资源描述
车企上云之路白皮书随着汽车产品和产业链的智能化升级，行业 价值链结构从传统利润池向出行服务新兴领域迁移，自动驾驶、智能网联 等浪潮正在不断推动着 汽车行业向电动化、网联化、智能化、共享化迈进。 而 云计算、 5G、人工智能、大数据、物联网等数字化技术的发展与应用 ，正在 从研发、产品、商业模式、营销服务各环节深刻影响着汽车产业链变革创新。智能汽车产品复杂度的提升 、 业务 的转型升级，和跨 产业的紧密协作 ，无一不对车企的数字化能力提出新的要求。在软件定义汽车、车路协同、用户直联的趋势背后，是数据量的指数级增长、算力和响应速度的急速提升， 对 车企 海量数据管理、弹性计算资源、敏捷开发等提出了 全新的能力 要求 ，需要全新的数字基础设施作为核心支撑 。 云 服务 作为数字化基建 的主要承载之一， 为 汽车行业 的 产品创新、用户体验 改善 、商业模式 重构 、运营效率 提升 、 以及 未来竞争力 构建提供了坚实基础 ，车企云化 成为了战略必然。尽管 车企 的上云 范围 在快速 扩大、深度 不断 增加，从基础 IT扩展到全价值链，从通用需求延申至细分场景。 然而， 传统 车企 在经历了长时间的信息化历程之后，内部已经形成了一套相对完整而坚固的体系 ， 诸多车企 在 云转型过程中 面临进退两难的境地， 包括 组织文化、系统架构、数据安全、成本与运维管理等 一系列 的 阻碍 。此外， 也 存在着 顶层定位 不清晰、规划不系统、散点式应用 、成本高昂却系统化效率有限 等 痛点 。业界对于车企云化的实践也缺乏归纳与总结 ，对 数字化技术为企业带来的 实际 价值亦尚未形成统一理解。本白皮书从普华永道及华为多年来的数字化转型经验出发，从车企云定位、云化模式、技术实践等方面进行了阐述，提出了车企上云总体规划方法，并梳理了业界先进云化转型案例经验作为实践参考，希望能够对车企在云化转型路径和关键方案上提供借鉴与启示，助力中国汽车行业的上云之路与整体数字化转型升级。前言3 车企上云之路白皮书目录2车企上云之路白皮书车企数字化技术融合战略必要性 3车企云化价值简述 21车企云化建设分析 32车企云化方法概述 51业务云化技术实践 63车企云化经验分享 89联系我们 113一车企数字化技术融合战略必要性3 车企上云之路白皮书随着人工智能、 区块链 、云计算、大数据、机器人等技术的发展日新月异 ， 各种数字技术正在承担起创新的支柱。底层技术的发展与行业之间的碰撞 ， 正在成为颠覆性变革的巨大力量 。“数字化 ”已经成为一个概括性术语 ，汽车行业亦是如此 ，我们认为汽车行业的“数字化转型”是利用新的技术驱动行业的创新与增长，改善用户体验、 重构商业模式 、提升运营效率、降低综合成本，构筑未来的竞争力的变革过程。车企数字化技术融合战略必要性通信技术 云计算 人工智能 物联网通信技术推动万物互联，重塑全行业“端-边- 云-网”构建智能化基础人工智能助推数字内容产业颠覆性发展万物互联，价值创造、价值获取，推动产业升级5GCloudAI IoT新技术应用驱动产业发展华为公司重视 云、AI 、5G、IoT 等新技术的研发应用，并在通信、手机终端、电力、制造、油气、能源、终端、医疗等领域得到很好成功，助力政企、云业务快速发展某互联网巨头依托云、大数据、AI等技术研究，在金融、医疗、教育、零售等领域得到广泛应用。打造了零售、支付等业务成功的技术基石消费品巨头公司致力于移动互联网、智能制造、大数据、企业SaaS 云云计算、物联网等技术，为企业提供全价值链云服务，推动企业数字化转型、智能制造落地规划及实施汽车新势力技术创新，大数据、AI 等信息化技术应用，助力产品成功。通过三电算法应用延长电池寿命，数字化营销手段提升用户端到端服务体验助力企业销售某豪华车企利用数字化技术使能产品设计、制造、交付、服务等各个方面。在软件开发、服务体验，规划与控制、制造及物流等领域开展全面数字化，驱动企业转型4车企上云之路白皮书随着电动化 、 自动化、 网联化、 共享化进程的深入 ， 中国汽车产业正走入急剧变化和充满挑战的时代， 新四化与数字化技术力量相互驱动和融合 ， 正迅速重构着汽车产业的游戏规则和致胜能力 ， 并改造了 从产品研发、 制造 ，再到营销和服务等每个价值链环节 ， 这背后考验着车企对于云计算、大数据 、人工智能等数字技术的认识和运用能力 ， 落后者很难在全新的市场环境中形成竞争优势，甚至面临严峻的生存挑战 。