云计算使自动驾驶汽车程序可以专注于速度和建筑价值。

巨大的成就需要巨大的投入。根据研究公司PitchBook的数据，自动驾驶汽车初创公司平均每月花费160万美元。

大部分费用用于测试和支持测试所需的基础设施。一辆装有传感器和数据记录设备的原型车的价格可能高达50万美元。处理和存储所有生成的数据的成本相差不大。

2017年，通用汽车、现代汽车、大众汽车和Waymo等汽车制造商和科技公司都预测无人驾驶汽车将于2020年问世，并在这方面投入巨资。根据布鲁金斯学会的一项研究，从2014年8月到当年6月，汽车制造商和科技公司在视听技术上的投资高达800亿美元。

仅仅一年后，涉及自动驾驶原型车的事故似乎让开发者失去了动力。与此同时，实现5级自动驾驶所需的技术挑战(全自动无人驾驶汽车)也越来越复杂。到了2019年，很多开发商已经放弃了2020年的计划。

通往5级的道路仍在继续，视听开发者仍致力于它将带来的社会进步。但是他们也有一些新的优先事项。他们还在云计算领域找到了新的机会，这可以降低成本和开发时间。

首先，他们专注于符合长期目标的适销产品和服务的短期路径:卡车运输和物流、ADAS系统和提供数据见解。一些开发人员正在创造价值，展示现实世界的效率。

同样，四级自动驾驶卡车初创公司TuSimple在7月份推出了自动货运网络。该公司正在展示各种方法，通过有偿货物运输的自主运营来提高安全性和效率，并在实际测试中改进其产品。

其次，音频和视频开发人员希望通过在虚拟环境中进行更多的测试，加快处理和存储速度，来保存他们现有的工作流程。

在这两种情况下，云计算都提供了以极大的灵活性加速和扩展开发的机会，同时使那些近期目标的数据更容易访问。新冠肺炎进一步加速了现有云解决方案的发展趋势。

自2018年以来，出于安全考虑，两人乘坐测试车辆在每条道路上行驶已成为标准做法。社会异化规则使这变得更加困难，这意味着许多测试团队目前停在那里。

小规模计算

视听开发包括从实际测试和模拟中收集大量数据。然后进行训练，并将数据输入到原型的新行为模型中，然后在仿真中再次验证，从而产生新的数据周期。

Lyft Level 5的高级工程师蒂莫西·佩雷特(Timothy Perrett)说:“模拟是提高软件安全性的关键方法之一，即使是在测试轨道上。”这是一个需要灵活性的过程。

Lyft Level 5于2017年推出，旨在让乘车共享公司直接购买视听技术的优势，专注于自动驾驶乘车共享车辆。Lyft的工程师使用从其AV车队收集的PB级数据，每年进行数百万次模拟，以提高其自动驾驶系统的性能和安全性。

验证和运行所有这些数据的规模是一个巨大的问题，模拟中产生的大量数据也是如此。自2012年以来，Lyft本身就将AWS作为云合作伙伴，但使用云与现场客户进行交互以及进行模拟和数据处理是不同的。

第5级有不同的要求和约束。大多数计算需求都是服务于大规模、批处理类型的工作负载，这些工作负载的配置非常尖锐。需要能够爆发峰值负载，然后在不使用时快速关闭它。

解决方法在于使用投标实例。基于投标的实例是按需分配的计算功能，是亚马逊弹性计算云(EC2)的一部分。用户只为自己使用的商品付费，没有规模限制。它们还允许同时打包和运行作业。这样可以加快大量数据的处理速度，也就是说任何一个团队或者工程师都不用闲着，另一个可以优先考虑计算时间。

已经在路上了。

第五级，完全自动驾驶可能是所有音频和视频开发商的最终目标，今天，一些公司已经在他们的收入服务中使用了他们的技术。

卡车初创公司TuSimple推出了世界上第一台自动驾驶汽车……7月1日的货运网络，目前正在使用UPS将其从凤凰城运输到沃思堡。该公司的目标是2024年在全国范围内运营。

