AI正驅動聯網汽車的未來 終端設備迎來第三次革命

2017年，我們正處于終端設備第三次革命的黎明。終端設備的第一次革命發生在20世紀90年代，當時Windows出現在個人電腦上。第二次革命誕生于2006年，當時最酷的智能手機iPhone問世。現在，我們正面臨終端用戶體驗轉型的風口浪尖，汽車已經成為無可爭議的主角。這一變化比前兩次更重要，因為它標志著理解物理世界的數字之路。

未來5到15年，汽車行業將發生翻天覆地的變化，而2017年正是這一巨大變化的起點。市場研究機構Gartner預測，到2020年，將有2.5億輛聯網汽車上路。大部分增長將是新的數據服務和新產品，而不是汽車本身的傳統“彎曲金屬和橡膠”。咨詢公司麥肯錫估計，到2030年，聯網汽車數據及其帶來的新商業模式將價值1.5萬億美元。

2025年的汽車看起來與今天的汽車大不相同。到那時，汽車實際上將成為一臺“車輪上的計算機”，它可以生成許多有價值的數據。只有當基礎設施能夠處理、分析并從中獲得見解時，這些數據才會變得有意義。這就是為什么人工智能（AI）正在推動聯網汽車的未來。

有許多趨勢正在幫助塑造汽車的未來，其中之一是計算機技術的大規模注入，這將從根本上改變汽車的電子設計。除了揚聲器，汽車還可以運行復雜的程序。正如iPhone已經證明計算機可以進行語音通話一樣，未來的汽車也可以展示計算機每天移動我們的能力。汽車也將經歷傳感器革命，與此同時，我們將看到功能上的巨大進步。為此，汽車最終將安裝數十個短程傳感器，以收集有關其環境的大量數據。

此外，對于2025年的汽車來說，連接云將是核心部分。汽車將不再是孤立的模塊，而是在其20年的生命周期中保持不變。相反，他們將能夠從云中下載新功能。所有傳感器數據將使用V2V（車對車）和V2I（車對基礎設施）發送到云端或點對點傳輸，這將使短程數據更有用。這些數據將被收集起來，形成街道層面甚至城市層面的交通全景。就像個人電腦和智能手機一樣，云將成為信息、應用和處理的中心知識庫。

然而，如果這些趨勢要取得成果，我們首先需要在軟件方面進行一場革命。上述所有技術都將產生大量數據，機器學習和人工智能將是處理數據不可或缺的助手。如今，我們已經看到機器學習和人工智能幫助計算機能力取得了巨大進步，尤其是在做出決策和理解圖像方面，但這僅僅是一個開始。

根據IHS Technology發布的一份報告，汽車中的人工智能系統數量將從2015年的700萬個增加到2025年的1.22億個。人工智能將成為一種新的標準，也將改變人類與汽車的互動方式。一種方法是通過信息娛樂系統和更智能的交互。人工智能還將支持更多功能，如語音識別、手勢識別、駕駛員監控、虛擬投注、自然語言理解等。駕駛員將能夠與汽車進行通信，汽車可以根據需求做出預期的反應。

人工智能還可以幫助高級駕駛員輔助系統（ADAS）成為主流現實。該系統和自動駕駛汽車需要基于攝像頭的機器視覺系統、基于雷達的檢測單元、駕駛員狀態評估和傳感器融合發動機控制單元（ECU）的組合才能工作。根據IHS的預測，深度學習是實現全自動汽車的關鍵。它可以幫助汽車找到和識別目標物體，預測行動并適應新的路況。

全自動汽車的目標還很遙遠，我們才剛剛開始。盡管2016年有這種可能性，但我們仍需要幾年時間才能看到自動化水平為4的汽車進入大眾市場。2017年，汽車行業將實現更重要的里程碑。我們將為數據收集建立更關鍵的基礎設施，并為高級駕駛員輔助系統創建更詳細的實時地圖。今天，實現這一目標有兩種選擇，但我們將看到第三種選擇。

一種選擇是……

ild是一款高度儀器化的汽車，可以拍攝靜止物體的照片并記錄它們的位置。這種所謂的“毫米精度”需要精確的車道和方向信息。然而，從投入成本和時間的角度來看，這種選擇非常昂貴，而且還需要不斷更新以保持數據的最新。第二種選擇是建造一輛半自動汽車來收集數據，這需要配備先進傳感器的新一代汽車，但在2017年，很少有汽車能夠配備這樣的設施。

第三種選擇是使用全新的數據來收集其他已經在路上的非自動汽車的數據。例如，發現多輛車突然在同一位置轉彎，可能意味著前方有障礙物。注意到車輪打滑或擋風玻璃上的雨刮器啟動可能會為我們提供準確的天氣變化信息。機器學習的優勢在于，所有數據都可以為下一代汽車的高級駕駛輔助系統提供信息，并為未來的汽車提供更好的模型。2017年，我們正處于終端設備第三次革命的黎明。終端設備的第一次革命發生在20世紀90年代，當時Windows出現在個人電腦上。第二次革命誕生于2006年，當時最酷的智能手機iPhone問世。現在，我們正面臨終端用戶體驗轉型的風口浪尖，汽車已經成為無可爭議的主角。這一變化比前兩次更重要，因為它標志著理解物理世界的數字之路。

