The Future of Driverless Cars
 |
來源：极客汽车 作者：黄晚/編譯
現在，由於鋪天蓋地的炒作，自動駕駛已經越來越火了，大批的熱心觀眾時刻關注著它的最新進展，說它家喻戶曉也不為過。
但是，自動駕駛到底是什麼?什麼才是它的核心?英特爾以 153 億美元收購 Mobileye ，似乎給出了這個問題的答案：關鍵不是汽車，而是汽車背後的數位技術。
比如，汽車上的雷射雷達，透過感應器發射光脈衝，並接收反射來測量物體之間的距離，以此生成汽車周圍環境的 3D 地圖。
強大的自處理能力
據估計，因為裝備了這些雷射雷達感應器，以及其他必要的系統如 GPS，每輛自動駕駛汽車每行駛 8 小時，將產生並接收約 4TB 的數據。4TB 有多大？120 多萬張照片的大小。
這 4TB 的數據，大部分都需要即時處理。1 秒的延遲對手機來說並無大礙，但對汽車來說可能就是生死之別。因此，汽車必須具備極為強大的計算能力，就像一台性能強勁的電腦。
所以，汽車實際上已經變成了輪子上的電腦，而且還是大型電腦。有多大？即使不考慮自動駕駛，現在汽車上一般也都配備了 25-50 個中央處理單元(CPU)，這些單元很多都處於同一個通信網路之中。
IHS Automotive 的一份報告顯示，2035 年全世界自動駕駛汽車的數量，將增至 2100 萬。2100 萬意味著龐大的數據量，即使有 5G 技術，以目前的技術來看，要處理這些數據也是一項極為困難的挑戰。
僅僅是汽車，就已經有種讓人不堪重負的感覺了。考慮到還有飛機、輪船，以及其他越來越智能化的東西，未來需要處理的資料量可想而知。
為了適應這一趨勢，現在許多公司都正在把計算任務，轉移到雲端。但是，恰恰相反，未來不在雲端，而是在「邊緣」，也就是本地。也就是說，把數據直接在本地處理掉，而不是先上傳到雲端然後再處理。因為只有在邊緣計算，才能對數據作出迅速反應，避免在一個巨大的區域網路內，傳輸數據引起的延遲。
所以，當汽車需要立刻作出反應時，如另一輛汽車正在快速靠近自己，數據就得直接在本地處理。至於那些不怎麼急的事兒，如路況、天氣情況等等，就可以推送到雲端。
協調這些邊緣計算，需要更多地引入混合雲和私有雲，同時也對自動化提出了更高的要求。
強大的計算管理系統
幸運的是，有些公司已經開始在這方面作準備了。例如，Google 的日常營運用到了近 100 萬台伺服器。為了管理這一龐大而又複雜的伺服器群，Google 開發了 Borg。
Borg 為另一個計算管理系統 Mesos 提供了靈感。Mesos 目前正被 Twitter、Verizon、 Bloomberg 等公司使用。作為一個開源軟體，Mesos 使之前只有最具創新力的軟體公司才有能力涉及的領域對公眾開放。因此，任何規模的公司現在都有機會去創造改變世界的東西。
下一代的平台將能夠管理巨大的分布式數據中心和各種雲，並能將邊緣之物囊括在內。這對於自動駕駛來說同樣重要。
計算管理系統會根據需要動態分配性能，因此將提升電腦效率和利用率。
以前，電腦的硬體比軟體更為重要。不過，今非昔比。如今，像 Borg 和 Mesos 這樣的分布式計算平台，使電腦的計算能力和應用的多樣性，相比從前都有了質的提升。
現有計算性能的最優化(無論是手機、個人電腦、伺服器，還是即將到來的自動駕駛)不僅可以提高生產率，而且還將創造出新的機會和可能，如加州大學伯克利分校，利用全球聯網電腦，共同搜尋地外文明的 SETI 項目。
想像一下利用先進的計算管理平台，可以設計出來的各種應用。想像一下一個雲無處不在的世界，一個所有設備聯網，並共同處理數據的世界，一個在任何地方都可以實現軟體無縫銜接的世界，一個所有這些技術，對任何公司都開放的世界。簡直令人興奮不已。
自動駕駛的到來將透通過硬體和軟體，改變計算通信系統的架構。這些數據管理上的進步，以及邊緣計算為人工智慧、機器人、物聯網、自動駕駛、3D 列印、奈米技術等領域的突破，奠定了基礎，並拉開了第四次工業革命的序幕。
0 comments:
張貼留言