近年来，我国汽车数据迎来快速发展，但汽车企业数据能力参 差不齐、数据能力体系建设缺乏规范指导、数据安全合规与应用难 以平衡等问题依旧突出。
构建统一互通的汽车数据基础设施
2023 年 11 月，国家数据局局长刘烈宏在全球数商大会上首次提出 数据基础设施概念，指出其是从数据要素价值释放的角度出发，在网络、 算力等设施的支持下，面向社会提供一体化数据汇聚、处理、流通、应 用、运营、安全保障服务的一类新型基础设施。汽车行业作为国民经济 与社会发展的重要组成部分，构建统一互通的汽车数据基础设施对于行 业数字化转型具有重要价值。通过构建跨部门、跨企业乃至跨行业的汽 车数据基础设施，车企可以更好地挖掘数据价值，以创新提升核心竞争 力，帮助企业更好地应对汽车行业发展带来的数据量超量增长，同时实 现汽车数据驱动的创新与价值提升。 2023 年 12 月，国家数据局等多部门联合印发《“数据要素×”三年 行动计划（2024-2026 年）》，提出“挖掘数据复用价值，融合‘两客一 危’、网络货运等重点车辆数据，构建覆盖车辆营运行为、事故统计等 高质量动态数据集，为差异化信贷、保险服务、二手车消费等提供数据 支撑”“推进智能网联汽车创新发展，支持自动驾驶汽车在特定区域、 特定时段进行商业化试运营试点，打通车企、第三方平台、运输企业等 主体间的数据壁垒，促进道路基础设施数据、交通流量数据、驾驶行为 数据等多源数据融合应用，提高智能汽车创新服务、主动安全防控等水 平”，相关政策的出台为汽车数据基础设施构建提供了明确的指导方向 和工作范围。
汽车数据基础设施的建设重点在于提供一体化汽车数据汇聚、处理、 流通、应用、运营、安全保障的服务能力，需要充分融合计算、存储、 网络、大数据、AI等技术能力，构建以数据、应用和智能为核心的统一互通底层框架，支持业务中台的应用快速迭代开发、数据中台的数据高 效处理和数据流转共享的安全高效。因此，汽车数据基础设施建设需满 足保障数据安全、促进数据价值释放及降本增效三点需求，为上层数据 流通、应用提供支撑，推动数据处理环节实现高效率、低成本、高智能。 当前，业界围绕数据处理已经开展了广泛实践并形成了较为成熟的技术 产品形态，能够为汽车数据基础设施建设提供有力支撑。4 降本增效类新技术：数据湖仓一体化能够在低成本存储大规模数据 的同时保障数据使用的灵活性；新兴硬件如 FGPA、专用芯片、GPU 等 能够在不同层面优化软件性能，从而提升对大规模数据要素存储计算的 能力；数据智能平台通过利用 AI 模型深入理解企业数据的语义，进行 自动化管理及优化，降低大数据平台使用门槛，提升业务效率。
保障数据安全类新技术：防篡改数据库具备一定阻止恶意修改、恶 意修改可识别、数据恢复和不可抵赖能力，保障数据流通安全；全密态 数据库能够将系统中数据的全生命周期以密文形式进行处理，同时密钥 掌握在授权用户手中的数据库管理系统，保护数据隐私。 促进数据要素价值释放类新技术：AI 能够使得用户通过自然语言 的方式对于数据进行操作，从而降低数据要素使用门槛；多模处理技术 能够帮助用户通过单库统管的方式对于不同结构的数据进行管理，有利 于多种数据要素融合分析，更好发挥数据要素潜在价值。
汽车数据治理和运营能力全面提升
