佐思汽研发布《2024年汽车云服务平台产业研究报告》。

2024年，随着智能网联汽车渗透率进一步提升，汽车云服务的发展体现如下趋势：

AI大模型与NOA上车扩大汽车云服务需求云平台工具链深度集成云原生进一步改变汽车软件开发方式端云一体云基础设施资源进一步短缺，云厂商投入成本增加......

一、AI大模型与NOA上车扩大汽车云服务需求

2024年，经历价格战之后，主机厂降本成为重点之一，业务云化脚步放缓，对云的需求下降；但随着NOA量产与云端AI大模型上车，导致汽车云服务需求不降反增。

AI 大模型与 NOA 上车对云服务的需求如下：

硬件基础设施：AI大模型/NOA的运作需要大量算力，除了对云端服务器的性能与数量提出更高的需求外，还考验服务器设施的网络性能。软件解决方案：AI大模型：截至2024年9月，国内量产车型搭载的大模型主要采用云端部署方式，部分新势力（如蔚小理）采用端云结合的部署方式，其中复杂的功能模式仍需调用云端模型完成。大模型上车后，增加了用户交互频次，从每天个位数的交互请求上升到每天数十次甚至上百次的交互请求，带动了云服务需求的增加。NOA：NOA装车量大幅上升，同时使用频次增加，使得处理与存储的数据量增加，对云服务需求增加，配套的工具链也在增加。

AI大模型与NOA上车后，部分重点场景下对云服务的需求：

整理：佐思汽研

2024年，阿里云为Momenta提供稳定且灵活的云原生计算资源，构建自动化的闭环数据。该方案支持端到端的技术框架，涵盖了视觉感知AI能力，能够促进智能化驾驶解决方案的大规模部署与应用。Momenta基于阿里云ESS&HPA 机制弹性能力，利用 Spot 实例实现较高费效比。

2024年，AWS汽车云与奔驰、宝马等国际品牌合作，通过云平台工具链构建AI助手，提高运营效率。

2024年AWS云 AI服务案例

来源：AWS云

二、云平台工具链深度集成

2024年，汽车云服务方案进一步向深度集成方向发展，实现从设计研发到生产管理、供应链优化、营销推广乃至售后服务全链条的数据整合与智能决策支持。云厂商的新方案体现出功能深度集成化、工具链完善化的特点：

国内部分云服务商2024年云服务新方案

整理：佐思汽研

2024年，以自动驾驶云平台为例，多数云服务解决方案包含以下工具链：

自动驾驶云平台工具链需求框架

整理：佐思汽研

2024年9月，百度推出智能云3.0，重点聚焦端到端智驾开发，特点包括：

可用于从车端到云端的智驾全流程训练，包括构建虚拟仿真数据；通过在云端提升训练效率、车端和路侧打通数据壁垒，构建实时车路云平台；该平台提供包括拥堵路段提前规避、超视距风险提示、红绿灯提醒以及远程实况鸟瞰等服务。提供云端座舱大模型，用于语义理解调度、内容生成、向量搜索、跨模态等研发场景。

百度数据场景生成能力

来源：百度

地图真实数据用于端到端仿真

来源：百度

2024年9月，华为推出L4自动驾驶网络解决方案——星河AI自动驾驶网络，在云端分别实现网络数据分析、多场景仿真与Agent调用：

华为星河AI自动驾驶网络功能

来源：华为

三、云原生进一步改变汽车软件开发方式

随着部分车企/Tier1开始搭建车云协同的基础架构，尝试将车端的数据上传到云端进行分析和处理，同时将云端的指令下发到车端，实现简单的车云交互，云原生技术开始应用于汽车行业的云端车端协同开发流程。

云原生是在新式动态环境（如公有云、私有云和混合云）中构建和运行可缩放的应用程序的软件方法。“云原生”的概念提出早于2020年，但在汽车上的应用一直处于探索阶段，未能进行大规模应用，主要集中在车联网、部分智能座舱功能等场景上；2024年，随着多云环境与AI技术的应用，云原生的应用场景大大增加，并开始从底层影响汽车行业 PaaS/SaaS 云服务方案的构建逻辑：

