很容易將自動駕駛汽車等技術視為獨立的產(chǎn)品，但是把自動駕駛汽車看作一種創(chuàng)新實際上更有意義——也更準確——這種創(chuàng)新也只有在四種基本技術到位并融合的情況下才會出現(xiàn)：人工智能、云、邊緣計算和物聯(lián)網(wǎng)。下面我們來看看使自動駕駛汽車成為可能的四種融合技術，以及它們是如何協(xié)同工作來推動這一令人激動的進步的。

1、人工智能

AVS，也被稱為自動駕駛汽車或無人駕駛汽車，在很大程度上依賴于復雜的人工智能來行駛在復雜的道路上，并安全地將乘客從一個地點運送到另一個地點。這個人工智能還必須學習并遵守當?shù)氐慕煌ǚㄒ?guī)，并執(zhí)行其他只有人類駕駛員才能執(zhí)行的復雜操作。AVS不斷地學習如何更好地駕駛，而且隨著它們在路上的時間越來越多，它們的表現(xiàn)只會越來越好。單個車輛所學的知識可以復制到其他車輛上，從而提高整個車隊的效率。

2、云

這種持續(xù)學習的關鍵是云，大量的訓練數(shù)據(jù)被實時保存并繼續(xù)積累?？梢源鎯υ谠浦械恼鎸嶑{駛示例越多，系統(tǒng)就越能更好地訓練自動駕駛汽車在公共道路上行駛。機器學習模型和深度神經(jīng)網(wǎng)絡在云中分析這些數(shù)據(jù)，并改進訓練模型，使自動駕駛在邊緣進行。自動車輛制造商可以集中分析位于其所有車輛中物聯(lián)網(wǎng)傳感器收集的匯總數(shù)據(jù)，并利用由此產(chǎn)生的見解改善駕駛體驗。

3、邊緣計算

盡管這里探索的所有融合技術對自動駕駛汽車的成功至關重要，但也許沒有哪一種技術比邊緣計算更為關鍵。當外出時，就像人類駕駛員一樣，自動駕駛汽車必須在瞬間做出決定，以確保乘客的安全并避免事故。在純云場景中，這一決策根本不可能實現(xiàn)。想象一下，一輛汽車試圖將實時數(shù)據(jù)傳輸?shù)皆贫?，并等待左轉(zhuǎn)或停車的決定，尤其是在移動網(wǎng)絡有限或沒有移動網(wǎng)絡的地區(qū)。因此，自動駕駛汽車依靠邊緣計算在現(xiàn)場進行實時決策，使其能夠正常工作。

4、物聯(lián)網(wǎng)

自動駕駛汽車是物聯(lián)網(wǎng)的一部分，因此需要與物聯(lián)網(wǎng)連接才能發(fā)揮作用。它們看起來可能是獨立的交通工具，但自動駕駛汽車需要連接到邊緣計算服務和云計算，以便實時做出決策，并將分析結(jié)果發(fā)送回其制造商，從而實現(xiàn)性能的持續(xù)改進。未來，更快的5G網(wǎng)絡將進一步加強這些連接，并使包括自動駕駛在內(nèi)的一系列創(chuàng)新變得越來越可行。

自動駕駛汽車將何時到來?

隨著這四項技術的融合，我們正在接近一個自動駕駛汽車成為日常生活一部分的未來。不過，我們還需要等待時日。據(jù)《連線》報道，2018年初，一輛無人駕駛的優(yōu)步汽車在亞利桑那州坦佩市撞死了一名名叫伊萊恩·漢茲伯格(Elaine Hanzberg)的女子。根據(jù)汽車工程師協(xié)會的定義，大多數(shù)目前正在測試的自動駕駛汽車在地理圍欄區(qū)域內(nèi)以4級熟練程度運行，而最終目標是完全自主的L5級能力。

盡管不需要任何人監(jiān)督的全自動汽車在短期內(nèi)不可能實現(xiàn)，但我們很可能會在某個時候在街道上看到它們。憑借其持續(xù)的學習能力，自動駕駛汽車有朝一日能夠像任何人類駕駛員一樣出色地在開闊的道路上行駛——這反過來將極大地改變我們對未來幾十年交通的看法。