中國信息通信研究院車聯網與智慧交通研究部主任、中國汽車工程學會理事葛雨明：《智能網聯汽車數據賦能與流通發展情況研究》

談思實驗室 2025-07-15 17:47

“傻瓜式”高密度電源設計 高性能SGT MOS產品，保障BMS高效可靠運行

點擊上方藍字談思實驗室

獲取更多汽車網絡安全資訊

2025年5月29日，由中國汽車工程學會汽車大數據應用分會、北京理工大學聯合主辦的“2025汽車大數據應用產業大會暨中國汽車工程學會汽車大數據應用分會成立大會”在北京亦莊隆重召開。大會以“數智驅動擎啟新章”為主題，聚焦汽車大數據在電動化、智能化、網聯化轉型中的核心作用。

大會專題報告環節，中國信息通信研究院車聯網與智慧交通研究部主任、中國汽車工程學會理事葛雨明以《智能網聯汽車數據賦能與流通發展情況研究》為題，展示了智能網聯汽車數據可為行業提質增效的重要性，同時介紹了數據在企業內部、跨企業甚至跨行業間賦能的環節與實踐，并對我國未來數據流通提出問題與發展建議。

中國信息通信研究院車聯網與智慧交通研究部主任、中國汽車工程學會理事葛雨明

以下為演講回顧：

首先恭喜中國汽車工程學會汽車大數據應用分會正式成立。隨著技術的發展我們遇到了很多瓶頸，在做智能網聯汽車相關研究時，到底應該怎么促進項目共同開發一些標準接口？后面發現數據是一個非常好的、和標準等同的工具手段，可以讓大家協同在一起，有利于解決車路云一體化體系下互聯互通的需求。

我的報告分以下幾部分：

一、數據流通和交易的需求所在，以及現在政策標準上的進展

二、企業內的交易和企業間的交易有哪些流通的實踐案例

三、在數據流通過程當中還存在很多挑戰，面臨哪些困難和問題，以及下一步的發展建議

隨著新能源汽車智能化、網聯化，汽車數據量越來越龐大，產生很多位置數據、生產制造數據、感知數據以及路側數據。怎么和車端數據做到更好的耦合？而且智能網聯的發展非常迅速，去年年底統計現在新能源汽車占比已經超過50%，車的聯網率也非常高，去年超過84.43%的汽車是聯網狀態。除此之外，現在車輛每天產生的數據流量也非常大，從行業來看，為什么三家運營商越來越關心汽車物聯網卡的銷售，因為它每天的ARPU值已經超過人連網的基礎數據上傳數量，每天收集到10TB以上的數據，尤其是對高階自動駕駛車輛而言。

從數據價值釋放而言，前年我們信通院發布了《車聯網白皮書》，當中闡述了在數據釋放過程中，有三個階段價值所在，首先讓數據方便企業內部的生產制造，讓生產制造環節管理更加便利；第二個階段也是在企業內，車產生的后市場服務數據反饋到研發、生產制造環節，能夠調優，跟后市場服務數據關聯在一起。第三個階段才是現在大家看到最多，但也存在最大挑戰性的，怎么在不同企業間促進數據更好利用起來。

這里有兩大類：同一類別企業間是否有數據流通，比如碳排放交易數據，是有共同價值為牽引的，我們將來要做數字牌照，要做碳排交易碳量的計算。另外一類，跨行業的企業之間怎么做數據流通和交易，比如路側做了感知數據，建了很多雷達攝像頭，車端也有很多感知數據，路端數據怎么賦能到車端，這就涉及到面向場景，自動駕駛訓練怎么去做跨企業之間、跨行業之間的數據交易和流通。

國家十分重視數據的發展，從政策上有“數據要素x”，包括一些標準化的工作，但現在更多是集中在數據安全管理角度，包括數據怎么做接口設計、地理信息采集有更多要求，但并沒有非常好的涉及到流通環節。這也是汽車大數據應用分會下一步可以發力的部分，去更好支撐國家政策出臺和標準建設。

從數據要素流通來講，涉及到技術體系，數據空間我認為是當前一個比較有效的工具和手段。我們談數據流通，數據空間拓展了交易價值或者是流通新的方式。原來理解的數據流通是我一定要把數據給到你才算流通，但給到你之后又涉及到數據歸屬權問題，很多挑戰都在這里。換一個思路，數據流通是為了產生新價值，如果有一種方式，數據不用給到我，但數據處理之后的價值可以給到我，這是數據空間目前探討的一種新方式。在數據不出自己資源池的情況下，如何統一牽引做到數據價值流通，從數據流通本身拓展到數據價值怎么做到更好的流通和交易。

