如何从汽车数据“金矿”里掘金？央视“一姐”朱迅的消失，是整个主持界的悲哀和损失
|
图片来源@视觉中国文｜车白智库数据 ，金矿已经成为新能源汽车智能化下半场竞争的汽车关键。“汽车数据不仅是数据视姐失整损失一个新业态 ，也将变成一个新‘产业’
，金央比汽车制造业更有吸引力 。朱迅”这是消的悲在7月28日举办的 “如何推动汽车数据创新应用及更好流通”研讨会（下简称“研讨会”）上 ，中国电动汽车百人会理事长兼秘书长张永伟的个主最新判断
。目前看来 ，持界汽车数据这一产业的哀和市场规模将十分巨大 。早在2018年 ，金矿德勤就在《未来汽车行业价值链-2025年以后》中预测
，汽车到2025年 ，数据视姐失整损失汽车行业20％的金央利润将来自移动出行及数据管理。汽车数据产业当中
，朱迅仅仅基于汽车数据的消的悲UBI车险市场这一项 ，市场规模就达到数千亿
。兴业证券的研报曾经假设过 ，如果车险费率市场化全面放开 ，UBI的渗透率在2020年将达到25% ，市场规模将接近3000亿元 。另外，汽车数据存储等
，离不开汽车云 ，据《2021年中国汽车云市场追踪报告》显示，2021年汽车云行业整体市场规模高达335.2亿元；预计到2026年 ，这一数字将扶摇直上 ，达到800亿元 。或许是看到汽车数据产业的潜力 ，马斯克表示，未来特斯拉将零利润售车，其利润将全部来源于基于汽车数据的软件服务 。摩根士丹利分析师也认为
，未来
，特斯拉经常性软件收入价值可能会超过其硬件业务的价值 。而我国蔚来等车企也已经成立数据公司 ，瞄准的就是这部分不菲价值 。截图于企查查未来能分享汽车数据产业这杯羹的，不仅是汽车及相关行业 ，而且涉及到很多行业 。张永伟曾经指出，跨界玩家很有可能成为未来汽车行业的头部玩家。可预估的是，这一论断 ，在汽车数据这一产业，亦然成立 。譬如 ，云计算厂商 ，在汽车数据的存储过程，就能获得不少商机；数据处理企业若参与处理与分析汽车数据 ，也能增加很多营收
。大数据技术的战略意义 ，不仅在于掌握庞大的数据信息 ，而且在于数据的“加工能力” ，即通过“加工”实现数据的“增值” 。本文试图围绕汽车数据产业这一全新的概念
，回答以下几个方面的问题
：1 、汽车数据的重要性体现在哪 ？2、汽车数据应用具体表现在哪里 ？3 、面对汽车数据这座“金矿” ，具体该怎么“分杯羹” ？汽车数据和锂矿一样重要目前 ，汽车数据有不同的定义 。环球时报采访相关专家后，将汽车数据定义为 ，为保障车辆正常行驶
、服务功能正常运行所采集和产生的数据 。这些数据一般存储于车内系统和云端（汽车云） 。而《汽车数据安全管理若干规定（试行）》中 ，则将汽车数据定义为包括汽车设计
、生产 、销售、使用、运维等过程中的涉及个人信息数据和重要数据 。汽车数据数量巨大。据车百智库 、智能汽车与智慧城市协同发展联盟合作的研报《智能网联汽车发展若干重大问题》，一辆 L4 自动驾驶的智能网联汽车，每日通过车内外传感器采集的行驶数据
、环境数据和行为翻据等 ，已达到 10TB的量级 ，是传统汽车的 5-10 倍
。保守估算，千辆自动驾驶汽车一年会产生近 11EB(万亿兆)的数据
，是 2016年全球互联网数据传输量总和(3EB)的 3.5 倍 。对于这些汽车数据
，小康集团创始人张兴海将其分为五类 ：一是用户数据
