Apollo配置中心的架构图（apollo配置管理中心）

大家好，我是讯享网，很高兴认识大家。

讯享网

随着NOA量产与云端AI大模型上车，导致汽车云服务需求不降反增。

2024年，随着智能网联汽车渗透率进一步提升，汽车云服务的发展体现如下趋势：

AI大模型与NOA上车扩大汽车云服务需求
云平台工具链深度集成
云原生进一步改变汽车软件开发方式
端云一体
云基础设施资源进一步短缺，云厂商投入成本增加
……

AI大模型与NOA上车扩大汽车云服务需求

2024年，经历价格战之后，主机厂降本成为重点之一，业务云化脚步放缓，对云的需求下降；但随着NOA量产与云端AI大模型上车，导致汽车云服务需求不降反增。

AI 大模型与 NOA 上车对云服务的需求如下：

硬件基础设施：AI大模型/NOA的运作需要大量算力，除了对云端服务器的性能与数量提出更高的需求外，还考验服务器设施的网络性能。
软件解决方案：
AI大模型：截至2024年9月，国内量产车型搭载的大模型主要采用云端部署方式，部分新势力（如蔚小理）采用端云结合的部署方式，其中复杂的功能模式仍需调用云端模型完成。
大模型上车后，增加了用户交互频次，从每天个位数的交互请求上升到每天数十次甚至上百次的交互请求，带动了云服务需求的增加。
NOA：NOA装车量大幅上升，同时使用频次增加，使得处理与存储的数据量增加，对云服务需求增加，配套的工具链也在增加。

AI大模型与NOA上车后，部分重点场景下对云服务的需求：

整理：佐思汽研

2024年，阿里云为Momenta提供稳定且灵活的云原生计算资源，构建自动化的闭环数据。该方案支持端到端的技术框架，涵盖了视觉感知AI能力，能够促进智能化驾驶解决方案的大规模部署与应用。Momenta基于阿里云ESS&HPA 机制弹性能力，利用 Spot 实例实现较高费效比。

2024年，AWS汽车云与奔驰、宝马等国际品牌合作，通过云平台工具链构建AI助手，提高运营效率。

2024年AWS云 AI服务案例来源：AWS云

云平台工具链深度集成

2024年，汽车云服务方案进一步向深度集成方向发展，实现从设计研发到生产管理、供应链优化、营销推广乃至售后服务全链条的数据整合与智能决策支持。云厂商的新方案体现出功能深度集成化、工具链完善化的特点：

国内部分云服务商2024年云服务新方案

整理：佐思汽研

2024年，以自动驾驶云平台为例，多数云服务解决方案包含以下工具链：

自动驾驶云平台工具链需求框架

整理：佐思汽研

2024年9月，百度推出智能云3.0，重点聚焦端到端智驾开发，特点包括：

可用于从车端到云端的智驾全流程训练，包括构建虚拟仿真数据；

通过在云端提升训练效率、车端和路侧打通数据壁垒，构建实时车路云平台；该平台提供包括拥堵路段提前规避、超视距风险提示、红绿灯提醒以及远程实况鸟瞰等服务。

提供云端座舱大模型，用于语义理解调度、内容生成、向量搜索、跨模态等研发场景。

百度数据场景生成能力

地图真实数据用于端到端仿真

来源：百度

2024年9月，华为推出L4自动驾驶网络解决方案——星河AI自动驾驶网络，在云端分别实现网络数据分析、多场景仿真与Agent调用：

华为星河AI自动驾驶网络功能

来源：华为

云原生进一步改变汽车软件开发方式

随着部分车企/Tier1开始搭建车云协同的基础架构，尝试将车端的数据上传到云端进行分析和处理，同时将云端的指令下发到车端，实现简单的车云交互，云原生技术开始应用于汽车行业的云端车端协同开发流程。

云原生是在新式动态环境（如公有云、私有云和混合云）中构建和运行可缩放的应用程序的软件方法。“云原生”的概念提出早于2020年，但在汽车上的应用一直处于探索阶段，未能进行大规模应用，主要集中在车联网、部分智能座舱功能等场景上；2024年，随着多云环境与AI技术的应用，云原生的应用场景大大增加，并开始从底层影响汽车行业 PaaS/SaaS 云服务方案的构建逻辑：

在车端，除了车载信息娱乐系统，云原生已用于自动驾驶、智能座舱的相关技术开发和优化。例如，通过云端自动驾驶平台的大规模计算和训练功能，为自动驾驶系统提供更准确的模型和更全面的算法，提高自动驾驶的安全性和可靠性。
在云端，车企通过更加完善的云平台，完成车辆数据的存储、挖掘、分析和处理，为车辆的智能化运营提供支持，并将基于云原生的软件开发模式也逐渐应用到车企的供应链管理、生产制造等领域，实现了全产业链的协同优化，如容器编排技术（Kubernetes等）逐渐成为车企构建云端车端软件协同开发平台的核心技术。

以AWS与大陆合作开发云端ECU为例，大陆采用 AWS Graviton 模拟硬件环境，再选择操作系统与中间件在 AWS EC2 上运行，并通过 AWS EC2 完成虚拟化开发环境创建。

AWS与大陆合作的车云一体的硬件软件开发框架

来源：大陆集团

2024年，云原生应用方向聚焦于：

算力管理：云原生平台能够提供高效的算力管理技术，包括 GPU 算力调度、分布式训练等，以满足AI算法训练和实时推理的需求。
服务网格与 API 网关的优化：除5G通信外，服务网格的性能优化、与 Kubernetes 调度器的协同工作、 API 网关的灵活配置和安全防护同样对云端通信有较大的影响。
数据管理与治理：汽云原生平台的数据管理能力，包括数据的存储、备份、清洗、标注等，以及数据的安全合规管理。在主机厂越来越重视数据资产流通的背景下，数据的高效流转和共享成为云原生平台的影响因素之一。
云资源利用率：部分主机厂开始关注云原生技术的能源效率、资源利用率等因素。部分绿色节能的技术和策略，减少云原生平台的能耗，同时提高资源的使用效率，降低运营成本。