以新能源汽车为代表的智能汽车已经成为新的行业风向标，无论是造车新势力还是老牌豪强车企，都全面迈向了数智驱动的新赛道。
车联网数据指数级传输带来了数据处理压力，车端软件的智能化带来了更高的软件工程要求，新车上市周期缩短带来的功能开发、迭代的效率要求，更有数据合规、隐私保护的责任与义务，无论是对车企、软件开发商还是云厂商都带来了更为艰巨的挑战。
11月2日，腾讯云 TVP 举办了主题为《数智驱动智能汽车发展》的线下行业闭门会，邀请到了理想汽车高级副总裁、腾讯云 TVP 行业大使范皓宇；清华大学车辆与运载学院副院长、腾讯云 TVP 行业大使李升波；腾讯智慧出行副总裁刘澍泉，以及众多产业、学术界大咖线上线下齐聚一堂，共同探讨数智时代，数据与智能如何更好地驱动智能汽车行业的发展。
数据就是智能汽车的产品体验
范皓宇老师从理想汽车如何用数据驱动软硬件迭代、理想汽车对未来的规划以及数据隐私保护等方面经验积累三个方面为与会嘉宾做了深入分享。
首先是数据驱动迭代。范皓宇老师以理想 ONE 的数据介绍了产品迭代背后的参考逻辑，他表示理想汽车的用车场景更多偏向于家庭出行服务，周末的屏幕播放内容也更多为家庭内容，同时每周有数小时躺下观看的数据，用户在车内的娱乐时间、观影需求持续在显著提升，同时也更愿意在车内进行语音互动。基于这些数据的参考，为理想汽车产品的迭代提供了支持与指导方向，一方面会为用户提供一个更加沉浸的车内空间，另一方面也会提供更多满足用户需求的车内功能。
范皓宇老师指出，从2016到2017年的新 AI 时代序幕，到2018 年的语音和图形应用，再到2019年的深层理解，2020、2021年走向“AIG”，这些技术的发展同样为智能汽车的方向提供了指引。
理想汽车的智能驾驶发展规划，将持续运营自主学习、迭代算法能力达到城市自动驾驶级别。理想汽车的研发工程师会对汽车行驶过程中产生的海量数据进行分析，定位问题、解决问题，反复尝试各种逻辑，最终将在一定数据积累的质变后跨越鸿沟，实现小任务大数据的方式，将一个高速的安全行驶体验带给广大的中国用户，带来率先的中国体验。
第三，理想汽车对用户隐私的态度非常重视。理想汽车打造的舱内本地运算、双加密芯片TEE+HSE、敏感信息用户决策、蓝牙通话记录离车即焚、三方应用定制化、停车拍照打码上传等功能，都是最大限度地保护用户隐私。另外在舱内数据授权方面，理想汽车也提供允许一年、允许本次、拒绝三个选项，将选择权真正交给用户。理想 ONE 上线两年多的时间，在隐私保护方面得到了非常好的口碑。
通用最优控制问题求解器开发与自动驾驶应用
首先，李升波老师以围棋领域大放异彩的 AlphaGo 为起点，阐述了人工智能产生的深层原因。从原始社会、农耕文明、工业革命、电器革命到信息时代，技术发展的驱动力就是要降低人类的体力负担与脑力负担，而信息时代产生的人工智能革命完美契合这种发展初衷；另一方面，从工业革命的角度看技术进化的历史，前三次工业革命相继实现了机械自动化、模拟自动化和数字自动化，而以人工智能为核心的第四次工业革命正在重塑现有工业控制体系，有望带来一个全新的智能自动化的时代。
智能化时代对工业控制系统提出了更高要求。传统工业控制方法依赖对系统的精确建模，控制任务单一，只对线性问题有较成熟的理论，在高维非线性控制领域的应用不尽人意。另一方面，现有工业控制对象的模型越发复杂，系统之间高度耦合，且面临动态障碍多、外界扰动强的工作环境，难以建立有效的数学模型和用常规的控制理论进行定量计算和分析，依赖人工调参的方法也难以满足复杂系统的控制精度。因此，智能化时代亟需具有自适应能力和迭代学习能力的工业控制手段。
李升波老师表示，工业控制的性能需求可以总结为高准确、高安全、高实时、易使用四个关键点。数据时代的工业控制有望带来更强的智能性、更高的鲁棒性和更佳的求解实时性，将会重塑包括自动驾驶在内的诸多工业领域。如何将数据嵌入到工业控制领域，这是每一个企业、团队要慎重考虑的问题，到今天来看这不是一道选答题，而是一道必答题，关键是如何做得更好、更通用和更易用。
