随着云计算、大数据、物联网与 AI 技术的迅速成熟，这些技术在行业领域的价值和潜能已经得到了企业的普遍认同。对于传统行业的重资产类型企业而言，日常运营和业务场景中存在着很多优化空间和创新机会，管理者迫切希望在前沿技术的帮助下突破现有瓶颈、开拓市场机遇，实现降本增效的目标。
另一方面，全球化进程的不断推进让很多企业看到了出海扩张的诱人前景。当企业利用先进技术提升了自身竞争力后，在全球市场开疆拓土的意愿也会更加强烈。在这一过程中，企业选取的技术平台和生态能否在海外市场提供足够的助力，降低企业全球部署的难度，就成为出海战略成功与否的一个重要影响因素。
作为全球前沿的云计算、AI 和大数据服务提供商，Google Cloud 在企业数字化转型与全球部署等主题上有着比较深厚的积累。Google Cloud 开发出了一系列数据分析和 AI 技术，辅以全球化的云计算平台，可以为企业海量数据收集与利用、智能物联、出海扩张等需求提供一流的解决方案。为了帮助更多企业了解如何利用 Google Cloud 提供的服务来提升企业全球竞争力，Google Cloud 还举办了【出海纪·Google Cloud 今日谈】系列活动，与合作伙伴共同分享相关技术知识与实践经验。
12 月 17 日，在「出海纪 | Google Cloud 今日谈」系列活动第三期：对话上汽 数据仓库及 AI 技术在智能网联及企业多区域出海的运用中，Google Cloud 架构师卢德升与上汽海外出行科技有限公司平台产品组负责人黄晟劼，围绕企业打造智能网联平台，实现多区域出海扩张的话题进行了分享和探讨交流。两位老师讲述了 Google Cloud 在大数据和 AI 技术方面的诸多成果，以及上汽利用这些成果开发汽车智能网联平台，并向全球市场进军的实战故事。
以下内容经由 InfoQ 编辑整理自直播速记。
1 基于 Google Cloud 数据分析平台，构建智能网联基础架构
为了帮助企业构建端到端的数据分析平台，Google Cloud 发展出了一整套架构，其中包括四大模块，卢老师对此做了详细解析：
- 数据源接入的服务套件可以支持结构化 / 非结构化、实时 / 非实时和第三方平台等各种类型的数据接入，很多过程可以通过低代码工具完成。
- 数据管道模块的服务涉及数据的抽取、转换、加载、清洗等数据处理过程，支持批量 / 流式数据处理、Hadoop 平滑迁移，也可以低代码获取数据见解。
- 整个平台最核心的部分是数据仓库和数据湖。Google Cloud 提供的 BigQuery 数仓引擎可以支持超大规模数据量和高性能的数据查询，其计算和存储分离的架构有着良好的可扩展性，无服务器的理念也能帮助用户降低运维难度。Cloud Storage 则提供了理想的数据湖平台，支持细致的权限管理和分层存储等。
- 数据应用层面，Google Cloud 提供了很多可视化 BI 工具，支持专业的 BI 分析。
- 此外，Data Catalog 可以承担元数据管理任务，而 Cloud Composer 能够通过 workflow 帮助用户将各个数据处理模块串联起来应用。
在 Google Cloud 的这套数据平台的帮助下，上汽构建了一个车载智能网联产品的生态系统。黄老师介绍，这一智能网联系统的基础架构分为云管端三个层面：
- 终端侧，包括车载娱乐系统、智能手机应用和一些数据收集终端；
- 管道端，包括电信的网络支持和一些基础网络覆盖，负责数据流传输；
- 云端，由 Google Cloud 提供丰富的云上资源及算力。
在这套架构中，面向用户的核心部分是终端侧的车载系统 生态应用。出于可扩展性、定制化和研发运营成本的考虑，上汽选择了 Android 作为终端的 OS。基于 Android 的生态，结合 Google Cloud 提供的 Cloud Dataflow、Data Studio 等服务就可以很方便地获得数据收集、整理和清洗的能力，无需组建庞大的云基建团队，也省去了很多长期的维护需求。考虑到上汽的全球化发展战略，Google Cloud 提供的这些便利可以大幅节省公司的研发和运维成本。
上汽智能网联生态的一大亮点是智能语音助手，这一需求与上汽的出海策略结合，就产生了许多复杂的挑战。语音助手一方面要具备多语种处理能力，其次还要实现自然语义处理。而 Google Cloud 针对这类需求提供了 DialogFlow 云端服务，使公司可以在低代码研发环境中快速搭建成熟的语音助手解决方案。黄老师具体讲解了上汽基于 DialogFlow 打造的云端整体语音助手架构：
整个产品的基础层面是一个分发服务——MegaAgent，主要用于第一层级的语义分发。基于 MegaAgent 分发语义的意图，会送到第二层级——SubAgent 处理，做第二次语义分解。实践来看，这种分层次的架构可以对用户意图做精准分析，比单层语义分解的效果强很多。
同时 DialogFlow 在前端和后端都可以嵌入自己的服务，这样就可以在 DialogFlow 架构上面接入其他智能语音助手。所以 Google Cloud 的云端语音助手解决方案为我们了非常灵活、功能非常强大的组件。
黄老师还提到，Google Cloud 构建的低代码开发环境也大大降低了运维压力。传统语音助手方案涉及大量的代码维护、代码对话管理工作，牵扯的逻辑较多；而在 DialogFlow 架构中，开发团队可以通过可视化的环境来直观地区分和管理各个逻辑层，对开发效率有很大的帮助。
此外，两位老师还解读了企业开拓出海数据业务时，Google Cloud 云端数据平台为企业带来的两大优势：
