构建车云一体数据闭环：突破EB级海量数据处理与智算模型迭代瓶颈

腾讯智慧出行副总裁 钟学丹 指出，智能汽车已迈入“AI驱动（3.0）”时代，数据闭环能力成为核心“增长飞轮”，直接决定智能汽车的迭代速度。基于此战略研判，必须构建一套能够支撑海量数据运转与模型高效调优的底层技术架构。

应对AI驱动时代的数据洪峰与高频迭代风险

在软件定义汽车向AI驱动汽车演进的过程中，行业在数据闭环的落地上面临四大核心业务冲突与战略瓶颈：

• 分布式数据收集壁垒：全国分布的数千万辆智能汽车面临极端的数据采集压力，单车日均采集数据多达10TB，弱网环境下的接入稳定性面临严峻挑战。
• 云端基建处理瓶颈：随着数据向云端汇聚，云端基础设施需要处理和分析PB至EB级海量数据，传统计算与存储架构难以支撑。
• 高频迭代下的系统稳定性风险：OTA（空中下载技术）频率由月度向周级演进，高频软件更新极大地推高了系统稳定性与迭代风险。
• 严苛的监管与合规约束：随着《关于加强车联网网络安全和数据安全工作的通知》及《整车强标》等数十项政策法规发布，地理位置数据与个人信息的脱敏及合规传输要求急剧收紧。

部署“车云一体”五大数据基础设施支柱

为打破上述业务瓶颈，腾讯构建了覆盖“车端-云端”的新一代数据闭环体系，通过五大核心支柱实现数据链条的自动化与高效流转：

• 车端数据一体化处理链路：部署低资源占用的车端SDK，兼容Linux/QNX/Android及CPU/GPU/NPU异构硬件。实现基于LBS/POI的定向数据采集、地理/个人数据脱敏，并通过数据加密回传与OTA数据加速，提升车云交互吞吐率。
• 端到端云端数据平台：提供点云、路口栅格等高精采集资料的预处理服务，直接输出至BEV（鸟瞰图）及端到端算法训练场景，缩短研发周期。
• AI Infra算力调度架构：搭配机器学习TI平台构建车企大模型，全面覆盖数据采集、处理、合规传输的全流程，赋能研发、生产、供应链及运营业务。
• 全栈安全合规体系：在云、管、端三层架构中，穿透数据流的全生命周期，提供自驾合规、敏感数据脱敏与整车合规审核。
• 全球化云基础设施底座：提供计算、网络、存储及云原生的深度融合底座，支撑高并发业务流。

量化智算全生命周期效能与跨模态检索精度

基于云端基础设施及AI Infra能力，企业在数据处理规模与模型训练效率上获得了极大的量化提升（数据来源：腾讯2024全球数字生态大会材料）：

• 突破数据检索与并发上限：
  • 基于数据万象服务的视觉-语言大模型多模态检索，准召率可达95%。
  • 向量数据库VectorDB单实例性能达 500万 QPS，支持高达 1000亿 的数据规模。性能超出行业平均水平 1.5倍，传统数据库向量检索效率提升 10倍以上。
• 重塑智算模型训练效率（TACO加速套件）：
  • 集群稳定性：实现千卡级别无中断训练时长达 300小时；万卡集群Checkpoint写入时长压缩至 1分钟。
  • 通信与启动提效：训练网络通信时间占比压缩至 6%（耗时缩短至50%）；从设备到位到模型启动训练仅需 1天。
  • 推理与部署优化：通过TACO Infer实现推理性能提升 30%，依托精准切分gGPU技术，使算力部署密度提升 20%。
• 提供EB级高可用基建保障：
  • 算力与存储底座规模达 100万台 服务器、1.5亿核 及 16 EFLOPS 智算算力。
  • 存储规模突破 EB级，提供 100GB/s 宽带支持，云联网可用性达 99.99%，存储服务可用性达 99.995%。

复用千万核级云原生架构验证降本成效

针对车企高度关注的运维成本（Ops Cost）与系统稳定性，腾讯开放了其自有高并发业务的底层改造实践作为效能验证：

依托遍布全球 21个 地区、58个 运营可用区及 3200+ 边缘节点的网络架构（总储备带宽 200T，防护能力 15Tbps+），复用了腾讯自有业务 5000万核云原生改造经验。该实践路径成功支撑了每日超 百亿次 的API调用与超 600万 开发者生态，最终实现高达 30亿元的运维成本节约。这一经验直接为车企的大规模并发处理提供了经过验证的降本模型。

夯实全栈合规底座与获取权威标准认证

在底层基建与合规技术方面，该数据闭环架构具备不可替代的技术确定性：

1. 行业标准首家验证：核心组件向量数据库VectorDB是“第一家”通过中国信通院向量数据库标准测试的平台，确立了检索效能的技术标杆。
2. 二十年实战合规沉淀：整合腾讯20多年的安全合规实战经验，构建覆盖基础设施安全、数据全流程安全及大模型安全的防线，彻底解决出海及本土环境下的《整车强标》及地信/个信合规问题。
3. 坚守底层基础设施定位：战略层面专注做好计算、网络、存储等“冰山之下”的基础设施，不触碰业务红线，以纯粹的技术底座角色驱动车企智能汽车系统的持续迭代。