雲端技術在當今車輛中的角色（第一部分）

概覽

約翰：《The Garage 》本集將推出關於汽車雲端運算的兩集特別系列的第一集，我們邀請了來自 AWS 的特別來賓斯特凡諾・馬爾扎尼（Stefano Marzani）。在本集的第一集中，我們將探討雲端中的資料與運算。開始吧！

引言

約翰：在今天的《The Garage 》節目中，我非常興奮能歡迎來自 AWS 的特別嘉賓——我的好朋友斯特凡諾·馬爾扎尼（Stefano Marzani）。斯特凡諾，歡迎來到《The Garage 》。

斯特法諾：嗨，約翰。非常感謝你。這真是一份特別的邀請，在我們合作三年的時候，這確實是個特別的場合，對吧？讓我們能反思自己的熱情、談論這些熱情，並分享我們的經驗。所以，非常感謝你邀請我。

認識史蒂法諾·馬爾扎尼

約翰：很高興您能來此。我們一直在思考並討論我們共同的興趣。我認為我們至少有四項非常棒的共同興趣，首先就是咖啡。我們都熱愛咖啡，而且在Sonatus ，我們對咖啡非常講究。

斯特法諾：我注意到，我確實注意到了。所以這是我在灣區喝過最棒的咖啡之一。真好喝，開局很棒。

約翰：非常感謝。我們共同熱愛的事物之二就是美食，尤其是義大利菜。而且，只要聽你說話，任何人都能聽出你是義大利人。你原本是來自博洛尼亞的。

斯特法諾：沒錯。沒錯，是波隆那一帶。

約翰：所以，義大利美食吸引我的地方，不僅在於它整體來說非常美味，更在於義大利各地區的菜餚風格迥異。因此我想先從這裡開始，很希望你能跟我們分享你家鄉地區的特色美食，並告訴我們博洛尼亞所在的地區名稱。

斯特法諾：沒錯，這個概念其實已經延伸到「地區」層面了，因為你知道，在義大利，各省的飲食文化其實差異很大。我原本來自雷焦艾米利亞省。如果你往東或往西移動15公里，人們會用不同的名字來稱呼同一种食物。所以你可以理解我們為何如此重視這一點。 不過，你在此地常聽到的食物，像是帕爾馬火腿、千層麵這類，大多都源自那個地區。事實上，《富比士》幾年前就選出了全球最佳美食地區，所以這不只是我們這麼說，而是有第三方也這麼認定。

約翰：太棒了。我得專程去看看那個。我去了好多次義大利……

斯特法諾：歡迎光臨！

約翰：那太棒了！而且你說灣區有一家很棒的餐廳，那裡有這種料理。

斯特法諾：是啊，雖然有不少義大利食物，但要找到真正具有該地區特色的，還挺難的。至少在灣區這裡是找不到的。我還在找呢。

約翰：我們在節目錄製前也聊到，我們有一位共同的朋友：我的研究所辦公室同事，現任博洛尼亞大學教授的盧卡·貝尼尼（Luca Benini）。盧卡是我很好的朋友。他原本來自費拉拉，那座城市也在同一個省內。據我所知，他也是你的朋友。

斯特法諾：對啊，那是在很多、很多年前認識他的。不過沒錯，確實是在我職業生涯的初期，我們開始聊起一些電子音樂相關的話題——正如你能想像的，那時候就是這樣——所以我見了他一面。我想那應該是二十年前左右的事了吧。

約翰：太棒了。所以，盧卡，如果你正在收看這檔節目，真的要向你脫帽致敬。我們之間的第三個共同點是，我們都熱愛影片和播客。沒錯。 你是 AWS 旗下節目的主持人，這實在令人印象深刻。因此，能邀請你來擔任本節目嘉賓，我們真的深感榮幸。請簡單介紹一下你的節目以及你探討的內容，我們會在影片中附上該節目的連結。

