2022年7月14日,亚马逊云科技于北京宣布将围绕自动驾驶、车联网和软件定义汽车,三大汽车行业数字化场景,全面赋能汽车行业的数字化转型。亚马逊云科技将通过覆盖全球的基础设施、车云一体化的云边端服务、专用行业解决方案和广泛的合作伙伴网络,组建汽车行业专业服务团队,赋能车企向软件定义汽车转型,加速汽车行业创新。
亚马逊云科技大中华区战略业务发展部总经理顾凡
“电动化、网联化、智能化、共享化正在重塑汽车产业价值链,车云一体化成为了汽车企业新的核心竞争力。亚马逊云科技以领先的技术、服务、全球实践,与广泛的汽车行业合作伙伴网络成员合作,赋能客户自动驾驶开发、车联网构建,并向软件定义汽车转型。”亚马逊云科技大中华区战略业务发展部总经理顾凡表示,“作为创新的引领者、技术的赋能者以及行业的实践者,亚马逊云科技将加速布局,赋能汽车行业客户进一步提升竞争力,在汽车‘新四化’的征程中建立自己的护城河。”
强大算力和机器学习服务 赋能自动驾驶加速落地
作为汽车行业数字化转型的技术巅峰,自动驾驶需要强大算力、机器学习和推理能力,并依托海量的数据进行算法训练和仿真验证。云计算的海量计算和存储资源,能够实现超大规模的数据处理、模型训练和仿真集群,从而加快自动驾驶产品落地。因而,在自动驾驶赛道的激烈竞争中,云服务提供商在这些方面的技术和能力成为了帮助车企制胜的关键。
数据贯穿自动驾驶研发的每一个场景,亚马逊云科技以自动驾驶数据湖为中心,帮助车企构建起端到端的自动驾驶数据闭环。借助具有近乎无限扩展能力的Amazon Simple Storage Service(Amazon S3,云上对象存储服务)构建自动驾驶数据湖,实现数据采集、数据管理和分析、数据标注、模型和算法开发、仿真验证、地图开发以及DevOps和MLOps,车企就能更加容易地实现自动驾驶全流程的开发、测试和应用。
在自动驾驶技术中极具难度和挑战的数据标注、模型和算法开发、仿真验证环节,亚马逊云科技的机器学习服务Amazon SageMaker以及Amazon Elastic Compute Cloud (Amazon EC2)弹性计算服务具有领先优势。在数据标注环节,通过Amazon SageMaker Ground Truth能够轻松完成各种车辆、场景和用户数据的自动化标注,创建符合要求的训练机器学习模型的高质量数据集。在仿真验证阶段,尤其是针对超大规模仿真,Amazon EC2弹性计算服务的Spot实例可以提供百万vCPU级别的低成本算力,最多可节省90%的成本,加快自动驾驶技术的研发和落地。
全球资源和无服务器服务 赋能车企全球布局弹性车联网
车联网是未来车辆智能化服务的基础,已经成为汽车生态服务系统的核心,是汽车业务在云上的重要应用场景。在构建车联网服务的过程中,车企随着业务的拓展,需要全球统一部署,实现高可用和安全连接,并满足全球运营的安全合规要求;为了适应车联网业务的弹性需求并降低运维难度,车企需要利用全球统一的架构、微服务和无服务器计算等现代化服务,构建弹性敏捷的车联网架构。同时,车企需要选择全球车联网合作伙伴,将更丰富的服务生态和内容接入车联网,构建全面的服务体系,并基于海量数据提供增值服务,提升客户体验。
目前,亚马逊云科技的基础设施遍及全球26个地理区域的84个可用区,可以让车企在各个地理区域轻松构建车联网平台,带来更高的稳定性和更低的延迟。车联网数据的安全合规始终是重中之重,亚马逊云科技支持98项安全标准与合规认证,几乎满足客户在全球各个地区的安全合规需求。亚马逊云科技Amazon Lambda无服务器计算以及微服务,帮助车企构建现代化、无服务器的弹性敏捷的车联网架构,不仅满足车联网业务的弹性需求,而且帮助其节省成本,降低运维难度。
