2021年12月初，亞馬遜云平臺AWS推出了兩項針對汽車行業(yè)的新服務--AWS for Automotive 和 AWS IoT Fleetwise新服務。
AWS IoT FleetWise能夠幫助汽車制造商更輕松地收集和檢索車隊的傳感器數(shù)據。AWS for Automotive是一項更廣泛的、特定于行業(yè)的計劃，旨在將一系列產品匯聚到一處，類似于 AWS 的其它行業(yè)解決方案（例如 AWS for Industrial）。其旨在為汽車制造商、初創(chuàng)企業(yè)、車隊管理、以及物流公司提供移動互聯(lián)和自動駕駛領域的專用開發(fā)工具，以增強數(shù)字客戶參與、產品工程設計、以及供應鏈制造等全環(huán)節(jié)。
AWS云計算與汽車行業(yè)
Amazon Web Services （AWS） 云計算是全球最全面、應用最廣泛的云平臺，從全球數(shù)據中心提供超過 200 項功能齊全的服務。包括從計算、存儲和數(shù)據庫等基礎設施技術，到機器學習、人工智能、數(shù)據湖和分析以及物聯(lián)網等的新興技術。
AWS 擁有廣泛的全球云基礎設施?，F(xiàn)已在全球 25 個地理區(qū)域內運營著 80 個可用區(qū)，并宣布計劃在澳大利亞、印度、印度尼西亞、西班牙和瑞士新增 5 個 AWS 區(qū)域、15 個可用區(qū)。
主機廠和Tier1的主要選擇包括亞馬遜AWS、微軟云、阿里云、騰訊云、華為云和百度云等，AWS占有一定優(yōu)勢。
AWS 汽車云服務提供了非常廣泛且深入的功能組合，包括 AI/ML、IoT、HPC 和數(shù)據分析，同時具備超高性能和安全性、超大規(guī)?？蛻艉秃献骰锇樯鐓^(qū)以及持續(xù)的推陳出新。
國內外眾多汽車公司采用了AWS，此外一些自動駕駛技術公司也已與AWS合作。
2021 年 4 月大陸集團與亞馬遜科技（AWS）達成長期合作關系。將共同研發(fā)模塊化硬件和軟件平臺 Continental Automotive Edge（CAEdge），能夠將車輛連接至云端，形成一個虛擬工作臺，并提供多種開發(fā)以及維護軟件密集型系統(tǒng)功能。
特斯拉使用光環(huán)新網公司運營的亞馬遜云科技北京區(qū)域業(yè)務。
Momenta 主要使用了由光環(huán)新網運營的 AWS 中國（北京）區(qū)域，通過使用 AWS 在創(chuàng)新加速、提升開發(fā)效率、節(jié)省運維成本、提供多樣化支持、國外快速部署等方面獲得價值。
文遠知行也采用了 AWS。利用 AWS 的機器學習系統(tǒng)，之前通常要花費 1-2 周才能完成的模型訓練在文遠知行的新系統(tǒng)上只需 12 個小時就能實現(xiàn)。
自動駕駛卡車公司與AWS
在自動駕駛卡車領域，多數(shù)技術公司也與AWS合作，如下所述。
斯堪尼亞-將其物聯(lián)網解決方案從內部移動到 AWS，將收集的數(shù)據轉化為有價值的信息和見解。此外斯堪尼亞在 2021 年 6 月開始與亞馬遜網絡服務（AWS）合作，為期一年的項目。該項目旨在減少 IT 碳足跡，構建可持續(xù)性 IT 解決方案。
圖森未來-已利用 AWS 完成了數(shù)十億英里的仿真并開發(fā)自己的自動駕駛平臺。
智加科技-2021 年 10 月選擇 AWS 作為云提供商。2021 年 2 月，智加科技完成了新一輪兩億美金融資，并宣布與亞馬遜 AWS 等多家企業(yè)建立戰(zhàn)略合作伙伴關系。2021.8 月，亞馬遜獲得了購買智加 20%股權的期權。
Embark-在 2020 年因新冠疫情而暫?？ㄜ囘\行期間，無法利用道路測試作為收集更多數(shù)據和衡量性能的手段。Embark 的反應是利用亞馬遜 S3 上數(shù) PB 的歷史數(shù)據開發(fā)系統(tǒng)，從多年的歷史數(shù)據中提取數(shù)據，通過數(shù)千小時的駕駛數(shù)據尋找感興趣的場景，并利用這些數(shù)據構建更強大的模擬，以測試他們的系統(tǒng)。Embark 的所有數(shù)據都使用 S3 智能分層存儲類存儲。
