2022年汽车行业研究报告.docx

《2022年汽车行业研究报告.docx》由会员分享，可在线阅读，更多相关《2022年汽车行业研究报告.docx（25页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、2022年汽车行业研究报告1. 调研数据与调研法云科技 KubeSphere 云原团队历时 3 个，先后访谈了 30 多家汽企业和上下游产业链供应商，其中 包括了云科技的客、态合作伙伴、业头部商，涉及了国内造新势、海外品牌汽、国内整 企业、载智能语商、智能驾驶企业、动驾驶解决案提供商等国内外汽业领军企业。从汽 业剧烈的技术趋势变化、国家监管和服务资质要求、数字化挑战、云原进阶、以及向云原的战略转移等 层，和 30 余位汽业专家进了深调研和交流。 本次访谈对象以业务开发程师、架构师、CIO/CTO 管理者等为主。通过梳理汽业云原技术应的趋 势和共性需求，总结典型落地场景，形成业最佳实践。从为汽客

2、向云原转型提供启发、指南和 范。2. 汽业显著技术趋势2.1. 软件驱动成为竞争核汽产业正在围绕“软件定义汽”，掀起转型升级的热潮。有业内指出，“在未来汽竞争中，载 软件将占据未来汽创新的 90%。” 在 Gartner 发布的 2022 年汽业五技术趋势中，数字巨头将汽纳整体态系统，2022 年将继续扩 其在汽技术领域的影响。国内外科技巨头的造项都在有序推进中，在“软件定义汽”概念的驱 动下，众多科技巨头早期涉猎汽领域多以联为切点。Gartner 预测，到 2028 年，卖出汽中的 70% 将采安卓汽操作系统，前这例还不到 1%。 企的业务模式将从根本上发改变，未来的汽不再是“两套沙发加四个

3、轮”，是“有四个轮会跑 的智能终端”，汽越来越像会奔跑的智能机。商业模式也在发变化，由机械和硬件驱动变为软件驱 动，由“硬”到“软”的变化趋势，带来订阅式服务加速到来，汽不再是次性的业产品，软件业 务开始成为新的盈利增点，主机可以在整体命周期内更程度地挖掘价值。软件成为未来汽实现 联化、智能化、电动化和共享化等趋势的核推动要素。2.2. 技术趋势剧烈变化，汽在被重新定义汽被重新定义，汽产业正在向新能源电动、动驾驶等端智能、服务化向转移，全球范围内涌现出 四颠覆性技术趋势：2.2.1. 联近年来在国家政策的强扶持下，企已经将联纳重要战略规划。联涉及企、软件提供商、通 信运营商、芯和模组产商等，产

4、业链很。通过搭载先进的传感器、控制器等装置，实现与、 路、后台等智能信息交换共享，是实现汽智能化和联化的关键。2020 年，11 部委联合出台智能汽 创新发展战略，在政策催化和技术变的双重背景下，联产业进快道。根据中国汽程学会预 测，到 2025、2030 年，我国销售新联率将分别达到 80%、100%，联汽销售规模将分别达到 2800 万和 3800 万辆。根据联技术的不同，联可以分为内、际和云三种络。 从全球联趋势看，联分为三个阶段：载信息服务阶段、智能联汽以及智慧出阶段。从应 场景的度，联致可以分为以下三种具体应场景：以体验为核的信息服务类应、以辆驾驶为核的汽智能化类应和以协同为核的智慧

5、交通类应。前，我国联已经从单纯的载信息 服务迈智能联阶段。智能联汽包含三元素：智能交互、智能驾驶和智能服务。以智能交互为例，国内外头部主机和 OEM 商都常重视机系统的交互，将其作为汽产品的亮 点。中国联的发展在全球遥遥领先，当国外还简单地停留在导航、乐、控时，国内已经基于机系 统开始炒股、看视频，以及更多娱乐控制。同时，汽商纷纷推出智能系统，赋予它情感和形象，让 内交互更好，更然地满需求，理解偏好，做到千千，服务去找。如今交互智能化程 度成为主购选择的个重要因素，主不再只关注发动机、内饰等传统因素。联系统的发展也跟汽本的发展密切相关，当汽更加系统化、强调软件定义硬件时，通过 OTA （Ove

