“三驾马车”，华为发布三大车联网云服务：OTA、VHR 以及三电云服务

IT之家 12 月 22 日消息，2021 华为智能汽车解决方案生态论坛在线上隆重召开，此次论坛以“聚享生态 合创未来”为主题。

在下午的“对话车云”专题中，华为智能车云的三位专家分享了华为车联网领域拉动智能网联汽车发展的“三驾马车”——OTA、VHR、以及三电云服务。

现在华为官方公布了发言稿全文，此处略作整理，我们一起来看一下。

OTA 云服务：

随着新能源汽车快速规模发展，在智能化、网联化趋势下，软件定义汽车已成为行业共识，OTA 成为软件定义汽车的核心助力。华为发布 OTA 3.0 整车级升级方案，可提供整车级、安全可靠零变砖、体验佳的升级体验。

配备 OTA 的车型具备的四大优势：

• 缩短上市周期：硬件预埋交付，后续持续迭代软件，颠覆了传统模式下软硬件同步交付模式，车辆上市周期大幅缩短。

• 产品演进带来用户体验提升：相比于传统车型，通过 OTA 用户可持续获得新功能体验，包括智能驾驶、智能车控、动力优化等多个域，为车主带来更多智能体验，同时提升用户粘性。

• 为售后服务带来优势：有了 OTA 能力，可以通过远程升级解决大量原有需要到 4S 店才能修复的软件问题，大幅降低售后运维成本。

• 带来新商业模式：相对于原有一次性销售的传统商业模式，用户购车后可以付费获取新的软件功能特性，以及软件带来硬件的升级等，为车企带来持续的增量收益。

据介绍，OTA 发展会经历三个阶段，从市场上来看，目前绝大部分新势力 ICV 已率先进入 OTA 3.0 阶段，并在 ADAS / ADS、车控域、座舱域、动力域等保持较高的迭代速度。

OTA3.0 需要关注的三大核心问题：整车版本管理和质量看护、OTA 安全可靠，以及用户体验。

• 第一阶段：近端刷写。车主把车开到 4S 店，通过近端诊断仪进行软件更新。早在 21 世纪初，就有外资车企首次探索远程升级 Tbox 应用，但也仅限于一些网联基础服务，诸如道路救援、ecall、远程查询服务。

• 第二阶段：零部件 OTA 升级。这期间的升级形态主要是单部件或者少量部件组合的升级。在网联基础服务和座舱娱乐类应用升级之外，逐步开放了一些 CAN 总线的 ECU FOTA，由于这些 ECU 安全敏感度高，OTA 安全问题首次被关注。

• 第三阶段：整车级升级。这是面向整车智能化体验的一次升级革命，受益于 4G / 5G 网络的发展，以及整车智能件的发展，整车级应用如智能驾驶、场景化远程控车等功能包含了跨域多 ECU 协同工作，因此整车升级成为 OTA 必备场景，同时要求 OTA 系统支持从研发到商用全流程、全场景的升级能力。

OTA3.0 需要关注的三大核心问题：

整车版本管理是一个系统化问题，如何保障整车各部件版本的兼容性和一致性。当前整车软件代码行数达到亿级，多部件协同复杂度高。售后车辆五花八门的零件版本组合导致千车千面，如何保障整车各部件版本的兼容性、一致性，如何保障版本质量、预防 bug，尤其是影响驾驶安全的 bug，工程浩大。以 20 个零部件组合为例，整车生命周期中，功能和问题导致的变更产生的版本的数量可能达到上千个之多。在整车智能体验时代，OTA 越来越普及，高效的版本管理成为关键挑战，能够提供有效的软件版本管理的能力的 OTA 平台更有优势。

智驾、车控、动力域升级成为常态，如何保障整车 OTA 下的安全可靠显得极其关键。OTA 升级导致变砖将触碰用户的体验红线，业界因变砖导致投诉甚至舆情的案例也层出不穷。

