自动驾驶lqr对算力要求
❶ 机器人算法和自动驾驶算法有哪些区别
机器人算法和自动驾驶算法有以下区别。
自动驾驶对算法安全性的要求高。是首要因素。比什么都重要
自动驾驶车辆的可移动自由度比机器人要低
自动驾驶车辆的速度相对于机器人要高很多
自动驾驶车辆对算法的鲁棒性要求高
自动驾驶车辆的实时定位更为重要。
或许可以通过V2X的手段，检测回环，提高自身定位精度。
（研发车辆，不是量产）自动驾驶车辆对算力没什么上限。
（量产）就需要权衡硬件性能，计算量，算法的效率等等。
自动驾驶车辆的路况相当复杂，没有统一性。所以算法要有普适性。
自动驾驶车厂有自己的平台，不可能随便换平台。跟机器人有较大的区别。
❷ 自动驾驶会用到GPU高性能计算吗
答案是需要使用到GPU高性能计算，自动驾驶的实现，需要依赖感知传感器对道路环境的信息进行采集，包括超声波、摄像头、毫米波雷达、激光雷达等，采集的好的数据需要传送到汽车中央处理器进行处理，用来识别障碍物、可行道路等，最后依据识别的结果，规划路径、制定速度，自动驱使汽车行驶。
整个过程需要在瞬时完成，延时必须要控制在毫秒甚至微秒级别，才能保证自动驾驶的行驶安全。
要完成瞬时处理、反馈、决策规划、执行的效果，对中央处理器的算力要求非常高。
为了准确识别图像、视频中的有效信息，业内多采用深度学习神经网络。
深度学习神经网络尤其是几百上千层的神经网络对高性能计算要求非常高，GPU对处理复杂运算拥有天然的优势：它有出色的并行矩阵计算能力，对于神经网络的训练和分类都可以提供显著的加速效果。选择桌面云同样可以享受GPU高性能计算
因此所有的人工智能，无论是做语言还是语音、图象、搜索，都和 GPU 相关。所有传统行业都会利用深度学习去推动新的改革，让新的研究方向达到一个新高度和新的飞跃。
❸ 公司做人工智能项目，对算力要求很高，大家有推荐的GPU云计算产品吗
我跟你应该是相同行业，我们团队规模有限GPU云计算很适合我们。操作直截了当，很快就能上手，推荐给你。
❹ 智能语音产品的本地唤醒对主控芯片的算力要求大概是咋样的
1）目前的智能音箱，放在云端做NLP是因为问答系统需要的知识图谱、算力在本地无法实现 2）目前音箱用的A7和A53的芯片居多 3）根据google发布的local home kit、小米发布的小爱老师来看，A53实现本地ASR是完全没有问题的，基于ASR进行一些简单、有限领域的NLP并执行相应回答/命令，是可以预期的 4）如果是扫地机器人，只需要简单的命令词的话，A7、A53可以胜任 5）对于主控芯片的要求，其实最大取决于应用场景的需求，准确度、抗干扰能力决定了对芯片的要求；如果是低功耗场景，如TWS耳机也的唤醒和命令词功能，可以用Ambiqmicro的Apollo 2/3这种就能实现，如果扫地机器人对成本不敏感，对性能要求高（有极大的噪声），这时候一般的MCU就不一定适合了，可以考虑A7、A53
❺ 自动驾驶进入L3时代，为什么大家都需要高精地图
前不久我们的一篇内容指出，目前自主厂商所推出的L3级量产车上都搭载了高精地图。高精地图究竟是什么？为什么自动驾驶需要它？今天我们就来详细讲一讲。
在讲高精地图本身之前，我们先来回顾一下自动驾驶的基本逻辑。
简单来讲，自动驾驶的实现主要有三个步骤：感知、决策规划、行车控制。这与你走路上班/上学的逻辑是相似的：眼睛看到画面，告诉大脑，然后你就知道了自己在哪里，以及要往哪个方向走，并指挥你的腿迈开步伐。
在自动驾驶系统中，感知主要解决两个问题：车周围有什么，以及车在哪。车没有眼睛，我们就要赋予它“眼睛”。这就是它的环境感知系统，一般由视觉传感器（摄像头）、雷达（毫米波、超声波、激光）等多种传感器融合而成。
