本文来源：智车科技

／ 导读 ／

2021年12月初，亚马逊云平台AWS推出了两项针对汽车行业的新服务－－AWS for Automotive 和 AWS IoT Fleetwise新服务。

AWS IoT FleetWise能够帮助汽车制造商更轻松地收集和检索车队的传感器数据。AWS for Automotive是一项更广泛的、特定于行业的计划，旨在将一系列产品汇聚到一处，类似于 AWS 的其它行业解决方案（例如 AWS for Industrial）。其旨在为汽车制造商、初创企业、车队管理、以及物流公司提供移动互联和自动驾驶领域的专用开发工具，以增强数字客户参与、产品工程设计、以及供应链制造等全环节。

AWS云计算与汽车行业

Amazon Web Services （AWS） 云计算是全球最全面、应用最广泛的云平台，从全球数据中心提供超过 200 项功能齐全的服务。包括从计算、存储和数据库等基础设施技术，到机器学习、人工智能、数据湖和分析以及物联网等的新兴技术。

AWS 拥有广泛的全球云基础设施。现已在全球 25 个地理区域内运营着 80 个可用区，并宣布计划在澳大利亚、印度、印度尼西亚、西班牙和瑞士新增 5 个 AWS 区域、15 个可用区。

主机厂和Tier1的主要选择包括亚马逊AWS、微软云、阿里云、腾讯云、华为云和百度云等，AWS占有一定优势。

AWS 汽车云服务提供了非常广泛且深入的功能组合，包括 AI／ML、IoT、HPC 和数据分析，同时具备超高性能和安全性、超大规模客户和合作伙伴社区以及持续的推陈出新。

国内外众多汽车公司采用了AWS，此外一些自动驾驶技术公司也已与AWS合作。

2021 年 4 月大陆集团与亚马逊科技（AWS）达成长期合作关系。将共同研发模块化硬件和软件平台 Continental Automotive Edge（CAEdge），能够将车辆连接至云端，形成一个虚拟工作台，并提供多种开发以及维护软件密集型系统功能。

特斯拉使用光环新网公司运营的亚马逊云科技北京区域业务。

Momenta 主要使用了由光环新网运营的 AWS 中国（北京）区域，通过使用 AWS 在创新加速、提升开发效率、节省运维成本、提供多样化支持、国外快速部署等方面获得价值。

文远知行也采用了 由西云数据运营的亚马逊云科技（宁夏）区域。利用 AWS 的机器学习系统，之前通常要花费 1－2 周才能完成的模型训练在文远知行的新系统上只需 12 个小时就能实现。

自动驾驶卡车公司与AWS

在自动驾驶卡车领域，多数技术公司也与AWS合作，如下所述。

斯堪尼亚－将其物联网解决方案从内部移动到 AWS，将收集的数据转化为有价值的信息和见解。此外斯堪尼亚在 2021 年 6 月开始与亚马逊网络服务（AWS）合作，为期一年的项目。该项目旨在减少 IT 碳足迹，构建可持续性 IT 解决方案。

图森未来－已利用 AWS 完成了数十亿英里的仿真并开发自己的自动驾驶平台。

智加科技－2021 年 10 月选择 AWS 作为云提供商。2021 年 2 月，智加科技完成了新一轮两亿美金融资，并宣布与亚马逊 AWS 等多家企业建立战略合作伙伴关系。2021．8 月，亚马逊获得了购买智加 20％股权的期权。

Embark－在 2020 年因新冠疫情而暂停卡车运行期间，无法利用道路测试作为收集更多数据和衡量性能的手段。Embark 的反应是利用亚马逊 S3 上数 PB 的历史数据开发系统，从多年的历史数据中提取数据，通过数千小时的驾驶数据寻找感兴趣的场景，并利用这些数据构建更强大的模拟，以测试他们的系统。Embark 的所有数据都使用 S3 智能分层存储类存储。