6、r the Air Technology，空中下载技术）加快智能联汽迭代速度，OTA 通过远程升级软件，让软件 系统随时保持最新，需线下 S 店预约、排队的冗流程。根据 Gartner 预测，到 2023 年，排名前的 汽制造商中有半将通过软件更新来解锁和升级功能，客可以在购买汽后购买这些软件。从的 度，OTA 升级使能够保持对于汽的新鲜感，不断提升驾乘乐趣。对新能源品牌来说，订阅模式 OTA 升 级也开创了新的盈利空间。2.2.2. 动驾驶动驾驶将在驾驶环节实现对的注意的解放，当的双和注意被解放出来，汽将实现从以为中 的交通具，转变为以为中的”第三活空间“。根据信部推出的汽驾驶动化分级，驾驶

7、动化可以分成 0-5 级。我国动驾驶当前处在 L-L 阶 段，从 L（组合辅助驾驶） 到 L 级（有条件动驾驶）的重要差异为是否能主动调配路端资源。L 级别可 以看作半动驾驶平，能够实现辆对多项功能进操作，包括：全速适应巡航、动泊、主动道 保持、限速识别、动变道等。L 级别可以做到辆在特定环境中实现部分动驾驶，并根据路况环境判断 是否可以动驾驶，L 被认为是动驾驶的真正开端。相关数据显，2017 年以来，我国汽在智能驾驶配置，五年平均复合增率达 42.7。预计到 2025 年，中国 L 及以上的智能汽销量将破千万辆，智能汽渗透率达 49.3。动驾驶跃发展，各玩家不断布局沿着智能化和联化两个向演

8、进。前主流玩家可分为两类：以渐 进式策略为主的主机，和采取跨越式策略的科技企业。其中，主机的策略是从 L、L 向阶动驾驶进升级，同时在 L 的基础上叠加 L、L 级别的功能来给客带来更好的消费体验。科技企业则是直接从 L 及以上级别（完全动驾驶）切，通过些更适的限定场景，如物流、矿区等，来降低开 发难度。2.2.3. 智能制造传统汽曾经引以为傲的制造模式正成为其数字化变下的最“包袱”。过去，辆汽从设计到批量 产少要经过设计、程、包装、测试、发布、产等关键环节。辆传统汽从设计到下线少需要 3 年，端品牌从设计到量产周期在 5 10 年。对多样化的市场，对于整制造企业来说，汽产品的交付和成本控制能

9、临越来越的要求。 ，客的需求趋于个性化，另，整交付的消费等待时间越来越短。因此，企需要运数字化 段，集成产制造流程与业务运营流程，优化供应链，实现智能制造，从能够尽快交付符合客需求的产 品。 汽制造亟待升级，在“中国制造 2025”国家战略背景下，中国汽企业纷纷通过智能技术创新来实 现汽产业转型。智能制造不仅仅是单的先进技术和设备的应，是新模式的转变。柔性化、智能化和 度集成化是新代汽企业打造未来核竞争的关键环节。2.2.4. 运营与服务数字化升级随着汽市场的发展，汽消费群体的消费习惯发明显变化，个性化需求凸显。同时，在和限购等多 重政策的影响下，汽消费市场也临阶段性挑战。汽业营销压与俱增，传

10、统线下活动的营销式 遭遇挑战，成本和运营投巨，获客成本昂；另转化率低。通过数字化段赋能营销与运 营，进精准营销，加强与客的连接，重构“商-经销商-消费者”之间的关系，才能改善购和体 验，抓住年轻代消费升级的势。 售后服务也是如此，同样临数字化升级的机遇和挑战。汽售后服务呈现智能化、个性化的趋势，通过打 通研发、产、销售、物流、仓储等各环节，实现数据共享、业务联动的效协同。在辆维修，利 数字化技术，通过平台实时采集来的联数据，主机可以对故障辆进远程智能诊断。同时还可以与 S 店数据共享，让技术员迅速了解故障原因。4S 店也在努打造智慧店，将的资源、主的养护 需求在云端汇合，实现主和 S 店需求的

