云计算在当今汽车中的作用（第一部分）

概述

约翰：《The Garage》本期节目将推出关于汽车云计算的两集特别系列的第一集，我们邀请到了来自AWS的特邀嘉宾斯特凡诺·马尔扎尼。在今天的这一集中，我们将探讨云端的数据与计算。开始吧！

引言

约翰：《The Garage》本期节目中，我非常激动地欢迎来自 AWS 的特别嘉宾——我的好朋友斯特凡诺·马尔扎尼。斯特凡诺，欢迎来到《The Garage》。

斯特法诺：嗨，约翰。非常感谢你。这是一份非常特别的邀请，在我们合作三年之后，这确实是一个特别的时刻，对吧？我们可以共同思考我们的热情，畅谈这些话题，并分享我们的经验。所以，非常感谢你的邀请。

认识斯特凡诺·马尔扎尼

约翰：很高兴您能来到这里。我们一直在思考并讨论我们共同的兴趣爱好。我觉得我们至少有四个非常棒的共同兴趣，首先是咖啡。我们热爱咖啡，而且在Sonatus ，我们对咖啡非常讲究。

斯特法诺：我确实注意到了这一点。这确实是我在湾区喝过的最好的咖啡之一。太好喝了，开局不错。

约翰：非常感谢。我们共同热衷的第二件事是美食，尤其是意大利菜。而且，从你说话的方式就能听出来，你是意大利人。你原本来自博洛尼亚。

斯特法诺：没错。没错，是博洛尼亚一带。

约翰：所以，意大利美食吸引我的地方不仅在于它总体上非常美味，还在于意大利各个地区的美食风格各不相同。因此，我想先请你跟大家介绍一下你家乡地区的特色美食，并告诉我们博洛尼亚所在的地区叫什么名字。

斯特法诺：是的，这个概念已经扩展到了地区层面，因为你知道，在意大利，各省的饮食文化其实差异很大。我老家在雷焦艾米利亚省。如果你向东或向西走15公里，人们对同一种食物的叫法就会不同。所以你能理解我们为什么这么重视这一点。 不过，你们在这里常听到的食物，比如帕尔马火腿、千层面之类，大多都源自那个地区。事实上，几年前《福布斯》曾评选出全球最佳美食地区，所以这可不是我们自己说的，而是有第三方这么认定的。

约翰：太棒了。我得专门去一趟看看那个。我去过意大利很多很多次……

斯特法诺：欢迎光临！

约翰：那太好了！你说湾区有一家很棒的餐厅，那里就有这种菜。

斯特凡诺：是啊，虽然有不少意大利菜，但要找到真正具有该地区特色的，还挺难的。至少在湾区这里是找不到的。我还在找呢。

约翰：在录制本期节目之前，我们还聊到我们有一位共同的朋友：我的研究生院办公室同事卢卡·贝尼尼，他现在是博洛尼亚大学的教授。卢卡是我的一位好朋友。他老家在费拉拉，那里也在那个省。所以，据我所知，他也是你的朋友。

斯特法诺：是啊，那是很多很多年前的事了。不过没错，确实是在我职业生涯的初期，我们开始聊起一些电子音乐方面的话题——你可以想象，那时候就是这样——所以我见了他一面。我想那大概是20年前左右的事了。

约翰：太棒了。卢卡，如果你正在收看这档节目，我向你致敬。我们之间的第三个共同点是，我们都热爱视频和播客。是的。 你是AWS旗下自己一档节目的主持人，这实在令人印象深刻。因此，我们非常荣幸能邀请你作为嘉宾来到我们的节目。请简单介绍一下你的节目以及你主要探讨的内容，我们会把节目的链接放在视频里。

斯特法诺：这真是太感谢了。节目叫《All Things Automotive》。我们马上就要开始拍摄第三季了。第一季很遗憾是在新冠疫情期间远程拍摄的。之后我们推出了一季，是在演播室录制的，那绝对是一次很棒的体验。对我来说，还是第一次做这种事。 我总是跟同事们开玩笑说，这算是一种副业吧？毕竟我是个技术派，平时主要负责真正的技术工作。所以，能参与制作这种制作水准高、质量上乘的视频，对我来说确实是一次特别的经历，让我学到了很多，收获颇丰，体验非常美好。

