腾讯云TI平台，助力车企一键部署大模型推理服务

腾讯智慧出行 行业应用案例集 TencentIntelligentMobility 目录 Contents 自动驾驶01 博世自动驾驶云，腾讯云向量数据库01 蔚来自动驾驶云03 蔚来云原生分布式云05 元戎启行腾讯地图07 文远知行自动驾驶云，地图09 出行行业某客户自动驾驶云11 出行行业某客户腾讯地图13 智能座舱15 柳汽智驾地图15 BMW车载微信17 蔚来发送到车19 长安“我的车钥匙”微信小程序21 盟博科技车载语音助手23 嘀嗒地图25 企业协同27 吉利控股集团腾讯会议27 出海29 某车企出海29 安全合规31 万顺叫车安全31 广汽SOC，NDR33 一汽丰田安全，AI35 某合资车企合规云37 某车企安全39 某车企安全41 云45 深蓝汽车腾讯云CODING45 深蓝汽车Oceanus，EMR47 能链腾讯云容器服务49 如祺出行大数据51 广汽EMR，Wedata，CKafka53 蘑菇车联腾讯云智算55 某头部出行客户HCC57 某车企DMS上云59 某车企AI中台61 某车企云63 自动驾驶云， 腾讯云向量数据库 01/02 博世 客户名称 为更好地响应日益增加的软件需求，赋能汽车智慧升级，博世中国启动了中高阶自动驾驶项目。腾讯自动驾驶云作为博世中国自动驾驶研发平台的重要支撑，在存储、计算、合规等产品上为博世自动驾驶研发提供支持，帮助其快速满足中国市场需求，并促进研发环节的降本增效。 客户挑战 保障数据的合规性的同时，还要满足业务访问的便利性和灵活性。 数百PB和数千张高性能GPU卡的需求，需要拥有极致性价比的云平台方案。 自动驾驶作为新业务，需要供应商能基于研发过程中的需求快速响应和迭代产品的能力。 云与合规一体化方案 基于腾讯iOA、CAAS等产品构建合规方案，全方位覆盖编译室、标注室、办公室等各类客户使用场景；合规方案与云实现了深度融合，一站式解决客户的合规与云需求。 一体化存算方案 将热点数据（如正在训练的数据集）缓存在高性能介质中，如NVMeSSD、MEM等，将非热点数据存储在GPU节点上的大容量介质中，加上强大的元数据能力，既保证了极致的响应时延，助力训练业务充分释放出GPU等特殊硬件的算力，横向扩展带来的近似线性增加的容量和性能，又保障了高带宽和超大的容量需求，让AI训练可靠、高效。 腾讯云向量数据库 基于多模态大模型的海量数据高性能图文检索能力。提升数据检索的有效性，大大提高了CornerCase的训练效率。 共创方案 双方联合探索落地了RDMA多IP、数据注入、HOL托管等行业方案。 方案亮点和效果 更高效 使得客户无需在合规方面投入太多精力，大大提升了其整体研发效率。 更划算 在满足业务需求的前提下，大大降低TCO（总体拥有成本）。 更领先 博世成为全国首个应用自动驾驶专有云的中高阶智驾解决方案供应商，保证数据合规。博世构建了行业领先的数据闭环工具链，持续高效赋能开发迭代,建立前沿感知、规控能力。 自动驾驶云 03/04 蔚来 客户名称 蔚来是高端智能电动汽车市场的领导品牌，在产品设计、驾乘体验、用户运营、服务体系等诸多方面有着独特的优势。近两年，全栈自研的自动驾驶业务是蔚来着重发力打造的又一个优势点。在蔚来自动驾驶业务研发和落地的过程中，腾讯云基于对汽车行业的深刻理解和强大的云产品和基础储备，在自动驾驶存储、算力管理、大带宽网络以及大数据治理等方面为蔚来自动驾驶团队赋能，加速了蔚来自驾业务的落地和推广。 客户挑战 自动驾驶研发需要数十PB甚至上百PB的存储，需要一套高性价比的存储解决方案，同时对于存储的数据能够做到自动化管理，减少运维成本。 除了GPU训练算力，自动驾驶业务还需要大量的CPU算力用于数据处理、仿真测试等场景，对算力需要的时间和数量都存在弹性空间。 