- 综合排序
- 最热优先
- 最新优先
腾讯自动驾驶DMS方案：破解数据闭环难题，驱动研发效能提升
第一章：破解自动驾驶数据闭环共性瓶颈 自动驾驶数据闭环需完成“量产采集-场景还原-仿真测试-算法升级”全流程，但行业面临以下核心痛点（数据来源：腾讯智慧出行，2025.09 Tencent Intelligent 数据异构：不同供应商数据采集方案、存储格式、仿真数据管理差异大，真实场景难转统一数据。 第二章：部署腾讯自动驾驶DMS一体化方案 腾讯提供自动驾驶DMS（数据管理系统）方案，基于腾讯地图、合规云、AI能力构建智驾数据处理平台，一站式覆盖数据接入、预处理、脱敏加密、挖掘、标注、管理、训练各环节 第四章：客户实践案例 （注：原文未提供具体客户案例，此处基于材料客观说明） 第五章：选择腾讯的核心技术支撑 腾讯自动驾驶DMS方案的技术领先性体现在（数据来源：腾讯智慧出行，2025.09 Tencent Intelligent Mobility）： 全链路整合：唯一覆盖“采集-处理-挖掘-标注-训练”全闭环的一体化平台，打破多环节割裂。
20610编辑于 2026-04-12- 来自专栏机器之心
从云端到落地，自动驾驶如何走好这条「闭环」？
今年11月2日，工信部会同公安部就智能网联汽车准入及上路试点组织起草了征求意见稿；11月21日，北京正式颁发自动驾驶无人化第二阶段测试许可，车内「前排无人，后排有人」的场景照向现实。 数据贯穿自动驾驶的研发、测试、量产、运维、售后等全生命周期，企业也需要利用从研发到使用全过程产生的数据，来不断提升、迭代自动驾驶系统。 那么，目前自动驾驶最迫切的数据应用场景是什么？ 2021年8月，特斯拉正式发布自研云端超算中心Dojo，主要用于处理大量训练特斯拉自动驾驶汽车AI软件数据；2022年8月2日，基于阿里云智能计算平台，小鹏汽车在乌兰察布建成国内最大的自动驾驶智算中心「 这样一来，车端源源不断地获取数据，云端对数据进行分析，可以完成获取、清洗、标注、训练以及模型验证的整个数据闭环，为感知、融合、决策、定位、测试等环节提供全方位的帮助。 ，建立一套行之有效的行业协作机制，背靠浦东丰富的城市社区场景和海量的出行服务需求，以数据管理和应用为导向，形成一个可持续、可管理、可闭环的数据生态。
84820编辑于 2023-03-29 - 来自专栏腾讯自动驾驶
腾讯以全真互联技术打造自动驾驶闭环实践，加速自动驾驶全面应用
该标准包括自动驾驶系统设计运行条件、自动驾驶系统技术要求、自动泊车系统技术要求、汽车软件升级技术要求等十方面，将为深圳智能网联汽车地方准入管理提供技术支撑。 除了助力坪山打造的智能网联交通测试示范平台，前不久，腾讯还宣布了基于全真互联技术打造的首个自动驾驶综合创新实践项目，已正式在北京总部完成全闭环运行，未来将在位于深圳的腾讯全球总部企鹅岛进行工程部署。 自动驾驶小巴车编队行驶 在腾讯此次基于全真互联技术打造的自动驾驶验证项目中，每辆自动驾驶小巴都配备了完善的激光雷达和视觉感知能力，同时为了实现编队行驶、超视距感知、全局调度等具备更高安全性，项目联合团队在园区内搭建了 除了满足现阶段自动驾驶和远程驾驶、交通调度和管理等需求以外，未来在接入能源、环境、设施、服务等领域数据后，数字孪生也会成为园区综合运营管理平台的能力基础全面应用。 对此，腾讯自动驾驶总经理苏奎峰表示，腾讯的企鹅岛自动驾驶综合创新实践项目，对车端、路侧设备、道路系统、城市空间以及城市交通管理等方面进行综合考虑，也在各层面的全新规划逻辑上提出了创新的技术方案，有望为自动驾驶的全面普及提供实践经验
61120编辑于 2023-11-13 - 来自专栏我爱计算机视觉
奥迪推出大型自动驾驶数据集A2D2
