智協慧同（北京）科技有限公司成立于2017年，擁有數據庫、邊緣計算、基礎軟件等多個核心底層技術，專注于為OEM打造跨車云的數據驅動能力，能夠打造車云計算全棧解決方案。智能汽車架構當下面臨“算力嚴重緊張與算力高度空置同時存在”以及“云端成本居高不下”的挑戰。車輛運行時，由于計算類功能持續增多、機器學習/大模型等新能力逐步上車、車端適配迭代愈發復雜，算力處于高度緊張狀態；但車端約 90% 的時間屬于閑時，百萬顆SoC級別的算力被大量空置，且閑時算力使用的邊際成本幾乎為零，與此同時，云端要應對海量數據的上傳與存儲，還要支撐千余個監控、告警、診斷、智能推理任務，以及智能模型訓練和大模型LLMAgent運行，成本壓力巨大。
2025年9月11日，智協慧同CTO謝寧在2025第五屆未來汽車AI計算大會上表示："通過車端閑時計算釋放閑置算力，結合車云聯合計算架構，能夠實現成本可控的個性化智能，為車企創造顯著業務價值。"對此，智協慧同CTO謝寧表示，智協慧同基于車云計算技術打造了智能汽車的車云一體數據底座，衍生出智能診斷、靈活數倉、影子模式等場景應用，使得數據智能成為現實。實時邊緣計算憑借高性能算法引擎，支持規則 / 推理和輕度在訓訓練，能靈活調度以承接車端復雜性；車云聯合閑時計算既允許車端以 Service Mode 運行單次任務，也可通過接力式開展持續性任務，再結合 AI Agent 進行調度優化；“百萬輛車數據控本” 則通過高倍數數據壓縮、長周期車端歷史存儲、多頻快照靈活上傳（高精度數據按需上傳），以及云端計算下發車端等方式實現成本控制。
謝寧 | 智協慧同CTO
車端算力閑置現狀與潛力
當前車輛在運行時算力高度緊張，尤其是在部署AI模型、人機交互等計算密集型功能時，車端適配迭代日益復雜。但數據顯示，大部分車主每天僅駕駛約兩小時，這意味著車輛90%的時間處于閑置狀態，造成算力資源大量空置。這種閑置算力實際上是一個尚未被充分開發的"算力礦山"。如果將對實時性要求不高的計算任務（如鎖車到下電前的幾分鐘、充電時的半小時至幾小時，或遠程喚醒進店時的service mode）放到閑時執行，就能將車輛轉變為高效的算力礦機。這種轉變不僅能為車企降本增效，還能為用戶提供更優質的服務體驗。云端數據訓練成本高昂的問題也由此得到緩解，通過將部分計算任務下沉到車端，實現車云算力的最優協同。
圖源：演講嘉賓素材
EXD數據引擎的技術架構
智協慧同自2017年成立以來，一直專注于打造面向AI電子汽車的下一代數據基礎設施。其核心產品EXD數據引擎已獲得超過15家主機廠的落地應用，成為行業領先的解決方案。該引擎作為純軟件解決方案，獨立于車企云端和車端芯片，提供高效的數據閉環與邊緣智能能力。EXD數據引擎包含三大核心組件：車端數據庫支持多模態高精數據的記錄、壓縮、存儲與查詢；車端邊緣計算引擎支持算法處理高清數據；車云一體架構通過低代碼建模實現算法模型跨車云秒級部署運行。這些技術組件共同作用，將車端海量數據轉化為有價值的智能洞察，幫助車企持續優化產品功能與用戶體驗。
車端數據庫支持長期存儲多模態數據，包括總線信號、以太網、日志、文本、語音、圖片和視頻提幀向量等，實現按需上傳和成本精細化控制。邊緣計算引擎支持車端神經網絡在線訓練，利用service mode完成接力式計算，有效平衡算力與成本關系。
圖源：演講嘉賓素材
車云聯合計算的實際應用
基于EXD數據引擎，智協慧同已經成功落地多個垂直業務agent，為車企提供實實在在的業務價值。智能診斷agent通過車端性健康診斷方案，能夠識別92%的服務前故障，幫助客戶將投訴率降低超過50%。該方案采用車云聯合計算模式，在云端進行初步預警后，利用車端閑時算力接力完成計算并將結果上報，實現問題的主動發現和及時處理。智能熱管理agent通過綜合行程工況預測、用戶駕駛風格識別和整車能量流動態判斷，優化熱管理與電池系統性能，可實現能耗優化5%到7%，同時顯著提升座艙體驗。
這些應用的成功離不開車云協同架構的支持，AI agent可以智能調度任務在車端閑時或云端執行，避免重復編碼工作。模型通過低代碼框架實現靈活部署，大大提高了開發效率。例如在故障診斷場景中，系統結合總線數據、日志文本和多模態分析能力，AI agent調度骨架數分支進行問題排查，既能覆蓋傳統數據分析，又能處理需要技工輸入的特殊場景。
圖源：演講嘉賓素材
技術實現挑戰與解決方案
車云聯合計算的實現面臨諸多技術挑戰，主要包括模型轉換精度、硬件適配性和數據隱私等問題。智協慧同提出持續在線自完善模型框架，支持車端模型訓練與迭代，實現模型的自我進化和千人千面個性化。這一框架有效解決了數據隱私與上傳限制的難題：當語音、文本或圖像數據因隱私規定無法上傳云端時，車端訓練能力可以確保智能服務的持續優化和改進。在實際技術實現過程中，團隊遇到了模型轉換錯誤、量化精度差異、硬件加速器編譯兼容性等問題。針對這些挑戰，智協慧同采取漸進式推進策略，目前專注于相對簡單的feed forward網絡模型，從熱管理等具體領域開始突破。例如在車輛充電場景中，利用車端數據底座存儲的多模態數據進行輕量級訓練，結合用戶反饋機制實現數據標注，逐步完善自學習能力。
在AI調度方面，系統通過分析設計文檔自動創建系統模型，運用大模型技術提取文檔信息生成診斷代碼，顯著減少對人工專家的依賴。自動化流程包括生成節點分支、部署到車云環境等環節，全面提升診斷效率。這些技術創新使得AI應用能夠深入垂直領域，在研發、測試、售后等環節發揮實際價值，而不僅僅是提供表面的智能功能。
圖源：演講嘉賓素材
未來展望與發展方向
展望未來，智協慧同將繼續堅持技術創新與開放協作的發展理念，加速推動汽車產業進入AI agent時代。隨著芯片算力的不斷提升，車端模型訓練能力將進一步增強，支持更復雜的模型結構和更精準的訓練效果。技術團隊正在攻關模型量化精度控制、多芯片平臺適配等關鍵技術難題，力求在保持性能的同時降低計算資源消耗。
數據隱私和安全法規的演進也將推動車端自完善架構的發展，使其成為行業標配解決方案。通過持續優化車云聯合計算模式，車企將能夠構建成本最優、可控性最強的AI解決方案，真正實現數據驅動的業務創新。智協慧同期待與更多行業伙伴合作，共同探索車端算力利用的新場景和新模式，推動整個行業向更智能、更高效的方向發展。