自動駕駛lqr對算力要求

❶ 機器人演算法和自動駕駛演算法有哪些區別

機器人演算法和自動駕駛演算法有以下區別。
自動駕駛對演算法安全性的要求高。是首要因素。比什麼都重要
自動駕駛車輛的可移動自由度比機器人要低
自動駕駛車輛的速度相對於機器人要高很多
自動駕駛車輛對演算法的魯棒性要求高
自動駕駛車輛的實時定位更為重要。
或許可以通過V2X的手段，檢測回環，提高自身定位精度。
（研發車輛，不是量產）自動駕駛車輛對算力沒什麼上限。
（量產）就需要權衡硬體性能，計算量，演算法的效率等等。
自動駕駛車輛的路況相當復雜，沒有統一性。所以演算法要有普適性。
自動駕駛車廠有自己的平台，不可能隨便換平台。跟機器人有較大的區別。

❷ 自動駕駛會用到GPU高性能計算嗎

答案是需要使用到GPU高性能計算，自動駕駛的實現，需要依賴感知感測器對道路環境的信息進行採集，包括超聲波、攝像頭、毫米波雷達、激光雷達等，採集的好的數據需要傳送到汽車中央處理器進行處理，用來識別障礙物、可行道路等，最後依據識別的結果，規劃路徑、制定速度，自動驅使汽車行駛。
整個過程需要在瞬時完成，延時必須要控制在毫秒甚至微秒級別，才能保證自動駕駛的行駛安全。
要完成瞬時處理、反饋、決策規劃、執行的效果，對中央處理器的算力要求非常高。
為了准確識別圖像、視頻中的有效信息，業內多採用深度學習神經網路。
深度學習神經網路尤其是幾百上千層的神經網路對高性能計算要求非常高，GPU對處理復雜運算擁有天然的優勢：它有出色的並行矩陣計算能力，對於神經網路的訓練和分類都可以提供顯著的加速效果。選擇桌面雲同樣可以享受GPU高性能計算
因此所有的人工智慧，無論是做語言還是語音、圖象、搜索，都和 GPU 相關。所有傳統行業都會利用深度學習去推動新的改革，讓新的研究方向達到一個新高度和新的飛躍。

❸ 公司做人工智慧項目，對算力要求很高，大家有推薦的GPU雲計算產品嗎

我跟你應該是相同行業，我們團隊規模有限GPU雲計算很適合我們。操作直截了當，很快就能上手，推薦給你。

❹ 智能語音產品的本地喚醒對主控晶元的算力要求大概是咋樣的

1）目前的智能音箱，放在雲端做NLP是因為問答系統需要的知識圖譜、算力在本地無法實現 2）目前音箱用的A7和A53的晶元居多 3）根據google發布的local home kit、小米發布的小愛老師來看，A53實現本地ASR是完全沒有問題的，基於ASR進行一些簡單、有限領域的NLP並執行相應回答/命令，是可以預期的 4）如果是掃地機器人，只需要簡單的命令詞的話，A7、A53可以勝任 5）對於主控晶元的要求，其實最大取決於應用場景的需求，准確度、抗干擾能力決定了對晶元的要求；如果是低功耗場景，如TWS耳機也的喚醒和命令詞功能，可以用Ambiqmicro的Apollo 2/3這種就能實現，如果掃地機器人對成本不敏感，對性能要求高（有極大的雜訊），這時候一般的MCU就不一定適合了，可以考慮A7、A53

