1版权声明本报告版权属于CCSATC601大数据技术标准推进委员会，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：CCSATC601大数据技术标准推进委员会”。违反上述声明者，将追究其相关法律责任。I前言近年来，汽车行业数字化程度不断提升，正在由传统硬件制造向“电动化、智能化、网联化”方向转变。“十四五”时期，随着人工智能、大数据等基础技术的渗透应用，汽车产业数据治理、应用及服务能力将加速成熟，并孕育产生庞大市场需求。近年来，我国汽车数据迎来快速发展，但汽车企业数据能力参差不齐、数据能力体系建设缺乏规范指导、数据安全合规与应用难以平衡等问题依旧突出。为促进数据要素与汽车产业深度融合，推进汽车数据优秀实践经验和共性知识的积累推广，CCSATC601汽车数据工作组编制了《汽车数据发展研究报告（2023）》。报告对汽车数据产业发展现状、产业整体视图、相关政策法规、能力体系建设进行了系统梳理和深入调研，汇集了汽车数据产业发展典型实践和经验做法，研判了汽车数据产业发展关键趋势，总结机遇和挑战，并为下一步建设发展提供参考建议。本报告提出了汽车数据能力体系建设的整体视图，展示了汽车数据发展创新中的典型实践，研判了汽车数据在新时代的主要发展趋势，总结了汽车数据面临的机遇挑战并给出建议，旨在为汽车行业数字化中的数据发展提供参考和指导。由于时间仓促，水平所限，本报告仍有不足之处，欢迎联系liubin1@caict.ac.cn交流探讨。II编制单位中国信息通信研究院云计算与大数据研究所、中国第一汽车集团有限公司、广州汽车集团股份有限公司、广州小鹏汽车科技有限公司、赛力斯集团股份有限公司、吉利汽车研究院（宁波）有限公司、一汽-大众汽车有限公司、北京罗克维尔斯科技有限公司、广州汽车集团乘用车有限公司、广汽埃安新能源汽车股份有限公司、广汽集团汽车工程研究院、广东行致互联科技有限公司、广汽丰田汽车有限公司、大圣科技股份有限公司、广州汽车集团商贸有限公司、广州祺宸科技有限公司、华为云计算技术有限公司、腾讯云计算（北京）有限责任公司、北京菱云科技有限公司、联通智网科技股份有限公司、瓴羊智能科技有限公司、思特沃克软件技术有限公司、杭州趣链科技有限公司、中电金信软件有限公司、北京科杰科技有限公司、北京数安行科技有限公司、国汽智图（北京）科技有限公司、浙江数新网络有限公司、湖北数据集团有限公司、杭州比智科技有限公司、上海零数众合信息科技有限公司、海南数造科技有限公司、北京精益价值科技有限公司、合肥市智能网联汽车创新中心、北京火山引擎科技有限公司、杭州云之重器科技有限公司。（排名不分先后）III编制专家刘宾、姜春宇、蒋汉卿、许明月、刘年强、陈智宏、王潼、姜雅君、刘纪陇、王思涵、杨力、尹雷、孙涵蕊、姜鹏、徐聪颖、谢俊超、刁榕辉、孔繁健、谢宇政、万海涛、邓卫华、冯韬、黄敬、刘恺、邱剑辉、梁鹏程、刘海成、陈湛、李博、郭佳、张昆、黄超、杨华卫、陈红、安志远、陈德江、李骁、王增鑫、蔡洁、方婷婷、邢栋、夏世纪、张一剑、冉熙、杜啸争、王笑非、郭振强、朱建勇、刘玉红、张珣、狄凌、王翠丰、张云青、董志威、海胜、周佳乐、范艺萌、兰春嘉、杨珍、史凯、鲍立飞、李家振、胡坚耀、汪勋绩、邬亚林、孙昕。（排名不分先后）IV目录一、汽车数据发展现状.............................................................11.1汽车数据发展背景及范围.........................................................11.2全球汽车数据发展现状.............................................................51.3我国汽车数据发展现状.............................................................7二、汽车数据能力体系.............................................................92.1汽车数据能力体系整体视图.....................................................92.2汽车数据平台体系...................................................................112.3汽车数据治理体系...................................................................132.4汽车数据应用体系...................................................................172.5汽车数据流转体系...................................................................192.6汽车数据安全与合规体系.......................................................23三、汽车数据典型实践...........................................................283.1数据平台建设类.......................................................................283.2数据资产管理类.......................................................................313.3数据安全合规类.......................................................................333.4行业数据应用类.......................................................................343.5数据流转运营类.......................................................................38四、汽车数据发展趋势...........................................................404.1构建统一互通的汽车数据基础设施.......................................404.2汽车数据治理和运营能力全面提升.......................................41V4.3汽车数据要素化驱动价值释放...............................................444.4技术与制度协同助力汽车数据安全合规...............................454.5数据全方位赋能汽车行业数字化转型...................................474.6基于数据的汽车行业大模型加速涌现...................................48五、总结与展望........................................................................505.1机遇与挑战...............................................................................505.2发展建议...................................................................................51VI一、汽车数据发展现状1.1汽车数据发展背景及范围1.1.1数据驱动汽车行业高质量发展近年来，汽车行业数字化程度不断提升，正在由传统硬件制造向以“电动化、智能化、网联化、共享化”为特征的新型移动出行终端转变。汽车与电子、通信、交通、软件等产业加速融合，带来爆发式的数据增长。据公开数据统计，每辆智能网联汽车每隔几秒钟就会产生超过150个参数，每个小时生成5G-250G数据，每天将收集多达10TB的数据，要对这巨量数据进行传输、存储、处理都存在着巨大挑战。与此同时，云计算、物联网、人工智能、区块链、5G等新一代信息技术正加速向汽车行业渗透，随之而来的数据环境也呈现出多样化、复杂化、个性化等特征，大量文本、图片、视频等非结构化数据被产生、存储和使用。在智慧交通的场景中，各类传感设备采集的数据逐渐从单一内部的小数据形态向多元动态的大数据形态发展，产生的海量数据蕴藏了巨大价值，对于汽车行业数字化转型意义重大。数据是实现汽车智能化和网联化的基础要素。通过收集、处理和分析各类传感器采集到的环境信息、用户行为信息以及其他来源（如地图服务商）提供的信息，智能网联汽车可以实现对周围环境和自身状态的感知，并根据预设或学习算法进行自主决策和控制。此外，数据也是促进产业创新和协同发展的重要资源。通过对海量数据进行挖掘和利用，可以为产品设计、服务创新以及跨领域融合提供支撑，并为用户提供更加个性化和高效便捷的出行体验。数据赋能汽车行业数字化转型。一是驱动汽车技术创新与产品能力提升。通过汽车数据进行价值挖掘与持续反馈，可以优化车辆的自主驾1驶、智能导航、安全驾驶等功能，实现与用户及外部环境的实时交互，从而提高驾驶的舒适性和安全性，提供更高效、更安全的交通服务。二是通过降本增效为汽车制造产业带来显性价值提升。数据要素贯穿了汽车设计、研发、制造、质检、物流、销售、运维等全生命周期的各个环节，通过数据采集、分析和预测，能够优化设计周期、生产计划、制造过程、库存管理、供应链协同与客户管理，提高生产效率、质量与供应链水平，降低管理成本。