DataOps 提升汽车数据研发运营效能 面对的快速变化的数据需求和复杂的技术组件，业界借鉴 DevOps 的方法，提出 DataOps（数据研发运营一体化），通过构建和增强数据管道的方法和技术，满足快速数据分析需求和业务价值需求。DataOps 通 过对数据工具、流程和人员的重构，更好地协调和处理数据管理和应用 过程中的效率和质量问题，为企业的数据引擎“换挡提速” 5。 通过将 DataOps 引入汽车行业，一方面能够企业提升用数据进行决 策的能力，养成用数据分析的习惯，从而更好地应用数据赋能业务，同 时搭建起一条敏捷高效的数据研发流水线来支撑业务的探索；另一方面 能够打破部门间数据壁垒，提升数据供给的效能，加速数据产品的研发 效率，降低数据管理与维护成本。
汽车行业应用 DataOps 主要路径如下： （1）研发管理：构建数据研发治理一体化流程，将数据治理工作 左移，加强数据治理与开发工作的协同配合，同时降低数据治理后置所 产生的风险。此外，在数据研发阶段加强对数据需求的约束，并利用自 助分析能力来提前探查或解决部分数据需求，提升数据需求的沟通效率， 减少部分研发工作压力。 （2）交付管理：通过对测试、配置、部署和发布等环节的自动化 与标准化，提升交付效率和质量。企业在数据的交付与部署阶段，通过构建自动化的测试和交付流水线，加强数据版本与代码质量的管理，帮 助企业提升数据产品交付的自动化水平，加快交付速度，提高交付质量。 （3）数据运维：通过构建全链路数据可观测能力，对数据研发运 营管理全生命周期的效能、资源、质量、成本等方面进行系统性的监测 与度量，帮助企业全面掌握数据研发运营的各环节情况，及时发现、反 馈并处理问题，进而不断优化数据开发全流程。 （4）价值运营：通过量化指标驱动数据运营，提升数据研发质效， 构造精益数据运营管理能力。企业基于量化指标对数据开发工作的成本 进行精细化管理，并驱动企业对经营管理、开发流程和工具平台持续优 化，形成“以数治数，持续革新”的闭环运营。
Data Fabric 等新理念探索及落地 随着数据规模和数据关系复杂度的增加、数据权属问题的复杂化， 传统集中式数据管理模式无法满足需求，出现了 Data Fabric（数据编织） 这一概念。Data Fabric 是通过增强数据目录、数据虚拟化、主动元数据 等技术，将大型机构内多个数据平台进行逻辑集中管理，避免物理集中 带来的重复建设，实现数据在大型机构内的统一纳管、充分共享、融合 分析与应用。Data Fabric 能够通过其内置分析能力来动态改善数据的使 用，从而加快实现数据价值的速度，其支持全面地集成数据管理功能， 包括发现、治理、管理和编排，并使用 AI 能力进行语义探索、分析和 推荐，从而从被动的数据策略转变为主动响应性的数据策略。通过 Data Fabric 在汽车行业数据治理中的应用，能够推动元数据采集实时化、数 据质量稽核实时化、元数据管理图谱化、数据服务和指标分析自助化， 实现数据资产的成本和价值盘点。 此外，随着 Data Fabric、Data Mesh（数据网格）等新型分布式数据架构理念的落地，将推动汽车行业打造高扩展、可复用的数据模型，使 得数据资产以可理解的形式进行使用和呈现，帮助决策者和算法做出更 优的决策，提升各系统数据治理水平和易用性。
汽车数据要素化驱动价值释放
构建统一的汽车数据档案 汽车数据涉及众多环节，包含车辆的设计、制造、流通、使用、销 售直至报废拆解的全过程，通过汽车使用全生命周期数据的融合和应用， 将推动汽车产业数字化转型，让数据不断释放价值，以数据驱动产业效 率提升。 以汽车数字档案为核心，建立车辆从购置到报废全过程的使用记录， 形成以车辆识别码作为唯一身份标识的“一车一档”，覆盖生产、销售、 登记、检验、保养、维修、保险、报废等汽车全生命周期，对于非保密、 非隐私性信息可向社会开放，提供查询和开发服务，并推动信息服务的 市场化运作。
