目前車輛產生大量的數據，各種數據來自不同的傳感器，不同的域，自動駕駛域控制器已經基本實現了100 t以上計算能力的資源分配，催生了車輛數據庫的需求。

智匯通是一家專注于汽車數據鏈創造和價值挖掘的公司。擁有以汽車數據庫為核心的汽車云全棧產品，通過車云的同構框架實現結構化和非結構化數據的融合采集。智匯通的產品可以輕量級部署到車載端的各種域控制器，實現跨域的數據采集和存儲，高效促進產品的優化和迭代。

強大的計算能力推動了跨領域數據庫的需求。

隨著人們對各種駕駛行為信號數據的需求越來越大，各種傳感器上產生了大量的感知數據，對車輛端數據值點挖掘的需求也越來越大。在此背景下，智協匯通認為，存儲與計算分離的車端數據庫是邊緣計算的基石。

目前汽車產生的大量數據來自不同的傳感器和不同的域，自動駕駛域控制器已經基本配置了計算能力超過100 t的資源，高計算資源和強大的CPU是在車端實現更多計算和分析能力的前提，同時也催生了車端數據庫的需求。

汽車數據庫具有降低數據存儲和傳輸成本、保證數據高質量和高容錯性等諸多優點。但是，目前市場上還沒有成熟的車輛數據庫解決方案。雖然有類似的產品，但并沒有真正落實到量產車上。

目前自動駕駛已經進入量產階段，各大主機廠都推出了自己的數據閉環解決方案。從過去單一用途的純視覺方案，到如今的多攝像頭多傳感器一體化自動駕駛解決方案，部署在自動駕駛域控制器上的數據閉環解決方案，可以幫助主機廠在車輛端收集所有與自動駕駛相關的數據。

相比燃油車，電動汽車帶來的是更高維度、更全面的駕駛體驗。正因為如此，自動駕駛數據涉及多個場景和維度，市場需要的數據庫產品必須覆蓋所有場景和維度，才能實現跨領域的靈活數據采集。

車輛數據采集面臨困難。

目前自動駕駛的數據收集還面臨很多困難。

首先，在量產前獲取測試車數據的過程中，傳統的數據記錄儀數據采集效率低，儀器成本很高。采集的數據大部分是整車數據。無論是流量還是云端的存儲成本，以及數據的清洗和處理、關鍵數據的提取、建模和分析，整個過程的效率和成本都讓RD團隊頭疼不已。

在量產車上，大規模結構化數據的獲取涉及到如何靈活采集車端的高精度高質量數據，降低上傳存儲成本，這也是目前各大主機廠數據相關部門面臨的一大痛點。

自動駕駛第二大數據采集難點是非結構化數據采集。自動駕駛NOA和NOP方案的落地，需要不斷優化彎道情況。對于自動駕駛來說，如果系統沒有感知到遇到彎道情況，會帶來嚴重的安全隱患。然而，解耦一個角落情況涉及許多問題，例如數據采集復雜性、多過程、成本等。，而且經常需要按月開發。在數據層面，需要近萬個訓練樣本和標注數據集。這些拐角情況數據的獲取和采集，有非常高的時間成本和難度。

智匯通看準了車端數據采集的關鍵痛點，打造了低代碼開發工具-直接算法下發-車端秒級操作-靈活數據采集/上傳/存儲的閉環方案，幫助主機廠進行大維度、高精度、低成本、高質量的數據采集。

針對時間成本和采集難度大的痛點，智協匯通提出了基于車輛的柔性觸發機制，可以根據拐角案例的具體場景靈活定義，管理數據從采集到應用的全過程，從而加速神經網絡的迭代。

智匯通的自動駕駛數據閉環解決方案將聯合采集公交結構化數據、圖像等所有非結構化數據，可以幫助主機廠快速提取場景關鍵數據，重現場景，找到神經網絡算法中需要的關鍵迭代點和有價值的數據。

支持數據采集和存儲的車云鏈路

智匯通自動駕駛數據閉環解決方案，可以看作是一個輕量級的車云環節。得益于該解決方案的諸多優勢，主機廠可以實現更好的關鍵數據抓取、數據預處理、數據標注、AI模型創建、模型訓練、仿真測試等。

