如何加快汽车与互联网、通信、大数据、人工智能、可再生能源等技术的跨界融合？需要解决哪些阻碍？

这个题目涉及到的内容太广袤了，随便哪一个下面都是一个繁杂的，需要大量资金和科研的重要领域，其中包括的难点不知凡几。抛砖引玉，浅聊下智能汽车和大数据/网络之间的一些关联吧。一架可以坐500-600人的双层A380空中客车以自动飞行模式从伦敦飞往纽约，全程只需要2.5MB的数据要处理。而一辆L4级别的自动驾驶车辆，仅处理每天的日常任务，可能就需要处理45TB的数据，是空客380的不知道多少倍。人在驾驶车辆，一般做出决策是需要先感知，再思考，再决定行动的一个过程。而自动驾驶也是一样，一辆车通过多个摄像头（含红外线），毫米波雷达，激光雷达，超声波传感器，声音传感器，GPS接受数据，进行感知技术的处理，全方位的传感器融合探测周围的环境，同时通过V2X（车辆对周围交通系统进行通讯）、高精地图了解到更广阔的外界环境，再感知之后进行一系列的思考，进行路径规划，交通标志、信号灯识别，紧急车辆识别等，最后决定行动，如等待，加速，转弯，避障，避撞，穿越众多移动物体等。这整个过程中，从各个感知设备中接受的图像、视频、点云，整个数据量可谓是海量，即便经过感知技术的算法进行处理后，剩余的数据量依旧是巨大无比，而思考并学习所需要的计算量也是可想而知。如果存储和计算数据全部由车辆本身承担，就意味着必须要有巨大的成本投入。比如感知数据的存储，即便是10TB级别的小型存储器也撑不了多久，总不能前一个小时的数据就被后面的感知数据给覆盖了，永远只顾当下吧。而现在驾驶车辆的人工智能系统能够记住，并学习以前的经验，是需要这些丰富的数据留存下来的。只有在大量数据的培育下，才能让人工智能进行深度学习，有效提高AI智能驾驶的能力。比如感知数据的处理，思考到做出判断，必须以毫秒来算。因为按照高速120公里/小时的速度，就是33米每秒。则10MS的时间，车辆移动距离就是33CM。如果单凭车载处理器，毫秒级快速的反馈，从接受数据，到思考，再到做出决策操控车辆，必须要求该处理器的处理大数据的能力非常优异才行。我们现在用的人工智能的学习，基本是采用的自下而上的方法，使用深度神经网络（DNN）或卷积神经网络（CNN）进行深度学习。（深度学习：一类机器学习算法，使用多层从原始输入中逐步提取更高层次的特征。）神经网络是一种模拟大脑认知的机理，解决各种机器学习的应用任务，从海量的数据中进行深度学习，需要的算力十分惊人。所以这一技术一直到2006年之后GPU性能飞速提升，才有条件被推广和应用。比如芯片的升级迭代，汽车的使用寿命长达数十年，而车载的处理芯片是不可能伴随车辆终身的，必须要定期更换速度更快，更稳定的芯片，才能保障车辆的自动驾驶功能完好。除了涉及到人和外界交互的智能驾驶外，还有人和汽车交互的智能座舱，一样是会产生海量数据和需要高算力的存在。综合来看，如果高存储和计算力惊人的芯片都装配在车辆上，且要按期更换更好的芯片（因为车辆的使用寿命一般都是10-15年），那么给车辆的成本压力是非常巨大的。而且对于车辆来说，装载一个数百瓦乃至上千瓦功率的“小超算”或者占据大体积的“大硬盘”，也会给车辆带来续航减低、空间减小的实际问题，更不要说一边思考做出决策，一边还要深度学习，需要的算力和存储就对汽车更苛刻了。所以，基本智能汽车未来的路都是走的车云互联，只有高速的网络互联才能保障大数据、高算力充分发挥作用，并有力支撑起未来智能汽车的安全和高效。说到网络互联，就不得不说5G的出现和发展，其高带宽、低延时、强可靠性真正使得大数据处理和云计算能应用在汽车的自动驾驶上面来。而这方面，我国是有着极大优势的，目前国内5G的建设速度和覆盖率是全球第一位。我国现在是全球4G覆盖道路交通最全的国家，基本达到了100%，而英国 4G覆盖率，在A级、B级公路上的覆盖率也才54%，而这在欧美国家中，还算比例高的。为什么5G可以使用云端技术达到车辆自动驾驶。一个是高速，可以达到1000MB/S，一个小时传递的数据可以达到3.5TB。甚至在必要的时候，可以提升到这个数字的十倍传输速度（理论值）。一个是低延迟，3G/4G的延迟是数十毫秒来计算的，4G延时是40ms-100ms，而120公里/小时的车速，100毫秒的都足够一辆高速上行驶的汽车开出三米多了。而5G则远远低于4G延时，甚至可以达到0.1毫秒延迟的级别。（低延迟也是远程手术得以开展的重要原因。）上述两个特性，可以使得车辆的感知数据无缝链接到云端，并由云端的强大处理器来进行保存和运算（学习），并以超低延迟把思考而来的决策传递到车端，使得云端操控汽车进行自动驾驶成为了可能。此外，5G还拥有更多的频谱和更高的频率，在30GHZ和300GHZ之间的频带，意味着5G网络可以同时处理许多高需求的应用，同时容纳更多的设备（车辆）。所以，利用大数据的云端传输和后台计算，再发送给行驶中的汽车，在5G进行覆盖后，是完全可行的一条道路，可以有效解决自动驾驶的硬件成本过高的问题。目前，汽车的智能化发展越来越快，云计算也被纳入了智能驾驶的体系中，基本每家车企都会和云计算企业进行合作。比如通用、大众、丰田、本田、捷豹路虎和微软云进行合作；国内的上汽乘用车和一汽，还有小鹏是和阿里云合作；广汽、长安、长城、蔚来和腾讯云合作，比亚迪、威马和百度云合作。东风本田、广汽三菱、江淮和华为云合作。国内的自动驾驶云平台，也基本是四分天下，“BATH”,百度云、阿里云、腾讯云、华为云。以后自动驾驶的未来，随着网络的发展，5G的逐渐成熟，2030年的6G进入，搭建的地面无线+卫星全连接覆盖网络，让世界每一处都能在高速信号的覆盖下，彻底让车端只用来感知，不需要繁杂的软件运算和搭载昂贵的硬件，云计算成为主流，在降低智能驾驶车辆成本的同时，大幅提高智能驾驶的安全性和智能座舱的功能性。（图片来源网络，侵删！）来源：知乎 www.zhihu.com 作者：Will.liu 【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。点击下载此问题还有 8 个回答，查看全部。延伸阅读：技术跨界融合时代，人工智能、物联网、云计算等跨界技术企业如何与汽车企业技术融合，共建新型产业生态圈？目前全球范围内，属于“汽车+互联网”这种交叉产业的研究方向和相关产品都是什么？