，蕴含个人偏好 、经济状况、工作生活以及人际交往等隐私信息；二是物资数据 ，基于智能电动物流车服务信息
，可以勾勒出精准的社会资源调配图；三是车辆数据
，与设计 、生产 、服务一体化的企业智能制造大体系直接联通；四是交通数据，与公路运输管理与城市治理能力紧密关联；五是能源数据
，与能源供需设施配置和能源流动网络相互交融
。在智能化下半场的当前 ，汽车正由典型的机械产品 ，转化为数据决定体验
、软件定义功能的智能移动终端 ，汽车数据的重要性 ，将会越来越强
。目前 ，汽车数据已经成为继汽车芯片 、汽车操作系统之后行业焦点之一 。集度CEO夏一平此前就认为
，2023年是新能源汽车智能化竞争元年，相较于电动化
，在新能源汽车智能化的竞争中 ，数据的作用巨大
，是驱动智能汽车发展的新燃料
。而据车百智库 、智能汽车与智慧城市协同发展联盟合作的研报《智能网联汽车发展若干重大问题》也认为，随着汽车智能化的不断发展 ，智能网联汽车会像依赖化石燃料 、电力一样依赖数据 。如今，人工智能 、大模型爆发 ，已经在智驾 、座舱领域有很好的实践
。在此基础上 ，整个智能网联汽车的开发
，由原来基于规则的驱动变成了由数据驱动 ，汽车数据已经成为训练模型至关重要的要素。至于汽车数据的价值
，四维图新CEO程鹏表示，汽车数据和锂矿一样具有极高的价值。而夏一平则认为，从某种意义上看 ，汽车数据比锂矿的价值更大 。他认为 ，智能网联汽车赛道上一决胜负，需要比拼的核心是数据的动态量以及对数据的处理和应用能力 。汽车数据作为土地 、劳动力 、资本 、技术并列的生产要素，被当成了一种资产 。在研讨会上 ，张永伟表示
，目前，汽车数据已经由原来的辅助角色
，慢慢变成了一个价值创造者的重要角色，而且创造的价值是过去看不到
、想不到的 ，是新价值 ，可以成为独立的产业环节 ，将加速我们汽车产业智能化
、数字化转型 ，并培育新的产业增长点。数据用于智驾与UBI在智能化的今天，汽车数据的应用越来越广泛，其中一个重大应用 ，就是高阶智能驾驶 。目前
，高阶智能驾驶功能落地 ，最大阻碍就是无穷无尽的Corner Case（边角案例）所带来的安全隐患 。解决这么多“问题”
，就需要在线下测试
、仿真测试中 ，不断搜集各种场景下自动驾驶的数据 ，尤其是极端情况下的数据 ，丰富场景库，形成数据闭环
。其具体环节包括数据采集、数据回传 、数据标注 、模型训练和仿真测试等 。这些环节中的仿真测试，本身就是大数据的一种应用。行业普遍认为，为了保证自动驾驶技术安全可靠 ，车企需采集110亿英里的测试数据
。如果完全通过线下测试 ，即使100辆自动驾驶汽车以时速40公里每小时的速度、24小时不间歇测试 ，也需要500多年的时间才能完成。因此 ，自动驾驶模拟仿真平台的出现 ，提供了一个新的解决思路
。自动驾驶模拟仿真平台就是大数据的一种应用 。总之 ，数据闭环是实现高阶智能驾驶落地的前提 。而且
，即使高阶智能驾驶量产后
，也需要不断获取更多有价值的数据，不断迭代 ，从而推动数据闭环体系持续不断地高效运转
。在如今新能源汽车的“内卷”之年
，高阶智能驾驶的量产化交付能力，已成为车企或Tier1之间竞争的关键 ，而是否具备高效的数据闭环体系也是评判量产交付能力的重要参考指标。可见 ，汽车数据对高阶自动驾驶领域应用 ，具有决定性的作用 。另外
，汽车数据还将用于车险的创新。2021年10月15日 ，已经拥有险企的特斯拉在美国官网上开售车险产品，该产品做到了“千人千面”