斯特法諾：這份心意真的很受用。節目名稱是《All Things Automotive》。我們即將開始拍攝第三季。第一季很遺憾是在 COVID 期間遠距拍攝的。之後我們推出了一季，是在攝影棚內拍攝的，那絕對是一次很棒的體驗。這是我第一次做這種事。 我總是跟同事開玩笑說，這簡直像是一份第二份兼職，對吧？因為我是個技術人員，平時處理的都是真正技術性的工作。所以，能參與製作這種製作水準如此高、品質如此精良的影片，對我來說真的是一次特別的經歷，讓我學到了很多，真是段美好的體驗。

約翰：如果你還沒看過這齣戲，那真的太棒了。所以，如果你看了這齣戲，我保證你看起來會像個業餘者——不，你看起來會像個專業人士。我們非常高興你能來。

史蒂法諾在 AWS 的職務

約翰：其實第四點——這也正是引領我們進入本集主題的關鍵——就是雲端技術與汽車產業。

斯特法諾：是的。

約翰：你對這件事如此熱忱。而且你在 AWS 擔任如此獨特的職位，我很想請你跟我們談談你的職務，以及你在 AWS 的職責範圍。

斯特法諾：當然！我是 AWS 軟體定義車輛（Software-Defined Vehicle）的全球技術負責人。你知道，軟體定義車輛是汽車產業中的一股新興宏觀趨勢，正在徹底改變產品形態——希望稍後我們能就此深入探討——而我的職責主要在於制定技術策略。 我的工作是試著從客戶那裡了解他們的需求，並在內部進行溝通——將這些需求帶入內部，與我們的服務團隊、產業產品團隊進行討論，共同為客戶找出最佳解決方案。從技術角度來看，我有同事負責處理合作夥伴關係方面的業務。但我的角色主要專注於找出正確的架構，以及從技術角度出發，真正能滿足客戶需求的方法。 我確實也這麼做了，這是我擔任 SDV 技術負責人的第一年。在此之前，我曾擔任 ADAS/AV 技術負責人長達兩年，所以其實一直都在思考這個領域，並從事相同的工作：了解技術如何演進，以及我們如何掌握技術與演進趨勢，並將其轉化為提供給客戶的服務與產品。 但你知道，歸根結底——這點你非常清楚——因為正是從這個角度出發，我們才開始了合作，對吧。

約翰：絕對沒問題。

斯特法諾：而且在去年之後，我們真的專注於為自動駕駛和數據打造 SDV 架構。所以，我們做得不錯，因為最後他們說，這做得相當好。因此，或許你們也能將這套方案應用於車內的所有其他工作負載，包括人機介面（HMI）連線等功能。 沒錯，我告訴你，能在汽車產業如此劇變的時刻，身處這樣的環境工作，實在是莫大的榮幸。從這個角度來看，我感到非常幸運。

約翰：沒錯，沒錯。我們接下來會談論所有這些話題。我想這將會是一場漫長且非常有趣的對話。我非常期待。

雲端技術對汽車產業的重要性為何？

約翰：你知道嗎，我們剛才這裡有位朋友來訪，是我們共同的朋友，來自 Arm 的羅伯特·戴。

斯特法諾：看吧！

約翰：他剛才也在錄音室裡錄音。我問了他一個關於汽車領域低功耗的問題，因為當我問他時，我說：「你知道嗎，我認為很多人並未真正體會到低功耗在汽車領域的重要性，他們常說：『啊，汽車不是有大電池嗎？』」 但實際上，他指出了低功耗的重要性。我也想就雲端運算向您提出一個類似的問題。人們通常可能理解雲端運算及其重要性，但我並不確定每個人都一定明白，為什麼雲端運算對汽車產業而言如此重要。

