车凌科技CTO 刘晓贝：车云一体化拓展AI定义汽车新场景

近日，第三十二届中国汽车工程学会年会暨展览（SAECCE 2025）在重庆圆满落幕。车凌科技CTO刘晓贝受邀出席，并发表题为《车云一体化拓展AI定义汽车新场景》的主题演讲，围绕在 “软件定义” 向 “AI定义” 转型的关键时期，车凌科技基于Hyper Flow和Hyper Agent平台，构建 “车云一体化+AI垂域智能体”的技术体系，为主机厂提供灵活配置、多规则共享、数据闭环的数据智能化解决方案，赋能车辆全生命周期（研、产、供、销、服）的数据价值挖掘展开。

以下为分享实录：

“汽车智能化正从‘功能驱动’转向‘智能驱动’，这就需要将数据获取方式从过去的粗放式转变为更智能化的精细式，不再完全依赖云端进行海量的处理，而是让边缘端初步具备处理能力。随着汽车智能化和算力的大幅提升，车云交互正在经历从比特到Token的转变，过去的集中处理方式不再具备高效性和经济性，给车企在网络、流量和云资源上带来了沉重的成本负担。

全新车云数据一体化的架构，增加数据流动性的同时，通过轻量化的分布式计算，让汽车更智能的同时，全面降低车企的TCO负担。”

技术革新：四大支柱构建智能数据底座

灵活配置，精准采集：摒弃过去“全量上报、云端清洗”的高成本模式，该方案支持云端对车端数据采集任务进行动态、灵活的规则配置。AI智能体可根据具体场景（如故障诊断、特定功能测试）按需唤醒，只采集最相关的数据，并通过车端边缘计算进行预处理和压缩，从源头实现高达90%的流量节省和75%的存储成本降低。

多规则共享，高效复用：平台化的设计理念允许为不同业务场景创建的采集与分析规则在云端进行统一管理和共享。例如，为“在线可靠性测试”开发的诊断模型，可以与“AI智能诊断”应用共享底层数据规则，避免了重复开发，极大提升了AI应用的部署效率和迭代速度，实现了跨业务场景的协同智能。

数据闭环，持续进化：利用拥塞优化算法有效降低传输延时（时延降低70%），通过“采集-分析-决策-再采集”的方式，实现完整的数据闭环流程，使车辆系统具备可持续学习与进化的能力。例如车辆故障数据采集后，经云端诊断模型分析生成维修方案，方案执行效果又反哺模型迭代，使故障诊断准确率持续提升至92%以上。

智能应用，价值涌现：在强大的数据闭环基础上，一系列覆盖车辆全生命周期的垂域智能应用应运而生，将数据潜力转化为切实的应用场景，从而辅助业务挖掘更多商业价值。

“我们坚信，未来的汽车将是一个不断进化的移动智能体，”刘晓贝总结道，“车凌科技正致力于为这个‘智能体’构建强大的‘数字神经系统’。通过车凌车云一体化平台，我们希望与所有主机厂和生态伙伴一起，真正实现‘让每一段里程更有价值’的愿景。”

关键词：