Oct 15, 2022 - 00:00

如何加快汽车与互联网、通信、大数据、人工智能、可再生能源等技术的跨界融合？需要解决哪些阻碍？

这个题目涉及到的内容太广袤了，随便哪一个下面都是一个繁杂的，需要大量资金和科研的重要领域，其中包括的难点不知凡几。

抛砖引玉，浅聊下智能汽车和大数据/网络之间的一些关联吧。

一架可以坐500-600人的双层A380空中客车以自动飞行模式从伦敦飞往纽约，全程只需要2.5MB的数据要处理。而一辆L4级别的自动驾驶车辆，仅处理每天的日常任务，可能就需要处理45TB的数据，是空客380的不知道多少倍。

人在驾驶车辆，一般做出决策是需要先感知，再思考，再决定行动的一个过程。

而自动驾驶也是一样，一辆车通过多个摄像头（含红外线），毫米波雷达，激光雷达，超声波传感器，声音传感器，GPS接受数据，进行感知技术的处理，全方位的传感器融合探测周围的环境，同时通过V2X（车辆对周围交通系统进行通讯）、高精地图了解到更广阔的外界环境，再感知之后进行一系列的思考，进行路径规划，交通标志、信号灯识别，紧急车辆识别等，最后决定行动，如等待，加速，转弯，避障，避撞，穿越众多移动物体等。

这整个过程中，从各个感知设备中接受的图像、视频、点云，整个数据量可谓是海量，即便经过感知技术的算法进行处理后，剩余的数据量依旧是巨大无比，而思考并学习所需要的计算量也是可想而知。

如果存储和计算数据全部由车辆本身承担，就意味着必须要有巨大的成本投入。

比如感知数据的存储，即便是10TB级别的小型存储器也撑不了多久，总不能前一个小时的数据就被后面的感知数据给覆盖了，永远只顾当下吧。而现在驾驶车辆的人工智能系统能够记住，并学习以前的经验，是需要这些丰富的数据留存下来的。只有在大量数据的培育下，才能让人工智能进行深度学习，有效提高AI智能驾驶的能力。

比如感知数据的处理，思考到做出判断，必须以毫秒来算。因为按照高速120公里/小时的速度，就是33米每秒。则10MS的时间，车辆移动距离就是33CM。如果单凭车载处理器，毫秒级快速的反馈，从接受数据，到思考，再到做出决策操控车辆，必须要求该处理器的处理大数据的能力非常优异才行。

