自动驾驶后端支撑：变革中的数据中心

堵在早高峰的你，手握方向盘却寸步难行

如今，一辆自动驾驶汽车每1.5个小时可以产生4TB数据，而到2020年，3000个互联网用户每天才会产生同等数量的数据。

“无人驾驶行业面临最大的挑战就是数据处理，我们对此信心充足。英特尔深知数据的多样性，比如摄像头产生的数据、激光雷达产生的数据，所以我们希望对症下药，打造覆盖端到端的灵活、扩展的架构。”英特尔公司无人驾驶解决方案资深首席工程师兼首席系统架构师Jack Weast说。

如今，自动驾驶测试过程中产生的数据，很大程度上会被拷贝进数据中心，而对于数据中心如何处理数据，新的计算架构将发挥重要作用。

英特尔认为，数据中心对于数据的处理存在5个不同的阶段：

第一，进行数据的存储和管理和归档；

第二，对数据进行详尽地分析，为后续数据洞察的获取打下坚实的基础；

第三，人工智能和机器学习算法的训练阶段，英特尔的创新产品将加速原来的训练时间；

第四，为软件开发者提供丰富的数据集，帮助软件工程师开发更适用于实际情况的应用；

第五阶段 数据的模拟，最终算法将被整合进自动驾驶汽车系统；

“我们特别重视且关注数据挑战，尤其是要分清数据的种类，这样我们才能知道最佳的处理数据的方式。”Jack Weast说，“所以对我们来说，不是选择一种、放弃其他，而是给你提供多种选择。”

英特尔为不同种类的数据提供了全面的解决方案，包含英特尔^?至强^?可扩展处理器、英特尔^?至强融核? 产品家族和FPGA在内的计算产品将为不同的数据类型提供不同的后端解决方案。而在数据中心的存储和网络方面，英特尔也有高品质的固态盘和高速互联网络等解决方案。

但是数据中心的技术变革还远远不够，自动驾驶的数据需要迈向复杂的路网和飞速行驶的汽车内部。

瞬息万变的路况不允许数据处理的稍加延迟，自动驾驶汽车需要最快速地做出准确的判断。

仅就图像处理而言，一辆自动驾驶汽车的中央融合单元必须能将摄像头、激光雷达和雷达收集来的数据相结合，刨除数据中的空白和重叠，最终生成 360 的车辆视角。这类图像数据处理需要更先进的算法。

对此，全新的英特尔^?GO? 自动驾驶开发平台提供了一种灵活的架构，包括中央处理单元（CPU）、现场可编程门阵列（FPGA）及面向深度学习的硬件加速技术。这种架构同时具有独特、优化的并行和顺序处理能力。通过将英特尔^?凌动? 处理器、英特尔^?至强^?处理器、英特尔^?Arria^?10 FPGA 进行灵活组合，英特尔提供各种各样的计算元件，可适应不断变化的设计。

为了支持 V2X（vehicle to everything，汽车连接一切）通信、无线更新和全新的车载体验，汽车提供商将需要不断提高数据传输速度，并将汽车操作的响应时间从数秒进一步缩短至几毫秒。

而5G带来的数据传输速度的提升、网络覆盖范围的扩展和接入设备数量的增长，将为具备大量数据传输需求的自动驾驶汽车创造网络基础。

在5G方面，英特尔同样是行业内的领先企业之一。英特尔^?GO? 5G 汽车平台能够提供包括固件实时更新、车载信息娱乐系统内容更新等重要用例。

“在不久的将来，5G 技术将成为 V2V 通讯的主干技术，借助超高的传输速度，后面跟随的车辆就能看到车队前方车辆传来的实时画面。” Jack Weast预测。

从后端覆盖计算、存储、网络的数据中心数据处理，到前端的车载解决方案的创新突破，英特尔为自动驾驶的创新迭代提供了性能更高效、拓展更简易，开发更便捷的软硬件解决方案，随着万物互联的世界到来，这将成为自动驾驶技术创新和应用落地的可靠基石。