Torc Robotics（戴姆勒卡车旗下自动驾驶卡车公司）－于 2021 年 2 月引入亚马逊网络服务来处理其自动驾驶卡车所收集的数据，将利用 AWS 加速处理大量的数据传输、数据存储，以及提升计算能力。Torc 表示，其研发团队将利用 AWS 完成低需求和高需求的任务，以及在远程团队之间共享数据。同时，Torc 还会利用 AWS 所管理的服务，如 Amazon Elastic Kubernetes 服务（Amazon EKS）大规模运行模拟软件、Amazon 管理的 Apache Kafka 流媒体（Amazon MSK）、Amazon 管理的 Apache Airflow 工作流（MWAA），和 Amazon Simple Storage Service（Amazon S3）智能分层，以高效地管理测试数据并支持法规遵从性。

Aurora 公司－2021 年 12 月与亚马逊云服务（AWS）签约，将充分利用 AWS 的在线和离线功能，为其机器学习和基于模拟的自动驾驶汽车技术开发提供支撑。在云端开发环境下，Aurora 将利用 AWS 来处理和存储于真实道路测试中收集的 PB 级别传感器数据。而在离线的时候，该公司还将利用 AWS 开展 Aurora Drive 软件堆栈的测试、高清映射和机器学习等任务。Aurora 计划到 2021 年底通过 AWS 提供支持的自研工具 Virtual Testing Suite，每天完成多达 1200 万次的驾驶模拟。

AWS for Automotive

2021年12月初，亚马逊云平台AWS推出了AWS for Automotive 和 AWS IoT Fleetwise新服务。AWS for Automotive是一项为汽车客户提供专用工具的计划，用于互联出行、自动驾驶开发、数字客户参与、产品设计和工程、制造和供应链。

AWS for automotive解决方案领域

软件定义车辆

AWS软件定义的车辆解决方案领域有助于行业更快、更经济高效地实现自动驾驶车辆（AV）开发和互联出行改进，如高级驾驶辅助系统（ADAS）、从车辆到云的端到端安全、软件的无缝开发和部署，以及不断更新车辆软件的能力。该软件定义的车辆解决方案领域提供了构建下一代以软件为中心的平台所需的技术，该平台具有集中化的高性能计算平台、在整个车辆生命周期、安全性、数据管理和机器学习中持续软件交付（CI／CD）的能力。

互联出行

AWS互联出行功能允许客户释放数据的力量，以构建智能、个性化功能和创收出行服务。该解决方案领域最近推出了第二代互联出行解决方案（CMS）。此解决方案是一个经过审查的参考体系结构，其中包含用于加速连接车辆和服务的开发和全球部署的构建块。AWS CMS包括软件模块，用于安全管理车内边缘计算、机器学习推理模型、云数据获取、存储、业务逻辑和API的生命周期，为云中的应用程序提供动力。

自动驾驶车辆

亚马逊在自动驾驶系统、机器人和机器学习方面的20年经验使自动驾驶开发客户受益匪浅，这些客户包括Argo、Aurora、Mobileye、宝马、大陆、戴姆勒的Torc、Embark、现代、日产、法雷奥、Momenta、TuSimple、丰田的Woven Planet、Starship、TuSimple和WeRide。依靠AWS提供许多功能，包括高度可扩展的计算服务和先进的深度学习框架，这些框架允许自动驾驶车辆数据的收集、提取、存储和分析，以支持全面的AV开发。

AV开发的核心是最近部署的自动驾驶数据湖（ADDL）解决方案，目前正由全球OEM实施。AWS ADDL解决方案是存储、编目和搜索自动驾驶车辆数据的唯一真实来源。该解决方案围绕一个灵活、可扩展的数据飞轮将所有工程团队联系在一起，该数据飞轮将开发的所有阶段（从接收到注释、模型开发、模拟、测试和验证）协调起来。

AWS还为机器学习开发了专门的解决方案和第一方管理的服务，如Amazon SageMaker和Amazon SageMaker Ground Truth。Amazon SageMaker允许开发人员和数据科学家快速构建、培训和大规模部署机器学习模型，简化工作流程并允许更快的迭代。亚马逊SageMaker Ground Truth提供2D和3D第一方标签服务。

