大數(shù)據(jù),、人工智能,、云計(jì)算、物聯(lián)網(wǎng),、移動(dòng)互聯(lián)網(wǎng)風(fēng)起云涌，各以不同的姿態(tài)殺入并改造著傳統(tǒng)領(lǐng)域,。車(chē)聯(lián)網(wǎng)作為物聯(lián)網(wǎng)的一部分,，在傳統(tǒng)汽車(chē)上加入其車(chē)載智能硬件的端系統(tǒng)、管系統(tǒng)以及云系統(tǒng)的本地或后臺(tái)計(jì)算等,，再結(jié)合著其他技術(shù)方向的發(fā)展成果,，同樣在高歌猛進(jìn)。
目前國(guó)內(nèi)ADAS智能硬件產(chǎn)品發(fā)展如火如荼,，無(wú)人駕駛的L2,、L3等級(jí)的演示產(chǎn)品也屢見(jiàn)不鮮，我們結(jié)合其形態(tài)特征簡(jiǎn)單看車(chē)載智能硬件及車(chē)聯(lián)網(wǎng)產(chǎn)品的發(fā)展趨勢(shì),。
一,、硬件篇（CPU）：
車(chē)載智能終端的CPU需要滿(mǎn)足車(chē)規(guī)要求，Qualcomm,、nVidia,、Infineon等都推出了各自車(chē)規(guī)級(jí)芯片,，這是物理層最直接的需求。另一方面,，為更高的工作效果,，硬件層面上直接適配算法需求的新型芯片也是各家積極努力的方向，都在其上演示這各自有獨(dú)自特色的算法demo,。但ARM架構(gòu)的主流CPU的最高主頻近年發(fā)展有限,，一直停留在３GHz以?xún)?nèi)，不像硬盤(pán)存儲(chǔ)速度,、網(wǎng)絡(luò)帶寬等過(guò)去幾年已然成倍上升,。有限的主頻，限制了算法或者還有操作系統(tǒng)無(wú)限橫向拓展的可能性,，而網(wǎng)絡(luò)的高速卻反過(guò)來(lái)給終端處理帶來(lái)了后臺(tái)在線(xiàn)實(shí)時(shí)處理的可能,，不必限于離線(xiàn)下的端系統(tǒng)、管系統(tǒng)運(yùn)算,，可節(jié)省本地離線(xiàn)計(jì)算時(shí)CPU的壓力,。
二、操作系統(tǒng)：
實(shí)時(shí)性嵌入式操作系統(tǒng)的需求勢(shì)在必行,?？煽啃浴⑻幚砟芰Φ姆€(wěn)定性,、功耗低是必須的,。車(chē)載環(huán)境的復(fù)雜（機(jī)械振動(dòng)、EMI,、高低溫,、實(shí)時(shí)工況的高速傳輸以及復(fù)雜性等）以及整車(chē)測(cè)試的嚴(yán)酷讓汽車(chē)電子產(chǎn)品的由原來(lái)頭腦簡(jiǎn)單的處理邏輯走向復(fù)雜算法的智能硬件的系統(tǒng)平臺(tái)時(shí)，經(jīng)歷著嚴(yán)酷考驗(yàn),。而作為處理結(jié)果輸出的實(shí)時(shí)性就要求首先系統(tǒng)的時(shí)延必須足夠小到毫秒級(jí),。原先汽車(chē)電子設(shè)備各控制單元ECU是沒(méi)有系統(tǒng)的單片機(jī)嵌入式方案尚能表現(xiàn)良好，但已然不能滿(mǎn)足日益增長(zhǎng)的大批量任務(wù)的對(duì)操作系統(tǒng)需求,，但有了操作系統(tǒng),，卻對(duì)時(shí)延提出了對(duì)應(yīng)的要求。
三,、終端算法篇：
基于視覺(jué)的或雷達(dá)的ADAS算法,，或者涉及執(zhí)行層面的無(wú)人駕駛更高Level的融合算法以及控制策略等本就是智能終端的核心所在。無(wú)數(shù)的模型訓(xùn)練,、樣本積累只為更高效有用的算法庫(kù),。深度學(xué)習(xí)（deeplearning）深入人工智能各個(gè)領(lǐng)域，也為車(chē)載算法帶來(lái)新的發(fā)展思路,。甚或認(rèn)為基于視覺(jué)的ADAS能超越mobileye也就在此了——因?yàn)楫?dāng)硬件,、軟件,、數(shù)據(jù)源的技術(shù)積累已然落后，借助新工具做新角度的挖掘也許是個(gè)方向,。
而從本地與在線(xiàn)計(jì)算來(lái)說(shuō),，算法本地運(yùn)算的好處在于實(shí)時(shí)，不需要網(wǎng)絡(luò)環(huán)境,，可以自在自為,，獨(dú)立工作于各種場(chǎng)景，雖然好壞不定,，但沒(méi)有聯(lián)網(wǎng)過(guò)程中的種種可能不確定性導(dǎo)致的工作不可評(píng)估,。在線(xiàn)的好處是有強(qiáng)大的后臺(tái)做背景依靠，除了縱向深入計(jì)算,，甚至可以橫向比較,，用平行的大量數(shù)據(jù)帶來(lái)統(tǒng)計(jì)上處理意見(jiàn)，是本地運(yùn)算的單一設(shè)備所不具備的,，可以從系統(tǒng)走向系綜,。
