中國自動駕駛市場潛力巨大。麥肯錫預測，在中國乘用車市場，到2040年，自動駕駛將占到乘客總里程的約66%，自動駕駛車輛的銷售收入將達0.9萬億美元，與自動駕駛相關的移動出行所帶來的市場收入將達1.1萬億美元*1。自動駕駛作為智能汽車、智能交通發(fā)展的一致方向，已經被我國列為重點發(fā)展領域?！缎乱淮斯ぶ悄馨l(fā)展規(guī)劃》提出要重點發(fā)展汽車產業(yè)中的自動駕駛技術，并且要在智能交通建設和自主無人駕駛技術平臺等方面實現(xiàn)突破。而這一進程的推進離不開云計算平臺，以及云層之上大數(shù)據分析、物聯(lián)網、人工智能的支撐。

• 自動駕駛的價值

自動駕駛作為構建智慧出行服務新型產業(yè)生態(tài)的核心要素，在提高道路利用率的同時，還成為了消費升級的新動力。隨著自動駕駛的不斷完善，還將加速汽車產業(yè)鏈價值重心進一步向后服務傾斜，提高基于道路、交通等數(shù)字化服務的業(yè)務增長空間。

消費升級：自動駕駛技術的應用，讓駕駛員能夠從隨時關注和調整汽車行駛狀態(tài)的環(huán)境脫離出來，通過人工智能，辦公、娛樂、生活等成為駕乘人員在汽車出行中的新選擇，人們從傳統(tǒng)的消費轉變?yōu)橹悄芟M，實現(xiàn)了消費體驗的全面升級。

提高道路利用率：在城市交通中，由于車輛增長速度遠大于道路增長速度，再加上不良行駛習慣，例如搶紅燈、插隊、路邊亂停車等，使得道路擁堵成為城市交通管理的一大難題。自動駕駛與智能交通管理的協(xié)同使用，能夠通過對路況變化的感知，自動調節(jié)車輛駕駛狀態(tài)，更好地管理交通流量，從而有效釋放道路資源，增強道路通行能力，緩解擁堵，提高道路利用率。

降低碳排放：自動駕駛技術成熟后，共享出行將成為城市交通的主要模式。屆時，滿足現(xiàn)有出行需求的汽車保有量將顯著下降。根據密歇根大學的測算，一輛自動駕駛共享汽車(Shared Autonomous Car)可以取代9.34輛傳統(tǒng)汽車*2。這不僅意味著車輛利用率的提高，同時車輛總量的減少將大幅降低碳排放，實現(xiàn)社會發(fā)展低碳化。

• 我國自動駕駛發(fā)展三階段

我國自動駕駛的發(fā)展歷程可以分為三個階段*3：

來源：麥肯錫，How china will help fuel the evolution in autonomous vehicles

第一階段，~2023：在這一階段，自動駕駛技術已經準備就緒，但受限于我國復雜的交通環(huán)境，例如高度復雜的標識、交通信號燈和道路標志尚未完全標準化，以及駕駛員不良習慣駕駛等，導致自動駕駛的初步使用，更多的在具有更少交通流量且駕駛要求更為簡單的郊區(qū)進行，且駕駛速度只能維持在60km/小時以下的低速。

第二階段，~2027：到2027年，自動駕駛技術不斷發(fā)展，已經解決了城市和郊區(qū)駕駛的大部分所需條件，開始得到大規(guī)模的商業(yè)化采用。但自動駕駛還需解決壞天氣帶來的信號不佳，以及鄉(xiāng)村獨特的交通復雜性以及道路標識不統(tǒng)一的問題。

第三階段，~2032：“移動即服務”(MaaS)在中國市場的快速增長，帶來對自動駕駛出行的強烈需求。在這一階段，隨著自動駕駛技術的日益成熟和成本的逐步降低，自動駕駛將在城市、郊區(qū)和農村得到全面采用。

從技術角度而言，自動駕駛的過程涉及眾多技術，其中感知、智能引擎和機器學習這三點非常關鍵。

感知：在工業(yè)互聯(lián)網下，通過傳感器、通信設備以及連接設備的數(shù)字化技術來感知多車型、多場景車輛數(shù)據，通過傳感多數(shù)據交互，邊緣端實時處理，實現(xiàn)實時、可靠的系統(tǒng)響應和感知。

智能引擎：在云層之上，結合大數(shù)據和人工智能，對收集的車輛海量數(shù)據進行實時處理，并作出智能決策，是實現(xiàn)自動駕駛的關鍵。這就需要自動駕駛系統(tǒng)具有高速可靠的計算能力，能夠通過智能大數(shù)據分析，對車輛行駛做出相應決策。

深度學習：自動駕駛過程中，需要對基于汽車行駛的數(shù)據、性能評價進行智能判斷、診斷和維護，這就對深度學習提出了要求，需要先進的深度學習框架，通過機器學習建模根據數(shù)據進行訓練和改進。

• AWS加速自動駕駛

全球先進的傳統(tǒng)汽車制造商Rolls-Royce、BMW、Volvo、Toyota、Remault、福特、德國奧迪和新興出行服務商如Lyft都是基于AWS ，以及云層之上的物聯(lián)網、大數(shù)據和人工智能，滿足車聯(lián)網和自動駕駛的開發(fā)和部署需求?；谠破脚_靈活、豐富的計算資源，在運用大數(shù)據技術和先進的人工智能算法基礎上，AWS自動駕駛系統(tǒng)分為車、云(平臺)兩層，通過車云協(xié)同，AWS一整套服務可助力自動駕駛的開發(fā)和部署。