❺ 自動駕駛進入L3時代，為什麼大家都需要高精地圖

前不久我們的一篇內容指出，目前自主廠商所推出的L3級量產車上都搭載了高精地圖。高精地圖究竟是什麼？為什麼自動駕駛需要它？今天我們就來詳細講一講。
在講高精地圖本身之前，我們先來回顧一下自動駕駛的基本邏輯。
簡單來講，自動駕駛的實現主要有三個步驟：感知、決策規劃、行車控制。這與你走路上班/上學的邏輯是相似的：眼睛看到畫面，告訴大腦，然後你就知道了自己在哪裡，以及要往哪個方向走，並指揮你的腿邁開步伐。
在自動駕駛系統中，感知主要解決兩個問題：車周圍有什麼，以及車在哪。車沒有眼睛，我們就要賦予它「眼睛」。這就是它的環境感知系統，一般由視覺感測器（攝像頭）、雷達（毫米波、超聲波、激光）等多種感測器融合而成。
在這些感測器的協同工作下，感知系統就可以知道，車輛周圍都有哪些東西，比如車、人、路、樹、牆、路牌等等。在將這些數據提供給決策系統後，決策系統根據演算法，就知道車輛可不可以行駛，可以以最大多少的速度行駛，以及是否需要控制前輪轉彎，並傳輸指定給行車控制系統。
在特定條件下，感知系統也會直接傳輸數據給行車控制系統，這主要應用在AEB上，也就是緊急主動安全系統，以保證在最短的時間內對緊急情況進行響應。
但這里有個問題，你走路之所以知道要怎麼走，是因為你對這條路線很熟悉，腦子里有地圖，知道接下來要怎麼走。但車輛僅憑感知系統，是無法知道接下來應該如何行使的，就像你到了一個陌生的城市。
這時候，就需要定位和地圖了。
自動駕駛系統中，車輛定位是及其關鍵的。它影響到幾乎所有的環節。通過GPS（衛星定位）、IMU（慣性測量單元）以及車輪測程儀等，車輛可以清晰地知道自己所在的位置，當前的運動狀態（時速，加速度）等。
這時，感知系統就不僅知道了車周圍有什麼，還知道了車在哪條道路上，在往哪個方向行進。決策系統也知道了整片地區的道路信息，並會根據目的地規劃合理的路線，以對行車控製做出指令。
這就是一套完整的自動駕駛流程，在理想狀態下，這些就足以讓車輛載著你安全到達任何一個地方。
但遺憾的是，以目前的技術水平，這種「理想狀態」很難達到，因為車輛的感知和定位系統依然無法像人一樣，可以識別出路上的所有信息，判斷自己的准確位置，並且不受環境的影響。
例如，在高樓林立的市中心，GPS信號可能會被阻擋，這時車輛就會丟失自己的位置信息，讓自動駕駛行程中斷。
又或者，在雨雪天氣，路上的車道線被積雪或積水覆蓋，車輛僅憑環境感知系統難以實現車道的判別，從而可能導致事故徵候。
再或者，目前的感知系統，還難以識別路上的坑洞、減速帶、較低矮的路肩等等，在高速行駛過程中如果漏判了這些東西的存在，也會導致相對嚴重的後果。
更或者，在高速上下匝道時，有時會出現左右分流的車道，這時如果僅憑導航地圖和環境感知，可能會讓車輛出現快速變道的情況，乘坐體驗會很差。
在這種技術條件下，想要實現L3級以上的自動駕駛，就需要高精地圖出場了。
高精地圖，顧名思義就是精度非常高的地圖，一般來講高精地圖的精度都是分米級的，但它不僅僅是精度高，在數據的維度上相較普通的地圖也更加豐富。
高精地圖將大量的行車輔助信息存儲為結構化數據，其中一類是道路數據，比如車道線的位置、類型、寬度、坡度和曲率等車道信息。另一類是車道周邊的固定對象信息，比如交通標志、交通信號燈等信息、車道限高、下水道口、障礙物及其他道路細節，還包括高架物體、防護欄、數目、道路邊緣類型、路邊地標等基礎設施信息。
圖片出處：未來汽車大講堂 - 網易雲課堂 高精地圖，自動駕駛的必由之路
簡單來說，在高精地圖的幫助下，車輛不需要環境感知就已經知道了道路的走向、曲率、詳細的車道、限速，以及道路邊線離路肩有多遠，路邊有幾棵樹，幾個消防栓，幾根電線桿，哪裡有個限速標志，哪裡有顯著的地標等等等等。
