2021年12月初，亞馬遜云平臺AWS推出了兩項針對汽車行業的新服務--AWS for Automotive 和 AWS IoT Fleetwise新服務。
AWS IoT FleetWise能夠幫助汽車制造商更輕松地收集和檢索車隊的傳感器數據。AWS for Automotive是一項更廣泛的、特定于行業的計劃，旨在將一系列產品匯聚到一處，類似于 AWS 的其它行業解決方案（例如 AWS for Industrial）。其旨在為汽車制造商、初創企業、車隊管理、以及物流公司提供移動互聯和自動駕駛領域的專用開發工具，以增強數字客戶參與、產品工程設計、以及供應鏈制造等全環節。
AWS云計算與汽車行業
Amazon Web Services （AWS） 云計算是全球最全面、應用最廣泛的云平臺，從全球數據中心提供超過 200 項功能齊全的服務。包括從計算、存儲和數據庫等基礎設施技術，到機器學習、人工智能、數據湖和分析以及物聯網等的新興技術。
AWS 擁有廣泛的全球云基礎設施。現已在全球 25 個地理區域內運營著 80 個可用區，并宣布計劃在澳大利亞、印度、印度尼西亞、西班牙和瑞士新增 5 個 AWS 區域、15 個可用區。
主機廠和Tier1的主要選擇包括亞馬遜AWS、微軟云、阿里云、騰訊云、華為云和百度云等，AWS占有一定優勢。
AWS 汽車云服務提供了非常廣泛且深入的功能組合，包括 AI/ML、IoT、HPC 和數據分析，同時具備超高性能和安全性、超大規模客戶和合作伙伴社區以及持續的推陳出新。
國內外眾多汽車公司采用了AWS，此外一些自動駕駛技術公司也已與AWS合作。
2021 年 4 月大陸集團與亞馬遜科技（AWS）達成長期合作關系。將共同研發模塊化硬件和軟件平臺 Continental Automotive Edge（CAEdge），能夠將車輛連接至云端，形成一個虛擬工作臺，并提供多種開發以及維護軟件密集型系統功能。
特斯拉使用光環新網公司運營的亞馬遜云科技北京區域業務。
Momenta 主要使用了由光環新網運營的 AWS 中國（北京）區域，通過使用 AWS 在創新加速、提升開發效率、節省運維成本、提供多樣化支持、國外快速部署等方面獲得價值。
文遠知行也采用了 AWS。利用 AWS 的機器學習系統，之前通常要花費 1-2 周才能完成的模型訓練在文遠知行的新系統上只需 12 個小時就能實現。
自動駕駛卡車公司與AWS
在自動駕駛卡車領域，多數技術公司也與AWS合作，如下所述。
斯堪尼亞-將其物聯網解決方案從內部移動到 AWS，將收集的數據轉化為有價值的信息和見解。此外斯堪尼亞在 2021 年 6 月開始與亞馬遜網絡服務（AWS）合作，為期一年的項目。該項目旨在減少 IT 碳足跡，構建可持續性 IT 解決方案。
圖森未來-已利用 AWS 完成了數十億英里的仿真并開發自己的自動駕駛平臺。
智加科技-2021 年 10 月選擇 AWS 作為云提供商。2021 年 2 月，智加科技完成了新一輪兩億美金融資，并宣布與亞馬遜 AWS 等多家企業建立戰略合作伙伴關系。2021.8 月，亞馬遜獲得了購買智加 20%股權的期權。
Embark-在 2020 年因新冠疫情而暫停卡車運行期間，無法利用道路測試作為收集更多數據和衡量性能的手段。Embark 的反應是利用亞馬遜 S3 上數 PB 的歷史數據開發系統，從多年的歷史數據中提取數據，通過數千小時的駕駛數據尋找感興趣的場景，并利用這些數據構建更強大的模擬，以測試他們的系統。Embark 的所有數據都使用 S3 智能分層存儲類存儲。
Torc Robotics（戴姆勒卡車旗下自動駕駛卡車公司）-于 2021 年 2 月引入亞馬遜網絡服務來處理其自動駕駛卡車所收集的數據，將利用 AWS 加速處理大量的數據傳輸、數據存儲，以及提升計算能力。Torc 表示，其研發團隊將利用 AWS 完成低需求和高需求的任務，以及在遠程團隊之間共享數據。同時，Torc 還會利用 AWS 所管理的服務，如 Amazon Elastic Kubernetes 服務（Amazon EKS）大規模運行模擬軟件、Amazon 管理的 Apache Kafka 流媒體（Amazon MSK）、Amazon 管理的 Apache Airflow 工作流（MWAA），和 Amazon Simple Storage Service（Amazon S3）智能分層，以高效地管理測試數據并支持法規遵從性。
