汽车设计、制造、运营、供应链可视化、软件定义汽车、智能座舱、网联汽车和交通服务。
现在这一切都可以在云上发生。
车企正在面临各种挑战,尤其是规模和数据,而且越来越多的车企开始关注车与车之间的通信。亚马逊云科技汽车云服务拥有很多助力汽车行业客户数字化转型的服务,可以更好地为客户提供数字化服务,以及优化用户体验。
亚马逊云科技汽车业务全球技术负责人Dean Phillips表示,亚马逊云科技提供三种方式解决汽车行业客户所面临的挑战。第一,使用亚马逊云科技的服务和解决方案进行构建;第二,亚马逊云科技与合作伙伴一起提供服务;第三,为合作伙伴交付解决方案。
亚马逊云科技汽车业务全球技术负责人Dean Phillips
目前亚马逊云科技汽车云服务拥有185家合作伙伴,并在七大领域提供17个解决方案,七大领域包括:软件定义汽车、网联汽车、数字化客户互动、制造、自动化汽车开发、汽车生产,以及供应链。
软件定义汽车主要是针对硬件进行软件开发,其架构是面向服务的架构(SOA)。Dean Phillips说道,越来越多的汽车开始使用电子控制单元,这既增加了汽车构造的复杂性,又增加了成本,亚马逊云科技可以提供整合的计算环境,针对不同的功能有明确的定义。
例如,电动汽车制造商 Rivian已选定亚马逊云科技作为其首选云供应商。Rivian创建了软件定义汽车的架构,其技术底层支持诸多先进功能,例如:进行深度的OTA软件更新,以持续改进车辆,以及汇集丰富的实时车辆数据。
亚马逊云科技为Rivian的软件定义汽车(SDV)架构和OTA软件更新提供支持,帮助远程交付全新和更优化的功能。软件定义汽车的架构将整个车辆视为一个连接到云的单一、完全集成的系统,从而实现远程诊断、预测性维护、以及对新的软件支持功能进行快速测试和部署,最终提升客户体验。
根据Rivian 软件开发副总裁Wassym Bensaid介绍,通过利用亚马逊云科技强大技术,并构建一个中央数据湖,让Rivian的运营、产品和服务实现互联,他们就可以实现主动诊断,并且让车辆更加智能,然后利用所获洞察,产生协同效应和扩展效率。
网联汽车是软件定义汽车的关联领域,可以看到车企提供了像自动驾驶、订阅等服务。自动驾驶领域,亚马逊云科技基于Amazon Graviton2的EC2实例可以在云上模拟汽车内的计算环境,以虚拟的方式进行开发、测试,再部署到实际车内环境。
特别是,自动驾驶是一项极其复杂的技术挑战,很大程度上依赖云计算来实现感知、嵌入式计算、机器学习、动线规划、决策和高级传感器技术的突破。在本次2021 re:Invent大会上,亚马逊云科技还宣布无人驾驶汽车科技领导者Aurora选择亚马逊云科技作为其机器学习训练和云上模拟工作负载的首选云提供商。Aurora 使用亚马逊云科技成熟的基础设施和无与伦比的功能组合来安全地加速其可扩展的自动驾驶汽车技术Aurora Driver的开发。目前,Aurora正在云上扩展训练工作负载,以其在真实道路测试中收集的PB级数据为基础,每天完成多达1200万次驾驶模拟训练。
数字化客户互动领域,亚马逊云科技能够帮助客户更好地发现数据,并且基于这些数据开发出更多功能;制造领域可以帮助客户进行数据访问和实时决策,并开发出可以横向扩展的解决方案。
今年芯片短缺是困扰汽车行业的一个重大挑战。Dean Phillip认为,软件定义汽车的关键就是减少汽车所使用的电子控制单元(ECU),进行硬件的整合降低对供应链的依赖度,现在很多车企都在考虑使用高性能计算(HPC)替代原来诸多的ECU。
一个例子是大陆集团(Continental)和亚马逊云科技一起开发的大陆汽车边缘云(CAEdge),其是一个模块化的、连接车辆和云端的硬件及软件平台,提供一个软件密集型汽车架构的开发环境,让他们可以用这个环境,实施软件、传感器和大数据解决方案,而所需的开发时间只有以前的一小部分。
在2021 re:Invent大会上,亚马逊云科技还推出了为汽车制造商提供的托管服务Amazon IoT FleetWise,汽车制造商可以轻松地收集和管理汽车中任何格式的数据(无论品牌、车型或配置),并将数据格式标准化,方便在云上轻松进行数据分析。
汽车制造商一直在收集标准汽车传感器的数据来获得洞察,提高车辆质量、安全性和自主性。Amazon IoT FleetWise让汽车制造商无需开发自定义数据收集系统,就可以收集和管理汽车任何格式的数据,并对数据进行结构化和标准化。
具体的使用流程是,汽车制造商首先在Amazon Management Console中定义和建模汽车属性以及与品牌、车型和配置相关的传感器(例如发动机温度、正面碰撞预警、停车辅助系统等),用于整个车队中的单个车型或多种车型。在汽车建模之后,汽车制造商在车辆网关(一个监控和收集数据的车载通信中心)上安装Amazon IoT FleetWise应用程序,以便读取、解码以及向亚马逊云科技双向传输信息,通过设置条件规则来过滤数据。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。