据外媒报道，若我们将互联及自动驾驶汽车视为下一款杀手应用（killer app），数据平台将为互联汽车应用提供必要支持。为此，数据平台务必要满足以下条件：

规模化的实时处理能力

自动驾驶汽车将综合考虑雷达（10－100 KB／s）、声呐（10－100 KB／s）、GPS（50 KB／s）、摄像头（20－40 MB／s）及激光雷达所传输的多种数据输出，从而对车辆的位置及车辆周边环境有个全面了解。

经计算得出，自动驾驶汽车每小时所产生及处理的车载数据量将高达4TB。为此，数据平台需要支持实时数据处理及决策能力（例如：应对制动或加速操作时）。

机器学习及深度学习

业内人士愈发强调采用机器学习及深度学习技术，从而作出更好的决策。这意味，需要Caffe2或TensorFlow等新兴软件框架来提供支持，未来还将会有更多新的软件框架应运而生。

为支持上述应用，数据平台需支持各类处理引擎及数据类型，还需要为复杂应用开发过程提供辅助，且确保软件冲突应尽可能小。

分布式运算

在许多情况下，车辆与数据中心／云端之间务必要实现双向数据传送，从而使机器学习建模可基于数据中心中所存储的试验（数据）来实现重新打分及改进。

该数据平台将为互联汽车应用提供支持，该平台不关注基础（infrastructure agnostic），但务必要为持续、协调性数据流提供支持，实现数据中心与／或云端及车辆间的无缝式数据传输。

据业内人士透露，目前主要的挑战在于管控传感器产生的数据，因为这类数据体量大、传输速度极快，数据平台需要采用机器学习等新兴运算框架为该类数据的实时处理提供辅助，从而实现互联汽车与数据中心的无缝连接。

未来，数据管理平台供应商将处于互联汽车生态系统价值创造的核心位置。