体验云端疾驰：快云助您实现业务加速 (云端驾驶)

在当今竞争激烈的市场中，企业面临着巨大的数字化转型压力。云计算作为数字化转型的关键技术，正在得到广泛应用。快云作为领先的云计算服务提供商，凭借其强大的云端计算能力和完善的服务体系，助力企业实现业务加速。

云端驾驶，开启业务加速新篇章

快云的云端驾驶服务，将云计算能力与企业业务场景相结合，打造一整套云协同解决方案，为企业提供全方位的业务加速服务。通过云端驾驶，企业可以实现以下优势：

• 案例2：金融企业B

  金融企业B使用快云云端驾驶服务，构建了安全可靠的云端核心业务系统。多重安全防护措施保障了客户资金安全，云防火墙有效抵御了网络攻击，确保了业务的稳定运行和客户数据的安全。

  案例3：制造企业C

  制造企业C借助快云云端驾驶，实现了智能化生产管理。云端大数据分析平台实时采集生产数据，通过机器学习算法优化生产流程，降低了生产成本，提高了产品质量，实现降本增效。

  结语

  快云的云端驾驶服务，为企业提供了全方位的业务加速解决方案。通过弹性扩容、极致性能、安全可靠、智能运维、完善服务等优势，帮助企业提升效率、降低成本、保障安全，实现数字化转型和业务加速。选择快云，体验云端疾驰，助力企业赢在数字化时代。

---

腾讯钟学丹：汽车产业将基于云端定义智能、体验和新商业模式

腾讯智慧出行副总裁 钟学丹

钟学丹认为，中国市场正在引领智能化相关技术的发展和创新，从单车智能到车云一体持续进化。同时，汽车行业进入到不确定性与合规化发展并存时代，云作为弹性、易拓展的载体，可以帮助企业提升业务韧性，抵抗动荡，安全合规发展。

“云正在成为重要生产力，车云一体化的数据驱动将成为汽车产业的竞争关键。未来，汽车行业将基于云端去定义智能、定义体验、定义新的商业模式。”钟学丹表示。

腾讯将以云为核心，为汽车产业提供数据驱动的车云一体化基础设施，通过灵活的部署方式、云原生的开放体系，以及针对汽车行业特性的行业解决方案，助力车企构建围绕厂、店、人、车等不同场景，构建车云一体化的数据驱动闭环。

今年是腾讯布局汽车行业的第五年，数据显示，已经有100多家车企及出行科技公司使用了腾讯云服务，在汽车行业的用云量已超过25万核服务器、汽车行业的存储规模突破100PB。

以下为演讲实录

各位领导、各位嘉宾，媒体朋友们，

大家好！

今年上半年，汽车产业经历了短期的震荡，但并没有影响智能网联汽车长期向好的发展态势。我们看到几大核心的变化：

第一个核心变化，智能电动化正在推动汽车产业结构化的变革。中国市场正在引领智能化相关技术的发展和创新，从单车智能到车云一体持续进化。

今年一季度统计，L2级自动驾驶在我国乘用车市场的新车渗透率已经达到23.2%。同时，近期多款新车已经搭载了高算力计算平台、激光雷达等面向L3级以上的硬件配置，并且价格已下探至20-30万元区间。可以说，2022年或将成为中国准L3自动驾驶量产开端之年。

这背后也伴随着巨大的研发和运营投入。如何更高效、更低成本的进行数据管理、算法迭代和体验优化，成为摆在大家面前的一大课题。在这样的背景下，车云一体化、数据驱动的IT基础设施成为必然。

第二个核心变化，用户对于智能科技的付费意愿和要求在不断增长。如何拓展新的服务模式，创造新的商业增值空间，成为车企的新考验。

德勤的一项调查显示，有90%以上的中国消费者愿意为车联网服务付费。好的体验不再是堆砌配置，而是要求以用户为导向，以数据为驱动，通过云端能力不断升级迭代，为用户提供按需服务，这背后还有非常多的商业空间值得挖掘。