未來5到15年，汽車行業將發生翻天覆地的變化，而2017年正是這一巨大變化的起點。市場研究機構Gartner預測，到2020年，將有2.5億輛聯網汽車上路。大部分增長將是新的數據服務和新產品，而不是汽車本身的傳統“彎曲金屬和橡膠”。咨詢公司麥肯錫估計，到2030年，聯網汽車數據及其帶來的新商業模式將價值1.5萬億美元。

2025年的汽車看起來與今天的汽車大不相同。到那時，汽車實際上將成為一臺“車輪上的計算機”，它可以生成許多有價值的數據。只有當基礎設施能夠處理、分析并從中獲得見解時，這些數據才會變得有意義。這就是為什么人工智能（AI）正在推動聯網汽車的未來。

有許多趨勢正在幫助塑造汽車的未來，其中之一是計算機技術的大規模注入，這將從根本上改變汽車的電子設計。除了揚聲器，汽車還可以運行復雜的程序。正如iPhone已經證明計算機可以進行語音通話一樣，未來的汽車也可以展示計算機每天移動我們的能力。汽車也將經歷傳感器革命，與此同時，我們將看到功能上的巨大進步。為此，汽車最終將安裝數十個短程傳感器，以收集有關其環境的大量數據。

此外，對于2025年的汽車來說，連接云將是核心部分。汽車將不再是孤立的模塊，而是在其20年的生命周期中保持不變。相反，他們將能夠從云中下載新功能。所有傳感器數據將使用V2V（車對車）和V2I（車對基礎設施）發送到云端或點對點傳輸，這將使短程數據更有用。這些數據將被收集起來，形成街道層面甚至城市層面的交通全景。就像個人電腦和智能手機一樣，云將成為信息、應用和處理的中心知識庫。

然而，如果這些趨勢要取得成果，我們首先需要在軟件方面進行一場革命。上述所有技術都將產生大量數據，機器學習和人工智能將是處理數據不可或缺的助手。如今，我們已經看到機器學習和人工智能幫助計算機能力取得了巨大進步，尤其是在做出決策和理解圖像方面，但這僅僅是一個開始。

根據IHS Technology發布的一份報告，汽車中的人工智能系統數量將從2015年的700萬個增加到2025年的1.22億個。人工智能將成為一種新的標準，也將改變人類與汽車的互動方式。一種方法是通過信息娛樂系統和更智能的交互。人工智能還將支持更多功能，如語音識別、手勢識別、駕駛員監控、虛擬投注、自然語言理解等。駕駛員將能夠與汽車進行通信，這……

根據需求做出預期反應。

人工智能還可以幫助高級駕駛員輔助系統（ADAS）成為主流現實。該系統和自動駕駛汽車需要基于攝像頭的機器視覺系統、基于雷達的檢測單元、駕駛員狀態評估和傳感器融合發動機控制單元（ECU）的組合才能工作。根據IHS的預測，深度學習是實現全自動汽車的關鍵。它可以幫助汽車找到和識別目標物體，預測行動并適應新的路況。

全自動汽車的目標還很遙遠，我們才剛剛開始。盡管2016年有這種可能性，但我們仍需要幾年時間才能看到自動化水平為4的汽車進入大眾市場。2017年，汽車行業將實現更重要的里程碑。我們將為數據收集建立更關鍵的基礎設施，并為高級駕駛員輔助系統創建更詳細的實時地圖。今天，實現這一目標有兩種選擇，但我們將看到第三種選擇。

一種選擇是建造一輛高度儀器化的汽車，它可以拍攝靜止物體的照片并記錄它們的位置。這種所謂的“毫米精度”需要精確的車道和方向信息。然而，從投入成本和時間的角度來看，這種選擇非常昂貴，而且還需要不斷更新以保持數據的最新。第二種選擇是建造一輛半自動汽車來收集數據，這需要配備先進傳感器的新一代汽車，但在2017年，很少有汽車能夠配備這樣的設施。

第三種選擇是使用全新的數據來收集其他已經在路上的非自動汽車的數據。例如，發現多輛車突然在同一位置轉彎，可能意味著前方有障礙物。注意到車輪打滑或擋風玻璃上的雨刮器啟動可能會為我們提供準確的天氣變化信息。機器學習的優勢在于，所有數據都可以為下一代汽車的高級駕駛輔助系統提供信息，并為未來的汽車提供更好的模型。

標簽：發現世紀大眾

汽車資訊熱門資訊