三是提升汽车行业市场化服务能力。新一代汽车消费者不再只关注车辆本身，对于汽车改装、专业维修、配件推荐等多元化的服务需求将越来越大，通过分析用户行为、习惯和需求，车企可以更好地了解用户需求，有助于预测市场趋势、调整销售策略，同时支持个性化的维修和维护服务，助力拓展市场空间。汽车数据要素市场蓬勃发展。汽车行业上下游链条长、参与主体多、规模化程度高，数据资源类型多、总量大、范围广，是我国数据要素市场建设的重要组成部分，具有数据要素创新、场景应用、示范、标杆效应。汽车产业链的不同环节，包括研发、验证测试、销售、售后等，都存在以数据赋能发展的需求。当前，新兴数字化技术与汽车产业的加速融合，汽车的用户需求、产品形态和产业价值链正在发生巨大变化。汽车产业从造车到用车构造出一条传统服务价值链，链条上每个环节持续产生数据，数据附加值随着数字化的深入而持续增长并实现拓展，构建出新的数据赋能价值链。构建面向汽车行业数据要素流转、交易的统一大市场，有助于释放汽车数据要素价值，推动汽车行业高质量发展。1.1.2汽车数据定义及内涵汽车数据作为一项新兴产业，相关概念落地时间较短，其内涵及范围正在发展过程中逐步形成。从定义来看，目前我国已出台了多项指导2文件及国家标准，对汽车数据概念进行了明确。2021年7月，国家互联网信息办公室等部门联合印发《汽车数据安全管理若干规定（试行）》（以下简称《若干规定》），指出“本规定所称汽车数据，包括汽车设计、生产、销售、使用、运维等过程中的涉及个人信息数据和重要数据”，并对个人信息、敏感个人信息和重要数据进行了解释和定义，其中个人信息是指以电子或者其他方式记录的与已识别或者可识别的车主、驾驶人、乘车人、车外人员等有关的各种信息，不包括匿名化处理后的信息。国家标准GB/T41871-2022《信息安全技术汽车数据处理安全要求》沿用了这一定义，规定了汽车数据处理者对汽车数据进行收集、传输等处理活动的通用安全要求、车外数据安全要求、座舱数据安全要求和管理安全要求。根据上述汽车数据定义，其范围覆盖了与汽车相关的各类业务活动所产生或关联的数据，包括“车”“路”“云”“网”“图”等各类数据。为保证与国内现有政策标准的一致性与连贯性，本报告中涉及的汽车数据沿用上述定义及内涵，从汽车设计、生产、销售、使用、运维等过程中涉及的个人信息数据和重要数据出发，聚焦数据采集、传输、存储、治理、分析、应用、安全和合规等方面，推动汽车数据相关研究。1.1.3汽车数据分类及范围随着技术的进步和市场的需求，汽车行业正在经历一个前所未有的数据量增长期。一是数据来源和类型多样化。智能网联汽车的数据来源丰富多样，包括车辆状态的实时监测数据、用户与车载系统的互动信息，以及车与车、车与基础设施之间的通信数据。这些数据从车载传感器的物理参数到用户界面的行为习惯，再到车联网的动态交互，共同构成了一个覆盖车辆运行、驾驶行为以及车辆健康状态的全方位数据集合，为智能驾驶和个性化服务提供了基础。3二是数据分类明细化。汽车数据的细分是理解和应用这些数据的关键，目前大体上可以分为三类：记录车辆的机械和电子系统操作情况的操作数据，如发动机转速、油门位置、刹车使用等。它们对于确保车辆性能和安全至关重要；反映驾驶员的使用习惯和驾驶风格的行为数据，如加速和刹车模式、转向习惯、速度偏好等。这些数据有助于个性化用户体验并可以提高驾驶安全；以及从车辆的外部传感器收集的环境数据，包括道路类型、交通状况、气象条件等。这类数据对于自动驾驶系统至关重要，能够帮助系统做出更准确的决策。2022年3月7日，工信部印发《车联网网络安全和数据安全标准体系建设指南》（以下简称《建设指南》），其中提出要制定《智能网联汽车数据通用要求》，该标准草案中根据主权边界和来源，将汽车数据分为车辆数据、个人数据及车外环境数据，涵盖了数据的采集、传输、存储、使用、共享、销毁等全过程，具体如下表所示。表1《智能网联汽车数据通用要求》规定的数据范围大类小类数据范围车辆基础数据车型型号、生产企业、品牌、VIN、发动机号、电池编码、软硬件版本号、车牌、颜色、尺寸等车辆特性数据车辆运行数据车身系统、动力系统、电气系统、舒适系统等车辆运行状车辆态参数数据感知决策数据车辆行驶控制、灯光控制、环境感知融合算法等指令数据出行辅助数据（如天气预报、交通拥堵、导航等）、影音应用服务数据娱乐数据（收音机、新闻等）及生活服务数据（日程提醒、停车场推送）等用户身份证号、电话号、住址等身份信息，用户网络身份个人个人身份数据标识信息及个人面部特征、指纹、虹膜、声纹等生物识别数据信息等4用户服务隐私用户使用习惯数据、个人通话数据、车内音视频数据、用数据户财产信息及用户监测数据等通过摄像头、雷达等传感器从汽车外部环境采集的道路、车外环境感知数据建筑、地形、基础设施数据等环境V2X数据实时道路交通信号及监控数据、车路协同数据等数据位置信息数据卫星定位数据、惯性定位数据、差分定位数据等1.2全球汽车数据发展现状1.2.1全球汽车数据政策发展现状欧洲围绕汽车数据领域开展全方位布局，率先探索数据伦理、数据安全、数据监管等专项政策，从法律层面为使用个人信息的企业提供保障。2018年5月，欧盟出台了《通用数据保护条例（GDPR）》，成为全球个人数据安全立法中极具标志性的一部法案，其中对于欧盟内智能网联汽车产品的个人数据安全具有直接约束力。2021年3月，欧洲数据保护委员会最终通过了关于在联网车辆和出行相关应用程序中处理个人数据的1/20201准则，明确智能网联汽车数据应被视为个人数据，必须按照数据保护原则进行处理。2022年2月，欧盟委员会公布了《数据法案》草案，旨在为非个人数据的利用，涵盖各种智能设备、自动化生产线、自动驾驶汽车等所产生的数据，提供公平的访问和共享框架。美国在平衡自动驾驶创新与安全的基础上，着重加强数据开放与技术创新，监管力度整体较弱。美国自2013年起先后发布《美国自动驾驶汽车政策指南》《联邦自动驾驶汽车政策》《自动驾驶汽车立法大纲》《自动驾驶汽车综合计划》等战略规划，为美国顺利开展自动驾驶汽车的创新、研发、测试以及安全部署提供重要支持。在监管方面，美国联邦层面尚未正式出台自动驾驶的监管法案，而是由各州法律进行分别监管。其中，加利福尼亚州在2018年颁布了《加州消费者隐私法5（CCPA）》，通过检查联网汽车正在收集的个人数据库、数据存储时间以及共享内容，以进一步规范汽车制造商对车主个人信息与隐私数据的采集和处理行为，加州隐私保护局于2023年根据CCPA启动首个有关联网车辆和数据隐私的案件。1.2.2全球主要厂商汽车数据发展情况近年来，全球范围内各大汽车厂商高度重视基于数据的企业数字化、智能化发展，头部车企均已围绕汽车数据开展系列工作，强化数据能力建设，提升数据安全合规水平，拓展数据应用场景深化数据应用能力。欧美地区，2023年5月，奔驰对外正式发布其汽车软件系统MB.OS的架构体系和计划，通过建设跨车型智能车辆功能集成平台，对奔驰所有车型采用统一的系统架构，确保智能汽车所有通信数据打通，打通软件定义汽车的底层，其既包括了用户交互的操作系统概念，也包括了奔驰汽车从芯片到云端架构数字化的概念。宝马于2016年启动数字化战略，将数字化渗透至研发、制造、车机端数字化体验以及包含无数接触点的客户旅程之中，以数据驱动研发，建立了客户数据平台（CDP），在合规前提下建立整合管理客户数据，并通过数据分析，各个业务运营部门能够更加理解客户需求，使服务更加个性化和智能化，提供全新的人机交互体验。2021年3月，大众汽车发布ACCELERATE（加速）战略，围绕“品牌价值”、“可扩展平台”和“有价值的企业”三大战略性价值要素加速转型，通过建立以数据为基础的全新商业模式，致力于降低个人出行门槛，为用户提供极具吸引力的服务组合包，通过全面互联化的车辆，用户对于新功能的感受也可以直接反馈给大众汽车。亚洲地区，2023年9月，丰田与移动数据平台供应商CARUSO宣布合作，共同优化互联汽车数据，以实现创新的车队管理解决方案，通6过利用丰田汽车生成的远程信息处理数据，有效解决车内数据的复杂性。此外，丰田的MSPF（移动出行服务平台）将利用亚马逊AWS全球基础设施的可靠性、可扩展性以及AWS专业服务的开发专业知识，使丰田汽车能够从联网的车辆中收集数据，并将其应用于车辆的设计和开发、新的情境服务，如汽车共享、乘车共享、全方位服务租赁，以及主动的车辆维护通知、基于驾驶行为的保险服务等。现代汽车利用数据驱动的营销策略来实现更精准的广告定位。通过分析消费者数据和行为模式，了解消费者的兴趣爱好、购买意向和需求，根据具体情况和目标受众的特点，制定合理的媒体投放策略，从而推广给最具潜力的目标受众。2023年3月，本田正式发布“智导互联HondaCONNECT4.0”，通过大数据和人工智能分析，从“周围环境监测”、“车内乘员守护”和“车辆状态诊断”三个维度，实现“提前感知，预先守护，让驾驶远离危险”的安全安心的驾驶体验。1.3我国汽车数据发展现状1.3.1我国汽车数据政策发展现状当前我国在汽车数据领域重点关注数据安全与合规治理，在法律法规层面已经出台了一系列相关文件。一方面，我国已经制定并开始实施《中华人民共和国网络安全法》（以下简称《网安法》）《中华人民共和国数据安全法》（以下简称《数安法》）以及《中华人民共和国个人信息保护法》（以下简称《个保法》）等数据保护领域的重要法律。另一方面，汽车数据行业相关主管部门也在不断加强监管和保护，2021年7月，国家网信办发布《若干规定》，首次清晰定义了“汽车数据”等术语。同年8月，工信部发布《关于加强智能网联汽车生产企业及产品准入管理的意见》，明确企业应当建立健全汽车数据安全管理制度，建立数据资7产管理台账，实施数据分类分级管理。9月，工信部发布《关于加强车联网网络安全和数据安全工作的通知》，提出要按照车联网网络安全和数据安全相关标准要求，加强汽车、网络、平台、数据等安全保护，监测、防范、及时处置网络安全风险和威胁，确保数据处于有效保护和合法利用状态，保障车联网安全稳定运行。