Aurora 公司-2021 年 12 月與亞馬遜云服務（AWS）簽約，將充分利用 AWS 的在線和離線功能，為其機器學習和基于模擬的自動駕駛汽車技術開發提供支撐。在云端開發環境下，Aurora 將利用 AWS 來處理和存儲于真實道路測試中收集的 PB 級別傳感器數據。而在離線的時候，該公司還將利用 AWS 開展 Aurora Drive 軟件堆棧的測試、高清映射和機器學習等任務。Aurora 計劃到 2021 年底通過 AWS 提供支持的自研工具 Virtual Testing Suite，每天完成多達 1200 萬次的駕駛模擬。
AWS for Automotive
2021年12月初，亞馬遜云平臺AWS推出了AWS for Automotive 和 AWS IoT Fleetwise新服務。AWS for Automotive是一項為汽車客戶提供專用工具的計劃，用于互聯出行、自動駕駛開發、數字客戶參與、產品設計和工程、制造和供應鏈。
AWS for automotive解決方案領域
軟件定義車輛
AWS軟件定義的車輛解決方案領域有助于行業更快、更經濟高效地實現自動駕駛車輛（AV）開發和互聯出行改進，如高級駕駛輔助系統（ADAS）、從車輛到云的端到端安全、軟件的無縫開發和部署，以及不斷更新車輛軟件的能力。該軟件定義的車輛解決方案領域提供了構建下一代以軟件為中心的平臺所需的技術，該平臺具有集中化的高性能計算平臺、在整個車輛生命周期、安全性、數據管理和機器學習中持續軟件交付（CI/CD）的能力。
互聯出行
AWS互聯出行功能允許客戶釋放數據的力量，以構建智能、個性化功能和創收出行服務。該解決方案領域最近推出了第二代互聯出行解決方案（CMS）。此解決方案是一個經過審查的參考體系結構，其中包含用于加速連接車輛和服務的開發和全球部署的構建塊。AWS CMS包括軟件模塊，用于安全管理車內邊緣計算、機器學習推理模型、云數據獲取、存儲、業務邏輯和API的生命周期，為云中的應用程序提供動力。
自動駕駛車輛
亞馬遜在自動駕駛系統、機器人和機器學習方面的20年經驗使自動駕駛開發客戶受益匪淺，這些客戶包括Argo、Aurora、Mobileye、寶馬、大陸、戴姆勒的Torc、Embark、現代、日產、法雷奧、Momenta、TuSimple、豐田的Woven Planet、Starship、TuSimple和WeRide。依靠AWS提供許多功能，包括高度可擴展的計算服務和先進的深度學習框架，這些框架允許自動駕駛車輛數據的收集、提取、存儲和分析，以支持全面的AV開發。
AV開發的核心是最近部署的自動駕駛數據湖（ADDL）解決方案，目前正由全球OEM實施。AWS ADDL解決方案是存儲、編目和搜索自動駕駛車輛數據的唯一真實來源。該解決方案圍繞一個靈活、可擴展的數據飛輪將所有工程團隊聯系在一起，該數據飛輪將開發的所有階段（從接收到注釋、模型開發、模擬、測試和驗證）協調起來。
AWS還為機器學習開發了專門的解決方案和第一方管理的服務，如Amazon SageMaker和Amazon SageMaker Ground Truth。Amazon SageMaker允許開發人員和數據科學家快速構建、培訓和大規模部署機器學習模型，簡化工作流程并允許更快的迭代。亞馬遜SageMaker Ground Truth提供2D和3D第一方標簽服務。
其他領域還包括數字用戶管理、制造、生產與工程、供應鏈等。
AWS IoT FleetWise
AWS IoT Fleetwise是AWS for Automotive的一部分，能夠使汽車制造商更容易、更方便地近實時收集、轉換車輛數據并將其傳輸到云端并進行分析。
無需開發定制數據收集系統即可訪問標準化車隊范圍內的車輛數據。
通過智能過濾將您需要的準確數據發送到云，降低成本并實現更高效的數據傳輸。
近實時的地面車輛健康數據，以更快地檢測和緩解問題，幫助防止潛在召回，并遠程協助客戶。
傳感器可以提高汽車安全性，但也能產生指數級增長的數據量。例如，先進的車輛傳感器每輛車每小時可以生成高達2 TB的數據，這使得將此類數據傳輸到云端的成本令人望而卻步。汽車制造商希望更經濟高效地收集、標準化這些數據，并將其傳輸到云端，以便他們能夠利用這些數據產生有助于提高車輛質量、安全性和自動駕駛性的見解。
AWS IoT Fleetwise允許汽車制造商以其車輛中的任何格式收集和組織數據，利用該服務的智能過濾功能將其近實時傳輸到云端，該功能允許開發者通過選擇要傳輸的數據并根據天氣條件、位置或車輛類型等參數定義何時傳輸數據的規則來減少網絡流量，無論品牌、型號或選項如何。
汽車制造商從AWS管理控制臺開始，通過定義和建模車輛屬性（如雙門雙門轎跑車）以及與車輛品牌、型號和選項（如發動機溫度、前碰撞警告、駐車輔助系統等）相關的傳感器，以確定其整個車隊中的單個車型或多個車型。車輛建模后，汽車制造商將AWS物聯網FleetWise應用程序安裝在車輛網關（一個監控和收集數據的車內通信樞紐）上，以便它能夠讀取、解碼和傳輸AWS之間的信息。借助AWS IoT FleetWise的智能過濾控制，汽車制造商可以選擇其用例所需的準確數據，并通過創建條件規則過濾他們想要收集的數據，限制傳輸到云的數據量，從而幫助降低成本。