在车端，除了车载信息娱乐系统，云原生已用于自动驾驶、智能座舱的相关技术开发和优化。例如，通过云端自动驾驶平台的大规模计算和训练功能，为自动驾驶系统提供更准确的模型和更全面的算法，提高自动驾驶的安全性和可靠性。在云端，车企通过更加完善的云平台，完成车辆数据的存储、挖掘、分析和处理，为车辆的智能化运营提供支持，并将基于云原生的软件开发模式也逐渐应用到车企的供应链管理、生产制造等领域，实现了全产业链的协同优化，如容器编排技术 （Kubernetes等） 逐渐成为车企构建云端车端软件协同开发平台的核心技术。

以AWS与大陆合作开发云端ECU为例，大陆采用 AWS Graviton 模拟硬件环境，再选择操作系统与中间件在 AWS EC2 上运行，并通过 AWS EC2 完成虚拟化开发环境创建。

AWS与大陆合作的车云一体的硬件软件开发框架

来源：大陆集团

2024年，云原生应用方向聚焦于：

算力管理：云原生平台能够提供高效的算力管理技术，包括 GPU 算力调度、分布式训练等，以满足AI算法训练和实时推理的需求。服务网格与 API 网关的优化：除5G通信外，服务网格的性能优化、与 Kubernetes 调度器的协同工作、 API 网关的灵活配置和安全防护同样对云端通信有较大的影响。数据管理与治理：汽云原生平台的数据管理能力，包括数据的存储、备份、清洗、标注等，以及数据的安全合规管理。在主机厂越来越重视数据资产流通的背景下，数据的高效流转和共享成为云原生平台的影响因素之一。云资源利用率：部分主机厂开始关注云原生技术的能源效率、资源利用率等因素。部分绿色节能的技术和策略，减少云原生平台的能耗，同时提高资源的使用效率，降低运营成本。

2024年部分主机厂云原生应用案例

整理：佐思汽研

蔚来利用云原生技术构建车云协同开发平台

蔚来为解决算力稀缺、边缘节点管理混乱、云端通信不稳定等问题，使用 KubeEdge 作为平台的核心，以 Kubernetes + KubeEdge 为技术底座，构建了整套车云协同开发平台。

蔚来车云协同平台利用 KubeEdge 的云边通信机制解决节点联接的潮汐效应问题

来源：蔚来

该技术典型应用场景包括：

新能源汽车电池健康安全数据分析：在算法开发阶段，使用容器化的方式进行边缘算法的开发；在工程车辆验证阶段，小批量部署边缘计算的容器应用；验证通过后，替换对应的量产基础镜像。构建车端软件测试管理平台：引入云原生能力后，Virtual car、台架和实车通过接入到 K8s 的统一监控和管理，可以更合理地安排测试任务，从而提高测试资源的利用率。