第三个核心变化，汽车行业进入到不确定性与合规化发展并存时代。

一方面，新冠疫情反复、国际局势动荡等不确定性因素频发，对供应链、销售端都造成了一定的挑战。

另一方面，相关法律法规、行业标准、监管体系密集出台，也正引导汽车产业向更标准、更安全和更有序地发展，对企业的数据合规、自主可控提出了更高的要求。

在这样的背景下，云可以作为一个弹性、易拓展的载体，帮助企业提升业务韧性，抵抗动荡，安全合规发展。

综上变化，我们可以看到，云正在成为重要生产力，车云一体化的数据驱动将成为汽车产业的竞争关键。

基于云端去定义智能、定义体验、定义新的商业模式

一方面，软件占比的大幅提升，也促进汽车研发体系的重新构建。整车制造研发体系和智能座舱、自动驾驶的研发运营体系是完全不同的系统架构，后者需要构建数据驱动的敏捷研发和运营架构，如何实现大规模、分布式的软件协同效率提升，结合实时感知、场景理解、算法迭代等持续优化运行效率，将是新的核心竞争力。

从用户角度，用户对智能化极致体验是不断刷新的。用户对汽车的体验要求，不再是买车的时候有什么功能特性，而是在用车的过程中，是否能够及时的获得新鲜的场景体验，最新的数字化内容，不断与时俱进的新交互和功能，以及越来越懂用户的使用体验和服务等。

具体而言，云端协同所带来的核心价值可以概括为三个点：不断优化的研发运营效率，不断革新的汽车服务体验，并随之带来企业业务韧性的不断增强。

优化研发效率

智能化、电动化的发展趋势下，对软件能力提出更高的要求。研发效率是决胜的重要关键因素之一。

自动驾驶、智能汽车技术更快速的进化，除了车端感知能力、算力平台、控制优化等因素之外，还有一个非常重要的因素，就是云端的数据管理平台和算法训练平台。

工程实践中，获得一个算法模型，大约70-80%的人工时间花费在数据处理上，约70-80%的机器时间用在模型训练上。由此可见，数据和计算，是驱动研发效能提升的两大关键。

海量的数据存储和访问，如何降低存储成本、提升访问效率？我们基于腾讯云业界领先的存储加速服务———GooseFS，相比传统存储的接入和访问模式，加速性能提高了10倍，可以很好的满足汽车自动驾驶场景对海量数据访问所遇到的瓶颈。

在算法开发方面，我们提供的一站式算法开发、训练框架——TI-One，可以帮助大量节约算法训练的成本。在模型训练环节，算法开发TCO（总体拥有成本）至少降低50%，进一步节约计算成本，提高训练效率。

针对研发体系繁杂、架构不统一的情况，腾讯还可提供多云管理、多云调度的平台，并提供DevOps、AIOps、低代码平台等一站式的开发基础设施，加速软件开发效率和灵活性。

同时，我们认为，更高效、低成本的上云，一定是“专云专用”、符合行业特定需求的行业云。为此，我们在上海设立了一个智能汽车云专区，从云专区的硬件选型，到云上组件都是高度结合智能汽车行业特殊需求进行配置和优化。在智能汽车云上，我们打造了完整的自动驾驶、仿真训练、高精地图、座舱等云上自动化工具链等，为车企带来开箱即用的专有化云端服务，让车企可以更专注于算法优化和体验改善。

革新汽车服务体验

通过基于云端的互联服务，我们还在帮助拓展汽车服务新模式，探索创新的服务增值空间。

出行是一个场景驱动服务的体验模式，及时感知场景的变化和需求，为用户提供恰当的服务选择，可以极大的提升用户驾乘体验，而服务的碎片化、本地化需要有一个好的云端框架可以更便捷的将互联网服务快捷上车，方便用户无需下载安装，就可以更即时地、按需地获取这些丰富的内容和服务。

