智能駕駛：一場未來人類出行方式的豪賭

智能駕駛的概念已經成為了科技界和投資界共同的焦點。誰能最先把智能駕駛投入實用，誰就贏得了下一個時代的先機。當然，這也絕對不是一個贏家通吃的市場，在萬億級的市場體量下，有太多的機會，足以撐起太多的巨頭。本期封面故事，我們將一起聊聊關於「智能駕駛」的那些事。

7萬億美元的「乘客經濟」

「乘客經濟」是以無人駕駛為基礎的全新經濟模式，由英特爾首提，涵蓋使用無人駕駛汽車所產生的產品和服務的價值，包括因使用無人駕駛汽車而間接節約的時間和資源。市場分析機構Strategy Analytics對英特爾創造的這個新詞進行了研究，調查預測，乘客經濟的規模將從2035年的8000億美元激增到2050年的7萬億美元。而其他的重要數據還包括：

●出行即服務(Mobility as Service, MasS)的業務預計催生價值約3萬億美元的收入，占「乘客經濟」總收入的43%。

●使用出行即服務的消費者預計產生3.7萬億美元的收入，也就是「乘客經濟」總收入的55%。

●預計將有2000億美元來自越來越多使用創新應用和服務的消費者，這些應用和服務將隨著無人駕駛汽車服務的擴展和演進而出現。

●保守地說，在2035年到2045年的乘客經濟時代，無人駕駛汽車將挽救585,000條生命。

●在全球最擁堵的城市，無人駕駛汽車每年預計將節省2.5億小時的消費者通勤時間。

●在2035-2045年的乘客經濟時代，與交通事故相關的公共安全成本可能會節約超過2340億美元。

圖1：2020-2050年全球乘客經濟服務收入。

「出行即服務」是「乘客經濟」崛起的核心動力，而無人駕駛的發展將會促進「出行即服務」的範圍呈現爆炸式增長。英特爾認為，以無人駕駛為基礎的「乘客經濟」，會讓人們完全脫離與汽車的一對一關係，轉向出行即服務，從而加快新興服務模式和商業模式的興起。

也就是說，這份報告證明了車廠無法只靠製造車輛生存，特別是在私家車數量預期將逐漸減少的時代，他們必須要有所改變。如同Strategy Analytics所表明的那樣，預測高度自動駕駛車輛的市場規模不是重點，其「乘客經濟」分析聚焦於：「將由全自動無人駕駛車輛產生的經濟與社會價值。」

但除了Uber、Lyft與Zipcar等少數已經存在的汽車共乘服務，所謂的「移動即服務」還會有其他什麼樣的解決方案？該報告提供了一些有趣的想法：例如「應需運輸」(on-demand transportation)、「通勤共享」(work-commute sharing)、「事件優化或主題優化汽車」(Event- or theme-optimized vehicles)、以及「以交通作為便利條件(amenity)或補償(compensation)」，並總結指出，「在實踐上，消費者將因為能夠選擇種類廣泛的移動即服務供應商，在需要的時候自由地在地點之間與車輛之間移動，而能完全不必自己擁有車輛。」

也許，我們可以據此大膽的預測一下：未來，「移動即服務」不止運輸乘客，也遞送商品與服務。與建立新的實體店不同，零售商店、酒店和餐館等土地限制型企業將通過增加「出行商店」來推動另一波商業擴張，這些「出行商店」將直接向消費者提供商品和服務。消費者現在可以選擇去一個「地方」購買產品或服務，也可以隨心選擇送貨上門。簡而言之，汽車將在各種各樣的個性化聯網出行即服務中接送人員和運送物品。

科技型公司快速切入智能駕駛

科技型公司如特斯拉、谷歌、百度等目前均開始涉足智能駕駛/無人駕駛領域，其發展速度遠遠快於傳統的整車廠商。相關報告顯示，預計至2025年，科技型公司將在智能汽車領域分得40%市場份額，而傳統車企將堅守60%市場。科技型公司為什麼可以如此快速的直接跨越到無人駕駛領域？傳統車企又會走出怎樣的應對與升級路線？