今天奥迪公司的研究人员在发布的论文 A2D2: Audi Autonomous Driving Dataset 中，公布了其大型自动驾驶数据集A2D2，并提供开放下载。 ? 目标为推进计算机视觉、机器学习、自动驾驶的商用和学术研究。 数据类型： 即包含RGB图像，也包括对应的3D点云数据，记录的数据是时间同步的。 数据规模： 标注的非序列数据，41227帧，都含有语义分割标注和点云标签。 其中含有前置摄像头视野内目标3D包围框标注12497帧。 另外，该库还包括 392,556 连续帧的无标注的传感器数据。 A2D2与其他自动驾驶数据集的比较： ? 语义标注示例： ? 标注数据分布： ? ? 使用PSPNet进行语义分割的实验结果： ? 不同场景的测试集图像上的视觉效果： ? 论文地址： https://arxiv.org/pdf/2004.06320.pdf A2D2数据集地址： https://www.a2d2.audi/a2d2/en.html END
1.1K20发布于 2020-04-20 - 来自专栏JAVA葵花宝典
从数据闭环谈微服务拆分
数据闭环，并不是说我们要将所有的功能全包揽在身上，不依赖其他业务方，也不依赖中台。 如果中间环节都拆分成单独的业务，而各种样式内容的站内站外分发交由各个频道独立处理，也就是内容从生产到审核都是在闭环的，那案例中的隐藏的大坑就不复存在。 2. 基于可扩展拆分 我们部门负责京东内容生态的建设，服务业务方各种定制化需求，其他事业群比如国际站却以为我们是技术中台，然后要求我们做一个国际化的达人创作平台。 我们结合数据库IO告警和数据库慢查询来看，那个时间段应该是有人在跑大数据调度任务，可是很难定位到具体的任务。 不知道读者有没有体验过这种因为数据源依赖导致个别业务性能受到影响，包括很难优化的数据库慢查询。因此，它们的数据源应该拆分掉，业务同理。
61210发布于 2019-11-06 - 来自专栏松华说
从数据闭环谈微服务拆分
数据闭环，并不是说我们要将所有的功能全包揽在身上，不依赖其他业务方，也不依赖中台。 如果中间环节都拆分成单独的业务，而各种样式内容的站内站外分发交由各个频道独立处理，也就是内容从生产到审核都是在闭环的，那案例中的隐藏的大坑就不复存在。 2. 基于可扩展拆分 我们部门负责京东内容生态的建设，服务业务方各种定制化需求，其他事业群比如国际站却以为我们是技术中台，然后要求我们做一个国际化的达人创作平台。 我们结合数据库IO告警和数据库慢查询来看，那个时间段应该是有人在跑大数据调度任务，可是很难定位到具体的任务。 不知道读者有没有体验过这种因为数据源依赖导致个别业务性能受到影响，包括很难优化的数据库慢查询。因此，它们的数据源应该拆分掉，业务同理。
57110发布于 2019-11-05 - 来自专栏HuggingFists
HuggingFists数据服务发布--功能闭环
为打通这一扩展壁垒，HuggingFists推出了“数据服务”模块。支持以配置的方式添加一个第三方的WebAPI接口，并可使用系统内置的“数据服务调用”算子在流程中调用此接口。 HuggingFists数据服务模块的功能示意图如下： 数据服务中的远程接口管理模块负责集成第三方的Web API接口。允许配置Web接口的请求方法以及接口参数的各类提交方式。 除此外，数据服务还支持将HuggingFists中的数据流程包装成一个API接口对外提供服务，供第三方应用访问。如图中的服务接口管理所示。 HuggingFists社区版的愿景是在数智时代下让使用者能够更便捷的应用各类AI技术处理数据并发现数据中的价值。这也正符合当前国家数据要素化发展的潮流。 绝大多数科研工组者并不以编程见长，一个更低门槛的数据处理工具将更有利于科研工作中的数据处理与分析。减少部分科研工作者由于缺乏数据分析手段而错过的奇思妙想。
40800编辑于 2024-09-28 - 来自专栏腾讯大讲堂的专栏
数据驱动、精细闭环的运维服务
通过数据来体现服务质量，并通过流程驱动闭环的形成，不断的提升运维服务质量。 “云梯”服务化涉及范围较多，如版本服务、活动服务、登录服务、下载服务、成本服务等。 DNF在大版本后登陆投诉有成倍的上涨，在开发无法添加TQOS的情况下，运维从TCLS上报的登陆数据，与完整性校验、游戏内的卡机等问题进行切入。并联合心悦俱乐部主动关怀。 进行分析： IDC出口质量波动 IDC割接次数 IDC覆盖全国质量 DNF业务各IDC占比 DNF业务各IDC掉线率 QQ炫舞视频秀玩家体验优化服务 下图为视频秀体验相关监控，可以监控版本发布前后关键数据的浮动 ，以及影响玩家体验的数据；视频秀主要指标为关键帧成功率、发包成功率；同时也可以监控到单个主播的质量，用于处理实时问题。