斯特法諾：這個問題的答案可能非常、非常長。但原因確實有好幾個。不過我確實認同你一開始提出的觀點。因為就雲端而言，低功耗意味著資源整合。而我們在永續發展方面投入了巨大心力。歸根結底，這對移動領域——尤其是特定移動產業——乃至整體而言，都至關重要。所以這真的、真的非常重要，對吧？ 因此，將這些資源整合到具有能源效率且碳中和的資料中心中——我們在實現碳中和方面設有極為重要且宏大的目標。這正是以極具意識的方式運用資源的一種途徑。讓我這麼說吧。我喜歡這個切入點。當然，雲端技術在此領域具有相關性的技術原因也存在，試著想想現今的聯網車輛。所有車輛都已連網，這點你非常清楚，對吧。 我希望聽聽Sonatus 的見解。對吧？這是一場對話。所以我真的很想了解Sonatus 在串聯所有這些車輛及其使用體驗方面做了什麼。而這些數據被傳送到哪裡？大部分都傳送到了雲端。因為我們的服務——Amazon S3——在儲存這些數據方面非常高效，並提供多種管理方式，可依據數據的使用情況或使用頻率，將數據分類儲存。 它具備自動化機制：若您不太常使用某筆資料，系統可能會將其歸類到特定層級，雖然資料恢復可能需要稍長時間，但費用會更低，對吧？因此，這些作為託管服務提供的策略，正是雲端服務對客戶如此具吸引力的原因，因為他們無需費心處理這些細節，對吧。 客戶不僅能優化其 IT 基礎架構，更能專注於真正重要的事情，也就是產品的創新。特別是在汽車產業的這個階段——您對此非常清楚——產品正在經歷劇變。因此，我們沒有時間可以浪費，對吧？透過我們的託管服務，我們正協助客戶將精力集中在對其客戶真正重要的事情上，也就是那些購買並體驗車輛的人們。 因此，S3 僅是一個例子。但這同樣適用於運算服務、機器學習服務，以及我們所提供所有具有類似邏輯的服務。正如我們所說的託管服務，我們試圖減輕客戶的負擔，並承接那些客戶原本必須處理的、缺乏差異化的繁重工作——也就是重複性任務。在向雲端遷移的過程中，我們盡可能將這些任務自動化，或透過這些流程讓客戶的生活更輕鬆。

約翰：謝謝你的這番總結。這真是太有趣了。

第一部分與第二部分共涵蓋五個雲端主題

約翰：我認為今天我們可以從五個方面來探討雲端技術。在我看來，這些方面與汽車市場息息相關：首先是數據；其次是運算能力，特別是這部分。 第三是原型開發，因為我認為車輛原型開發確實有其重要性。第四是分析技術以及人工智慧／機器學習。最後，第五個方面——我們稍早提過的——是自動駕駛與先進駕駛輔助系統（ADAS），我認為雲端技術在這方面能帶來一些具體優勢。

主題 1：雲端中的資料

約翰：那麼，我們先從數據開始談起。汽車以及各種車輛正產生越來越多的數據，特別是在它們連網之後。因此，讓我們來談談汽車產生數據的一些方式。其中一些案例，正是數據如何在雲端中被運用的最有趣範例。

斯特法諾：是的，首先，數據的數量實在是，你知道的，非常龐大。這就是我們目前觀察到的現象。所以我認為，第一個趨勢就是優化數據的收集。談到數據，我們該如何減少或優化這方面的「數據物流」呢？當然，我們有幾項服務，既能透過基礎的物聯網服務收集數據，也能透過專門的數據物流服務來處理，對吧？ 有時候，特別是我們的自動駕駛客戶所收集的數據量如此龐大，根本無法直接傳輸到網路上。因此，我們有稱為「Snowball 裝置」或「Snowball Edge」的實體設備，你可以將數據下載到這些裝置中，然後將裝置寄送至 AWS，以便將這些數據上傳或下載——就像你所見的那樣——傳輸到雲端。所以，數據物流確實是一項重要課題。 或許我們稍後可以討論這個話題。因為這確實是運算與數據的結合，如果可以這麼說的話，而且這種趨勢正日益明顯。因此我們稱之為這個「大迴圈」，相信各位都很熟悉。