不同于行业上一轮的信息化升级主要由内部的管理需求驱动 ， 本轮的数字化转型的内核是业务和产品创新需求驱动 ， 因此从产品和业务的角度看 ，短期而言我们认为主要有以下四个层面的趋势：技术创新：从硬件为主到软硬分离 ， 软件成为竞争核心长期以来，在传统汽车架构的框架下 ，汽车是主要由硬件及其相关功能定义的设备 ， 软件只是附着于硬件的服务角色 。 但随着智能网联变革趋势的推动 ， 以及以科技造车新势力纷纷入局 ，硬件主导汽车的观点正在悄然发生变化 ， 硬件正在走向标准化、抽象化 ，配置在相同硬件平台上的软件体验成为区分品牌和产品的差异化的关键所在 ，例如某新势力品牌 大部分电动车型在自动驾驶相关硬件上所有车型均采用了完全相同的配置 ， 消费者通过购买不同的EAP 或 FSD等不同选装包解锁不同的智能驾驶功能或服务。根据普华永道思略特2020年数字化汽车报告分析显示，到2030年，软件在消费者感知价值中的占比将达 60%，无人驾驶技术推动的新型拥车模式的发展将进一步提升这一比例。未来 10年，随着用户期望提升和新功能涌现，软件开发成本将增长 83%， 几乎翻倍 ， 行业将真正走入 “软件定义汽车 ”的时代 ， 只有打造软件驱动的车企才能在复杂多变的市场中持续捕获价值。图：每车型电子电气架构开发成本（亿欧元）12.11(27%)2021E1.45(28%)测试和验证2.46(31%)1.81(34%)1.99(38%)3.31(42%)2030E软件硬件5.257.87+5%增长率2021-2030CAGR(复合年均增长率）70%6.1%83%6.9%6% 0.6%AD：无人驾驶 ADAS：高级驾驶辅助系统 CAGR：复合年均增长率 ECU：电子控制单元注：1 ）不包括生命周期支持的开发成本资料来源：普华永道思略特基于豪华汽车技术和功能投资的成本分析。7 款车型的新型域控制器架构，包括共享软件开发。5 车企上云之路白皮书数字技术驱动汽车行业创新发展软件能力独立演进：软件逐步演化为独立的竞争能力在软件定义汽车的大背景下，软件将逐渐分化成独立的能力， 并形成对内对外两条路线：一条路线是对内面向 OEM开发过程的开发工具 、 测试 、6车企上云之路白皮书对内：面向 OEM的软件开发及测试工具 面向用户场景的软件产品和服务赋能智能座舱车联网自动驾驶性能优化加速API接口地图 APPUI界面AR动效样机 /装车测试运行数据收集分析UI设计开发工具音效调校地图引擎地图数据采集音乐 APP音乐软件 SDK语音识别引擎 语音识别人脸识别引擎 人脸识别手势识别引擎 手势识别控制策略嵌入式开发空调、灯光交互等OS优化加速芯片性能测试平台座舱域控制器中控 /仪表交互功能云端服务ADAS域控制器驾驶数据收集分析潜在事故预警雷达、摄像头优化算法用户画像服务整车厂 CRM系统OTA升级ADAS算法训练驾驶数据标注算法训练验证平台ADAS芯片加速器可拓展的 ADAS堆栈ADAS算法软硬解耦改变OEM采购模式验证等软件服务能力， 另一条路线是对外面向用户使用场景的独立软件、API 等软件产品能力。图：汽车软件能力打造的两条路线加速构建软件能力已成为车企的核心诉求 ，在对内开发过程中， 引入基于云端的软件开发平台 ，可以有效帮助车企在软件开发阶段进行项目管理 、代码托管， 同时面向开发者进行基于云端的快速测试 ，加快整体软件迭代更新的速度 。另一方面在对外面向用户场景的软件开发中， 通过低代码平台的加持 ，降低整体软件开发门槛 ，同时通过开发经验沉淀及项目间开发流程拉通实现相关资产的复用和灵活扩展， 有效缩短产品的开发周期 。在相关基于云平台的开发工具加持下， 可帮助车企降低开发成本，提升整体开发效率。例如在某车企与华为的合作中，通过引入以下云技术和软开工具， 帮助车企实现敏捷灵活的IT 开发，以应对快速变化的业务需求。软件开发平台 （ DevCloud） 是集华为近 30年研发实践、 前沿研发理念、先进研发工具为一体的一站式云端 DevOps平台 ， 即开即用 ， 随时随地在云端交付软件全生命周期 ，覆盖需求下发、 代码提交、 代码检查、 代码编译、验证 、部署 、 发布 ，打通软件交付的完整路径，提供软件研发流程的端到端支持，全面支撑落地DevOps 。应用魔方 AppCube（ 以下简称 AppCube） 是低代码应用开发平台， 源于华为应用开发和数字化转型的实践，提供了云上无码化、 低码化 、支持多码化的应用开发模式，屏蔽了技术的复杂性 ，提升了企业开发的效率。