打破“数据孤岛”，构建汽车“数据共同体”

　　文 / 本刊记者 马琨

　　当前，汽车产业正经历智能化、数字化转型的重要阶段，数据作为这一转型的核心驱动力，已成为推动汽车产业创新及跨行业融合发展的核心要素。2024 年7 月11 日至13 日，2024 中国汽车论坛在上海召开。在7 月12 日下午举行的“数据链动汽车，智能驶向未来”主题论坛上，众多业界精英、企业高层齐聚一堂，就汽车产业数据生态的发展现状进行了全面而深入的探讨。

　　本场论坛由中国汽车工业协会数据分会执行秘书长滕添益主持。中国汽车工业协会副秘书长杨中平，中国汽车工业协会数据分会理事长、上海机动车检测认证技术研究中心有限公司副总经理苍学俊分别为论坛致开场词。

　　杨中平在致辞中指出，数据作为智能网联汽车发展的重要基石，是推动汽车产业创新升级的关键因素。然而，当前智能网联汽车数据发展仍面临着一系列挑战，如数据安全、数据准确性、数据孤岛以及数据共享等问题，需要行业内外共同努力，共谋解决方案。

　　打破“孤岛”，共建良好数据生态

　　为应对上述挑战，杨中平提出三点建议：一是强化数据安全的防护体系，严防数据泄露与非法的使用。二是优化数据质量管控流程，确保数据的准确与高度可靠。同时建立数据质量控制与评价体系，及时发现潜在问题并迅速响应，持续提升数据的质量水平。三是促进数据共享与开放生态的形成，通过构建开放的数据平台，充分释放数据要素的价值，加速智能网联汽车技术的迭代升级，共同开创智能网联汽车数据产业的新篇章。

　　苍学俊亦强调了数据的重要性。他指出，为推动自动驾驶数据的共享和应用，中国汽车工业协会数据分会制定了3 项团体标准，分别从车端、路侧端以及针对标注后的数据集制定了团体标准，于7 月底向全行业公开征求意见。下一阶段，数据分会还将联合电子四院、上海汽检和中德智联等几家骨干机构，开展隐私保护认证和隐私保护标识的推广工作，让更多的消费者能够了解到具备隐私保护功能的优秀的车辆产品，为用户把好数据安全关。

　　面对汽车数据的“气血不足”和数据流通的“经络不畅”，清华大学计算社会科学与国家治理实验室研究员傅建平给出了一剂“药方”。他认为，推进数据要素化进程中的首要问题是思想认识的革新，企业需摒除“利己主义”思想，打破数据割据，加速数据融合，加快培育正确的数据价值观。同时，作为公共数据的持有者，政府应当先行，释放高质量大模型的公共数据，为企业提供示范。此外，还需推动数据要素企业的培育，打造以数据价值网络为特征的数据生态，构建多元共治、价值共创、利益均衡、责任共担的“数据共同体”。

　　中国汽车工业协会技术部总监、众链科技(北京)有限公司首席执行官韩昭也表达了类似观点。他表示，要推动整个数据生态的聚合，建立共享、共用数据环境，首先要确保数据足够安全。企业应该加强对于数据管理制度的建设，积极响应国家的号召，提升数据安全意识防护。同时，必须严格遵循数据处理环节的合规要求，确保数据处理的规范性和可靠性。

　　为解决数据孤岛和数据体量不足的问题，韩昭提倡企业积极推动开源项目和数据共享平台的发展，以更好地参与数据共享。通过协同共享和技术创新，为智能网联汽车新质生产力注入新动能，释放数据价值资源。与此同时，相关企业、研究机构和组织也应当共同制定并推广涵盖交互、安全、数据产品等产业相关标准，以形成统一互认，进而促进不同品牌、不同平台间的共享与交互，提升数据要素的利用效率。

　　上海车云数据科技有限公司副总经理马羽翔也发表了类似观点，他表示，数据一是要讲合规，二要讲安全。作为数据的采集方，要做好数据的采集、维护，做好数据的分析、加工，做好数据的合规安全，尽量提高数据的质量。同时也要做到开放合作，和生态圈内各个企业主体一块做好数据交互、交流和共享，打通数据链路，构建良好数据生态。而在车路云一体化方面，也要推动路测数据赋能量产车，真正给企业赋能。

　　加速融合，保障智能化高质量发展

　　近几年，生成式人工智能技术爆发式增长，并已经开始在汽车行业广泛应用，如何充分把握生成式人工智能技术在汽车行业中的潜力，发挥其独特的优势，已成为业界共同关注的焦点。

　　据中国电子技术标准化研究院网络安全研究中心汽车数据安全负责人、中国网络安全产业联盟汽车网络安全工作委员会秘书长张骁介绍，生成式人工智能汽车其独特的座舱环境、产品特色带来了有别于通用互联网生成式人工智能管理的实践环境。为此，汽车行业需从汽车的智能座舱、自动驾驶相关的实际应用场景出发，凝聚符合汽车行业应用发展特点的人工智能安全治理的共识。例如，汽车行业要积极跟踪人工智能安全标准化工作，保障汽车人工智能的发展不脱轨。同时，汽车行业可以积极引入包括人工智能行业，网络安全行业等跨行业人才，相互多方参与，通过多方共识降低企业成本，促进产业发展。

　　就此话题，智能汽车创新发展平台首席架构师梁健也提出了多点建议。一是汇聚相关数据，把数据化为资产，打造智能网联的语料库、知识库和场景库，形成数据底座。二是基于底座之上，建设四大应用子平台，包括智能网联信息服务子平台，智慧交通子平台，网联数据共享赋能子平台、车辆安全监管的子平台，进一步提升数据的互联互通能力，推动智能汽车的创新发展。三是建立开放自由共享的产业链创新环境，打通不同领域之间的封闭数据，实现基础数据的融会贯通。四是基于人工智能和大模型技术，把所有的数据进行归一化，实现数据泛化的能力，让特定车型的训练数据也能用于其他车型相关自动驾驶的训练。

