务自动调度车端运行。同时，系统还支持文件、视频流等数据的扩展接入，进一步丰富了数据处理与应用的场景。云端能够实时下发并管控规则，同时根据计划任务自动调度车端运行，并支持文件、视频流等数据的扩展接入。

鉴于车载网络中广播式数据较多，存在冗余与浪费的问题，我们引入了数据处理的白名单机制，明确哪些数据可以不做处理，哪些数据应优先处理，从而降低车载硬件的整体算力消耗。

另外，我们还实现了事件触发时间范围内的原始数据完整落盘功能。在数据采集与处理方面，系统支持灵活的规则应用，包括多规则并发、pipeline流水线规则计算运行，以及预制规则的自动启动与云端实时规则的触发运行。

企业管理方面，我们实现了一次性执行规则的部署，并提供了多样化的数据采集模式。这些模式包括信号筛选、固定周期事件触发、事件告警触发、事件触发窗口采集以及历史数据回溯等。在车云一体化协议方面，我们当前所有的TSP云平台均基于MQTT协议构建。

低代码算法工具平台介绍

下图是一个低代码算法工具平台，参与协同管理通道。我们实现了图形化低代码，能够为客户提供一套完整的云端算法管理工具。我们有几百种丰富算法算子，采、算模型能够快速构建，一键下发。规则配置从云端下发，端侧代理配置API，车端本地日志文件也会上传API。

图源:演讲嘉宾素材

为了构建这一超级总线并实现真正的智能化，车端与云端均需承担相应的任务。首先，车端需部署一个超级总线。我们当前所提供的系统，是一种极简且轻量的分布式架构，具备跨平台部署的能力。在云端与车端的通信方面，我们采用了统一的标准，支持多传输层的兼容，并实施了智能拥塞控制，以确保DNS通信的不丢包以及V2X通信的顺畅。

此外，该系统还具备智能数据桥接功能，支持海量的连接与高效的数据上传至云端。同时，它能够实时同步并下发算法，确保应用的高可用性，保护数据的安全性，并实现快速的数据集成。总体而言，该系统为汽车制造商提供了一个低成本、高效且完整的解决方案，实现了数据的闭环管理。