1.3.2我国主要厂商汽车数据发展现状国内主要汽车厂商对于汽车数据重要性的认识也在不断深化，以一汽、上汽、广汽等国有企业为代表，和吉利、比亚迪、长城等民营企业为代表的众多车企均已开展汽车数据相关布局，以数据驱动企业数字化转型。一汽集团数字化转型过程中，将业务流程驱动转变为数据驱动，通过数据价值驱动流程的设计和部署，使数据业务流程驱动组织，进行数字化管理通过企业管理体系的运用和调整，实现业务结构变革。上汽集团着眼于以数据赋能业务开展创新探索，自主研发的“斑马”车联网系统已搭载在多个合资品牌的主流车型上，实现了数据的实时在线；移动出行服务平台、新能源分时租赁、汽车生活服务、企业租车等业务，依托上汽人工智能数据平台，不断丰富产品功能，提升服务体验。广汽集团在集团层面设立数字化部，在负责保障集团运行的系统建设与信息安全的同时，专门推动数字化转型，包括规划审批、预算编制、集团事务，以及与各业务公司的协调沟通。通过打造大数据平台和运营平台，实现营销个性化、大供应链智能化、产品开发协同化、管控透明化，建成全价值链的智能运营体系。吉利集团确立“夯实基础—业务云化—业务智能化—赋能业务创新”的四阶段数字化转型战略，通过逐步完善集团数据和AI中台，构建起协同高效的数字化运营体系。8二、汽车数据能力体系当前汽车行业竞争加剧，从生产驱动向客户驱动在转变，数据能力成为车企经营客户、优化生产、整合供应链的核心竞争力，部分车企已经取得先机，建立了较好的能力体系，然而大多数车企数据能力建设刚刚开始，面临诸多挑战。行业方法论缺失，平台选型和建设起步晚、数据治理路径漫长、数据和业务融合难、生态体系数据流转问题多、数据安全保护意识差。为指导车企建设体系化的数据能力，形成清晰的建设路径，中国信通院云大所联合多家车企及相关企业，经过长期调研和总结，深入分析汽车数据的范围、分布情况及涉及的相关参与方，提出了汽车数据能力体系。图1汽车数据范围、分布及相关方2.1汽车数据能力体系整体视图汽车数据能力体系整体视图覆盖了数据的采集、治理、分析、应用、流转和安全等各个方面，主要由数据平台、数据治理、数据流转、数据应用、数据安全与合规几部分共同组成，旨在实现数据在汽车行业中的9全面管理、高效利用、安全合规和价值释放，赋能汽车行业全方位数字化发展。汽车数据能力体系整体视图如下所示：图2汽车数据能力体系整体视图汽车数据平台体系：平台建设是汽车数据管理及应用的基础，有利于汽车数据采集的规范化、标准化和专业化，通过构建各项工具、能力和服务，打造企业数据价值生产的中枢平台，弥合数据供需鸿沟，使数据能够驱动汽车企业提升经营效率、实现业务价值。汽车数据治理体系：数据治理是汽车行业开展数据工作的前提，应着眼于满足对内规划数字化顶层设计，做好数据标准化、质量管理建设，发挥数据资产价值，对外满足客户业务需求、运营辅助决策等方面。通过数据治理提高数据质量、保障数据安全、推进数据共享，让汽车数据真实、可用、好用，建立完整的数据生态。汽车数据应用体系：数据应用服务于汽车全生命周期中的各项业务需求，车企通过利用大数据分析挖掘有价值的信息，为决策提供更好的支持。例如研发设计部门利用生产数据来优化生产流程、提高制造效率，并监控质量控制；销售和市场部门运用市场调研和消费者行为数据，制定精准的营销策略。汽车数据流转体系：流转共享是释放汽车数据要素价值的关键，需要构建跨主体数据流转信任机制，实现数据的确权、共享、交易和应用，10推动数据在汽车行业内以及在跨行业中的可信流转，打通车企、第三方平台、运输企业等主体间的数据壁垒。汽车数据安全与合规体系：汽车数据安全合规不仅关系到个人隐私保护、企业权益的维护，还直接影响到行业健康发展和国家安全。这涉及确保数据在其整个生命周期内处于有效保护和合法利用的状态，并具备保障数据持续安全与合规状态的能力。2.2汽车数据平台体系随着智能网联汽车数量的快速提升，车联网数据也迎来爆发式增长。面对不断膨胀的数据，需要通过数据平台建设，实现高效的数据分析，并提取挖掘数据中的关键信息，为其他的研发、生产、销售等部门提供数据支持，满足快速变化的业务需求。2.2.1汽车数据平台概述汽车数据平台建设过程中，需要充分考虑数据类型复杂、规模大等特点，应对敏态业务发展的特性，构建底层基础设施和数据中台，持续迭代优化完备场景支撑、提升场景模型赋能，支撑形成以数据为核心的汽车生产与运营体系。（1）数据基础设施：数据仓库和数据湖是汽车数据基础设施最广泛的两种架构，数据仓库可针对结构化数据进行集中式存储和计算，数据湖能够灵活支持多类型数据的高效取用，“数据湖+数据仓库”混合架构满足了结构化、半结构化和非结构化数据的高效处理需求。数据基础设施应满足车联网大规模的数据实时写入及处理、实时数据分析、较低的数据存储和计算成本要求。（2）数据中台：汽车数据中台建设包括统一的指标管理体系，高复用、规范的公共层模型以及可交付的数据服务，采集汽车行业全业务11域、全实体、全周期行为数据，实现全域数据入湖，并结合数据模型输出数据看板、用户标签等服务，助力用户体验提升、用户精细化运营、精准营销等场景，成为释放汽车数据价值的新引擎。2.2.2汽车数据中台建设1广义的数据中台是企业数据价值实现的能力框架，包括数据存储汇聚、数据开发、数据管理、数据服务、数据资产运营等能力。汽车数据中台是车企数据价值生产的中枢平台，涉及的核心能力广泛，车企从零开始建设数据中台的过程复杂且工作量庞大，结合企业自身业务和数据的规模情况，可大致分为三个阶段：以平台工具建设和架构体系设计为主的第一阶段；以数据治理和数据开发工作为主的第二阶段；以统一数据服务建设和数据资产运营为主的第三阶段。图3汽车数据中台建设第一阶段中，技术工具是数据中台的物理基础设施，从工具角度集中体现了企业建设数据中台所需的技术能力集合。架构管理是依据企业自身需求对数据中台内部架构进行设计并持续管理的过程。第二阶段中，数据开发是持续将数据开发成满足业务需求内容以维持数据中台运转的重要能力，数据管理则是围绕主数据管理、数据标准1《数据中台实践指南（1.0版）》，CCSATC601大数据技术标准推进委员会，2023.612等方面，提升数据中台中数据质量和潜在价值。第三阶段中，数据服务是数据中台对外实际直观可感的服务内容统一出口，数据资产运营是基于策略和评价体系，执行运营动作以提升数据中台使用效果的重要能力。2.3汽车数据治理体系当前，车企数据治理普遍面临业务数据分散建设、数据资源多头管理、数据全生命周期管理不完整等痛点，只有对数据进行有效、高质量的治理，才能实现数据资源化和资产化，从而释放数据价值，改进决策、缩减成本、降低风险，在汽车行业数字化竞争中赢得先机。2.3.1数据管理能力建设汽车数据管理的核心在于企业自身数据管理能力的建设与提升。GB/T36073-2018《数据管理能力成熟度评估模型》（DCMM）中对数据管理能力进行了详细的规范和说明。2022年4月，工信部印发《企业数据管理国家标准贯标工作方案》，将企业贯标DCMM写入国家规划。为此，车企数据管理能力建设应以DCMM为基础，构建数据管理框架体系，建立健全相关制度和数据标准规范，制定数据处理风险管控机制等，形成有序的数据管理与运营格局，使数据价值进一步得到释放。（1）总体框架DCMM包括8大能力域和28个能力项，数据战略确定数据管理和数据应用的目标和实施路线图，通过数据治理推动数据战略的执行，数据架构、数据标准、数据质量、数据安全、数据应用是具体的数据管理职能活动，数据生存周期管理通过项目流程管理的视角确保五大举措落实。通过DCMM模型，汽车企业可以清楚地定义企业数据管理当前所处的发展阶段以及和未来发展方向。13图5DCMM八大能力域（2）核心能力域1）数据战略：在数字化建设背景下，汽车企业应立足集团或自身的发展需要，从战略层面整体谋划数字化转型的愿景、目标和框架。明确数字化赋能业务创新、管理提升和产业生态蓝图，制定数据战略的整体方案和实施路线图，建立数据管理的组织架构和工作机制，明确职责，并将相关流程以制度的形式固化下来，同时合理谋划和安排数字化转型所需的人才、资金等资源需求。2）数据治理：建立汽车数据治理保障机制，包括专业化的数据治理组织与人员，并明确数据治理相关职责，制定规范化的制度流程。数据治理组织需要明确决策层、管理层和执行层体系，同时在外部组织方面，建立汽车上下游厂商数据的协同，包括与零件厂商、经销商等，建立全链路的数据治理组织体系。3）数据架构：围绕数据架构建设持续开展所需的活动，包括汽车数据模型、数据分布、数据集成共享和元数据管理。围绕汽车业务条线的市场定位和重点方向，通过组织级数据模型定义数据需求，指导对数据资产的分布控制和整合，部署数据的共享和应用环境，以及元数据管理的规范。4）数据标准：数据标准包括数据的命名、定义、结构和取值的规则。通过数据标准化，将把企业的数据变成资源，通过对数据的加工与14分析，为业务的经营与发展提供支持，从而确保车企的数据资产发挥其业务价值。此外，需从业务数据、参考数据和主数据、数据元、指标数据四个方面评估企业是否有做相关的标准落地。5）数据质量：汽车数据质量管理需要保证汽车数据的准确性、一致性、完整性、独特性、时效性、有效性等，以及业务数据应用及业务决策的正确性，具体包含数据质量需求、数据质量检查、数据质量分析、数据质量提升等内容，需明确数据质量目标制定规则，包括技术指标、业务指标以及相应的校验规则与方法。6）数据安全：汽车数据安全应从数据安全策略、数据安全管理和数据安全审计三方面着力推进，通过制定适合现有法律法规的数据安全标准，实施一系列数据安全防护和管理动作，开展数据安全信息化审计工作，保障汽车数据的机密性、完整性和可用性。7）数据应用：数据应用是汽车数据的价值体现方式。数据分析主要通过常规报表分析、多维分析、动态预警、挖掘分析等方式挖掘汽车数据价值；数据开放共享则包括引入外部数据供内部组织应用以及内部数据开放共享；数据服务则是将汽车数据包装成数据产品，通过流通交易起到增值、变现作用。