同时提供应用资产的开发标准和微服务框架 ，助力企业不断沉淀可复制的套件， 加速应用的定制， 并通过开放的生态 ，实现套件资产的商业变现。 应用魔方顾名思义就如同魔方一样， 可以通过任意组合 ，排列各种模块化元素 ，创建功能各异的应用。 通过应用魔方AppCube提供的界面、逻辑 、对象等可视化编排工具， 以 “拖 、 拉 、 拽 ”的方式来快速构建应用 ， 从而实现所见即所得的快速应用开发和构建。7 车企上云之路白皮书产品创新：智能座舱和自动驾驶重构产品体验从汽车产品升级的角度看 ， 电动化 （ Electric） 、网联化（Connected）、自动化(Autonomous) 已成为行业共识的发展方向。 而在各国政府政策刺激以及节约能源的大背景之下，电动化的趋势已经完全明朗， 汽车行业未来5 到 10年的发展变革关键将主要来自于网联化和自动化， 其中网联化也随着 5G技术的商用化开始悄然改变车联网的基层逻辑，使得 V2X，实时云计算等成为了可能 ，从而给驾驶者和乘客带来更优质的交互体验 ，带动智能座舱需求的提升，而自动化则已经成为汽车技术战略制高点 ，其发展将催生汽车、通信 、电子、互联网等技术密集型行业的发展，带来更安全的出行体验， 并进一步解放驾驶员，赋予汽车空间更多的想象力。同时 ，随着中国新生代消费客群的快速成长 ，汽车的智能化体验已经成为购车的重要考量， 传统模式下的硬件影响力正随着同质化而快速松动。在需求牵引下 ，智能座舱和自动驾驶将会成为最大的两个细分领域， 彼此交融支撑， 成为塑造汽车产品智能体验的核心抓手。智能驾驶智能座舱 随着智能驾驶等级提升，消费者拥有更多机会体验座舱功能 智能座舱承担了智能驾驶下用户的交互与体验 随着自动驾驶等级的提高， 司机拥有更多的机会（ feet/hands/eyes/minds off）体验智能座舱的高级功能 软件定义汽车背景下， 智能座舱承担了和司机的交互作用， 而智能驾驶的升级过程中，很重要的一部分是 司机角色责任与汽车的角色责任之间的变化，需要智能座舱和智能驾驶两大系统高度联动34%28%30%18%31%202521%19%21%202016%6,67019%24%28%19%13%202124%29%4,13419%16%12%12%2022座舱20%14%10%202326%32%13%9%202421%9%自动驾驶2,895动力3,460车身&舒适13%2,5145,243底盘+22% 网联趋势推动座舱需求升级，智能化推动ADAS 渗透率提升， 汽车智能座舱、自动驾驶领域需求增长领先16%34%28%11%12%CAGR_2021-2025图：汽车细分领域行业营收规模变化（亿元）传统座舱 信息座舱 智能座舱 无人驾驶座舱智能驾驶能力演进智能座舱能力演进L0 L1 L2 L3 L4 L58车企上云之路白皮书9 车企上云之路白皮书1. 智能座舱的发展推动人车交互方式的重新思考从用户角度看， 座舱体验已经从用车基础需求向强调高效沟通和娱乐性的 “第三空间 ”、 强调仪式感和用户关怀的“ 情感化 ”延伸 ， 而更高等级的体验主要由软件交互承接 。 在这个过程中， 座舱的定义及内涵也在发生变化，从最初装配收音机的传统座舱，输入端（感知、理解）输出端（展示、行动）架构端机械输入触控输入语音识别手势输入人脸识别体征识别手机/可穿戴设备 /其它车外设备显示声音灯光温度气味触感数字化架构空间架构到集成了液晶屏、 GPS导航系统以及部分基础网联功能的信息座舱 ， 再到集成各类智能化个性化的各类场景体验的智能空间， 座舱体验的打造已成为车企目前在产品领域的竞争核心之一， 车企正在将大量的多模交互方式融入座舱当中， 以打造差异化的用户体验。10车企上云之路白皮书智能座舱在未来将会集成各类软硬件， 依托于车联云平台和服务云平台 ，为智能座舱平台的各类服务提供底层支持。显示 灯光 声音 温度 气味 触感智能座舱平台服务平台软件硬件数据中台高精地图；模拟仿真；车路协同等 SaaS软件；数字化等车联云平台 服务云平台通讯标准生态App信息安全 车载娱乐系统场景引擎自动驾驶 车辆控制T-Box/V2X BoxECU，MCU IVI其中车联云平台针对于TSP 服务 ， 服务云平台针对各类语音 、影音娱乐等需要依托云平台的生态服务 ， 为这些服务提供高链接、 高带宽 、安全、稳定的环境 ，作为底层平台 ，共同支持了车企数据中台的应用， 保证了各类车联服务的安全准确，提升了用户体验 。