目前，苹果公司目前在美国加利福尼亚州的自动驾驶测试车辆已增至50辆，而在今年1月时，还仅为27辆。短短不到半年时间，数量增加了一倍。

看看加州各大企业在测登记的无人驾驶车辆，除了通用、丰田这样的传统车企，清一色的科技巨头和创新公司。

目前美国加州地区自动驾驶公司测试车数量排名

举报

无人驾驶的核心是数据驱动

电动车窗、无钥匙进入、巡航控制、ABS......类似这些功能，现在基本上都是车辆的“标配”。你可能觉得，自动化、智能化的汽车可能离我们并不遥远。不过，说起自动驾驶，则完全是另一码事。要实现并交付整车控制，可不是件容易的事，整个过程需要更高的信任度。

美国国家公路交通安全管理局（NHTSA）报告显示，94％的车辆事故与人的选择或错误有关，是造成汽车碰撞的关键原因。其中41％是识别错误（注意力不集中、注意力分散、监控不足），31％是决策错误（驾驶速度太快、误判别人的行为或其他人的差距和速度），11％是性能错误（过度补偿），7％是非性能错误（最常见的是睡着了）。

安全地将汽车自动从A目的地行驶至B目的地，本质上是一个需要同时协商各种动态任务的过程：搜寻目的地之间可用的道路（知道你要去哪儿）安全驾驶车辆并符合当地法规要求（合规）观察对象和事件并作出相应的反应（根据情况做适当决策）

为了完成这些任务，需要在单个汽车内同时使用许多不同的系统。例如，GPS系统和地图绘制软件可用于导航，摄像头则用于识别沿途的行人、非机动车和其他物体，包括激光雷达和雷达在内的传感器用于识别前方、后方和侧面的车辆。通过软件分析评估每个摄像头和传感器输入的具体任务，综合结果确定车辆性能。简单说就是这样。

自动驾驶汽车具有连续360°视图（无盲点）的优势，并可根据自身和其他车辆或物体的速度，确定安全距离和正确的行驶决策。当然，自动驾驶系统更不会受来电、文本信息的干扰。诚然，这项技术面临诸多挑战，例如动态天气管理和照明条件，应对意想不到的行为，如汽车闯红灯等。

遍布汽车内外的传感器和控制单元。来源：AutonomouStuff LLC

自动驾驶过程中所涉及的一系列的判断和决策不单单是一个模型训练和互联技术问题。MIT有一个有趣的网站(http://moralmachine.mit.edu/)，探讨人类对机器伦理的观点。自动驾驶汽车在面对生死情况时会如何做选择？虽然有些场景非常极端，不过做判断似乎也不难：

牺牲猫还是老太太？

当然，情况可能会变得更复杂。

牺牲乘客还是行人？

甚至有非常有趣的观点，认为需要在自动驾驶汽车中预先编入关于“生死攸关”分析模型的潜在保险后果。赔还是不赔？怎么赔？强大的保险公司会是另一个非常重要的参与方。

实现自动驾驶系统的根本难度和复杂性在于，变量和取舍因素太多了。所有这一切，都离不开数据。

那么数据该如何安放呢？

保守估计，一般每辆汽车每天至少生成10TB测试数据，每年就是2.4PB，以苹果公司的55辆车自动驾驶测试车计算，一年的数据量就是132PB，并且，这些测试数据还需要长期保存。

对这个数据量没概念？好吧，Twitter2.7亿用户每天产生的数据量是大约是100GB，相当于自动驾驶测试汽车的千分之一。毫无疑问，自动驾驶是一个靠海量数据喂养出来的系统。

自动驾驶系统存储考量：车载容量、主存储、归档和数据保护

有能力管好数据是根本前提。适当的车载存储容量，可快速提取到开发系统进行工程分析和建模，保留并保护数据以支持反向测试......以上种种，缺一不可。

车载存储大小取决于部署的摄像头和传感器数量，以及数据上传之间的持续测试时间。例如，每天生成4TB数据的测试车辆，可能要连续进行10天的测试道路测试，那么车载容量至少需要40TB。同时，车辆状况并不像典型的数据中心环境一样受控制，必须综合评估温度、湿度、冲击和震动等环境因素。

再比如，开发系统中的数据需要支持工程团队直接访问，具备快速接口（如Fibre Channel）的车载系统可最大限度缩短数据采集时间。同时，存储性能必须满足分析和建模要求，并支持工程团队共享内容。

ADAS(高级驾驶辅助系统)自动化的六个层级

Loop数据模拟中的软硬件--简化的工作流

Hadoop数据接入、RESTfulAPI和机器学习：OneFS支持多协议

单一系统大容量、极致的便捷性、数据分层和高效的数据保留机制、多协议访问、高性能和高可用......要应对自动驾驶系统产生的海量数据，无论传统汽车制造商、供应商，还是新兴技术公司，都需要一个“专事专办”的系统。

从技术到生态的立体工程

不久前，戴尔科技集团宣布加入汽车边缘计算联盟（AECC），以推动新兴连接和自动驾驶汽车市场。联盟重点聚焦以更智能的方式管理汽车大数据。麦肯锡公司预测，到2030年，连接汽车数据的价值，以及由此产生的新商业模式的价值，每年可能高达1.5万亿美元。

戴尔科技集团对AECC的贡献将有助于发展网络架构和计算基础架构，提高管理汽车大数据的效率。这些技术对于确保联网汽车智能驾驶非常重要。为此，未来5-10年内，汽车需要配备快速互联网接入、人工智能和大数据分析能力。AECC计划中还包括英特尔、爱立信、丰田等业界响当当的名字。

作为未来模型的一部分，车辆需要通过边缘计算和网络连接到数据中心云和各种公共云，以便实时传输大量数据。戴尔科技集团将与从传统汽车、移动出行到新兴技术公司在内的各领域玩家合作，提供下一代移动网络和云计算架构支持。

“我们都能看到的是，汽车走向智能化，人工智能日益成为主流，以满足连接汽车工作负载的复杂性要求。同时，我们更应意识到，精心设计、高效的计算和存储不可或缺。”戴尔易安信首席技术官John Roese表示，“数据结构将通过语义丰富的数据管理框架和主动归档进行简化。在这个全新的代码和数据世界中，软件更新和高分辨率地图需要一种新方法，一种利用云原生、微服务、动态策略分配等保障软件创新和安全的方法。这是非常必要的，因为我们将看到自动驾驶汽车成为新一代移动计算平台。”

想想当年的PC行业，一开始，苹果公司跳出一个解决方案，IBM歇了。但是，IBM能够让微软提供可以让其重回游戏的技术，同样的技术催生了戴尔。现在，戴尔易安信与Pivotal，使用一种类似的方法来帮助汽车领域完成同样的事情。技术市场创建的模型是否适用于汽车这个移动的“盒子”，未来几年或许就会见分晓。

各位读者

关于那道牺牲乘客还是行人伦理题

如果你是司机，你会如何选择？

欢迎移步留言区说出你的想法