基于车联网数据湖,车企还能够借助数据分析和机器学习技术深入挖掘数据价值,提供越来越多的数据增值服务。例如利用亚马逊云科技机器学习服务Amazon SageMaker等,结合充电和电池管理数据,能够实现电动汽车的电池故障预测,提升用户的满意度。亚马逊云科技在全球的合作伙伴网络,能够为客户提供物联网、数据分析、互联移动、边缘计算、充电管理和服务、地图导航等各类车联网整体解决方案和平台服务。此外,车企可依托亚马逊全球业务体系,集成亚马逊智能个人助理Amazon Alexa,为用户提供车内语音交互,轻松获取丰富的亚马逊内容,包括Amazon Instant Video、Amazon Audible、Amazon Music、Amazon FireTV等,满足客户的个性化需求。
全方位布局 赋能车企实现软件定义汽车
软件定义汽车已经成为汽车企业的核心竞争力,软件深度参与到汽车定义、开发、验证、销售、服务等过程中,催生了汽车行业各层面对云原生平台、工具和最佳实践的需求。软件定义汽车转型需要方方面面的云服务能力,如数据湖、物联网、机器学习和人工智能、边缘计算等,同时更需要与整个行业生态系统一起合作,共同提供创新的技术和服务。
亚马逊云科技全方位布局,赋能车企实现软件定义汽车。 一是参与ARM 发起的可扩展开放架构SOAFEE,强化ARM架构处理器Amazon Graviton与车端和车联网边缘的处理器厂商之间车云环境对等,让车端软件开发与云端软件开发实现统一;二是与黑莓(BlackBerry)合作构建BlackBerry IVY,助其打造智能汽车软件开发及数据平台,用一致且安全的方式读取车辆传感器数据,保证在车辆内部和云端均可处理数据并获得洞察;三是与Continental(大陆集团)合作,助力Continental开发全栈的软件定义汽车开发平台Continental Automotive Edge(CAEdge),提供高性能、高度自动化的开发环境,支持自动驾驶系统开发的所有流程;四是实现云、边、端一体化的端到端数据闭环,提供全方位云服务;五是专为汽车行业构建Amazon IoT FleetWise服务,实时、经济且高效地收集和转换车辆数据并传输上云,利用数据分析和机器学习服务进行数据挖掘,基于数据洞察提高汽车的质量、安全性和自动驾驶能力;六是组建亚马逊云科技专业服务团队,提供软件定义汽车方案,构建多租户、高度自动化、车云一体、数据驱动、安全合规的软件协同开发与测试环境,帮助汽车企业快速构建软件定义汽车的开发环境和能力。
好文章,需要你的鼓励
体验管理专家Qualtrics发布新AI功能Qualtrics Assist for CX,旨在缩短收集客户反馈与采取行动之间的差距。该副驾驶工具让管理者能直接探索客户体验数据,通过引导式洞察回答简单问题并提供数据支持的答案。公司每年处理12亿份调查数据,AI体验代理能理解客户需求并采取正确行动。然而调研显示,仅10%的组织能成功将体验数据转化为行动,澳洲高管在AI采用方面相对保守。
微软研究院联合多所知名高校开发出SeerAttention-R稀疏注意力框架,专门优化AI推理模型的长序列解码效率。该技术通过自蒸馏学习让AI学会智能筛选重要信息,在保持近乎无损推理准确性的同时,实现了高达9倍的计算加速。系统采用轻量级插件设计,无需重训原模型即可集成,为长文本AI推理应用的普及铺平道路。
Quobyte首次公布其在MLPerf存储基准测试中的表现,在关键的3D-Unet基准测试中取得显著优势。该测试专门评估存储系统在模型训练时的数据供应能力,对确保昂贵GPU充分利用至关重要。Quobyte使用8节点集群配置,成功支持每客户端6个GPU达到90%效率,并声称是该测试中最快最高效的文件系统,在支持GPU数量、成本控制和能耗方面均表现出色。
哈工大与阿里巴巴团队合作开发了ComfyUI-R1,这是首个专门用于自动化工作流生成的大型推理模型。该模型通过长链推理思维,能够根据用户自然语言指令自动生成可执行的ComfyUI工作流。在7B参数规模下,ComfyUI-R1达到97%格式正确率,在多项评估指标上显著超越GPT-4o等先进模型,为AI内容创作提供了更智能、更易用的解决方案。