在这些传感器的协同工作下，感知系统就可以知道，车辆周围都有哪些东西，比如车、人、路、树、墙、路牌等等。在将这些数据提供给决策系统后，决策系统根据算法，就知道车辆可不可以行驶，可以以最大多少的速度行驶，以及是否需要控制前轮转弯，并传输指定给行车控制系统。
在特定条件下，感知系统也会直接传输数据给行车控制系统，这主要应用在AEB上，也就是紧急主动安全系统，以保证在最短的时间内对紧急情况进行响应。
但这里有个问题，你走路之所以知道要怎么走，是因为你对这条路线很熟悉，脑子里有地图，知道接下来要怎么走。但车辆仅凭感知系统，是无法知道接下来应该如何行使的，就像你到了一个陌生的城市。
这时候，就需要定位和地图了。
自动驾驶系统中，车辆定位是及其关键的。它影响到几乎所有的环节。通过GPS（卫星定位）、IMU（惯性测量单元）以及车轮测程仪等，车辆可以清晰地知道自己所在的位置，当前的运动状态（时速，加速度）等。
这时，感知系统就不仅知道了车周围有什么，还知道了车在哪条道路上，在往哪个方向行进。决策系统也知道了整片地区的道路信息，并会根据目的地规划合理的路线，以对行车控制做出指令。
这就是一套完整的自动驾驶流程，在理想状态下，这些就足以让车辆载着你安全到达任何一个地方。
但遗憾的是，以目前的技术水平，这种“理想状态”很难达到，因为车辆的感知和定位系统依然无法像人一样，可以识别出路上的所有信息，判断自己的准确位置，并且不受环境的影响。
例如，在高楼林立的市中心，GPS信号可能会被阻挡，这时车辆就会丢失自己的位置信息，让自动驾驶行程中断。
又或者，在雨雪天气，路上的车道线被积雪或积水覆盖，车辆仅凭环境感知系统难以实现车道的判别，从而可能导致事故征候。
再或者，目前的感知系统，还难以识别路上的坑洞、减速带、较低矮的路肩等等，在高速行驶过程中如果漏判了这些东西的存在，也会导致相对严重的后果。
更或者，在高速上下匝道时，有时会出现左右分流的车道，这时如果仅凭导航地图和环境感知，可能会让车辆出现快速变道的情况，乘坐体验会很差。
在这种技术条件下，想要实现L3级以上的自动驾驶，就需要高精地图出场了。
高精地图，顾名思义就是精度非常高的地图，一般来讲高精地图的精度都是分米级的，但它不仅仅是精度高，在数据的维度上相较普通的地图也更加丰富。
高精地图将大量的行车辅助信息存储为结构化数据，其中一类是道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息。另一类是车道周边的固定对象信息，比如交通标志、交通信号灯等信息、车道限高、下水道口、障碍物及其他道路细节，还包括高架物体、防护栏、数目、道路边缘类型、路边地标等基础设施信息。
图片出处：未来汽车大讲堂 - 网易云课堂 高精地图，自动驾驶的必由之路
简单来说，在高精地图的帮助下，车辆不需要环境感知就已经知道了道路的走向、曲率、详细的车道、限速，以及道路边线离路肩有多远，路边有几棵树，几个消防栓，几根电线杆，哪里有个限速标志，哪里有显著的地标等等等等。
而这些信息，让自动驾驶系统直接开了“上帝模式”。
有了高精地图的帮助，可以让车辆的定位更加精准，即便在路况复杂区域定位也可以让定位系统向决策系统反馈更精准的车道信息，并让决策系统进行车道/线路规划。
同时，由于高精地图中含有大量的静态参照物，定位系统可以通过环境感知系统获取到的环境信息与地图信息进行比对，以此在GPS信号不佳的情况下，推算出车辆的实际位置，提高了整套系统的鲁棒性。