8）数据生存周期：汽车数据生存周期是将原始数据转化为可用于行动的知识的一组过程，通过对数据需求、数据设计和开放、数据运维、数据退役进行评估评价，实现对汽车数据的持续监控。2.3.2数据资产管理2汽车数据资产管理是指对数据资产进行规划、控制和提供的一组活动职能，包括数据资源化和数据资产化两个环节，将原始数据转变为数2《数据资产管理实践白皮书（6.0版）》，CCSATC601大数据技术标准推进委员会，2023.115据资源、数据资产，逐步提高数据的价值密度，为数据要素化奠定基础。数据资产化通过将数据资源转变为数据资产，使数据资源的潜在价值得以充分释放，主要包括数据资产流通、数据资产运营、数据价值评估等三大活动职能。车企通过数据资产化，能够丰富数据资产应用场景，建立数据资产运营生态，助力汽车数据要素价值化。（1）数据资产流通对于车企而言，数据资产流通是指通过数据共享、数据开放或数据交易等模式，创新数据资产服务商业模式，推动数据资产在组织内外部的价值实现。数据共享需要打通车企各部门间的数据壁垒，建立统一的数据共享机制，加速数据资源内部流动。数据开放是将车辆数据、运行数据、公共数据等脱敏后向社会公众提供。数据交易是在安全合规的前提下，将汽车数据或衍生品打包为数据商品进行交易，释放数据价值。（2）数据资产运营汽车数据资产运营是通过对数据服务、数据流通情况进行持续跟踪和分析，以数据价值管理为参考，建立数据资产体系，丰富数据服务形式，建立科学的正向反馈和闭环管理机制，全面评价数据应用效果，不断适应和满足车企对数据资产的应用和创新需求。图6数据资产运营框架16（3）数据价值评估汽车数据价值评估是数据资产管理的关键环节，是数据资产化的价值基线。车企可以通过明确数据资产概念定义、搭建数据资产分类框架、确定数据资产估值方案、匹配不同类型数据资产估值方法（成本法、市场法、收益法）、估值指标探源采集与计算、估值结果调优与分析、数据资产估值持续运营与价值提升“七步走”的方式来开展数据资产估值落地实践，为数据资产入表做好前期准备。图7数据资产价值评估“七步法”2.4汽车数据应用体系随着汽车行业智能化进程加速，汽车数据的应用范围持续拓展，覆盖了“研产供销服”各个环节。一方面，高阶智能驾驶的实现需要大量的车辆数据支持，而汽车营销、保险等业务也需要通过各类驾驶行为数据来定价。另一方面，汽车数据也在智慧交通、智能座舱、数据闭环、数字李生等领域持续深化应用，不断创造出新的商业价值。17图8汽车数据应用体系2.4.1数据应用关键环节在研发阶段，车企通过融合设计、仿真、实验验证等数据，运用基于模型的系统工程方法进行整车研发流程的数字化跟踪，以及数字孪生等虚实融合技术减少对于真车试验的要求，能够培育数据驱动型产品研发新模式，降低产品研发费用和缩短上市周期。在制造阶段，数据应用主要集中在优化汽车生产流程和提高协同效率。一方面，通过生产数据可以用于实时监控生产线的运行状态，预测设备故障，及时调整生产计划，提高生产效率和质量，优化生产流程，降低成本，提升预测性维护和增值服务等能力，提高企业竞争力。另一方面，通过打通供应链上下游设计、计划、质量、物流等数据，能够实现汽车敏捷柔性协同制造，实现价值链延伸。在销售阶段，数据可以用于精准营销，通过对消费者数据深入分析和用户画像构建，可以了解消费者的购车需求和购买行为，制定更加精准的销售策略。具体的数据应用场景包括了对消费者喜好、购车决策因素的分析，以及市场趋势的监测等。例如，根据消费者的购车历史和驾驶习惯，推荐更加适合的产品和服务以吸引更多的消费者购买汽车或相18关产品和服务，以此提高销售转化率。在售后服务阶段，汽车数据可以用于提高客户满意度和忠诚度。例如，利用车辆运行数据和驾驶员行为数据，可以为客户提供更加及时和个性化的维修保养和服务支持。同时，这些数据也可以用于预测车辆及关键零配件的使用寿命和更换时间，为客户提供更加全面的服务。2.4.2数据应用典型场景智能驾驶方面，汽车采集数据经过标注、清洗、筛选等处理，形成有效数据集，存储在云端服务器中，之后传输至算法模型，经过训练后部署到车端进行应用验证，形成一套由数据驱动算法迭代、进而驱动自动驾驶能力升级的闭环模型，推动智能驾驶快速发展。二手车评估方面，通过对车辆历史数据和性能数据的分析，可以评估车辆的价值和未来收益。这些数据可以用于二手车市场的定价和交易决策，提高二手车市场的透明度和公正性。保险定价方面，在保险领域汽车数据可以用于评估车辆的风险等级为车辆保险提供更加准确和个性化的定价和服务支持。例如，根据车辆的历史行驶数据和驾驶员行为数据可以预测车辆的事故风险，为保险定价提供依据。同时这些数据还可以用于优化保险产品的设计和推广，以提高保险公司的竞争力和市场占有率。智能交通管理方面，通过车联网数据对城市交通流量进行监测和分析，可以优化城市交通规划和管理。例如，根据交通流量数据调整交通信号灯的配时方案，提高城市交通的运行效率和管理水平。2.5汽车数据流转体系汽车数据包含行驶轨迹、生物特征等敏感个人信息，以及行驶数据、地理信息、车外影像等重要数据，蕴含着巨大的商业价值。因此，需要19加快推进汽车数据在行业内外的高效流转和共享使用，促进道路基础设施数据、交通流量数据、驾驶行为数据等多源数据融合应用，提高智能汽车创新服务、主动安全防控等水平。2.5.1数据行业内流转汽车产业上下游企业间的数据流转不仅是技术合作的基础，也是提升服务效能的关键。例如，供应商可以通过共享库存数据帮助汽车制造商优化生产计划，销售和市场反馈数据的共享有助于产品服务的设计和创新，汽车企业间的数据共享有助于加速汽车智能网联水平的提升，尤其是在自动驾驶技术领域，共享测试数据可以丰富各企业的场景库，推动算法的迭代，从而加速技术发展。标准统一是汽车数据的共享前提。建立统一的数据标准、接口和协议是数据共享的基础，不仅可以减少数据整合的人力资源消耗，也有助于保障数据的安全性，包括定义数据的共享协议、数据结构、编码格式以及交换格式。技术架构是汽车数据高效安全流转的底座。通过采用高效的数据采集、分析和交换平台来支持汽车数据的收集、存储、分析和共享，处理来自车辆传感器、GPS、车载信息娱乐系统等来源的海量数据，并确保这些数据在不同企业和部门间的高效流转。多方合作机制是数据流转体系良性发展的核心。合作机制需要明确数据共享的范围、权限和责任。通过在保障数据安全的前提下构建汽车数据共享机制及平台，定义汽车数据分类分级规则，制定涵盖汽车数据生命周期的数据安全合规标准。业务流程优化是确保数据流转顺畅的关键。汽车企业需要检视和重构内部的业务流程，确保能够适应数据流转的需要，其中包括简化数据20获取和处理的步骤、自动化冗余任务以及提高数据决策过程的灵活性。政府和第三方机构是数据流转体系设计与规则制定的重要组成。政府及第三方机构一方面可以加强公共数据授权运营和对外开放，另一方面可以通过政策优惠鼓励企业开放企业数据。2.5.2数据跨行业流转（1）金融机构1）信用评估与风险管理随着车联网的兴起，通过GPS、RFID、传感器、摄像头图像处理器等装置设备，车辆可以完成自身环境状态信息的采集，如一辆车的行驶里程、维修保养情况、车主驾驶情况、行车路线、路况信息，甚至包括这辆车在行驶期间的实时胎压变动信息等。这些车况监测信息、车主驾驶行为数据信息以及车辆行驶位置轨迹数据信息，对于提供车险的保险公司来说，具有非常重要的价值。此外，汽车数据能够为金融机构提供关于车主的财务状况和信用风险的重要信息。例如，通过分析车主的驾驶行为和车辆的使用情况，可以评估车主的风险偏好和信用水平。车辆的维修和保养记录也可以反映车主的财务状况和责任能力，从而帮助金融机构进行更准确的信用评估和风险管理。2）产品创新基于汽车数据的金融产品创新为金融机构提供了新的商业机会。例如，通过及时监测车辆的使用情况和维修情况，保险公司可以根据用户画像提供按使用付费的保险产品，从而使保险费率更加合理和个性化。同时，金融机构还可以利用汽车数据开发新的贷款和融资产品，以满足车主的个性化需求。（2）政府机关211）城市管理与规划交通流量监测与优化：通过收集和分析汽车数据，政府可以实时监测城市的交通流量和交通状况，识别交通拥堵点和交通瓶颈区域，从而采取相应措施来优化交通流量和减少交通拥堵，例如调整交通信号灯的时序、设置临时交通管制等。事故预警与应急响应：通过实时监测汽车的速度和位置数据，可以及时发现交通事故和异常情况，从而快速启动应急响应机制，尽可能减少事故的影响和损失。城市基础设施规划：政府可以利用汽车数据来评估和规划城市的基础设施建设，例如道路、桥梁和交通设施等。部分市政部门正依托传感器数据识别路面坑洼，通过分析汽车的行驶数据和路面条件，可以为城市基础设施的维修、升级和新建提供重要参考。2)法规制定数据驱动的法规制定：政府可以利用汽车数据来制定更加科学和合理的交通和环保法规。例如，通过分析汽车的排放数据、噪声数据、交通流量和交通事故数据，可以制定针对性的交通管制措施和环保法规，以改善交通状况和减少环境污染。政策评估与调整：通过收集和分析汽车数据，政府可以评估现有交通和环保政策的效果，从而对政策进行及时的调整和优化，以达到预期的管理效果。（3）互联网厂商1）个性化服务互联网厂商可以利用汽车数据为车主提供个性化服务。例如，通过分析车主的行驶路线和驾驶习惯，可以提供定制化的导航和娱乐内容。22此外，互联网厂商还可以根据车主的需求和偏好，提供个性化的车载应用和服务，以提升用户体验。2）数据分析与洞察汽车企业通过外部合作伙伴提供的第二方和第三方用户数据，与企业内部自有数据进行整合，来完善各维度上的用户标签，构建完整的用户全景画像。车企依托大数据管理平台中对每一个单体用户的微观画像，通过大数据分析建模描绘出群体用户的特征。借助用户宏观画像准确把握用户的区域分布、性别分布、年龄分布、兴趣爱好、消费偏好等信息，从而进行精准的线上产品信息推送和广告投放，线下开展和提供最符合消费者需求的营销活动与服务。