当然，好用的服务不在于多，而在于精。如何更好的结合用户具体的用车场景，解决用户当下所需呢？通过腾讯新一代的场景引擎，可以将车端对场景的实时感知，与云端的AI和数据能力相结合，让用户更清楚地获知身处何地、周边有什么、我想要的服务在哪里。我们重点围绕诸如停车、充电、etc等用户普遍关注的用车场景，去打磨的智能场景化的能力，帮助提升车载服务的活跃度。现在，腾讯也开放了场景引擎和智能推荐体系，助力车企打造自主可控的云端场景引擎一体化平台。

在自动驾驶场景和高级别辅助驾驶场景下，我们推出新一代智能驾驶地图，通过云端实时连接和一体化的数据架构，我们首创性地实现了高精地图、ADAS地图、SD地图的数据同源“一张图”，可以针对人工驾驶、辅助驾驶和自动驾驶的不同驾驶模式自动切换地图形态,从车道级精度到路径级精度，多种比例尺无缝切换。这种车-图-云一体化的形态，可以助力解决目前行业内普遍存在的各种地图之间数据不匹配，智能驾驶系统人工接管频率高，地图更新频率难以统一等制约智能驾驶功能实际应用等问题。同时，通过多模态的交互方式，为用户提供更沉浸、更鲜活的导航探索体验。

通过极致体验的打造和持续运营，腾讯愿与车企共创订阅制的商业模式，基于腾讯用户运营的经验，结合车企构建的车辆和用户数据闭环，助力车企打造和培养用户不但愿意使用，也愿意为体验付费的商业模式。

增强业务韧性

车云一体化带来的第三个价值，是增强业务韧性。

汽车产业目前正在经历结构性的变化，也进入到强监管、安全合规发展的时代，对企业的安全建设、数字化的运营能力，实时地事故处理能力，提出了更高的要求。

随着联网车辆的不断增长，如何构建更健壮和弹性的网络架构体系，及时解决接入、数据处理、扩容、灾备等问题，都是需要面对的新挑战。

云具备更加弹性灵活、开放兼容、可持续运营的特性，可以成为汽车企业在提升业务韧性的过程中的常规标配，助力车企随时应对突发的业务，提升业务敏捷性，有效降低整体运营成本。

在这方面，我们基于云和数字化实践的经验，结合汽车行业的业务特点，可以借助云平台的数字底座，实现研发智能化、生产智能化、管理智能化、运营智能化，持续助力汽车产业增强业务韧性。

腾讯为汽车产业提供“车云一体化”的基础设施

在车云一体化的趋势下，腾讯将以云为核心，为汽车产业提供以数据驱动的车云一体化基础设施，通过灵活的部署方式、云原生的开放体系，以及针对汽车行业特性的业务解决方案，助力车企构建自己的数字化底座和完整的业务服务能力。

首先，腾讯基于自身敏捷的云原生体系，打造沉淀出坚实的底层云基础设施，通过灵活部署的IaaS，以及云原生、Devops、开放的云上工具平台，帮助车企和合作伙伴灵活、快速、低成本的构建起车云一体化的基础，支撑汽车行业数智创新和快速变革。

在底层智能汽车云作为核心底座的基础上，向上连接起汽车产业链研发-生产-销售-服务等核心场景，实现车云一体化的数据驱动、场景闭环。帮助车企在软件定义汽车时代，构建新生产力。

基于开放强大的智能汽车云平台，通过中间的IPaaS应用集成连接器、IDaaS账号连接器、微搭低代码应用连接器等，可快速支撑厂、店、人、车等多端的不同场景，通过端云一体化实现数据驱动的新场景，创造汽车行业新生产力。

