举例来说,在2022年的新车市场,L2级自动驾驶已经成为智能汽车的标配,并且像自动辅助导航驾驶(NOA)、记忆泊车等高级辅助驾驶功能也开始陆续上车。更有海外车企已经量产L3级自动驾驶汽车,并于近期交付用户开启使用。
而L4级自动驾驶目前由于政策、成本等因素限制,虽然落地和普及速度没有那么快,但像是Robotaxi、Robobus等L4车辆也已经在部分区域开启商业化运营试点,并向公众开放。
奔驰的L3级自动驾驶
总的来说,自动驾驶的发展已经进入商业落地的下半场,高阶辅助驾驶渗透率正在持续增长,高级别自动驾驶的落地规模也正逐步扩大,自动驾驶公司们也基本都熬过了最艰难的创业初期和从0到1的研发阶段。
但在下半场的竞争中,自动驾驶公司们又迎来了一个全新挑战——如何高效处理日益增长的数据量?
毕竟,随着技术的商业落地,用的人多了,数据量也就自然变多了。并且,随着智能汽车上的感知配置越来越多,性能越来越高,所产生的数据量也就越来越多。
某新车上的感知硬件布局
腾讯智慧出行副总裁刘澍泉告诉车东西,一辆拥有高阶自动驾驶能力的车辆每天大约可以回传6TB的有效数据,再叠加上日益增多的车辆数量和运营规模,自动驾驶公司们所面临的数据压力可想而知。
所以,自动驾驶研发、运营等环节“上云”就成为了自动驾驶公司们当今的一大刚需。
但增加本地计算、存储资源不也可以解决数据量庞大的问题吗?对于这个问题,刘澍泉表示:“当车辆在路上跑得越来越多,那一定是需要广泛接入,而不是去用私有网络,然后再点到点进行接入。”
自动驾驶正在快速普及
并且,相较新建本地机房来说,云端在接入效率、计算效率、存储成本、以及服务发布,都具备更强的优势。
根据沙利文发布的《2021年中国汽车云市场追踪报告》显示,2021年大中华区汽车云市场已经达到335.2亿元的规模体量,而自动驾驶云服务领域将会成为中国汽车云的一个关键增长领域。
综上,无论是从商业化落地还是自我迭代软件算法,“上云”已逐渐成为眼前自动驾驶公司们的迫切刚需,而一片“好云”也成为拿下自动驾驶下半场胜利的关键武器。