2.6汽车数据安全与合规体系随着智能网联汽车的快速发展，从车载传感器到用户行为数据，海量的数据不断生成，如何确保这些数据的安全合规，是各个车企需要解决的紧迫课题。汽车数据安全合规需要从数据分类分级、数据生命周期安全合规和企业战略规划等方面同步推进，为数据应用提供支撑保障。图9数据安全治理能力体系框架32.6.1数据生命周期安全与合规3YD/T4558-2023《数据安全治理能力通评估方法》，中国信息通信研究院，2023.123随着汽车从单纯的交通工具演变为移动数据中心，数据安全合规的重要性随之凸显。车载传感器收集的实时数据到用户个人信息的处理，每一个数据的生命周期阶段都至关重要。数据生命周期安全合规确保从汽车数据的创建到销毁的整个过程中，数据不受威胁和风险的影响。因此，数据的每个处理阶段都应采取安全措施并符合相关要求，包括数据的采集、传输、存储、使用、共享和销毁。数据采集阶段是汽车数据安全合规管理的首要步骤，它定义了原始数据的获取方式和要求。安全方面，必须确保数据的准确性和完整性，同时立即对敏感信息进行加密处理。例如，当汽车传感器收集驾驶行为数据时，必须在设备上实现数据加密，以确保即使在数据传输前的信息安全。合规方面，数据采集要求主要包括“默认不收集”、“告知同意”、“目的限制”与“最小必要性”。首先应根据现有法律法规判断是否存在免于取得同意的情形，特别是智能驾驶场景。其次应根据处理活动对个人信息的风险程度和告知实施的客观情况，最后应根据信息安全有关国家标准，对处理个人信息的系统架构设计进行充分评估。数据传输阶段关注的是数据从一个地点移动到另一个地点时的安全性。安全方面，通常需要使用加密通信协议，比如SSL/TLS，来保护数据免受截取和篡改。以汽车遥测数据为例，当数据从车辆传输到制造商的服务器时，必须确保数据流经加密通道，防止潜在的中间人攻击或数据泄露。合规方面，应采用技术措施保证数据传输的保密性，如鉴别信息、车内重要和敏感数据等。同时应能够检测到数据在传输过程中完整性受到破坏，并能够采取必要的措施恢复或重新获取数据。数据存储阶段要求数据在静态状态下得到安全保护。安全方面，需要安全的环境中保存数据，并采取适当的备份策略以防数据丢失。例如，24客户的个人服务记录不仅要加密保护，还要实施严格的访问控制措施，并定期进行安全审计，确保只有授权人员才能访问。合规方面，由于汽车个人信息的处理者在主体性质、行业特性等方面的特殊性，因此在存储地点、保存期限和保障措施等方面应满足特殊合规要求。数据使用阶段需要确保数据在实际应用中的安全性。安全方面，要求对数据的访问和处理实施严格的控制措施。以车辆故障诊断为例，技术人员在使用客户的车辆数据进行诊断时，需要确保遵循数据访问政策，只处理必要的信息，并确保所有的处理活动都有审计跟踪。合规方面，应对汽车数据使用进行授权和验证，应确保数据使用的目的和范围符合相关国家法律法规的要求数据共享阶段需要充分考虑数据传递给第三方时的风险。为保障数据共享安全合规，需要对接收方的数据保护措施进行评估，并确保数据的共享和使用遵守适用的隐私法规。例如，当汽车制造商与外部供应商共享车辆性能数据时，需要确保供应商有能力保护这些数据，并且共享协议中明确了数据的使用目的和保护责任。数据销毁阶段需要确保在数据不再需要或法律要求删除时，可以安全合规地进行销毁。这可能包括物理销毁存储介质或使用专业的数据擦除工具来确保数据不可恢复。例如，当一辆车报废，与之相关的所有服务记录和个人数据必须被安全地销毁，以防止任何未授权的后续使用或访问。同时应建立数据销毁策略和管理制度，明确销毁对象和流程，建立数据销毁审批机制，设置销毁相关监督角色，监督操作过程。此外，汽车数据中的重要数据，关系到国家重点的区域、国家经济运行情况，比如军事管理区、国防科工单位以及县级以上党政机关等重要敏感区域的相关信息，反映经济运行情况的数据，汽车充电网的运行25数据，个人信息主体超过10万人的个人信息以及有关部门确定的涉及国家安全、公共利益或者个人、组织合法权益的数据等。汽车数据安全防护与合规管理需要在识别重要数据的前提下，依据不同数据处理场景，对重要数据的收集、存储、使用、加工、传输、提供、公开等各项处理活动采取安全合规措施。2.6.2数据分类分级汽车数据分类分级是保障数据安全合规的基础工作，重点应从数据源（车、路、云、人）的角度与产业链（汽车产业链上的公司/机构/业务部门等)联动进行数据的盘点，制定数据分类分级方法，并制定数据安全保护要求。其中数据分类维度以及数据分级指标是分类分级的核心。基于数据来源角度对智能网联汽车数据进行分类：采用平行分类法对拟分类的数据进行梳理，从数据来源的视角，分成相互之间平行关系的门类，每个门类包含具备相同来源特征的一组数据类目。同时，采用等级分类法，将各门类数据分类为一类、二类、三类、四类四个层级，每个层级、又分为若干子条目，同级类目之间构成并列关系，不同层级类目之间构成从属关系，数据第四类作为分级的最细化类目，应清晰描述相关数据的内容或者应用场景。基于定性指标判定智能网联汽车数据的重要性等级：针对一般数据和重要数据，可分为一般数据一级（一般级）、一般数据二级（重要级）、一般数据三级（敏感级）、重要数据四级（核心级）。针对已经确定的级别的数据，企业应根据等级分别明确数据保护要求，为后续实施不同强度的数据保护手段提供依据。2.6.3数据跨境安全与合规汽车数据涉及车辆产生的各种数据（如驾驶行为数据、车辆状态数26据、位置数据等），既包括个人信息，又包含重要数据，这也导致汽车数据的出境是极其敏感的。根据《数据出境安全评估办法》（以下简称《评估办法》），车企应当通过所在地省级网信部门向国家网信部门申报数据出境安全评估。此项评估由企业自行启动和进行，是车企数据出境安全评估的一项前置程序。高质量的数据出境风险自评估报告将有助于车企在可控的时间内顺利通过网信部门的数据出境安全评估。在完成数据出境风险自评估且自评估结果满足出境风险评估要求的情况下，车企可通过所在地省级网信部门向国家网信部门申报数据出境安全评估。数据出境安全评估重点评估数据出境活动可能对国家安全、公共利益、个人或者组织合法权益带来的风险。评估结果有效期届满或者在有效期内出现《评估办法》中规定重新评估情形的，数据处理者应当重新申报数据出境安全评估。27三、汽车数据典型实践3.1数据平台建设类3.1.1车企数据开发管理平台（1）需求分析传统数据标准模型，无法适应快速变化的业务需求，数据标准难以实施，数据研发效率低，数据时效性差，数据质量难以保障，服务业务能力明显不足，不具备进一步的开放性。传统数仓体系下基于数据模型的数据管理手段，存在多系统管理情况，数据链条割裂，对于数据安全、数据管理难度大，数据价值难以有效发挥和体现。传统数仓平台大多数采用专属交换机、服务器一体机，软硬件强绑定的封闭式架构，建设成本和运维成本非常高，性价比低，只能纵向扩容，无法水平扩展。（2）解决方案某车企通过构建大数据基础设施，构建全链路、全可视化的数据开发管理平台和数据资产目录、数据同步系统，打通各大系统数据，实现对数据的综合管理管控，构建满足领导层决策的管理大屏，支持各大系统及车联网平台、自动驾驶平台的离线实时数据的交换共享，构建基于舆情的路线规划、位置标注等智能应用，构建指导车辆生产和销售的车辆画像。平台对于关系型数据的集成、分发主要使用sqoop组件，支持多种数据库类型，可以通过调整任务数来控制任务的并发度，配置数据库的访问时间，确保高效可控地利用资源，支持数据类型的自动映射与转换；IoT设备数据采集主要对接MQTT协议，具有自带服务等级机制，数据包开销较小更容易进行网络传输，消息的缓存和消息的智能路由带来良好的可扩展性，可以通过集群代理来实现数百万的连接，使用负载均衡28器将负载分配到更多的单个服务器上，将采集数据存储到HDFS、HBase进行数据统一存储。图10车企数据开发管理平台（3）应用成效通过车企数据管理平台开发，实现了一站式全链路全可视化平台能力构建，完成数据资产建设和资产管理，降低技术成本，提高数据研发效率；融合数据资产建设理念和数据资产运营服务理念，可以更好地面向不同体系、不同角色在综合安全管理管控机制下进行开放赋能，提升数据使用效率；快速具备一线互联网大数据技术工程能力，构建新一代数据能力基础设施，实现大数据应用创新，可以持续的数据资产构建和大规模团队开展的数据项目，快速高效支撑前台业务的精细化运营和数据智能创新。3.1.2高精动态地图基础平台（1）需求分析地理信息时空数据作为国家基础性战略性信息资源，事关国家安全，如何在满足智能网联汽车产业发展需求的同时，也能够确保时空数据在存储、使用环节安全合规，需要跨产业、跨领域不断探索和深入的研究29与实践，同时众源数据量大、实时性要求高且数据类型、精度、标准不统一，亟需打造实时性高、成本低、数据覆盖度广的自动驾驶地图应用。（2）解决方案国汽智图研究了众源数据多源异构和高时效的特性，建设了海量车、路、云等众源数据汇聚体系，对海量数据经统一标准和格式处理后，按照分类分步方式进行接入与存储，并对接入众源数据进行质量评价、数据解析、数据清洗和质量检查后入源数据标准库进行管理，满足不同类型、精度、标准的数据实时接入需求。通过研究静态图层数据更新技术路线和自动化工艺流程，实现了数据更新从多源数据汇聚、海量数据处理、变化发现、更新语义生成与融合、变化成图、底图更新、质量检查等环节的自动化处理和少量人工核查，在确保更新静态图层数据信度的基础上提升更新效率，减少静态地图数据更新的人工成本投入，满足静态图层众源更新分米级精度和天级更新频率需求。此外，面向动态高精地图数据版本更新和发布需求，建立了多时间、多空间尺度高精地图数据版本管理平台，针对不同时间不同范围数据版本，以数据最小拓扑完整图幅为基础，实现对高精动态地图数据版本的管理。（3）应用成效项目研究成果已应用于工信部“基础数据服务和基础地图服务平台建设”项目，实现了不同来源数据与高精度地图的自动匹配和融合、多种平台及各类不同传感器收集的动态地理数据融合，并对外提供动态信息服务接口，实现了高精度地图动态信息实时更新的路径及基础地图实时发布服务。