而這些信息，讓自動駕駛系統直接開了「上帝模式」。
有了高精地圖的幫助，可以讓車輛的定位更加精準，即便在路況復雜區域定位也可以讓定位系統向決策系統反饋更精準的車道信息，並讓決策系統進行車道/線路規劃。
同時，由於高精地圖中含有大量的靜態參照物，定位系統可以通過環境感知系統獲取到的環境信息與地圖信息進行比對，以此在GPS信號不佳的情況下，推算出車輛的實際位置，提高了整套系統的魯棒性。
對於感知系統來說，高精地圖可以對需要重點識別的區域進行劃定，向感知系統表明這個區域是你的圖像分析所關注的重點，並減少對其他區域的識別，這就是感興趣區域（ROI）。使用ROI，可以降低感知系統的負荷，解放算力，以並增加關鍵區域的識別精度。
例如，一般情況下，前置攝像頭只要重點識別畫面的下半部分就可以了，因為畫面的上邊是天空，車輛和人員都不會從天上出現。但信號燈是個例外，它往往掛得比較高，所以要想事實識別信號燈，就要不停地從整個畫面中搜尋，對算力的壓力很大。但如果開啟了ROI，在高精地圖中標註上，在定位的某個點，畫面的某個區域會出現信號燈，那麼系統只要重點識別標注的這個區域就可以搜尋到信號燈，並完成識別。
對於決策系統來說，有高精地圖的幫助，可以降低決策演算法的復雜度，只要保證在不撞車的前提下，將車輛盡量平穩地開到目的地就可以。因為在高精地圖中已經存有了詳細的車道、固定障礙物信息，只要按照規劃的路線走，就一定不會壓到坑、騎上路肩，甚至撞到電線桿。
同時，詳細的車道信息也可以讓系統規劃出更合理、更平穩的行車路徑。例如前文提到的匝道問題，如果系統早已提前知道了岔路的存在，那麼就會在還沒看到路時早早變到相應道，提高行車舒適性。
而且，由於高精地圖中詳細標注了每條道路上的車道劃分、車道寬度、每條車道的速度限制，這就讓系統可以實現計劃好更高效率的路線，讓決策系統可以在行車過程中更專注於行車安全。
通俗點說，沒有高精地圖的車輛，在自動駕駛時所做出的的反應都是「條件反射」：看到紅綠燈時才知道要減速；識別到電線桿時才知道不能撞上去。而有了高精地圖的協助，車輛在行駛到紅綠燈之前就已經准備減速了；在碰到電線桿之前就已經提前規劃好了規避路線。
可以說，高精地圖讓自動駕駛汽車「有備而來」。
但從目前講，高精地圖也有一定的不足。首先因為其信息量大，在採集上難度會更高，採集的周期也會相應拉長，所以目前的高精地圖，並不能做到大小路的全覆蓋，基本上只覆蓋了高速公路及主要的城市道路。
同時，在城市的不斷建設中，高精地圖所標注的要素有可能會出現改變，這就對高精地圖的實時更新提出了很高的要求，而這也是高精地圖在城市路況中應用的一大難點。
看到這你會發現，其實高精地圖是個「可有可無」的東西：如果自動駕駛系統的識別成功率足夠高，那麼只需要人類常用的平面導航地圖，一樣可以實現全自動駕駛。
比如特斯拉，一直堅持表示自己不需要高精地圖，因為他們認為自己的識別和決策演算法足夠強大，在不久的將來，只依靠實時識別和處理（條件反射），就可以在普通地圖的基礎上完成全自動的自動駕駛。
但遺憾的是，目前大部分的廠商包括即將推出L3量產車的這些自主廠商，在自動駕駛演算法的積累上是不如特斯拉的，為了彌補感知上的不足，就需要高精地圖所提供的超視距的感知能力和大量先驗信息的補充。
在高精地圖的幫助下，實現國標下的L3級自動駕駛完全沒有問題。這也解釋了，為什麼自動駕駛進入L3時代後，高精地圖也開始大范圍應用。
既宣傳了自己的技術力，又可以當成一個賣點和噱頭，何樂而不為呢，你說是不是？
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