TuSimple的卡车一直按照通常称为4级自治的标准运行。他们可以自己开车，但主要是在为他们创造的环境中。

卡车通常在有标记且维护良好的公路上穿梭于仓库之间。理论上，这对音频和视频系统来说很容易，但大型钻机有70英尺长，很难操作和停止，车道两侧的间隙通常不到3英尺。公司所有的卡车都是一个人操作，人和电脑在不同的场合驾驶。当驾驶员处于控制状态时，系统会记录驾驶员的行为和AI将做出的决定，然后通过机器学习进行分析。

早期，图森未来会在自己的硬盘上收集数据，然后在15个小时后将数据传输到云端。2018年，它增加了一个AWS雪球边缘设备，可以在车内记录、标记和压缩数据。这节省了运行后必须执行这些任务的时间，也有助于从云中重新集成新的驾驶模型。

数据在AWS Direct Connect(专用、安全、高速的数据连接)和云端之间来回传输，传输速度比以前快了很多。

该公司的控制算法可以在拖车满载的情况下，以65英里/小时的速度将卡车保持在4厘米的精确车道中心。通过比人类更精确的油门和方向控制，它在旅程中的燃油经济性也提高了10%。

储存和服从

TuSimple收集的大量数据也保存在云中，并进行索引以备将来使用，这是合规性的关键部分。

当创建机器学习模型来做出决策时，例如汽车的运行模式，必须能够使用输入数据进行未来的审计。数据需要保留多长时间众说纷纭，但一般的经验法则是数据需要保留10-15年，并且必须容易获取。

AWS使得将公司的所有数据存储在一个中心位置(“数据湖”)成为可能。“数据湖”参考架构是AWS在与许多客户合作后专门开发的，以应对其autonomy和ADAS数据所面临的挑战。

以类似于spot示例的方式，它使不同级别的存储可用于在分层定价系统中使用和保留数据。新鲜的数据通常存储在亚马逊S3服务器上。可以把休眠的数据搬到亚马逊冰川，很便宜，但是访问速度慢。它比磁带解决方案更具成本效益和可访问性。

通往5级的路可能很长，音视频开发者有机会在这个过程中微调运营，创造价值。最好的选择是长期战略。云计算可以提供帮助，云基础设施合作伙伴也可以。巨大的成就需要巨大的投入。根据研究公司PitchBook的数据，自动驾驶汽车初创公司平均每月花费160万美元。

大部分费用用于测试和支持测试所需的基础设施。一辆装有传感器和数据记录设备的原型车的价格可能高达50万美元。处理和存储所有生成的数据的成本相差不大。

2017年，通用汽车、现代汽车、大众汽车和Waymo等汽车制造商和科技公司都预测无人驾驶汽车将于2020年问世，并在这方面投入巨资。根据布鲁金斯学会的一项研究，从2014年8月到当年6月，汽车制造商和科技公司在视听技术上的投资高达800亿美元。

仅仅一年后，涉及自动驾驶原型车的事故似乎让开发者失去了动力。与此同时，实现5级自动驾驶所需的技术挑战(全自动无人驾驶汽车)也越来越复杂。到了2019年，很多开发商已经放弃了2020年的计划。

通往5级的道路仍在继续，视听开发者仍致力于它将带来的社会进步。但是他们也有一些新的优先事项。他们还在云计算领域找到了新的机会，这可以降低成本和开发时间。

首先，他们专注于符合长期目标的适销产品和服务的短期路径:卡车运输和物流、ADAS系统和提供数据见解。一些开发人员正在创造价值，展示现实世界的效率。

同样的，图简单，一个fo……-级自动驾驶卡车初创公司，7月份推出了自动货运网络。该公司正在展示各种方法，通过有偿货物运输的自主运营来提高安全性和效率，并在实际测试中改进其产品。

其次，音频和视频开发人员希望通过在虚拟环境中进行更多的测试，加快处理和存储速度，来保存他们现有的工作流程。

在这两种情况下，云计算都提供了以极大的灵活性加速和扩展开发的机会，同时使那些近期目标的数据更容易访问。新冠肺炎进一步加速了现有云解决方案的发展趋势。

自2018年以来，出于安全考虑，两人乘坐测试车辆在每条道路上行驶已成为标准做法。社会异化规则使这变得更加困难，这意味着许多测试团队目前停在那里。

小规模计算

视听开发包括从实际测试和模拟中收集大量数据。然后进行训练，并将数据输入到原型的新行为模型中，然后在仿真中再次验证，从而产生新的数据周期。

Lyft Level 5的高级工程师蒂莫西·佩雷特(Timothy Perrett)说:“模拟是提高软件安全性的关键方法之一，即使是在测试轨道上。”这是一个需要灵活性的过程。

