自動駕駛是乘客經濟崛起核心

宋繼強

針對我們面臨的老齡化社會、城市病等諸多社會難題，自動駕駛不啻為一劑良方

作為一名有多年駕齡的老司機，我早已熟悉了手握方向盤的感覺。作為一名科技工作者，我正和同事們全力解放我們的雙手，或者說將我們從“司機”這個角色里完全解放出來。我們所做的，就是要加速實現自動駕駛。

很多廠商已經震開汽車的自動駕駛路測，這—方面是為了獲得視覺與地圖數據，另—方面鼬是為了獲取針對各種交通狀況識別、訓練、決策的數據。

交通出行方式的進化總是在突破某方面的限制——比如從馬車到汽車，突破的是體能（肌肉）的上限;而自動駕駛將要突破人類感知能力和駕駛決策能力的上限，同時也將突破汽車個體的限制，從而建立一個廣泛且龐大的全新生態系統。

所以，自動駕駛不只是技術的演進，它更像是一場出行的革命。

乘客經濟開啟全新社會經濟模式

自動駕駛將帶來什么？它將使汽車保有量大幅下降，尤其是在北京、上海等大城市。未來，自動駕駛將讓汽車成為真正的交通服務工具，以更少的汽車滿足更多人的需求。

它還將有效釋放每個人的時間盈余。有數據顯示，在世界上最擁堵的城市，自動駕駛汽車每年將為出行者節省超過2.5億小時的通勤時間。就我自己而言，我計算了一下，自動駕駛汽車將讓我每年多出近50個工作日的時間。這毫無疑問是一筆令人驚喜的新增時間財富。

自動駕駛將要引發的革命，自然不止這些。它將為經濟和社會打開一扇新的大門，催生新的產品與服務，我們稱之為“乘客經濟”。

英特爾與合作伙伴Strategy Analytics聯合發布的報告顯示，到2050年，自動駕駛將催生價值7萬億美元的全新“乘客經濟”，規模超過2017年日本和巴西的預期國內生產總值之和。

這其中，出行者使用各種“出行即服務”產品將帶來3.7萬億美元的收入，約占總收入的55%;企業使用“出行即服務”將產生3萬億美元的收入，約占總收入的43%;此外，新興應用和服務還將帶來2000億美元的收入。

顯然，出行者和企業使用“出行即服務”預計將帶來最大的價值，因為這涉及汽車保有觀念的轉變，也是自動駕駛汽車將司機轉變為乘客的直接效果。出行者將完全脫離與汽車的一對一關系，能夠從形形色色的“出行即服務”提供商中進行選擇;企業將成為自動駕駛汽車早期銷售階段的重要推動因素，并從B2B“出行即服務”中獲取巨大收益。

不只是經濟價值，乘客經濟也意味著顯著的社會效益提升。除了前面提到的更多的時間盈余，自動駕駛還將有效地減少車禍、交通事故和擁堵。目前，94%的事故是人為失誤造成的。保守估計，從2035年到2045年，由于自動駕駛汽車的出現，只要能避免5%交通事故的發生，就將挽救超過58萬人的生命！

針對老齡化社會、城市病等諸多社會難題，自動駕駛不啻為一劑良方。科技讓生活更美好，將又一次精彩上演。

數據是“智能方向盤”

“乘客經濟”的關鍵，在于自動駕駛的實現;自動駕駛技術發展的關鍵，則在于數據。

在即將到來的數據洪流時代，數據是新石油，從數據里我們可以提取非常多的價值，數據+計算能力給人類帶來全新的機遇。

自動駕駛汽車和相關設施正是數據洪流的重要源頭之一。讓我們回到自動駕駛汽車本身。除了活塞、活塞環和發動機組，攝像頭、雷達、聲納、GPS和激光雷達，都是自動駕駛必不可少的組件。攝像頭每秒生成20MB-60MB數據，雷達每秒最多可生成10KB，聲納每秒10KB-100KB，GPS將以每秒50KB的速度運行，激光雷達運行時則是每秒10MB-70MB數據……這些感知能力讓自動駕駛汽車成為數據的“活水之源”。

預計到2020年，平均每輛自動駕駛汽車每天將產生4TB的數據量，而屆時3000個互聯網用戶全天才能產生同樣規模的數據量。想象一下，你在微信上有3000個好友，而你每時每刻都在關注、接收每一位好友發布的新消息——這是多么繁重的任務。