为100家车企和出行科技公司提供云服务

今年是腾讯发力汽车赛道的第五年，目前，已经有100家车企及出行科技公司使用了腾讯云服务。

面向汽车行业，一方面，我们持续夯实云底座能力。目前，腾讯云在汽车行业的用云量达到25万核服务器、汽车行业的存储规模突破100PB，帮助车企增量超过70%。

同时，在腾讯云底座之上，我们还面向汽车行业各环节的特殊需求进行专有化定制开发，围绕智能汽车云、数字营销、办公一体化、工业制造等场景，联合600+生态合作伙伴，推出了130+个云上行业解决方案。

站在汽车产业结构升级的重大时期，腾讯坚持做好数字化助手角色，专注自身所长三个领域：第一，深耕云、图为核心的基础设施；第二，发挥好C2B连接价值；第三，共建开放生态。

从单车智能到车云一体，再到智慧交通、智慧城市，腾讯将充分发挥好以上三个维度的能力，将人、车、路、云都能够连成一张网，在云端实现人车路的实时计算，让交通运营管理体系之间信息畅通，让企业一体化管理和运营效率更高，让用户服务更及时、更极致。

易车App提供销量、热度、点评、降价、新能源、实测、安全、零整比、保有量等榜单数据。如需更多数据，请到易车App查看。

华为盘古大模型如何赋能自动驾驶？

盘古大模型主要是帮助自动驾驶提升数据闭环。

华为盘古大模型开始赋能自动驾驶。

近日，华为云智能驾驶创新峰会上，基于盘古大模型，华为发布自动驾驶领域四个场景大模型。分别是，场景生成大模型、场景理解大模型、预标注大模型、多模态检索大模型。与此同时，华为方面称，基于盘古大模型3.0，华为云还可以帮助企业打造自己的自动驾驶大模型。

事实上，自2017年谷歌发布Transformer网络结构，成为大模型发展源头技术后，大模型技术在自然语言理解、计算机视觉、智能语音等方面都取得了突破。中国自2020年也进入大模型快速发展期，出现了文心一言、通义千问、星火认知等一批预训练大模型。

那么，与其他大模型相比，华为盘古大模型有什么不同？“3.0”又是什么架构？它在自动驾驶领域主要有哪些作用，又面临哪些挑战呢？

盘古大模型3.0是什么？

华为盘古大模型布局已久，其负责人是华为云AI首席科学家田奇。

田奇曾于2008至2009年，从大学调至微软亚洲研究院多媒体计算组进行研究工作。2018 年，田奇加入华为担任首席科学家，负责华为云相关业务。

2020年，在田奇带领下，华为启动盘古大模型启动研发，并于2021年4月正式发布，到2022年聚焦行业应用落地。今年7月7日，华为开发者大会（Cloud）期间，盘古大模型3.0正式发布。

盘古大模型3.0是一个完全面向行业的大模型系列，包括“5+N+X”三层架构。

Δ 华为云盘古大模型架构

其中，L0层是指基础大模型，包括NLP（自然语言处理）大模型、CV（计算机视觉）大模型、多模态大模型、科学计算大模型和预测大模型五个基础大模型。

华为在这五大发展方向中的成熟度是不同的。与风头正劲的ChatGPT在NLP领域比较强势不同，盘古大模型的初衷主要是服务B段的客户，因此更聚焦比较成熟的CV领域。

L1层指N个行业大模型，华为云可以提供使用行业公开数据训练的行业通用大模型，包括政务、金融，制造，矿山，气象等大模型；也可以基于行业客户的自有数据，在盘古大模型的L0和L1层上，为客户训练自己的专有大模型。

L2则提供了更多细化场景的模型，是在L1基础上结合行业细分场景得到的推理模型，包括政务热线、网点助手、先导药物筛选、传送带异物检测、台风路径预测等具体行业应用或特定业务场景，提供“开箱即用”的模型服务。

整体来看，盘古大模型分为三个训练阶段：一是预训练，利用海量数据进行预训练得到通用基础模型，二是微调，针对下游行业具体任务，结合行业数据进行微调；三是大模型迭代，结合不断产生的新数据和之前训练使用的数据，实现大模型的终身学习。