國際上對數據空間的探討比較早，像最早的GAIA-X計劃，之后做了Catena-X，也是在IDSA的統一框架指導下，現在主要解決的還是汽車領域，雖然涉及到了不同企業主體，但是有一個統一的牽引。除此之外，日本也在做Quranos生態系統建設。在數據流通過程中需要從企業的生產制造全鏈條，重點建設碳足跡的排放，相關的流通和交易，或者供應鏈效率提升和管理等場景。

我國把數據空間作為重要的發展底座，促進不同行業領域的數據流通，數據空間建設提出了明確的發展目標，到2028年構建100個以上可信數據空間，這里不僅涉及到企業數據空間、行業數據空間、城市數據空間，也包括我們個人的或者說跨境數據空間構建。我相信在座的很多企業，無論是從解決方案提供者來講，還是從數據本身的所有者來講，都去申請過可信數據空間的一些試點項目。

除此之外，國家數據局發布“數據要素x”的時候，提到要逐漸加強數據要素能夠賦能智能網聯汽車、智能交通領域，其中也提到了三個重點方向，一個是生產制造環節的打通；第二是與其他共性數據集之間的互動，比如紅綠燈數據上車這個應用場景；第三是提到了面向未來車路協同環境下，自動駕駛訓練如何更好地促進企業間的數據流通。很多行業機構也在做數據空間相關的探討，促進跟保險行業的數據打通，包括中汽協也提出了六大應用場景，啟動了汽車行業可信數據空間構建。像北汽等很多汽車廠商也在做相關探討性工作。

大家可能還會比較困惑，我們的數據究竟用于哪，怎么用起來？流通一定是以應用需求為牽引的，我們梳理了一些案例，有“數據要素x”大賽期間企業申報的案例，有一些是已經成熟落地的，有一些是我們重點推的方向。

我們梳理的時候分為產品研發環節、生產制造環節和后市場服務環節。從企業內部來講，最容易推動的是研發環節、生產制造環節，再是后市場服務環節。但是在企業調研的時候會發現，是后市場服務環節先有了成熟的應用案例，最難的是反而研發設計環節。

之前有一家企業跟我談，現在越來越多通過語音喚醒去開車窗，那是不是以后就可以把車窗的物理按鍵給取消掉，這就是數據在全鏈條打通之后的一些價值所在。包括底盤動力性能的優化，也有很多企業在做，我們以后在過行車路線的時候，做到底盤的一些調整，甚至能夠通過車和車之間的數據共享，讓后續的車在走到某個環節時，能夠先去做一個底盤自適應調整。包括自動駕駛訓練數據，通過我們采集到的數據做差值、做取樣，更好地做虛擬場景設計，加快我們自動駕駛訓練。

在生產制造環節數據賦能主要用于提升生產制造效率，包括質量評估體系建設、制造工藝改進，也包括供應鏈管理。當時寫“數據要素x”的時候也跟很多車企做調研，為什么把供應鏈管理又提出來？是有一個新的需求所在，就是現在越來越多供應鏈環節的產品變成了軟件服務產品，它會存在一些不同版本，以前一個硬件設備有一個FID標識就可以，但是現在不同版本在管理時存在一個零部件固件進行了升級，但是整個集成設備沒有升級，或者設備升級的時候某個固件沒有升級到對應的版本，都會對未來產品產生一些影響，所以去做供應鏈管理的時候也需要去做一些基于數據的軟件化，或者面向軟件去做供應鏈新管理方式的建設。

在后市場服務，我們的精準營銷、售后維保，包括我們在高德上能體驗到基于大數據的紅綠燈的提醒，這都是后市場服務當中，使用到不同車況、不同駕駛習慣數據，開展的一些精準化營銷和面向用戶駕駛服務能力上一些升級的體驗。

對于跨車企之間或者企業之間，甚至不只是車企，有可能跟路側、跟建設運營主體之間的數據流通，我們也從三個維度去劃分，第一個維度就是生產制造環節，為什么會有GAIA-X？因為是歐盟整個法案在討論，未來數字牌照、電子護照的工作，GAIA-X提供了新的數據底座，它的工作原理并不是所有的數據都要給到供應商，或者說統一有一個平臺才可以去做交易，或者說基于平臺再去計算碳排放或者碳足跡，而是有點像每家企業都相當于一個智能化終端，有一個應用軟件是大家都愿意去安裝的，那就在不同的企業內部都安裝這樣一個比如碳足跡計算軟件，通過這個軟件計算碳交易的情況上傳到平臺，我們取證或者取信它作為企業生產流通或者整個供應鏈環節所產生的碳的情況，它很多數據進行上傳是完全不同的，可能是分布式計算的方法，但首先要明確我們產業鏈的名錄，也明確我們的機制怎么計算碳足跡當量。國際上，現在GAIA-X跟日本的Quranos也做了互認工作，國內也在推動相關的工作，中汽中心也牽頭在做碳足跡排放的一些平臺，包括后續會有一些分布式的機制，或者跟國際上去做可信數據空間一些對接的機制。