94560发布于 2018-02-11 腾讯自动驾驶DMS：构建多模态数据检索与Tbps级海量吞吐的闭环基础设施
突破自动驾驶海量数据闭环瓶颈 当前自动驾驶完整的数据驱动闭环链路涉及数据采集商、软硬件供应商、车厂及算法公司等多个领域。 部署一站式自动化数据管理与合规处理中台 为解决数据多点分散、利用率低的问题，腾讯基于自研地图、合规云与AI能力，构建了覆盖数据接入、预处理、脱敏加密、挖掘、标注与管理的全链路自动驾驶DMS（数据处理平台 释放计算与存储效能的大规模数据指标 基于腾讯云原生架构与智能分层存储机制，平台在降低运维成本（Ops Cost）与提升系统吞吐量方面实现了以下量化业务指标（数据源自《腾讯自动驾驶DMS方案介绍》）： 降低 贯通上下游产业链的智驾研发应用场景 平台作为数字化基础设施，直接服务于智能网联与自动驾驶的商业落地，为行业内异构生态伙伴提供标准化的数据流转中枢： 打破组织协作壁垒：平台API网关与数据门户（Data 全场景算法研发支撑：有效支撑自动驾驶感知、定位、预测、决策、控制等核心算法模块的数据管理需求。
18110编辑于 2026-04-12- 来自专栏数据的力量
O2O的闭环是如何形成的？
闭环的概念被滥用，以至于许多行业人士认为闭环并不存在是一个谬误。 假如你用PC端的思维方式去思考闭环这个概念，你一定无法认识闭环在O2O领域的真实含义是什么。 一、O2O的闭环存在清晰的线索 首先你必须认识到，闭环在O2O领域存在着非常清晰的线索，最初许多人将闭环概念变得非常混乱，其原因就在于线索混乱。 闭环必须从食物链结构中分析出来，闭环就是O2O的盈利模式。 而O2O，至少将转化率提高10倍以上，O2O的闭环就像一个永动机，不断地循环转化，而他的动力就在于大数据。 在这个循环之中，不存在起点与终点，总之在关键节点的核心工作之一就是获取数据。 在过去网络营销的模型中，我们将传统营销描述成漏斗，将网络营销描述为沙漏；在O2O时代，沙漏的控制已经不是建立在口碑传播基础上了，沙漏拥有了动力——大数据。 来源：公众号准诚咨询
93920发布于 2018-06-20 - 来自专栏新智元
DeepMind发布SIMA 2！打通「感知-推理-行动-反思」闭环
作为具身通用智能的原型，SIMA 2已从静态数据集迈向无限程序化生成的训练场。 游戏领域的进步，一直是可被视为迈向通用人工智能的前奏，从棋类到多人合作的即时战略游戏，例如星际争霸。 这使得SIMA 2可以在它从未见过的游戏中完成任务，具体见下面视频对SIMA 1和SIMA 2的对比。 图2：SIMA 2 可以处理各种新颖且复杂的指令，包括分解指令以成功导航至特定房间。SIMA 2 还可以接受用户手绘的草图，以指定位置、路径或物体。 在后续训练中，SIMA 2 自己的经验数据可以用于训练下一个甚至更强大的智能体。 类似下围棋的Alpha-zero能够在完全不看人类棋谱的时候完成训练。 SIMA 2的出现，说明了借助多样化的多世界数据和Gemini等大模型强大的推理能力，可以成功地将许多特有系统的功能统一到一个连贯的通用智能智能体中，这为机器人领域的应用提供了强有力的方向。
21710编辑于 2026-01-13 - 来自专栏CNNer
2020年| 最新自动驾驶数据集汇总，持续更新（2）
查看第一部分请转到：2020年| 最新自动驾驶数据集汇总，持续更新（1） 自动驾驶开源数据集年份汇总： ? 7、Apollo 开源自动驾驶数据集（baidu） 网址：http://apolloscape.auto/ 论文地址：https://arxiv.org/pdf/1803.06184.pdf 论文名称： Theapolloscape open dataset for autonomous driving and its application 2018年3月，百度大规模自动驾驶数据集ApolloScape 应需开放，致力于为全世界自动驾驶技术研究者提供更为实用的数据资源及评估标准。 主要包含三部分：仿真数据集、演示数据集、标注数据集： （1）仿真数据集，包括自动驾驶虚拟场景和实际道路真实场景； （2）演示数据集，包括车载系统演示数据，标定演示数据，端到端演示数据，自定位模块演示数据
