软件定义汽车、数字化转型的背后，是车企对于数据价值的争夺。智能汽车已经进入“下半场”竞争，车企之间比拼的核心已经不再是硬件配置，而是数据的动态量以及对数据的处理和应用能力。
随着智能汽车的发展，相应的也带来了数据量的爆发式增长。据国家工业信息安全发展研究中心副总工程师兼信息政策所所长黄鹏分享的数据显示，一辆智能网联汽车每天至少收集10TB的数据。这些数据不仅包含驾乘人员的面部表情、动作、目光、声音数据，还包括车辆地理位置、车内及车外环境数据、车联网使用数据等。
庞杂的海量数据，既是自动驾驶、智能汽车算法的养料，同时也对数据安全提出了更高的要求。尤其是自动驾驶研发息息相关的地理信息数据，一旦被滥用，有可能涉及到国家安全问题。基于此，随着智能汽车在市场上占有率的不断提升，国家为了鼓励和规范数据的利用，引导行业有序发展，正在不断强化对汽车行业数据使用的监督。
近年来，我国陆续出台相关法律法规，如《网络安全法》、《数据安全法》、《汽车数据安全管理若干规定（试行）》等，对数据安全、个人信息保护作了基本规定，明确汽车数据处理者的责任和义务，规范汽车数据处理活动。
针对自动驾驶领域，自然资源部则下发了《关于促进智能网联汽车发展维护测绘地理信息安全的通知》等重要文件，明确了自动驾驶道路测试属于地图测绘行为，必须由具备甲级测绘资质的企业执行。
随着对数据安全、地理信息测绘相关新规的颁布，于车企而言，机遇与挑战并存。一方面，相关新规进一步鼓励、规范了对于数据的挖掘和利用。另一方面，随着相关规定的进一步细化、监管的收紧，对车企及自动驾驶企业、图商等角色提出了更高的操作规范和合规要求。在此背景之下，如何在兼顾合规与效率之间取得最大的平衡，成为汽车行业下一阶段面临的关键问题。
（1）地图测绘监管持续收紧，机遇与挑战并存
智能座舱和智能驾驶是智能汽车的两大核心模块，而整车中的数据也主要源自于这两部分。
其中，智能座舱主要涉及到人车交互，收集包括驾乘人员的面部表情、隐私数据等，智能驾驶主要以道路数据采集为主，涉及地理环境、地理位置等信息。
针对智能座舱和智能驾驶，我国陆续出台相关政策，比如针对智能座舱，去年8月，《汽车数据安全管理若干（规定）》正式发布。
结合此前发布的《网络安全法》、《数据安全法》等相关法律法规，不难看出，车内涉及到用户个人隐私的数据，需要将数据进行脱敏处理才能够合法合规使用。
与此同时，针对自动驾驶领域，尤其是高精度地图采集方面，今年8月份自然资源部下发了《关于促进智能网联汽车发展维护测绘地理信息安全的通知》，明确了自动驾驶道路测试属于地图测绘行为，必须由具备甲级测绘资质的企业执行。
同时，《智能汽车基础地图数据安全保护技术基本要求（国标征求意见稿）》对于智能汽车基础地图的数据处理、更新和服务的云做出了明确定义，要求只能使用私有云或社区云，且专有云必须由具备图商资质的单位来负责管理、运营和维护。
这对于车企和自动驾驶企业来说，无疑会产生重大影响，毕竟自动驾驶技术的研发高度依赖于数据，而对自动驾驶数据采集进行明确规定，则有可能会影响车企自动驾驶技术研发的路径。
不过，越大的挑战越伴随着机遇，国家对数据监管的日益严格，以及制定行业标准规范，本质上是促进行业有序发展，谁能够快速抢占先机，就能够获得发展机遇。
（2）智能汽车地图所使用的云服务，必须是专有云
汽车行业繁复严格的合规要求对相关企业带来了较大挑战。在业内人士看来，车企及自动驾驶企业等面临着相关资质不足、缺乏合规云专区、缺乏完整的合规方案等难点。
如果从安全的角度来说，自建私有云是最合适的路线。但于车企而言，这并不容易实现，毕竟自建云需要高额成本做支撑，以及长周期的开发时间，且自建云之后是否能够达到理想效果，也并未可知。
而所谓的社区云，则是由若干客户/组织共享的云端基础设施，而社区云中的客户群体具有共同责任、相同的安全需求、相同策略等属性，客户与这些有共同属性（如同一行业、同一业务需求等）的已知客户共享资源。
相比于私有云来说，社区云成本更低，性价比更高。因此，在当前发展阶段，社区云是为企业提供一种平衡性价比和安全合规的有效方案。
这也就意味着，选择合适的汽车云服务商，尤其是具备高精度地图测绘资质的汽车云服务商，将成为有效路径。
例如今年腾讯宣布在上海设立智能汽车云专区，是专门为智能汽车行业客户服务，以多租户的模式提供服务，属于一种社区云的模式。而在资质方面，腾讯全资子公司大地通途拥有导航电子地图制作甲级测绘资质，已通过云计算等级保护三级备案与测评。近日，中国首次发放城市高级辅助驾驶地图许可，腾讯、百度首批获准。
值得注意的是，地图测绘相关资质也在持续收紧。截至目前包括高德、四维图新、腾讯大地通途等19家企业通过资质复核,而此前具备甲级测绘资质的企业有31家,同比减少12家。
为更好的促进智能汽车的发展，需要更一步完善产业数据专有的管理制度。如何在满足合规、安全、可持续发展的同时，更好的兼顾高效研发，需要政策机构与产、学、研界共同探索，寻找有效路径。
