OTA雲服務
隨著新能源汽車的快速發展，在智能化、網絡化的趨勢下，軟件定義汽車已經成為壹種行業知識，OTA成為軟件定義汽車的核心力量。華為發布了OTA 3.0整車級升級方案，可以提供零磚好體驗的整車級升級體驗。
縮短上市周期:硬件嵌入交付，軟件不斷叠代，顛覆了傳統模式下軟硬件同步交付的模式，整車上市周期大幅縮短。產品進化帶來用戶體驗提升:相比傳統車型，OTA用戶可以不斷獲得新的功能體驗，包括智能駕駛、智能車輛控制、動力優化等領域，將為車主帶來更多智能體驗，增強用戶粘性。
給售後服務帶來了很大的優勢:具備OTA能力，可以通過遠程升級解決4S門店大量需要修復的軟件問題，大大降低了售後運維成本。
帶來新的商業模式:與壹次性銷售的傳統商業模式相比，用戶可以在買車後付費購買新的軟件功能和硬件升級，這將為車企帶來持續的增量收益。
OTA的發展經歷了三個階段。從市場來看，目前大部分新勢力ICV已經率先進入OTA 3.0階段，在ADAS/ADS、整車控制領域、駕駛艙領域、動力領域都保持了較高的叠代速度。OTA3.0需要關註的三個核心問題:車輛版本管理和質量關懷、OTA安全可靠性、用戶體驗。
第壹階段:近端毛筆書寫。車主將車開到4S店，通過近端診斷儀更新軟件。早在265438+20世紀初，國外就有車企首次探索Tbox應用的遠程升級，但僅限於壹些基礎網絡服務，如道路救援、ecall、遠程查詢服務等。
第二階段:零件OTA升級。這壹時期的升級形式主要是單個組件或少量組件組合的升級。除了基礎網絡服務和駕駛艙娛樂應用的升級之外，壹些基於CAN總線的ECU FOTA也逐漸開放。由於這些ECU的高度安全敏感性，OTA安全問題第壹次受到關註。
第三階段:整車級升級。這是壹次對整車智能體驗的升級革命，受益於4G/5G網絡和整車智能零部件的發展。智能駕駛、基於場景的車輛遠程控制等車輛級應用的功能包含跨域多ECU協作，因此車輛升級成為OTA的必要場景，要求OTA系統支持從研發到商用全流程、全場景的升級能力。
車輛版本管理是壹個系統問題，如何保證車輛零部件版本的兼容性和壹致性。目前車載軟件代碼行數達到1億行，多組件協同復雜度高。售後車輛有多種配件版本組合，導致車輛千差萬別。如何保證整車各零部件版本的兼容性和壹致性，如何保證版本質量，防止bug，尤其是影響行車安全的bug，是壹個龐大的工程。以20個零部件組合為例，在整車生命周期中，因功能和問題引起的變化而產生的版本數量可能達到上千個。在車輛智能體驗時代，OTA越來越普及，高效的版本管理成為關鍵挑戰。能夠提供有效軟件版本管理能力的OTA平臺更有優勢。
智能駕駛、整車控制、電源域升級成為常態，如何保證OTA下整車的安全性和可靠性極為關鍵。OTA升級會導致換磚，會觸碰用戶體驗紅線，行業內因換磚引發的投訴甚至輿論案例層出不窮。華為系統分析了OTA引起的磚頭變化。整車升級過程中的控制漏洞、核心零部件不可用、缺乏遠程維修、軟件bug成為換磚的最大誘因。如何在設計階段預測所有可能導致磚升級的故障，是壹個系統性問題。有必要分析和模擬所有場景中的潛在故障，並制定衰減措施來防止它們。華為手機多年前就支持OTA，系統分析了手機OTA故障的故障模式，也保證了數十億次的可靠升級。經驗值得借鑒。
與手機升級類似，也面臨著OTA過程中的流量消耗、升級時間、操作交互等用戶體驗問題。
華為提出以OTA為核心服務，OTA3.0時代需要具備三大能力:打通全流程，覆蓋全場景，安全可靠；