來自車輛的豐富資料類型

斯特法諾：這些數據很有意思。我可以告訴你，我們最近觀察到客戶在影片方面的需求越來越多，對吧？這點非常重要。想想看，現代汽車在感測器方面有多麼豐富——不再像過去那樣，僅僅是收集 CAN（控制器區域網路）數據，像是車速、位置、方向盤數據或煞車狀態這類簡單的資料。而是我們看到越來越多豐富的數據湧入。 車上裝有攝影機，甚至多台攝影機；還有光達（LiDAR），我們開始看到一般量產車款也開始採用光達……這對市場來說是完全嶄新的事物。此外還有雷達、超音波感測器等等。因此，我認為當前的趨勢在於收集這類數據，而這將催生新一代的服務。 試想一下，例如透過車載攝影機在智慧型手機上觀察車輛周圍的狀況，這類服務真的、真的會徹底改變我們使用車輛的體驗；換言之，我們將越來越把車輛視為一套感測器系統。這些豐富的數據將應用於各種目的，包括安全防護、交通管理、物流運輸，以及整體的移動系統。 就我個人而言，其中有一項我特別熱衷，那就是與 ADAS（先進駕駛輔助系統）安全相關的一切。這是一項輕而易舉的勝利，更是重大的勝利。因為若觀察統計數據，現今仍有許多危險狀況，透過使用 ADAS 便能加以緩解，對吧？若問我的話，這些數據對我而言具有特殊的份量。

約翰：沒錯。而且我們稍後肯定會花些時間探討先進駕駛輔助系統（ADAS）和自動駕駛，因為我認為這本身就是一個獨立的領域。

斯特法諾：是的。

針對性資料蒐集的重要性

約翰：不過這、這真的很有趣，你提到不同類型的數據。在Sonatus ，我們非常重視數據，這是我們關注的領域之一；我們發現，傳統的數據蒐集方法往往相當基礎且僵化。 我們認為，實際上市場對數據類型的動態適應性存在需求，無論是車輛動態、車輛調校，還是診斷等領域。隨著車輛日益複雜，加上召回事件等情況，我們觀察到這方面的需求正不斷增長——大家希望真正避免這些問題，並透過在現場進行診斷來解決。 我們認為，細粒度且可配置的數據擷取將至關重要。這正是貴公司成為我們如此重要合作夥伴的原因之一，因為這些數據傳送至雲端後，必須能據此採取行動，我們稍後將探討分析及其他相關議題。但我認為，將正確、高品質且值得信賴的數據傳送至雲端，是至關重要的基礎。 您也提到了豐富的數據。 我們也有同樣的觀察，我們相信透過整合不同數據流——例如將車輛動態數據（例如記錄劇烈轉向事件的資料）與攝影機數據或雷達數據結合——或許能比單獨使用其中任何一種數據，更有效地優化演算法。因此，將不同的數據流整合在一起，我喜歡形容為「一加一等於七」。

運用數據來改善車輛

斯特法諾：絕對沒錯。我完全贊同。順帶一提，這其實與我們對 SDV 的定義完全一致。你知道，我們最初的定義是：沒錯，SDV 當然是指在車輛上線後，為車輛引入新功能——也就是車輛內的軟體功能——對吧？ 這原本就是我們的定義，但在與客戶交流後，我們才意識到這其實還不止於此，對吧？他們說：「沒錯，但你知道，我們不只是在雲端運作。我們這裡有實體產品。所以我們希望利用車輛所產生的數據，來改善產品的實體層面，也就是其本身的組件，對吧？」 試想方向盤系統、煞車系統，如果我們能從市面上大多數車輛收集數據，就能據此開始設計下一代車輛的動力輔助轉向系統，對吧？因此我們調整了定義，並在 SDV 的定義中新增了這部分內容。所以這不僅僅是車輛上路時新增更多功能，而是運用這些洞察，從各個層面——包括實體層面——來設計下一代車輛。