四、網(wǎng)絡(luò)篇：
作為出行的基本需求,，一臺(tái)車(chē)輛是否開(kāi)始出門(mén)行駛難道要依賴(lài)于其他車(chē)輛的行駛狀態(tài),？單一車(chē)輛本就應(yīng)該是自由而獨(dú)立的存在。但是在必須依賴(lài)道路路況,、交通環(huán)境下才可能有正常的駕駛行為時(shí),，我們才發(fā)現(xiàn)原來(lái)V2I，V2V早就是客觀(guān)的存在,，只是大家不知道將它們放到一個(gè)網(wǎng)絡(luò)環(huán)境里來(lái)進(jìn)行主動(dòng)干預(yù),、集體控制而已。Telematics是簡(jiǎn)單的對(duì)單車(chē)的作用,，V2X是在復(fù)雜交通下無(wú)人駕駛的需求,。
目前的智能硬件聯(lián)網(wǎng)可以面向云端做更大的數(shù)據(jù)雙向交流，這是移動(dòng)互聯(lián)網(wǎng)的范疇,。而本地算法對(duì)局部環(huán)境的需求可能要大于對(duì)移動(dòng)互聯(lián)的需求，也因?yàn)樵谝苿?dòng)互聯(lián)基礎(chǔ)上的局部交流可能的時(shí)效性以及穩(wěn)定性還不及局域網(wǎng)絡(luò),。從無(wú)人駕駛的需求角度說(shuō),，高精度地圖需求的路線(xiàn)是移動(dòng)互聯(lián)數(shù)據(jù)，只是更加實(shí)時(shí)準(zhǔn)確,；V2X更強(qiáng)調(diào)局域網(wǎng)絡(luò)環(huán)境,，可以實(shí)現(xiàn)本地局部小環(huán)境的互聯(lián)，比單車(chē)的傳感范圍大,，但不必整個(gè)全局網(wǎng)絡(luò),。由此需求而衍生的通訊協(xié)議如LTE－V,、DSRC等也是一直在移動(dòng)運(yùn)營(yíng)商與汽車(chē)主機(jī)廠(chǎng)的不同角度的優(yōu)劣爭(zhēng)論中。
五,、大數(shù)據(jù)的應(yīng)用：
云計(jì)算平臺(tái)上的大數(shù)據(jù)更多反映數(shù)據(jù)并行處理的分類(lèi),、存儲(chǔ)、查詢(xún)等操作行為,，偏向數(shù)據(jù)處理方式,。但對(duì)于數(shù)據(jù)內(nèi)容的分析挖掘，發(fā)現(xiàn)數(shù)據(jù)內(nèi)容的本身價(jià)值,，確是云系統(tǒng)上收集數(shù)據(jù)后所要做到的輸出,。像智能家居、或航空發(fā)動(dòng)機(jī)以及飛機(jī)整機(jī)收集數(shù)據(jù)后后臺(tái)直接診斷一樣,，ADAS的車(chē)聯(lián)網(wǎng)系統(tǒng),，除了像傳統(tǒng)的OBD端子或Ｔ－BOX等telematics產(chǎn)品主要直接采集上傳實(shí)時(shí)車(chē)況信息，更多可以分析路況,、駕駛場(chǎng)景等特征,，以處理結(jié)果提取上傳，增加了信息來(lái)源的維度,，數(shù)據(jù)量與分析內(nèi)容也發(fā)生了量變到質(zhì)變,。另外由于網(wǎng)絡(luò)的雙向傳輸，除了原有的手機(jī)APP可以通過(guò)網(wǎng)絡(luò)基于CANBUS對(duì)車(chē)輛可以遠(yuǎn)程控制,，更有可能將LBS的各種信息（天氣,、交通路況等）結(jié)合車(chē)況、智能硬件狀態(tài)診斷等傳到本地,，用于進(jìn)行整個(gè)車(chē)輛狀態(tài)設(shè)置與駕駛行為設(shè)置或建議等,。
六、與車(chē)的關(guān)系：