自动驾驶的数据和算力分布在公有云和数个IDC内，各自之间需要进行数百G级别的数据传输，同时还需兼顾成本压力。 自动驾驶研发和运营业务需要处理既有和新增的各类型的结构化和非结构化数据，数据处理团队面临巨大的数据开发和治理压力。 一体式混合云存储解决方案。基于对象存储Tstor一体机和公有云COS构建了一体式混合云分布式对象存储解决方案，同时该方案能够支持对存储上的数据进行自动化生命周期管理，基于设定的策略将数据进行分级存储。 通过eks容器产品提供灵活便利的算力管理，可以在秒级拉起数千核的容器镜像，支持CPU和GPU，支持跨可用区算力调度。 基于腾讯云海量的带宽储备和遍布全球的骨干网络建设，为蔚来提供了适用于不同场景的不同等级带宽线路方案，其中专门用于自动驾驶海量离线数据传输的线路可以达到上千G级别。 提供腾讯云大数据Wedata、EMR、DLC的自动驾驶数据湖解决方案，支持云下云上复杂数据源需求，支持数据开发、数据管理、数据质量等全方面场景使用需求。 方案亮点和效果 腾讯自动驾驶数据存储解决方案支持在10亿+文件规模下，10WQPS的访问效率，帮助自动驾驶研发及运营TCO有效降低，全面满足对于性能、成本、安全、开放的需要；内嵌的数据自动化生命周期管理功能，可以帮助业务团队实现低成本运维管理。 eks容器产品可以减轻运维压力、成本节约（按需扩缩容）、秒级拉起数千核的容器镜像、完全强隔离，独占内核、根据Pod规格计费（按秒），同时提供“资源包、预留券、按量、竞价”等计费模式，有效满足弹性需求并降低运行成本。 基于新的多等级带宽线路方案，总体带宽成本大幅降低。 短短9个月，客户的数据团队规模快速扩大，在平台上的任务从几十个上升到数百个。以腾讯大数据为技术底座，解决了自动驾驶传感器产生海量的结构化和非结构化数据存储、计算、服务的基础能力。快速支撑了自动驾驶运营对软件版本评测、功能体验、健康诊断等从交付到服务履约的大规模数据自动化闭环。 云原生 分布式云 05/06 蔚来 客户名称 蔚来是高端智能电动汽车市场的先驱和领先公司。用于自动驾驶技术开发的分布式计算平台，分布在腾讯云、IDC，及边缘车机及换电站等全球不同地区的混合基础设施中部署和运营。 客户挑战 复杂多样的技术架构 随着公司的快速发展，各种类型的业务带来复杂多样的技术架构。 混合和分布式基础设施 务，计算平台的基础设施是混合的和庞大的，并且高 作为一家高科技公司，制造自动驾驶研究和消费者服 精地图等部分业务受限。 各类业务的快速扩张，对平台带来海量而紧迫的计算 弹性计算资源需求 需求，对资源供应提出挑战。 通过容器化及Kuber-netes技术栈优化底层架构。 通过云原生分布式云实现跨混合基础设施在一个控制平面中管理应用程序和集群，包括：公共云、蔚来自己的IDC和充电站中的边缘计算设备等。 通过TKEServerless快速方便地补充蔚来自己的IDC算力，为蔚来高精地图、AI训练等业务秒级提供充沛算力。 方案亮点和效果 腾讯云原生分布式云中心TDCC为蔚来实现了跨越腾讯云、IDC、1200+充电站的混合基础设施管理，纳管各类计算资源10万核，超过50kCPU和数百张GPU卡。 借助TKEServerless弹性特性，可以快速将算力池扩充至最高百万规模，应用升级时间从小时缩短为秒级，计算平台的总成本优化40%，有效提升运维效率及资源弹性效率。 腾讯地图 07/08 元戎启行 客户名称 元戎启行成立于2019年，是行业最早实践“端到端”技术路线的企业。2023年初，元戎启行正式发布无高精地图的高阶智驾方案Mapfree，并开始布局端到端。2024年，正式推出了基于端到端模型的高阶智驾平台Deep-RouteIO。元戎启行成为国内第一家将端到端模型成功上车的人工智能企业。 2024年初，元戎启行与腾讯在地图领域达合作，打造业内首个仅使用导航地图的高阶智能驾驶量产方案，共同服务车企。