一、背景
智能驾驶正由功能验证走向规模化应用，数据已成为算法迭代、车辆运营和业务创新的核心生产要素。车端持续产生图像、点云、CAN 信号、事件日志和座舱交互等多模态数据；云端则需支撑样本检索、标注训练、仿真回放与运营分析。
面对车队规模增长和数据类型持续扩展，传统由多套数据库、搜索系统与数仓拼接而成的架构，难以兼顾处理效率、数据治理与长期运维成本。TDSQL Nexa 以一体化多模数据能力，为智能驾驶训练与分析链路提供统一的数据底座。
二、智能驾驶领域的数据管理痛点
1. 高并发写入、动态列扩展与海量数据承载压力
车队规模扩大后，图像、点云、CAN 信号、语音及标签数据持续并发写入云端。智驾样本的标签维度会随算法策略、车型配置和场景定义持续增加，传统表结构在扩列和高频读写之间难以兼顾，容易影响样本入库、查询和训练节奏。
2. 多源异构数据整合困难
车辆档案、事件元数据、图像点云原始文件及 Embedding 向量，通常分别存放于关系库/文档库、搜索引擎、向量库、缓存、对象存储和数仓等多套系统。跨引擎关联依赖应用层拼接，数据孤岛明显，维护复杂。
3. 复杂场景检索与长尾样本挖掘效率不足
向量数据与业务标签分库存放时，危险工况和 corner case 筛选往往需要"向量召回—关系库过滤—对象存储取文件"的多跳流程。面对不断新增的检索条件，既影响响应速度，也限制高价值长尾场景的发现效率。
三、TDSQL Nexa 解决方案
TDSQL Nexa 通过"核心引擎 + 宽表引擎 + 搜索引擎 + 分析引擎 + AI 计算引擎"的融合架构，结合共享存储，为智能驾驶构建覆盖高性能读写、复杂场景检索、BI 分析和训练数据处理的一体化底座。
1. 宽表引擎与超宽表，支撑动态列和高性能读写
TDSQL Nexa 核心引擎兼容 MySQL 协议，提供统一的事务型数据访问能力；超宽表由宽表引擎承载，面向不断扩展的标签体系支持动态列在线扩展，减少字段变化带来的结构调整负担。宽表引擎以高性能读写能力承接高频样本入库、标签更新和在线查询，保障训练数据持续沉淀与快速调用。
2. 搜索引擎与混合检索，加速 corner case 发现
corner case 的发现主要由 TDSQL Nexa 搜索引擎承担。搜索引擎兼容 OpenSearch 协议，支持向量相似度、关键词、地理位置与结构化标签的 Hybrid Search 混合检索。图像或点云 Embedding 可与天气、道路、车辆状态、接管事件等标签联合过滤，训练团队能够通过一次检索定位符合多重条件的危险工况和高价值长尾样本，避免跨系统多跳拼接。
3. 分析引擎，支撑 BI 报表与标签可视化分析
TDSQL Nexa 分析引擎面向大规模标签数据、样本元数据和业务明细提供 OLAP 分析能力，可直接支撑 BI 报表与可视化看板建设。围绕场景标签、道路类型、天气条件、车辆状态和事件类型等维度，业务团队可进行标签分布、占比、交叉组合、覆盖度及样本规模分析，并支持从聚合结果下钻至样本明细。通过统一的数据入口，训练、产品和运营团队能够围绕同一套标签口径进行可视化分析，减少多系统取数和重复加工。
4. 湖上计算与弹性算力，缩短数据加工路径
AI 计算引擎支持 CPU、GPU 混合弹性算力，可在湖表数据上完成训练前的数据加工、样本宽表构建和特征准备，减少不必要的数据复制。分析引擎可直接服务仿真结果统计、运营分析及业务报表，高频 SQL 可通过 AI 优化能力提升执行效率。
四、典型应用场景
场景一：智能驾驶训练数据链路
保留现有车端采集、云端接入与流处理体系，将在线存储、检索、数据湖与训练数据处理能力集中至 TDSQL Nexa。宽表引擎以超宽表承接样本元数据与动态标签的高频读写；搜索引擎基于向量与标签混合检索完成 corner case 筛选；AI 计算引擎进一步完成样本加工与特征准备，提升训练数据供给效率。
场景二：车联网数据本体治理
面向车辆档案、事件数据、标签、向量及多媒体文件，构建统一的数据组织与检索视图。宽表引擎提供的超宽表可适配不断演进的业务字段，降低标签新增和数据组织成本；搜索与分析能力协同支撑自驾与座舱等场景的联合查询和数据分析。
场景三：BI 报表与标签可视化分析
基于分析引擎，业务人员可围绕车型、场景、道路、天气、事件和标签等维度搭建自助式 BI 报表及可视化看板，直观洞察样本结构和标签覆盖情况；算法团队可由聚合指标下钻至关联样本明细，快速识别数据薄弱区域，为采集策略调整与训练任务规划提供数据依据。
场景四：仿真回放与故障诊断
分析引擎可直接面向湖表完成大规模统计与明细分析，支撑仿真任务失败案例聚类、故障定位、运营洞察和业务报表生成，缩短从数据发现到分析决策的路径。
五、业务价值总结
TDSQL Nexa 为智能驾驶企业带来以下价值：
提升数据读写效率：通过宽表引擎承载超宽表的动态列扩展和高性能读写能力，适应标签体系持续演进，保障高频样本与标签数据的快速写入和访问；
提升样本挖掘效率：由搜索引擎提供向量与标签混合检索，将 corner case 筛选从多跳拼接简化为一次检索，缩短高价值样本发现路径；
降低运维成本：以一体化多引擎架构收敛关系、宽表、搜索、向量、湖表分析等分散能力，统一管理入口，降低长期维护复杂度；
提升业务洞察：通过 BI 报表和标签可视化分析，帮助业务与算法团队快速掌握样本结构、标签覆盖及数据缺口，为数据运营和训练规划提供依据；
降低接入门槛：兼容 MySQL、OpenSearch 等主流协议，存量应用可渐进迁移，外部数据源可按需接入；
支持规模化扩展：面向高频写入、动态字段、海量标签和弹性算力需求，支撑车队与业务规模持续增长。
TDSQL Nexa 将以统一、高效、可信的多模数据底座，帮助智能驾驶企业加快数据价值释放，推动"采集—检索—训练—仿真—迭代"的业务闭环持续提效。