華為OTA解決方案是華為HI汽車解決方案的車輛級遠程升級服務。自然適配HI解決方案升級可覆蓋智能駕駛、智能駕駛艙、智能電動、智能網聯、智能車輛控制等45+個組件；同時，華為開放的車端升級服務架構支持車企自有件和三方件升級，可支持車企標準件的毛筆書寫規範；在應用程序級別，它支持升級功能，包括ADAS/ADS應用程序、算法、鴻蒙系統操作系統和鴻蒙系統本地應用程序。
智能汽車時代，各車企不斷發展軟件生態，構建和優化軟件管理流程，對車輛升級可靠性有專業的見解和思考，也積累了豐富的經驗。華為提供OTA服務平臺，希望與各車企、生態夥伴繼續探索OTA軟件生態、管理流程、可靠性、運維，打造有競爭力的OTA服務。
VHR
同時，隨著車輛智能化的發展，各車身部分的數字化比例也在不斷提高:車輛軟件代碼量級在不斷提高，現在軟件代碼量是十年前的10倍，未來軟件代碼量將進壹步提高到3-5億行。車輛的每個系統和部件每天都報告各種狀態信號、日誌和警報。目前單車的數據量在每天150-200M的量級，未來還會隨著采樣頻率的提高和組件復雜度的增加而進壹步提升。
參考ICT行業的經驗，華為提出了VHR的概念。VHR代表車輛歷史記錄，這是壹個基於整個生命周期的數據驅動的概念。其目的是在大量數據的基礎上實現車輛的可見性、可維護性、用戶關懷和高效運行。這些作品將在未來極大地提升車主的體驗和用戶粘性，也為車企帶來重要的價值和收益。
VHR涵蓋了數據采集、數據管理、數據分析、車輛狀態可視化、車輛故障診斷、趨勢分析、預測、改進等多個環節。從車輛到達到車輛離開是壹個閉環系統。
未來會有很多基於VHR的應用場景。下面簡單分享五個主要場景:
場景1:車輛的數字雙胞胎
車輛核心域和核心部件的可視化，如動力域的電機和電池，底盤域的數字底盤，用於自動駕駛或高級輔助駕駛的傳感器(雷達、攝像頭等)。)、車載智能駕駛計算平臺、智能駕駛艙等。，可以通過數字結對來實現，尤其是對於生命安全特別重要的部件系統，可以實時了解這些部件的運行狀態、關鍵參數和指標，對於智能汽車的產品改進、缺陷發現、性能提升和故障劃定非常重要。
數字結對絕對不是簡單的透視畫。只有深刻理解每個領域和每個系統的關鍵結構和性能參數，才能構建真正有效的數字結對系統。而且這個系統對平臺的大數據和AI能力要求很高。
場景2:遠程診斷
處理汽車故障的傳統方式是去維修中心。對於傳統汽車來說，這種模式不是太大的問題，但是智能汽車有幾個核心的變化。壹個是動力系統從燃油發動機變成了動力電池和電機。動力電池無論是故障還是性能都有壹個隨時間變化的過程，所以對其進行長時間的監控，提前發現潛在的風險是非常有必要的(這壹點在後面的三電雲服務中會特別提到)。
另壹個變化是，未來在智能駕駛和高級輔助駕駛場景下，對可靠性的要求會非常高，因此對系統核心部件的故障進行預測和遠程診斷非常重要。
因此，從車輛、領域和部件的維度來看，診斷也分為三個級別。根據行業專家和主機廠的意見，華為細化了壹些核心場景，比如車輛虛脫、熱失控、碰撞、OTA升級失敗、制動力不足等。通過構建故障樹或者AI學習，有針對性的提升遠程診斷的能力。
場景3:智能關稅
相信大家都有過這樣的經歷。當妳對妳購買的商品或服務有疑問時，妳會打電話給客服。現在妳們大部分人都會在Web或者APP裏使用在線客服。如果客服反復詢問壹些基本信息和情況，當客服A轉給客服B處理時，妳可能會對問題和基本信息的反復描述感到不滿，降低妳的服務體驗。所以在客服中心建設壹些基礎能力是非常重要的，比如車輛的基本信息，車輛下線後的過往維修歷史情況，車輛的狀態，壹些基礎問題的解決建議等。，這對於提升車主的觀感非常重要。
通過VHR，妳可以比車主更了解汽車，時刻通過智能值班為用戶保駕護航，這樣用戶粘性會大大增強。在同樣的產品力下，這樣的服務體驗壹定會給用戶留下深刻的印象。