資料更具意義，但總體數量較少

斯特法諾：這方面的例子不勝枚舉。所以我完全同意這點越來越重要，而且其中的動態關係不僅僅是「好，傳送一份設定，收集這些資料」這麼簡單。現在，或許我們想偵測某種特殊狀況：一旦發現該狀況，我們就想進一步探索。 因此，讓我們嘗試從其他感測器獲取更多數據，看看能否更深入地理解當前狀況。這類邏輯正是我們客戶最關注的重點。而且，再次強調，這不僅僅是為了設計目的，若仔細思考，這其實是對系統的優化。既然如此，為何要蒐集所有數據卻只利用其中的 10% 呢？或許我們可以採用更細緻、更智慧的方式來連線並蒐集數據。 好吧，如果沒有發現任何異常或特殊情況，就不要記錄，對吧？如果遇到特定情況，就給我 20 秒的資料，並將其上傳。這就是為什麼我們能獲得更多資料。但總體而言，我們收集的資料量反而減少了，因為這些資料更具意義。所以這不只是單純收集更多資料而已。

約翰：沒錯，我姑且稱之為「在草堆裡找針」的問題。其實，仔細想想，通常情況下一切運作都很順利。但當遇到某個特定區域時，卻會發生非常有趣的現象。這時你會非常希望獲得超高解析度的數據。然而，你無法隨時擷取這種超高解析度的數據，那樣會讓人應接不暇。 這正是我們著重研究的領域之一，例如，就是為了解決這個問題。你之前也提到能讓車輛表現更佳，我們曾與某家汽車製造商（OEM）的產品經理討論，他表示：「你知道，我們面臨的問題之一是，一旦車輛出廠，我們就無法詳細掌握各項功能的使用狀況。」 因此，我們設計了這項功能，卻不知道是否有人真正使用過；而開發成本非常高昂，或許我們可以優化車輛成本，或將資源投入其他領域。這正是我們能同時優化車廠成本與使用者體驗的領域——透過提供使用者真正關心的功能。這類情況就是如此。 另一個我們認為非常有趣、且稍早也略有提及的領域是：需求並非僅有一種，可能包含診斷需求、未來產品分析需求，或是某種先進駕駛輔助系統（ADAS），而這些需求可能同時並存。然而，現今的處理方式通常並非如此。這正是我們正試圖將其整合到車輛中的功能之一。 抱歉，這對我們來說是切身相關的議題，我們對此確實有些熱忱。

斯特法諾：絕對沒錯，不，不，順帶一提，我也懷有同樣的熱情。而且，這完全將引領我們接下來討論機器學習與人工智慧的話題。

車輛中的多元智能

斯特法諾：但我經常對客戶說，當我談論當今的汽車產業時，汽車將具備多種智慧，而不僅僅是一種。你知道，這不只是我們要部署 ADAS（先進駕駛輔助系統）就完事了，就像一個神經網路那樣。但想想 Alexa 吧，對吧？這是一種能夠與你互動的人工智慧。 此外，車上可能配備駕駛監控系統；我認為，會有許多人工智慧系統同時運作，針對來自車輛不同部位、不同目的的各種資料來源進行處理——部分運算在本地端進行，而有些資料則需要傳送出去，對吧？傳送到雲端進行分析與解讀，以便了解當下發生了什麼情況。 不過，我想提供另一個觀點，我認為這點非常有趣，例如思考汽車產業在價值鏈中的供應鏈。