，不同的车主 ，车险定价不一样 ，定价的基础是车主的实时驾驶行为数据，这种车险模式就是UBI(Usage-basedinsuranCe) 。图源 ：狗熊会车百智库、中汽智检
、中国汽研联合发布的研报《智能电动汽车后市场新机遇与新挑战》（后称后市场研报）表示 ，UBl将成为未来解决新能源汽车保险痛点的有效手段 。UBl能够带来的益处包括创新产品 、精准厘定费率 、降低赔付率 、提升客户服务等。UBI有一个最大的问题
，就是非常考验险企的数据收集与处理能力
。新能源汽车相较于燃油车 ，对汽车数据的搜集做得十分到位 。在数据赋能下 ，做定制化的UBl ，可谓水到渠成 。兴业证券的研报曾经假设过 ，如果车险费率市场化全面放开
，UBI的渗透率在2020年将达到25% ，市场规模将接近3000亿元 。汽车数据的其他变现智能化下半场，汽车数据覆盖人 、车 、路三个维度，除了智驾与UBI外，变现价值其实很多。后市场研报就表示
，智能汽车的后市场服务，高度依赖汽车的全生命周期数据 。譬如
，新能源汽车的数据 ，一般记载着车辆的性能 、状态和故障情况 ，以及充电频率等 ，这可为车企提供销售线索 ，以及提升用户的忠诚度
，并且支持主机厂为电动车设计配套的充换电服务，也看用作电池技术的发展参考
。新能源汽车的数据还记录了司机、乘客相关的数据 ，包括出行习惯 、导航偏好 ，以及车载影音娱乐系统的使用习惯 。这些数据可以用于帮助车厂用于产品的设计 ，以及对新车产品的销售进行定位 。车内监测系统甚至能够监控驾驶员及乘客的身体状况 ，这都为额外的增值服务
，如智能健康座舱 ，就提供了巨大的商机 。譬如
，岚图基于车内数据设计的智能健康座舱，其广告语就是“坐下就不想起身”，这也成为其汽车产品的特色 。汽车的外部的环境数据 ，比如通过汽车行驶中的轮胎和悬架数据收集路面坑洞等道路信息
，以及利用摄像头和激光雷达识别并收集路牌 、车道
、甚至井盖信息 ，此外通过温度和湿度之类的感应器还可以搜集天气信息 。这些信息可以满足第三方诸如智慧城市等垂直领域的需求 。譬如数字孪生技术 ，在精准导航 ，“治堵”等交通管理方面
，都有应用
。目前
，已经有越来越多的车企、城市管理部门等，意识到“智慧的车
、聪明的路”带来的数据价值 。关于汽车数据的应用 ，不能不提如今的大模型 。大模型上车
，已成趋势 。大模型可以处理海量数据 ，可以提供更精准
、更全面的数据分析和预测能力。不断优化升级大模型，就可以提高自动驾驶的准确性和可靠性。商汤绝影智能车舱产品创新高级总监邵昌旭就表示 ，通过大模型向自动驾驶和智能座舱提供赋能 ，实现我们的驾舱一体和人机共驾驶这样极致的驾乘体验
。大模型还将对车企的研发方式和商业模式产生新的影响 。在研发方式方面，由于AI高效的标注能力有目共睹 ，过去需要很长时间的数据标注任务现在只需要几小时即可 ，研发的时间成本大幅压缩
，而且大模型可以处理多模态的丰富数据 ，如语音 、手势、视觉等
，这可以助力车企深入改善总体研发效能 ，降本增效。而在商业模式上说 ，目前的大模型普遍能说会道
，集成到车载系统之后 ，人、车 、机之间就可能从“雇佣关系”发展到“陪伴关系”，大模型通过机器学习能力也会逐步了解人的喜好和习惯 ，进而衍生出全新的商业价值
。大模型就与汽车数据之间有着千丝万缕的关系
