随着国内新能源车的不断发展和渗透，在驾培驾考领域通过新能源车进入到驾驶员培训领域的车型越来越多，这里边包括了特斯拉、宝马、通用、沃尔沃、岚图、江淮、蔚来、比亚迪、吉利、奇瑞、大众等多家车企的车型。

之前我们做过像奇瑞艾瑞泽、江淮IEV7、大众纯电朗逸、特斯拉、比亚迪等车型的数据解码匹配，吉利汽车的，有做过EV450，最近新上了吉利旗下几何车型的萤火虫。那么，意味着在整个驾培驾校领域已经随着中国新能源汽车的蓬勃发展，车型的渗透和覆盖即将面临一次新的转机。

首先，新能源车的CAN数据协议是非OBD2标准，不用再遵循燃油车OBD2的协议，直接用厂家自己的CAN协议，那么，现有的我们自己智能评判系统客户，利用这个契机，对自己的产品做了迭代和更新。

其次，新能源车型的车载终端设备，比传统燃油车OBD2标准的设备，价格要卖得更贵，其中的差异，不只是技术的差异，而且，兼容的CAN数据也是一种壁垒。

其三，新能源车没有传统燃油车所谓的“转速”信息，电机转速是不能用作“转速”的，这个和传统燃油车，利用这个数据来做点火判定，必然不同。

其四，点火信息，会要用到汽车钥匙状态的“ready”状态，而不是传统的“转速”。

其五，驾培驾考的智能评判系统需要升级改革，这可能是整个行业都需要投入的一部分。

那么，这个零星市场，虽然看起来量不大，但是会涉及2万家驾校的生命线，92万教练员的去留发展，甚至影响到驾考评判标准的革新和标准制定。

在吉利几何E萤火虫车型上，速锐得通过解码匹配，获得了CAN总线上的加速踏板、转向角度、车速、制动踏板、驻车制动、档位、示宽灯、近光、远光、前雾灯、转向灯、四门车门、尾箱、钥匙状态、主驾驶安全带、总里程、SOC信息。这些数据项，足以支撑该车型在驾培驾考领域的数据应用在智能评判系统。

我们做的难度在于，车型多，协议复杂，ECU发达程度不同，这个涉及电池、电机和电控，虽然是每辆车我们都像在念经，但是每本经都有独特的地方，其中是会有一些逻辑，但是，还是会存在差异，国内很多企业不乐意去做，因为太费时间，收益不高。

我们先解决了数据信息的问题，才有后边的解决方案，那么这些CAN数据能帮到汽车行业内哪些朋友，其实，我们并不太清楚，因为数据的应用实在太过广泛，有的基础的数据，就有了未来可以想象的空间。我们可能和其他企业看待角度不同，我们做的是数据积累，至于能用在什么领域，那是后话，比如网约车、公务用车管理、车队调度、智能控制、汽车LED照明改装、驾驶辅助系统等等，都得先有底层的汽车数据信息。

当然，这种投入多少都会有点风险，比如这个车型，可能就1台，或者以后可能会量大，这个是我们没办法去预估的，但做完这台车，心里想的就是锦上添花，无论何年何月某地某人某项目要问得这个车型的时候，我们有拿得出手实际的东西。

之前做吉利知豆的车型，什么D2、D2S等等乱七八糟的，现在整个车的停产了，那么给我们留下了什么，学到了什么？比如电控系统架构、BMS管理策略、线束定义、线束布局、零部件供应商等等，这个是要思考的东西。