目前，量产车型已经投入消费者市场，率先实现城区NOA的落地。 客户挑战 端到端架构作为高阶智能驾驶领域的未来发展方向已逐渐成为行业共识，这对数据、算力等底层基础设施有更高要求。 此前行业大多采用的是高精地图，采集制作过程复杂， 价格昂贵，覆盖度不够并且更新周期比较慢，难以大规模泛化，是制约智能驾驶量产的关键难题。 腾讯提供导航电子地图，辅助感知实现高级辅助驾驶。地图数据质量高、覆盖广，助力提升智能驾驶上车的体验跟效果。 方案亮点和效果 相比市场上的高精地图和定制化地图，腾讯导航地图覆盖范围更广，成本大幅降低，支持元戎启行根据自身的需求去运用地图离线API训练自己的模型。保障了元戎启行只利用导航地图提供的道路方向、基本形状等基础信息，就可以实现点到点全域驾驶，像人一样驾驶。 自动驾驶云， 地图 09/10 文远知行 客户名称 文远知行WeRide成立于2017年，是全球领先的自动驾驶科技公司，总部位于广州，是唯一同时拥有中国、阿联酋、新加坡、法国、美国五地自动驾驶牌照的科技企业。腾讯自动驾驶云作为文远知行高阶自动驾驶研发的基石，在合规、地图等方面为文远成功收获高阶自驾量产经验提供帮助，加速了项目落地进展。 客户挑战 智能驾驶科技公司在经历前所未有的市场竞争，是否有智驾量产能力是主机厂选择最看重的指标。 文远需要在最短的时间内实现自研高阶智驾的量产落地。 腾讯提供SD地图用于助力提升智驾体验。 腾讯与文远针对地图进行了共创，产出更符合文远需求的地图方案，有效提升了产品效果。 腾讯云极速交付了合规云方案，在一周内完成合规云开通、资源到位、工具链部署。 方案亮点和效果 更高效 时间对于智驾公司至关重要，腾讯云凭借成熟的行业经验与交付能力，在一周内完成了平台部署与数据链路打通，有力支持了客户的开城计划。 更划算 SD地图上车大大节省的地图成本投入，深入与文远共创地图方案，有效降低地图投入。 自动驾驶云 11/12 出行行业某客户 客户名称 该企业作为Top自动驾驶公司，主攻端到端技术路线，触发了对海量算力的需求。腾讯云“以高性能网络、高性能文件存储、高稳定性、极致软硬件联合优化能力，为该企业的自动驾驶研发提供了坚实的支撑。 客户挑战 该企业主打极致性价比技术路线，要求基础设施做到“又快又省”，“榨干每一滴算力性能”。 自动驾驶训练时，需要支持海量小文件极致OPS和极致时延要求。 需要能有一个工具串联起数据接入、模型训练、模型管理等全流程开发支持。 强大的算力支持 分布式高性能存储 一站式机器学习平台 腾讯具备万卡级超大规模算力集群建设经验，采用最新一代腾讯云星星海自研服务器，搭载了H20GPU；腾讯自研的星脉网络，为新一代集群带来了业界最高的3.2T的超高通信带宽。节点内外统一的AllReduce通信带宽，实现网络和算力的最大协同。 训练场景下，上百台计算节点会同时读取一批数据集，需要尽可能缩短数据集的加载时长。项目中引入了腾讯云最新自研的CFSTurbo高性能并行文件存储方案，基于全分布式架构，提供TB级吞吐，千万级IOPS的极致性能，解决自动驾驶训练大数据量、高带宽、低延时的诉求。 TI-ONE训练平台（以下简称TI-ONE）可为自动驾驶算法工程师打造的一站式机器学习平台，为用户提供从数据接入、模型训练、模型管理到模型服务的全流程开发支持。TI-ONE兼容TensorFlow、Pytorch、PySpark等主流开源机器学习框架，用户可在平台上灵活地定义算法模块。 方案亮点和效果 可实现大模型训练过程中，网络通信占比（通信时间占总体时间比例）低至6%，远低于10%的业界水平。 通过智能分层技术，自动对冷热数据分层，节省80%的存储成本，提供极致的性价比。 腾讯地图 13/14 出行行业某客户 客户名称 该企业联合地图合作伙伴腾讯，定制开发了适合高阶智驾产品的轻量化地图ADMap，结合腾讯在地图行业多年积累的数据成果和经验、及该