数据，汽车智能化竞争的关键

作者：陈重山

数据，已经成为新能源汽车智能化下半场竞争的关键。据车百智库、智能汽车与智慧城市协同发展联盟合作的研报《智能网联汽车发展若干重大问题》，随着汽车智能化的不断发展，智能网联汽车会像依赖化石燃料、电力一样依赖数据。

(资料图片仅供参考)

在智能网联汽车时代，汽车数据的边界逐渐扩大、体量不断激增，利用好汽车数据，不仅能帮助企业优化产品服务、建立差异化竞争力，而且能促进商业模式创新，推动汽车产业盈利结构从制造向更高价值的软件和服务转移。

尤其在大模型深入垂直类行业应用的趋势下，未来打造汽车行业大模型，对数据体量的要求将进一步提高，数据驱动智能网联汽车发展的趋势将更为明显。

但是，当前对汽车数据的应用，仍面临基于数据的智能网联功能未给用户带来充分获得感、汽车数据变现路径不清晰、缺少公平数据共享机制等问题。

基于此，7月28日，中国电动汽车百人会与中国汽研共同组织了 “如何推动汽车数据创新应用及更好流通”研讨会，邀请行业专家，以及整车、数据服务商、Tier1、芯片、软件及解决方案商、信息安全厂商等产业链的企业领导，就汽车数据的应用价值、共享流通、合作生态及安全保障四个议题进行探讨。

中国电动汽车百人会副理事长兼秘书长张永伟认为，汽车数据已经由过去辅助的角色逐渐变成价值创造的主体角色，汽车数据科技不仅是一个新业态，也将变成一个新“产业”，比汽车制造业更有吸引力。

汽车数据已成“产业”

与会代表合影

此次研讨会，主要讨论四个议题，分别是 “汽车数据应用场景与潜在价值”、“汽车数据汇聚共享与流通应用”、“汽车数据应用合作模式与产业生态”、“汽车数据流通安全保障体系建设”。

“汽车数据应用场景与潜在价值”议题，主要探讨智能网联时代汽车数据衍生的新价值，以及各企业面向政府、企业和用户的汽车数据应用创新实践。“汽车数据汇聚共享与流通应用”议题，主要探讨开放共享后具有极大意义的数据类型或企业有意愿开放的数据类型，以及汽车数据流通应用的制约因素及改善建议。“汽车数据应用合作模式与产业生态”议题，主要探讨企业期待形成怎样的汽车数据共享、流通机制，汽车数据权属如何划分，各方收益如何保障等等议题。“汽车数据流通安全保障体系建设”议题，主要探讨数据共享流通过程中存在哪些安全隐患、如何构建汽车数据流通的安全防护体系。

在研讨中，与会代表充分认可了汽车数据的重要作用，认为汽车数据是推动汽车智能化网联化发展的新型“燃料”，与电动化时代的锂矿一样，具有很高的价值含量。

具体来看，汽车数据是继汽车芯片、汽车操作系统之后行业焦点之一。人工智能、大模型爆发，在智驾、座舱领域有很好的实践。在此基础上，整个智能网联汽车的开发，由原来基于规则的驱动变成了由数据驱动，高质量数据成为训练模型至关重要的要素。

目前，数据作为土地、劳动力、资本、技术并列的生产要素，已经被当成一个“矿产”，乃至一种资产。管理部门十分重视发展数字经济，国家数据局已经开始建立起来了，未来将会更好地把汽车数据利用起来。

简而言之，汽车数据已经由原来的辅助角色，慢慢变成了一个价值创造者的重要角色，而且创造的价值是过去看不到、想不到的，是新价值，可以成为独立的产业环节，将加速我们汽车产业智能化、数字化转型，并培育新的产业增长点。

数据应用有不少问题

在如今智能汽车和自动驾驶时代，汽车数据具有独特的特点，数据生产者、数据处理者等数据参与者越来越多。数据体量越来越大，种类越来越多，除了车上各种设备采集的数据之外，还会有不同形态的，如各种摄像头、传感器采集的数据；而且，数据会使自动驾驶、智能座舱等智能化技术的迭代越来越快，这是一个大的趋势。

与会代表认为，汽车数据应用的领域越来越宽。除了用数据来为车企提供销售和市场端的服务，还可以用于To C端的数据分析、赋能，也可以为车企的生产和管理提供服务，譬如数字化工厂、无人工厂，通过数字化技术，能够帮助企业提升内部整体效率。

汽车数据还可以为研发服务，特别是为自动驾驶提供了更多的数字化服务。包括测试、数据处理，包括一些算法的赋能。另外，汽车数据还有车联网的应用，包括金融、交通等一系列应用。

汽车数据应用越来越广，具有成为一个业态乃至“产业”的价值。但是，目前依然存在一系列的问题。

做好数据归集与分类分级，形成标准化，成为迫切需要。但是，各个主机厂生产车辆时，数据的采集都是没有标准化的。而且，数据规范定义上存在差异，没有统一的标准。面临着获取和融合兼容性的问题，以及数据质量和传输标准问题。

数据可能会在政府部门、监管机构、主机厂、云端、用户端、以及第三方生态企业以及Tier 1之间进行流动，会导致数据所有权的冲突和争议，汽车数据权责如何划分仍存在难题。

对于数据质量的追求，也很迫切。目前处于大模型时代，只有高质量的数据，才能训练更好的大模型。而且，高质量的数据是训练自动驾驶座舱的重要手段，自动驾驶进入到一个量产的时代，对数据的需求更加是指数级的增长，除了规模要大之外，每一批数据的质量都要非常稳定。自动驾驶要能做到更安全，也需要有高质量的模型。但是，高质量数据定义的标准是什么？如何才能从庞大的汽车数据中，获得高质量的数据?

