秒杀王妃不准逃当自动驾驶成为一种面向用户的持续服务，更长尾的运营中的问题，又该如何应对和解决？

　　目前，行业内随着L2+、L3级自动驾驶技术开始量产落地，智能车从实验室走向普通道路、从单车智能到批量上路的命题更加明确。

　　数据量的指数级增加，对算力、存储、数据处理提出更高要求。而服务用户规模增大，也对自动驾驶系统的实时响应、快速迭代等提出新挑战。

　　行业外，用户侧对于自动驾驶的期待愈加热烈，智能车甚至被视为新型移动计算平台代表之一，用户对于自动驾驶的安全稳定性、人性化服务、驾驶体验上都被提出了更高要求。

　　智能车上路，自动驾驶功能、安全、体验、服务等问题，如何持续提供运营保障？

　　所以当今之势，车企与用户的关系，不再是售出即止。如何在一辆车全生命周期里，为用户持续地优化自动驾驶服务体验成为必须。

　　对于车企而言，当自动驾驶开始批量上路后，如何对用户的驾驶安全、体验负责，是首要关心的事。

　　在L2/L3级自动驾驶情况下，驾驶系统仍旧不是一个全接管的状态，用户会基于实际情况参与到驾驶操作中，因此系统要能够灵活智能提供可靠的智能驾驶能力。

　　一方面，车辆上路后，不可避免地遇到一系列未知或突发情况，这需要自动驾驶系统能够基于实际信息做出准确判断。

　　另一方面，L2/L3级自动驾驶的能力覆盖都是渐进式的，在上路以后，车企仍要根据车辆行驶过程中的其实际表现和遇到的问题，快速做出优化与调整。

　　也就是说，对于车企而言，自动驾驶车辆量产并不意味着服务告一段落，反而到了更需要关注的阶段。

　　再来看用户这边，同样对自动驾驶的安全、体验等提出要求，并且是一个期待逐渐追加的过程。

　　体验上，如导航、定位、娱乐应用等，希望其功能可以越来越精细化。以及在最基础的地图服务上，随着街道路况改变、个性化的驾驶习惯产生，及时更新车上地图，也是用户最基本的诉求。