建立汽车数据流通服务平台
现阶段汽车行业缺少专业的数据服务能力，数据供、需方间缺乏有 效的桥梁，无法将数据转化为资产化数据产品，实现流通交易和数据价值变现。因此，汽车行业数据亟需建设数据供需双方的桥梁，实现数据 要素流通和增值。
汽车数据流通服务平台通过融合区块链、大数据、AI、云计算、物 联网及隐私计算等技术，构建一体服务化平台，聚焦汽车数据接入、治 理、挖掘、计算、流通等环节，提供数据资产管理、元数据管理、数据 开发、数据质量管理、数据安全共享等能力，构建汽车产业供需双方的 桥梁，促进数据价值流通。
技术与制度协同助力汽车数据安全合规
随着信息基础设施的建设加速，智能网联汽车提供的服务更加丰富， 车与车、车与人、车与云之间的数据交互需求随之不断增长。与传统汽 车相比，智能网联汽车业务发展与服务构建的方式均已转向数据驱动。 同时，全球日益严格的数据监管使企业在业务创新过程中必须对数据使 用的安全性与合规性进行充分的论证与保障。 细化汽车数据分类分级机制。针对车辆场景数据问题，应当考虑本 行业本领域的发展现状，推动数据分类分级机制构建。一方面，相关部 门可以结合智能网联汽车行业场景，针对具有共性或通用性的关键数据， 建立数据分类分级目录，并推动构建相关数据共享机制，对列入目录的数据进行重点保护，例如针对车辆数据的不同处理场景，区分保护事故 数据、险情数据和⼀般驾驶数据。另一方面，各行业主体需发挥自律作 用，推动搭建产业开放共享的合作平台，引导企业进行信息共享，提升 全行业合作互动效率。激发行业协会的组织引领作用，进一步推进相关 标准的建设和完善，例如高精度地图数据交换格式、地理信息处理标准、 安全传输标准、技术标准和管理标准等。
完善车机数据与个人隐私的合规工作。法律制度层面，相关部门应 进一步完善相关的隐私保护细则，建立健全的车辆数据法治体系，明确 个人隐私数据的权利主体和责任主体，以及主体相应的权利范围和责任 范围。企业层面，需根据自身的发展战略和风格，建立透明、可信、可 控的个人隐私数据管理机制，充分尊重和保障用户对于个人隐私数据的 知情权和选择权，避免滥用或泄露用户隐私数据。场景层面，随着智能 网联汽车应用场景多样化和复杂化，隐私保护应当因地制宜地发展，推 动具体的隐私保护模式和功能实现，例如采用加密、匿名化等技术手段 对敏感数据进行有效保护等。 推进汽车数据出境安全评估与合规工作。在法律制度方面，需要制 定和完善相关的政策法规，明确数据出境规则，同时建立有效的数据出 境审查机制和跨境执法合作机制，防止数据被滥用或侵犯。在技术标准 方面，需要制定和执行符合国际标准和技术规范的行业规范，规范智能 网联汽车数据的收集、存储、传输、处理和使用过程，确保数据在各个 环节都得到有效的加密、授权和监督。在企业自身方面，需要增强核心 技术的自主可控能力，减少对外部供应商的依赖，提升自主研发和创新 能力，建立自有的汽车数据平台和服务体系。此外，还需要加强监测技 术的研发和应用，及时发现并处置数据违规跨境传输的行为，建立有效的预警和应急机制，及时通报并协调相关部门进行处理。
建立汽车出海的全球数据合规体系。车企出海过程中由于各国数据 合规法规多样化且不断演进，如果不能全面有效地应对全球的数据合规 风险，可能导致在数据应用上面临各国政府及监管的处罚，并引发巨大 的品牌危机。因此，企业内需要设置职责明确的数据合规组织体系，必 要时设置首席隐私官，以统筹企业内部各相关部门的应对举措和行动。