❻ 自動駕駛目前存在哪些缺陷

感測器無法確保100%的准確率，需與高精度地圖融合

對於這次優步自動駕駛車輛致路人死亡事件，高德集團自動駕駛車輛高精度地圖產品專家姚燦認為，發展自動駕駛技術尚需在研發、測試環節投入大量的時間、精力，汽車行業也應始終保有一顆對生命的敬畏之心。

姚燦介紹，從安全形度而言，通過一張輔助的高精度地圖提前對道路場景進行預設，有助於避免交通事故。普通導航地圖主要供人進行參考，而高精度地圖是給機器看的，更像是一個感測器，它收集了大量道路信息，准確的道路形狀，車道之間的車道線，道路隔離帶和材質，甚至道路上的箭頭、文字內容等都有相應描述。

「例如，在距離一個路口300米時，車輛就可以通過高精度地圖提前知曉前方路口的性質、形狀、有幾條車道，是否經常有行人通過，在知道上述信息後，自動駕駛車輛的決策系統就在靠近路口的時候要求車輛提前減速。」

❼ 安波福楊曉明：幾百家演算法企業，算不出自動駕駛的商業化環境

在2019年Navigant Research發布的自動駕駛技術企業排名榜中，安波福出現在了第四名的位置，緊緊排在老生常談的谷歌Waymo、通用Cruise、福特汽車之後。
嚴格來說，這家公司才剛滿2歲。
2017年12月5日，2017年12月5日，德爾福拆分其動力總成業務後，以新的公司名稱——安波福公司（Aptiv PLC）正式亮相，並宣布聚焦於加速推動主動安全、自動駕駛、提升駕乘體驗和互聯服務等領域的商業化進程。
也就是說，傳統汽車零部件商德爾福打算分出相當大一部分精力，放在自動駕駛所需要的軟體、演算法、汽車架構等汽車的「大腦」和「神經系統中」。
按照官方說法，在公司最初進入自動駕駛領域的四五年時間里，一切還算順利：
2015年，安波福完成了橫跨美國大陸的自動駕駛測試，成為全球率先推出自動駕駛商業化項目的公司；
2018年5月，安波福與Lyft公司合作率先推出了自動駕駛商業運營項目，在拉斯維加斯推出了面向公眾的自動駕駛網約車服務；
截止2019年9月，公司提供了超過7萬人次的自動駕駛網約車服務，獲得了4.95分（滿分5分）的乘客滿意評分。目前已在拉斯維加斯、波士頓、新加坡開展自動駕駛商業化開發項目。
順其自然地，安波福逐漸將觸手伸向L4級自動駕駛的研發中。這時團隊發現，要想實現高階自動駕駛及其量產，當下的汽車底層架構已經遠遠無法滿足需求了。
於是，安波福公司亞太區總裁楊曉明分享了自家設計理念，同時也與車雲菌探討了未來可行的商業模式及自動駕駛行業前景——
新型供應關系的誕生
Q：請您大概介紹一下安波福新一代底層架構，其目前合作發展到了哪一階段？
楊曉明：目前傳統方式的汽車架構設計已經接近飽和，架構設計必須要走到下一代，革新、改革的局面。
電動車這個方向現在已經證明，特別在中國市場，特斯拉的成功證明了純電動車就是發展方向。全新架構在電動車上的落地或許應用速度更快一些，因為相對簡單一些，沒有傳統燃油汽車動力總成等復雜的動力總成模塊。
目前我們的產品已經亮相CES 2020現場，已經不再停留在概念的階段。同時，像這種革新性、革命性的理念和產品，並不是一步就可以到位的，現在很多理念已經開始在目前新的項目里推進，開始局部應用，包括目前在一些客戶車型中逐步減少模塊，逐步向域控制的方向轉變。
Q：據我所知，很多廠商都在研究域控制器，安波福的產品大概什麼時候落地？
楊曉明：我們在今年CES已經展出了全面的產品，包括域控制器、計算控制中心等等，都已經有產品了。下一步就是用在哪個客戶上，我們正在和一些客戶討論，包括傳統整車廠和新勢力造車企業。新技術與既往產品在設計層面會有一些沖突。新技術有一個特點，它的周期比前些年的傳統汽車開發要快很多，所以時間很短。而中國市場也有個特點，本土企業接受新技術、新概念很快，一旦動起來就會很快。
Q：當這個架構量產推行以後，其對晶元及算力的改裝會提出哪些要求？