约翰：如果你还没看过这档节目，那真是太棒了。所以，如果你看了这档节目，保证你会显得像个业余选手——我向你保证，你会看起来像个专业人士。我们非常高兴你能来。

斯特凡诺在 AWS 中的职位

约翰：其实第四点——这也正是我们今天这期节目要讨论的主题——就是云计算与汽车行业。

斯特法诺：是的。

约翰：你对此充满热情。而且你在AWS担任着如此独特的职位，我很想请你跟我们聊聊你的职位以及在AWS的具体职责。

斯特凡诺：当然！我是亚马逊云科技（AWS）软件定义车辆领域的全球技术负责人。你知道，“软件定义车辆”是汽车行业的一个新兴宏观趋势，正在真正地改变产品形态——希望稍后我们能详细讨论这一点——而我的职责主要在于技术战略规划。 我的工作是了解客户的需求，并在内部进行沟通——与我们的服务团队、行业产品团队协作，共同为客户寻找最佳解决方案。从技术角度来看，我有同事负责合作伙伴关系方面的业务。但我的职责主要集中在确定正确的架构，以及从技术角度出发，找出真正能满足客户需求的方法。 我确实一直在做这件事，今年是我担任SDV技术负责人的第一年。在此之前，我曾担任ADAS/AV技术负责人两年，所以其实一直在思考这个领域并从事相同的工作，即了解技术如何演进，以及我们如何把握技术发展趋势，将其转化为客户所需的服务和产品。 但你知道，归根结底，你对此非常清楚，因为正是从这个角度出发，我们才开始了合作，对吧。

约翰：当然了。

斯特法诺：而且去年我们主要专注于为自动驾驶和数据应用构建SDV架构。我们做得不错，因为最后他们说，效果相当不错。所以也许你们可以把这种方案应用到车内其他所有工作负载上，包括人机界面（HMI）连接等。 是的，我得说，能在汽车行业如此变革的时刻，身处这样的工作环境中，真的是一种莫大的荣幸。从这个意义上说，我觉得自己真的很幸运。

约翰：是，没错。我们接下来会讨论所有这些话题。我觉得这会是一次漫长而非常有趣的对话。我非常期待。

云计算对汽车行业的重要性？

约翰：你知道吗，我们刚才还招待了我们的朋友，也就是我们共同的朋友——来自Arm公司的罗伯特·戴。

斯特法诺：看吧！

约翰：他刚才也在录音棚里录音。我问了他一个关于汽车领域低功耗的问题，因为当时我跟他说：“你知道吗，我觉得很多人并没有真正意识到低功耗在汽车领域的重要性，他们总说‘啊，汽车不是有大电池吗’。” 但实际上，他指出了低功耗技术的重要性。我想就云计算向你提出一个类似的问题。人们通常可能理解什么是云计算以及它的重要性，但我并不确定每个人都一定明白，为什么云计算对汽车行业如此重要。

斯特法诺：这个问题可以回答得很长，也可以很简短。但原因确实有好几个。不过我确实认同你开头提到的观点。因为就云计算而言，低功耗意味着资源整合。我们在可持续发展方面付出了巨大努力。归根结底，这对移动出行——尤其是移动出行行业的整体发展——至关重要。所以，这一点真的、真的非常重要，对吧？ 因此，将这些资源整合到节能且碳中和的数据中心中——实现碳中和是我们一个非常重要且宏大的目标。这可以说是一种非常有意识地利用资源的方式。让我这么说吧。我喜欢这个切入点。当然，云技术在这个领域之所以重要，还有技术层面的原因，比如市面上的联网汽车。所有车辆都已联网，这一点你非常清楚，对吧。 我希望听到Sonatus 的看法。对吧？这本就是一场对话。所以我真的很想了解Sonatus 在连接所有这些车辆及其用户体验方面做了哪些工作。数据又被发送到哪里了呢？大多数都发送到了云端。因为我们的服务——Amazon S3——在存储这些数据方面非常高效，提供多种数据管理方式，可以根据数据的使用情况或使用频率将其分类存储。 它还具备自动化功能：如果数据使用频率不高，系统会将其归入某个存储层级，虽然数据恢复可能需要稍长时间，但成本更低，对吧？因此，这些作为托管服务提供的策略，正是云服务对客户极具吸引力的原因，因为客户无需为此操心，对吧。 客户可以优化其 IT 基础设施，并将精力集中在真正重要的事情上，即产品创新。特别是在汽车行业的当前阶段——您对此非常清楚——产品正在发生根本性的变革。因此，我们不能浪费任何时间，对吧？通过我们的托管服务，我们正在提供帮助，因为我们可以让客户专注于对他们的客户——即购买和体验汽车的人——真正重要的事情。 所以S3只是一个例子。但这同样适用于计算服务、机器学习服务，以及我们提供的所有具有类似逻辑的服务。正如我们所说的托管服务，我们努力为客户分担那些缺乏差异化、繁重且重复的任务——这些重复性工作，我们在向云端迁移的过程中尽可能将其自动化，或者通过这些流程让客户的工作更轻松。