华为针对 OTA 导致变砖进行了系统化的分析，整车升级过程控制漏洞、核心部件不可用、远程修复缺失、软件 bug 成为变砖的最大诱因。如何在设计阶段预判所有可能导致升级变砖的故障，是个系统化的问题，需要针对所有场景下的潜在故障进行分析和模拟，并针对性制定衰减措施进行预防。

华为手机在多年前就支持了 OTA，针对手机 OTA 故障进行了系统性的故障失效模式分析，也保障了数十亿次的可靠的升级，经验值得借鉴。和手机升级类似，在 OTA 过程中同样面临流量消耗、升级时长、操作交互等用户体验问题。

基于此，华为提出 OTA 作为核心服务，在 OTA3.0 时代需要具备三大能力：

• 打通全流程

• 覆盖全场景

• 安全可靠零变砖

打通研发到商用全流程（包括管理动作和升级执行）。覆盖全升级场景，提供灵活的场景组合，在任何实际场景中都能升级。

华为的 OTA 解决方案是面向华为 HI 汽车解决方案打造的一款整车级远程升级服务。天然适配 HI 解决方案升级，可覆盖智能驾驶、智能座舱、智能电动、智能网联、智能车控等 45 + 零部件；同时华为提供的开放式车端升级服务架构，支持车企自有件及三方件的升级，可以支持车企企标零部件刷写规范；在应用层面支持包括 ADAS / ADS 应用、算法、鸿蒙OS、鸿蒙原生应用的升级能力。

同时，华为构建了安全、性能以及交互并重的用户升级体验：

基于多年 ICT 软件管理经验，提供 One-Track 的整车级版本管理体系，实现了 OTA 时代千车一面，版本单线演进，大幅降低复杂软件组合的管理效率。

基于安全可靠性设计优秀实践 DFEMA 体系，识别分析 2000 + 故障并全面进行故障衰减措施，实现车规级 OTA 安全可靠和零变砖的目标。

依托华为云 2000+ CDN，动态调度、源站分流，实现安全可靠的高速下载能力。支持并行差分安装、多域并行升级能力，将整车级升级缩短至 25 分钟以内。

依托多年消费者业务经验，华为提供车机、手机的多端友好协同交互操作界面，方便用户在不同场景下进行升级。

在智能汽车时代，各个车企持续不断的发展软件生态、构建和优化软件管理流程、对车辆升级可靠性有着专业的见解和思考，也积累了丰富的经验。

华为提供的是 OTA 服务平台，希望与各个车企、生态伙伴一起在 OTA 软件生态、管理流程、可靠性、运营运维等各方面持续探索，共筑竞争力领先的 OTA 服务。

VHR：

智能网联汽车的快速发展，为人与车的联结与体验带来的两个变化：

• 为车辆运维带来新的便利。

以前汽车发生故障或者状态不正常，消费者都是要去维修中心进行检查，现在有了这些大量的数据，主机厂就可以实时的，甚至在故障还处于萌芽阶段，就提前预警，主动对客户进行关怀。也可以对一些常见问题提前构建预案，对备件进行较为准确的配比模型预测，大大提升车辆运维效率。

• 催生更多的衍生服务。

通过挖掘数据的价值，为用户提供更好的服务，为车企带来更多的收益。

同时随着车辆智能化的发展，各个车身部件的数字化比例都在不断提升：车辆的软件代码的量级在不断提升，现在软件代码的量已经是十年前的 10 倍，未来汽车上的软件代码量将进一步提升到 3-5 亿行。车辆各个系统和部件每天都在上报各种状态信号、日志、告警，目前单车的数据量已经在 150-200M 每天的量级，未来随着采样频率的提升和部件复杂程度的增加，还会进一步提升。

IT之家了解到，华为参考 ICT 行业的经验，提出了 VHR 的理念。

VHR 代表的含义是 Vehicle History Record，是一种基于数据驱动的全生命周期的概念，目的是在大量数据的基础上，实现车辆的可视、可维、用户关怀、高效运营等，这些工作在未来会大大提升车主的用车感受及用户粘性，同时也为车企带来重要的价值和收益。

