當下，云計算市場的競爭，從以互聯網客戶為主轉向非互聯網客戶的趨勢已經十分明顯。

阿里云三季度來自非互聯網行業的客戶收入同比增長了28%，占阿里云總收入來到58%，來自互聯網客戶的收入同比減少了18%。百度智能云、騰訊云等主流云廠商，也釋放出了同樣的信號。

新能源汽車產業成了競爭最激烈的賽道之一。2022年，阿里云、騰訊云、百度智能云、字節跳動、華為云等主流云計算廠商，悉數加大了在汽車云上的布局。

其中，作為新能源汽車關鍵場景之一的自動駕駛，被普遍認為是最具潛力的場景，也是云廠商們的重要布局方向。

云廠商內卷自動駕駛

11月初的云棲大會上，阿里云正式公布了“汽車云”，包含自動駕駛云、智造云、營銷云。

其中，智造云和營銷云，是此前就已經確定的場景。

2020年7月，阿里云提出了“一橫三縱”戰略：一橫，指的是底層的阿里云、釘釘、達摩院、瓴羊等核心能力，三縱，指的是阿里云在汽車行業的三朵云，智造云、營銷云、以及當時還沒明確落地場景的另一朵云，當時阿里云內部將其稱為“創新事業部”。

直到去年7月，阿里云團隊發現，很多跑在阿里云上的車企和自動駕駛公司等，對算力的需求在攀升，他們判斷自動駕駛的時代即將到來，“創新事業部”的場景因此確定了下來，就是自動駕駛云。

盡管自動駕駛云是最后被確定的場景，但它成了阿里云汽車云跑得最快的一朵云。過去一年，阿里云的“三縱”中，自動駕駛云貢獻了一半的銷售收入。

從云棲大會公布的數據來看，目前阿里云“汽車云”在國內已經服務了超過70%的汽車企業，包括小鵬、一汽、吉利、長城等。

再來看華為云，華為云在自動駕駛云上布局更早。

早在2019年4月，華為云自動駕駛云服務Octopus（八爪魚）便正式推出，為車企提供自動駕駛數據、訓練及仿真三大子服務，覆蓋自動駕駛數據、模型、訓練、仿真、標注等全生命周期業務。

較早的布局，也讓華為云自動駕駛云占據了市場份額領先優勢。《2021年中國汽車云市場追蹤報告》顯示，2021年，在自動駕駛汽車云細分市場，華為云以26.9%位居第一。

11月18日，在汽車產業數智升級高峰論壇上，華為云進一步發布了“1+3+M+N”的全球產業云基礎設施布局，其中在自動駕駛領域，華為云聯合業內合作伙伴，為車企和自動駕駛算法公司提供端到端的自動駕駛研發解決方案，稱要打造業界最佳的自動駕駛研發平臺。

拆分來看，在“1+3+M+N”的布局下，華為云自動駕駛云，實際上解決車企三個方面的問題：數據存儲、基于數據的AI算法訓練、數據安全合規。

百度智能云則是在9月份正式對外公布了汽車云，包括集團云、網聯云、供應鏈協同云。

其中，自動駕駛云被包括在網聯云內，幫助車企進行數據采集、車輛狀態監控和遠程升級，提升汽車的智能交互和云端協同能力。

最近的百度Apollo“自動駕駛云2.0預發布溝通會”上，百度透露，將為車企提供自動駕駛研發全棧的數據閉環合規解決方案，滿足智能汽車、自動駕駛數據采集安全合規要求，助力車企研發、運營、商業化等全場景閉環，賦能車企打造創新的智駕應用，推動自動駕駛場景安全快速落地。

從成績來看，百度智能云公布的數據是，中國銷量前15的車廠，包括一汽、吉利、東風汽車等10家是百度智能云的客戶；頭部十家新能源車企中，百度智能云服務五家。

騰訊云在自動駕駛上也早有布局，此前騰訊自動駕駛總經理蘇奎峰公開表示，騰訊在2016年開始布局自動駕駛，但將重心放在了虛擬仿真技術上，主要是依托騰訊云的算力支持，通過云仿真技術實現場景加速評測，提升研發和測試效率。

自動駕駛云為什么重要？

核心的一點在于，自動駕駛是要依靠數據來驅動的。

一般而言，車輛的自動化程度越高，所產生的數據量就會越龐大，對數據的處理能力要求也會更高。

戴爾科技公司汽車和人工智能首席技術官弗洛里安·鮑曼就指出，L2級自動駕駛汽車需要4-10PB的數據存儲空間，L3級需要50-100PB的存儲空間，L5級則需要3EB以上的空間。（1PB相當于100萬個GB，1EB相當于1024個PB）