圖2：2050年五級自動駕駛汽車產量預測。

「這些科技巨頭都在尋找一樣東西：顛覆創新的機會。」Imagination Technologies汽車事業部市場營銷總監Bryce Johnstone在接受《電子工程專輯》採訪時稱，當前的消費者越來越看重汽車互聯技術，認為這是汽車的關鍵不同之處，他們希望開車的時候和在街上使用電話一樣，能夠聯網，獲取信息。剛進入汽車市場的新廠商正在把這些新技術應用於汽車工業，實現變革，尤其是計算機視覺、感測器融合和機器操作等，這些技術引起了消費者的共鳴。另一方面，傳統的汽車市場非常封閉，但技術發展使得ADAS和電動汽車等領域有可能出現創新突破，激勵新企業去顛覆現狀。 圖3：Imagination Technologies汽車事業部市場營銷總監Bryce Johnstone。

不過，這些科技巨頭們很快就會發現，要想高效地製造汽車，而且能盈利，必須遵守嚴格的運輸、污染和安全法規要求，這一切並不像看起來那麼簡單。與此同時，隨著傳統汽車廠商競相採用創新新穎的軟體，他們發現多年來從未變過的運營環境現在完全不同了，因此需要調整自己的供應商戰略以跟上形勢的變化。

而在恩智浦(NXP)大中華區汽車電子業務發展總監劉芳看來，科技類巨頭公司之所以能夠一步跨入智能駕駛領域，得益於多年前他們對於輪式機器人的研究和在人工智慧軟硬體上的突破。在這一過程中，他們「意外」的發現很多在輪式機器人上所採用的前沿技術，例如機器視覺、感測器、人工智慧演算法等，是能夠被平行移植到智能駕駛汽車中的，並由此帶來了進行商業運營和實現產業化的可能。

對傳統車企來說，他們對ADAS應用其實並不陌生，但這些前沿科技的出現對車企而言仍是一種刺激。劉芳並不同意外界給車企貼上「保守」的標籤，「車企對新科技的出現始終持開放的態度，非常希望藉助不同領域的高科技發展汽車產業，但他們也有顧慮。」她說，「對車廠而言，汽車不僅僅是一個單純的消費品，它還與生命財產息息相關，需要更多的考慮到在無人駕駛產業化過程中隨時可能出現的法律和技術風險。」

十幾年來，人們對汽車的認識，從「4個輪子+1個沙發」，發展到「輪子上的手機」、「輪子上的機器人」，再到未來的無人駕駛。科技巨頭和傳統車企所奉行的兩條路線其實並不矛盾，前者走的是「跳躍式」發展道路，希望採用「顛覆式」的技術革命來推動無人駕駛；而後者希望走出一條「漸進式」發展道路，通過技術的不斷成熟來推動從智能駕駛到無人駕駛的分步升級與迭代。

「傳統車企和科技型公司在無人駕駛的發展方向上的認知與分歧到今天來看，雙方的共同點正變得越來越多，目標正趨於一致，彼此學習互相聆聽。」劉芳說，科技巨頭們對直接進入L4、L5階段的規劃開始變得務實，與車企和傳統產業鏈進行頻繁的溝通，以實現真正的產業化；車企則通過重組、收購等方式開始規劃從L0到L2階段的無人駕駛，並對實現L4以上的目標組織預研，以便提前規劃好發展路徑，雙方正變得越來越合拍。

她認為「融合」將會成為雙方合作的必然趨勢，但這並不影響雙方在各自領域的並行發展，而且並行發展還會持續相當長的一段時間。只是業界對於「何時才能實現」的時間問題一直眾說紛紜，沒有定論。很多實際問題，比如技術成熟度、量產、法律法規、相關安全認證標準等，都需要時間去解決。