数据分析-电池健康安全检测

来源：蔚来

《2024年汽车云服务平台产业研究报告》目录

页数：360页

01汽车云服务概述

1.1 汽车云服务行业概述

1.1.1 汽车云定义

1.1.2 中国汽车云市场规模

1.1.3 汽车云平台分类

1.1.4 中国汽车公有云平台

1.2 汽车云服务主要类型

1.3 汽车云服务竞争格局

1.4 中国汽车云商业模式

1.5 汽车云应用场景

02汽车云解决方案

2.1 自动驾驶云

2.1.1 自动驾驶对云的需求：云服务助力自动驾驶

2.1.1 自动驾驶对云的需求：云服务助力仿真测试

2.1.2 自动驾驶云应用场景

2.1.3 云服务+端到端智驾：案例一

2.1.3 云服务+端到端智驾：案例二

2.1.4 自动驾驶云平台：实现三类功能

2.1.5 自动驾驶云服务商举例：AWS

2.1.5 自动驾驶云服务商举例：华为云

2.2 车联网云

2.2.1 车联网云应用场景

2.2.2 车联网对云的需求：监测预警&诊断救援

2.2.2 车联网对云的需求：助力OTA流程管理

2.2.3 车联网云服务商举例：腾讯云

2.2.3 车联网云服务商举例：博泰车联网

2.3 V2X云

2.3.1 V2X云概述

2.3.2 V2X云服务架构：通用架构

2.3.2 V2X云服务架构：细分架构

2.3.3 车载云计算：六项服务内容

2.3.3 车载云计算：痛点与解决方案

2.3.4 V2X云服务商举例：百度云

2.3.4 V2X云服务商举例：商汤绝影

2.4 数字化转型

2.4.1 数字化转型概述

2.4.2 数字化转型对云的需求

2.5 云端数据闭环

2.5.1 数据闭环概述

2.5.2 云平台在数据闭环中的作用：推动数据上云

2.5.2 云平台在数据闭环中的作用：降本增效

2.5.2 云平台在数据闭环中的作用：算力需求

2.5.3 云平台数据闭环案例：AWS云

2.5.3 云平台数据闭环案例：百度云

2.5.3 云平台数据闭环案例：火山引擎

2.5.3 云平台数据闭环案例：阿里云

2.5.3 云平台数据闭环案例：上汽

2.6 AI+云服务

2.6.1 AI+云服务应用场景

2.6.2 AI智能云参考架构

2.6.3 AI在IaaS、PaaS、MaaS中的应用

2.6.4 AI云计算与智算融合

2.6.5 云端AI加速器

2.6.6 AI云端与端侧协同部署

2.7 云端信息安全

2.7.1 车联网安全挑战

2.7.2 云端安全场景

2.7.3 云端信息威胁

2.7.4 云端信息安全架构

2.7.5 云端安全策略：云WAF

2.7.5 云端安全策略：容器安全

2.7.5 云端安全策略：云主机安全

2.7.5 云端安全策略：云身份管理

2.7.5 云端安全策略：微隔离

2.7.6 云端安全典型案例：奇安信

2.7.6 云端安全典型案例：天融信

2.7.6 云端安全典型案例：为辰信安

2.7.6 云端安全典型案例：信安世纪

2.8 SOA云

2.8.1 SOA中的云原生

2.8.2 SOA云案例一（大陆）

2.8.2 SOA云案例二（高通）

03云平台基础设施

3.1 汽车云产业链

3.2 数据中心

3.2.1 中国数据中心分布

3.2.2 云平台企业数据中心布局

3.2.3 超算中心

3.3 云服务器

3.4 服务器芯片

3.4.1 服务器芯片技术路线

3.4.2 服务器芯片供应商

3.5 云厂商自研芯片进度

3.5.1 AWS自研芯片

3.5.2 谷歌自研芯片

3.5.3 阿里自研芯片

3.5.4 百度自研芯片：昆仑芯架构

3.5.4 百度自研芯片：昆仑芯云端场景

04汽车公有云平台研究

4.1 亚马逊云AWS

4.1.1 AWS汽车云业务简介

4.1.2 AWS区域分布

4.1.3 AWS汽车行业布局

4.1.4 AWS for Automotive

4.1.5 AWS软件定义汽车解决方案