。大模型是指具有大量参数和复杂结构的机器学习模型
，大模型的训练依靠巨量的汽车数据，从而不断迭代，而发模型也直接通过处理海量的汽车数据产生应用 。研讨会上，有代表总结了汽车数据的相关应用给跨界企业带来商机汽车数据这一产业的市场规模将十分巨大 。马斯克表示
，未来特斯拉将零利润售车
，其利润将全部来源于基于汽车数据的软件服务。摩根士丹利分析师也认为 ，未来特斯拉经常性软件收入价值可能会超过其硬件业务的价值 。而我国蔚来等车企也已经成立数据公司 ，瞄准的就是这部分不菲价值
。未来汽车数据产业这杯羹的
，不仅是汽车及相关行业 ，而且惠及很多跨界企业
。张永伟曾经指出 ，跨界玩家很有可能成为未来汽车行业的头部玩家 。可预估的是 ，这一论断 ，在汽车数据这一分支行业 ，亦然成立。譬如 ，在汽车数据科技产业中 ，数据处理企业
，参与处理与分析汽车数据
，就能获得不少机会。这是因为 ，大数据技术的战略意义 ，不仅在于掌握庞大的数据信息 ，而且在于数据的“加工能力” ，即通过“加工”实现数据的“增值”
。研讨会上 ，就有代表指出，目前处于大模型时代，只有高质量的数据 ，才能训练更好的大模型
。要获得高质量的数据，就离不开数据的清洗和校验，对无效数据进行清理，对有效数据进行二次计算
，得到有用的结论。而这项重要的工作 ，就属于数据处理企业的业务范畴 。另外 ，数据挖掘与处理离不开云的支撑
，算力也来源于云计算，汽车云成为智能化下半场的关键所在
。目前 ，有些车企 ，譬如小鹏 ，自建私有云 ，但是 ，未来随着旗下智能汽车持续批量上市 ，将面对越来越大的数据存储和高算力需求 ，就不得不不断扩容私有云 ，对硬件和资源的迭代要求大
，势必又要追加投入。而强劲的算力 ，数据管理能力强大的公有云 ，以性价比的优势 ，成为很多新能源车企的重要选择
。国内的云服务厂商 ，主要是“BATH”（百度 、阿里 、腾讯、华为）四家企业 ，均不是来自汽车行业 。据《2021年中国汽车云市场追踪报告》显示 ，2021年汽车云行业整体市场规模高达335.2亿元；到2026年 ，这一数字将扶摇直上 ，达到800亿元 ，三年上升近3倍。注：LaaS、PaaS 、SaaS是汽车云的三种服务形式再例如，自动驾驶模拟仿真系统
，通过一系列汽车相关数据，营造高逼真的环境 ，让自动驾驶汽车在虚拟环境进行完整的场景测试 。自动驾驶汽车在模拟环境测试得非常好 ，运行得非常平滑和稳定后，最终在实地进行测试 ，就更为简单 。这也使得原本从事游戏开发的腾讯 ，通过游戏研发技术 ，跨界进入汽车数据产业 ，分一杯羹 。总之 ，在汽车数据产业中 ，还存在着一系列的问题 ，譬如汽车数据安全问题
、权责划分问题 、标准化问题，以及缺少公平数据共享机制 ，变现路径不清晰等问题 。对于这些问题 ，可以通过机制 、政策
、法规的适配建设 ，建立常态化的交流平台 ，与全球相关机构合作 ，开展重大研究 ，获得共同认知与准则，逐渐加以解决 ，从而使得该产业获得较快发展 。汽车数据产业发展的潜力及吸引了 ，并不弱于汽车制造产业。参考资料
：[1]《让大数据创造大价值》，人民日报[2]《释放智能网联汽车数据全生命周期价值潜力》 ，麦肯锡[3]《了解汽车数据安全 ，这一张图就够了》 ，环球时报汽车周刊[4]《自动驾驶下半场竞争的关键 ：数据驱动+车云一体》 ，焉知汽车 |
喜欢
讨厌