AI and machine learning

AWS serviceAzure service描述SageMakerMachine Learning用于培训、部署、自动化和管理机器学习模型的云服务。RekognitionCognitive Services计算机视觉：从图像中提取信息，对视觉数据进行分类和处理。面部：检测、识别和分析照片中的面部和面部表情。Alexa Skills KitBot Framework构建并连接智能机器人，使用文本／短信、Skype、团队、Slack、Microsoft 365 mail、Twitter和其他流行服务与用户交互。LexSpeech ServicesAPI能够将语音转换为文本，理解意图，并将文本转换回语音以实现自然响应。LexLanguage Understanding （LUIS）允许应用程序在上下文中理解用户命令。Polly，TranscribeSpeech Services启用语音到文本和文本到语音功能。Skills KitVirtual Assistant虚拟助手模板汇集了我们通过构建对话体验确定的许多最佳实践，并自动化了组件集成，发现这些组件对Bot框架开发人员非常有益。 其他领域还包括数字用户管理、制造、生产与工程、供应链等。

AWS IoT FleetWise

AWS IoT Fleetwise是AWS for Automotive的一部分，能够使汽车制造商更容易、更方便地近实时收集、转换车辆数据并将其传输到云端并进行分析。

无需开发定制数据收集系统即可访问标准化车队范围内的车辆数据。

通过智能过滤将您需要的准确数据发送到云，降低成本并实现更高效的数据传输。

近实时的地面车辆健康数据，以更快地检测和缓解问题，帮助防止潜在召回，并远程协助客户。

传感器可以提高汽车安全性，但也能产生指数级增长的数据量。例如，先进的车辆传感器每辆车每小时可以生成高达2 TB的数据，这使得将此类数据传输到云端的成本令人望而却步。汽车制造商希望更经济高效地收集、标准化这些数据，并将其传输到云端，以便他们能够利用这些数据产生有助于提高车辆质量、安全性和自动驾驶性的见解。

AWS IoT Fleetwise允许汽车制造商以其车辆中的任何格式收集和组织数据，利用该服务的智能过滤功能将其近实时传输到云端，该功能允许开发者通过选择要传输的数据并根据天气条件、位置或车辆类型等参数定义何时传输数据的规则来减少网络流量，无论品牌、型号或选项如何。

汽车制造商从AWS管理控制台开始，通过定义和建模车辆属性（如双门双门轿跑车）以及与车辆品牌、型号和选项（如发动机温度、前碰撞警告、驻车辅助系统等）相关的传感器，以确定其整个车队中的单个车型或多个车型。车辆建模后，汽车制造商将AWS物联网FleetWise应用程序安装在车辆网关（一个监控和收集数据的车内通信枢纽）上，以便它能够读取、解码和传输AWS之间的信息。借助AWS IoT FleetWise的智能过滤控制，汽车制造商可以选择其用例所需的准确数据，并通过创建条件规则过滤他们想要收集的数据，限制传输到云的数据量，从而帮助降低成本。

一旦数据进入云端，将数据格式结构化、标准化，以便在云端进行分析，客户可以构建应用程序，使用分析和机器学习来提高车辆质量、安全性和自动驾驶性。汽车制造商就可以将其用于远程诊断单个车辆问题的应用程序，分析车队健康状况以帮助防止潜在召回或安全问题，或通过分析和机器学习改进自动驾驶和高级驾驶员辅助系统等先进技术。这样汽车制造商就不必开发定制数据收集系统。

Amazon IoT FleetWise先进的摄像头传感器数据收集功能预计将于2022年上半年推出。

AWS IoT FleetWise工作原理

AWS IoT FleetWise使汽车制造商能够轻松且经济高效地近实时地收集、转换车辆数据并将其传输到云端，并使用其构建具有分析和机器学习功能的应用程序，从而提高车辆质量、安全性和自动驾驶性能。