在此之下，盘古大模型3.0还具备自研和解耦两大特征。

自研方面，根据华为云CEO张平安此前介绍，“华为自研的AI根技术，在最底层构建了以鲲鹏、升腾为基础的AI升腾云算力底座。并在升腾之上，提供了计算框架CANN……升腾云的效能不仅不落后，反而领先于业界主流GPU，盘古大模型训练效率对比业界主流GPU平均提升1.1倍。”

解耦，是盘古大模型3.0的另一个关键词。设计上，盘古大模型采用完全的分层解耦设计。合作伙伴可以基于此为自己的大模型加载独立的数据集，也可以单独升级基础模型，又可以单独升级能力集。

与此同时，在L0和L1大模型的基础上，华为云还为客户提供了大模型行业开发套件，通过对客户自有数据的二次训练，客户就可以拥有自己的专属行业大模型。此外，根据客户不同的数据安全与合规诉求，盘古大模型还提供了公用云、大模型云专区、混合云多样化的部署形态。

如何赋能自动驾驶？

具体到自动驾驶领域，盘古大模型3.0当下的主要作用是提升数据闭环。

数据闭环核心目的，是不断将高价格数据从原始数据中提取出来后，输送给算法做训练，最终不断完善算法，解决各种corner case（长尾场景）。

方式则是从车端提取数据做初期整理，然后进行场景化管理，再进行数据标注、训练、仿真，最后回给采集需求。其中，每一个过程都有大数据可以发力的机会点。

Δ 华为云盘古大模型赋能场景理解

首先是场景理解，这主要是为了提取自动驾驶高价值数据。

当下，随着高速NOA、城市NOA的不断推进，自动驾驶公司或车厂每年积累的数据不断增加，甚至达到百TB级别，其中真正能够送去做算法训练的不到百分之十，如何高效从原始数据中把需要的数据筛选出来非常重要。

根据华为方面透露，一些企业已经有大量的数据积累，传统的方式需要人工回看，再进行打标、分类组织起来。这样的速度是比较慢的，因此容易造成前端数据积压。大模型的机会点在于，可以自动理解视频当中的内容进行自动打标签，并形成产品化管理，为提取高价值场景做自动筛选。

其次是数据标注，正如上文所说，一些企业每年有上百TB数据需要标注，每年在此之中的花费可能为千万甚至上亿元，且效率还不能满足数据供给需求。大模型的机会点在于，它具有高精度优势，可以完成2D、3D的高精度标注，最高可以降低90%标注量。

一般来说，在华为做完预标注后，会与车企、标注第三方公司合作，在此基础上进行进一步处理。在华为看来，这意味着车企的任务从标注变成了质检，可以有效降低成本，并提升30%到40%的效率提升。

Δ 华为云盘古大模型赋能预标注

再此是场景生成，这一部分的主要目的是使感知模型的长尾问题能够自动生成补齐。一般情况下，当算法团队发现其算法在某些长尾问题下完成度不高时，会提出corner case收集需求。

此前主要是两种方式去进行采集，一是出采集任务，到真实场景里去采集，但corner case往往可遇不可求，很难真的碰到并被收集，效率低下；另一种则是传统3D建模的方式，这非常依赖3D建筑工程师的人工经验，且由于精度不够，当需要输出感知模型进行训练时，往往不足以支撑，导致模型精度下降。

这其中，大模型的机会点是，从实车数据学习如何生成新视频，同时处理重建和渲染，生成数据可用于感知算法训练；重建各类障碍物构建素材库，根据需要构造corner case，增强数据完备性；针对天气、昼夜、季节等环节因素对已有场景进行变换，构造corner case。华为提供的方式是，基于神经网络做实车场景，并进行重建跟渲染。

