自动驾驶 革命性的东西是什么？结果可能和你想的不一样

虎嗅聚焦：自动驾驶技术的核心

随着技术的日新月异，自动驾驶已然成为当下最为引人注目的科技创新焦点。不论传统车企、新兴创业公司还是供应链企业，均纷纷投入巨大资源进行研发。在自动驾驶技术的核心问题中，究竟是什么在关键时刻发挥了决定性作用？这篇由极客汽车编译自weforum的文章为我们揭晓答案。

铺天盖地的宣传使得自动驾驶技术越来越引人注目，人们纷纷驻足观望其进展。而在背后推动这一切的，是汽车背后的数字技术。正如英特尔以巨额资金收购Mobileye所传递的信息那样，自动驾驶的核心并非汽车本身，而是与之相关的数字技术。

汽车上的激光雷达感应器通过发射光脉冲并接收反射信号，为我们测量物体之间的距离，生成汽车周围环境的三维地图。这一切都离不开强大的数据处理能力。

想象一下，每辆自动驾驶汽车在行驶8小时后，因为装备了激光雷达感应器以及其他必要系统如GPS，会产生并接收约4TB的数据。这相当于超过百万张照片的信息量。如此庞大的数据，大部分都需要实时处理。对于汽车而言，一秒的延迟都可能关乎生死之别。汽车必须具备强大的计算能力，如同高性能计算机一样。

如今的汽车已经不仅仅是四个轮子加一个驾驶室的简单组合，而是变成了一个大型的计算机平台。据统计，现代汽车至少配备了25-50个中央处理单元（CPU），这些单元都在同一个通信网络中进行协同工作。

展望未来，随着自动驾驶汽车的普及，数据量将呈现爆炸式增长。IHS Automotive预测，到2035年，全球自动驾驶汽车的数量将增至2100万辆。面对如此庞大的数据量，即使拥有5G技术，处理这些数据仍然是一项巨大的挑战。

面对这一挑战，许多公司正在尝试将计算任务转移到云端。未来的趋势更偏向于在边缘，即在本地进行处理。这意味着数据需要在本地直接处理，而不是先上传到云端再进行处理。边缘计算能够迅速响应，避免在庞大的区域网络内传输数据引起的延迟。

例如，当汽车需要立即作出反应时，如避免碰撞，数据必须在本地进行处理。而一些不那么紧急的信息，如路况、天气等，则可以上传到云端进行处理。

为了协调这些边缘计算，需要引入混合云和私有云，并对自动化提出更高的要求。幸运的是，一些领先的公司已经开始在这方面进行布局。例如，Google为了管理其庞大的服务器群，开发了Borg这一计算管理系统。这一系统为其他公司提供了灵感，如Mesos正在被多家大公司广泛使用。开源软件Mesos使得之前只有创新力强的软件公司才能涉足的领域现在向公众开放。

下一代的平台将能够管理巨大的分布式数据中心和各种云，并将边缘计算纳入其中，这对于自动驾驶技术的发展至关重要。计算管理系统将能够根据需求动态分配性能，提高计算机效率和利用率。

在自动驾驶的浪潮中，核心技术不仅仅是汽车本身，更是背后的数字技术和计算管理系统。随着这些技术的不断进步和完善，自动驾驶将为我们带来更广阔的未来。