AI正驱动联网汽车的未来：终端设备迎来第三次革命

据Venturebeat报道，2017年，我们正处于终端设备上第三次大革命的曙光中。第一次终端设备大革命发生于20世纪90年代，当时Windows出现在个人电脑上

据Venturebeat报道，2017年，我们正处于终端设备上第三次大革命的曙光中。第一次终端设备大革命发生于20世纪90年代，当时Windows出现在个人电脑上。第二次大革命诞生于2006年，当时最酷的智能手机iPhone面世。现在，我们正面临着终端用户体验转变的风口浪尖上，而汽车成为无可争议的主角。这种转变比前两次更重要，因为它标志着理解物理世界的数字化道路。

在未来5到15年中，汽车行业将发生翻天覆地的变化，而2017年就是这种巨变的起点。市场研究机构Gartner预测，到2020年，上路联网汽车将达到2.5亿辆。大部分增长将是新数据服务和新产品，而非传统意义上汽车本身的“弯曲金属和橡胶”。咨询公司麦肯锡估计，联网汽车数据以及随之出现的新商业模式，到2030年价值将达到1.5万亿美元。

2025年的汽车与今天的汽车看起来截然不同。届时，汽车实际上会变成“轮子上的电脑”，可以产生大量宝贵数据。而只有当基础设施能够处理、分析以及从中获取洞见时，这些数据才会变得有意义。这也就是为何人工智能（AI）正驱动联网汽车未来的原因。

有许多趋势正帮助形成汽车的未来，其中之一就是计算技术的大规模注入，这将从根本上改变汽车上的电子设计。除了音箱，汽车将可以运行复杂的程序。就像iPhone已经证明电脑可以进行语音通话那样，未来汽车也可展现出电脑能够每天移动我们的能力。汽车还将经历传感器革命，传感器成本下降的同时，我们会看到功能方面的巨大进步。为此，汽车最终将安装数十种短程传感器，收集有关它们环境的海量数据。

此外，对于2025年的汽车来说，连接到云端将是核心部分。汽车将不再是孤立的模块，在20年的生命周期中始终保持不变。相反，它们将能够从云端下载新的功能。所有传感器数据将被发送到云端或使用V2V（汽车对汽车）和V2I（汽车对基础设施）点对点传送，后者将让短程数据变得更加有用。这些数据将被收集以形成街道层面甚至城市层面的交通全景图。就像个人电脑和智能手机那样，云端也将成为信息、应用以及处理的中央知识库。

然而，要想这些趋势结出硕果，我们首先需要在软件方面进行革命。上述所有技术都将产生大量数据，机器学习和人工智能将是处理数据必不可少的帮手。如今，我们已经看到机器学习和人工智能帮助计算机能力取得大幅进步，特别是做出决策和理解图像方面，但这些还只是个开始。

IHS Technology发布报告显示，汽车中AI系统的数量将从2015年的700万个增至2025年的1.22亿个。人工智能将成为新的标准，也将改变人类与汽车互动的方式。一种方式是通过信息娱乐系统和更智能化的互动。人工智能也将支持更多功能，比如语音识别、手势识别、司机监控、虚拟选注、自然语言理解等。司机将能够与汽车交流，后者可基于需求做出预期回应。

人工智能还可帮助先进司机辅助系统（ADAS）变成主流现实。这种系统和自动汽车需要基于摄像头的机器视觉系统、基于检测单元的雷达、驾驶员状态评估以及传感器融合发动机控制单元（ECU）等相结合才能工作。据IHS预测，深度学习是全自动汽车的关键。它可以帮助汽车发现和识别目标物体、预测行动以及适应新的路况等。

实现全自动汽车的目标依然很遥远，我们才刚刚起步。尽管2016年呈现出这种可能性，但我们依然需要数年时间才能看到自动化水平达到4级的汽车进入大众市场。2017年，汽车行业将取得更多重要里程碑。我们将建设更多收集数据的关键基础设施，并为先进司机辅助系统创造更详细的实时地图。今天，要想实现这个目标有2种选择，但我们将看到第三种替代方案出现。

一种选择是打造高度仪表化汽车，它可以拍摄静止对象的图片和记录位置。这种所谓的“毫米精度”需要精确的车道和方向信息。但从投入成本和时间角度来看，这个选择是非常昂贵的，它还要求进行持续更新，以便保持数据始终处于最新状态。第二种选择是打造半自动化汽车来收集数据，这要求新一代汽车配有先进的传感器，但2017年很少有汽车能配备这样的设施。

第三种选择是使用全新数据，从其他已经上路的非自动化汽车上收集数据。举例来说，在相同的位置发现多辆汽车突然转向，这可能意味着前方存在障碍。而注意到车轮打滑或挡风玻璃上的雨刷器启动，可能为我们提供精确的天气变化信息。机器学习的优势在于，所有数据都能通知下一代汽车上的先进司机辅助系统，并为未来汽车提供更好的模式。