约翰：谢谢你的总结。这真有意思。

第一部分和第二部分涵盖的五个云计算主题

约翰：我打算今天从五个方面来讨论云计算。在我看来，这些方面与汽车市场密切相关：首先是数据；其次是计算能力，特别是计算能力。 第三是原型设计，因为我认为在汽车领域，原型设计确实具有重要意义。第四是数据分析以及人工智能/机器学习。最后，第五个方面——我们之前提到的——是自动驾驶和ADAS（高级驾驶辅助系统），我认为云计算在这方面能带来一些独特的优势。

主题 1：云端数据

约翰：那么，我们先从数据说起。汽车以及各种类型的车辆正在产生越来越多的数据，尤其是随着它们逐渐实现联网。下面我们就来谈谈汽车产生数据的一些方式。其中一些案例正是数据在云端如何被应用的最有趣的例子。

斯特法诺：是的，首先，数据量真的非常庞大。这就是我们目前观察到的情况。所以我认为，第一个趋势是优化数据采集。说到数据，如何减少或优化数据物流，我们当然提供多项服务，既包括基础物联网服务，也包括数据物流服务，对吧？ 有时收集到的数据——尤其是来自自动驾驶客户的数据——数量庞大到无法直接传输到互联网上。因此，我们提供了一类名为“Snowball设备”或“Snowball Edge”的物理设备，你可以将数据下载到这些设备中，然后将设备寄送至AWS，以便将数据上传或下载——正如你所见——到云端。所以，数据物流确实是一个重要环节。 也许我们稍后可以讨论这个问题。因为这确实是计算与数据的结合，而且这种结合正变得越来越紧密。所以我们称之为“大循环”，大家对此应该非常熟悉。

来自车辆的丰富数据类型

斯特法诺：这些数据很有意思。我可以告诉你，我们最近从客户那里观察到的一条日益明显的趋势就是视频，对吧？这非常重要。想想现代汽车在传感器方面是多么丰富——不再像过去那样仅仅收集CAN（控制器局域网）数据，比如速度、位置、方向盘数据或制动状态这类简单数据。而是我们看到越来越多的丰富数据涌入。 比如车内有视频摄像头——通常不止一个，还有激光雷达（LiDAR），我们开始看到普通量产车也开始采用激光雷达……这对市场来说是完全崭新的。此外还有雷达、超声波传感器等等。所以我认为，当前的趋势就是收集这些数据，而这也将催生新一代的服务。 试想一下，例如通过智能手机，利用车载摄像头观察车辆周围的情况，这会带来怎样的可能性？此类服务确实将彻底改变我们与车辆互动的体验，可以说，我们将越来越把车辆视为一套传感器系统。这些丰富的数据将用于多种目的，包括安防、安全、交通管理、物流以及出行系统。 就我个人而言，其中有一项让我特别热衷，那就是与ADAS（高级驾驶辅助系统）安全相关的所有内容。这无疑是一项“低成本高收益”的举措，而且成效显著。因为从统计数据来看，目前道路上仍然存在许多危险情况，而这些情况现在都可以通过使用ADAS来缓解，对吧？如果问我，这些数据对我而言具有特殊的意义。