軟體定義元件

斯特法諾：我個人認為，不僅是車輛本身會成為「軟體定義」，連車輛的零組件也會成為「軟體定義」，對吧？如果想要真正改善車輛的某個子系統，就必須將這份知識傳遞給該零組件的製造商。 這其實就是，你知道的，某種程度上再次引領價值鏈——透過這些數據管道，讓資訊流向汽車產業價值鏈中的供應鏈。我認為這點很有意思，因為這樣一來，你確實能生產出更優質的產品；我們可以看到，以電池管理為例，這在電動車領域中就是一個非常、非常經典的例子，對吧。

約翰：沒錯。這正是我們經常聽到的絕佳例子：有些組件，無論是從歷史背景來看，或是根據現有的做法，或許無法共享數據或分析結果，但它們確實需要這類演算法的微調與優化。因此，我認為這正是當今尚未被滿足的一項需求。

斯特法諾：是啊，絕對沒錯。我完全同意。這部分真的非常有趣。

AWS 客戶運用資料的實例

約翰：既然談到數據，那麼您能否舉些例子，說明有哪些客戶正在使用貴公司的服務，以及他們是透過哪些不同的方式來運用這些服務的？

STEFANO：絕對沒錯。舉例來說，我們有個非常好的客戶案例——寶馬（BMW），他們建置了這個連網資料湖。他們曾在《All Things Automotive》的其中一集節目中介紹過這個案例，所以內容可以在網路上找到。 不僅如此，在我們先前舉辦的 re:Invent 大會（這是我們專為開發者舉辦的年度大會）中，還有一場極具技術深度且詳盡的分析。他們的案例非常引人入勝，因為從中你可以真切地看到，他們為將各種資料來源匯集到這個互聯資料湖中所付出的努力。而這個資料湖則服務於整個組織的各個部門。這就是他們的成果，對吧？ 這絕對是極佳的，因為你知道，有了這樣的參考基準，這些資料不僅被 IT 部門和 R&R 部門所使用，也能在任何需要的地方被運用。所以我認為這非常棒。若能結合雲端技術、API（應用程式介面）、清晰的介面以及微服務，效果會更佳，這將賦予組織快速建構資料驅動型應用程式的能力，對吧？這在當今可說是極為重要的目標。

約翰：一個單一的「真相來源」，以及一個讓大家都能依循的共通框架，這確實非常強大。而這個資料湖是一個重要的概念。我們很高興能參與其中，也很樂意向該資料湖傳送資料。

斯特法諾：沒錯，而且我認為你們在資料組織方面做得非常出色，不僅僅是——這麼說吧——資料傳輸的機制本身。從我看到的工具、控制台以及各種介面來看，你們正引導客戶運用這些資料來建立自動化流程。這確實是個非常重要的面向，對吧？ 所以不要只著眼於某個特定事項，而是要考量整體架構——這種大規模且複雜的組織架構。因此，敏捷性的落實，其實體現在提供特定服務的能力上，對吧？但數據才是真相，所以必須以恰當的方式加以整合。

約翰：嗯，這場關於數據的討論還真長。說不定我們可以專門做一集節目來談論數據。

主題 2：雲端運算

約翰：不過，讓我們轉到下一個主題，也就是運算能力。雲端運算或許非常廣為人知，大家也明白雲端具備驚人的運算能力。因此，若您能為我們概述貴公司擁有的部分能力，特別是那些可能應用於汽車市場的功能，我將不勝感激。

斯特法諾：當然，我非常樂意這麼做，因為這可說是我們擁有的其中一項——該怎麼說呢——重要優勢；我們在 AWS 擁有的優勢之一，就是多樣化的運算選項。 順帶一提，這些運算選項都是按需使用的，對吧？這點非常重要，因為，你知道，汽車產業的運算需求並非始終穩定。不，也許你需要進行模擬測試，這會導致運算資源消耗激增。但一旦完成，隔天消耗量就會歸零。 這正是我們觀察到的一些客戶面臨的基本問題：他們擁有已付費建置的自有資料中心，對吧？而我們提供的運算服務則是隨需應變的。也就是說，需要時才付費，不需要時就不付費。我認為這在資源使用的靈活性與彈性方面，確實是至關重要的一環。