在后市場服務環節包括金融保險，像現在用到新能源汽車的軌跡數據去做生成，去做保險定價都有很多應用場景，包括存證工作也很有價值，之前自動駕駛車出現事故之后，到底是車的問題還是駕駛員主動接入的問題，我們有了存證手段，基于隱私計算，基于分布式平臺，或者是取證上傳，可以方便于我們后續保險服務，也有利于企業和用戶之間責任主體的界定。

最后是產品研發環節，企業之間想把這些數據用出來是非常困難的，我們跟很多車企去談自動駕駛，大家是不是能有共享數據交易或者數據流通機制，共同來建面向自動駕駛訓練場景庫。大家會說買我這些數據是可以的，但讓我把這些數據給出去是很困難一件事情，因為每一個自動駕駛數據集都相當于自己的生產要素。除此之外我們要討論怎么樣在公共機制下能夠讓大家愿意把這些數據分享出來，現在既然做的是車路云一體化體系架構，路側產生感知數據，讓路側數據賦能車端做一些訓練，或者做仿真場景設計。如果做直接控制類端到端模型上車路一體化很難，但路側采到的數據轉到車的視角做感知訓練，以及用于仿真場景的規則訓練還是有價值所在的。

關于數據流通本身存在的困難和挑戰，以及適用于智能網聯汽車領域要解決的問題。從整體來看，我們認為數據流通還存在政策不完善以及流通技術體系尚不成熟兩個大的挑戰。比如數據既然是生產要素，要不要對數據進行確權和定價，有了價值更方便流通和交易。但有些學者認為數據本身不具備定價權，因為它本身沒有非常明確的歸屬權問題，我們還沒有建立這樣的體系，數據不存在交易，只存在流通。不同的發展方向，未來需要政策指引上不斷完善。

當前，數據流通仍然存在數據歸屬權不清晰，接口不規范，數據合規機制不健全等等挑戰。希望后續探討過程當中能夠對相關問題予以指引和借鑒。在智能網聯汽車領域，希望進一步加快數據相關標準制定和接口制定，推動跨企業之間數據的互聯互通，構建兼容的數據協同生態體系，更好地為將來智能網聯汽車新產品設計提供必要的支持。

從數據流通技術體系上講，小片量或者小體量數據流通大家討論很多了，比如區塊鏈的、核心計算的、隱私計算的、可信執行環境等等非常多，但是真正到了智能汽車領域，它有它的價值或者新的特征所在，比如自動駕駛訓練數據是大維度、大尺度的數據，數據體量非常大，現有的隱私計算方法并不一定能夠適用我們現在計算模式，我們也不可能把所有的數據都灌到隱私計算可執行的環境當中，圍繞智能網聯汽車的數據開發，尤其面向自動駕駛場景多模態數據，如何推動形成解決方案，仍然是行業內的空白。

從智能網聯汽車數據價值釋放角度講，我們也提出三方面考慮，第一個是數據賦能的廣度和深度的問題，我們認為急需構建能夠覆蓋汽車研產供銷服多個環節的技術體系和賦能價值研發體系。

第二個，我們認為企業推動數據流通的意愿是不足的，大家對于數據沒有價值的情況下或者收益不足的情況下，怎么考慮讓大家有意愿把數據開放共享出來，需要完善歸屬權權益設定，建立相關可行數據空間體系，構建流通機制，也能夠讓企業在做數據流通和交易過程當中有獲得感，這些獲得感并不一定是經濟價值，也可能是社會效益的體現。

最后，不同主體之間的數據需求是差異化的，即使面向統一一個應用場景下，我們在設計的時候都存在不同的模型考慮、性能指標的考慮以及數據格式的界定，需要建立相關的統一要素名錄，標準化數據模型，支持開展企業間的對接，能推動多主體之間，協同共建數據開放的未來共享體系。

以上是信通院牽頭工作的探討和實踐，歡迎大家進行指導，謝謝。

來源：新能源汽車國家大數據聯盟

end