关键字: [亚马逊云科技， Snowflake， 车企数据价值， 数据整合分析， 车联网数据采集， 智能制造数据， 供应链数据协同]

导读

在本次演讲中，Tandy 麦麦兴龙从Snowflake公司介绍了如何利用Snowflake平台帮助汽车企业释放数据价值。他指出，汽车企业面临着数据孤岛、数据结构复杂、数据难协同以及AI推广困难等挑战。Snowflake平台可以整合结构化、非结构化和半结构化数据，打破数据孤岛，实现数据共享和变现，并支持AI/ML能力的规模化落地。他分别举例说明了Snowflake如何在汽车研发、智能制造和运营等领域帮助汽车企业提高效率、降低成本并优化用户体验。最后，他强调Snowflake是一个高效、简化、统一的AI云数据底座，可以点燃汽车行业数据燃料，释放数据价值。

演讲精华

以下是小编为您整理的本次演讲的精华。

在这场题为“亚马逊云科技携手Snowflake释放车企数据价值”的演讲中，Tandy麦麦兴龙分享了Snowflake如何助力汽车行业释放数据价值的见解。他首先回顾了十年前的一个案例，当时一家新兴的汽车公司每15分钟就从网络收集CDR数据，该公司当时一个季度的出货量只有5，000台车。这家公司自主研发了一套算法，通过网络数据分析车辆的网络使用情况，并基于此动态为车辆分配流量，从而降低成本。后被透露，这家公司就是今天的特斯拉。

随着时间推移，如今L4级别的自动驾驶汽车每天都会产生TB级的海量数据，来自高清摄像头、激光雷达等各种传感器，每一帧、每次加减速，以及周围环境的每一次变化，都在被记录和分析，用于做出决策。在智能工厂中，他们与一家英国汽车公司合作，该公司在工厂部署了5G私有网，通过边缘云收集IoT数据，再上传至Snowflake平台。单条生产线每天可产生10多TB的数据，整个工厂每天可达TB级数量。在供应链领域，无论是物流信息、库存变化还是调度平台，每天都有上千万条相关信息在流动。

然而，尽管数据量巨大，但目前只有1%的数据得到利用，背后存在数据孤岛、复杂结构、难以协同和AI推广受阻等诸多挑战。Tandy反复听到客户提出四个关键词:数据孤岛、数据结构复杂、系统部门间难以协同，以及AI推广停留在试点阶段。

为解决这些问题，Snowflake提供了一个通用数据平台，能够整合结构化、非结构化和半结构化数据。它还专门为汽车行业推出了汽车AI数据云，利用Snowgrid技术跨平台跨云整合数据，打破数据孤岛。两周前，Snowflake还发布了OpenFlow多模态数据集成服务，能够针对不同应用场景集成各种数据模式，并无缝连接至Snowflake平台。

在数据分享和变现方面，Snowflake拥有数据市场，企业可以在内部共享数据，或根据生态系统开放给合作伙伴，亦可公开变现数据。最后，在AI规模化落地上，Snowflake的Cortex支持引入主流大语言模型，如OpenAI的InstructGPT、Mistral，Meta的拉玛，以及自研模型，并将其部署在数据存储位置，确保AI模型能够消费最新完整的数据，节省成本且保证安全。

Snowflake平台覆盖了从数据采集到整合、增强、AI/ML和消费的全流程，为汽车企业提供一站式数据和AI解决方案。作为亚马逊云科技的战略合作伙伴，Snowflake可在亚马逊云科技上快速部署，并对接25个亚马逊云科技原生服务，目前有70%的客户运行在亚马逊云科技平台上。

Tandy随后分别从研发、智能制造和运营三个方面举例说明Snowflake如何助力汽车企业。在研发领域，Snowflake与西门子和亚马逊云科技合作打造数字孪生平台，将真实道路数据与模拟数据(如天气、路况、车辆性能等)融合，用于自动驾驶仿真测试。传统上，一个自动驾驶变道场景需要几天时间模拟，但在数字孪生平台上，一晚上就可以跑几百个场景，包括极端情况如地震驾驶、极端天气等。