AWS 上的各種運算執行個體類型

STEFANO：所以，這正是多樣性至關重要的原因。我們有幾個所謂的「執行個體」，也就是這些運算資源。EC2 執行個體、Amazon EC2 執行個體、彈性運算，對吧？ 這就是「EC」的由來。這一點非常重要，因為有 Intel 執行個體、Arm 執行個體、Xilinx 執行個體（也就是 Xilinx FPGA 執行個體）等等。若仔細觀察這些執行個體的各類別，會發現有些具備更大的記憶體、更強的運算能力，有些配備 GPU，或是具備特殊功能，例如在網路方面擁有更高的頻寬，這些設計都是為了真正適應特定的運算需求。 這點非常重要，因為正如我們先前討論的，當大量數據湧入時……該怎麼處理？舉例來說，若想運用這些數據進行機器學習訓練，你會需要 P 類實例。 這正是專為訓練資料設計的加速運算方案。此外，我們還開發了一款名為「Trainium」的晶片，對吧？這是我們自主研發的晶片，能夠利用已收集的資料來訓練這些機器學習網路。假設在完成訓練後，您想對模型進行演算驗證。因此，我們有另一款自主研發的晶片「Inferentia」，專門用於執行這項工作，對吧？ 但再次強調，除了我們自家的產品之外，提供這種多樣性也至關重要……例如，我們有 Mac 執行個體，對吧？因為如果你是 Apple 開發者，且希望真正大規模地建置這套開發流程與開發管線，你可以使用 Mac 執行個體並進行橫向擴展。因此，我們確實有確鑿的數據顯示，當你採用運算服務時，這種細粒度的選擇確實是必要的。 舉例來說，這裡我們再次引用 re:Invent 上的案例。Continental 說明了在這次模擬演練中，採用雲端服務（具體而言是 CAEDGE 平台）如何真正、顯著地縮短了他們用於訓練這項特定功能的時間。因此，我們擁有越來越多的數據點，支持這類在運算層面採用雲端服務的做法。

AWS Graviton

約翰：話說回來，提到專業應用案例，我們就不得不談談 Graviton。你能稍微跟我們介紹一下嗎？

斯特法諾：是的，當然，我們必須這麼做，因為我們從合作之初，就著手開發這些 Arm 技術。所以絕對沒錯。這是由我們的 Annapurna 實驗室所開發的專屬處理器，也就是說，這是我們專門負責這方面的業務單位，負責推動所有這些矽晶片創新，包括 Graviton、Trainium、Inferentium 等。 這是一款基於 Arm 的晶片，是雲端環境中配備 64 個 Arm 核心、採用 Armv8 架構的 CPU。當它問世時，是首款在雲端系統中被大規模採用的 Arm 晶片。這點之所以非常重要，有幾個原因。起初，這確實是為了兼顧功耗與效能。我們也曾討論過，在採用合適的運算方案時，永續性方面有多麼重要，對吧？ 但我們逐漸發現，Arm 作為一項技術、一種架構，正被我們的客戶廣泛應用於車輛領域。因此我們認為，或許我們可以進一步拓展這方面的應用，對吧？或許我們可以就此進行討論。

第一部分摘要

約翰：謝謝你，史蒂法諾，我非常感謝你對雲端運算的這番總結。至此，我們與 AWS 的史蒂法諾·馬爾扎尼（Stefano Marzani）共同帶來的兩集特別系列節目第一集就告一段落。在今天的節目中，我們深入探討了汽車領域的雲端運算，特別是資料與運算方面。在第二集的對談中，我們將延續這個話題，探討如何運用雲端資料分析與AI 進行原型開發，最後則會談及先進駕駛輔助系統（ADAS）與自動駕駛。 我們希望您能收看即將發布的第二部分。感謝您的收聽，我們期待在《The Garage 》的下一集與您再次相見。