自动驾驶 革命性的东西是什么？结果可能和你想

　　虎嗅注：成了 2017 年最受关注的新技术，无论是传统车厂、新创业公司还是供应商，纷纷入局开始研发，然而车之中，最关键的，下面这篇短文给出了一个不错的解答。本文转载自极客汽车，极客汽车黄晚编译自 weforum。

　　现在，由于铺天盖地的炒作，自动驾驶已经越来越火了，大批的「热心观众」时刻关注着它的 进展，说它家喻户晓也不为过。

　　但是，自动驾驶到底什么才是它的核心英特尔以 153 亿美元收购 Mobileye 似乎给出了这个问题的答案：关键不是汽车，而是汽车背后的数字技术。

　　比如，汽车上的激光雷达通过感应器发射光脉冲并接收反射来测量物体之间的距离，以此生成汽车周围环境的 3D 地图。

　　强大的自处理能力

　　据估计，因为装备了这些激光雷达感应器以及其他必要的系统如 GPS，每辆自动驾驶汽车每行驶 8 小时将产生并接收约 4TB 的数据。4TB 有多大120 多万张照片的大小。

　　这 4TB 的数据大部分都需要及时处理。1 秒的延迟对手机来说并无大碍，但对汽车来说就是生死之别。因此，汽车必须具备极为强大的计算能力，就像一台性能强劲的计算机。

　　所以，汽车实际上已经变成了轮子上的计算机，而且还是大型计算机。有多大即使不考虑自动驾驶，现在汽车上一般也都配备了 25-50 个中央处理单元(CPU)，这些单元很多都处于同一个通信网络之中。

　　IHS Automotive 的一份报告显示，2035 年全世界自动驾驶汽车的数量将增至 2100 万。2100 万意味着庞大的数据量，即使有 5G 技术，以目前的技术来看，要处理这些数据也是一项极为困难的挑战。

　　仅仅是汽车就已经有种让人不堪重负的感觉了。考虑到还有飞机、轮船以及其他越来越智能化的东西，未来需要处理的信息量可想而知。

　　为了适应这一趋势，现在许多公司都正在把计算任务转移到云端。但是，恰恰相反，未来不在云端，而是在「边缘」，也就是本地。也就是说，把数据直接在本地处理掉，而不是先上传到云端然后再处理。因为只有在边缘计算才能对数据作出迅速反应，避免在一个巨大的区域网络内传输数据引起的延迟。

　　所以，当汽车需要立刻作出反应时，如另一辆汽车正在快速靠近自己，数据就得直接在本地处理。至于那些不怎么急的事儿，如路况、天气情况等等，就可以推送到云端。

　　协调这些边缘计算需要更多地引入混合云和私有云，同时也对自动化提出了更高的要求。

　　强大的计算管理系统

　　幸运的是，有些公司已经开始在这方面作准备了。例如，Google 的日常运营用到了近 100 万台服务器。为了管理这一庞大而又复杂的服务器群，Google 开发了 Borg。

　　Borg 为另一个计算管理系统 Mesos 提供了灵感。Mesos 目前正被 Twitter,、Verizon、 Bloomberg 等公司使用。作为一个开源软件，Mesos 使之前只有创新力的软件公司才有能力涉及的领域对公众开放。因此，任何规模的公司现在都有机会去创造改变世界的东西。

　　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，并能将边缘之物囊括在内。这对于自动驾驶来说同样重要。

　　计算管理系统会根据需要动态分配性能，因此将提升计算机效率和利用率。