　　对车企的要求也不再单纯只是车辆是否质检通过，而变成了一种长周期的运营维护考验。由此也提出了一系列问题：

　　第一、当批量自动驾驶车辆跑在路上时，面对海量数据，车企该如何高效处理、迭代算法？

　　第二、对于自动驾驶所必需的地图服务，车企如何根据高精定位能力和及时更新的路况信息，为用户提供更高效、个性化的决策规划？

　　第三、对于用户不断产生的体验诉求，车企如何及时响应并快速迭代、部署功能？

　　这就要求自动驾驶运营平台要有专职人员为用户自动驾驶体验负责，有安全、稳定、云化的运营工具，还能基于精准、丰富的地图服务，随时记录、评估、迭代和升级自动驾驶能力。

　　换言之，出于对驾驶安全及体验负责，车企要担当起自动驾驶服务运营方的角色，有专门的运营团队来持续优化自动驾驶的服务体验。

　　自动驾驶运营对海量数据存储、算力、数据安全保证都提出了极高要求。这不光对企业的技术实力提出挑战，除了人力成本之外，在基础设施建设上也将要耗费极高成本。

　　尤其在自动驾驶即将规模化量产的背景下，时间紧迫，完全自研自建根本无法快速完成。

　　其中最为关键的，就是自动驾驶所需信息及能力的及时更新和迭代。而谈到迭代，就离不开端上推理和云上训练这个大闭环。

　　加之自动驾驶行业的相关监管收紧，本身对数据安全性、传输效率上就提出更高要求，由此，上云是一条很容易被看到的技术路线。

　　从车端来看，无论是传统车企还是造车新势力，在电动化和智能化变革浪潮之下，都开始纷纷用“上云”应对这一趋势。代表玩家如宝马、福特领睿等。

　　从云端来看，云厂商们也纷纷针对车企的需求，推出专门的汽车云服务平台和自动驾驶云平台，汽车业务成为这些云厂商收入占比越来越重要的一环。

　　另一方面，运营阶段对迭代效率的要求更高，如车机互联、实时交互等需求也会相继涌现，这些问题都是单车智能所无法解决的。

　　但问题也随之而来,自动驾驶运营涉及自动驾驶全生命周期，覆盖多方面功能体验能力，该怎样上云？

　　提供车云一体化的地图能力，通过云端与地图能力的结合，为自动驾驶运营提供更实时、鲜活、广泛的地图数据。

　　在刚刚结束的2022腾讯数字生态大会上，腾讯重磅发布“车图云解决方案”。

　　官方表示，这是业界首创的“车云一体化”地图服务，建立在更安全的专有云平台之上，能开放地为自动驾驶提供所必需的地图更新服务和位置服务。

　　今年6月，腾讯发布“车云一体化”战略，推出了腾讯智能汽车专有云，并在上海开设了行业首个专为自动驾驶和智能汽车行业而设计的云专区。

　　此次腾讯车图云，可以视作是“车云一体化”的一种延续，在专有云之上，为车企提供云化地图的能力。

　　不仅承担着导航、定位的基础功能，也是对实时传感器的安全冗余，自动驾驶功能激活关闭的开关。

　　在云端，腾讯则通过车图云提供自动驾驶所必需的地图服务，帮助运营人员进行自动驾驶功能的评估和优化。

　　换言之，只要打通了地图在车端和云端能力，自动驾驶能力自然而然就能得到释放。

　　腾讯表示这一要是为车企提供所需的地图服务，帮助他们构建产品核心竞争力。

　　它将结合端上数据安全SDK，收集感知数据、车辆运动数据，并进行安全合规化的传输和存储。

　　然后结合历史数据进行多重建图、道路评估等后处理，形成更准确、更丰富的定制化地图包。

　　在腾讯智能汽车云的支持下，它能满足在量产阶段自动驾驶汽车大量激活的情况下，大规模并行的高效数据处理、数据生产和数据编译，进一步发挥好感数据的价值。

　　按照官方说法，这一服务将可以加速自动驾驶功能迭代，助力自动驾驶顺利走向运营阶段。

　　道路运营，主要是指扩展功能ODD，也就是在哪些路段、哪些道路上面可以开放自动驾驶服务。

　　首先运营人员通过分析自动驾驶功能在特定路段上的运行表现，与benchmark数据进行比对，进行自动驾驶功能释放。

　　其次针对复杂路况，也就是corner case——这已经成为自动驾驶体验优秀与否的核心评判指标之一。通过地图数据挖掘热点、特殊结构道路等，从而定向采集数据、定向路测、定向优化迭代，提升自动驾驶功能的用户价值。

　　第二，是自动驾驶的功能运营，简单来说就是让运营人员对自动驾驶能力进行评估，为车企提供参考。

　　运营人员将通过提供实时的动态交通信息、POI信息等，综合评定自动驾驶的功能表现。并进一步结合用户轨迹、热点路段、车辆数据等信息，评估自动驾驶功能对用户产生的价值，为迭代升级提供参考。

　　除此之外，腾讯表示，车图云方案还支持个性化路径规划，可以在基础导航服务之上，叠加车企提供的数据及规则，为用户提供更加优质的路径规划。

　　刘澍泉在采访中透露，根据客户需求，腾讯能按要求定制features，从导航能力、人机交互界面都能自己定制。有需要的话，客户自己的开发工具都能上云。

　　而在一系列新能力释放的背后，源头上还是基于腾讯在地图、云端的两方面能力。

　　地图方面，腾讯拥有传统地图采集甲级资质，其地图能力已延伸到2B和2C市场中去。

　　去年发布的腾讯智驾地图，基于业内首创的一体化地图数据采集体系，可实现标准地图、车道级地图、高精地图数据的“三图合一”，能够在人工驾驶、辅助驾驶、智能驾驶等多种模式下，提供导航服务。