VHR 涵盖了从数据采集、数据治理、数据分析、车辆状态可视、车辆故障诊断、趋势分析、预测、改进等多个环节，是一个从车辆来，到车辆去的闭环体系。

未来，基于 VHR 的应用场景会非常多，先简单分享五个主要场景：

• 场景一：车辆数字孪生通过数字孪生实现车辆核心域及核心部件可视，比如动力域的电机、电池，底盘域的数字底盘，自动驾驶或高级别辅助驾驶的传感器（雷达、摄像头等）、车载智能驾驶计算平台，还有智能座舱等，特别是对于生命安全特别重要的部件系统，能够实时的知道这些部件的运行状态、关键参数及指标，这对于智能汽车的产品改进、缺陷发现、性能提升、故障定界定位等都是非常关键的基础能力。数字孪生，绝对不是一个简单的透视图片，对每一个域、每一个系统的关键的结构、性能参数的深刻理解，才能构建起真正有效的数字孪生系统。而且这个系统，对于平台的大数据和 AI 能力都有很高的要求。

• 场景二：远程诊断传统的汽车故障处理方式是去维修中心进行处理，对于传统汽车，这种模式也没有太大问题，但是智能汽车有几个核心变化，一个是动力系统由燃油机变成了动力电池和电机，动力电池在故障和性能方面有一个随着时间变化而不断变化的过程，因此长期对其进行监控和提前发现潜在风险是非常必要的（这将会在下文的三电云服务中具体提及）。另一个变化是，未来在智能驾驶和高级别辅助驾驶场景下，可靠性的要求会非常高，对系统核心部件进行故障的预测和远程诊断就变得非常重要。因此，从整车、域、部件的维度，把诊断也分为三个层次，华为根据行业专家及主机厂的意见，提炼了一些核心场景，比如车辆趴窝、热失控、碰撞、OTA 升级失败、制动力不足等场景，通过构建故障树或 AI 学习，针对性构建远程诊断的能力。

• 场景三：智能值守相信大家都有过这种经历，当你对自己购买的商品或服务有疑问的时候，以前是打客服电话，现在大部分会用 Web 或者 App 中的在线客服，如果客服反复询问一些基本信息和情况，还有当客服 A 转给客服 B 处理的时候，你可能会因不断重复描述问题和基本信息而感到不满，并降低你的服务体验。因此，用户服务中心里一些基本能力的构建是非常重要的，比如车辆基本信息、车辆下线后的过往维修保养的历史情况、车辆状态、一些基本问题的解决建议等，这对于提升车主的感知非常关键。通过 VHR 可以做到比车主更了解车，通过智能值守时刻为用户保驾护航，这样用户粘性会大大增强，在产品力同等的情况下，用户肯定会对这样的服务感受留下深刻映像。

• 场景四：质量预测我国汽车召回制度在提升企业产品质量，保障消费者权益方面发挥了越来越重要的作用。对于车企来说，能够尽快识别潜在风险和缺陷，将大幅降低质量成本，提升产品和服务质量，保护品牌价值方面发挥重要作用。因此，打通从产线（十月怀胎）、车辆使用过程（成长）、车辆退市整个生命周期中的数据，并且基于这些长期的数据，构建质量分析和预测的模型，将是一个长期且很有价值的工作。据数据显示，2020 年中国汽车召回 199 次，涉及车辆 678.2 万辆，其中新能源汽车召回 45 次，涉及车辆 35.7 万辆，只要改进一点点，将会带来非常大的收益。

• 场景五：车辆画像通过集成对接 MES、DMS、CRM 、Warranty、营销系统、OTA 等业务系统，构建领域模型，并对数据进行挖掘和关联分析形成用户标签，通过用户画像，实现更为直接的业务创新和数据变现。