智能汽車的關鍵落地點—模塊化ADAS

模塊化ADAS是從傳統汽車向無人駕駛演進的重要方式，也是智能汽車的關鍵落地點。德州儀器(TI)中國區嵌入式產品系統與應用總監蔣宏表示，各種ADAS功能在車廠未來幾年的產品規劃中變得越來越舉足輕重，無論是E-NCAP還是C-NCAP、AEB、ACC都是得到測試高分的必須選擇。

圖4：德州儀器中國區嵌入式產品系統與應用總監蔣宏。

從車廠的角度來看，發生事故會造成重大傷亡事件的場景是需要高優先順序去避免的，這也是車廠往往會把前向防撞(AEB)，車道保持(LDW、LKA)，行人偵測(PD)這樣的ADAS功能放在首選項。可是從駕駛員的角度來看，盲區偵測(BSD)、全景泊車輔助(SRV)以及智能後視系統(Smart Rear-view)非常重要，這些功能可以幫助他們增強駕駛信心，以及提升駕駛的舒適度，所以越來越多的車廠開始在新車規划上增加全景泊車、智能後視和盲區偵測功能。在美國，智能後視系統已經是新車的必配裝備。

夜視系統(Night Vision)也是消費者所喜歡的，只是紅外熱成像感測器的成本一直居高不下，導致車廠的推廣沒能夠大規模鋪開，隨著紅外熱成像感測器的價格開始出現鬆動，未來幾年夜視系統的增長比例可能也是會非常可觀的。同理，抬頭顯示系統(HUD)也是同樣的處境。

另外，車廠還在考慮引進一些新的ADAS應用，比如CMS(Car Mirror Replacement)系統, 用電子成像技術取代傳統的側、後視鏡。這些系統不僅可以使車輛外形更具設計感與流線形，去除駕駛員的觀察死角(比如「透明A柱」、「透明引擎蓋」、「透明後備箱」等)，電子成像系統還廣泛採用了感測器的亮度動態增強技術(正確曝光的亮度動態範圍達到120dB以上，遠超過人眼的適應調節範圍)，可以消除夜間駕駛員的「遠光燈眩光」 以及低照度條件下觀察不清等問題，一些歐美車廠計劃在明後年在一些新車型上開始部署CMS系統。

駕駛員疲勞偵測系統(DMS)也是目前車廠準備積極部署的另一項ADAS應用。DMS系統除了監控駕駛員的眼部(是否閉眼？視線是否偏離路面？有無專心開車？)，還應用了其他的感測器來感知駕駛員的姿勢，比如手有無長時間離開方向盤等。如果系統探測到異常和危險信號，會用聲光以及震動來警示駕駛員。除此以外，已經有車廠準備應用超低功耗的毫米波雷達來感知駕駛員的呼吸與心跳，作為駕駛員疲勞偵測系統的另一項監測指標。

除了以上的這些ADAS功能之外，交通信號識別系統(TSR)、移動物體偵測 (MOD)、行車記錄儀(儘管一些行業人士懷疑這項功能是否能夠在嚴格意義上算作ADAS應用，但的確國內有許多車廠在認真考慮將此項功能融入到ADAS系統中)也是會常常被提起的輔助駕駛應用。

而在IHS Markit高級分析師劉慶看來，隨著智能化程度的不斷提高和無人駕駛360度無死角監控的要求，汽車中具備ADAS功能的感測器數量會越來越多。攝像頭感測器會用來監控近距離的環境，激光雷達(LIDAR)用來覆蓋中遠距離的突發情況，相互依賴和配合以解決複雜環境的路面監控。他預計在自動駕駛L3以上階段，上述的感測器模塊將會達到20個以上。

圖5：而在IHS Markit高級分析師劉慶。

中短期來看，由於成本和愈來愈成熟的方案關係，與攝像頭感測器相關的應用會得到快速成長，包括盲區偵測、環視、行人偵測等，與此相關的視頻傳輸和中央處理器會在此類應用中尋覓到更多機會。雷達感測器會在高端需求中存在，隨著成本和方案成熟度提高，中長期看好這個市場前景。