为此，李升波老师团队自2018年始着手开发通用最优控制问题求解器（General Optimal control Problem Solver, GOPS），以数据驱动为核心、以神经网络等主要载体、以类脑学习为求解手段，旨在为工业界提供具备高精度和强泛化能力的智能求解器。经过团队的持续努力，GOPS目前已经在学界初步使用，并逐步拓展到工业界，有望解决自动驾驶、火箭姿控等复杂非线性系统的决控难题。“我们希望为工业界开发一款简单易用的软件，企业提出需求后可以直接拿着这个软件求解得到智能控制策略，从而大大简化工业控制问题的求解难度，保障实时性与安全性”。
李升波老师介绍，GOPS简化了传统工业控制的设计流程，通过离线求解、在线应用方式大幅度提高计算实时性，同时该工具链旨在实现问题建模、网络训练、仿真验证、代码部署、硬件在环试验的全流程覆盖，为工业界最优控制问题的强化学习求解提供一站式解决方案，大大降低开发难度与控制器的负担。随后，李升波老师以值分布强化学习算法开发、多车道场景的自动驾驶汽车运动与控制、交叉路口的自动驾驶汽车类脑决策等典型案例详细介绍了 GOPS 的使用方法与部署应用。
车云一体创造新生产力
刘澍泉老师表示，随着汽车电动化、智能化的发展，出行行业正面临巨大的商业模式变化。车企与用户的价值交换，不再仅止步于车辆交付，而是延伸到车辆使用的全生命周期之中。如何通过数据驱动的模式，持续触达用户、保持互动、迭代服务从而打造新的业务版图将是全行业面临的课题。
他将智能汽车行业的困局与挑战总结为以下三点：
第一大挑战是在业务全球化背景下，需要构建全球一体化的基础设施。目前车企都在放眼求全制定研发和销售策略，在实现全球的研发协同的同时，还要灵活应对各国家地区间不同的数据保护、监管政策等问题，这就离不开全球一体化的业务架构。腾讯云在全球部属丰富的服务节点，提供专属云CDZ，在提供统一安全的专有云环境同时，保障全球化的可拓展性。
第二大挑战是如何打造中国特色的产品和服务。目前，国家对隐私保护和数据安全的法规政策正日益完善，在数据保护、监管合规方面进一步明确要求。同时，要打造中国特色，离不开中国特色的地图和生态服务。腾讯通过全链路合规解决方案、更强的数据一致性与更优渲染能力、全面开放的地图能力等，帮助车企构建数据驱动闭环，打造中国特色的产品和服务体系
第三大挑战是持续完善用户产品与体验。时至当下，车已经从售完即止到全生命周期服务，用户体验的优劣严重影响智能汽车的销量。刘澍泉老师表示，腾讯在用户体验方面有比较深厚的积累，可以为车企提供集合腾讯生态体系，以座舱为抓手，面向用户提供服务的核心能力：基于微信ID+LBS+AI三大核心能力，将腾讯丰富的生态应用带入座舱；基于腾讯优势内容和服务生态，结合微信连接能力，提供全场景智能车载服务；可定制的数智人，提供人格化交互框架；腾讯特色IP可经授权上车，与用户建立更灵动的情感互动。
刘澍泉老师表示，面向汽车行业，腾讯将持续夯实云底座能力，同时提供汽车行业专有化方案，满足智能汽车行业的实际需求，助力行业转型升级。站在汽车产业结构升级的重大时期，腾讯坚持做好数字化助手角色，专注自身所长三个领域：第一，深耕云、图为核心的基础设施；第二，发挥好C2B连接价值；第三，共建开放生态。
结语
智能汽车所引发的产业革命，一个源自于能源的变化，一个来自于产品逻辑的变化，其变化的核心是由传统的工程驱动模式转型到数据驱动模式。在这个转变的过程中，离不开的是对用户需求的准确洞察，对技术发展趋势的精准把控，对数据驱动与安全合规的把控要求，才能在数字化时代为汽车行业装上数智驱动的新引擎。
TVP 成立至今，伴随的也正是各行各业数字化转型的趋势浪潮，所举办的一次次线上线下的直播、峰会、闭门会，都是希望贯彻用科技影响世界，让技术普惠大家的本心，帮助包括汽车行业在内的各领域、企业、终端用户与技术人一起成长，共同进步！