楊曉明：對晶元要求更高，但是晶元目前成本不是問題，因為技術發展非常快，最主要是體系問題。安波福的操控體系是在開放的架構上做，避免了將來沒有統一標准帶來的困難。所以晶元肯定是在升級，晶元的功能要比以前用的ECU的晶元快得多，大得多，但最主要的是一個開放的運營體系，OS系統。
就當下熱議的自動駕駛方案而言，現在有兩個大的方向在討論，其一是把所有的計算能力放在各個感測器和攝像頭上，目前有很多車型應用是這樣做的。但是會面臨一個非常大的問題，萬一設備出問題，維修成本就很大。以感測器為例，現在每個感測器都帶晶元，感測器受到碰撞維修成本很高。
而另一個方向是感測器融合的路線，把處理和信息都送到中央區域塊和計算中心處理。目前看來這有可能是比較可行的方向，但是仍舊需要一個進化的過程。
Q：國內外電子電氣架構系統有何區別是否存在差異？中國的架構是不是也需要適應本地化標准呢？
楊曉明：電子電氣架構不存在地域之分，但中國肯定有它的特殊性。從架構角度考慮，我們不覺得架構方面有大的差別，可能在法律法規的要求層面，各個國家會存在微小的差別。
記者：很多車企進行電子電氣架構演變的邏輯是希望向軟體層面轉型，對於安波福而言，如何平衡供應商和主機廠之間的矛盾？
楊曉明：這不是矛盾，而是新的模式，及其帶來的產業鏈改革。在新產業鏈的組建過程中，大家必須快速定義，自己到底是在產業鏈的哪一端，這是非常關鍵的。比如安波福是一個系統供應商，我們很多優勢在硬體、軟體的計算，ECU的很多程序也是我們做的，同時我們也在做軟體。
最終OEM軟體的用途會和我們不一樣，因為我們是控制車，他們的軟體則更多集中在終端客戶的需求：車主到底需要什麼樣的應用？他們要把終端客戶的體驗和客戶需求的軟體做得非常好，而軟體方面帶來的利潤不可想像。
自動駕駛未來商業模式
Q：目前安波福的無人駕駛計程車業務運營情況如何？
楊曉明：我們在拉斯維加斯有75輛在運行，完完全全是每一天都在運行，乘客可以通過打車軟體叫到安波福的自動駕駛計程車。所以是完全商業化運行，不是一個演示，我們已經過了這個階段。
最近運營的范圍還擴展到機場，這對自動駕駛共享汽車運營有非常大的意義，因為以前機場並不是做不了，而是安檢對自動駕駛有很多的擔心，整個審批過程比較長。 截至去年底已經有7萬次乘駕，增長的速度非常快自動駕駛的表現也非常順暢、安全，十個有九個乘客表示會再次選乘我們的自動駕駛計程車。
前幾年業界一直在討論，自動駕駛的業務模式到底如何拓展。如今國內也面臨同樣的情況，你不能永遠依靠政府，靠政府資助，這無法實現可持續發展。於是我們選擇跟Lyft合作，希望探索一種可持續的商業模式。國內有很多可應用的場景，比國外還要容易。
現在從業者一窩蜂的研究演算法，研究AI，我認為更重要的是如何找到一個成功的業務模式，主機廠應該起什麼作用，系統供應商應該起什麼作用，軟體供應商應該起什麼作用。
其次，我們一直在呼籲，政府的法律法規必須跟上，法律法規層面要有所側重。我感覺國內政府很多時候處於被動的反應模式，往往被逼得沒有辦法了，才出台一個特殊的辦法，批一塊地，開一片地區。像拉斯維加斯則有定項法律支持，州政府的法律顧問定期跟企業碰面開會，特別是像我們這樣的自動駕駛公司都有碰面會，去討論將來會出現什麼樣的問題，目前法律層面搞不清楚的問題，在立法和法律法規上如何進行配套，這一點值得國內學習。否則，純粹幾十家、幾百家搞演算法，永遠算不出自動駕駛的商業化環境。
Q：在與Lyft和現代汽車的自動駕駛合作中，安波福探索出的商業模式是怎樣的？
楊曉明：這是兩種不同的合作，與Lyft是自動駕駛商業落地的合作，在共享出行平台上推出自動駕駛。共享出行在未來移動出行業務中占據很大比重，同時，如果達到完全自動駕駛，車輛如何利用閑置期，都在探索的過程中。
