2026北京國際車展，車凌科技正式發(fā)布面向AIDV的新一代車云一體化數(shù)據(jù)采集解決方案 ——Flow C。該方案深度融合 EMQ FlowMQ 統(tǒng)一消息內(nèi)核與車凌 Hyper Flow 精益數(shù)采能力，以云原生無狀態(tài)架構(gòu) + 對象存儲低成本持久化 + 車端邊緣精益處理三重技術(shù)創(chuàng)新，重構(gòu)汽車全生命周期數(shù)采鏈路，破解傳統(tǒng)架構(gòu)成本高、孤島多、運維復(fù)雜等痛點，助力主機(jī)廠在規(guī)?；\營中實現(xiàn)基礎(chǔ)設(shè)施成本的極限下探，為軟件定義汽車與 AI 數(shù)據(jù)閉環(huán)提供高性價比、高可靠的技術(shù)基座。

行業(yè)痛點：粗放數(shù)采正在限制 AI 上車的場景應(yīng)用

當(dāng)前，汽車數(shù)采行業(yè)面臨"四高一低"的結(jié)構(gòu)性困境：高流量成本、高存儲成本、高運維復(fù)雜度、高集成成本，因為協(xié)議壁壘形成的數(shù)據(jù)孤島導(dǎo)致 AI 數(shù)據(jù)閉環(huán)效率卻持續(xù)低下，讓大模型訓(xùn)練始終無法獲取實時、完整的跨域車端數(shù)據(jù)。

過去十年間由于不同場景各自選型，形成異構(gòu)孤島；不同系統(tǒng)之間靠橋接維系，引入延遲與故障點；云端存儲依賴昂貴的塊存儲集群，擴(kuò)展緩慢且成本剛性，導(dǎo)致消息基礎(chǔ)架構(gòu)的自然演進(jìn)形成"協(xié)議碎片化"的堆積，從而建立起了大量的“煙囪式” 部署問題。

三層架構(gòu)重構(gòu)，從源頭降本

1、存算解耦，告別冗余：Flow C 采用了云原生時代的無狀態(tài)架構(gòu)。計算節(jié)點負(fù)責(zé)協(xié)議處理，數(shù)據(jù)則持久化在低成本的對象存儲（如S3/OSS）中。這種設(shè)計讓主機(jī)廠無需為了應(yīng)對早晚高峰的峰值流量而冗余配置昂貴的物理服務(wù)器或塊存儲，計算與存儲可根據(jù)實時負(fù)載獨立秒級擴(kuò)縮，資源利用率提升 40% 以上。

2、數(shù)據(jù)一次寫入，多處復(fù)用：在 Flow C 體系下，車輛上報的一份原始數(shù)據(jù)可同時被 Pub/Sub、隊列和流式處理三種模式消費。這從底層消除了由于不同業(yè)務(wù)需求導(dǎo)致的重復(fù)采集、重復(fù)傳輸與重復(fù)存儲，實現(xiàn)了數(shù)據(jù)全生命周期的效能最大化。

3、邊緣前置減負(fù)：結(jié)合 Hyper Flow 邊緣計算能力，F(xiàn)low C 推動數(shù)采邏輯下沉。在車端即可完成數(shù)據(jù)的初步過濾、壓縮與規(guī)則計算，只將具備“價值”的數(shù)據(jù)傳向云端，極大地緩解了昂貴的云端存儲與算力壓力。

面向AI時代的數(shù)據(jù)基礎(chǔ)設(shè)施

隨著汽車智能化進(jìn)入"Agent驅(qū)動"階段，數(shù)據(jù)基礎(chǔ)設(shè)施需要為AI智能體提供統(tǒng)一、實時、低成本的上下文環(huán)境。Flow C的"多協(xié)議統(tǒng)一+對象存儲+邊緣智能"架構(gòu)，恰好滿足了這一需求：異構(gòu)系統(tǒng)數(shù)據(jù)通過統(tǒng)一總線匯聚，TB/PB級歷史數(shù)據(jù)以極低成本留存供模型訓(xùn)練，實時流數(shù)據(jù)毫秒級觸達(dá)推理引擎。

未來，車凌科技將持續(xù)深化與 EMQ 的合作，以統(tǒng)一消息、極簡架構(gòu)、極致降本為核心，助力主機(jī)廠打通數(shù)據(jù)壁壘、釋放數(shù)據(jù)價值，加速智能汽車 AI 數(shù)據(jù)閉環(huán)落地，推動汽車行業(yè)向更高效、更經(jīng)濟(jì)、更智能的方向全面升級，讓每一段里程更有價值。