11、撮合。3. 汽业云原市场洞察通过 30+ 汽企业及上下游供应商的调研，云科技观察到汽业数字化转型和云原落地的些典型 业特征：3.1. 成专的数字化转型部背景传统主机在推动上云和云原化之前，已经进了达 10-20 年的信息化建设历程，内部构建起量 IT 系 统，已经形成了套相对完整的体系。且由于期形成的惯性，主机以采购完整的 IT 商业软件为主，且 量依赖外部服务商提供的外包服务，主机在向云原开发模式转型的过程中临了进退两难的境地。这 其中的挑战包括：组织架构、企业化、系统架构、数据安全、成本与运维等系列阻碍。企实践在期推进信息化建设的过程中，主机 IT 部往往被看作成本中，业务部提需求，IT

12、部负责响 应，缺乏顶层设计和平台级应的研发能。如今，对汹涌的技术浪潮，和多年延续，全球企销售 下，加快推进数字化转型战略成为众多主机致的动。 国内外领先企，包括国外品牌、国内新能源和头部主机，纷纷设专的数字化转型部，全负责 企的数字化转型作，加速推进数字化战略落地。数字化转型部通常向公司所有汽品牌，负责全部数 字化业务，如智能驾驶、联、数据中台、数字化营销平台、运营平台等，此部不再是企业的成本 中，成为核价值的创造中。 如众汽集团旗下的软件公司 CARIAD （Car，I AM Digital 的字），就承担了众数字化转型的重 任，负责设计规划公司线 Roadmap，并开发各种解决案和产品，将

13、业务需求转化成实际落地案。 本次调研的另外家“造新势”企业，也设了专的数字化转型部，负责公司所有汽本软件 类系统的开发，通过上层数字化发展驱动企业数字化转型。数字化转型部下会设独的级、三级团 队，包括运维、开发、产品、设计、测试等，服务各个不同业务版块的软件开发诉求。对于已经出海的新能 源企来说，数字化转型部还会撑公司全球的数字化。下步建议数字化转型是战略性为，是牵涉到整个企业的系统程，需要流程、组织架构协调配合，它是个期 的、持续变与优化的过程。从短期来看，它是数字化服务，提供可扩展的数字基础设施；从期来看，它 是数字化创新，提供处不在的数字基础设施。市场的变化在提速，企业需要借助更多先进的

14、数字化技术和 具实现创新加速和建设过程的优化。转型的重任，需要业务部与 IT 部的协作，不宜只注重个别先进性 技术 IT 才的引，忽略整体 IT 的组织定位和结构调整。企业的数字化转型需要通盘考虑，包括：牵头 部的选择、组织协同机制、IT 和业务的分、专职数字化转型部的设等。3.2. 全栈研 追求主可控背景随着动驾驶赛道的热度不断上升，论是“造新势”，还是传统主机，或者跨界造的科技企业， 都加了对动驾驶技术的投。电池技术、动驾驶技术、数据等任何个环节，都成为汽产业从业者 的竞争。全栈研、主可控，成为企对智能化浪潮的致选择。“全栈”强调全局思维和全流程问 题的解决能，即企掌握实现动驾驶所需的最关

15、键、最核的技术。动驾驶开发包含三项精度地图、软硬件整合和软件算法。头部国内新能源商纷纷招兵买，搭建动驾驶研发团队，打造全 栈研能。企实践主机在开发核业务系统时，尤其是侧 MES（制造执系统）、LES （物流执系统）等系统，会选 择主导，对 IT 系统的源码和设计案深度参与。出于期 IT 建设的惯性和成本考虑，主机会借助第 三的量做实施，但常看重系统稳定和主可控。 基于业互联架构的数字化思路，主机可快速重 构制造 MES、物流 LES 相关系统，帮助企快速拥有数字化纸的所有 App 应。通过云边协同打通 边缘设备，实现边缘设备的数据采集，以及在云端管控层的数据存储和分析。 通过 MES、LES