在整体数据中台的基础之上 ，与自动驾驶及服务相关的软件类服务也将集成进入智能座舱当中 ，尤其对于高精地图而言 ，针对于高精地图大规模数据需要实时更新的特点， 未来具备高精地图采图资质的图商将会加强与云服务平台的合作 ， 将云平台作为高精地图资源服务主体，依托云平台进行数据更新与分发；同时云平台也可以为图商提供高质量 、低成本的高精度数据收集服务 。 当前四维图新 、易图通等均采用云平台作为服务主体。另外在研发层面 ，云平台还可以对座舱内需要大数据AI 能力的功能研发提供支持， 例如蔚来NOMI的语音交互算法训练中 ， 云平台可以提供相关语音大数据存储，同时还可以集成 AI插件，辅助语音识别训练过程 。华为云深入场景， 针对性解决高并发接入 、硬件托管 、 大数据应用场景及技术栈、 数据安全等问题。 得到众多厂家认可 ，取得了国内车企合作最多， 服务网联车辆最多的优异成绩。图：智能座舱架构示意11 车企上云之路白皮书2. 自动驾驶的进步使汽车产品突破工具属性的边界，也对数字技术能力提出全新要求随着需求 、 技术 、 政策法规 、 商业模式不断完善下 ， 自动驾驶的渗透率预计将不断提升 ，预计至2025 年 ，中国市场 L3及以上的高阶自动驾驶在新车中的普及率预计将会达到约10%。 在大部分消费者看来，当前自动驾驶尚处于概念阶段 ，他们更期待解决现有痛点 ，因此ADAS功能更受到认可 约有2 /3的受访者 表示愿意使用无人驾驶汽车， 其中75%的人愿意 为单次无人驾驶服务 支付 5-20%的溢价需求 中国仍在制定 L3以上自动驾驶汽车的法规，目前仍没有中央政府层面统一的规章制度；当前“ 一地一策” 的法规要求给自动驾驶科技公司商业落地带来挑战政策 L2 ADAS会在头部场景（高速 、泊车等 ）给用户提供优越体验， 促进新车销售 L4 Robo-taxi是最大的商业化市场，会率先在一线城市逐渐落地商业模式 无人驾驶汽车的 硬件 、 软件和线控 冗余 正在 逐步完善 未来 将开发出 成本效益更高和更先进的固态激光雷达和摄像头 、 更高级的算法 和 更低功耗的系统架构技术影响因素 无人驾驶技术中国市场渗透率*比例代表对应自动驾驶级别硬件装机渗透率2228L5L0-2L3L4新车销量（百万）（ 中国 ）2020100%2025 2030 203599%1%89%8%3%3166%3415%18%1%12车企上云之路白皮书自动驾驶级别的提升对于自动驾驶数据处理链条中的感知层 、决策层以及执行层均提出了更高的技术要求：在感知层需要对摄像头、 毫米波雷达 、超声波雷达数据， 以及未来将会加入的激光雷达数据 、 厘米级高精地图定位数据进行多渠道感知信息融合 ， 以保证感知层信息冗余并提高识别精度；在决策层需要建立起基于大算力AI 芯片的集中式计算平台，或基于 V2X车路云协同的云端计算平台以保证对感知层信息的低延迟高精度处理；在执行层需要设置带冗余的线控系统并且建立综合性大规模测试机制以尽可能消除长尾效应带来的潜在风险。感知层 决策层 执行层视觉传感器地图雷达传感器毫米波雷达 超声波雷达激光雷达单目摄像头 双目摄像头红外热成像传感器高精地图 车内辅助车联网计算平台算法路径规划V2V/V2X云端决策芯片交互决策执行与控制制动灯光 动力转向具体要求 1. 多渠道感知信息融合 2. 集中式计算平台3. 带冗余的线控系统4. 综合性大规模测试技术要求L1/2 摄像头、毫米波雷达、超声波雷达 图像、雷达点云数据处理与决策芯片 无冗余L3 增加激光雷达 、分米级高精度地图与定位（非必须） 集中式计算平台 线控系统（有冗余）L4/5 增加高精度激光雷达、 厘米级 高精度地图与定位（必须） 大算力集中式计算平台 AI芯片 线控系统（有冗余） 综合性大规模测试迭代方式 激光雷达：技术迭代 高精地图：技术迭代 芯片：技术迭代 算法：全新的算法逻辑 线控系统：技术迭代迭代要素 路测及仿真测试是推动技术迭代、实现创新的重要路径 加快基础设施建设、 V2X的发展进一步促进新技术验证及迭代速度图： V2X及无人驾驶关键技术要求13 车企上云之路白皮书在自动驾驶训练层面， 车企需要建立庞大的数据中心对测试车辆的海量数据进行实时处理及储存备用 ， 对于车企的数据能力提出了较高的要求 ，而建立基于云平台架构的数据平台可以帮助车企快速便捷地建立起数据处理能力以进行相关海量数据存储 ， 并且辅助仿真训练的进行， 提升自动驾驶能力 。 