在未來5到15年中，汽車行業(yè)將發(fā)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(gòu)Gartner預測，到2020年，上路聯(lián)網(wǎng)汽車將達到2.5億輛。大部分增長將是新數(shù)據(jù)服務和新產(chǎn)品，而非傳統(tǒng)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(lián)網(wǎng)汽車數(shù)據(jù)以及隨之出現(xiàn)的新商業(yè)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(chǎn)生大量寶貴數(shù)據(jù)。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(shù)據(jù)才會變得有意義。這也就是為何人工智能(AI)正驅(qū)動聯(lián)網(wǎng)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(guī)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(jīng)證明電腦可以進行語音通話那樣，未來汽車也可展現(xiàn)出電腦能夠每天移動我們的能力。汽車還將經(jīng)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(shù)十種短程傳感器，收集有關它們環(huán)境的海量數(shù)據(jù)。

 

        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(shù)據(jù)將被發(fā)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(shù)據(jù)變得更加有用。這些數(shù)據(jù)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(jié)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(chǎn)生大量數(shù)據(jù)，機器學習和人工智能將是處理數(shù)據(jù)必不可少的幫手。如今，我們已經(jīng)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(fā)布報告顯示，汽車中AI系統(tǒng)的數(shù)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?nèi)祟惻c汽車互動的方式。一種方式是通過信息娛樂系統(tǒng)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(jiān)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(tǒng)(ADAS)變成主流現(xiàn)實。這種系統(tǒng)和自動汽車需要基于攝像頭的機器視覺系統(tǒng)、基于檢測單元的雷達、駕駛員狀態(tài)評估以及傳感器融合發(fā)動機控制單元(ECU)等相結(jié)合才能工作。據(jù)IHS預測，深度學習是全自動汽車的關鍵。它可以幫助汽車發(fā)現(xiàn)和識別目標物體、預測行動以及適應新的路況等。

 

        實現(xiàn)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(xiàn)出這種可能性，但我們依然需要數(shù)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(yè)將取得更多重要里程碑。我們將建設更多收集數(shù)據(jù)的關鍵基礎設施，并為先進司機輔助系統(tǒng)創(chuàng)造更詳細的實時地圖。今天，要想實現(xiàn)這個目標有2種選擇，但我們將看到第三種替代方案出現(xiàn)。

 

        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(xù)更新，以便保持數(shù)據(jù)始終處于最新狀態(tài)。第二種選擇是打造半自動化汽車來收集數(shù)據(jù)，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(shù)據(jù)，從其他已經(jīng)上路的非自動化汽車上收集數(shù)據(jù)。舉例來說，在相同的位置發(fā)現(xiàn)多輛汽車突然轉(zhuǎn)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(yōu)勢在于，所有數(shù)據(jù)都能通知下一代汽車上的先進司機輔助系統(tǒng)，并為未來汽車提供更好的模式。