约翰：绝对没错。稍后我们肯定会花些时间讨论ADAS和自动驾驶，因为我认为这本身就是一个独立的领域。

斯特法诺：是的。

有针对性的数据采集的重要性

约翰：但这确实很有意思，你提到了不同类型的数据。在Sonatus ，我们非常重视数据，这也是我们重点关注的领域之一。我们发现，传统的数据采集方法往往比较粗糙且僵化。 我们认为，实际需求往往在于对数据类型的动态适应——无论是车辆动力学方面的数据，还是用于车辆调校、故障诊断等用途。随着车辆结构日益复杂，召回事件频发，我们看到这一需求正在不断增长。大家希望真正避免这些问题，并通过实地诊断来解决。 我们认为，精细化、可配置的数据采集至关重要。这也是你们成为我们如此重要合作伙伴的原因之一，因为这些数据上传到云端后，需要被有效利用，我们接下来将讨论分析及其他相关内容。但我认为，将正确、高质量且可信赖的数据传输到云端，是至关重要的基础。 您还提到了丰富的数据。 我们也持同样观点。我们相信，通过将车辆动态数据（例如，记录了剧烈的转向操作）与摄像头数据或雷达数据相结合，或许能比单独使用其中任何一种数据更有效地优化算法。因此，将不同的数据流融合在一起，用我的话来说，就是“一加一等于七”。

利用数据改进车辆

斯特法诺：绝对没错。我完全赞同。顺便说一句，这其实与我们对SDV的定义完全一致。你知道，我们最初的定义是：没错，SDV当然就是指在车辆投入使用后，为其引入新功能——即车辆中的软件功能——对吧？ 这就是我们的定义，但在与客户交流后，我们意识到它其实远不止于此，对吧？他们说：“是啊，但你知道，我们不仅仅存在于云端。我们这里有一个实体产品。所以我们希望利用车辆生成的数据来改进产品的实体部分，也就是它的组件，对吧？” 试想一下转向系统、制动系统，如果我们能收集到市场上绝大多数车辆的数据，就能据此开始设计下一代车辆的动力转向系统，对吧？因此，我们对 SDV 的定义进行了修改，并增加了这一部分。所以，这不仅仅是车辆上路后新增功能，而是利用这些洞察，从各个维度——包括物理层面——来设计下一代车辆。

数据更具意义，但总体数据量较少

斯特法诺：这方面的例子不胜枚举。所以我完全同意，这一点越来越重要，而且其中的动态关系不仅仅是简单地发送配置、收集数据。现在，也许我们想检测某种特殊情况：一旦发现这种情况，我们就想进一步探索。 因此，我们可以尝试从其他传感器获取更多数据，看看能否更深入地理解当前状况。这种逻辑正是我们客户最关注的重点。而且，这不仅仅是为了设计目的，仔细想想，这其实是对系统的优化。既然收集了所有数据，却只利用其中10%，何必呢？也许我们可以采用更精细、更智能的方式来连接并收集数据。 好吧，如果没发现什么异常或特殊情况，就不要记录，对吧？如果遇到特定情况，给我20秒，然后把数据传上来。这就是我们能获得更多数据的原因。但总体而言，我们收集的数据更少，因为这些数据更有意义。所以，这不仅仅是数据量更多而已。

约翰：没错，我把它称为“大海捞针”的问题。其实仔细想想，通常情况下一切运行正常。但就在某个特定区域，却会发生一些非常有趣的现象。这时你自然希望获得超高分辨率的数据。但你不可能一直采集这种高分辨率数据，那会让人应接不暇。 这就是我们重点关注的领域之一，例如，就是为了解决这个问题。你提到还能让车辆性能更优，我们曾与一家汽车制造商（OEM）的产品经理交流，他说：“你知道，我们面临的一个问题是，一旦车辆出厂，我们就无法详细了解各项功能的使用情况。” “所以，我们设计了某项功能，却不知道是否有人真正使用过它，而开发成本却非常高昂。也许我们可以优化汽车的成本，或者将资源投入到其他领域。因此，这也是另一个我们可以优化领域——既能降低整车制造商的成本，又能通过提供用户真正关心的功能来提升用户体验。诸如此类。” 另一个我们认为非常有趣、且之前也略有提及的领域是：需求并非单一的，可能既有诊断需求，也有未来产品分析需求，还可能涉及某种ADAS功能，而这些需求可能同时并存。而目前，这通常并非实现方式。这是我们正试图将这一能力融入汽车的方面之一。 抱歉，这确实是我们非常重视的领域，我们对此有些热情。