总之，根据华为云EI服务产品部部长尤鹏的说法，华为云通过盘古大模型赋能自动驾驶开发平台，可以实现三层加速：

通过数智融合架构打破数据、AI资源管理边界，在一个平台即可完成开发、测试、交付上线工作，让业务创新提效2倍，实现数据加速；

借助盘古大模型在认知、感知、决策、优化等全领域的能力，车企可以快速基于盘古训练出自己需要的模型，实现算法加速；

基于升腾AI云服务，可针对自动驾驶300+算法进行优化，60+实现精度性能提升，可以做到千卡训练数月不中断，实现算力加速。

还有哪些挑战？

未来很丰满，但当下盘古大模型的应用还处于比较早期阶段，至少在自动驾驶领域如此。

根据华为方面介绍，目前上述三种华为自动驾驶相关大模型中，只有场景理解大模型已有客户（比亚迪）合作落地。其他场景有一些联创项目，正在计划落地中。

与此同时，大模型也面临成本压力。

有数据显示，大模型的训练成本很高很高，GPT-3训练一次的成本可能在1200万人民币。而华为方面，在训练千亿参数的盘古大模型时，也调用了超过2000块的升腾910，进行了超过2个月的训练，价格不菲。

因此，大模型运用于自动驾驶时要求算力所带来的成本，以及如何分配算力成本也是量产面临的关键问题。

华为方面以高精地图类比称，高精地图对于自动驾驶的加持作用是毋庸置疑的，但近期多家车企提出了“无图”方案，除了政策原因外，成本问题是很大的因素。

实际上，GPT-3出现之后也给了业界一个很大的启示，是否还要继续这样“暴力美学”地走下去。

学界有观点认为，大模型在现在的参数基础上再指数级增加对模型的性能边际效应已经减弱了，那么这就需要一些降本的方法：Open AI团队选择的方式是做精准高质量的标注。

华为也有自己的思考。

一方面选择小样本训练，通过自监督的方法，以更少的标注数据来做训练，以降低成本。

另一方面，盘古大模型的三层架构也能在结构上实现降本。L0层是通识性的大模型，具备鲁棒性和泛化性；大模型训练好了之后不用再重复训练，只需在L1和L2层做适应性训练，成本关系是上一层的5-10%。

除此之外，大模型落地还面临数据复用、云端和车端不同芯片匹配、数据脱敏后鲜艳度等一系列问题待讨论。

可以预见，无论是华为，还是其他公司关于大模型的探索还在起步阶段，还需要很长时间去落地、验证。（完）

uc云端加速是什么

UC云端加速是指数据通过服务器重新压缩排版，以达到加快网页打开速度和节省流量的目的。

云端加速作为一项浏览器加速技术，通过真实服务器网速加速，实现上网浏览提速。相对于传统的浏览器加速技术来说，云加速真正实现了网速实质性的提升。

使用云端加速的浏览器具有以下特点：

1、浏览加速的自学习能力将更强。

浏览器会通过用户浏览的网站，不断优化加速策略，提供最适合用户的加速方案。当加速策略放到服务器端后，浏览器将利用用户的加速数据库，互相借鉴，找到一种加速效果更好、更匹配用户的网络环境的加速方式。

2、访问复杂的网页速度更快。

与普通的文本网页不同，复杂网载入速度要慢得多。云端加速的优势在于对复杂页面内部的多个元素也可以分别进行有针对性的加速措施，达到整体效果的最佳，带来的极速体验。

UC浏览器云端加速的优势：

UC浏览器具备的云端加速是全网加速的升级版。在普通没有云端加速的浏览器中，加速策略的判断是由本地的浏览器客户端来决定的。但是，在UC浏览器云端加速系统中，这一决策是服务器来决定的，能够帮助用户更快地进行浏览网页等操作。

参考资料来源： UC浏览器客服官网-什么是云端加速？

参考资料来源： 网络百科-云加速

---

---

相关标签： 云端驾驶、 快云助您实现业务加速、 体验云端疾驰、

上一篇：云计算服务优化揭秘提升云基础设施效率的秘

下一篇：遵守法规越来越多的国家和地区法规要求企业