Torc Robotics（戴姆勒卡車旗下自動駕駛卡車公司）-于 2021 年 2 月引入亞馬遜網絡服務來處理其自動駕駛卡車所收集的數(shù)據，將利用 AWS 加速處理大量的數(shù)據傳輸、數(shù)據存儲，以及提升計算能力。Torc 表示，其研發(fā)團隊將利用 AWS 完成低需求和高需求的任務，以及在遠程團隊之間共享數(shù)據。同時，Torc 還會利用 AWS 所管理的服務，如 Amazon Elastic Kubernetes 服務（Amazon EKS）大規(guī)模運行模擬軟件、Amazon 管理的 Apache Kafka 流媒體（Amazon MSK）、Amazon 管理的 Apache Airflow 工作流（MWAA），和 Amazon Simple Storage Service（Amazon S3）智能分層，以高效地管理測試數(shù)據并支持法規(guī)遵從性。
Aurora 公司-2021 年 12 月與亞馬遜云服務（AWS）簽約，將充分利用 AWS 的在線和離線功能，為其機器學習和基于模擬的自動駕駛汽車技術開發(fā)提供支撐。在云端開發(fā)環(huán)境下，Aurora 將利用 AWS 來處理和存儲于真實道路測試中收集的 PB 級別傳感器數(shù)據。而在離線的時候，該公司還將利用 AWS 開展 Aurora Drive 軟件堆棧的測試、高清映射和機器學習等任務。Aurora 計劃到 2021 年底通過 AWS 提供支持的自研工具 Virtual Testing Suite，每天完成多達 1200 萬次的駕駛模擬。
AWS for Automotive
2021年12月初，亞馬遜云平臺AWS推出了AWS for Automotive 和 AWS IoT Fleetwise新服務。AWS for Automotive是一項為汽車客戶提供專用工具的計劃，用于互聯(lián)出行、自動駕駛開發(fā)、數(shù)字客戶參與、產品設計和工程、制造和供應鏈。
AWS for automotive解決方案領域
軟件定義車輛
AWS軟件定義的車輛解決方案領域有助于行業(yè)更快、更經濟高效地實現(xiàn)自動駕駛車輛（AV）開發(fā)和互聯(lián)出行改進，如高級駕駛輔助系統(tǒng)（ADAS）、從車輛到云的端到端安全、軟件的無縫開發(fā)和部署，以及不斷更新車輛軟件的能力。該軟件定義的車輛解決方案領域提供了構建下一代以軟件為中心的平臺所需的技術，該平臺具有集中化的高性能計算平臺、在整個車輛生命周期、安全性、數(shù)據管理和機器學習中持續(xù)軟件交付（CI/CD）的能力。
互聯(lián)出行
AWS互聯(lián)出行功能允許客戶釋放數(shù)據的力量，以構建智能、個性化功能和創(chuàng)收出行服務。該解決方案領域最近推出了第二代互聯(lián)出行解決方案（CMS）。此解決方案是一個經過審查的參考體系結構，其中包含用于加速連接車輛和服務的開發(fā)和全球部署的構建塊。AWS CMS包括軟件模塊，用于安全管理車內邊緣計算、機器學習推理模型、云數(shù)據獲取、存儲、業(yè)務邏輯和API的生命周期，為云中的應用程序提供動力。
自動駕駛車輛
亞馬遜在自動駕駛系統(tǒng)、機器人和機器學習方面的20年經驗使自動駕駛開發(fā)客戶受益匪淺，這些客戶包括Argo、Aurora、Mobileye、寶馬、大陸、戴姆勒的Torc、Embark、現(xiàn)代、日產、法雷奧、Momenta、TuSimple、豐田的Woven Planet、Starship、TuSimple和WeRide。依靠AWS提供許多功能，包括高度可擴展的計算服務和先進的深度學習框架，這些框架允許自動駕駛車輛數(shù)據的收集、提取、存儲和分析，以支持全面的AV開發(fā)。
AV開發(fā)的核心是最近部署的自動駕駛數(shù)據湖（ADDL）解決方案，目前正由全球OEM實施。AWS ADDL解決方案是存儲、編目和搜索自動駕駛車輛數(shù)據的唯一真實來源。該解決方案圍繞一個靈活、可擴展的數(shù)據飛輪將所有工程團隊聯(lián)系在一起，該數(shù)據飛輪將開發(fā)的所有階段（從接收到注釋、模型開發(fā)、模擬、測試和驗證）協(xié)調起來。
