主机厂对自动驾驶数据的四大需求是哪些？

如果你对该问题感兴趣的话，推荐你看看《安永-智能汽车云服务行业白皮书：从上云到入云，云服务赋能汽车产业智能网联升级》这篇报告，下面是部分摘录的内容，具体请以原报告为准。

成本集约：海量数据的存储、处理、计算、分 析等对基础设施的要求非常高，成本也就相应 高企，例如某一外资新势力车企自建的超算中 心仅硬件耗资就高达1.4亿美元。未来随数据 存储需求的增加，对硬件的投入还将增长，巨 额的成本对单一车企来说是难以承受的。另外， 海量冗余数据的价值挖掘、标注、模型训练等 都会耗费极高的人力成本和硬件资源 ；

 上市效率：在自动驾驶的军备竞赛上，时间就 是生命，如何提高研发效率，加快自动驾驶车 型上市的步伐是车企关注的重点。然而传统的 数据中心在效率上的表现不尽如人意，尤其是 在诸如数据标注、感知和规控算法评测等业务 应用的层面，会耗费大量的时间成本，严重拖 慢研发进度 ；

安全可靠：自动驾驶的相关数据对于主机厂来 说是十分宝贵的资产，数据的丢失、损坏、泄 露都会带来很大风险，而传统的数据中心在安 全合规和容灾备份上都存在不够稳定可靠的问 题，对本地机房的运维管理也存在挑战，且会 牵扯过多研发精力 ；

 可扩展性：在自动驾驶研发的早期阶段，一些 技术上的课题都还在突破当中，只需要小规模 的测试车辆数据来做实验，因此个别本地服务 器就能满足需求。但到高级别自动驾驶技术的 研发和最终的量产规模化，数据存储的空间以 及算力势必存在大量的升级扩容需求，但传统 的数据中心很难做到。另外，除数据资源存在 扩容挑战以外，数据的挖掘和应用也存在功能 可扩展性的挑战，比如数据检索、标注，算法 模型的训练、感知、定位、规控分析等等，都 是传统模式所不具备也很难发展的能力