对于感知系统来说，高精地图可以对需要重点识别的区域进行划定，向感知系统表明这个区域是你的图像分析所关注的重点，并减少对其他区域的识别，这就是感兴趣区域（ROI）。使用ROI，可以降低感知系统的负荷，解放算力，以并增加关键区域的识别精度。
例如，一般情况下，前置摄像头只要重点识别画面的下半部分就可以了，因为画面的上边是天空，车辆和人员都不会从天上出现。但信号灯是个例外，它往往挂得比较高，所以要想事实识别信号灯，就要不停地从整个画面中搜寻，对算力的压力很大。但如果开启了ROI，在高精地图中标注上，在定位的某个点，画面的某个区域会出现信号灯，那么系统只要重点识别标注的这个区域就可以搜寻到信号灯，并完成识别。
对于决策系统来说，有高精地图的帮助，可以降低决策算法的复杂度，只要保证在不撞车的前提下，将车辆尽量平稳地开到目的地就可以。因为在高精地图中已经存有了详细的车道、固定障碍物信息，只要按照规划的路线走，就一定不会压到坑、骑上路肩，甚至撞到电线杆。
同时，详细的车道信息也可以让系统规划出更合理、更平稳的行车路径。例如前文提到的匝道问题，如果系统早已提前知道了岔路的存在，那么就会在还没看到路时早早变到相应道，提高行车舒适性。
而且，由于高精地图中详细标注了每条道路上的车道划分、车道宽度、每条车道的速度限制，这就让系统可以实现计划好更高效率的路线，让决策系统可以在行车过程中更专注于行车安全。
通俗点说，没有高精地图的车辆，在自动驾驶时所做出的的反应都是“条件反射”：看到红绿灯时才知道要减速；识别到电线杆时才知道不能撞上去。而有了高精地图的协助，车辆在行驶到红绿灯之前就已经准备减速了；在碰到电线杆之前就已经提前规划好了规避路线。
可以说，高精地图让自动驾驶汽车“有备而来”。
但从目前讲，高精地图也有一定的不足。首先因为其信息量大，在采集上难度会更高，采集的周期也会相应拉长，所以目前的高精地图，并不能做到大小路的全覆盖，基本上只覆盖了高速公路及主要的城市道路。
同时，在城市的不断建设中，高精地图所标注的要素有可能会出现改变，这就对高精地图的实时更新提出了很高的要求，而这也是高精地图在城市路况中应用的一大难点。
看到这你会发现，其实高精地图是个“可有可无”的东西：如果自动驾驶系统的识别成功率足够高，那么只需要人类常用的平面导航地图，一样可以实现全自动驾驶。
比如特斯拉，一直坚持表示自己不需要高精地图，因为他们认为自己的识别和决策算法足够强大，在不久的将来，只依靠实时识别和处理（条件反射），就可以在普通地图的基础上完成全自动的自动驾驶。
但遗憾的是，目前大部分的厂商包括即将推出L3量产车的这些自主厂商，在自动驾驶算法的积累上是不如特斯拉的，为了弥补感知上的不足，就需要高精地图所提供的超视距的感知能力和大量先验信息的补充。
在高精地图的帮助下，实现国标下的L3级自动驾驶完全没有问题。这也解释了，为什么自动驾驶进入L3时代后，高精地图也开始大范围应用。
既宣传了自己的技术力，又可以当成一个卖点和噱头，何乐而不为呢，你说是不是？
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
❻ 自动驾驶目前存在哪些缺陷
传感器无法确保100%的准确率，需与高精度地图融合
对于这次优步自动驾驶车辆致路人死亡事件，高德集团自动驾驶车辆高精度地图产品专家姚灿认为，发展自动驾驶技术尚需在研发、测试环节投入大量的时间、精力，汽车行业也应始终保有一颗对生命的敬畏之心。
姚灿介绍，从安全角度而言，通过一张辅助的高精度地图提前对道路场景进行预设，有助于避免交通事故。普通导航地图主要供人进行参考，而高精度地图是给机器看的，更像是一个传感器，它收集了大量道路信息，准确的道路形状，车道之间的车道线，道路隔离带和材质，甚至道路上的箭头、文字内容等都有相应描述。