AWS 具備及用戶所需的存儲，支持海量數(shù)據存儲。AWS Snowball Edge Storage Optimized 提供了 100 TB 的容量和 24個 vCPU，滿足本地存儲和大型數(shù)據傳輸需求。

Amazon Elastic Compute Cloud (Amazon EC2) P3 實例提供靈活且強大的高性能計算能力，可以實現(xiàn)高達 1 petaflop 的混合精度性能，顯著加快機器學習和高性能計算應用程序的速度。且Amazon EC2 P3 實例支持所有主流機器學習框架，包括Apache MXNet、TensorFlow 和 PyTorch 等。

Amazon SageMaker 機器學習托管服務，能夠讓自動駕駛研發(fā)人員快速構建、訓練和部署機器學習模型，在減少研發(fā)工作量的同時降低成本，縮短產品面世周期。

AWS IoT Greengrass 提供邊緣計算及機器學習推理功能，可以實時處理車輛中的本地規(guī)則和事件，同時盡可能降低向云傳輸數(shù)據的成本。

下面我們通過兩個實際案例看看AWS 如何助力自動駕駛。

• 豐田研究所利用AWS深度學習加快自動駕駛速度

自動駕駛系統(tǒng)的開發(fā)和部署，需要IT具有收集、存儲和管理大量數(shù)據的能力，高性能計算能力和先進的深度學習技術，以及實時處理車輛數(shù)據的能力。豐田旗下的豐田研究所(Toyota Research Institute，以下簡稱TRI)的首要任務之一就是通過人工智能，幫助豐田生產更安全、更可用、更環(huán)保的汽車，為此，他們在AWS云服務基礎上，通過Amazon EC2 P3實例、Amazon Simple Storage Service (Amazon S3)、Amazon Simple Queue Service (Amazon SQS)和AWS網絡服務構建了一個可擴展且高性能的解決方案。Amazon EC2 P3實例為機器學習模型培訓提供了所需的核心計算能力，在快速優(yōu)化和重新培訓模型的基礎上，將培訓模型的時間縮短了75%，顯著加快TRI的自動駕駛研究和開發(fā)速度;通過Amazon S3，TRI能夠快速存儲和檢索任何地方任何數(shù)量的數(shù)據，并將這些數(shù)據用于機器學習模型和模擬的分析和再培訓;TRI還使用Amazon SQS協(xié)調遠程數(shù)據采集站點之間的數(shù)據傳輸，并根據需求調整計算和存儲資源。通過這一方案的部署，TRI的數(shù)據科學家和機器學習工程師能夠更快地迭代、培訓更多模型，并在應用程序中建立競爭優(yōu)勢，從而縮短研發(fā)自動駕駛研發(fā)周期，向未來幫助豐田生產更安全的汽車這一目標邁進。

• AWS助力TuSimple 開發(fā)自動駕駛卡車系統(tǒng)

創(chuàng)立于2015年9月的TuSimple(以下簡稱“圖森”)一直專注于研發(fā)可商用的 L4 級別(SAE 標準)無人駕駛卡車解決方案。該解決方案以攝像頭為主要傳感器，融合激光雷達和毫米波雷達，實現(xiàn)了感知、定位、決策、控制等無人駕駛核心功能，能夠讓貨運卡車在干線物流場景和半封閉樞紐場景中實現(xiàn)全無人駕駛。借助AWS云服務，圖森加快了這一解決方案的開發(fā)效率和速度，并降低開發(fā)成本。AWS具備用戶所需的計算和存儲，通過AWS Snowball Edge，圖森能夠加速將海量數(shù)據傳輸?shù)紸WS云并進行處理，從而讓圖森能夠進行非常廣泛的模擬駕駛測試;通過AWS 彈性云服務，圖森能夠創(chuàng)建和訓練其深度學習模型，從而將培訓時間從數(shù)天縮短至數(shù)小時。借助AWS，圖森建立了自主駕駛仿真平臺，可以在其用于導航卡車的每一種算法上運行數(shù)百萬英里的模擬里程，從而使安全可靠的自動車輛成為現(xiàn)實。

自動駕駛的實現(xiàn)，不僅要求通過傳感器對周圍環(huán)境實現(xiàn)感知，同時具備更強大的數(shù)據分析能力，通過數(shù)據進行智能決策和控制。針對自動駕駛開發(fā)的AWS云服務，借助云計算、大數(shù)據、物聯(lián)網、人工智能，加快了汽車制造商和研發(fā)機構在自動駕駛系統(tǒng)這一方向的研發(fā)進程。借助AWS云服務，TRI和圖森加快了自動駕駛研發(fā)的速度，向可靠、安全的自動駕駛不斷前進。

* 1來源 麥肯錫，《自動駕駛在中國》

* 2 來源 University of Michigan Transportation Research Institute，《Potential Impact of Self-Driving Vehicles on Household Vehicle Demand and Usage》

* 2 來源 麥肯錫，How china will help fuel the evolution in autonomous vehicles, https://www.mckinsey.com/industries/automotive-and-assembly/our-insights/how-china-will-help-fuel-the-revolution-in-autonomous-vehicles