虎嗅注：自動駕駛成了 2017 年最受關注的新技術，無論是傳統車廠、新創業公司還是供應商，紛紛入局開始研發，然而自動駕駛車之中，最關鍵的是什么，下面這篇短文給出了一個不錯的解答。本文轉載自極客汽車，極客汽車黃晚編譯自 weforum。

　　現在，由于鋪天蓋地的炒作，自動駕駛已經越來越火了，大批的「熱心觀眾」時刻關注著它的最新進展，說它家喻戶曉也不為過。

　　但是，自動駕駛到底是什么?什么才是它的核心?英特爾以 153 億美元收購 Mobileye 似乎給出了這個問題的答案：關鍵不是汽車，而是汽車背后的數字技術。

　　比如，汽車上的激光雷達通過感應器發射光脈沖并接收反射來測量物體之間的距離，以此生成汽車周圍環境的 3D 地圖。

　　強大的自處理能力

　　據估計，因為裝備了這些激光雷達感應器以及其他必要的系統如 GPS，每輛自動駕駛汽車每行駛 8 小時將產生并接收約 4TB 的數據。4TB 有多大?120 多萬張照片的大小。

　　這 4TB 的數據大部分都需要及時處理。1 秒的延遲對手機來說并無大礙，但對汽車來說可能就是生死之別。因此，汽車必須具備極為強大的計算能力，就像一臺性能強勁的計算機。

　　所以，汽車實際上已經變成了輪子上的計算機，而且還是大型計算機。有多大?即使不考慮自動駕駛，現在汽車上一般也都配備了 25-50 個中央處理單元(CPU)，這些單元很多都處于同一個通信網絡之中。

　　IHS Automotive 的一份報告顯示，2035 年全世界自動駕駛汽車的數量將增至 2100 萬。2100 萬意味著龐大的數據量，即使有 5G 技術，以目前的技術來看，要處理這些數據也是一項極為困難的挑戰。

　　僅僅是汽車就已經有種讓人不堪重負的感覺了。考慮到還有飛機、輪船以及其他越來越智能化的東西，未來需要處理的信息量可想而知。

　　為了適應這一趨勢，現在許多公司都正在把計算任務轉移到云端。但是，恰恰相反，未來不在云端，而是在「邊緣」，也就是本地。也就是說，把數據直接在本地處理掉，而不是先上傳到云端然后再處理。因為只有在邊緣計算才能對數據作出迅速反應，避免在一個巨大的區域網絡內傳輸數據引起的延遲。

　　所以，當汽車需要立刻作出反應時，如另一輛汽車正在快速靠近自己，數據就得直接在本地處理。至于那些不怎么急的事兒，如路況、天氣情況等等，就可以推送到云端。

　　協調這些邊緣計算需要更多地引入混合云和私有云，同時也對自動化提出了更高的要求。

　　強大的計算管理系統

　　幸運的是，有些公司已經開始在這方面作準備了。例如，Google 的日常運營用到了近 100 萬臺服務器。為了管理這一龐大而又復雜的服務器群，Google 開發了 Borg。

　　Borg 為另一個計算管理系統 Mesos 提供了靈感。Mesos 目前正被 Twitter,、Verizon、 Bloomberg 等公司使用。作為一個開源軟件，Mesos 使之前只有最具創新力的軟件公司才有能力涉及的領域對公眾開放。因此，任何規模的公司現在都有機會去創造改變世界的東西。

　　下一代的平臺將能夠管理巨大的分布式數據中心和各種云，并能將邊緣之物囊括在內。這對于自動駕駛來說同樣重要。

　　計算管理系統會根據需要動態分配性能，因此將提升計算機效率和利用率。