Lyft Level 5于2017年推出，旨在让乘车共享公司直接购买视听技术的优势，专注于自动驾驶乘车共享车辆。Lyft的工程师使用从其AV车队收集的PB级数据，每年进行数百万次模拟，以提高其自动驾驶系统的性能和安全性。

验证和运行所有这些数据的规模是一个巨大的问题，模拟中产生的大量数据也是如此。自2012年以来，Lyft本身就将AWS作为云合作伙伴，但使用云与现场客户进行交互以及进行模拟和数据处理是不同的。

第5级有不同的要求和约束。大多数计算需求都是服务于大规模、批处理类型的工作负载，这些工作负载的配置非常尖锐。需要能够爆发峰值负载，然后在不使用时快速关闭它。

解决方法在于使用投标实例。基于投标的实例是按需分配的计算功能，是亚马逊弹性计算云(EC2)的一部分。用户只为自己使用的商品付费，没有规模限制。它们还允许同时打包和运行作业。这样可以加快大量数据的处理速度，也就是说任何一个团队或者工程师都不用闲着，另一个可以优先考虑计算时间。

已经在路上了。

第五级，完全自动驾驶可能是所有音频和视频开发商的最终目标，今天，一些公司已经在他们的收入服务中使用了他们的技术。

卡车初创公司TuSimple于7月1日推出了世界上第一个自动货运网络，目前正在使用UPS将其从凤凰城运输到沃思堡。该公司的目标是2024年在全国范围内运营。

TuSimple的卡车一直按照通常称为4级自治的标准运行。他们可以自己驾驶，但主要是在为他们创造的环境中。

卡车通常在有标记且维护良好的公路上穿梭于仓库之间。理论上，这对音频和视频系统来说很容易，但大型钻机有70英尺长，很难操作和停止，车道两侧的间隙通常不到3英尺。公司所有的卡车都是一个人操作，人和电脑在不同的场合驾驶。当驾驶员处于控制状态时，系统会记录驾驶员的行为和AI将做出的决定，然后通过机器学习进行分析。

早期，图森未来会在自己的硬盘上收集数据，然后在15个小时后将数据传输到云端。2018年，它增加了一个AWS雪球边缘设备，可以在车内记录、标记和压缩数据。这节省了运行后必须执行这些任务的时间，也有助于从云中重新集成新的驾驶模型。

数据在AWS Direct Connect(专用、安全、高速的数据连接)和云端之间来回传输，传输速度比以前快了很多。

该公司的控制算法可以在拖车满载的情况下，以65英里/小时的速度将卡车保持在4厘米的精确车道中心。通过比人类更精确的油门和方向控制，它在旅程中的燃油经济性也提高了10%。

储存和服从

TuSimple收集的大量数据也保存在云中，并建立索引以备将来使用，wh……h是合规的关键部分。

当创建机器学习模型来做出决策时，例如汽车的运行模式，必须能够使用输入数据进行未来的审计。数据需要保留多长时间众说纷纭，但一般的经验法则是数据需要保留10-15年，并且必须容易获取。

AWS使得将公司的所有数据存储在一个中心位置(“数据湖”)成为可能。“数据湖”参考架构是AWS在与许多客户合作后专门开发的，以应对其autonomy和ADAS数据所面临的挑战。

以类似于spot示例的方式，它使不同级别的存储可用于在分层定价系统中使用和保留数据。新鲜的数据通常存储在亚马逊S3服务器上。可以把休眠的数据搬到亚马逊冰川，很便宜，但是访问速度慢。它比磁带解决方案更具成本效益和可访问性。

通往5级的路可能很长，音视频开发者有机会在这个过程中微调运营，创造价值。最好的选择是长期战略。云计算可以提供帮助，云基础设施合作伙伴也可以。

标签：大众现代

汽车资讯热门资讯