智协慧同：车云计算架构打造智能汽车的AI数据底座

智协慧同已与超 15 个汽车品牌、25 个以上车型展开合作，在汽车数据应用领域经验丰富。2025年3月20日，在第三届AI定义汽车论坛上，智协慧同CTO谢宁指出，大模型在汽车行业尚未与核心业务深度融合，智协慧同的愿景，是能够让AI在汽车行业里更好地发挥作用，实现车、车主与企业的数据深度集成。其打造的多模态车云一体存储架构，可实现从车到云的完整数据处理。

谢宁表示，在车端，利用智协慧同首创的闲时计算方案，可以将车闲置算力提升至 90%，降低云端成本 60% 以上，还能进行多模态数据融合与分析；在云端，则融合传统与 AI 模型，实现多模态计算融合，并通过数据标注、优化策略等手段降低成本。此外，智协慧同借助大模型自动生成诊断代码，推动 AI 从简单问答向主动为业务创造价值转变。

智协慧同CTO

以下为演讲内容整理:

汽车智能化发展下的数据需求与挑战

在汽车产业的发展进程中，架构的演变深刻反映了技术的进步与市场需求的变化。从早期的集中分布架构，到服务化架构，再到如今以产品体验为导向的AI架构，每一次变革都推动着汽车行业迈向新的发展阶段。产品体验成为架构设计的核心驱动力，而架构的变革则离不开强大的数据支持，数据已成为智能汽车发展的关键要素。

智协慧同在汽车数据领域积累了丰富的实践经验，与众多车企展开了深度合作。截至目前，已与超过15个汽车品牌达成合作，为25个以上的车型提供数据库，并配套云端数据分析、数据管理、智能诊断等一系列应用服务。自2021年首个汽车量产项目启动以来，智协慧同始终处于汽车数据应用的前沿。近年来，随着人工智能技术的飞速发展，车企对AI在业务流程中的应用需求日益增长。然而，当前大模型在实际应用中仍存在局限性，虽然在一定程度上提高了效率，但尚未与企业内部的核心数据源和业务流程实现深度融合。

图源:智协慧同

在软件定义汽车、数据定义汽车的趋势下，汽车数据的类型和规模呈现出爆发式增长。从车辆总线数据、日志数据，到座舱内的语音文本数据，再到基于SOA协议栈的网络包数据，这些多模态数据的产生为汽车智能化提供了丰富的素材。但传统的汽车数据处理方式，如基于主线信号、故障诊断代码的处理模式，已无法满足现代汽车对数据处理的需求。与此同时，语音文本等与大模型相关的数据类型，为汽车数据的分析和应用带来了新的机遇和挑战。如何有效收集、存储、分析这些多模态数据，成为智能汽车发展的关键问题。

随着智能汽车功能的不断拓展，将AI技术融入车内边缘计算成为必然趋势。这不仅有助于减轻云端算力压力、降低成本，还能提升数据处理的实时性和隐私安全性。例如，在车辆运行过程中，一些物理模型、机器学习和深度学习模型可以在车端运行，对车辆数据进行实时分析和处理。然而，实现这一目标面临着诸多技术难题。一方面，车载算力资源有限，无论是高端车型还是低配车型，算力成本始终是一个重要的制约因素。另一方面，如何合理利用车辆闲置算力，成为提高车载算力利用率、降低成本的关键。

智协慧同的创新解决方案

智协慧同为车辆赋予了强大的车端数据处理能力。通过在车端部署先进的软件系统，实现了对文本、报文组、向量等数据的存储和查询功能。同时，针对传统方式难以处理的数据，如网络包日志文本，进行多模态融合分析。这种融合不仅能够统一处理各类复杂的系统日志和应用日志，还能在用户未察觉问题之前，自动检测潜在故障，并及时对用户进行关怀，从源头上解决问题。

在车端数据处理过程中，智协慧同注重与硬件能力的协同。随着新一代芯片技术的发展，芯片在数据处理和模型运算方面的能力不断提升。智协慧同的软件系统能够充分发挥芯片的优势，实现多车问题排查和单车问题排查的高效汇总。通过对车端存储的历史数据进行分析，无论是短期的两周数据还是长期的一个月数据，都能灵活运用不同的模型进行问题排查。同时，根据成本和业务需求，智能选择在车端或云端运行模型，实现了计算资源的优化配置。

为解决车载算力紧张和成本高昂的问题，智协慧同首创了闲时计算动态调度解决方案。考虑到大多数车主每天的用车时间仅为2 - 3小时，车辆在其余时间处于闲置状态，大量的算力资源未得到充分利用。智协慧同利用车辆在充电或夜间停车等闲置时段，通过远程唤醒车辆特定网段的方式，在不影响车辆正常使用和电力消耗的前提下，将车内部90%的空余算力应用于运行高算力需求的AI模型。

图源:智协慧同

这一创新方案不仅降低了云端算力成本，减少至少60%以上，还降低了带宽成本。同时，由于部分数据处理在车端完成，避免了大量数据上传至云端，满足了一定的隐私化要求。智协慧同的闲时计算动态调度方案，使车辆成为一个移动的计算平台，为车企和用户创造了更大的价值。

当数据上传至云端后，智协慧同充分利用云端强大的计算能力，实现传统模型与AI模型的融合应用。在云端计算过程中，通过引入向量相似性查找、调用机器学习和AI模型等技术，对车辆数据进行更深入的分析。同时，结合告警机制和处理流程，实现多模态计算融合，提高数据处理的准确性和效率。

针对云端数据成本高昂的问题，智协慧同提出了一系列优化策略。通过在车端采用合并格式机制，减少上传至云端的数据量，降低云端存储和处理成本。此外，利用索引技术对海量数据进行管理，提高数据查询和分析的效率，进一步降低成本。这些措施在满足车企对数据处理需求的同时，有效控制了成本的增长。

智协慧同致力于推动AI在汽车业务流程中的深度应用，不仅仅局限于简单的用户问答功能。通过与车企合作，利用大模型技术，根据设计文档自动生成诊断代码和故障数模型，并将其应用于实时诊断环境中。这种创新方式不仅提高了诊断效率，减少了人工和专家投入，还实现了从被动查询信息到主动为业务产生价值的转变。

在测试案例生成方面，智协慧同同样利用大模型技术实现了自动化生成。与传统方式相比，大大提高了测试效率和准确性，降低了测试成本。通过这些实践，智协慧同展示了AI在汽车业务流程中巨大的应用潜力，为车企的智能化发展提供了有力支持。

车云计算架构的价值与展望

智协慧同构建的车云计算架构，通过多模态车云一体的存储架构和数据闭环，实现了数据驱动的业务迭代，即“双轮数据驱动”。通过更高效的数据采集和优化策略，为汽车各个领域的AI应用提供高质量的数据支持，同时通过大模型的微调，实现车端和云端AI应用在车企中的深度结合。这种架构不仅提升了汽车的智能化水平，还为车企带来了显著的经济效益和竞争优势。

图源；智协慧同

在未来的发展中，智协慧同将继续深化与车企的合作，不断探索AI在汽车领域的应用场景。随着技术的不断进步，智协慧同有望进一步优化车云一体的架构，提高数据处理效率和模型运行效果。同时，智协慧同欢迎行业内各方的合作与交流，共同应对技术挑战，推动智能汽车产业的发展。在智能汽车时代，智协慧同的智车云计算架构将为汽车产业的智能化转型提供坚实的技术支撑，助力汽车行业迈向新的发展高度。