一開始我們比較擔心，對於自動駕駛，乘客會怎麼看，我們的技術是不是能夠給乘客帶來好的體驗，乘客願不願意乘坐一輛由機器控制的車子。如今我們得到了答案，93%客戶認為沒有問題，而且乘客越來越多。也就是說，在市場模式及未來客戶趨勢方面，我們取得了很多經驗，當然還有一些技術上的數據積累，那是無價的。比如在拉斯維加斯，我們的自動駕駛計程車可以跑到機場，可以跑到任何一個賓館，期間積累了大量的人工智慧的數據，機器每天都在學習，車子跑得也越來越好，這是技術上的心得。
而與現代汽車則是完全不同的合作方式，我們成立合資公司共同開發自動駕駛。在產業鏈發展變化的同時，OEM和我們的角色都在發生變化，跟現代汽車的合作是一個典型的例子。在實現自動駕駛等未來出行的目標方向上，一個系統供應商和OEM如何展開合作？除了現在共同出資的合作外，自動駕駛到底用誰的平台測試，也是非常重要的。現代汽車有整車平台，如果測試新的電子電氣架構，現代就站在非常有利的地位，可以像一張白紙一樣為我們創造未來需要的平台。
與現代的合作剛剛開始，雙方也在摸索TIER 1和OEM在自動駕駛層面的合作模式，在新的市場、新的業務領域中會產生什麼樣的效果，到時候誰做什麼，而且是要雙方互利，並在未來出行市場佔領一定地位。這會給我們帶來非常重要的合作經驗。
行業並非持續遇冷
Q：如今車市環境整體向下，而車企一方面需要壓縮成本，一方面又要投入大量資金鑽研尚未落地的前瞻技術。您認為在這二者之間應該如何尋找平衡？
楊曉明：中國車市是比較特殊的情況，過去的幾十年一直在增長，然而國外已經經歷過多輪周期性的過程，大家都能看到要想實現長期穩定增長是不太現實的。
因此很多國外企業，包括我們，在2017年底，我們放棄了德爾福品牌，專注智能網聯、主動安全等汽車的大腦及神經系統，因為我們已經預見到幾年後市場會出現什麼樣的情況。前年我們做業務計劃的時候，就明確知道中國車市近3000萬輛的市場總量是無法持續的，於是開始考慮在市場出現波動的情況下，如何繼續保證對創新技術長期的7%的投資。
一旦有了前瞻性的規劃，就能明確如何整合、如何投資。隨後公司把傳統燃油汽車的動力總成獨立上市，換取一大筆現金支撐如今我們做的事，這都是轉型的辦法。我們不能一味靠市場總量向前走，你必須得知道未來市場中你想站在哪個位置，比如說安波福，就在持續強調「安全、綠色、互聯」，圍繞公司戰略方向做投資並購整合。
Q：過去的2019年中，國內都在說自動駕駛寒冬，您對這個說法有沒有不一樣的感受？
楊曉明：雖然中國汽車市場是有一點寒冬的味道，但是也是按產品分的，比如2018、2019年兩年車市總量下降的時候，主動安全系統的銷量卻大幅增長，有的數字增長了30%，所以我們沒有感覺到自動駕駛受市場的波動，而且我覺得這是一個方興未艾的行業。
前幾年大家都是在演示車能不能跑起來，今年我參觀CES有一個深深的感觸是，大家已經開始在解決更深一步的技術問題，包括今年展示的很多演算法，激光雷達的展示重點也從技術的先進性，變成了成本等實際落地問題。而有的企業也可能支撐不住了，這都是非常正常的現象，在方興未艾行業里肯定有很多的組合和整合發生，但不會一會熱一會冷。媒體朋友們可能覺得這個東西比較吸引人，就熱炒一下，不吸引人就不再報道了，對企業來說我們不會這樣。
Q：您認為自動駕駛領域的創業公司還有生存空間嗎？他們未來如何與TIER1進行協同？
楊曉明：生存空間肯定有。因為這個市場會變得越來越大，就像中國汽車市場前些年在以兩位數的速度發展時，全世界都沒有看到過某一個市場能夠容納幾百家造車企業，那些能夠做自己發明創造的公司肯定是有前途的。當然他們必須得在業務模式上找到一個落地的辦法，在這個產業里到底扮演什麼角色才能提供價值，才能持續生存。
那些能夠有不停的發明創造公司，同時能夠很快在業務模式上定位，清楚到底要做什麼，而且這些初創公司我們接觸過很多，也已經有一些明確的合作目標。隨著下一代智能汽車架構將把汽車變為一個開放的平台，也會給市場帶來更多的業務機會。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