16、应结合边缘计算，企能够实现辆“云识别”、产跟踪与追溯、质量管理、海量数据 汇集和存储、物流仓储管理、模块解耦等技术，为新代业互联管理平台奠定基础。如：企在 MES 制 造过程中通过摄像头动采集汽的 VIN 码，识别后动上传到数据中，同时整制造过程也能够被记 录，然后将 VIN 码和管所联，管所上牌采智能终端进扫描、核对，即可完成辆的上牌操作。对于云原平台的搭建，国内外领先主机都希望主导的 IT 研发和技术平台建设，不约同选择了 研，追求主可控。这是由于线企都具备强的研发和技术实，IT 团队本拥有量业内技 术专家，另汽企业也希望能够确保企业所搭建的云原平台，具备稳定性和易性。 企建团队独开发，这

17、就对团队技术平提出了更的要求，开发和后期维护成本也相应涨船。因 此，寻求云原商的些商业化产品，甚开源产品的持，也是企迈向云原的重要向。在规模 实践的初期，企可以使开源技术来搭建的云原平台，通过探索来逐步加深对技术的理解，同时也实现对技术才的培养。我们通过此次调研也了解到，对很多企的开发和运维员来说，类似 KubeSphere 这样的开源社区和开源项通常是他们探索云原的第站。下步建议云原技术提供商的选择标准：选择云原提供商时，企业要重点考察技术落地的成本、可控性，以及技术 的前瞻性。从综合维度评估云原技术服务提供商的综合实，包括技术实、研发团队能、对汽业 的认知理解、服务经验及业成功案例等。成熟

18、的云原技术商通常能够提供云原全栈和全流程的技术 能和解决案，包括了 DevOps、微服务治理、数据库、云边协同、应中间件、数据、安全等，顾问 式、陪伴式帮助企过云原进阶的每步。 重视开源，将开源作为选型时的重要考量：企和云原技术商都将开源技术和项放到重要位置。技术 商看重项在开源社区的影响，从保证了量开源组件和开源项的领先性。开源技术在社区受 到追捧，加之开源社区能够提供给开发者的丰富资源和贡献者，也推动了包括汽业在内的各业云原 技术的落地。3.3. 数据安全和数据采之间的平衡背景联数据包含隐私数据、测试数据和与的互动数据等， 随着汽不断深“触”与 G 的发 展，个信息和公共安全临挑战。 主的

19、个信息、驾乘员语图像、辆位置及周边环境等信息都可 能临泄露或者滥。企实践国家各部委、地政府等先后出台了系列法律法规，保障个和国家信息安全，同时对规范智能联汽 准提供了向指导。在顶层设计层，国家有络安全法、数据安全法和个信息保护法三 法律体系保障公信息安全。其中，数据安全法还明确将数据安全上升到国家安全范畴。在络安全，以 OTA 为例，2020 年 11 ，国家市场监管总局发布关于进步加强汽远程升级技术 召回监管的通知，对 OTA 软件升级和更新都需要履备案义务，对 OTA 过程中出现的辆被侵、远程 控制等事故发后的的规范操作都进了明确规定。数据安全，汽数据安全管理若规定（试 ）对汽数据安全进了

20、预和约束。个信息，相关法律也明确提出“默认不收集”的原则，堵 住汽数据处理者喜欢钻的空。 在核的动驾驶研发，国家对互联地图服务资质有严格要求。由于中国道路情况复杂，只有掌握 量本数据，才能研发出适于中国路况的动驾驶算法。对于国内的造新势来说，拥有中国本化的 数据集，可以对中国的环境进标定和建模，并深度学习。随着增多，新能源企也可以掌握更多国 内道路数据，从研发出符合中国环境及喜好的动驾驶产品。下步建议对于联数据安全层，技术架构主要分为以下 4 层： 采集层数据安全：对重要部件如 T-BOX、IVI 等， 实现安全启动检验，防固件被篡改或攻击，数据采集后进加密，对数据的完整性进校验，并保证数据