首先是原有数据业务架构向云端架构的迁移。上汽在搭建出海数据仓库时，需要将本地的业务数据架构转移到强 PaaS 服务上。上汽的很多数据是位于第三方平台的，而 Google Cloud 提供了方便的服务来直接导入这些数据源，可以应对海量数据规模和复杂的数据格式，使上汽的团队可以快速、简便地完成数据迁移任务。
其次，企业在海外开拓数据业务时会遇到各地区不同的法律合规要求，这对于传统企业来说是很大的障碍。以欧洲的 GDPR 规范为例，企业为了合规，需要对每一个数据处理节点都做详细说明，符合使用、存储、销毁等一系列严格规定。
传统的数据业务架构要适应纷繁复杂的合规需求，需要企业投入大量资源才能实现。而在 Google Cloud 提供的 Data Studio、BigQuery 等工具的帮助下，这些合规要求可以方便地在云端平台完成，大大节约企业的成本和精力。另一方面，Android 生态天然就和 Google Cloud 云服务有很好的适配，企业可以方便地搭建数据采集和处理的链路，同时保障敏感数据获取的规范性。
值得一提的是，很多国家要求企业获取的数据保留在本国境内，而 Google Cloud 的无服务器架构可以很容易地做到这一点，同时呈现给企业的依旧是整体的海外数据仓库，这样的多地区支持对于出海业务来说也是很大的便利。
2 降低 AI 应用门槛，Google Cloud 满足企业出海定制需求
Google 的理念是降低 AI 的应用门槛，让 AI 真正应用到客户的业务场景中，并提供了不同层面的 AI 治理方案。
Google Cloud 提供的 AI 解决方案主要分为三个层面，顶层是标准化的模型，通过 API 可以打包交付给用户；中层是定制化场景，用户可以使用自己的数据和 Google Cloud 提供的模型针对定制场景来训练；底层则是基础架构平台，用户可以自行构建 AI 模型。对于上汽的智能网联系统来说，这套方案的中层和底层定制化能力是有很大意义的。
黄老师提到，上汽的车载智能网联系统在视觉和语音两个领域用到了很多 AI 能力。由于 Google Cloud 提供了便利的 AI 模型定制能力，上汽可以轻松使用自己采集的数据来训练定制 AI 模型，针对不同地区的人种差异做针对优化。此外，汽车内外的视觉感知、全息化的车内信息投射、车内用户场景共享等能力也会利用视觉层面的 AI 功能。
在语音领域，上汽在海外市场主要面临的挑战就是多语种支持。而 Google Cloud 提供的 DialogFlow 平台使团队可以通过低代码开发来高度定制语音模型，开发出具备差异化竞争力的语音识别功能。上汽选择的双层开发架构，使各个团队在开发 Sub Agent 时都可以应用自己熟悉的技术栈，并让语音模块整体实现了微服务化。此外，团队还能够使用 Google 原生的神经网络训练一些固化的语音指令来降低开发成本。Google 提供的对话管理解决方案对较为复杂的语音场景也提供了很大帮助。
总体而言，Google Cloud 的 AI 平台帮助上汽智能网联开发团队做到了高度定制化开发，同时维持较低的开发成本与合规成本，保持良好的灵活性。
3 Google Automotive Service 助力上汽打造出海车联网生态
类似智能手机上知名的 GMS 服务，Google 针对智能汽车也开发了一套 Google Automotive Service 生态，其中包括语音助手、导航等关键服务模块。黄老师认为，考虑到 Google 移动生态在海外市场的统治力，车联网产品出海时也需要集成整个 Google 生态系统，才能满足海外用户的刚需要求。Google Automotive Service 的意义就是让汽车厂商可以快速接入 Google 的生态体系。例如，用户可以使用 Google 账号直接获取汽车品牌相关的支持服务，将手机端的使用习惯和一些数据无缝同步到车载智能平台上，等等。
同时，包括 Google Play 在内的 Google 服务还能为车联网产品带来持续的扩展能力。车载系统可以通过应用市场不断丰富功能，使用户长期保持新鲜感。针对海外市场不同地区的本地化需求，Google 生态本身就做了很多本地化工作，这些成果也可以直接融入车联网产品，提升用户体验。且由于 Google 账户支持第三方登录，汽车品牌的账户体系还可以同 Google 生态有机结合，为用户带来更多便利。
黄老师最后总结说：
未来我们会进一步与 Google 合作，探讨如何将 Google 生态整体与车载系统充分融合。相信在 GAS 系统的帮助下，上汽的车载智能网联系统生态会更加丰富，生命周期也会大大延长。
分享嘉宾：
卢德升，Google Cloud 架构师，数据分析领域专家，拥有二十多年 IT 从业经验。先后任职于 Sybase、IBM、思科、微软、谷歌，拥有丰富的云计算、大数据项目经验和行业经验。
黄晟劼，上汽海外出行科技有限公司平台产品组负责人，拥有十年云平台、工业物联网、汽车智能网联领域产品研发及设计从业经验，曾负责上汽名爵印度市场 MG-Hector、MG-EV 车联网产品及平台等重点项目。
点击https://f.smarket.net.cn/s/template/ddaae85fe48ff1372217f0db2def1676/html/meetingInfo.html?tenantId=2677&webinarId=65572&instanceId=422464&customFormId=2010102621634904&trackId=2:74&linkId=187397&sourceKey=webinar_65572查看回放视频
