G及新一代互联网技术的推进，促进车车、车路动态实时信息交互。从车端和边缘端会不断地传输大量的实时数据到云端，使其成为车路协同的“智慧大脑”，保证车辆安全控制和道路协同管理

车联网概念引申于物联网（Internet of Things），根据车联网产业技术创新战略联盟的定义，车联网是以车内网、车际网和车载移动互联网为基础，按照约定的通信协议和数据交互标准，在车-X（X：车、路、行人及互联网等）之间，进行无线通讯和信息交换的大系统网络，是能够实现智能化交通管理、智能动态信息服务和车辆智能化控制的一体化网络。
全球车联网产业进入快速发展阶段，信息化、智能化，全球车联网服务需求逐渐加大。据预计，全球联网车数量到2025年将突破10亿辆，而中国也已成为全球重要车联网市场之一。
未来，与大数据、云计算等技术创新融合将加快车联网市场渗透。特别是随着5G技术的快速发展，车联网智能化与网联化技术正在加速融合。与此同时从车端和边缘端会源源不断地传输大量的实时数据到云端。

“智慧大脑”需要坚实的架构支撑

云端就是车路协同的“智慧大脑”，它需要接收和处理的数据量非常惊人。根据Gartner的调查，每辆车每小时会产生25GB的智能网联数据，一年就会产生130TB的智能网联数据，相当于520部256GB的iPhone手机的存储量。这些智能网联的数据类型主要包括来自车载ECU的速度、转速、燃油效率、温度、压力、制动等数据；来自车载传感器的位置数据以及视频、音频数据；来自V2V及V2I的交互数据等。这些数据进入到云端智慧大脑后的处理形式也是多种多样，主要有实时的流式（streaming）数据处理、批量（batch）处理、OLTP/OLAP处理、以及机器学习/深度学习等处理。

戴尔科技智能网联云端解决方案参考架构（如下图）

车端和边缘端的数据，可以通过车载OBU和物联网边缘网关（Edge Gateway）的汇聚后，利用5G网络实时低延迟地进入云端数据中心。云端比边缘端具有更加强大的计算能力、存储容量、网络带宽，可以通过人工智能和大数据等技术手段更有效地挖掘出智能网联数据的内在价值，形成智慧能力并反馈给车端。

云端“智慧大脑”主要有三大任务：

1、数据的接收和实时处理
对于海量的智能网联数据，能够快速地将数据从消息队列中取出、实时处理（包括解压缩、解码、数据格式的解析并写入相应的结构化数据库和非结构化存储），并通过各种应用软件来使用处理好的数据来满足智慧交通的和智能网联的部分应用场景，比如车辆远程在线诊断、车载信息增强、车辆监管、智能网联基础设施的管理等
2、数据分析、建模与机器学习
通过大数据分析、机器学习、深度学习等技术手段，对海量智能网联数据进行实时和批量的分析，挖掘数据资产的内在价值，实现比如驾驶行为分析、智慧路径引导和规划、大范围交通协同调度、自动驾驶监测与管理等
3、商业智能与可视化展现
采用商业智能和数据可视化平台，对数据的内战价值进行可视化展示， 直观地向管理者展示数据之间的相关性和变化情况，减少管理者的阅读和思考时间、更方便地对未来发展趋势进行分析预测

戴尔科技集团在面向智能网联和自动驾驶的混合云的解决方案上处理业内地位，在全球车企有众多的案例

其中戴尔与联陆的合作，可以提供在5G网络下V2X车路协同从车端、路端、边缘端到云端的全套解决方案，涵盖了5G-V2X需要的物联网、大数据、人工智能、云计算等各种技术平台。

戴尔科技集团与联陆的合作拓扑图（下图）

此外，在针对汽车厂商ADAS 开发和验证流程中的海量数据需求，戴尔易安信 Isilon®存储架构 体系, 横向扩展的NAS 在不断扩展的单个文件系统中提 供 PB 级的存储容量。Isilon 结合高性能存储、10/40 兆的 网络连接和横向扩展架构，提供快速、并发的高性能数 据连接。通过利用Dell EMC Isilon 存储作为ADAS的验证， 汽车制造厂商和一级供应商可以在经济的同时保持可靠性，并满足上市时间的需求。