21、被窃取后通过密钥才能解密。在数据存储，则需要保证数据的可性、扩展性。 通信层数据安全：通信层主要包括内和外通信，以及边端设备与云端的数据传输。内可通过 IPSec、 MACSec 等技术进设备的校验和加密，外通信则要求通过 TSL 加密、SSL 加密技术来保证络的传输 安全，载数据需要实时传输到云端进 AI 计算，从更加精准地决策。这其中需要灵活、快速效率的通信 协议来打通边端和云端的交互。 平台层数据安全：平台层趋向于快速落地、具备 AI 运算能且开箱即，传统的虚拟化或私有云平台法 满这场景，容器体机可以轻松应对。容器体机采轻量化设计，总部调配，发送其他区域即可 使，同时可在平台中预置安全防

22、护软件，实现安全管控，如访问控制、安全检测等能，保证平台的安全 稳定运。 应层数据安全：应数据更多加载的是个隐私数据，如智能座舱系统、娱乐系统、远程接调 等，需要实现对数据的份认证及授权，通过严格检测与识别算法来保证数据的安全性，避免数据被窃取篡 改。4. 汽业云原典型应场景不同企业选择的数字化转型路径不尽相同，但些被泛认可的模式和路径能够帮助企业加速数字化转型实 践。云原技术和理念就是传统企业不约同的选择，企也不例外。云原在汽业放异彩，围绕 联、动驾驶、智能联等技术趋势，沉淀出许多典型应场景。4.1. 敏捷协调，持续迭代挑战近年来，随着数据、智能、智慧企等现代技术、创新态在汽业的迅猛发展，传

23、统 IT 架构已经 法适应当前业务需求。由于企业架构的复杂度提，各类应部署和维护将随之愈发复杂，产发布的变 更导致准备和维护架构的环境需要花费量时间，遗留系统升级和迁移变得异常困难。另外，终端边缘类场 景往往都处于离线环境，并且在升级更新的过程钟需要员现场维护，这也为后续的软件版本迭代带来成 本。企实践企可以采 DevOps 为理念的容器技术解决上述挑战，通过统的开发交付管理模式（持续集成、持续交 付）、动化运维式，完成传统服务的迁移与改造，产品架构的优化及微服务架构落地，实现统的微服 务架构体系。4.2. 微服务架构化繁为简挑战部分企 IT 设施更新缓慢，对新型数字化应的持能不，同时要应对渐

24、增的业务量与业务洪峰。 对复杂的业务场景，系统有更的可要求，需要敏捷和弹性的资源调度能，以持对市场变化的快 速反应与分析。其中，应架构现状急需调整，来应对系统开发、系统运维、系统运营等问题，这就使得 企对传统的 IT 服务提出了新要求，包括：IT 系统敏捷响应、业务与数据融合、全链路监控、数字化能持 续提升等。企 IT 能也从仅关注产品和技术，逐步转变为协同业务、运营、技术等综合能，由独治 的微服务架构代替传统的单体架构。企实践和其他 IT 在前列的业样，企应架构致经历了从单体架构、SOA 架构到微服务架构的演进。微服务能够将中型应化整为零、化复杂为简单。当应承载实现 Kubernetes 化

25、和容器化之后，企开 始从服务格更的维度来考虑和满开发的需求。对微服务架构的考量，也是企基础设施容器化的 推动因素。 此次调研中，某全球载语交互头企业是率先微服务化的典范。该汽智能语巨头在语识别、然 语处理、语合成智能交互领域都有成熟的产品。三产品在全球服务的汽量级达 10 亿辆，且全部基于微服务架构对外提供服务。开发框架基于 Istio，采 Sidecar 式，不限定开发员使的语，不需要 改动任何业务代码，为企业提供统的管理渠道。 参与访谈的更多汽企业选择了 Spring Cloud 作为微服务的选型框架。它不仅是个全球性的微服务 具，且是持续维护的、社区氛围浓厚的开源项。这保证了基于它构建的

