c

自动驾驶是乘客经济崛起核心

文=宋继强

作为一名有多年驾龄的老司机,我早已熟悉了手握方向盘的感觉。作为一名科技工作者,我正和同事们全力解放我们的双手,或者说将我们从“司机”这个角色里完全解放出来。我们所做的,就是要加速实现自动驾驶。 很多厂商已经震开汽车的自动驾驶路测,这—方面是为了获得视觉与地图数据,另—方面鼬是为了获取针对各种交通状况识别、训练、决策的数据。

 

交通出行方式的进化总是在突破某方面的限制——比如从马车到汽车,突破的是体能(肌肉)的上限;而自动驾驶将要突破人类感知能力和驾驶决策能力的上限,同时也将突破汽车个体的限制,从而建立一个广泛且庞大的全新生态系统。

 

所以,自动驾驶不只是技术的演进,它更像是一场出行的革命。

 

乘客经济开启全新社会经济模式

 

自动驾驶将带来什么?它将使汽车保有量大幅下降,尤其是在北京、上海等大城市。未来,自动驾驶将让汽车成为真正的交通服务工具,以更少的汽车满足更多人的需求。

 

它还将有效释放每个人的时间盈余。有数据显示,在世界上最拥堵的城市,自动驾驶汽车每年将为出行者节省超过2.5亿小时的通勤时间。就我自己而言,我计算了一下,自动驾驶汽车将让我每年多出近50个工作日的时间。这毫无疑问是一笔令人惊喜的新增时间财富。

 

自动驾驶将要引发的革命,自然不止这些。它将为经济和社会打开一扇新的大门,催生新的产品与服务,我们称之为“乘客经济”。

 

英特尔与合作伙伴Strategy Analytics联合发布的报告显示,到2050年,自动驾驶将催生价值7万亿美元的全新“乘客经济”,规模超过2017年日本和巴西的预期国内生产总值之和。

 

这其中,出行者使用各种“出行即服务”产品将带来3.7万亿美元的收入,约占总收入的55%;企业使用“出行即服务”将产生3万亿美元的收入,约占总收入的43%;此外,新兴应用和服务还将带来2000亿美元的收入。

 

显然,出行者和企业使用“出行即服务”预计将带来最大的价值,因为这涉及汽车保有观念的转变,也是自动驾驶汽车将司机转变为乘客的直接效果。出行者将完全脱离与汽车的一对一关系,能够从形形色色的“出行即服务”提供商中进行选择;企业将成为自动驾驶汽车早期销售阶段的重要推动因素,并从B2B“出行即服务”中获取巨大收益。

 

不只是经济价值,乘客经济也意味着显著的社会效益提升。除了前面提到的更多的时间盈余,自动驾驶还将有效地减少车祸、交通事故和拥堵。目前,94%的事故是人为失误造成的。保守估计,从2035年到2045年,由于自动驾驶汽车的出现,只要能避免5%交通事故的发生,就将挽救超过58万人的生命!

 

针对老龄化社会、城市病等诸多社会难题,自动驾驶不啻为一剂良方。科技让生活更美好,将又一次精彩上演。

 

数据是“智能方向盘”

 

“乘客经济”的关键,在于自动驾驶的实现;自动驾驶技术发展的关键,则在于数据。

 

在即将到来的数据洪流时代,数据是新石油,从数据里我们可以提取非常多的价值,数据+计算能力给人类带来全新的機遇。

 

自动驾驶汽车和相关设施正是数据洪流的重要源头之一。让我们回到自动驾驶汽车本身。除了活塞、活塞环和发动机组,摄像头、雷达、声纳、GPS和激光雷达,都是自动驾驶必不可少的组件。摄像头每秒生成20MB-60MB数据,雷达每秒最多可生成10KB,声纳每秒10KB-100KB,GPS将以每秒50KB的速度运行,激光雷达运行时则是每秒10MB-70MB数据……这些感知能力让自动驾驶汽车成为数据的“活水之源”。

 

预计到2020年,平均每辆自动驾驶汽车每天将产生4TB的数据量,而届时3000个互联网用户全天才能产生同样规模的数据量。想象一下,你在微信上有3000个好友,而你每时每刻都在关注、接收每一位好友发布的新消息——这是多么繁重的任务。