“例如，在距离一个路口300米时，车辆就可以通过高精度地图提前知晓前方路口的性质、形状、有几条车道，是否经常有行人通过，在知道上述信息后，自动驾驶车辆的决策系统就在靠近路口的时候要求车辆提前减速。”
❼ 安波福杨晓明：几百家算法企业，算不出自动驾驶的商业化环境
在2019年Navigant Research发布的自动驾驶技术企业排名榜中，安波福出现在了第四名的位置，紧紧排在老生常谈的谷歌Waymo、通用Cruise、福特汽车之后。
严格来说，这家公司才刚满2岁。
2017年12月5日，2017年12月5日，德尔福拆分其动力总成业务后，以新的公司名称——安波福公司（Aptiv PLC）正式亮相，并宣布聚焦于加速推动主动安全、自动驾驶、提升驾乘体验和互联服务等领域的商业化进程。
也就是说，传统汽车零部件商德尔福打算分出相当大一部分精力，放在自动驾驶所需要的软件、算法、汽车架构等汽车的“大脑”和“神经系统中”。
按照官方说法，在公司最初进入自动驾驶领域的四五年时间里，一切还算顺利：
2015年，安波福完成了横跨美国大陆的自动驾驶测试，成为全球率先推出自动驾驶商业化项目的公司；
2018年5月，安波福与Lyft公司合作率先推出了自动驾驶商业运营项目，在拉斯维加斯推出了面向公众的自动驾驶网约车服务；
截止2019年9月，公司提供了超过7万人次的自动驾驶网约车服务，获得了4.95分（满分5分）的乘客满意评分。目前已在拉斯维加斯、波士顿、新加坡开展自动驾驶商业化开发项目。
顺其自然地，安波福逐渐将触手伸向L4级自动驾驶的研发中。这时团队发现，要想实现高阶自动驾驶及其量产，当下的汽车底层架构已经远远无法满足需求了。
于是，安波福公司亚太区总裁杨晓明分享了自家设计理念，同时也与车云菌探讨了未来可行的商业模式及自动驾驶行业前景——
新型供应关系的诞生
Q：请您大概介绍一下安波福新一代底层架构，其目前合作发展到了哪一阶段？
杨晓明：目前传统方式的汽车架构设计已经接近饱和，架构设计必须要走到下一代，革新、改革的局面。
电动车这个方向现在已经证明，特别在中国市场，特斯拉的成功证明了纯电动车就是发展方向。全新架构在电动车上的落地或许应用速度更快一些，因为相对简单一些，没有传统燃油汽车动力总成等复杂的动力总成模块。
目前我们的产品已经亮相CES 2020现场，已经不再停留在概念的阶段。同时，像这种革新性、革命性的理念和产品，并不是一步就可以到位的，现在很多理念已经开始在目前新的项目里推进，开始局部应用，包括目前在一些客户车型中逐步减少模块，逐步向域控制的方向转变。
Q：据我所知，很多厂商都在研究域控制器，安波福的产品大概什么时候落地？
杨晓明：我们在今年CES已经展出了全面的产品，包括域控制器、计算控制中心等等，都已经有产品了。下一步就是用在哪个客户上，我们正在和一些客户讨论，包括传统整车厂和新势力造车企业。新技术与既往产品在设计层面会有一些冲突。新技术有一个特点，它的周期比前些年的传统汽车开发要快很多，所以时间很短。而中国市场也有个特点，本土企业接受新技术、新概念很快，一旦动起来就会很快。
Q：当这个架构量产推行以后，其对芯片及算力的改装会提出哪些要求？
杨晓明：对芯片要求更高，但是芯片目前成本不是问题，因为技术发展非常快，最主要是体系问题。安波福的操控体系是在开放的架构上做，避免了将来没有统一标准带来的困难。所以芯片肯定是在升级，芯片的功能要比以前用的ECU的芯片快得多，大得多，但最主要的是一个开放的运营体系，OS系统。
