“数据引擎”开启前装规模量产新赛道，「智协慧同」崭露头角

随着软件和数据成为智能汽车的核心增量，而数据采集、数据开发和数据闭环能力也被视为车企最核心的竞争力之一。这不仅仅涉及到研发阶段的新功能开发，量产阶段持续的产品运维（故障、软件bug），以及产品性能和功能的持续进化，还有自动驾驶算法模型的快速迭代，等等。

越来越多的车企和系统供应商开始转向数据驱动的开发模式，但整个行业从车端的数据采集开始，一直到最终的代码、功能优化，都缺少一套高效的工具链+跨车云的同构环境来支撑。

近日，专注于打造车云数据闭环解决方案的智协慧同（北京）科技有限公司宣布于今年6月完成了A1轮融资，本轮融资由彬复资本领投，瑞穗力合基金（MLI Fund）跟投，老股东力合资本和上海石雀资本继续加注，本轮融资将用于提升车云数据闭环解决方案量产交付能力，以及数据生态的建设。

资料显示，公司于2020年底完成Pre-A轮融资，资金用于实现车云数据闭环的量产落地。随后，2021年首个搭载智协慧同ExceedData（简称EXD）车云数据闭环解决方案的高合HiPhi X便量产落地，这也标志着EXD方案完成了从0-1，进入推广的快车道。

进入2022年，又有一汽、上汽、上汽零束、华人运通、东风岚图、小米旗下十余款新车型正相继搭载EXD车云数据闭环方案。

众所周知，未来数据流就是增值服务，并能够帮助车企创造稳定的收入来源。典型的案例，就是特斯拉“影子模式”，通过不断采集数据、分析并进行模型的能力训练升级，从而帮助更好地销售类似Autopilot、FSD这样的功能包。

这背后，需要一套高效的数据中间件平台。

在很多业内人士看来，打造一套智能驾驶系统并不难，但开发和维护可扩展和可靠的完整数据驱动解决方案才是真正面临的挑战。在特斯拉，通过结合多任务学习和大规模的“数据引擎”来推动深度学习的极限，以实现对Corner Cases的覆盖。

这其中，对于车企和系统集成商来说，如何构建一个可靠的AI数据流程，快速、可靠地改进软件及系统性能（包括高效的数据采集训练解决长尾问题），本身就是关键的「软资产」投资。

根据高工智能汽车研究院监测数据显示，2022年1-6月中国市场（不含进出口）乘用车新车前装标配搭载基础智能网联（含预警类辅助驾驶、数字座舱、联网及OTA）功能上险量为232.63万辆，同比增长46.93%，前装搭载率达到26.15%。

这背后，实际上就是大量车端数据的产生，不管是舱内的人机交互，还是舱外的智能驾驶感知。而在中国市场，巨大的潜在数据驱动市场，也在催生新的赛道玩家。

智协慧同数据中间件以车端数据库为核心，提供车云全栈产品矩阵，打造一整套轻量化部署的算法搭建-下发-数据灵活采集-上传-存储的闭环方案，实现对结构化和非结构化数据的融合采集。

将复杂度和定制化程度很高的数据处理闭环用成熟可靠的工具链来完成，意味着研发效率的极大提升，即便开发团队可能正在度假，系统也会在不需要任何其他人工介入的情况下实现系统性能的自我改善。更关键的是，这套架构更适合大规模前装量产需求。

智协慧同提供了一套车云同构的计算框架，意味着工程师无需在C/C++、Java，Scala、Python等车云不同语言间来回切换移植，算法秒级下发，车端直接运行；10ms精度万+信号灵活采集，100-300倍无损压缩上传，数据综合成本节省85%。

在自动驾驶领域，特斯拉辅助驾驶里程号称已经超过30亿英里。而从公开的数据显示Waymo仅仅累计行驶了2000万英里。作为全球最领先的2家自动驾驶研发企业，这里面的数据差异并不像想象中大，而是特斯拉采用了一种低效率，但成本更低，范围更广的数采方式，也就是利用量产车进行数采。

智协慧同为车企的“影子模式”落地及Corner Cases场景数据采集，提供了一套类似特斯拉的可以支撑量产的解决方案，助力车企实现真正的高效低价的自动驾驶数据采集。

这对类似特斯拉的那些既是智能汽车制造商，又是自动驾驶研发者的车企来说，代表着可以用极低的成本，极高的效率来迭代他们的自动驾驶算法。

比如，针对目前的Corner case，智协慧同已经实现了雨雪、Cut in/out、急加速、急转弯、隧道口等多种极限场景下的灵活触发机制。同时，通过预先设定的分段上传机制，对于相应的数据进行车端缓存、补传。

同时，主机厂可以通过多次持续、快速的更新迭代来灵活响应Corner case的数据需求，其计算引擎可以实现超过数万个信号毫秒级的实时数据采集，云端开发工具生成的算法可以根据不同的车辆、场景、地域来快速下发。

而为了满足车端部署的轻量化要求，这套方案只占用自动驾驶域控制器CPU少量的算力，灵活利用空闲的内存。并且，可以与影子模式进行对接，实时计算、模拟决策，并能让计算结果实时上传到云端。

在汽车行业，这套方案带来的改变是革命性的。同时，软硬解耦带来的开发效率提升、多类型硬件平台的强适配性，都能为这套方案带来旺盛的生命力。

比如，传统新车功能的标准开发流程是采用硬件驱动的方法，这意味着，软件组件的开发、集成和测试只能在硬件原型可用的背景下进行。同时，验证测试也需要成本高昂的测试车队。随之而来的，是数据的延后。

在新的模式下，数据驱动来自于存量车的数据采集和训练，不再依赖于新车的开发周期。同时，车端数据库可以实现底层硬件和上层应用软件之间的解耦。这意味着，数据引擎不止于研发阶段，也可以量产上车。

毫无疑问，数据引擎的前装新赛道已经开启，无论是车企还是供应商，都在以各自的逻辑和方式抢跑，最后谁能胜出，还需时间检验。这其中，以智协慧同为代表的车云数据闭环解决方案提供商已经开始进入规模化上车周期。