當(dāng)車(chē)與外部,、與局部環(huán)境的互聯(lián)發(fā)展后,，回頭看才發(fā)現(xiàn)車(chē)內(nèi)電子設(shè)備的聯(lián)網(wǎng)技術(shù)還一直處在對(duì)現(xiàn)有CANBUS的突破中，雖然以太網(wǎng)取代CANBUS在車(chē)內(nèi)進(jìn)行各器件互聯(lián)已有Tesla在實(shí)踐中先行,，但在行業(yè)內(nèi)整體的突破卻還未到來(lái),。車(chē)載智能硬件還都是強(qiáng)行加入到現(xiàn)有車(chē)輛各電子設(shè)備中的另一個(gè)元器件存在，參與了CANBUS的網(wǎng)絡(luò)卻深受傳輸數(shù)據(jù)量級(jí)不對(duì)等,、傳輸效率不高等困擾,。當(dāng)整車(chē)總線(xiàn)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)到以太網(wǎng)或類(lèi)似網(wǎng)絡(luò)的傳輸水平，智能終端也就能自由表現(xiàn)到與ESP,、EPS,、BCＵ等傳統(tǒng)控制單元同等水平的一個(gè)終端存在；同時(shí)反過(guò)來(lái),，傳統(tǒng)控制單元的數(shù)據(jù)形式與內(nèi)容將可以實(shí)現(xiàn)在新總線(xiàn)網(wǎng)絡(luò)上有新的規(guī)劃,，以便已完成更深的分析,、交互以及協(xié)同控制等。
七,、與萬(wàn)物的關(guān)系：
車(chē)聯(lián)網(wǎng)作為IoT的一部分,，自然可以期待在車(chē)聯(lián)之外對(duì)其他事物的互聯(lián)。除了利用其他事物的信息,，其本身聯(lián)系的基礎(chǔ)還在于智能硬件識(shí)別的數(shù)據(jù)可以滿(mǎn)足另外事物的需求,。像傳統(tǒng)的有些telematics設(shè)備在發(fā)生事故進(jìn)行報(bào)警后可以貢獻(xiàn)對(duì)交通路況的判斷，以及車(chē)輛GPS位置實(shí)時(shí)數(shù)據(jù)信息對(duì)道路紅綠燈設(shè)置的作用已經(jīng)是經(jīng)常被提及的了,。從視頻方面說(shuō),，最直接原始的就是DVR視頻對(duì)于事故等還原的作用。
事上實(shí)基于視覺(jué)ADAS的分析結(jié)果,，還可以挖掘的更多,。比如交通事故中肇事車(chē)輛的車(chē)速判斷，除了路段上的測(cè)速裝置,、事故車(chē)輛自身若干電子器件的ECU中會(huì)有記錄,，如果二者皆無(wú)，基于相關(guān)視頻的分析出的可以認(rèn)為是獨(dú)立的信息來(lái)源,。實(shí)現(xiàn)方式可以是事故中車(chē)輛的前后左右攝像頭視頻,，也可以是基于聯(lián)網(wǎng)數(shù)據(jù)尋找在當(dāng)時(shí)當(dāng)?shù)氐耐緩杰?chē)輛上的視頻。另一個(gè)例子可能更能體現(xiàn)車(chē)輛天生的在行駛中的特性與智能硬件分析結(jié)果的聯(lián)合作用,。傳統(tǒng)地圖的數(shù)據(jù)采集有一部分實(shí)現(xiàn)方式就是用實(shí)車(chē)加上較高成本的專(zhuān)業(yè)數(shù)據(jù)采集裝置在陌生路段或更新路段進(jìn)行實(shí)地采集,，但此方式也很難全面覆蓋到較偏僻但對(duì)其數(shù)據(jù)有需求的路段?；谟熊?chē)輛行駛經(jīng)過(guò)此路段時(shí)的GPS數(shù)據(jù)信息那只是單純路線(xiàn)信息,，但基于A(yíng)DAS視頻識(shí)別卻可以是車(chē)道線(xiàn)、路牌,、紅綠燈等交通信息的識(shí)別結(jié)果,。在聯(lián)網(wǎng)的基礎(chǔ)上，低成本的智能終端與有選擇性的當(dāng)?shù)剀?chē)輛結(jié)合作為采集源可以更高效地進(jìn)行基礎(chǔ)地圖數(shù)據(jù)收集,。
結(jié)語(yǔ)：
作為手機(jī)之后最被看好的網(wǎng)絡(luò)服務(wù)新載體,，車(chē)輛承擔(dān)著開(kāi)拓新的服務(wù)形式與內(nèi)容的重要使命。移動(dòng)互聯(lián)網(wǎng),、物聯(lián)網(wǎng)賦予其聯(lián)網(wǎng)特性,，人工智能賦予其邁向無(wú)人駕駛的可能性，兩個(gè)方向都帶來(lái)了其本身大數(shù)據(jù)的產(chǎn)生與其對(duì)大數(shù)據(jù)的需求,。目前的智能硬件以及其對(duì)關(guān)聯(lián)的車(chē)聯(lián)網(wǎng)都還可以認(rèn)為處在初級(jí)階段,，完成傳統(tǒng)改造以及新功能,、新內(nèi)容增加的車(chē)將會(huì)是個(gè)怎樣豐富多彩的存在,，我們?cè)趯?shí)踐中期待,。