同时，项目成果已落地北京市智能汽车基础地图应用试点，并服务于北京市高级别自动驾驶示范区，建设了“车路云网图”一体化30的车路协同系统。3.2数据资产管理类3.2.1车企数智化转型数据能力提升（1）需求分析数据作为企业战略资产，从业务中产生，在IT系统中承载，要对数据进行有效治理是一个长期且复杂的系统工程，涉及组织、流程、机制和技术等多个工作领域，只有基于企业视角，构筑一套科学完整的数据治理体系，才能确保关键数据资产有明确的业务管理责任，作业人员有规范的流程指导，工作落地有清晰的原则依据，数据治理过程有充足的资源（人才、组织和预算）保障，从而构建起有效的数据治理环境，全面推进数据价值实现。（2）解决方案中国一汽引入TOGAF架构理论全面推进数智化转型工作，公司以数据治理体系为依托，重点围绕数据管家角色，有针对性地培养专业化架构设计及数据管理能力，为快速推进数智化转型进程奠定了坚实的基础能力保障。数据管家是由领域数据负责人指派，经公司数据管理专业组织认证，支撑领域数据负责人开展各项数据管理工作，是各单位数据工作的策划者、实施者和协调者。组织基于数据管家角色定位与职责构建了数据专业能力模型，识别2个能力类，7个能力组，解构17项数据专业能力。基于能力模型精准匹配7门培训课程，重点围绕8大核心领域、26家单位，分4个阶段有序推进数据管家认证，由基础知识切入，逐步扩展到数据治理方法，通过案例分享不断夯实，循序渐进，确保认证合格后能够独立开展数据治理工作。31图11数据专业能力模型及课程体系集团数据管理专业组织基于数据体系、信息架构、文化传播及成果业绩四个维度精心设计了科学合理的评价模型和勋章体系，同时开发数据管家认证看板，并嵌入一汽EASY“驾驶舱-数据治理”模块，向数据管家及领域数据负责人开放权限，实现多维度呈现及多层级穿透，让数据管家从思想上高度重视，从行动上有章可循。（3）应用成效在两套信息架构管控机制的加持下，一线业务人员基于集团自主创新设计的信息架构设计方法，从端到端业务流程入手识别业务对象和业务变革点、设计数据模型和数据标准、规划数据分布，推动了企业级信息架构的高效构建，切实从源头解决了数据设计质量和执行质量不高的难题，为后续多场景的数据整合与分析提供了高可信的数据源。2022年企业级信息架构全年新增业务对象301个，较2021年增长82%。3.2.2车企数据资产管理体系建设（1）需求分析某合资车企三年前就开始数据治理的建设，包括数据标准、数据质量、元数据、主数据、数据安全等专项工作都进行了尝试和运行，但去年开始，发现这些工作面临无法形成闭环，难以跨域合作等困境，亟需32从点状的数据治理模式，走向体系化的数据资产管理运营模式，以让数据成为资产。（2）解决方案一是深化各项专题工作，化繁为简。数据治理工作有一定的专业要求，比如标准建设，如果所有数据都要标准化，那么标准的定义、范围、认责、发布工作会消耗很大的精力，且由于专业人员不足，大概率半途而废。因此企业基于外部国标、行标进行专项梳理，结合内部主数据、经营分析、财报管理要求，建立数据标准。二是让合作伙伴动起来，精诚合作。汽车企业通常规模较大，跨团队合作难度较高，无论是业务部门还是应用系统应该是数据治理的重要参与者，但由于本职工作繁忙、动力不足以及专业性不足等原因，总是让流程断点，因此围绕如下几个方面实现改进：树典型：选择数据意识足，合作意愿高的团队造典型，树榜样，然后再推广；给激励：量化资产信息采集、标准制定、质量等工作，并在应用项目中给予相应工作量；定考核：有了费用的支持，就可以有结果的考核，在项目验收的要求上新增治理效果和交付物的要求。（3）应用成效该车企通过建立数据资产管理平台，以KPI考核、数据治理运营团队、流程机制等多管齐下的保障措施为辅助，建立数据治理运营体系，实现了数据资产管理的持续运营及价值释放。建立持续运营体系，以用带治，通过人、机制、技术的结合，保障数据资产治理的持续进行，实现了数据到资产的持续变现，并同步建立了数据资产治理运营团队、数据资产治理考核体系和数据资产管理平台。3.3数据安全合规类333.3.1车企数据安全与治理项目（1）需求分析随着《网安法》《数安法》《若干规定》等法规的施行，以及《评估办法》的出台，国家要求汽车企业进行数据安全管理和自评估，并向上申报。同时，该车企内部也明确了数据管理能力成熟度的未来目标与规划。在外部强监管与内部规划的背景下，该车企期望提升自身法规与监管的应对能力，树立数据安全管理战略体系，开展数据的规范化管理。（2）解决方案该车企以DCMM为切入点，结合业务技术调研，访谈了20个业务部门及系统，盘点了31个系统数据，全面掌握了该车企数据管理及应用现状。项目实施方奇点云针对汽车领域的数据安全相关法律法规进行梳理分析，最终为该企业制定出《数据安全管理制度》等多部制度文件，以应对相关法律法规监管要求，同时让内部合理开展数据的规范化管理有据可依。此外，为保证数据安全管理可落地，奇点云从可落地性上考量进一步为企业提供工具平台，搭建数据资产管理平台，该数据资产管理平台由多个模块组成，其中包含元数据管理模块、数据集成模块、数据资产模块、数据质量模块以及数据安全模块。（3）应用成效通过此次数据安全与治理项目的合作，2023年该车企在北京网信办举办的年报评审会上作为车企代表进行了数据安全组织架构、管理制度等方面的交流分享。同年，该车企的数据出境安全评估项目顺利通过国家互联网办公室的审批，成为我国汽车领域首个全系统盘点、全业务申报且全场景获批的数据出境安全评估案例。3.4行业数据应用类343.4.1车联网TSP大数据应用平台实践（1）需求分析汽车行业正在经历巨大的行业变革，其角色已逐渐从交通工具转变为智能终端，成为人类的生活伙伴。车联网的发展极大地推动了汽车产业对数据的依赖，尤其是汽车远程服务商TSP（TelematicsServiceProvider）对大数据平台提出了越来越多的挑战，同时还要满足国家和行业对于汽车数据管理的需要。（2）解决方案车联网TSP大数据应用涉及的数据类型非常多，主要包括：车辆研发测试数据，如测试运行相关数据；汽车功能性数据，如远程控制数据、BCall/ECall、远程诊断等数据；车辆档案数据，如车辆信息、用户基础信息、车人关系等；汽车车况数据，如里程、速度、电量、胎压、报警信息等；驾驶行为数据，如平均车速、行程里程、驾驶时长、疲劳驾驶等；电动汽车电池状态，如电压、电流、温度等数据，这些数据也是开展数据应用的重要基础。建设基于湖仓一体的车联网TSP大数据应用平台是数据采集、管理和应用的重要路径。数据采集集成场景，平台可以基于流计算引擎，支撑TB级数据日增长量，满足离线/实时数据搬迁任务，流计算引擎同时担任核心故障告警计算任务，故障告警场景下端到端秒级延迟。实时数据查询及分析场景，平台能满足实时点查及多维分析场景，满足多量车辆数据的并行分析需求。车联数据大盘、BI报表等离线、近实时应用场景，平台可以支持数据实时入湖，时效性提升到分钟级，同时支持数据设置自动降冷，热层保持30天数据，满足日常业务需求。平台架构如下图所示。35图12车联网TSP湖仓一体平台参考架构（3）应用成效在某TSP客户场景下，该平台方案能够满足百万辆车辆数据规划，离线、实时、准实时场景数据存储及准实时分析需求，数据时效性提升到分钟级，查询性能、存储及计算成本、运维及开发效率均有明显提升。3.4.2汽车大模型赋能业务效能提升（1）需求分析大模型作为推动企业数智化转型的变革性技术，从科研中孕育，在业务中实现。对大模型技术进行企业级规划、建设、应用及管控是一个长期且复杂的工作，涉及组织、流程、机制和前沿技术研究等多个领域。必须站在企业级视角，构筑一套科学完整的大模型技术应用体系，才能有效地摸索出大模型赋能企业效能跃迁式增长的正确模式，促进汽车制造业的颠覆式创新。（2）解决方案中国一汽利用自有的汽车行业数据及专业知识，基于开源的基础大模型“底模”，依次开展“预训练-微调-场景强化”的三步建设工作，结合真实业务场景，反复磨炼大模型能力，打造汽车行业大模型分层能力的标杆体系。36图13中国一汽大模型整体建设方法1）预训练：建设基础大模型，中国一汽将联合阿里、华为等基础大模型头部厂商，持续收集积累的开源无监督数据，预训练自己的基础大模型。2）微调：强化行业大模型，通过研发、制造等整车诞生业务场景的数据，对一阶段基础大模型就行有监督微调，优化大模型的垂直任务的效果，每次微调需要数万条的汽车行业数据，基于几十到上百张算力，3-7天的微调训练。3）场景强化：通过业务端试用后badcase数据回流，进一步对大模型进行badcase复盘及强化学习，走出具体场景下大模型能力升级的“最后一公里”。（3）应用成效基于建设完成的大模型技术底座，中国一汽在企业管理工作中突破性地完成了大模型与集团核心经营指标的融合，打造了“GPT-BI”应用。GPT-BI通过大模型和数据中台的打通，帮助企业用户随时随地、对话式获取想查找的数据。平台用户群体有两部分，一是公司的管理者，二是业务侧的数据分析人员。一汽的GPT-BI创新性地实现了“数据问答即洞察”。同时，通37过NL2SQL大模型生成准确的SQL语句，也优化了业务人员数据获取模式，让他们集中精力到基于数据的业务分析优化。图14GPT-BI的业务应用架构3.5数据流转运营类3.5.1汽车大数据区块链平台（1）需求分析当前汽车数据发展存在以下问题：一是数据孤岛。各数据所有方之间的数据缺乏统一的格式与接口定义标准，无法互联互通，造成数据碎片化；二是数据采集成本高。数据只有达到一定体量才能形成价值，并且不同维度的数据聚合在一起才能发挥更大的价值；三是数据安全。部分数据涉及个人隐私，需要进行脱敏处理；四是数据生态还未形成，目前汽车产业还未形成数据的采集、交互、挖掘与应用的生态链。（2）解决方案零数科技与中汽协共建汽车大数据区块链平台，为汽车数据供需双方提供数据共享服务。