　　在To B生态下，包括美团、京东、滴滴、货拉拉等，都是腾讯位置服务的合作伙伴。

　　美团外卖、小程序、微信位置分享等，其中的导航定位功能都来自于腾讯能力，有基础定位、有POI检索、有导航路线规划，甚至有导航引导。

　　首先，通过专属的云专区，它可以确保不同车企的数据之间的物理隔离，满足了汽车行业对数据安全的需求；又通过对云组件的重点优化，解决了车企的高度定制化需求。

　　在基础能力上，腾讯云的基础设施覆盖全球五大洲26个地区，运营70个可用区。其峰值带宽突破了200T，全球部署2800+加速节点，存储规模达到EB级别。

　　在能力验证上，腾讯海量自研业务已经实现全面上云。像QQ、微信等互联网大规模应用的数据处理，也都运行在腾讯云自己的服务器上。

　　安全方面，腾讯云具备等保三级的认证，即非银行机构的最高等级保护，同时具备甲级测绘资质。有3500+安全专家团队。1500+云安全专利作为支持。

　　总而言之，腾讯车图云解决方案，就是基于腾讯云这个大的底座，在车云一体战略的基础上，率先将地图能力结合进来。

　　地图又直接涉及到自动驾驶所需的导航、定位、位置等服务，是自动驾驶能力释放的开关。

　　一旦这个能力打通，便意味着自动驾驶过程中所需的最基础运营服务，都能得到解决。

　　由此也就不难理解，为什么提供自动驾驶运营能力，腾讯会从云化地图的角度作为切入。

　　而透过腾讯的最新动作，其在自动驾驶产业中的角色定位也更加清晰明确，即为产业提供数字化建设能力。

　　腾讯出行副总裁、腾讯智慧出行负责人钟学丹在采访中反复提及，腾讯的角色是数字化助手，以此满足车企需求、补足车企能力。

　　第一是提供云和图为核心的数字基建能力，第二是用户服务能力，第三是生态连接的能力。

　　在这个过程中，云计算更多解决的还是车企研发效率、软件远程迭代需求的问题。

　　在这个过程中，云服务会协助自动驾驶系统和智能座舱，真正能做到与环境进行实时交互，用户以及车辆上云也会达到一个新的覆盖率。

　　到这一阶段，包括RoboTaxi、智能小巴以及智能货运都会真正实现云上运行，出现大规模智能驾驶商业化落地。

　　这时候智能座舱实际上已经能提供更多动态服务，例如车载实时高精动态地图的服务能力等，可能会与第二阶段的运营上云同步出现。

　　目前，虽然商业化落地已经开始出现，但离真正意义上的大规模量产上路，还有一段距离。

　　背后原因，不光是智能化技术还没迎来质变节点，还有来自产业链协同方面的限制。

　　刘澍泉坦言，对于自动驾驶而言，上云不是目的，上云只是一种手段。在技术成熟度已经满足行业需求的今天，怎么将技术用好，才是关键。

　　对于当下而言，提高生产效率，其实还要看审图、质检等流程怎么做到更优匹配。

　　刘澍泉举例说，比如对于高精地图的生产更新，可以做到很快采集，但是如果审核等流程跟不上，图就会积压，也就白生产了。

　　比如自动驾驶所涉及到的各种敏感数据，安全脱敏是需要产业链上的各个角色合力实现。以及产业链能尽快形成通用标准，方便大家相互沟通和实际操作。

　　再来看更为实际应用的层面，随着车企大批量上云，性价比将成为大家越来越重视的因素，行业还要思考如何进一步优化云计算成本、帮车企增效降本。

　　显然，在汽车云这一领域，探索、新挑战在不断涌现。另一边，当然也有新机遇出现。

　　刘澍泉表示，随着汽车云、自动驾驶云的发展，其实座舱和自动驾驶的模糊地带已经产生。

　　当舱驾一体成为大势，对于渲染、语音、泛人工智能的能力又会提出新要求，对厂商们的技术储备、布局也是一种考验。

　　现在，面对自动驾驶落地后的运营服务，鹅厂率先出牌，给出了一个车企可以迅速take and go的方案。