對于自動駕駛而言，從數據中提取價值，是實現“乘客經濟”技術演進的根本。換言之，海量數據及自動分析、決策，將為自動駕駛裝上智能的“方向盤”，當然這種“方向盤”可能只是一種無形的軟件。

我們現在也看到，很多廠商已經展開汽車的自動駕駛路測，這一方面是為了獲得視覺與地圖數據，另一方面則是為了獲取針對各種交通狀況識別、訓練、決策的數據。這兩種數據都非常重要。

根據不同國家的國情，數據所需的更新頻率也各不相同。比如發達國家，基礎設施建設已經達到一定程度，自動駕駛相應的數據更新頻率就不需要很快;而在很多發展中國家，比如中國，城市面貌、道路狀況等日新月異，數據就需要比較高的更新頻率。

同時，就地理信息和地圖數據而言，眾包模式將是最快捷、最經濟有效的數據更新方式——自動駕駛的數據獲取只靠一家公司來做，不但耗時，而且很難達到及時更新的要求。

很多業界人士倡議自動駕駛數據共享，但各大廠商本身未必有足夠的意愿和動力，畢竟這些數據很可能構成了各家競爭決勝的差異點。如果由政府或者具備公信力的第三方機構來搭建共享平臺，可能是一種行之有效的方法。特別是在中國，政府在推動新技術發展或者不同技術融合上具備權威性優勢，在數據的整合和共享上也有著相對的優勢。

車云融合加速自動駕駛進程

自動駕駛數據也面臨諸多挑戰。當龐大的感知數據源源不斷地涌進自動駕駛汽車，我們需要把這些數據融合在一起，以便理解在周圍的場景中發生著什么，從而作出正確的決策。這對數據的分析和處理是很大的挑戰。這不僅涉及單臺車輛采集到的數據，更牽涉多臺車輛間的數據協同;這不僅是大數據的處理，還要能夠從數據中即時提取出與當前駕駛決策最相關的小數據。

攻克自動駕駛技術發展面臨的數據挑戰，最重要的途徑，是打造以人工智能為核心，從車、網絡到云的良性循環。

從車到云，一端是車，另一端則是云，也就是離汽車很遠的數據中心，中間是網絡接入的地方，它也是一個智能節點，我們稱之為邊緣計算。

從終端到云端的這三點具備各自的特點和優勢。車本身要負責數據的感知和決策，因此要具備人工智能，此外還要把數據上傳到網絡和云端。邊緣計算部署于每一個道路場景的周邊，能夠更加清楚地把一定范圍內實時的交通和地圖信息傳遞給車輛，或者把周邊信息更新后再匯集到云端。云端的優勢是計算能力非常強大，可以幫助車更新人工智能算法的模型，去增加或者擴展它的能力，也就是讓車的“大腦”更聰明。

舉例來說，一臺車遇到或者處理過的異常場景不算很多，但如果我們把不同國家、不同城市、不同時間的車發現的異常場景數據上傳到云端，并以此來訓練人工智能模型，則可以讓它更好地感知、決策，更完美地處理各種狀況，從而讓自動駕駛技術更臻于成熟。

因此，車云融合——建立車、網絡到云的良性循環，是推動自動駕駛從理想變成現實的必由之路。這需要一套完整的端到端的技術和解決方案，并具備強大的計算創新力，而這正是英特爾一直以來所致力的技術方向。

英特爾通過從車到云全方位的芯片技術來加速感知和推理能力的提高，通過先進的5G通訊技術來實現V2V、V2I和V2X，通過整合智能計算、通信和存儲技術的解決方案來推進試驗和部署。英特爾正在以前所未有的努力來引領車云融合的自動駕駛進程。

出行的進化，自動駕駛汽車相對于傳統汽車，絕不是緩慢的漸變，它更像是物種大爆炸似的革命。為了迎接這場革命，從國外到國內、從政府到產學研各界，大家群策群力正使得自動駕駛發展的加速度日趨明顯。這一場出行革命帶來的“乘客經濟”，揭示了誘人的前景;而每一位出行者將享受到的空前便捷的出行體驗，更讓我們拭目以待。

（作者為英特爾中國研究院院長，編輯：謝麗容）endprint