26、系统，可以持续得到开源量的 持，从为微服务架构提供更加全的技术持。4.3. 联场景挑战在数据上云的共识下，论是以辆驾驶为核的联场景，还是以服务为核的内信息互联，都 需要内软件和云端数据不断互联互通。对于企来说，每天驶在路上的数以百万、千万计的汽会产 量 TB 级别的数据。联服务的全落地，主要临的挑战有： ISV 提供商：需要套可开箱即的平台部署到边缘侧； 缺乏套统的算法管理平台：各个商算法都有的管理平台； 海量终端设备的管理：如何联动，如何统有效管理； 数据安全问题：基于互联的数据传输缺乏安全可控性。企实践联的业务特性对企 IT 底层架构提出了云原化的要求。在混合多云的联场景，Kubernet

27、es 发 挥着重要作，它屏蔽了底层资源的异构性，允许应在各种云上由流动和迁移。 联技术主要经历了三历程，从 G/LTE 络的多融合、提供质量信息服务到 LTE-vx（vehicle-toeverything：基于蜂窝络的联技术）实现路协同的主动安全络，再到现在 G+vx。随着 G 技术 的迅猛发展，为联场景提供更加多样化的业务撑，如智能、环境检测、智能公共交通、动 驾驶、智能路况检测等应场景。联是云边协同中业化的场景体现，注重的是络组和边端设备的控制协同。主要是利 G 带 宽、低延时络实现 VN 和 VV 的互补，通过络切可提供可靠的 QoS 保障，并在 MEC（Multi-access Ed

28、ge Computing）边缘云极降低时延和络负载，提数据安全性和隐私性。对于联技术组案的建议，需要考虑的是： 如何实现中云和边缘云的统协同？ 中云般由 IaaS 平台承载，若边缘云也采传统 IaaS 或超融合平台承载，显然法实现开箱即的便捷 性与原性。随着云原技术的发展，c-vx 平台也是基于 Ks 或更加轻量化的平台构建开发，借助 Ks 的 资源调度、可性、灵活性等能实现平台的快速落地与投产。但原 Ks 平台在实际落地时，需要考虑 平台的易维护性和部署难易程度，这给 ISV 商带来运维与管理的困局。未来，边缘云将向容器体机的 趋势发展，并具备如下特点： 新代容器基础设施实现软硬件体化； 开

29、箱即的全功能容器平台，快速部署、简便运维；简洁易的交互界，与专业效的体验，降低使槛，实现快速投产运； 规模化产验证的可靠性，商级整体服务保障； 业界幅领先的存储性能指标。如何统算法管理与配置？ 每个算法商都有的调接，这个接往往仅限于的算法管理平台的统管理与配置。项 在真实落地时，临多态的形式，多家算法商、多家硬件设备盒，商算法管理平台和算法绑定紧 密，法管理其他平台的算法。对于上万边缘设备的场景，需要个解耦的算法平台实现统管理，能够对 路侧数据算法、算法管理平、硬件设备解耦，只有开放兼容才能推进 vx 边缘平台的态化、共享化、智 能化。如何存储海量终端设备产的实时数据？ 联数据包含，包括隐私数

30、据、平台数据、为分析数据、路况检测数据等，由于业务数据的多 样性，导致件零散多样化、件多（亿级）、数据量，定程度上需要吞吐带宽。这给数据存储带 来挑战，需要能存得下海量件，包括件场景，扩展性要够，性能扩展要灵活。建议案海量结构化数据、海量件场景，通过对象存储可以很好解决。对象存储没有件系统的录结构， 不需要逐级查找件，通过 key 去检索对象；不存在件系统的限制，存储数据量和件个数乎没有 限制，天解决海量件存储的难题。对于应来说，需要有个接能够对接 S 存储。 需兼容 POSIX 接（NFS/SMB）的能，常规场景下已经可以满多数客的结构化存储需求，没有 对接成本。 能够满业界多个领域的技术趋