對汽車廠商來說，只有對這些數量龐大的數據進行更加有效的處理，才能更好地訓練、優化模型，提升自動駕駛水平。

怎么個處理法呢？我們可以簡單理解為兩步：第一步是對數據的存儲、上傳和預處理、數據標注等；第二步是基于數據，進行模型的訓練、仿真測試等。這兩步是一個完整的自動駕駛模型跑通的必經環節。

這個過程中，數據是原材料，但并不是所有的數據都有用，也不是所有的數據優先級都一樣，都能采取一樣的處理方式。

上云，是效率更高、精度更高、反饋更快的解法。

第一，云端存儲解決的不僅僅是存儲空間有限的問題。

云端存儲的好處是大容量，能夠存儲海量數據，另外存儲效率更高，在數據優先級、數據保存格式以及數據庫類型上，也能做更好地區分。

第二，對龐大數據的處理最終是要用來做模型訓練的，在自動駕駛數據處理的關鍵流程中，上云能夠解決一些難題，提升數據處理效率，縮短模型優化周期。

自動駕駛的數據處理流程，主要包括收集、清洗、標注、訓練和部署這幾個環節，需要處理的數據覆蓋了多個方面，比如深度學習的模型訓練、高精度地圖的生成、自動駕駛仿真等。

比如在數據標注環節，用于自動駕駛模型訓練的數據，要經過標注后才能進行模型訓練，最后才能得到能夠識別車輛和行人的深度學習模型。

數據的自動化標注是很大的挑戰，但在云端，云廠商能夠通過工程的方法盡量減少人工標注，可以大幅度提高標注效率，方法一般有兩種，一是通過機器自動標注，然后人工修正部分數據；二是通過仿真模擬生成大量標注好的數據。

再比如，數據處理的另一個挑戰是大規模并行處理數據，這也是云廠商的強項。

水面下的隱憂，數據合規

目前自動駕駛云仍處于市場化的早期階段。《2021年中國汽車云市場追蹤報告》顯示，2021年中國汽車云IaaS+PaaS落地應用場景中，自動駕駛只有13億元的市場規模，占比為11.1%。

隨著主流云計算廠商加大布局，自動駕駛云的市場化進程會進一步加快。

不過在這一過程中，行業還面臨著一個需要解決的矛盾：如何保證數據合規。

去年4月，特斯拉上海車主的維權事件一度沸沸揚揚，至今仍未完全平息——今年3月，當事人車主起訴特斯拉行車數據案件被河南省安陽北關區人民法院受理。

這起因剎車失靈引發的安全事故，背后的爭議焦點，落在了數據安全上。特斯拉一度拒絕提供事發前的行車數據，最后迫于輿論壓力，也只是提供了事發前一分鐘的數據。

接下來5月份，網信辦發布了《汽車數據安全管理若干規定（征求意見稿）》，其中第八條寫道：運營者收集和向車外提供敏感個人信息，包括車輛位置、駕駛人或乘車人音視頻等，以及可以用于判斷違法違規駕駛的數據等，應當符合以下要求：

1、收集的數據要以直接服務于駕駛人或乘車人為目的；

2、默認不收集用戶數據，每次都應該征得駕駛人同意授權；

3、要通過車內顯示面板或語音等方式告知駕駛人和乘車人正在收集敏感個人信息；

4、駕駛人要能夠隨時、方便地終止收集；

5、要允許車主方便查看、結構化查詢被收集的敏感個人信息；

6、駕駛人要求運營者刪除時，運營者應當在2周內刪除。

針對這一意見稿，有不愿透露姓名的業內權威人士曾對媒體表示，“如果這個法規最終落地時，嚴格規定數據只能留在車內，而車企不啟動新的合法的數據獲取通道，那國內的自動駕駛技術發展，可能真的要延緩幾年。”

這倒逼新能源車企探索新的數據獲取方式。

比如今年4月，上汽智己基于其CSOP用戶數據權益平臺，發布了用戶數字資產“原石”的開采方式。

具體的操作方法是，智己汽車拿出4.9%的創始輪股權用于CSOP計劃，并推出3億枚“原石”，其中70%的原石需要車主通過日常駕駛車輛產生數據來兌換獲得。用戶獲得原石后，則可以進行軟硬件的產品升級以及相對應的數據權益。

對布局自動駕駛云的云廠商來說，這也是一重不得不直面的挑戰。

而在這之外，當前主流的云廠商都提供自動駕駛研發全周期的數據處理解決方案，如何保證數據安全，也尤為重要。