❽ 5G和自動駕駛究竟有沒有關系有什麼關系

5G技術為自動駕駛賦能，主要在車聯網和雲計算兩個層面。在完全落地之前，任何質疑都是可以理解的。但5G與自動駕駛的結合，值得期待，我們所嚮往的終究是美好的汽車生活。

知乎上有一句標准話術，「先問是不是，再問為什麼」。

所以，老知乎會將這個問題進行拆解，然後就變成了「5G技術和自動駕駛之間究竟有沒有關系？如果有，那麼究竟是什麼關系？」

於是，我在搜索引擎上輸入了這個問題，並且將搜索時間設定為2005年至2015年，果然，這是一個經典的問題。

寫在最後

自動駕駛，熱度多年不息。從上世紀50年代開始，人們就在憧憬著自動駕駛的未來。

但時至今日，我們也不敢輕易下結論，自動駕駛將會在多少年之後成為現實。只能說，我們離自動駕駛越來越近了。以前只有想像，現在有了落地的技術可能性。

5G時代能帶來多麼美好的生活，我們不做過分吹捧，只是客觀分析。但這個時代一定會來，我們保持期待，等待花開爛漫。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

❾ 零跑汽車發布自動駕駛晶元：算力4.2TOPS 支持L3級自動駕駛

國家發改委產業發展司機械裝備處處長吳衛

未來，中國製造的汽車將是全球新技術融合最多、創新融合最多的，也必將領跑全球汽車工業。

同時，汽車晶元領域的競爭也異常激烈。相比於消費電子產品的晶元，汽車晶元對安全性、穩定性的要求更高，是晶元行業共同面對的難題，這也是中國晶元公司的機會。

結語：自研技術讓零跑更具競爭力

零跑汽車是中國造車新勢力企業中第一個自主研發汽車自動駕駛晶元的，搭載這款晶元的量產車零跑C11下月就將發布。零跑汽車在自動駕駛領域的飛速進步，也得到了用戶的認可。

統計數據顯示，零跑汽車兩款量產車型從今年7月以來銷量逐步攀升，9月銷量破千，10月銷量有望突破1600輛，大量的自研技術讓零跑這一造車新勢力具備了更強的競爭力。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

❿ 中國車規級邊緣計算晶元或落地日內瓦 地平線吹響車上算力集結號

雖然歐洲當下也受到疫情的影響，但截至目前，將於3月5日開幕的日內瓦國際車展，官方並沒有正式發布推遲或取消的計劃。包括中國車企在內的多家汽車產業巨頭仍將如約參展。相比往年，今年中國車企的參展作品具有特別的意義，因為搭載中國車規級邊緣計算晶元的全新車型即將在車展上亮相。這意味著，中國車企的競爭力，已不再局限於以往的發動機、變速箱、車身、底盤、外觀，而是面向著汽車更高層次的發展，面向著汽車發展的未來——人工智慧，吹響集結號。而號手——這枚車規級邊緣計算晶元的生產商，便是來自中國的地平線。

地平線在自動駕駛領域的車規級晶元量產落地，對於中國汽車業整體無疑是一個好消息。可以預見的是，未來汽車以及人工智慧產業對算力的需求是驚人的。在過去的數年裡，我們看到智能駕駛的等級每提高一級，算力差不多要提升一個數量級。如果要實現全自動駕駛，車輛需要數千個TOPs量級的算力。但當下汽車市場上的產品，其平均算力也沒能達到個位數的TOPs。所以在龐大的市場需求面前，中國企業的力量就顯得至關重要。如果我們並不注重這塊戰略高地，或許依舊會像飛機發動機、汽車的動力總成一樣受制於海外。而中國國力量的出現，不僅意味著我們的戰略高地有望得到堅守，並可能在世界市場上攻城略地。有行業內專家預計，征程晶元兩年內將有望達到百萬量級的前裝裝車量，五年內則有望完成千萬量級的目標。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。