就当下热议的自动驾驶方案而言，现在有两个大的方向在讨论，其一是把所有的计算能力放在各个传感器和摄像头上，目前有很多车型应用是这样做的。但是会面临一个非常大的问题，万一设备出问题，维修成本就很大。以传感器为例，现在每个传感器都带芯片，传感器受到碰撞维修成本很高。
而另一个方向是传感器融合的路线，把处理和信息都送到中央区域块和计算中心处理。目前看来这有可能是比较可行的方向，但是仍旧需要一个进化的过程。
Q：国内外电子电气架构系统有何区别是否存在差异？中国的架构是不是也需要适应本地化标准呢？
杨晓明：电子电气架构不存在地域之分，但中国肯定有它的特殊性。从架构角度考虑，我们不觉得架构方面有大的差别，可能在法律法规的要求层面，各个国家会存在微小的差别。
记者：很多车企进行电子电气架构演变的逻辑是希望向软件层面转型，对于安波福而言，如何平衡供应商和主机厂之间的矛盾？
杨晓明：这不是矛盾，而是新的模式，及其带来的产业链改革。在新产业链的组建过程中，大家必须快速定义，自己到底是在产业链的哪一端，这是非常关键的。比如安波福是一个系统供应商，我们很多优势在硬件、软件的计算，ECU的很多程序也是我们做的，同时我们也在做软件。
最终OEM软件的用途会和我们不一样，因为我们是控制车，他们的软件则更多集中在终端客户的需求：车主到底需要什么样的应用？他们要把终端客户的体验和客户需求的软件做得非常好，而软件方面带来的利润不可想象。
自动驾驶未来商业模式
Q：目前安波福的无人驾驶出租车业务运营情况如何？
杨晓明：我们在拉斯维加斯有75辆在运行，完完全全是每一天都在运行，乘客可以通过打车软件叫到安波福的自动驾驶出租车。所以是完全商业化运行，不是一个演示，我们已经过了这个阶段。
最近运营的范围还扩展到机场，这对自动驾驶共享汽车运营有非常大的意义，因为以前机场并不是做不了，而是安检对自动驾驶有很多的担心，整个审批过程比较长。 截至去年底已经有7万次乘驾，增长的速度非常快自动驾驶的表现也非常顺畅、安全，十个有九个乘客表示会再次选乘我们的自动驾驶出租车。
前几年业界一直在讨论，自动驾驶的业务模式到底如何拓展。如今国内也面临同样的情况，你不能永远依靠政府，靠政府资助，这无法实现可持续发展。于是我们选择跟Lyft合作，希望探索一种可持续的商业模式。国内有很多可应用的场景，比国外还要容易。
现在从业者一窝蜂的研究算法，研究AI，我认为更重要的是如何找到一个成功的业务模式，主机厂应该起什么作用，系统供应商应该起什么作用，软件供应商应该起什么作用。
其次，我们一直在呼吁，政府的法律法规必须跟上，法律法规层面要有所侧重。我感觉国内政府很多时候处于被动的反应模式，往往被逼得没有办法了，才出台一个特殊的办法，批一块地，开一片地区。像拉斯维加斯则有定项法律支持，州政府的法律顾问定期跟企业碰面开会，特别是像我们这样的自动驾驶公司都有碰面会，去讨论将来会出现什么样的问题，目前法律层面搞不清楚的问题，在立法和法律法规上如何进行配套，这一点值得国内学习。否则，纯粹几十家、几百家搞算法，永远算不出自动驾驶的商业化环境。
Q：在与Lyft和现代汽车的自动驾驶合作中，安波福探索出的商业模式是怎样的？
杨晓明：这是两种不同的合作，与Lyft是自动驾驶商业落地的合作，在共享出行平台上推出自动驾驶。共享出行在未来移动出行业务中占据很大比重，同时，如果达到完全自动驾驶，车辆如何利用闲置期，都在探索的过程中。
一开始我们比较担心，对于自动驾驶，乘客会怎么看，我们的技术是不是能够给乘客带来好的体验，乘客愿不愿意乘坐一辆由机器控制的车子。如今我们得到了答案，93%客户认为没有问题，而且乘客越来越多。也就是说，在市场模式及未来客户趋势方面，我们取得了很多经验，当然还有一些技术上的数据积累，那是无价的。比如在拉斯维加斯，我们的自动驾驶出租车可以跑到机场，可以跑到任何一个宾馆，期间积累了大量的人工智能的数据，机器每天都在学习，车子跑得也越来越好，这是技术上的心得。