目前虽然提数据应用商业模式创新，但是，创新模式并不成熟。各个主机厂以及各个车联网的Tier 1都在尝试着数据兑现，而且也产生了很多不同的场景，真正能够赚钱或者能够对主机厂产生价值的场景虽然有，但并不多。

敏感数据与合规瑕疵

目前，采集回来的数据，还有风险度的考量。譬如，极高风险的数据是不开放的，中低风险的可以在有条件的基础上开放出来。

这就使得敏感数据问题显露出来。不是所有的数据都是敏感数据，不涉敏数据可以自由处理。而敏感数据有结果导向特点，比如说泄漏之后或者非法使用之后导致驾驶人、车外人受到人身财产安全。还涉及敏感数据的处理，回传的通道要不要加密，要不要采取相关的措施等等。

另外，汽车数据的共享和汽车数据流通，也是迫切需要解决的问题。

来自数据安全产品领域的代表认为，数据安全共享有三个痛点：不敢、不愿、不便。因现在数据安全要求比较高，不能轻易把数据提供出来。有些数据是有稀缺性的，若提供出去，害怕丢失。而数据要产生价值，单靠一方的努力是不行的，这使得数据安全共享成为难题。

未来，汽车数据可能会在用户端、云端、主机厂、第三方生态和政府机构、监管机构以及一些Tier 1之间进行流动。而这当中，数据合规性要求越来越多，这也面临很大的挑战。

同时，我国汽车正在不断“走出去”，今年有望成为全球第一大出口大国。与会代表预估，中国的汽车出口到一定数量，大概到500万辆左右的时候，就会遇到欧洲、日本、美国这些汽车强国的反弹。到时候，数据安全、信息安全将会成为国外阻止中国汽车进一步出口的关键点，尤其是面向智能化之后。因此，建议数据治理上，要在合规标准上、合规体系下有更多的输出。

在数据应用与合规性方面，还出现一些矛盾的现象。

目前，大量的汽车数据都会被纳入到个人信息的范畴，而这些数据在流通与应用当中，如果涉及到个人信息处理，需要用户授权同意，才具有合法性基础。一些业务流程，没有办法在用户拒绝的形成下往前推进。而用户并不明白为什么要授权。因此，这容易形成合规瑕疵。

而且，不同主体、车企或者不同的Tier 1、Tier 2各个供应商、上下游之间、主体之间做数据共享流通的场景，很多是传统的数据盈利模式，并非创新模式。

数据应用的相关建议

对于汽车数据的应用，与会代表提出了很多建议。

首先就是要做好数据归集、分类分级。对于不同主机厂采集的数据参差不齐，没有标准化的问题，建议数据获取方面，采用标准化的数据格式，建立高效的数据传输系统。另外，可以利用云计算来处理大数据，利用人工智能和机器学习进行复杂数据的分析，开发快速的数据处理和决策的模型，构建数据标准和共享。

要获得高质量的数据，就离不开数据的清洗和校验，对无效数据进行清理，对有效数据进行二次计算，得到有用的结论。

对于敏感数据，需要有一些机制和措施来应对。譬如分级访问权限，对不同的级别、设置相应的访问权限，通过权限才能访问高敏感性的数据。对于高敏感性的数据使用强大的加密算法进行加密，确保数据在传输和存储过程中不容易被非授权人非法获取。另外，对于共享的数据可以采用匿名化的处理。建立明确的数据共享协议、明确数据的用途、范围和权限，同时约束数据的使用时间和地点。定期对数据的监管和流通进行审计，确保数据使用符合规定，并监管数据的使用情况。遵循最小化的数据原则，只共享和流通必要的数据，以降低数据泄漏的风险。可以通过透明的数据共享机制让用户或者车主了解到自己的数据。

另外，在数据安全管理方面，鼓励技术创新，譬如在算法上、在框架上，在这些数据上做一些创新，同时提供很强的监管，保证导向性正确。

有代表还提出一些具体的建议，譬如在全国做一些数字经济特区，探索数据共享的新模式，形成一系列的流转。

另外，中国即将成为第一大汽车出口大国，对于数据出境的诉求不会少。对于这种数据出境的共享和流通，一定是由浅及深的过程，譬如，是不是可以从交通标志集和场景集的共享开始，从而逐步展开。

最后，所有的数据都是真金白银换来的，共享和流通肯定会有互利共赢的前提存在。数据商业模式创新，譬如数据变现的路径，有代表建议了八个变现的路径。

八个变现路径

总之，汽车数据要真的能够产生应用，不仅仅靠技术和应用方面的创新，必须和管理、制度、法规、政策创新结合起来，加快做好机制、政策、法规的适配。

为此，可以先从组织上开始做一些常态化的工作。譬如，围绕着汽车数据、科技发展，搞一个常态化的交流平台，开展一些重大的研究，做出一些更有权威、更有分量的意见或者结论。

甚至于，可以把全球的相关机构组织起来，因为汽车数据应用和治理是个全球性的话题，从而形成一个全球汽车数据共享的准则或共同认知。