研发团队在调试新车型或新功能时，由于信号数据的可观测性不足，只能依赖经验和有限的测试数据进行模型优化。如果能借助大数据和可观测性方案，研发团队便可实时采集并分析信号数据，从而精准优化算法和模型，可以大幅提升产品开发的效率和准确性。

而售后部门则长期面临两大挑战：一方面，因新车型研发和测试周期大幅缩短，导致量产初期可能存在质量风险和频发故障。如何在车辆运营阶段主动感知故障并提供主动关怀服务，成为售后服务体系变革的关键能力之一；另一方面，整车生命周期可长达15-20年，在长期的车辆运营阶段如何通过自动化诊断工具和智能化分析系统提升售后服务效率，降低售后成本，是车企提供可持续服务的重要课题。

数据驱动不仅关乎研发和售后的未来愿景，更是车企数字化转型的必经之路。但在实际落地过程中，车企仍面临诸多挑战。

传统的数据存储方式，往往需要在车端存储大量原始数据，或者频繁将数据上传至云端进行计算和分析，这不仅占用带宽，还会带来高昂的存储和计算成本。为了解决这一问题，EXD数据底座在数据采集、存储和计算三个方面进行了创新。

首先是存储方式的优化。 通过高倍无损压缩技术，EXD能够在更低的存储资源消耗下将全量信号数据进行长期存储，并支持随用随取。

其次是采集方式的升级。 传统的数据采集大多采用固定周期采集的方式，导致无用数据过多，关键数据却难以捕捉。而EXD采用了一种更加智能的方式——边缘计算+触发式采集。这意味着，当车辆的某个关键信号发生变化时，系统可以自动触发数据采集，而不是依赖固定周期采集。比如，在智能驾驶场景下，如果车辆检测到突发事件，系统可以立即存储相关数据片段，并上传至云端进行分析，而非事后回溯。

最后是计算模式的革新。大量数据上传到云端计算成本并不低，而现在的智能汽车本身也有大量算力，EXD的边缘计算引擎（vCompute）能够在车端预先完成一部分计算任务，减少云端计算压力。这不仅降低了带宽消耗，还提升了业务响应时效。

EXD“整车数据中心”不仅仅是一个数据存储和计算系统，它更是一个全面覆盖、能力强大、灵活性高的整车数据管理中心，能够统筹管理总线数据、日志数据、DTC数据、Some/IP数据、语音及图像特征数据、向量数据和关系型数据，通过车端和云端的协同工作，实现数据的高效流转和智能应用。

在车端，EXD提供了融合数据库 vData、流批一体的边缘计算引擎 vCompute和日志采集模块 vLog等核心能力，让数据的存储和查询更加灵活高效。

而在云端，EXD则提供了一整套智能管理工具。车企可以通过云端系统远程配置数据采集任务，并将算法模型一键下发至整车。这样，车端和云端的数据流转变得更加顺畅，车企不再需要手动调整各个环节的采集策略，而是可以根据实际需求，动态优化数据采集方案。

同时，车端上传至云端的数据会经过高倍无损压缩存储，确保占用最小的存储空间，同时支持随用随解。这意味着，车企不仅可以节省存储成本，还能在需要时快速调取数据，支持智能驾驶优化、车辆健康管理等多种应用场景。