AWS還為機器學習開發(fā)了專門的解決方案和第一方管理的服務，如Amazon SageMaker和Amazon SageMaker Ground Truth。Amazon SageMaker允許開發(fā)人員和數(shù)據科學家快速構建、培訓和大規(guī)模部署機器學習模型，簡化工作流程并允許更快的迭代。亞馬遜SageMaker Ground Truth提供2D和3D第一方標簽服務。
其他領域還包括數(shù)字用戶管理、制造、生產與工程、供應鏈等。
AWS IoT FleetWise
AWS IoT Fleetwise是AWS for Automotive的一部分，能夠使汽車制造商更容易、更方便地近實時收集、轉換車輛數(shù)據并將其傳輸?shù)皆贫瞬⑦M行分析。
無需開發(fā)定制數(shù)據收集系統(tǒng)即可訪問標準化車隊范圍內的車輛數(shù)據。
通過智能過濾將您需要的準確數(shù)據發(fā)送到云，降低成本并實現(xiàn)更高效的數(shù)據傳輸。
近實時的地面車輛健康數(shù)據，以更快地檢測和緩解問題，幫助防止?jié)撛谡倩兀⑦h程協(xié)助客戶。
傳感器可以提高汽車安全性，但也能產生指數(shù)級增長的數(shù)據量。例如，先進的車輛傳感器每輛車每小時可以生成高達2 TB的數(shù)據，這使得將此類數(shù)據傳輸?shù)皆贫说某杀玖钊送鴧s步。汽車制造商希望更經濟高效地收集、標準化這些數(shù)據，并將其傳輸?shù)皆贫耍员闼麄兡軌蚶眠@些數(shù)據產生有助于提高車輛質量、安全性和自動駕駛性的見解。
AWS IoT Fleetwise允許汽車制造商以其車輛中的任何格式收集和組織數(shù)據，利用該服務的智能過濾功能將其近實時傳輸?shù)皆贫?，該功能允許開發(fā)者通過選擇要傳輸?shù)臄?shù)據并根據天氣條件、位置或車輛類型等參數(shù)定義何時傳輸數(shù)據的規(guī)則來減少網絡流量，無論品牌、型號或選項如何。
汽車制造商從AWS管理控制臺開始，通過定義和建模車輛屬性（如雙門雙門轎跑車）以及與車輛品牌、型號和選項（如發(fā)動機溫度、前碰撞警告、駐車輔助系統(tǒng)等）相關的傳感器，以確定其整個車隊中的單個車型或多個車型。車輛建模后，汽車制造商將AWS物聯(lián)網FleetWise應用程序安裝在車輛網關（一個監(jiān)控和收集數(shù)據的車內通信樞紐）上，以便它能夠讀取、解碼和傳輸AWS之間的信息。借助AWS IoT FleetWise的智能過濾控制，汽車制造商可以選擇其用例所需的準確數(shù)據，并通過創(chuàng)建條件規(guī)則過濾他們想要收集的數(shù)據，限制傳輸?shù)皆频臄?shù)據量，從而幫助降低成本。
一旦數(shù)據進入云端，將數(shù)據格式結構化、標準化，以便在云端進行分析，客戶可以構建應用程序，使用分析和機器學習來提高車輛質量、安全性和自動駕駛性。汽車制造商就可以將其用于遠程診斷單個車輛問題的應用程序，分析車隊健康狀況以幫助防止?jié)撛谡倩鼗虬踩珕栴}，或通過分析和機器學習改進自動駕駛和高級駕駛員輔助系統(tǒng)等先進技術。這樣汽車制造商就不必開發(fā)定制數(shù)據收集系統(tǒng)。
Amazon IoT FleetWise先進的攝像頭傳感器數(shù)據收集功能預計將于2022年上半年推出。
AWS IoT FleetWise工作原理
AWS IoT FleetWise使汽車制造商能夠輕松且經濟高效地近實時地收集、轉換車輛數(shù)據并將其傳輸?shù)皆贫?，并使用其構建具有分析和機器學習功能的應用程序，從而提高車輛質量、安全性和自動駕駛性能。
AWS IoT FleetWise用例
訓練計算機視覺模型。使用從生產車輛車隊收集的攝像頭數(shù)據，培訓自動駕駛車輛（AVs）和高級駕駛員輔助系統(tǒng)（ADAS）。
幫助最大限度地減少保修索賠和召回