 

对于自动驾驶而言,从数据中提取价值,是实现“乘客经济”技术演进的根本。换言之,海量数据及自动分析、决策,将为自动驾驶装上智能的“方向盘”,当然这种“方向盘”可能只是一种无形的软件。

 

我们现在也看到,很多厂商已经展开汽车的自动驾驶路测,这一方面是为了获得视觉与地图数据,另一方面则是为了获取针对各种交通状况识别、训练、决策的数据。这两种数据都非常重要。

 

根据不同国家的国情,数据所需的更新频率也各不相同。比如发达国家,基础设施建设已经达到一定程度,自动驾驶相应的数据更新频率就不需要很快;而在很多发展中国家,比如中国,城市面貌、道路状况等日新月异,数据就需要比较高的更新频率。

 

同时,就地理信息和地图数据而言,众包模式将是最快捷、最经济有效的数据更新方式——自动驾驶的数据获取只靠一家公司来做,不但耗时,而且很难达到及时更新的要求。

 

很多业界人士倡议自动驾驶数据共享,但各大厂商本身未必有足够的意愿和动力,毕竟这些数据很可能构成了各家竞争决胜的差异点。如果由政府或者具备公信力的第三方机构来搭建共享平台,可能是一种行之有效的方法。特别是在中国,政府在推动新技术发展或者不同技术融合上具备权威性优势,在数据的整合和共享上也有着相对的优势。

 

车云融合加速自动驾驶进程

 

自动驾驶数据也面临诸多挑战。当庞大的感知数据源源不断地涌进自动驾驶汽车,我们需要把这些数据融合在一起,以便理解在周围的场景中发生着什么,从而作出正确的决策。这对数据的分析和处理是很大的挑战。这不仅涉及单台车辆采集到的数据,更牵涉多台车辆间的数据协同;这不仅是大数据的处理,还要能够从数据中即时提取出与当前驾驶决策最相关的小数据。

 

攻克自动驾驶技术发展面临的数据挑战,最重要的途径,是打造以人工智能为核心,从车、网络到云的良性循环。

 

从车到云,一端是车,另一端则是云,也就是离汽车很远的数据中心,中间是网络接入的地方,它也是一个智能节点,我们称之为边缘计算。

 

从终端到云端的这三点具备各自的特点和优势。车本身要负责数据的感知和决策,因此要具备人工智能,此外还要把数据上传到网络和云端。边缘计算部署于每一个道路场景的周边,能够更加清楚地把一定范围内实时的交通和地图信息传递给车辆,或者把周边信息更新后再汇集到云端。云端的优势是计算能力非常强大,可以帮助车更新人工智能算法的模型,去增加或者扩展它的能力,也就是让车的“大脑”更聪明。

 

举例来说,一台车遇到或者处理过的异常场景不算很多,但如果我们把不同国家、不同城市、不同时间的车发现的异常场景数据上传到云端,并以此来训练人工智能模型,则可以让它更好地感知、决策,更完美地处理各种状况,从而让自动驾驶技术更臻于成熟。

 

因此,车云融合——建立车、网络到云的良性循环,是推动自动驾驶从理想变成现实的必由之路。这需要一套完整的端到端的技术和解决方案,并具备强大的计算创新力,而这正是英特尔一直以来所致力的技术方向。

 

英特尔通过从车到云全方位的芯片技术来加速感知和推理能力的提高,通过先进的5G通讯技术来实现V2V、V2I和V2X,通过整合智能计算、通信和存储技术的解决方案来推进试验和部署。英特尔正在以前所未有的努力来引领车云融合的自动驾驶进程。

 

出行的进化,自动驾驶汽车相对于传统汽车,绝不是缓慢的渐变,它更像是物种大爆炸似的革命。为了迎接这场革命,从国外到国内、从政府到产学研各界,大家群策群力正使得自动驾驶发展的加速度日趋明显。这一场出行革命带来的“乘客经济”,揭示了诱人的前景;而每一位出行者将享受到的空前便捷的出行体验,更让我们拭目以待。信息化周刊

 

摘自:《财经》2017年22期

电子杂志阅读

微信扫一扫

 

 

 

 

 

 

评分
( 0 人投票 0分 )

提交评论(不超过800字)