当然，多传感器融合方案也面临一个很现实的问题：成本高。这也是马斯克选择纯视觉方案的主要原因，定位于“做人人都买得起的电动车”。
数据很“香”，既近又远数据是AI时代的生产资料，据市场预估，智能汽车生成数据的价值，到2030年，可能高达4500-7000亿美元。但如何挖掘这些数据价值？
首当其冲的难题是，数据标准化和共享。因为不同公司的传感器数据，包括位置、高度、角度这些初始参数都不同。比如宝马的数据拿给一汽，完全没法用。
而且，考虑隐私、网络安全和保持竞争优势方面，企业通常不愿意与其他利益相关者共享这些数据，包括测试、运营和客户行为等各类数据。
车本身的E架构（Electrical/Electronic Architecture，汽车电子电气架构）也是一个问题。它是整合汽车内各类传感器、处理器、线束连接、电子电气分配系统和软硬件生成的总布置方案。过去绝大部分汽车的E架构按照功能信号来设计的，做成了集成的通用平台。今天智能车的E架构融合了数据架构和计算架构，但包括特斯拉在内的企业，都还未认真考虑过数据架构和计算架构，这将导致数据获取成为一个隐藏的大问题。
据了解，一台车每天能产生大概4000GB的数据，如果是十万台甚至百万台，这些数据的传输到云端的成本就会骤升。所以最好的办法，就是能够在边缘侧处理数据，将垃圾数据处理掉，把有效的特征点提取出来。

文章插图
据希捷科技发布、国际数据公司（IDC）调研完成的《数据新视界：从边缘到云，激活更多业务数据》报告称，企业目前定期将大约36%的数据从边缘传输到核心，两年后，这一比例将增至57%。从边缘立即传输到核心的数据量将翻倍，从8%增长到16%。
自动驾驶还需解决数据分布“长尾问题”的任务，时而出现的corner case（极端情况）是对数据驱动的算法模型进行升级的来源之一。
打造数据闭环是绕不过去的坎。以谷歌waymo报告提到的数据闭环平台为例，它包括数据挖掘、主动学习、自动标注、自动化模型调试优化、测试校验和部署发布。打通这些全链路，才能让数据高效、高质回流。

文章插图
云计算是打通数据闭环的基础，它在资源管理调度、数据批处理/流处理、工作流管理、分布式计算、系统状态监控和数据库存储等方面提供了数据闭环的基础设施支持，比如亚马逊AWS、微软Azure和谷歌云等。
腾讯自动驾驶总经理苏奎峰说：“自动驾驶的核心竞争力在于数据要素和计算资源的低成本获取和高效利用。对数据要素进行高效收集和利用，提高数据循环链路的速度，是整个自动驾驶技术迭代的关键点。”
伦理治理：短期阻力，长期助力100多年前，当机动车替代马车的时候，就有过安全相关的争论：机动车会不会惊吓到马？
对此英国出台了一个“红旗法”，一个车有三个人开，一个人烧锅炉，一个人驾驶，还有一个人在这个车前面50多米的地方拿着红旗挥动，告诉别人有个危险物过来了，这个法案一直沿用了30多年才被取消。可见，公众对于一个新事物的恐惧与认知有一个长期接受的过程。
想象一下完全自主的自动驾驶汽车的未来。你的自动驾驶汽车接近红绿灯，但突然刹车失灵，计算机不得不在瞬间做出决定。它可以突然转向附近的杆子并杀死乘客，或者继续前进并杀死前方的行人。
而控制汽车的计算机只能通过访问汽车传感器收集的有限信息，并且必须基于此做出决定。尽管这看起来很戏剧化，但距离我们可能面临这样的困境只有几年的时间了。

文章插图
这也是我们看到特斯拉大力推动辅助驾驶汽车，但尚未生产全自动驾驶汽车的核心原因之一。
另一个是数据安全问题。
近年来，我国大力加强数据监管，发布了一系列具有里程碑意义的法规，网络安全法（CSL）、数据安全法（DSL）和个人信息保护法（PIPL）形成了监管基础。
为了提高技术安全性并保护用户数据和国家安全，智能汽车企业正受到越来越多的审查和更严格的监管。
2021年5月，国家互联网信息办公室（CAC）开始就《车辆数据安全管理若干规定》（以下简称“规定”）的一套试行规定征求意见，该规定概述了智能网联汽车制造商和运营商保护汽车安全的新要求。
《规定》将“个人信息”定义为来自任何利益相关者的信息，包括车主、司机、乘客和行人，以及任何可以从中推断出利益相关者的个人身份或描述其个人行为的信息。

稿源：(钛媒体APP)

【傻大方】网址：/c/1130a9B42021.html

标题：数据|自动驾驶规模化落地的“三座大山”( 二 )