3.1K10发布于 2020-06-19 - 来自专栏接地气学堂
只需五步，实现数据分析闭环
很多做数据的同学，光看着自己写报告，看不到自己的建议被落地，常心怀缺憾。觉得不能像产品/运营那样，打造一个数据分析的闭环，能力也没法提升。其实这是一种误解。 如果数据分析能在多轮迭代中，成功预知到这些错误结果。那么数据分析已经实现了分析闭环，并且提升了自身能力。 要特别注意一个问题，就是在提假设阶段，只给预判，不给预判逻辑。 如果： 1、在事前没有预判字据，只有事后嘴炮 2、结果的发生逻辑，和预判逻辑不同 是不能证明“我早就料到了”的。 ? 1、用数据量化问题 2、形成分析假设 3、落实业务行动 4、监控问题走势 5、总结分析经验 完成这五步，就完成了数据分析闭环。 ? 聪明的同学们已经注意到了，数据分析的闭环，是不需要经过业务同意就能建立起来的。
71480发布于 2021-07-23 - 来自专栏数据化管理
闭环管控体系与数据指标管理
闭环.jpg 1.1 什么是业务流程管理 业务流程管理也叫作BPM（BusinessProcessManagement），是企业实现业务目标的管理流程，包括、目标分解、业务计划、预算管理、实施监控 、持续改善、评估和激励以及再次制定目标和实施的闭环系统。 1.2 闭环业务管控流程（PDCA） 闭环业务流程管理中有4个关键环节是非常重要的，它们分别是：计划、实施、检查、改善，即PDCA循环，如下图所示。 1.3 闭环业务管控流程下的数据指标管理 业务管控的实施需要用数据做支撑。数据化管理让企业的业务管控回归到商业的本质，回归客户价值，在为客户创造价值的过程中获得成长。 一家快消品公司，其营销成本占所有成本的25%左右；一家家电公司，其营销成本占所有成本的15%左右；而服装类自主品牌的营销投入占比更高，能够达到40%；而做代加工生产的企业，其营销投入只有总成本的1%～2%
1K40发布于 2020-06-15 - 来自专栏我爱计算机视觉
200G超大自动驾驶数据集A2D2下载
前几天52CV报道了奥迪汽车公司发布A2D2数据集： 奥迪推出大型自动驾驶数据集A2D2 该数据集是研究和商用皆可的大型自动驾驶场景数据集，关注的计算机视觉任务主要是语义分割、实例分割、3D目标检测 ，其特征： 数据类型： 即包含RGB图像，也包括对应的3D点云数据，记录的数据是时间同步的。 数据规模： 标注的非序列数据，41227帧，都含有语义分割标注和点云标签。 其中含有前置摄像头视野内目标3D包围框标注12497帧。 另外，该库还包括 392,556 连续帧的无标注的传感器数据。 A2D2与其他自动驾驶数据集的比较： image.png 语义标注示例： ? A2D2含有标注数据200G，还有2.1T的在德国三大城市Gaimersheim、Ingolstadt、Munich 采集的无监督数据。本次搬运的是有标注的部分。 ? END
1.3K20发布于 2020-05-22 - 来自专栏CreateAMind
Tesla Autonomy Day和Full Self-Driving视频 产业链软硬件数据闭环 自动驾驶的苹果
v=nfIelJYOygY 如果传统方法可行，为什么AlphaGo需要深度学习；现在只有tesla实现了数据收集的闭环，如果所有场景都是训练集数据，实现的无人驾驶效果会怎么样？ 算法+算力+网络（数据）将是最核心的生产力。 1 Tesla让我们感到自动驾驶行业的威胁，而不是waymo apollo； tesla 明年落地robo taxi 能力ok； 其他威胁来自会跟进telsa自动驾驶思路的大公司 百度 车厂 商汤 旷世等 ，当然跟进者面临共同的门槛：完整的大量的驾驶数据。 tesla有无人驾驶行业流程及技术迭代的闭环，车辆收集数据量大，算法迭代速度快，常规算法（模仿学习监督学习检测识别等）实现了落地应用。 2.