AWS IoT FleetWise用例

训练计算机视觉模型。使用从生产车辆车队收集的摄像头数据，培训自动驾驶车辆（AVs）和高级驾驶员辅助系统（ADAS）。

帮助最大限度地减少保修索赔和召回

使用近实时数据主动检测和缓解车队范围内的质量问题。

改进 EV 里程估计

利用来自附近车辆的众包环境数据，如天气和驾驶条件，改进电动汽车（EV）电池里程估计。

通知驾驶员路况的变化

从附近车辆收集选定数据，并使用该数据通知驾驶员道路状况的变化，如车道封闭或施工。

AWS IoT FleetWise 特征

基于规则的数据收集

AWS IoT FleetWise应用您定义的规则，仅向云传输高价值数据信号。首先，选择要传输的数据，例如安全设备数据、摄像头数据或任何其他传感器生成的数据。然后，根据天气、位置或车辆类型等参数定义何时传输数据的规则和事件。这减少了传输到云的不必要数据量，从而降低了成本，并提供了对更有用数据的访问。

车辆建模

使用AWS IoT FleetWise构建云中车辆的虚拟表示，并应用通用数据格式来构造和标记车辆属性、传感器和信号。AWS IoT FleetWise使用车辆信号规范（VSS）对车辆建模进行了快速标准化，因此“燃油压力”等信号始终表示为燃油压力，并以磅力／平方英寸（PSI）和千帕（kPa）为单位进行测量。车辆建模后，上传标准CAN数据库（DBC）或AUTOSAR XML（ARXML）文件，以便AWS IoT FleetWise能够读取通过车辆控制器局域网总线（CAN总线）发送的唯一和专有数据信号。

边缘代理／ Edge Agent

AWS IoT FleetWise Edge Agent促进车辆与云之间的通信。当车辆开启时，它会持续从AWS IoT FleetWise接收数据收集方案，并相应地收集用于云传输的数据。将边缘代理安装到受支持的车辆硬件－－当前为NXP S32G车辆网络处理器，并计划提供其他受支持的硬件。使用Edge Agent，可以控制从创建到安装过程的每一步，并维护完整的数据所有权和专有信息的控制权。

远程配置部署

使用AWS IoT FleetWise，可以将基于云的数据收集方案部署到车辆上，确保车辆能够接收到这些方案，并在未接收到这些方案时采取行动。例如，如果车辆在地下停车场结构中暂时失去连接，AWS IoT FleetWise可以定期重新发送消息，直到车辆响应。

全球信号目录

从所有车型的集中存储库中选择并标准化独特的车辆传感器和信号。

数据引擎

AWS IoT FleetWise通过元数据和车辆属性丰富收集的车辆数据。例如，如果您在紧急制动事件期间收集安全带数据信号，AWS IoT FleetWise可以通过添加车型和车门计数来丰富数据，从而更容易在云中分析事件数据。

笔者评论

自动驾驶对基础设施的核心需求就是海量数据的采集和处理。人工智能是自动驾驶企业的核心竞争力，而模型的算法则是依赖 AWS 云端进行持续迭代。

传统卡车 OEM 厂商对云平台的利用目前局限于 IoT、大数据，主要面向后市场，在产品开发阶段利用有限。

图森、智加、Aurora、Embark、Torc 等主要自动驾驶卡车技术公司均与 AWS 合作，没有检索到 kodiak 公司的 AWS 相关信息。

海量数据和 AI 与机器学习成为区分传统车辆开发与 AV 开发的重要特征。

如果自动驾驶卡车企业能够实现货运运营网络服务的规划，数据量将再次爆炸性、持续性增长，这意味着所有自动驾驶开发和运营企业都必须采用云平台，自有云成本太高，而 AWS 在市场份额方面仍占有绝对优势。

类似 AWS IoT FleetWise 这样的新云计算服务将成为自动驾驶汽车行业利用机器学习释放数据威力和做出更明智决策的核心。

－ End －