「我們看到從1級到5級(完全自動)自動駕駛所需要的處理規模，每一級所要求的處理能力都呈指數增長。」Bryce Johnstone認為，具體到半導體廠商，主要機會在於感測器的增加，例如攝像機的感測器融合處理能力越來越強，對來自激光雷達、雷達、攝像頭和其他感測器含義各不相同的輸入進行處理，以決定要採取的行動。

最終，一輛車的感測器數量會急劇增長——車上攝像機的數量會達到20個，解析度高達4K，有多個激光雷達和雷達。需要對每一感測器輸入進行本地處理，然後把輸出傳送至感測器融合級，計算每一感測器提取出的數據，以便詳細了解汽車「世界」中發生了什麼。要想實時成功地完成處理工作，涉及到運行大量繁重的演算法。

「智能駕駛艙」是Bryce Johnstone特別提到的一個概念。隨著智能駕駛階段的不斷演進，很多車廠聯合軟硬體、系統廠商對駕駛艙進行了重新定義與設計，並將其稱之為「數字駕駛艙」或「智能駕駛艙」。隨之而來的，是人機關係與角色的變化、是駕駛需求的變化、以及乘坐體驗的變化。

在他看來，駕駛艙主要有兩方面的變化。首先，自動駕駛汽車會徹底重新設計人機界面。會提前告訴駕駛員/乘客汽車要採取的行動，以免驚嚇到乘客；其次，隨著「放手、閉眼、放鬆」式駕駛的出現，汽車內部很可能會變成虛擬辦公室或者娛樂中心，這將導致大量採用高解析度屏幕，把辦公室的工作搬到車裡，還能玩遊戲、看電視/電影等一系列活動。在硬體方面，這將推動速度更快、功能更豐富的GPU的應用，在抬頭顯示屏和儀錶板上運行越來越高端的圖形用戶界面。隨之而來的還有人機界面的大量應用，例如語音/自然語言和手勢控制等，這主要受益於神經網路加速器，以及支持軟體庫和應用程序。

我們在無人駕駛的第幾層？

按照國際通用的劃分標準，自動駕駛被分為5個級別：第1級，實現車道偏離報警和自動緊急剎車等ADAS功能；第2級，駕駛員能夠在短時間內接管對車輛的控制；第3級是駕駛員可以不用看路，但在出現問題時仍然要準備好接管汽車；第4級是汽車可以自己駕駛，但只允許在受控制的區域內；第5級是汽車在任何地方、任何路況下都能自己駕駛，而且不需要駕駛員的干預。目前比較公認的看法是全行業處在第1級，正在向第2級發展。

「不少分析機構都預測在2020~2025年可實現完全自動駕駛汽車的量產，但我認為國內量產不會這麼快。無人駕駛必須具備完備的感測器系統、無縫的連接(LTE-V、5G、乙太網)、人工智慧、以及相應的法律保障、交通系統的配合等，這些都不可缺少，當然也不可能一蹴而就。」劉慶分析稱。

他認為當前國內ADAS的使用都還應該處在起步階段，由於成本問題，雷達感測器只是用在高端車上，比如前方碰撞預警系統(FCW)；攝像頭的主要應用是360度環視、道路檢查，主要的功能還停留在L1階段，沒有參與到動力控制層面；全方位監控和無縫的信息連接，配合上一定水平的人工智慧，才有可能突破L2階段，而未來要想突破L3或者更高階段，人工智慧技術的提升則是必不可少的。

Bryce Johnstone說，現在已經有一些2級自動駕駛的車輛得到了部署，可以選擇安裝高級碰撞迴避(ACA)和車道偏離報警等獨立功能。儘管還局限於特定的試驗區域和駕駛條件，但很顯然在不遠的將來，完全無人駕駛汽車將成為主流現實。2016年實現輔助駕駛，2021年實現自動駕駛，2025年實現全自動駕駛，將是一個較為現實的時間表。