31、势，如 AI 开发训练平台、云原、数据仓库/数据湖、越来越多的数据 应基于对象来提供整体案，客希望把数据的价值提炼出来，同时基于件存储和对象存储两种能 实现数据互相流转，真正的从数据分析中推动业务的发展。4.4. 边缘计算场景挑战边缘计算云边协同案，将信息数据的计算和存储从中下沉到边缘，由容器提供算，业务请求和处理在 边缘设备完成，处理结果按需上传到云数据中，即满了业务的敏感需求，满了数据结果统上云。 新能源汽的充电桩和换电站，都是典型的边缘计算场景。新能源汽充电站运维情况复杂，难以实时监 控，利边缘设备和技术，可以有效解决充电位占等问题，降低充电桩待机时不必要的能量损耗。智能作的机器也是典型

32、场景，它把设备的信息上传到云平台，云平台同时下发或者读取设备 的指令。企实践前常的云边协同计算框架有三种，包括 KubeEdge、OpenYurt、SuperEdge，均是市场上开源的云边计 算框架。其中，KubeEdge 是开源时间最早的，于 2018 年 11 开源，且社区活跃度、成熟度最，已进 CNCF 正 式孵化项，同时也有较多的落地案例。KubeEdge 在边缘节点服务访问控制采 EdgeMesh 进 持，是个成熟度、经过量案例验证、完善设备管理的边缘计算框架。 KubeSphere 集成了 KubeEdge 边缘计算平台，通过控制板对边缘节点实现动化安装、部署、监控、志、调试等功能

33、，对边端有了更 加灵活管控的持，实现“云边端”三位体的协同架构。4.5. 动驾驶 AI 场景挑战深度学习的发展带动了动驾驶技术的迅速突破，各商踊跃参与到动驾驶的领域中。AI 呈现出模型规模 和数据量越来越、训练速度越来越快的特点，算法模型的复杂度呈现指数级增，不断逼近算的上限。 动驾驶 AI 数据训练、数据分析天然适合容器化，训练和推理输数据之后，通过状态的算法能够即得 出结论。 但动驾驶领域的发展也临些实际的障碍，涉及安全、实时响应和机器伦理等问题。在基础设施环境 中，临管理和开发两难题。管理层主要体现在资源管理、监控运维管理、资源调度和管理等难点 上，导致 AI 平台很难往技术下沉、管理上

34、升再上新台阶；开发则很难实现并计算，学习槛， 模型管理复杂。下步建议架构上需要实现既保障传统算平台的运式（基于物理机或 VM），能够兼顾未来 Docker/Ks 形态的 应撑。 基础设施层：根据 AI 算平台规模情况，通过或 SD-WAN 组式，实现全国各地员便快速 接 AI 算平台，轻松调资源，包括租、科研单位、内部开发测试等员。 在 IaaS 层：实 现跨 IaaS 平台资源的调度能，实现商绑定的架构设计，并可实现资源轻松扩容。调度层：为保障资源的灵活调，将 GPU 资源进池化处理，从允许多 AI 应的负载并运，提 GPU 资源的利率。同时持 GPU 显卡、国产芯的统调度管理。 机器学习层：要能够实现 VM 的资 源申请，让定义管理并配置，同时提供统调度的共享资源服务，需向多种多样的机器学习计算 框架，如 TensorFlow、Pytorch、MxNet 等，以撑 AI 应的运。5. 结语智能汽技术轰隆隆向前发展，汽产业创新技术和理念不断推陈出新，带来主机、上下游汽产业链供 应商尽的机遇和挑战。从技术度趋动、引领汽业业务模式创新和发展，加速智能化进程，是每家汽 企业 IT 体系的最诉求。云原技术是先进产的代表，是数字化转型的优先向，推动企业云上业务 的快速迭代创新，形成企真正的竞争。从这个度来说，汽业云原技术的落地与实践任重道 远，充满了想象空间。