数据需求方如需获得其他汽车企业数据的使用权，需要在区块链系统上通过数据交易来获得使用权，然后才能再通过交易双方企业的数据网关服务交互原始数据，原始数据仅在交易双方间传输，不得经过任何第三方系统，以保证数据不会泄漏。数据需求方获取到真38实的原始数据后，可在本企业内部的区块链节点上对数据的真伪进行验证，保证购买的数据真实可靠。汽车大数据区块链平台业务架构如下图所示：图15汽车大数据区块链平台汽车大数据区块链平台将众多的汽车企业通过区块链节点连接在一起，区块链去中心化及不可篡改等特性保证数据及交易的可靠性。企业数据共享交易在区块链上完成，由多个企业节点共识一致后才能确认交易并写入区块，数据交易真实可靠且无法被篡改。（3）应用成效目前平台已经上线试运营，招募了16个重要节点单位，包括中国汽车工业协会、国家工业信息安全发展研究中心、北理新源、上海汽检、中汽创智、蔚来汽车、长安汽车、博世中国、零数科技等。平台已经形成车辆全量数据的232个字段检索和交易功能，包含车辆数据目标物数据、环境数据的索引等标准数据体系；同时开设场景数据和图像数据交易，并联合国家级智能网联示范区探索路侧数据产品化、为车联网商业落地探索可操作路径。存证区块链高度超过40万。39四、汽车数据发展趋势4.1构建统一互通的汽车数据基础设施2023年11月，国家数据局局长刘烈宏在全球数商大会上首次提出数据基础设施概念，指出其是从数据要素价值释放的角度出发，在网络、算力等设施的支持下，面向社会提供一体化数据汇聚、处理、流通、应用、运营、安全保障服务的一类新型基础设施。汽车行业作为国民经济与社会发展的重要组成部分，构建统一互通的汽车数据基础设施对于行业数字化转型具有重要价值。通过构建跨部门、跨企业乃至跨行业的汽车数据基础设施，车企可以更好地挖掘数据价值，以创新提升核心竞争力，帮助企业更好地应对汽车行业发展带来的数据量超量增长，同时实现汽车数据驱动的创新与价值提升。2023年12月，国家数据局等多部门联合印发《“数据要素×”三年行动计划（2024-2026年）》，提出“挖掘数据复用价值，融合‘两客一危’、网络货运等重点车辆数据，构建覆盖车辆营运行为、事故统计等高质量动态数据集，为差异化信贷、保险服务、二手车消费等提供数据支撑”“推进智能网联汽车创新发展，支持自动驾驶汽车在特定区域、特定时段进行商业化试运营试点，打通车企、第三方平台、运输企业等主体间的数据壁垒，促进道路基础设施数据、交通流量数据、驾驶行为数据等多源数据融合应用，提高智能汽车创新服务、主动安全防控等水平”，相关政策的出台为汽车数据基础设施构建提供了明确的指导方向和工作范围。汽车数据基础设施的建设重点在于提供一体化汽车数据汇聚、处理、流通、应用、运营、安全保障的服务能力，需要充分融合计算、存储、网络、大数据、AI等技术能力，构建以数据、应用和智能为核心的统一40互通底层框架，支持业务中台的应用快速迭代开发、数据中台的数据高效处理和数据流转共享的安全高效。因此，汽车数据基础设施建设需满足保障数据安全、促进数据价值释放及降本增效三点需求，为上层数据流通、应用提供支撑，推动数据处理环节实现高效率、低成本、高智能。当前，业界围绕数据处理已经开展了广泛实践并形成了较为成熟的技术产品形态，能够为汽车数据基础设施建设提供有力支撑。4降本增效类新技术：数据湖仓一体化能够在低成本存储大规模数据的同时保障数据使用的灵活性；新兴硬件如FGPA、专用芯片、GPU等能够在不同层面优化软件性能，从而提升对大规模数据要素存储计算的能力；数据智能平台通过利用AI模型深入理解企业数据的语义，进行自动化管理及优化，降低大数据平台使用门槛，提升业务效率。保障数据安全类新技术：防篡改数据库具备一定阻止恶意修改、恶意修改可识别、数据恢复和不可抵赖能力，保障数据流通安全；全密态数据库能够将系统中数据的全生命周期以密文形式进行处理，同时密钥掌握在授权用户手中的数据库管理系统，保护数据隐私。促进数据要素价值释放类新技术：AI能够使得用户通过自然语言的方式对于数据进行操作，从而降低数据要素使用门槛；多模处理技术能够帮助用户通过单库统管的方式对于不同结构的数据进行管理，有利于多种数据要素融合分析，更好发挥数据要素潜在价值。4.2汽车数据治理和运营能力全面提升4.2.1DataOps提升汽车数据研发运营效能面对的快速变化的数据需求和复杂的技术组件，业界借鉴DevOps的方法，提出DataOps（数据研发运营一体化），通过构建和增强数据管4《建设数据基础设施需要三类数据处理新技术》，大数据技术标准推进委员会，2023.1141道的方法和技术，满足快速数据分析需求和业务价值需求。DataOps通过对数据工具、流程和人员的重构，更好地协调和处理数据管理和应用过程中的效率和质量问题，为企业的数据引擎“换挡提速”5。通过将DataOps引入汽车行业，一方面能够企业提升用数据进行决策的能力，养成用数据分析的习惯，从而更好地应用数据赋能业务，同时搭建起一条敏捷高效的数据研发流水线来支撑业务的探索；另一方面能够打破部门间数据壁垒，提升数据供给的效能，加速数据产品的研发效率，降低数据管理与维护成本。图16DataOps能力模型框架汽车行业应用DataOps主要路径如下：（1）研发管理：构建数据研发治理一体化流程，将数据治理工作左移，加强数据治理与开发工作的协同配合，同时降低数据治理后置所产生的风险。此外，在数据研发阶段加强对数据需求的约束，并利用自助分析能力来提前探查或解决部分数据需求，提升数据需求的沟通效率，减少部分研发工作压力。（2）交付管理：通过对测试、配置、部署和发布等环节的自动化与标准化，提升交付效率和质量。企业在数据的交付与部署阶段，通过5《DataOps实践指南（1.0）》，大数据技术标准推进委员会，2023.742构建自动化的测试和交付流水线，加强数据版本与代码质量的管理，帮助企业提升数据产品交付的自动化水平，加快交付速度，提高交付质量。（3）数据运维：通过构建全链路数据可观测能力，对数据研发运营管理全生命周期的效能、资源、质量、成本等方面进行系统性的监测与度量，帮助企业全面掌握数据研发运营的各环节情况，及时发现、反馈并处理问题，进而不断优化数据开发全流程。（4）价值运营：通过量化指标驱动数据运营，提升数据研发质效，构造精益数据运营管理能力。企业基于量化指标对数据开发工作的成本进行精细化管理，并驱动企业对经营管理、开发流程和工具平台持续优化，形成“以数治数，持续革新”的闭环运营。4.2.2DataFabric等新理念探索及落地随着数据规模和数据关系复杂度的增加、数据权属问题的复杂化，传统集中式数据管理模式无法满足需求，出现了DataFabric（数据编织）这一概念。DataFabric是通过增强数据目录、数据虚拟化、主动元数据等技术，将大型机构内多个数据平台进行逻辑集中管理，避免物理集中带来的重复建设，实现数据在大型机构内的统一纳管、充分共享、融合分析与应用。DataFabric能够通过其内置分析能力来动态改善数据的使用，从而加快实现数据价值的速度，其支持全面地集成数据管理功能，包括发现、治理、管理和编排，并使用AI能力进行语义探索、分析和推荐，从而从被动的数据策略转变为主动响应性的数据策略。通过DataFabric在汽车行业数据治理中的应用，能够推动元数据采集实时化、数据质量稽核实时化、元数据管理图谱化、数据服务和指标分析自助化，实现数据资产的成本和价值盘点。此外，随着DataFabric、DataMesh（数据网格）等新型分布式数据43架构理念的落地，将推动汽车行业打造高扩展、可复用的数据模型，使得数据资产以可理解的形式进行使用和呈现，帮助决策者和算法做出更优的决策，提升各系统数据治理水平和易用性。4.3汽车数据要素化驱动价值释放4.3.1构建统一的汽车数据档案汽车数据涉及众多环节，包含车辆的设计、制造、流通、使用、销售直至报废拆解的全过程，通过汽车使用全生命周期数据的融合和应用，将推动汽车产业数字化转型，让数据不断释放价值，以数据驱动产业效率提升。以汽车数字档案为核心，建立车辆从购置到报废全过程的使用记录，形成以车辆识别码作为唯一身份标识的“一车一档”，覆盖生产、销售、登记、检验、保养、维修、保险、报废等汽车全生命周期，对于非保密、非隐私性信息可向社会开放，提供查询和开发服务，并推动信息服务的市场化运作。图17汽车数据档案关键组成4.3.2建立汽车数据流通服务平台现阶段汽车行业缺少专业的数据服务能力，数据供、需方间缺乏有效的桥梁，无法将数据转化为资产化数据产品，实现流通交易和数据价44值变现。因此，汽车行业数据亟需建设数据供需双方的桥梁，实现数据要素流通和增值。图18汽车数据流通服务平台汽车数据流通服务平台通过融合区块链、大数据、AI、云计算、物联网及隐私计算等技术，构建一体服务化平台，聚焦汽车数据接入、治理、挖掘、计算、流通等环节，提供数据资产管理、元数据管理、数据开发、数据质量管理、数据安全共享等能力，构建汽车产业供需双方的桥梁，促进数据价值流通。4.4技术与制度协同助力汽车数据安全合规随着信息基础设施的建设加速，智能网联汽车提供的服务更加丰富，车与车、车与人、车与云之间的数据交互需求随之不断增长。与传统汽车相比，智能网联汽车业务发展与服务构建的方式均已转向数据驱动。同时，全球日益严格的数据监管使企业在业务创新过程中必须对数据使用的安全性与合规性进行充分的论证与保障。细化汽车数据分类分级机制。针对车辆场景数据问题，应当考虑本行业本领域的发展现状，推动数据分类分级机制构建。一方面，相关部门可以结合智能网联汽车行业场景，针对具有共性或通用性的关键数据，建立数据分类分级目录，并推动构建相关数据共享机制，对列入目录的45数据进行重点保护，例如针对车辆数据的不同处理场景，区分保护事故数据、险情数据和⼀般驾驶数据。另一方面，各行业主体需发挥自律作用，推动搭建产业开放共享的合作平台，引导企业进行信息共享，提升全行业合作互动效率。