而与现代汽车则是完全不同的合作方式，我们成立合资公司共同开发自动驾驶。在产业链发展变化的同时，OEM和我们的角色都在发生变化，跟现代汽车的合作是一个典型的例子。在实现自动驾驶等未来出行的目标方向上，一个系统供应商和OEM如何展开合作？除了现在共同出资的合作外，自动驾驶到底用谁的平台测试，也是非常重要的。现代汽车有整车平台，如果测试新的电子电气架构，现代就站在非常有利的地位，可以像一张白纸一样为我们创造未来需要的平台。
与现代的合作刚刚开始，双方也在摸索TIER 1和OEM在自动驾驶层面的合作模式，在新的市场、新的业务领域中会产生什么样的效果，到时候谁做什么，而且是要双方互利，并在未来出行市场占领一定地位。这会给我们带来非常重要的合作经验。
行业并非持续遇冷
Q：如今车市环境整体向下，而车企一方面需要压缩成本，一方面又要投入大量资金钻研尚未落地的前瞻技术。您认为在这二者之间应该如何寻找平衡？
杨晓明：中国车市是比较特殊的情况，过去的几十年一直在增长，然而国外已经经历过多轮周期性的过程，大家都能看到要想实现长期稳定增长是不太现实的。
因此很多国外企业，包括我们，在2017年底，我们放弃了德尔福品牌，专注智能网联、主动安全等汽车的大脑及神经系统，因为我们已经预见到几年后市场会出现什么样的情况。前年我们做业务计划的时候，就明确知道中国车市近3000万辆的市场总量是无法持续的，于是开始考虑在市场出现波动的情况下，如何继续保证对创新技术长期的7%的投资。
一旦有了前瞻性的规划，就能明确如何整合、如何投资。随后公司把传统燃油汽车的动力总成独立上市，换取一大笔现金支撑如今我们做的事，这都是转型的办法。我们不能一味靠市场总量向前走，你必须得知道未来市场中你想站在哪个位置，比如说安波福，就在持续强调“安全、绿色、互联”，围绕公司战略方向做投资并购整合。
Q：过去的2019年中，国内都在说自动驾驶寒冬，您对这个说法有没有不一样的感受？
杨晓明：虽然中国汽车市场是有一点寒冬的味道，但是也是按产品分的，比如2018、2019年两年车市总量下降的时候，主动安全系统的销量却大幅增长，有的数字增长了30%，所以我们没有感觉到自动驾驶受市场的波动，而且我觉得这是一个方兴未艾的行业。
前几年大家都是在演示车能不能跑起来，今年我参观CES有一个深深的感触是，大家已经开始在解决更深一步的技术问题，包括今年展示的很多算法，激光雷达的展示重点也从技术的先进性，变成了成本等实际落地问题。而有的企业也可能支撑不住了，这都是非常正常的现象，在方兴未艾行业里肯定有很多的组合和整合发生，但不会一会热一会冷。媒体朋友们可能觉得这个东西比较吸引人，就热炒一下，不吸引人就不再报道了，对企业来说我们不会这样。
Q：您认为自动驾驶领域的创业公司还有生存空间吗？他们未来如何与TIER1进行协同？
杨晓明：生存空间肯定有。因为这个市场会变得越来越大，就像中国汽车市场前些年在以两位数的速度发展时，全世界都没有看到过某一个市场能够容纳几百家造车企业，那些能够做自己发明创造的公司肯定是有前途的。当然他们必须得在业务模式上找到一个落地的办法，在这个产业里到底扮演什么角色才能提供价值，才能持续生存。
那些能够有不停的发明创造公司，同时能够很快在业务模式上定位，清楚到底要做什么，而且这些初创公司我们接触过很多，也已经有一些明确的合作目标。随着下一代智能汽车架构将把汽车变为一个开放的平台，也会给市场带来更多的业务机会。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
