作为从事数据库管理系统及数据关系理论研究的毕业生，很遗憾毕业后没能直接进入互联网行业，谁让那个时候互联网还不发达【money多】呢？但即便这样，毕业第一份工作还是从事数据库相关的研发，不过当时做的是一款嵌入式实时数据库，比较简单，回头想想，如果当时项目没那么忙，也许我可以把那款数据库打造的更商业化点，像sqlite这种。
第一回：“传统IT管理系统与网站+电话呼叫中心”时代
开头有点扯远了，回到车联网云平台来。第一次真正意义上接触到车联网云平台，应该是huges，休斯这几公司，现在是被Verizon收购了，当初的奔驰项目上吧。逐渐接触了OTA协议【包括远程控制、远程诊断、远程信息查看、远程更新】，FOTA这些概念。但当初对云平台本身认知还少。
在这同时，知道了安吉星，也陆续听说和查阅了其他车厂的一些云平台产品，什么GBook等。那个时候的认识觉得云平台也就是一个IT管理系统，B/S结构的一个网站和数据管理系统，带些看板，看看车辆运营状况等。一个小型的网站，说它小型，倒不是说它业务少，而是并发量不会太大，那个时候能有多少车能联网啊？感觉能上互联网的车都是豪车，很高级。所以，将我所认知的第一代车联网云平台，姑且叫做“车联网网站管理系统”，最多再加个电话呼叫中心Call Center配合一下业务吧。
好在我习惯于不断更新自己的技术知识，以跟上时代，加上良好的计算机理论和实践基础。对如何搭建一个B/S结构的网站，对HTTP，TCP，消息压缩，加解密和存储等处理的技术还比较扎实。自己当时觉得云平台并没有太多神秘的地方。
然而后来，逐渐知道自己当时的认知多么浅薄，当时也就总结出的一个经验教训是，不要只着眼于当时工作的公司系统和技术，也不要只着眼于周边或者一些技术网站的技术，而要更多关注开源系统，关注国外核心网站甚至学术前沿文章，这样才能了解相关技术的前沿，了解变化趋势，了解如果更佳的去解决问题。
为什么呢？下面就到我见到更规范更行业化的车联网云平台的时候了。
第二回：NGTP架构与大数据时代
来到Q公司后，才算真正开启了车联网云平台之门，比在门外看门里的热闹，要实在多了。彼时，互联网早大爆发了，各类中间件，高并发，大数据技术日渐成熟。而汽车行业，几家公司，包括BMW，Volvo，还有一些科技公司联合推出了NGTP架构，下一代车联网平台架构，目的在于建议一套适用于汽车行业应用服务的标准，以解决跨国跨行业等各类定制化问题。
从车端到云端的接口层定义，转发，到云平台端的几大分系统，比如汽车或传统制造服务行业必然继承下来的呼叫中心Call Center。
回过头来看，当初的NGTP架构实现了消息和业务分离，系统模块化和标准化，把车联网一些比较独立的行业化特征的模块解构了出来。
这套架构还可以基于此进行更进一步细化和拓展出更多子系统，比如大数据系统，比如个人客户APP系统网关等。
但当初我司在应用这套系统几年间，还是碰到了很多麻烦，比如消息分发这边容易阻塞，因为一条消息处理的来回接口和步骤流程太多，导致效率下降。后续也进行了很多相关优化。
第三回：微服务架构与一云多端
通过将传统的NGTP架构进行优化迭代，特别是随着微服务架构在互联网的流行，其便利性也愈发呈现出来，我们在后续的升级迭代中，也采用了微服务架构思想，使用spring cloud搭建微服务架构，这中间应用了一系列中间件来构建整个微服务体系，这块打算后续有空时，另一篇文章单独展开阐述其架构和构建过程，高并发高可用，服务治理及系统性能优化是一件持之以恒的事情。
同时，随着车联网服务和生态的多样化，从传统的车-云链接到一云多端的架构越来越清晰，我们开始构建以云平台（数据库网站看板运维运营部署）为核心，以车机数据采集端，车机娱乐应用端，车主手机端，车主服务关怀系统（CRM），车主经销商系统（DMS），车主智能家居，车厂WEB大数据分析及看板端等多个端口，意图打造人-车-家，制造-服务等一系列核心运营理念。
第四回：开放平台，生态，中台及人工智能因素加强
目前绝大部分车联网云平台都止步于第三回架构，并且更多的在迈向第四回架构，那就是更加开放，为解决信息流通繁琐而建立的中台概念，以及人工智能因素加强后引入的算力系统如何更好的结合，提升效能。
更加开放的平台，允许车主自定义会话系统，自定义车机主题，甚至自定义个性化的服务。而在技术层面，引入互联网的中台概念，搭建数据中台，将成百上千的CP/SP服务商形成聚类藏于身后，数据进行融合增强，POI fusion, Media fusion等概念不断引入，车机生态，不再是简单的移动互联网的导入，而是具有了自己本身特征的生命。
这一块内容，我也在摸索中，现在更多还是存在产品概念层面，具体的技术架构有待更新。但相对于前三回合，特别是第三回合，在技术架构本质上未发生大的变化，更多的是局部调整和增强。AI微服务治理，AI Devops在逐渐冒出这些概念，但万变不离其宗，技术永远为解决实际问题而演进，特别是在工程层面。
另外，这里还得提出的另一个话题。随着车厂和互联网科技公司的博弈，合作，探索，也逐渐改变了云平台的业务架构，特别是关于汽车数据所有权的博弈。比如，某汽车公司的云平台，按照数据类型分为两大系统。一个系统用来处理车辆数据，即CAN Data。另一个系统交给互联网科技公司，用来处理移动互联网生态。即一个是车的画像，一个是车主的画像。
随着4G，5G的引入，智能驾驶辅助驾驶等摄像头的引入，语音识别系统的引入，声音及视频数据正在加大比例，传统的关系型数据占比在减少。云平台也在越来越多的承接多媒体数据的处理，特别是AI处理，毕竟目前云平台的算力还是强很多，可引入判别的要素也多很多，可以让AI分析结果更加精确。
后记：
最后一块是关于边缘计算，域控制器等带来的改变。随着芯片算力增强，端侧的算力明显加强，加上本地处理天然比网络远程处理更直接更少网络延迟部分，所以未来的云平台的业务分工和架构也许还会发生质的改变，比如一些初步的数据处理放在车机端，而不是将raw data全部传到云端去一步步分析。
而云平台的技术架构，大概率还是会沿用和引入移动互联网云平台的架构，至于是私有云还是公有云，或者混合云，其实更多是安全和保密的要求，技术本质并不相差多少，取决于谁干活，基础技术掌握在谁手里而已。