激发行业协会的组织引领作用，进一步推进相关标准的建设和完善，例如高精度地图数据交换格式、地理信息处理标准、安全传输标准、技术标准和管理标准等。完善车机数据与个人隐私的合规工作。法律制度层面，相关部门应进一步完善相关的隐私保护细则，建立健全的车辆数据法治体系，明确个人隐私数据的权利主体和责任主体，以及主体相应的权利范围和责任范围。企业层面，需根据自身的发展战略和风格，建立透明、可信、可控的个人隐私数据管理机制，充分尊重和保障用户对于个人隐私数据的知情权和选择权，避免滥用或泄露用户隐私数据。场景层面，随着智能网联汽车应用场景多样化和复杂化，隐私保护应当因地制宜地发展，推动具体的隐私保护模式和功能实现，例如采用加密、匿名化等技术手段对敏感数据进行有效保护等。推进汽车数据出境安全评估与合规工作。在法律制度方面，需要制定和完善相关的政策法规，明确数据出境规则，同时建立有效的数据出境审查机制和跨境执法合作机制，防止数据被滥用或侵犯。在技术标准方面，需要制定和执行符合国际标准和技术规范的行业规范，规范智能网联汽车数据的收集、存储、传输、处理和使用过程，确保数据在各个环节都得到有效的加密、授权和监督。在企业自身方面，需要增强核心技术的自主可控能力，减少对外部供应商的依赖，提升自主研发和创新能力，建立自有的汽车数据平台和服务体系。此外，还需要加强监测技术的研发和应用，及时发现并处置数据违规跨境传输的行为，建立有效46的预警和应急机制，及时通报并协调相关部门进行处理。建立汽车出海的全球数据合规体系。车企出海过程中由于各国数据合规法规多样化且不断演进，如果不能全面有效地应对全球的数据合规风险，可能导致在数据应用上面临各国政府及监管的处罚，并引发巨大的品牌危机。因此，企业内需要设置职责明确的数据合规组织体系，必要时设置首席隐私官，以统筹企业内部各相关部门的应对举措和行动。4.5数据全方位赋能汽车行业数字化转型数字化转型为汽车行业带来了全新的机遇和挑战，是汽车行业高质量发展的关键支撑。数据在汽车研发数字化、供应链数字化和管控数字化等场景中，可以帮助企业加速创新、提高效率、降低成本，并提供更好的产品和服务，助力汽车行业迈向更加可持续和智慧化的未来，从而推动整个汽车行业实现数字化转型。（1）研发数字化通过收集和分析车辆和零部件的性能数据，车企可以更好地了解消费者需求和市场趋势，基于数字孪生等技术实现虚拟设计和数字化模拟。数字化设计平台可以为汽车制造商提供更优秀的设计工具和平台，有助于实现更强的创新能力和设计灵活性。（2）制造-供应链数字化生产制造方面，车企基于大数据分析平台，能够进行大规模定制化生产和精益制造，并推动制造工艺自动化与信息化，降低生产成本、提高生产效率和品质稳定性。通过智能化和数字化监控数据，可以减小生产误差率、提高产品质量和安全管理水平。供应链管理方面，通过实时监测和分析供应链数据，可以优化物料采购、库存管理和运输计划，提高供应链整体效率，并减少因为供应链中断或延迟而造成的生产停滞风47险，及时应对潜在的供应链中断问题。（3）营销数字化数据分析可以帮助企业了解用户需求和行为，从而提供个性化的产品和服务，增强客户满意度和忠诚度。一方面，基于数据可以实现销售渠道与用户售前、售后服务的全链路打通，实现营销媒介和消费者之间的全方位、多元化互动。另一方面，车企可以更多利用数据对客户定位和购买偏好进行精准化分析，并深入了解用户售后服务需求，实现汽车由产品化驱动转向服务化延伸。（4）管控数字化数据可以帮助汽车企业更好地管理内部运营。总部通过经营数据整合，可以快速了解下属及分支企业的经营状况，包括各汽车品牌销售情况、经销商渠道情况、质量趋势、车型成本收益、人员效率、投资项目进展等重要信息。合规审计部门通过数据整合，可以对各投资企业及投资项目中的特定风险行为进行鉴别，从而降低审计成本及遗漏风险。4.6基于数据的汽车行业大模型加速涌现近年来，我国人工智能技术应用迎来飞速发展。2022年，科技部等六部门联合印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》，鼓励在重点行业深入挖掘人工智能技术应用场景，促进智能经济高端高效发展。基于数据的汽车大模型也在这一背景下应运而生，目前已在车联网、人车交互等方面实现落地应用，助力加速商业闭环的形成，驱动企业向价值链高端跃升。车联网大模型能够增强自动驾驶感知范围，实现即时、智能的交通诱导控制。大模型在高阶自动驾驶的应用已成趋势，在车端可以增强自动驾驶感知范围，有效应对极端路况/天气等长尾场景；在路端可以开48展交通诱导管控、集群调度和远程遥控接管等应用，从而均衡道路上的交通量，提升行车的通畅度和安全性。智能座舱渗透率快速提升，语言大模型率先应用。2022年中国市场乘用车搭载智能座舱前装交付795.05万辆，同比增长40.59%，前装搭载率为39.89%，渗透率快速提升。语言大模型率先接入智能座舱，如商汤“商量SenseChat”、百度“文心一言”。多模态大模型也陆续用于智能座舱，触屏、手势识别、增强现实型抬头显示（ARHUD）等交互模式不断发展演进。当前汽车大模型发展方兴未艾，仍有很多问题需要解决，其中数据质量和场景门槛是阻碍规模化应用的主要瓶颈。从规模来看，根据W3Techs网站统计，全球网站中约56.6%使用英文，约1.5%使用中文，中英文高质量数据存在量级上的差异。从质量来看，一是中文百科、问答社区等内容的质量相较英文内容有较大差距，二是高质量数据集被封闭在APP等自身生态导致无法直接共享应用，增加了中文数据集的构建难度，三是我国汽车行业信息化、数字化水平有待提升，基础数据的匮乏难以保障计算结果的准确性和有效性。未来，汽车大模型需要持续提升数据集质量，整合大模型到车联网建设方案中，将语言大模型、多模态、数据集等自有能力进行定制化开发，加速商业落地，深入理解需求，挖掘大模型潜在应用场景。49五、总结与展望5.1机遇与挑战随着我国智能网联汽车渗透率的不断提升，产品竞争力持续增强，汽车已成为“制造强国”“制造出海”的关键领域。一方面，智能网联汽车的发展将进一步带动云计算、大数据、大模型等新兴技术与产业深度融合，同时促进芯片、操作系统、人工智能等核心技术研发同步发展，推动基于数据的车联网、智能驾驶和汽车大模型等新领域迎来快速发展。另一方面，数据的爆发式增长和规模化应用将不断催生新产业、新业态，对生产力和生产关系的发展和变革具有重要影响。随着“数据二十条”等数据国家战略的落地和实施，以及国家数据局针对行业发展痛点堵点，实施“数据要素×”行动计划，将推动形成一批服务经济社会发展的典型应用场景，对传统行业发展起到放大、叠加、倍增作用。因此，当前我国汽车数据迎来了前所未有的发展机遇，将催生技术能力和应用场景的不断创新，推动生态加速培育与产业发展。与此同时，我国汽车数据产业发展起步较晚，仍存在一些挑战亟待解决。一是数据采集与处理，汽车数据涉及范围广、总量大，采集和处理需要大量的技术和资源投入，如何有效地收集、存储、分析和利用这些数据是车企及相关企业需要解决的首要问题。二是数据隐私安全，随着汽车由硬件定义转为数据驱动，其采集的数据范围、数据量将进一步提升，如何在确保数据安全的同时，保护数据隐私及权益，需要在法律法规的框架下持续推进。三是数据整合与应用，汽车产业链涉及多个环节，不同环节、企业乃至行业之间数据孤岛仍然突出，如何实现环节之间的数据整合与流转，以及如何将数据应用于汽车后服务和智能出行等领域，都是产业发展的关键难点。四是政策与法规支持，尽管国家和行50业组织已经出台了一系列政策文件，但主要聚焦于数据安全合规层面，对于如何推动数据赋能行业发展尚未形成具备可落地性和实操性的指导文件，同时在具体实施过程中，也存在一些不确定性和挑战。5.2发展建议“时不我待，只争朝夕”。为应对汽车数字化发展浪潮，需要汽车上下游相关企业、政府主管部门、行业组织和院所高校等通力协作、紧抓机遇、顺势而为，共同推动汽车数据产业发展。企业方面，一是明确战略方向，应从顶层设计方面建立数据发展战略规划，从业务需求进行分析，总结企业所处产业链位置和数字化发展阶段，制定发展战略路线图，从业务、产品、生态等领域由点及面分步推进。二是核心能力建设，业务核心能力建设是通过搭建企业数字化平台，掌握数字化业务优化关键技术；产品核心能力建设是以软件定义汽车理念为核心，加快构建智能软件、硬件研发能力；数据核心能力建设通过搭建大数据平台，建立数据采集、数据处理、数据分析能力；生态能力建设是要构建连接企业内外部的业务生态、连接汽车行业与其他行业的数据生态。三是构建组织架构，建立企业数字化人才体系，构建组织保障能力；建立数据管理部门，应对智能化时代海量数据的收集、处理、应用需求；建立数字化生态服务部门，创新服务能力，形成以客户为中心的业务生态体系。政府和行业组织方面，一是推进产业合作，通过建立公共服务平台、制定汽车数据支持政策、建立协同合作机制等措施，充分发挥不同类型企业优势，推动产学研用结合，通过产业合作带动整体发展。二是建立应用示范，形成汽车数据应用标杆。围绕汽车数据平台建设、数据治理、数据应用、数据安全等领域组织开展标杆评选活动及试点示范项目，加51速典型模式的推广落地。三是加快人才积累，以培育+引进保障人才供给，引导地方高校、科研机构加快人才培养，引进外部人才，联合企业提供实训环境，积累行业复合型人才。四是强化标准研制，建立完善的汽车数据标准体系，围绕汽车数据各领域全面布局，以团体标准为主体推动共性急需标准研制及落地实施，并适时转化为行业标准、国家标准乃至国际标准，提升国际话语权。【CCSATC601汽车数据工作组由中国信息通信研究院云计算与大数据研究所联合多家汽车企业、汽车数据服务商等联合成立，未来工作组将继续围绕汽车数据基础设施建设、数据治理、数据安全、数据合规、数据应用、数据流转等方向开展标准研制、课题研究、沙龙研讨、会议培训等相关工作。在此，诚邀产业界各相关单位一同参与，携手推进汽车数据优秀实践经验和共性知识的积累与推广，共同绘制汽车数据发展的美好蓝图！】52