常见的 4 个应用方向：

• 用户与业务分析：构建多维度用户分析模型，通过用户标签区分客户群，支持市场活动、用户经营等。

• 产品改进：挖掘共性用户需求和偏好，优化产品和服务的体验设计。

• 个性化服务: 基于用户兴趣爱好，偏好等信息，提供个性化体验和服务，比如 OTA 最佳推送时间，推送频率，最新的特性也可以精准推送到喜欢尝鲜的用户群体中，也可以基于车辆状态和驾驶行为，提供个性化保养方案。

• 精准营销：基于用户画像，结合内容相似和用户相似分析，进行精准内容推荐，对于车机的原生应用，可基于用户标签，推荐丰富应用，提升用户体验。

华为表示，为了提升检测的效率和及时性，构建基于联邦自学习的故障检测方式就显得非常重要。当前智能汽车新增很多 ECU 控制器和设备，数据量很大，云端基于数据构建的模型，如果仅仅依靠云端进行监测，在部分场景下就会存在监测不及时的问题，比如网络不好、时延较高，甚至没有网络的情况，因此端云协同是非常重要的选择。

云侧异构计算资源支撑模型训练计算，充分融合 NPU、GPU、CPU 能力，在底层实现异构计算资源融合应用调度，提升模型训练、执行效率。

敏感个人数据端侧训练（隐私保护），多用户特征参数云端共享支持联合学习（模型精度），并通过差分隐私方式增加噪声数据，提升安全性。

利用端侧的 VDC，CDC，MDC 等高算力部件，在端侧汇聚异常检测模型做异常检测，进行快速推理，结合云端大数据模型和供应商提供数据补充，完善故障标签，提高问题识别精确性和实时性等。

华为也表示，基于数据的 VHR 体系需要整个行业一起来打造，包括车端能力、云端能力、上层的场景等等。

三电云服务：

受国家政策等因素驱动，当今汽车电动化势不可挡。2021 年截至 7 月份，全国新能源汽车销售突破 122.9 万辆，同比增长达 210.2%。新能源汽车发展迅猛，但目前新能源汽车自燃事件仍未得到有效控制，2020 年全年一共报道了 124 起事故，截至 2021 年 9 月，被媒体曝光的烧车事故达 224 起，消费者也开始从里程焦虑转向安全顾虑。

结合电化学机理和机器学习，构建精准热失控预警模型

引发电动汽车热失控事故的原因多且复杂：由电芯制程缺陷、电滥用、热滥用、机械滥用等导致的内短路引发局部产热，以及过充、低温充电、快充等场景引起的大量析锂导致热稳定性降低，都有可能引发热失控。其中，内短路引发热失控的安全边界是动态变化的，内短路是否导致热失控需要更多的判断因素，比如短路类型、短路内阻、SOC 等。因此，华为基于电化学机理，并结合机器学习技术，构建了更复杂的关系模型，实现新能源汽车动力电池安全的精准预警。

华为三电云服务围绕新能源汽车电池安全和寿命管理构建了八大应用

基于华为 VHR 数据服务底座和电池包仿真系统，构建了面向动力电池的八大应用，包括动力电池热失控预警、电池故障检测、电池健康度 SOH 评估、电池剩余寿命 RUL 预测等应用，为新能源汽车保驾护航。

在电池安全预警方面，动力电池故障检测、热失控预警等可以达到 80% 以上的查全率，并保障误报率在较低的区间。在电池健康度评估（SOH）方面，华为基于云端构建的 SOH 预测模型，可以实现全寿命周期估计误差小于 3%、剩余循环 Cycle 预测误差小于 10%，并能基于云端电池全生命周期数据，实现电池问题 100% 可追溯。

要解决样本数据缺乏和模型迁移问题

华为称，要通过动力电池半实物仿真系统进行海量样本数据构建结合实车样本数据分析，有效克服样本数据少的问题。目前华为已经构建覆盖三元锂电池、磷酸铁锂电池的故障样本数据，并构建了 15+ 动力电池热失控特征工程库。

此外，华为还采用了域自适应算法，进行算法模型的迁移。保障算法模型从仿真环境迁移到实车时，或者在不同的材料体系和配方中进行迁移，算法准确率依旧稳定。