　　值得一提的是，“智舱安言计划- 汽车生成式人工智能安全护航系列活动”也在本场论坛正式启动。该系列活动聚焦通用生成式人工智能安全要求、车载AI 特色应用场景安全需求、智能座舱环境下AI 特色标识实践及简洁易懂的生成提示。旨在促进AI 在汽车行业快速安全应用，加快汽车行业与AI融合，保障智能化高质量发展。启动仪式由张骁、滕添益、韩昭、百度人工智能安全技术总监林道正、极氪安全实验室负责人陈楠、天融信科技集团行业副总经理杨熠共同点亮。

　　随着数据驱动的时代到来，汽车软硬件解耦趋势日渐加速，开发人员需要能够独立于底层硬件进行上层软件的开发，这在无形中增加了软件架构的复杂性和开发难度。而如何在更短的时间内，确保软件生态系统质量的同时提高软件交付性能。这对于主机厂来说是亦是一个不可忽视的挑战。

　　为解决上述问题，易特驰汽车技术有限公司软件开发解决方案总监吴正提出了“软件工厂”概念，即通过通用平台来开发和集成不同车辆系统的软件组件。这一模式，该方法基于协作、连续、自动化、质量第一的工作流程，并支持OEM 和Tier1 建立自己的“软件工厂”。 这一方案通过高度自动化的构建、测试、部署和监控流程，不仅提高了软件开发的效率，也为车企带来了更高的质量控制和更短的市场响应时间。此外，“软件工厂”还高度重视安全性和合规性，确保软件在功能安全、信息安全方面均符合相关法规要求。

　　知识驱动，构建自动驾驶数据闭环

　　当前，自动驾驶技术已成为各大车企竞相发力的战略高地，其重要性不言而喻。在此背景下，数据驱动下的端到端自动驾驶技术已成为行业内的广泛共识。此次论坛上，多位业界嘉宾就此话题展开了深入探讨。

　　如何真正实现数据驱动的端到端智能驾驶？深圳元戎启行科技有限公司副总裁刘轩认为，这实际上是一个逐渐做减法的过程。首先是减少代码量，多用神经网络。其次是去高精地图，最终自动驾驶的模式不应依赖于额外的中间结果，而是以数据驱动，用端到端模型，通过反复的训练，让它更接近于人类驾驶员的行为，真正实现全地域、全场景、全时间包含高速、城区在内高级别的智能驾驶。

　　“唯有数据的自由流通，自动驾驶才能迎来真正的繁荣。”在重庆安驿汽车技术服务有限公司总经理耿溢看来，自动驾驶技术的发展历程经历了从规则驱动到数据驱动的转变。而在未来，还会有第三阶段，也就是知识驱动阶段。数据流通在自动驾驶的未来发展中扮演着举足轻重的角色。企业应敏锐地把握数据流通带来的益处，如实现成本的降低和效率的提升等。

　　此外，耿溢认为，自动驾驶的标注工作实质上是一个精心组织的生产过程，借助“产教融合”的模式，从校企共建起步，以精益生产的方式贯穿整个标注过程，能够将传统的众包“游击队”式的标注团队，转变为高效有序的“正规军”，将从而有效解决标注成本高、需求量大的挑战。

　　吉利汽车研究院（宁波）有限公司数据平台部部长陶世俊则指出，当前，自动驾驶车辆车外数据的采集与管理同样是行业痛点之一。政策层面对数据管理严格无可厚非，但如何对这些数据进行分类分级是关键。陶世俊提出，解绑部分信息，鼓励主机厂和供应商团队参与道路数据重建与处理，能够使整个智能驾驶行业进入良性快速发展的快车道。陶世俊认为，随着智能驾驶行业进入下半场的竞争，更深更广挖掘数据的应用场景以及价值，同时形成全栈全价值链的数据闭环能力，将会是整个智能驾驶行业提升用户体验，提高功能安全的关键的要素。据陶世俊介绍，目前吉利正在构建感知数据、地图数据、驾驶数据和用户数据四大闭环。后续，吉利将以吉利星睿智算中心为载体，利用AI 大模型快速完成自动化场景建设，降低场景采集成本的方案，同时依托业界主机厂唯一一块合规采集资质（朗歌地图），利用吉利汽车市场高保有量优势，快速积累数据，不断优化各种场景下的体验，建设全面领先的数据闭环能力。

　　苏州智行众维智能科技有限公司总经理安宏伟指出，目前为止，安全依旧是自动驾驶商业化进程落地最为关键一个瓶颈。而车路云体系的建设带来了一条新的、可靠的、高质量的数据来源，这为自动驾驶算法的训练和测试验证打开了全新的窗口。

　　“把路测的路段数据，经过采集、筛选、数据价值挖掘、合规治理，包括场景的重构和生成，能够作为整个训练数据集和测试场景的数据来源，进一步与量产车和测试车形成数据端双向的回馈和闭环。”安宏伟表示，仿真在环体系犹如自动驾驶的车辆的“考场”，能够模拟各种复杂的交通场景，包括城市道路、高速公路、乡村道路以及极端天气条件等。这种多样性确保了自动驾驶汽车能够在各种环境下接受全面的测试。而随着路测设备的铺设，覆盖的面越来越广，并且采集设备经过标定，算法越来越完善，数据的可用性、覆盖性和多样性会得到进一步的提升，这将有效解决自动驾驶车辆的安全性问题。