場景4:質量預測
我國汽車召回制度在提高企業產品質量、保護消費者權益方面發揮了越來越重要的作用。
對於車企來說，能夠盡早識別潛在的風險和缺陷，對於大幅降低質量成本、提升產品和服務質量、保護品牌價值將起到重要作用。因此，打通從生產線(十月懷胎)、車輛使用過程(成長)、車輛退市等全生命周期的數據，並基於這些長期數據構建質量分析預測模型，將是壹項長期而有價值的工作。
數據顯示，2020年中國召回汽車199輛，涉及678.2萬輛，其中新能源汽車召回45輛，涉及35.7萬輛。只要稍微改進壹下，就會帶來很大的好處。
場景5:車輛肖像
通過MES、DMS、CRM、保修、營銷系統、OTA等業務系統的整合對接，構建領域模型，對數據進行挖掘和關聯，形成用戶標簽。通過用戶畫像，實現更直接的業務創新和數據變現。
雲端異構計算資源支持模型訓練計算，充分整合NPU、GPU和CPU的能力，實現底層異構計算資源整合的應用調度，提高模型訓練和執行的效率。
敏感個人數據端側訓練(隱私保護)，多用戶特征參數雲* * *支持聯合學習(模型精度)，通過差分隱私增加噪音數據提高安全性。
在端側使用VDC、CDC、MDC等高計算能力組件，在端側匯聚異常檢測模型進行異常檢測，快速推理，結合雲端大數據模型和供應商提供的數據補充，完善故障標簽，提高問題識別的準確性和實時性。
基於數據的VHR系統需要全行業共同打造，包括車端能力、雲能力、上層場景等等。壹方面，不斷提升車主的用車體驗，真正享受智能汽車帶來的價值。另壹方面也能為車企創造更多的價值和效益，實現共贏。華為希望在這個系統中貢獻自己的力量，發揮自己在數據平臺和AI能力上的優勢，結合行業內領導和專家的深刻見解，做好VHR系統。
三點雲服務
在國家政策等因素的推動下，如今的汽車電動化勢不可擋。2021截至7月，全國新能源汽車銷量突破1229萬輛，同比增長210.2%。新能源汽車發展迅速，但目前新能源汽車自燃尚未得到有效控制。2020年報告事故124起。到2026年9月，5438+0，媒體曝光的燒車事故有224起，消費者開始從裏程焦慮轉向安全擔憂。
電動汽車發生熱失控事故的原因多而復雜:電芯工藝缺陷、電濫用、熱濫用、機械濫用導致內部短路導致局部發熱，過充、低溫充電、快充導致大量鋰析出導致熱穩定性降低，都可能導致熱失控。其中，內部短路導致熱失控的安全邊界是動態的，內部短路是否導致熱失控需要更多的判斷因素，如短路類型、短路內阻、SOC等。因此，基於電化學機理，結合機器學習技術，華為構建了更復雜的關系模型，實現新能源汽車動力電池安全的精準預警。
基於華為VHR數據服務基地和電池組仿真系統，構建動力電池八大應用，包括動力電池熱失控預警、電池故障檢測、電池健康SOH評估、電池剩余壽命RUL預測等應用，為新能源汽車保駕護航。
在電池安全預警方面，動力電池故障檢測和熱失控預警的召回率可達80%以上，並保證虛警率處於較低範圍。在電池健康評估(SOH)方面，華為基於雲的SOH預測模型可以實現小於3%的生命周期估計誤差和小於10%的剩余周期預測誤差，並可以基於雲電池生命周期數據實現100%的電池問題溯源。
華為通過動力電池半實物仿真系統構建大量樣本數據，結合實車樣本數據分析，有效克服樣本數據少的問題。目前，華為已經構建了覆蓋三元鋰電池和磷酸鐵鋰電池的故障樣本數據，並構建了15+動力電池熱失控特征工程庫。
華為采用域自適應算法遷移算法模型。當算法模型從仿真環境遷移到實車時，或者在不同的材料體系和配方中，算法的精度保持穩定。