一旦數據進入云端，將數據格式結構化、標準化，以便在云端進行分析，客戶可以構建應用程序，使用分析和機器學習來提高車輛質量、安全性和自動駕駛性。汽車制造商就可以將其用于遠程診斷單個車輛問題的應用程序，分析車隊健康狀況以幫助防止潛在召回或安全問題，或通過分析和機器學習改進自動駕駛和高級駕駛員輔助系統等先進技術。這樣汽車制造商就不必開發定制數據收集系統。
Amazon IoT FleetWise先進的攝像頭傳感器數據收集功能預計將于2022年上半年推出。
AWS IoT FleetWise工作原理
AWS IoT FleetWise使汽車制造商能夠輕松且經濟高效地近實時地收集、轉換車輛數據并將其傳輸到云端，并使用其構建具有分析和機器學習功能的應用程序，從而提高車輛質量、安全性和自動駕駛性能。
AWS IoT FleetWise用例
訓練計算機視覺模型。使用從生產車輛車隊收集的攝像頭數據，培訓自動駕駛車輛（AVs）和高級駕駛員輔助系統（ADAS）。
幫助最大限度地減少保修索賠和召回
使用近實時數據主動檢測和緩解車隊范圍內的質量問題。
改進 EV 里程估計
利用來自附近車輛的眾包環境數據，如天氣和駕駛條件，改進電動汽車（EV）電池里程估計。
通知駕駛員路況的變化
從附近車輛收集選定數據，并使用該數據通知駕駛員道路狀況的變化，如車道封閉或施工。
AWS IoT FleetWise 特征
基于規則的數據收集
AWS IoT FleetWise應用您定義的規則，僅向云傳輸高價值數據信號。首先，選擇要傳輸的數據，例如安全設備數據、攝像頭數據或任何其他傳感器生成的數據。然后，根據天氣、位置或車輛類型等參數定義何時傳輸數據的規則和事件。這減少了傳輸到云的不必要數據量，從而降低了成本，并提供了對更有用數據的訪問。
車輛建模
使用AWS IoT FleetWise構建云中車輛的虛擬表示，并應用通用數據格式來構造和標記車輛屬性、傳感器和信號。AWS IoT FleetWise使用車輛信號規范（VSS）對車輛建模進行了快速標準化，因此“燃油壓力”等信號始終表示為燃油壓力，并以磅力/平方英寸（PSI）和千帕（kPa）為單位進行測量。車輛建模后，上傳標準CAN數據庫（DBC）或AUTOSAR XML（ARXML）文件，以便AWS IoT FleetWise能夠讀取通過車輛控制器局域網總線（CAN總線）發送的唯一和專有數據信號。
邊緣代理/ Edge Agent
AWS IoT FleetWise Edge Agent促進車輛與云之間的通信。當車輛開啟時，它會持續從AWS IoT FleetWise接收數據收集方案，并相應地收集用于云傳輸的數據。將邊緣代理安裝到受支持的車輛硬件--當前為NXP S32G車輛網絡處理器，并計劃提供其他受支持的硬件。使用Edge Agent，可以控制從創建到安裝過程的每一步，并維護完整的數據所有權和專有信息的控制權。
遠程配置部署
使用AWS IoT FleetWise，可以將基于云的數據收集方案部署到車輛上，確保車輛能夠接收到這些方案，并在未接收到這些方案時采取行動。例如，如果車輛在地下停車場結構中暫時失去連接，AWS IoT FleetWise可以定期重新發送消息，直到車輛響應。
全球信號目錄
從所有車型的集中存儲庫中選擇并標準化獨特的車輛傳感器和信號。
數據引擎
AWS IoT FleetWise通過元數據和車輛屬性豐富收集的車輛數據。例如，如果您在緊急制動事件期間收集安全帶數據信號，AWS IoT FleetWise可以通過添加車型和車門計數來豐富數據，從而更容易在云中分析事件數據。
筆者評論
自動駕駛對基礎設施的核心需求就是海量數據的采集和處理。人工智能是自動駕駛企業的核心競爭力，而模型的算法則是依賴 AWS 云端進行持續迭代。
傳統卡車 OEM 廠商對云平臺的利用目前局限于 IoT、大數據，主要面向后市場，在產品開發階段利用有限。
圖森、智加、Aurora、Embark、Torc 等主要自動駕駛卡車技術公司均與 AWS 合作，沒有檢索到 kodiak 公司的 AWS 相關信息。
海量數據和 AI 與機器學習成為區分傳統車輛開發與 AV 開發的重要特征。
如果自動駕駛卡車企業能夠實現貨運運營網絡服務的規劃，數據量將再次爆炸性、持續性增長，這意味著所有自動駕駛開發和運營企業都必須采用云平臺，自有云成本太高，而 AWS 在市場份額方面仍占有絕對優勢。
類似 AWS IoT FleetWise 這樣的新云計算服務將成為自動駕駛汽車行業利用機器學習釋放數據威力和做出更明智決策的核心。
