从边缘计算到车云计算，赋能面向未来的智能出行

全球智能手机的快速发展，推动了移动终端和“边缘计算”的发展。而万物互联、万物感知的智能社会，则是跟物联网发展相伴而生，边缘计算系统也因此应声而出。

在亿万边缘终端连接，海量高频机器信号繁多，数据复杂的现实场景需求环境下，以云计算为中心的汇总型传统计算架构面临着许多问题。比如：

现实环境中网络状态带来的用户体验不稳定；

全数据上传带来的带宽和数据存储计算高成本；

为平衡成本仅低频采样上传数据，引发模型精度低和分析难的低效率；

用户与设备/物的交互中得不到所期待的智能体验。

在万物互联时代，为了处理和应对这些传统云架构在某些场景下所处的困境，在端侧更加有效率地提供个性化、低时延的用户体验，针对性地采集、处理和传输数据，边缘计算开始被广泛应用。

图片来源：视觉中国

边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。

边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。

1、边缘计算的优势

关于边缘计算的优势，各研究机构的表述虽略有不同，但本质上都是在肯定边缘计算的稳定性、低成本、高效率、智能化的优势。

强稳定：在边缘端就近计算，从而稳定快速响应客户，在无网络/不稳定连接的地点或时刻仍然可以给客户提供不中断无延误的良好体验。避免用户对智能体验常常随时随地不可用或响应过慢的差评。

低成本：在边缘端将大量高频的机器信号数据及时处理并决策，可避免因海量数据涌向云端所带来流量、存储、计算资源等天量成本的问题。

高效率：归功于数据分析的多数任务在数据完整精度高的原始边缘数据源附近完成，可以达到最好的模型计算准确性、更精准的分析及反馈避免多次无效的误判或错判、更好地增效。

智能化：边缘计算可以让用户无论在任何时间、任何地点都可以自由地部署、存储、计算和控制，因为涉及到大量自我适应、表达、修复等机制，就要求边缘节点的设备更加智能，在用户百毫秒级的微细反应间隔内不依赖云端就能做出低时延的算法响应。

2、边云计算放大边缘计算与云计算价值

在传统云计算架构里，大数据应用中常常面临的一个痛点就是数据维度不全，频率低。而且，往往是马上要用的时候才发现数据维度不全、数据质量低。业务部门关注问题的发生过程，但因数据采样缺失，而不知所措。导致再好的人才和算法也英雄无用武之地。

边缘计算作为和传统云计算融合的新物联架构组件，既能为云架构大数据的算法迭代提供精准有效、低成本的数据来源，也能为云架构大数据的物联应用提供强稳定、低时延、智能的用户体验触点。边缘计算和云计算的结合让整个智能系统不但头脑清楚，而且耳聪目明，手脚灵便。

比较两者，云计算聚焦非实时、长周期数据的大数据分析，能够为业务决策支撑提供依据；边缘计算则聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行。

由此可见，边缘计算与云计算相比，边缘计算并不是为了取代云计算，而是对云计算的延伸和补充，为移动计算、物联网等提供更好的计算平台。

3、车云计算在智能汽车领域应用

当前，各个产业开始认识到边云计算的重要性，并开展了积极有益的探索。其中，在智慧交通、智能汽车领域，车云计算正在发挥越来越重要的作用。

边缘计算凭借实时分析车端高精原始信号的能力，在智能汽车领域扮演越来越重要的角色。通过云计算+边缘计算来构建车云融合的数据闭环，利用整车、环境、用户等多维度的高精数据来打造千人千面的智能移动空间，已经成为智能汽车新的趋势。

边缘计算是在车辆数据源头的 E/E 总线边缘侧，融合车载以太网、MPU 计算、FLASH 存储、模型驱动应用等核心能力的车载智能计算架构，在车内就近提供计算服务。可满足车辆智能化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等万面的关键需求。

边缘计算作为物理世界到数字世界的桥梁，是数据的第一入口，拥有大量、实时、 完整的数据，可基于数据全生命周期进行管理与价值创造，能更好地支撑智能化用户体验、 预测性诊断等创新应用。