4.1.6 AWS车联网数据湖

4.1.7 AWS自动驾驶数据湖

4.1.8 AWS汽车行业客户

4.1.9 AWS供应关系（2024汇总）

4.1.10 AWS合作案例：奥迪

4.1.10 AWS合作案例：宝马

4.1.10 AWS合作案例：大陆

4.1.10 AWS合作案例：HERE

4.1.10 AWS合作案例：艾拉比

4.1.10 AWS合作案例：中科创达

4.1.10 AWS合作案例：五一视界

4.2 微软云Azure

4.2.1 微软Azure汽车解决方案

4.2.2 微软Azure车联网云平台

4.2.3 微软互联汽车平台MCVP服务：商业模式和主要客户

4.2.4 微软互联汽车平台MCVP服务：生态伙伴

4.2.5 微软云合作爱立信车联云CVC

4.2.6 爱立信车联云CVC方案

4.2.7 英伟达AI云服务器Azure方案

4.2.8 微软Azure合作汽车零部件厂商

4.2.9 微软云Azure合作车企

4.3 谷歌云

4.3.1 谷歌云平台GCP

4.3.2 谷歌云最新动态

4.4 华为汽车云

4.4.1 华为汽车云业务简介

4.4.2 华为云汽车解决方案

4.4.3 华为云车联网解决方案

4.4.4 华为云自动驾驶开发解决方案

4.4.5 自动驾驶云服务：乾崑3.0版本

4.4.5 自动驾驶云服务：星河AI云

4.4.6 华为云大模型方案

4.4.7 华为云移动出行解决方案

4.4.8 华为云汽车仿真解决方案

4.4.9 华为云数字化智能平台解决方案

4.4.10 华为云数字化营销解决方案

4.4.11 华为云出海业务解决方案

4.4.12 华为云合作客户（1）

4.4.12 华为云合作客户（2）

4.5 百度汽车云

4.5.1 百度汽车云业务简介

4.5.2 百度智能云3.0

4.5.3 百度云自动驾驶解决方案：模型训练加速

4.5.3 百度云自动驾驶解决方案：仿真

4.5.3 百度云自动驾驶解决方案：智驾数据平台

4.5.4 百度车联网云

4.5.5 百度V2X云

4.5.6 百度云数据闭环方案

4.5.7 百度云数据标注方案

4.5.8 百度云安全体系

4.6 阿里汽车云

4.6.1 阿里汽车云业务简介

4.6.2 阿里汽车云行业能力

4.6.3 阿里汽车云技术底座：飞天平台

4.6.3 阿里汽车云技术底座：飞天+CIPU

4.6.3 阿里汽车云技术底座：智算平台

4.6.3 阿里汽车云技术底座：智算中心

4.6.4 阿里汽车云主要客户：Momenta

4.6.4 阿里汽车云主要客户：小鹏

4.6.5 阿里云车联网安全方案：云-网-端 一体化联防

4.7 腾讯汽车云

4.7.1 腾讯汽车云业务简介

4.7.2 腾讯汽车云架构：新一代数据闭环

4.7.3 腾讯自动驾驶云

4.7.4 腾讯智能网联云

4.7.5 腾讯汽车云能力

4.7.6 腾讯汽车云生态

4.7.7 腾讯汽车云安全机制

4.7.8 腾讯云车企客户

4.8 字节跳动汽车云

4.8.1 字节跳动汽车云业务简介

4.8.2 字节跳动汽车云系统架构

4.8.3 字节跳动汽车云生态

4.8.4 字节跳动云计算能力

4.8.5 火山引擎多云容灾架构：流量调度方案

4.8.5 火山引擎多云容灾架构：接入层和应用层的流量调度方案

4.9 英伟达云服务配套

4.9.1 英伟达Omniverse Cloud

4.9.2 英伟达合作案例

05主机厂云平台布局

主机厂方案对比（1）-（3）

5.1 吉利

5.1.1 吉利云平台策略

5.1.2 吉利数字化转型战略规划

5.1.3 吉利集团云平台

5.1.4 吉利集团云平台方案及规划

5.1.5 吉利星睿智算中心

5.1.6 吉利 智能驾驶云端数据工厂

5.1.7 吉利&腾讯云

5.1.8 吉利&七牛云

5.1.9 吉利&华为云、星辰天合XSKY

5.1.10 极氪&阿里云