首先，這種數據閉環方案最大的優勢在于，可以在不增加硬件的情況下，實現量產車結構化和非結構化數據采集存儲一體化。面對數十萬輛智能汽車量產產生的海量多類型數據，智協匯通的解決方案可以對接攝像頭、激光雷達、毫米波雷達以及各類傳感器，處理圖像、視頻、雷達點云數據、車輛總線數據等不同類型的數據。這些數據可以在車輛端按照時間、場景等維度進行系統化管理，并根據自定義的智能數據算法進行靈活篩選上傳。量產車智能行駛數據采集、鏈路傳輸、數據計算等成本大大降低，數據質量和準確性也能得到保證。

其次，該方案可以靈活定義算法和角點用例。工廠可以通過反復不斷的快速更新迭代，靈活應對邊角案例的數據需求，其計算引擎可以實現毫秒級數萬個信號的實時數據采集。云開發工具生成的算法可以根據不同的車輛、場景、地域快速分發。

再次，智協匯通整體解決方案非常輕量級。該產品只占用自動駕駛域控制器CPU約500兆的計算能力，以及數百兆的內存，可以適應不同計算能力的CPU。

第四個優點是觸發圖像采集。包裝車輛中的操作員庫可用于預先定位各種觸發機制。當滿足觸發機制條件時，通過該方案可以靈活采集整車中各種部件、領域、不同維度、不同數據類型的信號。

暗影模式的觸發機制是另一大優勢。數據采集除了由算法觸發外，還可以由陰影模式觸發。換句話說，當有人駕駛時，汽車會繼續進行實時計算和模擬決策，計算結果可以實時上傳到云端?；贏B模式下的結果計算分析，支持主機廠陰影模式靈活采集觸發場景數據。

另一個優點是數據是分段上傳的。在自動駕駛中，圖像數據和視頻數據量巨大，車輛在不同場景和路段的網絡情況往往不穩定，很難實時上傳數據。此時可以通過預設的分段上傳機制，在車載端緩存并傳輸相應的數據。這種機制極大地保證了關鍵數據從采集到上傳到云端的安全性。

軟硬協同助力域控發展

電動汽車普及率提高，隨之而來的是應用場景的增加和需求的多樣化。隨著自動駕駛技術的快速發展，安全問題一直是技術發展的制約因素，而角落案例的存在是一大安全隱患。

針對目前的彎道情況，智協匯通實現了雨雪、切入/切出、急加速、急轉彎、隧道入口等各種極端場景下的觸發機制。在與客戶聯合開發和量產的實踐中，智協匯通還鎖定了更多后續觸發機制，涵蓋了高速急剎車、罕見急轉彎、剎車燈亮但車輛正加速等更多特殊場景。

按照智協匯通的規劃，將會有上百種靈活的觸發機制，收集整車各種場景、時間段、路段下主機廠所需的轉角案例數據。智匯通將繼續在高效率的模型搭建、快速的車輛調配、低成本的驗證、靈活的實施等方面發力，高效推動拐角案例的優化迭代。

據悉，目前，智協匯通是第一家通過車輛數據庫和邊緣計算，真正實現自動駕駛數據閉環解決方案的企業。在自動駕駛數據閉環方案的量產實踐中，智協匯通也積累了大量經驗，幫助用戶在數據閉環過程中調整和提高效率。

簡而言之，其經驗可以總結為:輕量級的數據采集方案降低了自動駕駛域控制器的負載；通過基于場景的柔性數據采集和智能觸發機制，加速自動駕駛感知算法的迭代過程；最后可以根據批量分配算法功能靈活檢查問題車輛。

作為未來汽車運營決策的中心，域控制器功能的實現不僅依賴于芯片，還需要軟件操作系統、中間件、算法等多層次軟硬件的協同升級。智匯通認為，數據庫作為一種效率工具，可以應用于自動駕駛和車輛的各種域控制器，為主機廠提高數據采集、問題解耦和處理的效率，為用戶帶來更多的體驗和更好的安全性。

智協匯通的解決方案在克服了諸多技術挑戰后，已經能夠從容面對行業內各大主機廠的更多需求和場景。當然，技術上的變化還得接受市場的檢驗。EXD自動駕駛數據閉環方案的實際性能需要在搭載該技術的車型投放市場后才能確認。