斯特法诺：当然，不，不，顺便说一句，我也怀有同样的热情。而且，这完全取决于我们将如何讨论机器学习和人工智能。

车辆中的多元智能

斯特法诺：但我经常对客户说，如今谈论汽车时，汽车将具备多种智能，而不仅仅是一种。你知道，这不仅仅是部署ADAS（高级驾驶辅助系统）就完事了，就像部署一个神经网络那样。但想想Alexa吧，对吧？这是一种能够与你互动的人工智能。 此外，你可能还会有驾驶员监测系统，我想，会有大量的人工智能系统同时运行，它们基于车辆不同部位提供的不同数据源，为实现不同目的而工作——部分处理在本地进行，而部分数据则需要上传到云端进行分析和处理，以便理解当前的情况。 不过，我想向大家提供另一个视角，我认为这一点非常有趣，那就是思考汽车行业的供应链及其价值链。

软件定义组件

斯特法诺：我个人认为，不仅整车会成为“软件定义”，车辆的各个部件也将成为“软件定义”，对吧？如果你想真正改进车辆的某个子系统，就必须以某种方式将这一知识传递给该部件的制造商。 所以这实际上，你知道，某种程度上又是在引领整个价值链——通过这些数据管道，使信息流向汽车价值链中的供应链。我认为这很有意思，因为通过这种方式，你确实能生产出更优质的产品。我们看到，例如在电池管理方面，这在电动汽车中是一个非常、非常经典的例子，对吧。

约翰：没错。这正是我们经常听到的一个典型例子：有些组件，从历史上看或按照现有方法，可能无法共享数据或分析结果，但它们确实需要这种算法调优和算法改进。因此，我认为这是目前尚未得到满足的需求。

斯特法诺：是的，完全正确。我完全同意。所以这部分非常有趣。

AWS 客户数据应用示例

约翰：既然说到数据，那您能否举些例子，介绍一下哪些客户正在使用贵公司的服务，以及他们是如何利用这些服务的？

斯特凡诺：绝对没错。比如，我们有一个非常好的客户案例——宝马公司，他们构建了一个互联数据湖。他们在《All Things Automotive》的一期节目中介绍了这一案例，所以可以在网上找到。 不仅如此，在我们之前的一届 re:Invent 大会上——这是我们面向开发者的年度大会——还有非常技术性且深入的分析。他们的案例特别引人入胜，因为从本质上讲，你可以真切地看到他们为将各种数据源聚合到这个互联数据湖中所付出的努力。而这个数据湖为整个组织的各个部门提供服务。这就是他们的成果，对吧？ 这绝对非常棒，因为有了这样的参考框架，数据不仅被IT部门使用，还可以被研发（R&D）部门以及任何需要的地方所利用。所以我认为这非常棒。如果再结合云技术、API（应用程序接口）、清晰的接口以及微服务，效果会更好，这将使组织能够快速构建利用数据的应用程序——这在当今时代是一个非常重要的目标。

约翰：一个“单一数据源”，以及一个大家都能依据的通用框架，这确实非常强大。而这个数据湖是一个重要的理念。我们很高兴能参与其中，也很高兴能向其发送数据。

斯特法诺：是的，我认为你们在数据组织方面做得非常出色，不仅仅是在数据传输机制上，对吧？而且从我看到的工具、控制台以及各种界面来看，你们正在引导客户利用这些数据来实现自动化。这确实是一个非常重要的方面，对吧。 所以不要只局限于某一个具体方面。而是要考虑整个组织，尤其是大型且复杂的组织。因此，敏捷性实际上体现在提供具体服务的能力上，对吧？但数据才是真相。所以数据需要以恰当的方式进行整合。

约翰：嗯，关于数据的讨论还真挺长的。也许我们可以专门做一期关于数据的节目。

主题 2：云端计算

约翰：不过，让我们转到下一个话题——计算。云计算或许已经家喻户晓，大家也明白云拥有惊人的计算能力。因此，如果您能为我们概述一下贵公司拥有的部分能力，特别是那些可能应用于汽车市场的功能，我将不胜感激。