5.2 小鹏

5.2.1 小鹏汽车云平台

5.2.2 小鹏扶摇智算中心

5.3 理想

5.3.1 理想汽车云平台布局

5.3.2 理想大数据平台

5.3.3 理想车联网云

5.3.4 理想数据存储方案

5.3.5 理想端到端智驾的云端世界模型

5.4 蔚来

5.4.1 蔚来混合云

5.4.2 蔚来能源云

5.4.3 蔚来自动驾驶云

5.5 一汽

5.5.1 一汽集团云平台布局

5.5.2 一汽红旗智云

5.5.3 一汽集团本地数据中心

5.5.4 一汽&华为云

5.5.5 一汽&阿里云

5.5.6 一汽&百度云

5.5.7 一汽工作云平台-北斗云

5.6 长安

5.6.1 长安汽车数字化路径

5.6.1 长安汽车数字化路径：上云阶段

5.6.1 长安汽车数字化路径：治数阶段

5.6.1 长安汽车数字化路径：启智阶段

5.6.2 长安云平台大数据

5.6.3 长安智能汽车云大数据处理架构

5.6.4 长安车联网云和研发云

5.6.5 长安端云一体的SDA架构

5.6.6 长安端云一体的服务生态

5.6.7 长安智能车云平台

5.6.8 长安汽车云平台合作伙伴

5.6.9 长安与腾讯云：车联网混合云和超算中心

5.6.9 长安与腾讯云：合作历程

5.6.10 长安与华为云：工业互联网云

5.7 长城

5.7.1 长城智能云

5.7.2 长城与华为云

5.8 上汽

5.8.1 上汽云业务布局

5.8.2 上汽云产品与服务

5.8.3 上汽云平台：总体架构

5.8.4 上汽云平台：特性与优势

5.8.5 上汽自动驾驶云

5.8.6 帆一尚行结合云端大模型的数据流程

5.8.7 帆一尚行智能网联云

5.8.8 帆一云合作案例

5.8.9 上汽云产品技术路线和安全路线

5.8.10 上汽海外与AWS合作

5.9 广汽

5.9.1 广汽与腾讯合作车联网云

5.9.2 广汽与腾讯合作智驾云

5.9.3 广汽与字节合作数字云化

06总结及趋势

6.1 车企上云的意义

6.1.1 云平台是车企数字化的基础

6.1.2 车企上云的意义（1）

6.1.3 车企上云的意义（2）

6.1.4 车企上云的意义（3）

6.1.5 车企上云的意义（4）

6.2 云服务需求趋势

6.2.1 中国云服务发展路径

6.2.2 云服务需求转变：特点

6.2.2 云服务需求转变：AI大模型

6.2.2 云服务需求转变：多云环境

6.2.3 主机厂需求的云端能力总结（一）：

6.2.3 主机厂需求的云端能力总结（二）：

6.2.3 主机厂需求的云端能力总结（三）：云平台方案深度集成化，工具链完善化

6.3 主机厂与供应商合作趋势

6.3.1 主机厂云应用

6.3.2 汽车云业务模式

6.3.3 主机厂选择云服务商的策略

6.4 云计算架构趋势

6.4.1 云计算体系架构走向软硬融合

6.4.2 车云计算的E/E架构

6.5 云原生改变软件开发方式

6.5.1 云原生改变软件开发方式：车云协同

6.5.1 云原生改变软件开发方式：主要技术与优势

6.5.1 云原生改变软件开发方式：应用场景

6.5.2 数据湖+云原生构建存储、计算全新体系

6.5.3 云原生安全演进

6.5.4 供应商云原生应用案例：阿里云

6.5.4 供应商云原生应用案例：腾讯云

6.5.4 供应商云原生应用案例：华为云

6.5.5 主机厂云原生应用案例：蔚来（1）-（4）

6.5.5 主机厂云原生应用案例：长城（1）-（8）

6.5.5 主机厂云原生应用案例：一汽

6.5.5 主机厂云原生应用案例：小鹏（1）-（2）

6.5.5 主机厂云原生应用案例：理想汽车

6.5.6 主机厂云原生应用案例：汇总

6.6 端云一体

6.6.1 端云一体（1）

6.6.2 端云一体（2）

6.7 云服务硬件设施趋势

6.7.1 云服务硬件设施趋势（1）

6.7.2 云服务硬件设施趋势（2）