在智能制造方面，丰田作为提出“精益生产”理念的先驱，近年来也面临数据系统复杂、遗留系统难整合等挑战。他们将原有本地部署的数据系统迁移至Snowflake云平台后，利用可扩展能力提高了数据处理和存储效率。与此同时，丰田还利用Snowflake的数据网格和数据市场，整合内部和外部数据，包括供应商和生态系统合作伙伴的数据，在统一平台上实现数据治理和安全合规管理。该项目第一阶段就使得丰田可预测性维护设备的停机率降低25%、故障识别率提高40%、成本降低30%。

最后，Tandy讲述了一家名为Radar的美国公司的案例。该公司管理着全美26万台商用卡车的租赁业务，过去车队、维护、财务、GPS等系统相互独立，无法协同，导致计划外停机和用户体验不佳。将这些数据整合至Snowflake平台后，Radar实现了统一管理，引入预测性维护，优化财务系统，并将车辆实时数据与客户体验数据融合，最终使计划外停机降低33%、合规率提高20%，显著提升了用户体验。

Tandy总结称，要实现从数据到智能，再到商业价值的释放，汽车企业需要高效、简化、统一的AI云数据底座，这正是Snowflake的专长和目标所在。他将数据比作下一代汽车行业的燃料，而Snowflake就是点燃这种燃料的点火器，助力汽车企业释放数据价值、实现数字化转型。Snowflake与亚马逊云科技是深度战略合作伙伴，在全球范围内有25亿美元的战略合作协议，这让Snowflake能够更快地在亚马逊云科技上部署系统，并对接25个亚马逊云科技原生服务，满足70%客户在亚马逊云科技平台上的需求。通过与亚马逊云科技的合作，Snowflake可以利用亚马逊云科技的云计算能力和服务，为汽车行业客户提供数据现代化和AI落地的一体化解决方案。

下面是一些演讲现场的精彩瞬间：

通过数字孪生平台，Snowflake可以将真实道路数据与模拟天气、路况和车辆性能数据融合，大幅提高自动驾驶仿真测试的效率和场景覆盖率。

通过将架构迁移到Snowflake并利用其可扩展能力，公司提高了数据处理和存储效率，同时整合内外部数据，实现数据治理和安全合规管理，第一阶段项目完成后设备停机率降低25%，故障识别率提高40%，成本降低30%。

总结

亚马逊云科技与Snowflake携手释放车企数据价值，为汽车行业带来了前所未有的数据整合和分析能力。Snowflake作为一个通用数据底座，能够统一整合结构化、非结构化和半结构化数据，打破数据孤岛，实现跨平台跨云跨系统的数据整合。通过Snowflake的多模态数据集成服务OpenFlow，可以无缝连接各种数据源，并进行必要的处理和转换。此外，Snowflake还提供了数据市场、AI/ML能力等，为车企提供了一站式的数据和AI平台。

Snowflake与亚马逊云科技深度战略合作，在研发、智能制造和运营等领域为车企带来了诸多优势。在研发领域，Snowflake与西门子和亚马逊云科技合作打造数字孪生平台，大幅提高了自动驾驶仿真测试的效率。在智能制造领域，丰田将其数据系统迁移到Snowflake，提高了数据处理能力和存储效率，降低了设备停机率和故障率，节省了成本。在运营领域，美国公司Radar将车队数据整合到Snowflake，实现了预测性维护和财务系统优化，降低了计划外停机率，提高了合规率和用户体验。

总之，Snowflake为车企提供了高效、简化、统一的AI云数据底座，将数据转化为下一代汽车行业的燃料，助力车企释放数据价值，推动汽车行业的创新发展。

我们正处在Agentic AI爆发前夜。2025亚马逊云科技中国峰会提出，企业要从“成本优化”转向“创新驱动”，通过完善的数据战略和AI云服务，把握全球化机遇。亚马逊将投入1000亿美元在AI算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在AI时代突破。