63520发布于 2019-05-13 - 来自专栏数据猿
中国系统：打造数据要素闭环样板，激发数据要素潜能
数据要素的重要性在凸显，但发展却停滞不前？ 数据要素市场正在日益壮大，市场规模也在高速增长。十三五期间，以数据采集、数据清洗、数据标注、数据交易等核心数据要素环节构成的中国数据要素市场规模快速增长。 以安全合规为基础，打造数据要素闭环样板 数据要素想要安全合规的流通，就需要解决梳理流通中的种种问题，打造一个安全可靠的流通闭环。 其次在流通模式上，中国系统从原始数据直接交易升级为数据资源、数据元件、数据产品的三级市场模式，着力培养数据元件市场，建立数据要素驱动的新发展模式。 在具体落地层面，刘国栋给出了中国系统数据要素闭环样板的具体实施方案。具体做法就是：“根据国家的数据安全法律以及行业的法律法规以及国家的政策，将数据分级分类形成体系。 数据要素闭环样板中，最核心的部分在于如何把制度、技术、法律体系等融合到数据要素工程体系里面，把它们系统化、工程化。目前，中国系统已经基本解决了这个难点问题，先行一步实现了安全性的解决方案。
49540编辑于 2022-05-19 - 来自专栏大数据杂货铺
Edge2AI自动驾驶汽车：构建Edge到AI数据管道
数据采用图像的形式以及与我们的自动驾驶汽车收集的每个图像相关的元数据（例如，IMU信息，转向角，位置）。 建立简单的云数据管道 该应用程序的数据管道建立在云中的EC2实例上，首先是MiNiFi C ++代理将数据推送到CDF上的NiFi，最后将数据发送到CDH上的Hadoop分布式文件系统（HDFS）。 此数据已传输到两个PutHDFS处理器，一个处理器用于将CSV文件加载到HDFS（2），另一个用于将所有图像文件加载到HDFS（3）。 ? 通过完成Edge2AI自动驾驶汽车教程，了解有关Cloudera自动驾驶汽车以及如何在仿真中构建自己的汽车的更多信息。 来源：https://blog.cloudera.com/edge2ai-autonomous-car-building-an-edge-to-ai-data-pipeline-2-of-3/
1.6K10发布于 2020-02-11 从 Palantir 本体论到神策 SDAF 闭环：数据驱动决策闭环的两种实现路径
作为一个在大数据领域深耕十余年、又在 2B 软件创业多年的从业者，我对这种“不谋而合”格外敏感：它折射出企业数字化转型中一些共性的底层规律。 PART03 神策的实践——SDAF 闭环与多实体模型 SDAF：数据驱动的决策闭环 在 2020 年，神策数据提出了 SDAF 闭环的概念。 对中国 2B 软件的启示 作为一个在中国做 2B 软件多年的从业者，我从 Palantir 本体论和神策实践的对比中，得到了几点启示： 第一，数据产品的终极价值在于闭环 无论是 Palantir 还是神策 ，都在强调从数据到行动的完整闭环。 更完整的闭环： 从局部闭环到全局闭环，从单一触点到全渠道协同，从单次交互到全生命周期管理。这需要打破部门墙，实现数据和业务流程的真正打通。
1.2K11编辑于 2026-01-16- 来自专栏腾讯大数据的专栏
打造腾讯营销数据闭环，MTA联手腾讯广告平台
腾讯移动分析MTA作为业内领先的移动数据服务平台，以移动端数据为依托，以强大的数据分析能力与海量用户画像能力，致力于为开发者提供可靠、精细、有价值的数据服务。 现在，MTA已正式与腾讯系优质广告资源打通，为开发者在数据分析后的下一阶段——精细化触达，提供了方便、快捷的精细化运营实践道路，完善了开发者数据运营的数据闭环。 MTA把移动数据运营实践分为以下几个环节： ? 与腾讯系优质广告资源打通，补全了MTA运营数据分析实践的环节，让开发者能够深度分析、精细化实践，并监测实践结果，不断迭代，实现数据运营的闭环。 MTA如何通过数据分析帮助开发者进行用户触达？ 本次腾讯移动分析MTA与腾讯社交广告、智赢销强强联手，打通并完善了移动开发者的全链路数据监测体系，为腾讯系营销环境提供了一条可靠的数据通路。
2.7K60发布于 2018-01-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号