随着我国智能网联汽车渗透率的不断提升，产品竞争力持续增强， 汽车已成为“制造强国”“制造出海”的关键领域。一方面，智能网联 汽车的发展将进一步带动云计算、大数据、大模型等新兴技术与产业深 度融合，同时促进芯片、操作系统、人工智能等核心技术研发同步发展， 推动基于数据的车联网、智能驾驶和汽车大模型等新领域迎来快速发展。 另一方面，数据的爆发式增长和规模化应用将不断催生新产业、新业态， 对生产力和生产关系的发展和变革具有重要影响。随着“数据二十条” 等数据国家战略的落地和实施，以及国家数据局针对行业发展痛点堵点， 实施“数据要素×”行动计划，将推动形成一批服务经济社会发展的典 型应用场景，对传统行业发展起到放大、叠加、倍增作用。因此，当前 我国汽车数据迎来了前所未有的发展机遇，将催生技术能力和应用场景 的不断创新，推动生态加速培育与产业发展。
与此同时，我国汽车数据产业发展起步较晚，仍存在一些挑战亟待 解决。一是数据采集与处理，汽车数据涉及范围广、总量大，采集和处 理需要大量的技术和资源投入，如何有效地收集、存储、分析和利用这 些数据是车企及相关企业需要解决的首要问题。二是数据隐私安全，随 着汽车由硬件定义转为数据驱动，其采集的数据范围、数据量将进一步 提升，如何在确保数据安全的同时，保护数据隐私及权益，需要在法律 法规的框架下持续推进。三是数据整合与应用，汽车产业链涉及多个环 节，不同环节、企业乃至行业之间数据孤岛仍然突出，如何实现环节之 间的数据整合与流转，以及如何将数据应用于汽车后服务和智能出行等 领域，都是产业发展的关键难点。四是政策与法规支持，尽管国家和行业组织已经出台了一系列政策文件，但主要聚焦于数据安全合规层面， 对于如何推动数据赋能行业发展尚未形成具备可落地性和实操性的指导 文件，同时在具体实施过程中，也存在一些不确定性和挑战。
“时不我待，只争朝夕”。为应对汽车数字化发展浪潮，需要汽车 上下游相关企业、政府主管部门、行业组织和院所高校等通力协作、紧 抓机遇、顺势而为，共同推动汽车数据产业发展。 企业方面，一是明确战略方向，应从顶层设计方面建立数据发展战 略规划，从业务需求进行分析，总结企业所处产业链位置和数字化发展 阶段，制定发展战略路线图，从业务、产品、生态等领域由点及面分步 推进。二是核心能力建设，业务核心能力建设是通过搭建企业数字化平 台，掌握数字化业务优化关键技术；产品核心能力建设是以软件定义汽 车理念为核心，加快构建智能软件、硬件研发能力；数据核心能力建设 通过搭建大数据平台，建立数据采集、数据处理、数据分析能力；生态 能力建设是要构建连接企业内外部的业务生态、连接汽车行业与其他行 业的数据生态。三是构建组织架构，建立企业数字化人才体系，构建组 织保障能力；建立数据管理部门，应对智能化时代海量数据的收集、处 理、应用需求；建立数字化生态服务部门，创新服务能力，形成以客户 为中心的业务生态体系。
政府和行业组织方面，一是推进产业合作，通过建立公共服务平台、 制定汽车数据支持政策、建立协同合作机制等措施，充分发挥不同类型 企业优势，推动产学研用结合，通过产业合作带动整体发展。二是建立 应用示范，形成汽车数据应用标杆。围绕汽车数据平台建设、数据治理、 数据应用、数据安全等领域组织开展标杆评选活动及试点示范项目，加速典型模式的推广落地。三是加快人才积累，以培育+引进保障人才供 给，引导地方高校、科研机构加快人才培养，引进外部人才，联合企业 提供实训环境，积累行业复合型人才。四是强化标准研制，建立完善的 汽车数据标准体系，围绕汽车数据各领域全面布局，以团体标准为主体 推动共性急需标准研制及落地实施，并适时转化为行业标准、国家标准 乃至国际标准，提升国际话语权。