而自動駕駛面臨的主要挑戰則包括：公眾的接受和認識，政府立法允許無人駕駛汽車上路，出現事故時誰是責任主體，整個汽車價值鏈的責任劃分，以及一系列的測試要求，以確保汽車軟體版本是最新的。此外，安全也是一個關鍵考慮因素。現在有很多關於非法侵入汽車的報道，隨著汽車API的開放，這種非法入侵的情況會變得更糟。

目前絕大多數車企都處於L1~L2技術升級階段，個別車企會在個別車型上開始嘗試L3級別以上的技術，比如福特、豐田等。他們對在中國推動本地化的無人駕駛是不遺餘力的，投入了巨大的物力、人力、財力去收購相關技術並加以整合，豐田還在常熟建立了規模可觀的無人駕駛試驗場。雖然目前還沒有看到能夠在公共道路上行駛的無人駕駛汽車，但沃爾沃、福特、豐田都企業已經為L3級別的車輛量產做好了準備，這是非常了不起的成就。

整體而言，輔助駕駛、半自動駕駛和無人駕駛是在並行前進的，只是當前局限於特定區域和道路，在基於更多測試的前提下，未來就會有更多的道路與區域可以開放。相較於技術，劉芳其實對無人駕駛在法律、道德層面所將要遭遇的挑戰更為擔心，比如激光雷達的安裝就涉及車輛改裝，這是否能夠符合高速行駛要求？道路交通管理現狀複雜，涉及眾多政府部門，產生的法律風險誰來承擔？

「我們的朋友圈曾經流傳著這麼一個玩笑話，就是任何一家企業在步入無人駕駛之前，都需要先請一批好的律師。」劉芳說，車廠需要對汽車承擔相應的企業責任，不同車廠有不同的價值觀。例如當駕駛員看到前方有炫光的時候，不同的駕駛員會做出不同的判段和處理，更何況不同的無人駕駛系統。所以，不同的技術誰來做最終的決策？做出決策後誰又來承擔責任？都是未解的難題，複雜度遠遠超出了科技本身，也直接或間接的影響了技術的實施與採納。

「單車智能」算不算「短視」？

目前人們所談論的智能駕駛或是無人駕駛，更多集中在單車智能。有人將其描述為「短視」，意指只有全面引入V2V場景，才能真正表明智能駕駛時代的到來。Bryce Johnstone沒有對此給出「是」或「否」的回答，只是強調說，V2V肯定會改變駕駛員的駕駛習慣。例如，駕車通過十字路口時，汽車相互之間能自行協商，確定讓誰先通過。而更大的進步會出現在「視野盲區」情形中。最嚴重的事故往往發生在高速公路上，主要原因是超車時司機看不到視野盲區，隨著V2V技術的應用，此類事故發生的概率會大大降低。

而要真正實現V2V，硬體、網路、演算法、數據、人工智慧……從硬體到軟體平台「一個都不能少」。傳統的網關/ECU具有了集中計算功能和一組開放API，使汽車從一個帶有一些電子設備的硬體盒子變成了完全連接到雲端的完整的軟體和服務平台。關鍵是，它加速了目標探測、場景理解和感測融合等演算法處理工作。這些可以運行在CPU上；然而，通過GPU計算，性能會提高20倍以上。隨著晶元面積越來越小，功耗越來越低，轉而採用硬體加速解決方案，在此基礎上性能有可能進一步提高10至20倍，這對於越來越電子化的汽車而言是必須的。

「智能歸根到底是一種價值，這種價值通過何種技術手段加以實現才是關鍵。」所以劉芳並不同意「短視」的說法。在她看來，單車也好，V2X系統也罷，其實都是智能的體現。差別在於V2X能夠更好的將智能駕駛、智能交通和智慧社區整合在一起，發揮出更大的價值，從而彌補單車智能的不足，為消費者帶來更多的服務和體驗。只是當前對於V2X來說，它對技術和演進路線的選擇存在挑戰，因為還沒有一種主流技術成熟到能夠讓運營商、車廠、政府部門實現V2X的全面部署；不同車企是否願意加入到V2X的場景中則是另一大挑戰，因為它意味著產業生態環境和商業模式的改變。