与此同时，作为数据第一入口，边缘计算也能更好地化解数据实时性、 确定性、多样性等挑战。

边缘计算与云计算各有所长，正如前文所述云计算擅长全局性、非实时、长周期的大数据处理与分析， 能够在业务决策支撑、智能模型训练、长周期趋势识别等领域发挥优势。

边缘计算更适用于那些需要高频实时大数据的特征场景感知、智能模型预测、用户交互等领域的处理与分析，能更好地支撑车内业务的实时智能化决策与执行。

因此，车云计算将同时放大边缘计算与云计算的应用价值。边缘计算既靠近执行单元，更是云端所需高价值特征场景数据的采集和初步处理单元，可以更好地支撑云端应用。

反之，云计算通过大数据分析优化输出的业务规则或模型可以下发到车载边缘侧，边缘计算基于优化更新的业务规则或模型敏捷运行。采用云上智能模型训练、边缘模型感知、预测执行的模式，既满足了实时性的要求，同时大幅降低无效数据上云，高效实现车辆的智能化。

车企们正在对数字化转型趋之若鹜，想要快速实现数据驱动的业务模式。基于SOA架构的车云计算，是最佳的解决方案，能够助力车企设计打造覆盖模型开发-->模型验证-->模型部署-->边缘计算-->数据采集的数据全闭环。

运用车云计算打造数据闭环有四大优势：

一、建模即应用

通过车载边缘计算服务，云端建立的算法模型可直接在域控制器内运行，无跨平台代码重写的时间与沟通成本。

二、实时更新算法

通过与OTA方案的集成，云端建立的算法模型可实时部署到车内，为车提供手机APP级别的智能生态支持能力。

三、无间断加载运行

与传统车载软件方案不同，边缘计算加载新算法时无需卸载加载软件，大幅降低更新风险，提高智能迭代频率。

四、车云结果一致

边云架构保障车载与云端的算法实现同数据同结果，使得边云之间的算法组合未来可随算力的变化或车的配置而灵活更改。

形成数据闭环的车云计算解决方案，结合大数据分析与车载边缘计算环境打通云端到车端的算法应用价值闭环，实现包括智能空调、云端电池提升等车主体验。同时，助力车型在各智能化应用场景中的应用，并依托智能科技实现车辆市场价值差异化。

EXD跨车云架构打造高精数据闭环

云端通过积累拥有大量、实时、完整的数据后，可基于数据全生命周期进行管理与算法资产价值创造。边缘计算在车辆数据源头的E/E总线边缘侧融合车载软件定义，以太网、MPU计算、与人工智能形成模型驱动应用核心能力的一体化车载智能计算架构。

云计算与边缘计算融合的车云计算，既满足了智能体验对于功能需要要求低延时、高效率、可离线、千人千面个性化场景感知的技术要求，又能保障用户隐私，同时大幅降低高频率的无效数据上云，降低大量无效的流量与云平台计算存储成本。

结语

当前，设计软、硬件解耦的EE架构，搭建软件微服务框架，是满足软件持续迭代，千人千面的个性化需求的基础。一些头部OEM正在与智能汽车产业的基础软件供应商深度合作，逐步达成基于车云计算的多个创新功能的量产落地，与此同时，各家厂商也在不断迭代解决方案，合力打造开发者平台，共同推动全球智能汽车生态高速健康发展。

-- End --

关于智协慧同ExceedData（简写EXD）

智协慧同是一家由“软件+数据+汽车”跨界团队创立的汽车软件公司。

凭借曾在IBM、Teradata等世界领先IT公司十余年的研发和市场经验，是国内为数不多、熟悉SOA理念与开发实践、具备跨车云软件架构开发能力的团队。

公司产品推出不久，就快速获得包括一汽集团、一汽解放、上汽乘用车、上汽零束、上汽大通、华人运通等一线车企的高度认可，部分车云计算项目已经进入到量产环节，细分赛道处于国内领先地位。

免责声明：本文来自腾讯新闻客户端自媒体，不代表腾讯网的观点和立场。