首頁熱門文章
AI正驅動聯網汽車的未來 終端設備迎來第三次革命
發布時間：2017-03-24 分類：趨勢研究
2017年，我們正處于終端設備上第三次大革命的曙光中。
第一次終端設備大革命發生于20世紀90年代，當時Windows出現在個人電腦上。第二次大革命誕生于2006年，當時最酷的智能手機iPhone面世?，F在，我們正面臨著終端用戶體驗轉變的風口浪尖上，而汽車成為無可爭議的主角。這種轉變比前兩次更重要，因為它標志著理解物理世界的數字化道路。
在未來5到15年中，汽車行業將發生翻天覆地的變化，而2017年就是這種巨變的起點。市場研究機構Gartner預測，到2020年，上路聯網汽車將達到2.5億輛。大部分增長將是新數據服務和新產品，而非傳統意義上汽車本身的“彎曲金屬和橡膠”。咨詢公司麥肯錫估計，聯網汽車數據以及隨之出現的新商業模式，到2030年價值將達到1.5萬億美元。
2025年的汽車與今天的汽車看起來截然不同。屆時，汽車實際上會變成“輪子上的電腦”，可以產生大量寶貴數據。而只有當基礎設施能夠處理、分析以及從中獲取洞見時，這些數據才會變得有意義。這也就是為何人工智能（AI）正驅動聯網汽車未來的原因。
有許多趨勢正幫助形成汽車的未來，其中之一就是計算技術的大規模注入，這將從根本上改變汽車上的電子設計。除了音箱，汽車將可以運行復雜的程序。就像iPhone已經證明電腦可以進行語音通話那樣，未來汽車也可展現出電腦能夠每天移動我們的能力。汽車還將經歷傳感器革命，傳感器成本下降的同時，我們會看到功能方面的巨大進步。為此，汽車最終將安裝數十種短程傳感器，收集有關它們環境的海量數據。
此外，對于2025年的汽車來說，連接到云端將是核心部分。汽車將不再是孤立的模塊，在20年的生命周期中始終保持不變。相反，它們將能夠從云端下載新的功能。所有傳感器數據將被發送到云端或使用V2V（汽車對汽車）和V2I（汽車對基礎設施）點對點傳送，后者將讓短程數據變得更加有用。這些數據將被收集以形成街道層面甚至城市層面的交通全景圖。就像個人電腦和智能手機那樣，云端也將成為信息、應用以及處理的中央知識庫。
然而，要想這些趨勢結出碩果，我們首先需要在軟件方面進行革命。上述所有技術都將產生大量數據，機器學習和人工智能將是處理數據必不可少的幫手。如今，我們已經看到機器學習和人工智能幫助計算機能力取得大幅進步，特別是做出決策和理解圖像方面，但這些還只是個開始。
IHS Technology發布報告顯示，汽車中AI系統的數量將從2015年的700萬個增至2025年的1.22億個。人工智能將成為新的標準，也將改變人類與汽車互動的方式。一種方式是通過信息娛樂系統和更智能化的互動。人工智能也將支持更多功能，比如語音識別、手勢識別、司機監控、虛擬選注、自然語言理解等。司機將能夠與汽車交流，后者可基于需求做出預期回應。
人工智能還可幫助先進司機輔助系統（ADAS）變成主流現實。這種系統和自動汽車需要基于攝像頭的機器視覺系統、基于檢測單元的雷達、駕駛員狀態評估以及傳感器融合發動機控制單元（ECU）等相結合才能工作。據IHS預測，深度學習是全自動汽車的關鍵。它可以幫助汽車發現和識別目標物體、預測行動以及適應新的路況等。
實現全自動汽車的目標依然很遙遠，我們才剛剛起步。盡管2016年呈現出這種可能性，但我們依然需要數年時間才能看到自動化水平達到4級的汽車進入大眾市場。2017年，汽車行業將取得更多重要里程碑。我們將建設更多收集數據的關鍵基礎設施，并為先進司機輔助系統創造更詳細的實時地圖。今天，要想實現這個目標有2種選擇，但我們將看到第三種替代方案出現。
一種選擇是打造高度儀表化汽車，它可以拍攝靜止對象的圖片和記錄位置。這種所謂的“毫米精度”需要精確的車道和方向信息。但從投入成本和時間角度來看，這個選擇是非常昂貴的，它還要求進行持續更新，以便保持數據始終處于最新狀態。第二種選擇是打造半自動化汽車來收集數據，這要求新一代汽車配有先進的傳感器，但2017年很少有汽車能配備這樣的設施。
第三種選擇是使用全新數據，從其他已經上路的非自動化汽車上收集數據。舉例來說，在相同的位置發現多輛汽車突然轉向，這可能意味著前方存在障礙。而注意到車輪打滑或擋風玻璃上的雨刷器啟動，可能為我們提供精確的天氣變化信息。機器學習的優勢在于，所有數據都能通知下一代汽車上的先進司機輔助系統，并為未來汽車提供更好的模式。