然而相关数据平台的建设， 仍存在以下几类痛点：海量数据管理 数据采集量大，约为64TB /辆 /天 测试车辆路测线路不固定，全国各地数据传输难 传输成本高，存储成本高计算资源需求量大 训练仿真所需大量GPU 服务器，供给不足 综合成本高（采购设备和 OPEX等）数据处理业务复杂，涉及新技术多 海量数据的快速、高效清洗与筛选，筛选逻辑多样 自动化数据标注，人工标注，标注类型多 模型训练门槛高，效率低，多团队/模型并行训练，支持多团队协作安全性、可靠性、合规性 敏感数据处理，数据防泄漏，合规 预防黑客攻击，保障平台安全因此对于自动驾驶而言 ，在技术层面需要统一数据存储和数据湖平台实现数据的多协议访问 ， 使数据可以统一存储并且直接在云端平台进行分析和计算 ，避免海量数据在存储平台、数据平台和计算平台反复切换 ，成本相对于线下可降低 30%。另一方面需要高性能的机器学习和深度学习框架及平台 ，通过先进技术降低训练成本， 当前全球排名前三的平台分别为斯坦福大学的DAWNBench、 华为开发的 Optimized MXNet以及 fast.ai。 同时， 自动驾驶还需要在虚拟场景中对算法进行训练和能力鉴定 ，因此需要自动驾驶数据平台与MDC 、V 2X平台联动提供预先集成的场景库和算法库 ，以实现对自动驾驶软件算法的验证及评估。14车企上云之路白皮书然而 ， 在单车智能模式下， 车辆需要处理各类道路状况 ， 车辆信息等复杂数据 ， 对于 AI芯片的算力和相关算法的要求极高，因此V 2X模式成为我国目前发展自动驾驶的主流技术路线， 在道路数字化的推动之下 ，使得道路状况等原本需要各类传感器共同处理的复杂信息转变为直接的数字信息输入到决策系统 ，降低决策层处理难度， 从而在低等级人工智能能力下实现高级别自动驾驶。图： V2X降低单车智能要求，助力提前实现自动驾驶规模商用一体化智能交通的三维模型 V2X推进自动驾驶规模商用一维车辆智能化二维车辆智能化网联化三维车辆智能化网联化道路数字化网联化和道路数字化是 V2X车路协同业务的基础L1L2L3L4L5自动驾驶级别超人工智能强人工智能中人工智能弱人工智能2017 2020 2025 2030 2050 时间进度人工智能层级三维二维自动驾驶规模商用提前 10-15年 道路状况变成数字化信息输入给决策系统，决策变简单，在低等级人工智能能力下实现高级别自动驾驶。 基于智能交通的三维模型，能够提前实现自动驾驶规模商用 1520年，预计 2022年即可实现规模商用。但同时V 2X在自动驾驶中的引入也对车路协同云端平台提出了更高的要求： 首先是连接能力，由于车辆处于实时高速行进当中，各路段各地区的云端数据中心需保证连接能力从而为车辆提供全旅程服务支持； 其次是计算能力的要求，因为在车路协同的模式下，大量道路状况信息由云端处理后再下发至车辆，同时车辆端的部分决策也可能交由云端大算力平台进行，需要云端平台整合道路端边缘算力，同时快速计算后精准下发以保证道路行车安全。 最后是对于相关计算数据的存储能力，随着智能网联汽车的逐渐增加，相关海量自动驾驶数据将会转向云端，云端平台存储能力需要保证足够冗余以保证系统运行及道路安全。图：互联服务示例15 车企上云之路白皮书商业模式创新 以数据为燃料赋能业务增长为深入评估自动驾驶技术用例的成熟度 ，普华永道对欧盟、美国和中国 60多位行业专家进行了调研，总体而言，行业专家认为 L4以上的私家车无人驾驶用例尚处规模应用早期，而大部分互联服务的用例已走出 “泡沫巅峰期 ”， 预计到 2035年中国的车载互联服务市场预计为262 亿美元。汽车即服务车载服务汽车衍生服务数据 /洞察服务声音 电动引擎音效包巡航控制 自适应巡航控制系统手机集成 MBUX悬挂系统 自适应悬挂系统停车辅助 停车辅助*自动驾驶 Autopilot升级照明远光灯辅助摄像头 哨兵模式访问虚拟蓝牙钥匙停车位查找和缴费 大众W e ParkP2P汽车共享 /拼车 Sono Motors应用程序车队管理 /诊断汽车数据平台 Caruso、Otonomo、High M.