智协慧同：从Edge AI到个性化智能，车端闲时计算驱动的模型训练与优化

智协慧同（北京）科技有限公司成立于2017年，拥有数据库、边缘计算、基础软件等多个核心底层技术，专注于为OEM打造跨车云的数据驱动能力，能够打造车云计算全栈解决方案。智能汽车架构当下面临“算力严重紧张与算力高度空置同时存在”以及“云端成本居高不下”的挑战。车辆运行时，由于计算类功能持续增多、机器学习/大模型等新能力逐步上车、车端适配迭代愈发复杂，算力处于高度紧张状态；但车端约 90% 的时间属于闲时，百万颗SoC级别的算力被大量空置，且闲时算力使用的边际成本几乎为零，与此同时，云端要应对海量数据的上传与存储，还要支撑千余个监控、告警、诊断、智能推理任务，以及智能模型训练和大模型LLMAgent运行，成本压力巨大。

2025年9月11日，智协慧同CTO谢宁在2025第五届未来汽车AI计算大会上表示："通过车端闲时计算释放闲置算力，结合车云联合计算架构，能够实现成本可控的个性化智能，为车企创造显著业务价值。"对此，智协慧同CTO谢宁表示，智协慧同基于车云计算技术打造了智能汽车的车云一体数据底座，衍生出智能诊断、灵活数仓、影子模式等场景应用，使得数据智能成为现实。实时边缘计算凭借高性能算法引擎，支持规则 / 推理和轻度在训训练，能灵活调度以承接车端复杂性；车云联合闲时计算既允许车端以 Service Mode 运行单次任务，也可通过接力式开展持续性任务，再结合 AI Agent 进行调度优化；“百万辆车数据控本” 则通过高倍数数据压缩、长周期车端历史存储、多频快照灵活上传（高精度数据按需上传），以及云端计算下发车端等方式实现成本控制。

谢宁 | 智协慧同CTO

车端算力闲置现状与潜力

当前车辆在运行时算力高度紧张，尤其是在部署AI模型、人机交互等计算密集型功能时，车端适配迭代日益复杂。但数据显示，大部分车主每天仅驾驶约两小时，这意味着车辆90%的时间处于闲置状态，造成算力资源大量空置。这种闲置算力实际上是一个尚未被充分开发的"算力矿山"。如果将对实时性要求不高的计算任务（如锁车到下电前的几分钟、充电时的半小时至几小时，或远程唤醒进店时的service mode）放到闲时执行，就能将车辆转变为高效的算力矿机。这种转变不仅能为车企降本增效，还能为用户提供更优质的服务体验。云端数据训练成本高昂的问题也由此得到缓解，通过将部分计算任务下沉到车端，实现车云算力的最优协同。

图源：演讲嘉宾素材

EXD数据引擎的技术架构

智协慧同自2017年成立以来，一直专注于打造面向AI电子汽车的下一代数据基础设施。其核心产品EXD数据引擎已获得超过15家主机厂的落地应用，成为行业领先的解决方案。该引擎作为纯软件解决方案，独立于车企云端和车端芯片，提供高效的数据闭环与边缘智能能力。EXD数据引擎包含三大核心组件：车端数据库支持多模态高精数据的记录、压缩、存储与查询；车端边缘计算引擎支持算法处理高清数据；车云一体架构通过低代码建模实现算法模型跨车云秒级部署运行。这些技术组件共同作用，将车端海量数据转化为有价值的智能洞察，帮助车企持续优化产品功能与用户体验。

车端数据库支持长期存储多模态数据，包括总线信号、以太网、日志、文本、语音、图片和视频提帧向量等，实现按需上传和成本精细化控制。边缘计算引擎支持车端神经网络在线训练，利用service mode完成接力式计算，有效平衡算力与成本关系。

图源：演讲嘉宾素材

车云联合计算的实际应用

基于EXD数据引擎，智协慧同已经成功落地多个垂直业务agent，为车企提供实实在在的业务价值。智能诊断agent通过车端预测性健康诊断方案，能够识别92%的服务前故障，帮助客户将投诉率降低超过50%。该方案采用车云联合计算模式，在云端进行初步预警后，利用车端闲时算力接力完成计算并将结果上报，实现问题的主动发现和及时处理。智能热管理agent通过综合行程工况预测、用户驾驶风格识别和整车能量流动态判断，优化热管理与电池系统性能，可实现能耗优化5%到7%，同时显著提升座舱体验。

这些应用的成功离不开车云协同架构的支持，AI agent可以智能调度任务在车端闲时或云端执行，避免重复编码工作。模型通过低代码框架实现灵活部署，大大提高了开发效率。例如在故障诊断场景中，系统结合总线数据、日志文本和多模态分析能力，AI agent调度骨架数分支进行问题排查，既能覆盖传统数据分析，又能处理需要技工输入的特殊场景。

图源：演讲嘉宾素材

技术实现挑战与解决方案

车云联合计算的实现面临诸多技术挑战，主要包括模型转换精度、硬件适配性和数据隐私等问题。智协慧同提出持续在线自完善模型框架，支持车端模型训练与迭代，实现模型的自我进化和千人千面个性化。这一框架有效解决了数据隐私与上传限制的难题：当语音、文本或图像数据因隐私规定无法上传云端时，车端训练能力可以确保智能服务的持续优化和改进。在实际技术实现过程中，团队遇到了模型转换错误、量化精度差异、硬件加速器编译兼容性等问题。针对这些挑战，智协慧同采取渐进式推进策略，目前专注于相对简单的feed forward网络模型，从热管理等具体领域开始突破。例如在车辆充电场景中，利用车端数据底座存储的多模态数据进行轻量级训练，结合用户反馈机制实现数据标注，逐步完善自学习能力。

在AI调度方面，系统通过分析设计文档自动创建系统模型，运用大模型技术提取文档信息生成诊断代码，显著减少对人工专家的依赖。自动化流程包括生成节点分支、部署到车云环境等环节，全面提升诊断效率。这些技术创新使得AI应用能够深入垂直领域，在研发、测试、售后等环节发挥实际价值，而不仅仅是提供表面的智能功能。

图源：演讲嘉宾素材

未来展望与发展方向

展望未来，智协慧同将继续坚持技术创新与开放协作的发展理念，加速推动汽车产业进入AI agent时代。随着芯片算力的不断提升，车端模型训练能力将进一步增强，支持更复杂的模型结构和更精准的训练效果。技术团队正在攻关模型量化精度控制、多芯片平台适配等关键技术难题，力求在保持性能的同时降低计算资源消耗。

数据隐私和安全法规的演进也将推动车端自完善架构的发展，使其成为行业标配解决方案。通过持续优化车云联合计算模式，车企将能够构建成本最优、可控性最强的AI解决方案，真正实现数据驱动的业务创新。智协慧同期待与更多行业伙伴合作，共同探索车端算力利用的新场景和新模式，推动整个行业向更智能、更高效的方向发展。

（以上内容来自于智协慧同CTO谢宁于2025年9月11日在2025第五届未来汽车AI计算大会上进行发表的《从Edge AI到个性化智能：车端闲时计算驱动的模型训练与优化》主题演讲。）