所以，在技術方案、商業模式、如何落地實施都仍處於摸索過程中時，劉芳認為每家企業都有自己的優勢與定位，比如感測器融合策略是整車廠核心競爭力，晶元性能、軟硬體結合、功能安全是晶元廠商的核心競爭力，很難將其在不同緯度上直接加以比較，分享與合作應該是現階段的主題，不同生態鏈的參與方輸出自身的能力，共同推動行業的整合與聯動。恩智浦多年來也不遺餘力向行業各大合作夥伴輸出我們的四大核心能力：完整的汽車產品家族；功能安全與信息安全兼顧；產業鏈跨界合作推動技術升級到服務融合；嚴苛的質量規範保障。

英特爾中國研究院院長宋繼強認為目前無人駕駛汽車產業遇到了很好的機遇，行業發展的拐點就在眼前。首先是硬體在極小的面積和極低的成本基礎上實現了大規模計算，例如1995年1GB的存儲器要賣一千美元而現在只要3美分！這就是硬體紅利；其次是人工智慧，它可以讓機器具有分析決策功能，但如果都依靠GPU來解決則功耗很大，所以英特爾最近陸續收購了Nervana、Movidius、Mobileye公司，他們都可以根據具體應用特點做出高功效低功耗的方案；最後則是雲端。無人駕駛有兩個主要受益者，一個是人，另一個是城市交通管理者，如何增加出行便利性？如何通過數據提升城市交通運營預見性和管理效率？車和雲需要在不同層面為無人駕駛方案提供幫助。

圖6：恩智浦大中華區汽車電子業務發展總監劉芳。

「從CT(計算機技術)到RT(機器人技術)時代，人工智慧的發展決定著無人駕駛的乾坤。」在宋繼強看來，機器人技術是計算機技術、機器感應、人工智慧、機械電子、人機互動等多學科的集大成者，而更佳的硬體、更智能的演算法和更大的數據，成就了今天的人工智慧。但從智能到自主，人工智慧在無人駕駛領域也面臨挑戰，例如更多的感測器數據VS實時響應；設備端人工智慧VS雲端人工智慧等。

重在戰略布局

讓我們具體看一看一些核心玩家的戰略布局。

Imagination Technologies Imagination公司的自動駕駛策略涵蓋所有領域，包括GPU、數據機、GPU計算、CNN加速、視覺處理和關鍵連接等，採用業界領先的產品滿足日益增長的處理需求。作為高性能/低功耗圖形處理領域的領先者，Imagination在L4和L5自動駕駛等主要汽車半導體廠商那裡樹立了良好的口碑。通過推動神經網路領域的加速發展，有效地滿足了汽車機器學習和計算機視覺對低成本和高功效處理能力的需求，是這一領域經驗最豐富的IP合作夥伴。

在自動駕駛方面的關鍵產品包括：

1. 8XT GPU。這是目前已經部署在瑞薩RCAR H3產品中的6XT的第二代。這些GPU是高度可定製的，既能夠提高計算性能，也可以實現更好的圖形吞吐量。其計算處理能力達到萬億次浮點運算範圍，可用於實現CNN、Alex Net、GoogleNet、MX Net等。

2. MIPS。最新版I6500-F是一個多線程CPU內核，能夠高效地控制客戶設備的專用加速器。而且還兼容ISO26262 ASIL B (D)。

3. 視覺加速器。我們關注的一個領域是提供一系列可調產品來加速各種神經網路的應用。到目前為止，GPU計算性能指標已經提高了20倍，相應的，GPU的性能比CPU高出了20倍。這樣的加速器將與CPU和GPU一起使用，或者直接與GPU配合使用。這帶來的好處是極大地提高了性能，降低了功耗。