基于数据的车险驾驶员行车记录/GPS跟踪预测性维修忠诚度计划 雪佛兰会员积分奖励计划车辆管理众W e Connect车载数字助手游戏 Arcade游戏中心娱乐 卡拉OK音乐（NIO R adio）高级导航 导航系统实时路况功能音乐流媒体 Spotify集成乘客安全 疲劳驾驶检测智能家居互联IFTTT集成服务最后一公里配送 快递到车服务较低 较高传统车企 新兴车企个人应急助手OnStar Guardian创新程度在互联服务方面，车企的发展重心不一 ， 拥有不同的目标定位， 整体而言新势力创新程度更高 ，在自动驾驶 、 远程控制 、 车载互联 、 衍生服务方面布局更多 ， 而传统车企现阶段则更侧重于传统功能升级 （ 如 ADAS） 以及数据对于现有业务的赋能（例如保险、预测性维修等） 。16车企上云之路白皮书但是由于消费者付费意愿、 收入分成等问题 ， 汽车企业直接从互联服务中实现货币化方面仍面临严峻挑战 。 多数主机厂正在尝试从车联网数据方面切入 ，将智能座舱和驾驶过程中产生的大量车联数据与传统数据相结合， 作为重要的资产进行统一的规范化管理 ，并沿车辆全生命周期旅程 ，以数据为燃料驱动 ，赋能传统业务 ，且不断延伸到新的应用领域 ，从而循环和变现出商业价值和服务商机。车辆状况路况信息用车行为生态服务车辆数据路况数据行车数据生活数据整体来看随着车联网接入车辆规模的逐步扩大 ，应用深度不断加强 ，在数据的采集 ，存储以及处理分析层面对车企提出了全新的要求：短期内 ，已有大量车联网数据被采集并应用到整车以及座舱产品的快速迭代输入中，也有主机厂利用车机与整车数据， 联动车机屏幕与手机端 ，建立人- 车 -服务的融合标签体系， 提升传统的销售和售后营销效率 。随着相关数据应用场景的不断增多 ，采集数据规模也相应扩大，同时对于数据连续性，一致性要求也逐步增强 。在存储层面 ，当前车载互联服务的接入规模已经达到百万或千万量级。 例如 PSA旗下车辆数据接入规模已经达到600 万 ， 丰田、 大众等企业接入车辆更已经接近千万级 。单车层面未来每年将会传输100 G-500G数据， 因而对于车企来说， 每100万辆车辆数据接入会面临100 PB以上的数据存储规模 ， 如此庞大的数据量对数据存储空间以及相应数据应用需求的开发提出了新的要求 ， 在传统机房存储模式下， 预计需要机房建设投入在10亿人民币以上，因而对车企而言，将相关大数据存储转向云端将会是大势所趋。在数据分析及价值挖掘层面 ，车企需要构建丰富的数据开发工具、 模型与组件 ， 交互式分析工具 、 数据分析挖掘平台与工具 、 数据标签体系等；同时还需要一系列数据分析与人工智能算法及相关通用工具组件。 在海量数据的批量数据分析过程中 ， 车企前期构建一站式大数据平台投入过高 ， 且短期收益并不明显 ，可通过共有云分摊部分大数据平台开发支出。 车联网创新服务和出行服务体验，渗透到与加油充电、餐饮快消、 购物休闲、社交娱乐等生活场景。生活数据 提供第三方 服务 了解车主 驾驶习惯，为汽车产品开发或营销策划提供洞察。 向合作伙伴有偿提供相关数据，如 保险公司掌握实时驾驶数据 后，分析判断车主 驾驶风格，从而提供个性化保险产品 。行车数据 实现数据货币化 根据设定的规则和临时需求， 收集路况信息 ，支持自动驾驶的算法训练和仿真验证，促进技术迭代。路况数据 助力自动驾驶 通过车辆数据服务， 发现问题的同时解决问题，信息发送至用户首选的维保门店进行预约， 产生售后效益 。车辆数据 提供车售后服务图：商业模式探索17 车企上云之路白皮书营销服务创新 以用户直联和私域运营 ， 带动业务增长和服务体验提升1. 存量转换、 公域流量见顶的外部形势下， 倒逼汽车行业开展用户直联从外部环境看， 随着中国汽车市场逐步转向存量市场， 公域流量见顶， 汽车行业的营销压力与日俱增 ， 传统的营销套路难以为继。 2020年以来 ， 移动互联网月活跃人数停滞在 11.5亿 ，流量见顶导致汽车企业的公域获客成本以每年20-40%的速度增长， 流量造假和网络灰产导致这一情况进一步恶化。车企一度寄希望于精准营销， 然而跨媒体平台的数据打通、 媒体平台自身数据精准度不足、标签不合用等问题仍然困扰着企业。 个人信息的获取难度增大， 可能导致精准营销的效果将进一步下降。 与此同时， 用户本身和媒体平台也在不断分化演变， 随着自媒体、 信息流、 短视频等崛起， 消费者对垂直媒体的依赖度逐渐降低， 而短视频平台上以种草、 带货KOL 为中心的打法， 其影响力和转化能力可能超过任何一位顶尖的销售顾问和行业专家；车企数字营销体系也需要不断快速迭代更新 。2. 竞争驱动下， 车企内部的用户价值战略定位和运营逻辑也在发生变化长期以来， 汽车企业一直高度重视对用户价值的挖掘， 但过去用户价值挖掘主要集中在潜客购车转化和车主售后产值这两方面。 