使用近實時數(shù)據主動檢測和緩解車隊范圍內的質量問題。
改進 EV 里程估計
利用來自附近車輛的眾包環(huán)境數(shù)據，如天氣和駕駛條件，改進電動汽車（EV）電池里程估計。
通知駕駛員路況的變化
從附近車輛收集選定數(shù)據，并使用該數(shù)據通知駕駛員道路狀況的變化，如車道封閉或施工。
AWS IoT FleetWise 特征
基于規(guī)則的數(shù)據收集
AWS IoT FleetWise應用您定義的規(guī)則，僅向云傳輸高價值數(shù)據信號。首先，選擇要傳輸?shù)臄?shù)據，例如安全設備數(shù)據、攝像頭數(shù)據或任何其他傳感器生成的數(shù)據。然后，根據天氣、位置或車輛類型等參數(shù)定義何時傳輸數(shù)據的規(guī)則和事件。這減少了傳輸?shù)皆频牟槐匾獢?shù)據量，從而降低了成本，并提供了對更有用數(shù)據的訪問。
車輛建模
使用AWS IoT FleetWise構建云中車輛的虛擬表示，并應用通用數(shù)據格式來構造和標記車輛屬性、傳感器和信號。AWS IoT FleetWise使用車輛信號規(guī)范（VSS）對車輛建模進行了快速標準化，因此“燃油壓力”等信號始終表示為燃油壓力，并以磅力/平方英寸（PSI）和千帕（kPa）為單位進行測量。車輛建模后，上傳標準CAN數(shù)據庫（DBC）或AUTOSAR XML（ARXML）文件，以便AWS IoT FleetWise能夠讀取通過車輛控制器局域網總線（CAN總線）發(fā)送的唯一和專有數(shù)據信號。
邊緣代理/ Edge Agent
AWS IoT FleetWise Edge Agent促進車輛與云之間的通信。當車輛開啟時，它會持續(xù)從AWS IoT FleetWise接收數(shù)據收集方案，并相應地收集用于云傳輸?shù)臄?shù)據。將邊緣代理安裝到受支持的車輛硬件--當前為NXP S32G車輛網絡處理器，并計劃提供其他受支持的硬件。使用Edge Agent，可以控制從創(chuàng)建到安裝過程的每一步，并維護完整的數(shù)據所有權和專有信息的控制權。
遠程配置部署
使用AWS IoT FleetWise，可以將基于云的數(shù)據收集方案部署到車輛上，確保車輛能夠接收到這些方案，并在未接收到這些方案時采取行動。例如，如果車輛在地下停車場結構中暫時失去連接，AWS IoT FleetWise可以定期重新發(fā)送消息，直到車輛響應。
全球信號目錄
從所有車型的集中存儲庫中選擇并標準化獨特的車輛傳感器和信號。
數(shù)據引擎
AWS IoT FleetWise通過元數(shù)據和車輛屬性豐富收集的車輛數(shù)據。例如，如果您在緊急制動事件期間收集安全帶數(shù)據信號，AWS IoT FleetWise可以通過添加車型和車門計數(shù)來豐富數(shù)據，從而更容易在云中分析事件數(shù)據。
筆者評論
自動駕駛對基礎設施的核心需求就是海量數(shù)據的采集和處理。人工智能是自動駕駛企業(yè)的核心競爭力，而模型的算法則是依賴 AWS 云端進行持續(xù)迭代。
傳統(tǒng)卡車 OEM 廠商對云平臺的利用目前局限于 IoT、大數(shù)據，主要面向后市場，在產品開發(fā)階段利用有限。
圖森、智加、Aurora、Embark、Torc 等主要自動駕駛卡車技術公司均與 AWS 合作，沒有檢索到 kodiak 公司的 AWS 相關信息。
海量數(shù)據和 AI 與機器學習成為區(qū)分傳統(tǒng)車輛開發(fā)與 AV 開發(fā)的重要特征。
如果自動駕駛卡車企業(yè)能夠實現(xiàn)貨運運營網絡服務的規(guī)劃，數(shù)據量將再次爆炸性、持續(xù)性增長，這意味著所有自動駕駛開發(fā)和運營企業(yè)都必須采用云平臺，自有云成本太高，而 AWS 在市場份額方面仍占有絕對優(yōu)勢。
類似 AWS IoT FleetWise 這樣的新云計算服務將成為自動駕駛汽車行業(yè)利用機器學習釋放數(shù)據威力和做出更明智決策的核心。