恩智浦

恩智浦在智慧交通領域擁有先行的技術優勢。去年5月，恩智浦推出基於BlueBox中央計算引擎的自動駕駛平台，主要用於幫助OEM主機廠生產、測試無人駕駛汽車。此外，恩智浦自主研發的77GHz雷達解決方案高度集成的汽車雷達MCU和射頻前端技術（RFCMOS或BiCMOS），可應對超短距離、短距離、中等距離和長距離雷達。

在引導汽車電子創新的方向上，恩智浦正加速推進在華戰略布局，以智慧交通和車聯網技術，攜手產業同仁，共同提升中國智能網聯汽車、車聯網自主研發與創新能力，支持中國智慧交通系統的建設。今年5月，恩智浦正式加入國內首個智能網聯汽車試點示範區，成為國家智能網聯汽車（上海）試點示範區新成員，全面支持上海市開展車聯網DSRC技術道路測試。8月成都車展上，恩智浦宣布與長安汽車建立戰略合作夥伴關係，長安將在現有大量採用的恩智浦i.MX6應用處理器的基礎上，規模化升級採用恩智浦信息娛樂整體解決方案。同月，恩智浦攜手廣汽集團共同開發基於乙太網和安全的新一代車載網關平台，推動國內首個整車製造企業自主研發的乙太網網關項目落地

英特爾

英特爾看無人駕駛，是要看包括車、高速網路傳輸、強大後端雲計算與大數據挖掘處理在內的端到端整體平台，而不只是汽車本身。包括車內計算、強大的雲和一套機器學習解決方案、高帶寬/低延遲連接系統、強大的內存和FPGA技術、人機介面以及安全技術等，都被英特爾視作自身的優勢所在。

●英特爾GO自動駕駛開發平台——構建汽車中央大腦中樞

隨著駕駛自動化水平的提高，汽車必須清楚了解前方道路狀況，評估各種可能的場景，並採取最佳的應對措施。這需要汽車進行大量的並行和順序計算，在每秒內處理數百萬個數據點。英特爾GO自動駕駛開發平台提供了一種靈活的架構，包括CPU、FPGA及面向深度學習的硬體加速技術。這種架構同時具有獨特、優化的並行和順序處理能力，能夠將自動駕駛工作負載歸類為需要高效處理的計算類型。通過將凌動、至強處理器、Arria 10 FPGA進行靈活組合，英特爾提供了更節能、設計更合理的解決方案。

●5G網路——汽車與數據中心之間的「高速路」

未來，無人駕駛汽車必須與數十億台設備一起競爭網路帶寬。對運輸服務提供商來說，如果希望充滿信心地部署面向信息娛樂和生產力的全新車載服務，並提供更加安全的無線軟體更新，則必須實現以毫秒計算的數據傳輸速度。英特爾為此推出了業界首個5G無人駕駛平台—英特爾GO，提供5G移動試驗平台，加速早期原型解決方案的開發與試驗，參與3GPP等標準組織的工作與業界共同定義5G標準。

●雲和數據處理分析——讓海量數據增值

無人駕駛汽車將以前所未有的速度收集和分析數據，以提高駕駛安全、提升車內體驗、加強車隊管理，並支持新的贏利性業務模式，例如共乘服務、個性化車載信息娛樂等。面對空前龐大的複雜數據，數據中心必須具備穩定的深度學習模型和強大的計算能力，以確保在無人駕駛執行的每一步，都能保證數據準確性與安全性。

對於在城市環境中行駛的無人駕駛汽車，為了處理其複雜的工作負載問題，英特爾提供了從酷睿處理器到至強處理器的計算能力。在數據中心領域，英特爾至強處理器是部署最為廣泛的基礎設施，主要用於評估機器學習模型。近期，英特爾研究人員採用英特爾至強處理器，成功地將數據中心的人工智慧培訓時間縮短了50倍。此外，英特爾正在美國亞利桑那州、加利福尼亞州、俄勒岡州和德國建立「卓越中心」(CoE)，對無人駕駛汽車進行路測。路測項目可收集創建深度學習模型所需的數據，從而為無人駕駛汽車提供相關的智能。

本文為《電子工程專輯》原創，版權所有，謝絕轉載

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！