就实际操作来看， 传统车企虽然多年前就提出向“ 以客户为中心” 转型， 但用户价值挖掘上仍是以汽车产品为中心 ，以经销商为载体的操作思路。18车企上云之路白皮书战略定位共同之处传统车企：传统模式某传统车企新品牌：粉丝模式（探索） 某新势力车企 主要关注如何让用户从“关注者”发展为“客户” 目前处于探索期，现阶段主要关注如何让用户从“关注者”发展为“裂变传播者” 更关注如何让核心车主满意，成为涟漪的中心目标及 KPI 提升新用户转化率促进购买运营重点 寻找潜在用户 促成：识别高意向用户并促进成交 促熟：促进低意向用户向高意向转化 用户运营直接目标与车辆销售脱钩 更加关注潜客群体、车主口碑扩散等长链条变现目标 为此加强用户直联、不断提升用户体验 促进新用户提升好感，裂变传播 促进粉丝群增长，积累线索 提升老用户满意度 促成老用户推荐新用户进入车企朋友圈，获得大量潜客 促成老用户协助转化潜客 目前处于探索期，现阶段主要关注如何让用户从“关注者”发展为“裂变传播者” 在现有用户群识别核心用户 重点维护老用户，提升老用户满意度，激发老用户推荐 帮助老用户方便、有效地推荐（推荐新用户、同化现有用户）理想用户行为了解好感喜爱 购买满意 推荐满意喜爱了解 好感推荐购买满意喜爱了解 好感推荐购买图：传统汽车产业链条下的不同用户运营逻辑选择示例传统模式下， 用户价值战略定位以潜客转化为主 ， 以推动潜客沿着“ 了解 好感 喜爱 购买 ”链条迁移为核心运营逻辑。 某造车新势力则在汽车行业里首次落地了挖掘用户影响力的涟漪模式 ， 并判断车主影响力更为强大，以围绕车主的 “满意 推荐 ”作为最核心的运营逻辑， 从而最大化车主裂变拉新和同化转化粉丝潜客的影响力 。新一轮互联网造车势力预计也会将其差异化的互联网用户运营逻辑引入到汽车行业。19 车企上云之路白皮书3. 构建前后端分离的用户运营系统， 前端多平台矩阵化配置，后端用户体验统一为了支持前端的多场景矩阵式获客布局， 后端需要建立统一的业务运营平台和数据运营平台。图：整合的用户运营前端触点与后端平台框架前端触点产品公域平台付费硬广流量（腾讯、字节广告等）付费软广流量（自媒体、主播等）私域营销矩阵免费自营公域流量（自媒体、主播等）免费经销商网络流量（朋友圈、微信群、员工抖音、线下扫码等）自营 APP 官网 公众号 蓝 V服务号小程序 用户社区 微信社群 统一的后端业务运营平台推广管理体系 运营管理体系 销售转化体系人群策略 投放策略媒体渠道分析与选择传播链路溯源与追踪营销活动管理与执行素材管理舆情监控指导营销效果追踪与分析受众数据收集与分析转化归因与增长骇客触点布局体验管理内容生产和内容运营用户互动与沟通用户分层分级社区维护和运营线上活动设计和管理行为和积分体系等级和权益体系线下运营业绩追踪与全链条协同销售过程管理销售线索管理社区社群运营运营行为与业绩跟踪销售漏斗管理客户关系管理CRM积分与权益销售流程管理车主分级管理用户间社交促进统一的数据平台整合数据体系One ID用户数据整合VIN车辆与业务数据整合用户标签体系经销商与主机厂数据整合预测模型 数据治理 数据底座媒体数据导入 私域数据导入 用户数据导入经销商数据导入 主机厂数据导入 业务的深度认知、能力沉淀和推广提升数据的产生、整合、分析与应用20车企上云之路白皮书其中，统一的后端业务运营平台由三部分构成： 推广管理体系：主要致力于流量获取，通过付费和非付费推广，推动运营平台流量增长。 运营管理体系：主要致力于用户激活、留存和裂变 ， 借助内容 、 社区社群 、 事件等运营手段 ， 推动运营平台用户活跃度增长 ， 裂变拉新。 销售转化体系：主要致力于用户转化，借助用户运营手段、促销和销售管理，推动运营平台的销售转化。通常而言 ， 后端运营平台将按照以下4 步完成落地搭建： 业务服务梳理：将原系统功能拆分解构，梳理服务清单，并根据微服务设计和开发的思想 ，提取平台服务。 平台门户建设：提供平台门户、管理后台、 开发者中心和运营分析，使业务服务“可见、 可管、可用、可运营” 。 业务服务沉淀：提供业务服务开发模板和指南，根据梳理的服务清单，逐步快速迁移业务服务。 业务服务能力输出：按照业界RESTFUL 标准，通过平台门户的服务目录统一输出服务能力。车企数据平台化以业务诉求为牵引，以建立数据管理体系及服务体系为核心 ，整合企业数据 ， 构建企业数据资产 ，为企业业务化 、场景化提供统一数据服务能力 。