英特尔公司CEO科再奇:数据是未来无人驾驶的新“石油”

发布时间:2016-11-21 13:41    发布者:eechina
关键词: 无人驾驶 , 自动驾驶
汽车生态系统有机会利用数据驱动洞察,对新业务机会采取行动并创造一个更加安全的世界

当今世界是在石油的基础上运转的——为家庭供暖和制冷、为几乎各种形式的交通工具提供动力支持。现在,如果试着驾驶一辆不借助任何石油产品的汽车,你将不会行进得太远。没有石油,汽车发动机会过热,活塞和活塞环会熔化汽缸壁,发动机组会出现裂缝,当然,也没有天然气。可以说,石油是支持我们目前已知汽车世界的关键技术。但是这一切即将改变。

说到未来汽车以及无人驾驶体验,数据简直就是新的石油。数据有可能从根本上改变我们思考驾驶体验的方式——无论是作为消费者、汽车制造商、技术专家还是社区居民。

事实上,作为一名技术人员,我看到各行各业所面临的一个最具颠覆性的趋势就是:由于智能互联设备的普及,大量数据如洪水般涌入。

可以试想一下。

现在,我们生活在数据洪流的世界,但是与未来相比,当今的数据量还是相对很少。2016年,通过使用PC、手机和可穿戴设备,平均每个人每天生成650MB的数据。预测显示,到2020年,平均每个人每天生成1.5GB的数据。在不到四年的时间里增加两倍——这是一个惊人的速度——但是这些数字如果和我们将在无人驾驶车辆中所看到的数据相比,那就不值一提了。

英特尔公司于2016年11月15日周二在洛杉矶展上展示其无人驾驶技术(图片来源:英特尔公司).jpg
英特尔公司于2016年11月15日周二在洛杉矶展上展示其无人驾驶技术(图片来源:英特尔公司)

在一个无人驾驶汽车中,除了活塞、活塞环和发动机组,我们还必须把摄像头、雷达、声呐、GPS和激光雷达考虑在内——这些是全新驾驶方式必不可少的组件。摄像头每秒生成20-60 MB数据,雷达每秒最多生成10kB,声呐每秒10-100kB,GPS将以每秒50 kB的速度运行,激光雷达的运行速度则是每秒10-70MB之间。把这些数字相加,每个无人驾驶车辆每天将生成约4000GB——或4TB——数据。

每辆无人驾驶汽车都将生成相当于3000人的数据。进一步推断,想一想共有多少辆汽车在路上行驶。我们预计全球将有100万辆无人驾驶汽车——这意味着无人驾驶所生成的数据相当于30亿人生成的数据。

就像石油在过去一个世纪改变我们的世界一样,数据将在未来几百年——甚至更远的将来——改变世界。

汽车生态系统拥有一个绝佳的机会来利用数据驱动洞察、对新的业务机会采取行动,甚至创造一个更加安全、更少争议的世界。让我们了解三种数据类型及其创造的价值。

第一个,也许也是最明显的一个,就是技术数据——也被称作“从内到外”的数据。这种数据来自汽车传感器,能够解读儿童与动物之间的差别、掉落树枝和锥形交通路边的区别,并且能够指引向外决策以及汽车的移动。这些数据占据相当大的计算能力,谁拥有了这些数据,谁就能开发最好包括机器学习、深度算法和数据分析在内的人工智能工具。

第二,我们看到社交和众包数据的崛起——这种数据也被称作“从外到内”的数据。来自车辆周围的数据——例如交通状况——可影响汽车从甲地行驶到乙地的方式,以及汽车改变航线、驶往丙地的方式。Waze应用就是当今“从外到内”数据的一个很好的示例。凭借这些数据,谁拥有最多数据,谁就能够开发最佳应用。

最后是个人数据 。这些数据跟踪车内有多少人、每位乘客的音乐喜好,甚至乘客喜欢的商店和品牌,当你靠近他们时,可以为他们推销相应的商品。可穿戴设备和车内的其它传感器也可以监测行为、焦点、情绪和生理状态,以便提高安全性。谁拥有最多个人数据,谁就能够开发并交付最好的用户体验。

数据确实是汽车世界的新货币。

只采集数据还不够。我们必须把数据转化为一组切实可行的洞察,从而获得它的全部价值。因此,从汽车到网络到云,都需要一个端到端计算解决方案以及强大的连接。

谈到未来驾驶,英特尔对合作伙伴、对整个行业以及对全球社会的承诺就是加速无人驾驶、提供端到端解决方案,并引领下一代计算变革。在整个行业内,只有英特尔能够提出并兑现这一承诺,因为我们拥有全面且无与伦比的技术组合——这些技术是通过收购和创新而开发的。

展望未来,汽车生态系统必须解决数据方面的三大挑战:数据集的规模、处理数据的智能开发周期,以及安全性。为了克服这些调整,制造商和提供商必须实现可扩展性——他们需要一种协作、分享并学习的手段,同时不会失去其竞争地位。

今天,我高兴地宣布英特尔投资将在未来两年投入超过2.5亿美元的新投资,以期实现全面无人驾驶。我们致力于提供可推动见解并从数据中创造价值的端到端解决方案。随着世界走向完全无人驾驶的新时代,让英特尔成为你值得信赖的合作伙伴,并利用数据来提高安全性、移动性和效率。

本文地址:https://www.eechina.com/thread-179309-1-1.html     【打印本页】

本站部分文章为转载或网友发布,目的在于传递和分享信息,并不代表本网赞同其观点和对其真实性负责;文章版权归原作者及原出处所有,如涉及作品内容、版权和其它问题,我们将根据著作权人的要求,第一时间更正或删除。
您需要登录后才可以发表评论 登录 | 立即注册

厂商推荐

相关视频

关于我们  -  服务条款  -  使用指南  -  站点地图  -  友情链接  -  联系我们
电子工程网 © 版权所有   京ICP备16069177号 | 京公网安备11010502021702
快速回复 返回顶部 返回列表