没有“神经系统”，哪来自动驾驶上帝视角？

人类大脑中有超过 1000 亿个神经元，这些神经元无时不刻都在向肌肉和器官传输着电化学信号。

与此同时，通过感受器获得的刺激也会迅速反馈给大脑，从而使人体获得沟通、反应和行动能力。

在车辆运行时，自动驾驶系统需要强大的技术支持，以便对来自内外部的刺激进行实时预测与反应。

具体来说，算力强大的计算机就是自动驾驶汽车的「大脑」，车载传感器则扮演感知系统的角色，观察路况。

而在不久的将来，车载以太网和高性能 5G 通讯系统将成为自动驾驶汽车的「神经系统」。

在通往自动驾驶商用之路上，汽车厂商与供应商们必然要解决无数的安全与技术难题。

在这无数难题之中，数据延迟是必须要克服的，否则我们无法保证车辆的反应速度。

以人类为例，经过数百万年的进化，人类的大脑与身体已经成为我们在各种极端条件下生存的保证。

同理，自动驾驶汽车在设计上也必须持续进化，以确保乘客与其他交通参与者的安全。

虽然未来是万物互联的世界，但自动驾驶汽车必须有独立能力，在不借助其他车辆或基础设施数据的情况下，独立掌控不同路况与各种突发事件。

这意味着，自动驾驶汽车必须搭载一套强大的感知系统和一套敏捷的神经系统。

前者负责采集数据，后者负责将这些数据传送给车上的计算设备。

自以太网诞生以来，它已经成为多个行业不可或缺的骨干技术，未来以太网也会成为次世代汽车神经系统的不二之选。

不过，想要在汽车行业立于不败之地，以太网也必须跨过传输速度、容错性和安全性的门槛。

其次，以太网还得成为一种永不过时的技术，这对自动驾驶来说至关重要。

有了车载以太网的参与，我们才能顺利实现车辆内部的高速数据传输。

目前，车用数据网络最高传输速度已经能达到 10 Gb/s，但稍经升级，车载以太网就能实现带宽与信号处理速度的大跃进，成为自动驾驶汽车的「增压器」。

第三，以太网的可靠性也必须经得住考验。

厂商或供应商必须准备多层次的安全方案（包含管理程序），让平台能同时运行多个虚拟机和应用程序，最后再用类似多存储区、故障保全和高冗余等功能来兜底。

车载以太网还有另一个关键任务：迅速将传感器采集到的数据「投喂」给车上的计算设备，整个过程的可靠性还必须有保证。

这样一来，车辆就拥有了独立运行能力，特别是在交通拥堵区域。

但这还远远不够，它还需要对外交流的能力，即与其他车辆或基础设施「互通有无」。

举例来说，当前方车辆将自己要急刹车的信息广播出去后，其他车辆就能尽早做出更加舒缓的刹车动作，提升用户体验。

5G 基础设施与关键通讯技术的应用

要满足自动驾驶汽车快速攀升的数据带宽要求，就得用上更为强大的基础设施与网络。

从带宽和网速来看，现有的 4G 网络无法达到要求，而且 4G 通讯信号在回传到车辆前还得先经过信号塔，这样的延迟是自动驾驶汽车无法接受的。

那么，现在路上的自动驾驶测试车都是如何解决带宽问题的？

很简单，先对传感器数据进行一轮加工。

不过，这样的折衷方案到了全自动驾驶时代肯定行不通，因为那时车辆需要更多传感器数据，现有 4G 网络的带宽根本扛不住。

麦肯锡曾在一份报告中预测称，为了跟上数据流量每年 20%-50% 的增速，全球运营商都会继续加大对基础设施的投入，而 5G 网络的到来将带动新一轮通讯网络建设热潮。

虽然 4G 网络是查漏补缺的产物，但 5G 网络却能带来革命性的体验。

除了带宽的增加，5G 还能减小延迟。

要知道，在运行时，延迟会毁掉两台设备无缝衔接的体验。

对自动驾驶汽车来说，高延迟意味着车辆无法快速对路况变化做出反应，这会威胁乘客生命安全。

未来几年，5G 网络基础设施的扩张会为自动驾驶汽车的普及提供得天独厚的条件。

今年 7 月，前安波福自动驾驶工程副总裁、滴滴自动驾驶公司 CTO 韦峻青在公开论坛表达了这样一个观点：

行业内认为需要 80 亿英里的驾驶测试才能保证自动驾驶系统比人更安全。这需要 100 辆车的车队每天 24 小时运营 400 年。如果这是唯一的衡量标准，自动驾驶等同被判了死刑。

那么，如何解决自驾驶汽车上路问题？

国内的行业专家为此提出了一个新思路——车路协同。

简单来说，车指的是智能汽车，路是智能道路，为汽车提供基础数据支持。

智能道路两侧可以布置 5G 基站和服务器，部分摄像头和雷达等感知设备也能从车上转移到路上，信息通过 5G 网络传送给车辆，车辆据此作出驾驶决策。

这就相当于给汽车加装一个「天眼」，使它获得上帝视角。

清华大学汽车工程系教授李克强曾公开表态：从规划时起，中国的自动驾驶就强调「智能网联」。

与单车智能不同，中国技术路线是要通过车与车、车与道路等基础设施联网实现自动驾驶。

2018 年 12 月，国家工信部发布智能网联汽车产业发展行动计划：

这意味着，在路上的自动驾驶汽车将不再是一个个孤岛，来自外界的数据会让这些车辆更加聪明。

举例来说，车辆可以即时下载最新的高精地图，这样路上的交通事故、建筑工地和其他障碍就能一目了然。

不过，对于这一思路，国家智能交通系统工程技术研究中心首席科学家王笑京最近在第二届全球智能汽车前沿峰会上提出的观点也同样值得思考：

车路协同是否是自动驾驶产业化的出路？

他认为，一个产业的发展寄托在其他的产业上，并不恰当。车路协同并不是实现自动驾驶的前提条件。其二，自动驾驶依靠路侧系统，将使法律关系和责任关系变得更复杂。

自动驾驶汽车的进化离不开整合

眼下，许多汽车厂商都发布了自己的自动驾驶原型车，后续还将有更多新面孔加入这场战局。

举例来说，沃尔沃已经在瑞典开始测试自动驾驶汽车，戴姆勒则在北京拿到了路测牌照。

在中美两地，Waymo、Cruise、福特、Uber、百度、滴滴、Pony 等也都计划在自动驾驶打车服务上发力。

事实上，上述这些公司只不过是比较吸引眼球的头部公司罢了。在水平面之下，自动驾驶行业还潜藏着更多惊人的力量。

自动驾驶汽车的进化离不开对高速、高带宽网络的整合。

在这个融合过程中，工程人员要做的比我们想象的要多。

他们不但要解决网络流量优化、系统规模化和安全问题，还得研发出更强大的天线、车载以太网和高性能 5G 网络。