我们现在用的人工智能的学习，基本是采用的自下而上的方法，使用深度神经网络（DNN）或卷积神经网络（CNN）进行深度学习。（深度学习：一类机器学习算法，使用多层从原始输入中逐步提取更高层次的特征。）

神经网络是一种模拟大脑认知的机理，解决各种机器学习的应用任务，从海量的数据中进行深度学习，需要的算力十分惊人。所以这一技术一直到2006年之后GPU性能飞速提升，才有条件被推广和应用。

比如芯片的升级迭代，汽车的使用寿命长达数十年，而车载的处理芯片是不可能伴随车辆终身的，必须要定期更换速度更快，更稳定的芯片，才能保障车辆的自动驾驶功能完好。

除了涉及到人和外界交互的智能驾驶外，还有人和汽车交互的智能座舱，一样是会产生海量数据和需要高算力的存在。

综合来看，如果高存储和计算力惊人的芯片都装配在车辆上，且要按期更换更好的芯片（因为车辆的使用寿命一般都是10-15年），那么给车辆的成本压力是非常巨大的。而且对于车辆来说，装载一个数百瓦乃至上千瓦功率的“小超算”或者占据大体积的“大硬盘”，也会给车辆带来续航减低、空间减小的实际问题，更不要说一边思考做出决策，一边还要深度学习，需要的算力和存储就对汽车更苛刻了。

所以，基本智能汽车未来的路都是走的车云互联，只有高速的网络互联才能保障大数据、高算力充分发挥作用，并有力支撑起未来智能汽车的安全和高效。

说到网络互联，就不得不说5G的出现和发展，其高带宽、低延时、强可靠性真正使得大数据处理和云计算能应用在汽车的自动驾驶上面来。

而这方面，我国是有着极大优势的，目前国内5G的建设速度和覆盖率是全球第一位。我国现在是全球4G覆盖道路交通最全的国家，基本达到了100%，而英国 4G覆盖率，在A级、B级公路上的覆盖率也才54%，而这在欧美国家中，还算比例高的。

为什么5G可以使用云端技术达到车辆自动驾驶。

一个是高速，可以达到1000MB/S，一个小时传递的数据可以达到3.5TB。甚至在必要的时候，可以提升到这个数字的十倍传输速度（理论值）。

一个是低延迟，3G/4G的延迟是数十毫秒来计算的，4G延时是40ms-100ms，而120公里/小时的车速，100毫秒的都足够一辆高速上行驶的汽车开出三米多了。而5G则远远低于4G延时，甚至可以达到0.1毫秒延迟的级别。（低延迟也是远程手术得以开展的重要原因。）

上述两个特性，可以使得车辆的感知数据无缝链接到云端，并由云端的强大处理器来进行保存和运算（学习），并以超低延迟把思考而来的决策传递到车端，使得云端操控汽车进行自动驾驶成为了可能。

此外，5G还拥有更多的频谱和更高的频率，在30GHZ和300GHZ之间的频带，意味着5G网络可以同时处理许多高需求的应用，同时容纳更多的设备（车辆）。

所以，利用大数据的云端传输和后台计算，再发送给行驶中的汽车，在5G进行覆盖后，是完全可行的一条道路，可以有效解决自动驾驶的硬件成本过高的问题。

目前，汽车的智能化发展越来越快，云计算也被纳入了智能驾驶的体系中，基本每家车企都会和云计算企业进行合作。

比如通用、大众、丰田、本田、捷豹路虎和微软云进行合作；国内的上汽乘用车和一汽，还有小鹏是和阿里云合作；广汽、长安、长城、蔚来和腾讯云合作，比亚迪、威马和百度云合作。东风本田、广汽三菱、江淮和华为云合作。

国内的自动驾驶云平台，也基本是四分天下，“BATH”,百度云、阿里云、腾讯云、华为云。

以后自动驾驶的未来，随着网络的发展，5G的逐渐成熟，2030年的6G进入，搭建的地面无线+卫星全连接覆盖网络，让世界每一处都能在高速信号的覆盖下，彻底让车端只用来感知，不需要繁杂的软件运算和搭载昂贵的硬件，云计算成为主流，在降低智能驾驶车辆成本的同时，大幅提高智能驾驶的安全性和智能座舱的功能性。

（图片来源网络，侵删！）

来源：知乎 www.zhihu.com
作者：Will.liu

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。点击下载

此问题还有 8 个回答，查看全部。
延伸阅读：
技术跨界融合时代，人工智能、物联网、云计算等跨界技术企业如何与汽车企业技术融合，共建新型产业生态圈？
目前全球范围内，属于“汽车+互联网”这种交叉产业的研究方向和相关产品都是什么？

閲讀更多