英特爾聯手阿里雲打造智能駕駛艙新體驗
你有沒有計算過每天你在交通工具上的時間會有多少?這部分時間如果用來進行工作或信息獲取,能夠給你帶來多少額外的機遇和成長?當無人駕駛技術正在循序漸進的逐級推進,車內乘客的時間逐漸被開發出來,這將成為技術廠商和信息服務商共同瞄準的新商機。
作為自動駕駛的領導者,英特爾認為無人駕駛的發展將催生全新「乘客經濟」時代的到來。「乘客經濟」不僅擁有巨大的經濟潛力(英特爾預計到2050年無人駕駛將催生價值7萬億美元的「乘客經濟」),產生全新的商業模式(出行即服務),同時也將產生巨大的社會效益(減少車禍、節約通勤時間和降低公共安全成本等方面)。為此,在全面推進自動駕駛技術的同時,英特爾瞄準了座艙內的信息娛樂服務這個絕對新興的市場,這一次英特爾選擇了與阿里巴巴強強聯手,共同打造基於英特爾全新一代車規級晶元家族Apollo Lake處理器和AliOS的下一代電子座艙解決方案,旨在為汽車廠商和一級供應商提供滿足系統整合需求的軟硬一體多樣化選擇,以不斷豐富本地生態,加速產品開發進程,更助力用戶持續創新。
近日,在阿里雲棲大會深圳站的現場,英特爾無人駕駛事業部、汽車電子事業部中國區總監徐偉傑聯手AliOS核心系統事業部總經理謝炎共同與大家分享了對未來智能坐艙模式的新構想。智能駕駛艙主打的是用戶體驗,為了提升用戶體驗效果需要系統支持一些虛擬化的技術,並且有更好的OS滿足本地生態的需求。對此次合作的雙方而言,基於AliOS和英特爾研發的下一代電子座艙,將更多數字化內容引入座艙內,利用Apollo Lake處理器強大的計算能力和AliOS豐富的生態使電子模塊部分從分立走向整合,大大提升人機交互和多屏幕的數字儀錶/車載信息娛樂體驗。
針對智能座艙的硬體需求,英特爾徐偉傑介紹,英特爾的Apollo Lake處理器通過基於ACRN虛擬化軟體技術實現同時多個操作系統的區隔運行,使得各系統具有的不同特性能夠滿足於不同子功能的應用需求。這就意味著以前需要兩套硬體分別處理儀錶和信息娛樂系統,現在通過虛擬化可以用一套硬體跑不同系統來實現。英特爾是全球虛擬化技術的先行者,虛擬化技術最早商用是在伺服器上,為了更好的提升汽車處理器上的虛擬化技術,英特爾特別在上海成立了上百人ACRN的虛擬化的軟體研發團隊,提升計算能力和負載的整合。特別的,徐偉傑強調,「高清屏幕化的互動要求越來越高,2018的CES上可以看到下一代車一整套打通,以前兩個屏就可以了,現在可以接四到五個甚至六個高清屏,我們在Apollo Lake可以最多支持六塊高清的屏甚至4K,下一代的晶元會支持5K的屏」。
有了出色的硬體技術支持,智能座艙的用戶體驗更多的還是需要依靠傑出的操作系統來實現,這方面AliOS以驅動萬物智能為目標,可應用於智聯網汽車、智能家居、手機、Pad等智能終端,為行業提供一站式IoT解決方案,構建IoT雲端一體化生態,使物聯網終端更加智能。謝炎直言,從汽車開始AliOS正在定義一個不同於PC和移動時代的物聯網操作系統。
作為為汽車量身定製的操作系統,AliOS2016年在量產車中正式實現商用,並率先提出「去APP化」的全新生態模式。謝炎介紹,從數據到安全、到人工智慧的能力,汽車有自己獨特的需求,這是AliOS需要定製汽車操作系統的出發點,AliOS可實現專屬賬號、雲端一體化架構、智能語音交互、OTA空中升級、地圖即桌面、智能硬體接入、亞米級高清定位、免下車支付、車輛組隊、美食地圖、充電地圖、O2O服務預約、雙盲導航、手機手錶智能操控等,為用戶提供面向智聯網時代的全新車生活。通過AliOS的龐大生態,智能汽車已經實現了與無人機、手錶甚至智能家庭等設備的互通互聯,未來還將提升更多的設備接入,打造基於汽車的完整的智能物聯生態。
去APP化是AliOS在汽車方面非常關鍵的特點,謝炎表示這是應用場景的特點決定的,「去APP化不等於不開放,只不過APP尋找、安裝、再尋找、再打開不是最適用的,並不意味著我們認為這個系統是預裝的,而是在車上獲得所需的互聯網後,所需的應用會根據車輛當前的狀況、人的狀況、當前處在的環境狀況獲得。這不是安裝一個應用,而是本地的應用應該去哪裡,購買什麼東西,在最恰當的地方,通過恰當的方式獲得服務,這個概念是AliOS一直在推廣的,車上是非常適用的環節。」通過AliOS在其他方面的生態能力,可以根據實際場景的變化,提供相應場景的多模態交互,需要什麼服務就可以調用相關的服務,節省了安裝的環境,「在整個生態上需要更多的數據融合、服務的打通,我們做的就是能用融合體驗的方式提供給消費者」。
AliOS已與上海汽車、神龍汽車、福特汽車實現戰略合作,目前已有超過50萬輛搭載AliOS的智聯網汽車跑在路上,這些系統的日活非常高,基本上能夠達到99%。未來,AliOS將持續深耕汽車操作系統領域,攜手斑馬網路和更多汽車全產業鏈的合作夥伴,共同推動汽車行業的智能化轉型。
※手把手教你如何分析看門狗電路
※機器學習到底需要多少數據?可能並不是越多越好
TAG:電子產品世界 |