为了支持业务中台和数据中台的建设， 车企需要搭建云底座 ， 提供计算、 存储 、 网络 、 大数据 、 AI、 DevOps等技术 ， 构建应用使能、数据使能和 AI使能 ， 支持业务中台应用快速迭代开发 、数据中台数据高效处理。 按照数据存储和计算的地方 ，云底座通常可按照公有云 、混合云 、自主云的方式建设 ，但考虑到营销更多的是面向ToC 客户的全渠道接触，公有云的方式弹性伸缩更敏捷 ，效率更高。二车企云化价值简述21 车企上云之路白皮书30%42%41%23%40%15%17%17%17%20%15%15%14%13%14%4%3%3%3%3%4%4%3%2%4%7%6%4%5%5%25%12%18%37%15%大数据 / 数据仓库 /数据分析IoT互联和管理CRM / ERP /HRMS / LOB 应用存储 / 归档 /备份 / 文件存储灾备 / 高可用数字化技术对于车企具有重要价值， 而 云技术是数字化技术的主要承载之一 。上云和云转型是全球企业的大趋势 。 根据Gartner 2020的分析公有云市场将从 2020年的2,579亿美元上涨到3 ,069亿美元 ，55 %的企业已经将一半以上的应用负载放到云上 。按照企业应用细分来看 ，与车企应用场景紧密相关的 IoT、 智能互联和容灾类应用是上云比例最大的，详见下图。车企云化价值简述22车企上云之路白皮书图：企业应用和服务上云状况 无计划 已经迁移部署上云 未来12月内计划上云 未来1 -3年内计划上云 已经上云但是正在或准备至不同的云模型 已经上云但是计划迁出云 全新部署数据来源：IDG Cloud Computing Survey, 2020企业IT 也开始由资源上云逐渐发展到架构上云，并演进到 “云原生”阶段：以 “应用” 为中心打造数字化平台， 企业 IT数字化战略从 “CloudFirst”演进到“Cloud Native First”。23 车企上云之路白皮书硬件系统阶段 1： 服务器 阶段 2： 云化 阶段 3： 云原生化转变 1： 资源自动化转变 2： 应用自动化物理机物理机SAN设备NFS设备RAID阵列统一云资源管理 碎片化物理设备管理 软件与硬件割裂 以“设备”为中心 统一云化资源池 软件迁移上云 以“资源”为中心 统一云原生基础设施 软件云原生架构 以“应用”为中心云原生平台微服务应用AI/大数据应用边缘/IoT应用云原生基础设施：以“应用”为中心应用定义算力应用定义网络应用定义存储多云/ 混合云/ 边云架构云原生应用使能中心中间件应用软件系统 3.89数据库企业服务总线企业中间件平台.软件系统存储池化块存储文件存储对象存储计算池化虚机虚机虚机网络池化VPC ELB云化数据库轻量级服务框架云化中间件平台运营支撑系统CRM/ERP.核心业务系统新型业务系统云化运维系统敏捷开发系统运营支撑系统CRM/ERP核心业务系统交换机 路由器图：企业 IT架构演进特别针对车企来讲 ，它们上云的内在驱动力来自于： 降低成本：资源重用 、弹性采购、 自动化运维 增加效能：精益化、 标准化、快速响应 风险识别与控制：拥抱并掌握风险、识别机会、有效管控 充分发挥资源价值：IT 部门参与业务变革 、形成创新氛围 提升服务质量和满意度：从客户、组织、 员工、供应商各方外部驱动力来自于： 新基建完善：基础设施为转型提供坚实基础 ，5G商用、云计算资源普及、AI 应用加速 用户行为变革：受疫情影响，不确定性提升 。大量线下行为转移到线上，业务侧数字化转型加速 企业意愿改变：企业在短期恢复生产后将数字化转型作为重要议题，以应对长期不确定性影响 国家政策导向： 2020年国家重申数字化转型的紧迫性 ， 国有企业带领 ,各行业自上而下驱动数字化转型企业云 转型 大势所趋， 车企云化动能十足的背景下 ，我们从 业务视角 、 技术视角 、 成本视角 、 安全视角来 概述 云化对车企的价值所在 。24车企上云之路白皮书云转型为企业带来成本降低 ，敏态开发 ，弹性资源 ，边缘计算 ， 高效运维， 全面治理能力， 统一数据和分析能力。下图为车企云应用架构示例。云平台基础能力统一能力开放平台云基础设施和云应用运维中心 & 安全运维中心全公司数据资产管理 全公司大数据分析统一数据安全监控图：车企云应用架构示例销售应用 管理应用 自动驾驶 大数据应用智能制造流程贯通跨域融合
展开阅读全文