❽ 5G和自动驾驶究竟有没有关系有什么关系
5G技术为自动驾驶赋能，主要在车联网和云计算两个层面。在完全落地之前，任何质疑都是可以理解的。但5G与自动驾驶的结合，值得期待，我们所向往的终究是美好的汽车生活。
知乎上有一句标准话术，“先问是不是，再问为什么”。
所以，老知乎会将这个问题进行拆解，然后就变成了“5G技术和自动驾驶之间究竟有没有关系？如果有，那么究竟是什么关系？”
于是，我在搜索引擎上输入了这个问题，并且将搜索时间设定为2005年至2015年，果然，这是一个经典的问题。
写在最后
自动驾驶，热度多年不息。从上世纪50年代开始，人们就在憧憬着自动驾驶的未来。
但时至今日，我们也不敢轻易下结论，自动驾驶将会在多少年之后成为现实。只能说，我们离自动驾驶越来越近了。以前只有想象，现在有了落地的技术可能性。
5G时代能带来多么美好的生活，我们不做过分吹捧，只是客观分析。但这个时代一定会来，我们保持期待，等待花开烂漫。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
❾ 零跑汽车发布自动驾驶芯片：算力4.2TOPS 支持L3级自动驾驶
国家发改委产业发展司机械装备处处长吴卫
未来，中国制造的汽车将是全球新技术融合最多、创新融合最多的，也必将领跑全球汽车工业。
同时，汽车芯片领域的竞争也异常激烈。相比于消费电子产品的芯片，汽车芯片对安全性、稳定性的要求更高，是芯片行业共同面对的难题，这也是中国芯片公司的机会。
结语：自研技术让零跑更具竞争力
零跑汽车是中国造车新势力企业中第一个自主研发汽车自动驾驶芯片的，搭载这款芯片的量产车零跑C11下月就将发布。零跑汽车在自动驾驶领域的飞速进步，也得到了用户的认可。
统计数据显示，零跑汽车两款量产车型从今年7月以来销量逐步攀升，9月销量破千，10月销量有望突破1600辆，大量的自研技术让零跑这一造车新势力具备了更强的竞争力。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
❿ 中国车规级边缘计算芯片或落地日内瓦 地平线吹响车上算力集结号
虽然欧洲当下也受到疫情的影响，但截至目前，将于3月5日开幕的日内瓦国际车展，官方并没有正式发布推迟或取消的计划。包括中国车企在内的多家汽车产业巨头仍将如约参展。相比往年，今年中国车企的参展作品具有特别的意义，因为搭载中国车规级边缘计算芯片的全新车型即将在车展上亮相。这意味着，中国车企的竞争力，已不再局限于以往的发动机、变速箱、车身、底盘、外观，而是面向着汽车更高层次的发展，面向着汽车发展的未来——人工智能，吹响集结号。而号手——这枚车规级边缘计算芯片的生产商，便是来自中国的地平线。
地平线在自动驾驶领域的车规级芯片量产落地，对于中国汽车业整体无疑是一个好消息。可以预见的是，未来汽车以及人工智能产业对算力的需求是惊人的。在过去的数年里，我们看到智能驾驶的等级每提高一级，算力差不多要提升一个数量级。如果要实现全自动驾驶，车辆需要数千个TOPs量级的算力。但当下汽车市场上的产品，其平均算力也没能达到个位数的TOPs。所以在庞大的市场需求面前，中国企业的力量就显得至关重要。如果我们并不注重这块战略高地，或许依旧会像飞机发动机、汽车的动力总成一样受制于海外。而中国国力量的出现，不仅意味着我们的战略高地有望得到坚守，并可能在世界市场上攻城略地。有行业内专家预计，征程芯片两年内将有望达到百万量级的前装装车量，五年内则有望完成千万量级的目标。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。