斯特法诺：当然，我非常乐意这么做，因为这可以说是我们拥有的重要优势之一——我们在AWS上拥有的优势之一，就是丰富的计算选项。 顺便提一下，这些计算选项都是按需使用的，对吧？这一点非常重要，因为，你知道，汽车行业的情况其实并非始终保持稳定的资源消耗。不，也许你需要进行一次仿真演练，这会导致计算资源消耗激增。但一旦完成，第二天消耗量就归零了。 这就是我们看到的一些客户面临的基本问题：他们拥有自己的数据中心，已经为此付过费，而我们的计算服务则是按需提供的。所以，需要时就付费，不需要时就不付费。我认为，这在资源使用的灵活性和弹性方面起着至关重要的作用。

AWS 上的不同计算实例类型

斯特法诺：所以，这就是多样性非常重要的原因。我们有几个所谓的“实例”，也就是这些计算资源。EC2实例，即亚马逊EC2实例，弹性计算，对吧？ 这就是“EC”的由来。这一点非常重要，因为有英特尔实例、Arm实例、赛灵思实例（即赛灵思FPGA实例）等等。如果你仔细观察每一类实例，你会发现有些实例拥有更大的内存、更强的计算能力，有些配备了GPU，还有些具备特殊功能，比如更高的网络带宽，这些设计都是为了真正满足具体的计算需求。 这一点非常重要，因为正如我们之前讨论过的，当海量数据涌入时……该怎么办？例如，你想利用这些数据进行机器学习训练，这时你可能拥有P类实例。 这是专门用于数据训练的加速计算。此外，我们还开发了一款名为“Trainium”的芯片。这是我们自主研发的芯片，能够利用已收集的数据来训练这些机器学习网络。假设在完成训练后，你需要对模型进行推理。为此，我们还拥有另一款自主研发的芯片“Inferentia”，它专门用于执行这项工作。 但再次强调，除了我们自有的产品外，提供这种多样性也至关重要……例如，我们有 Mac 实例，对吧？因为如果你是 Apple 开发者，并且希望真正大规模地构建开发和管道——即开发管道，你可以使用 Mac 实例并进行横向扩展。因此，我们确实掌握了确凿的数据，证明当你采用计算服务时，这种细粒度的选择确实是必要的。 例如，这里我们再次引用re:Invent大会上的一个案例。大陆集团（Continental）解释道，在此次模拟演练中采用云服务（具体而言是CAEDGE平台），确实显著、显著地缩短了他们专门针对该功能进行训练所需的时间。因此，我们拥有越来越多的数据点，证明在计算方面采用此类云服务是行之有效的。

AWS Graviton

约翰：说到特殊情况，我们不得不提一下Graviton。你能跟我们简单介绍一下吗？

斯特凡诺：是的，当然，我们必须这样做，因为我们开展合作之初，就是为了研发这些Arm技术。所以绝对没错。这是由我们的安纳普尔纳实验室自主研发的处理器，也就是我们专门负责这一领域的业务部门——如果可以这么说的话——该部门正在推动所有这些芯片创新，包括Graviton、Trainium、Inferentium等。 这是一款基于Arm架构的芯片，是一款拥有64个Arm核心、采用Armv8架构的云端CPU。在发布时，它是首个在云系统中得到大规模采用的Arm芯片。这非常重要，原因有几个。起初，这确实是为了兼顾功耗与性能。我们也讨论过，在选择合适的计算方案时，可持续性方面有多么重要，对吧。 但我们逐渐发现，Arm作为一项技术、一种架构，正被我们的客户广泛应用于汽车领域。因此我们认为，或许我们可以在此基础上更进一步，对吧？也许我们可以就此展开讨论。

第一部分概要

约翰：谢谢你，斯特凡诺，我非常感谢你对云端计算的这番总结。至此，我们与AWS的斯特凡诺·马尔扎尼共同带来的两集特别系列的第一部分就到此结束。在今天的节目中，我们全面探讨了面向汽车行业的云计算，特别是数据和计算方面。在第二部分的对话中，我们将继续探讨如何利用云数据分析和AI 进行原型设计，最后还将讨论ADAS和自动驾驶。 希望您能关注第二部分，我们很快就会发布。感谢您的收听，期待在《The Garage》的下一期节目中再次与您相见。