虎嗅注：自动驾驶成了 2017 年最受关注的新技术，无论是传统车厂、新创业公司还是供应商，纷纷入局开始研发，然而自动驾驶车之中，最关键的是什么，下面这篇短文给出了一个不错的解答。本文转载自极客汽车，极客汽车黄晚编译自 weforum。
现在，由于铺天盖地的炒作，自动驾驶已经越来越火了，大批的「热心观众」时刻关注着它的最新进展，说它家喻户晓也不为过。
但是，自动驾驶到底是什么?什么才是它的核心?英特尔以 153 亿美元收购 Mobileye 似乎给出了这个问题的答案：关键不是汽车，而是汽车背后的数字技术。
比如，汽车上的激光雷达通过感应器发射光脉冲并接收反射来测量物体之间的距离，以此生成汽车周围环境的 3D 地图。
强大的自处理能力
据估计，因为装备了这些激光雷达感应器以及其他必要的系统如 GPS，每辆自动驾驶汽车每行驶 8 小时将产生并接收约 4TB 的数据。4TB 有多大?120 多万张照片的大小。
这 4TB 的数据大部分都需要及时处理。1 秒的延迟对手机来说并无大碍，但对汽车来说可能就是生死之别。因此，汽车必须具备极为强大的计算能力，就像一台性能强劲的计算机。
所以，汽车实际上已经变成了轮子上的计算机，而且还是大型计算机。有多大?即使不考虑自动驾驶，现在汽车上一般也都配备了 25-50 个中央处理单元(CPU)，这些单元很多都处于同一个通信网络之中。
IHS Automotive 的一份报告显示，2035 年全世界自动驾驶汽车的数量将增至 2100 万。2100 万意味着庞大的数据量，即使有 5G 技术，以目前的技术来看，要处理这些数据也是一项极为困难的挑战。
仅仅是汽车就已经有种让人不堪重负的感觉了。考虑到还有飞机、轮船以及其他越来越智能化的东西，未来需要处理的信息量可想而知。
为了适应这一趋势，现在许多公司都正在把计算任务转移到云端。但是，恰恰相反，未来不在云端，而是在「边缘」，也就是本地。也就是说，把数据直接在本地处理掉，而不是先上传到云端然后再处理。因为只有在边缘计算才能对数据作出迅速反应，避免在一个巨大的区域网络内传输数据引起的延迟。
所以，当汽车需要立刻作出反应时，如另一辆汽车正在快速靠近自己，数据就得直接在本地处理。至于那些不怎么急的事儿，如路况、天气情况等等，就可以推送到云端。
协调这些边缘计算需要更多地引入混合云和私有云，同时也对自动化提出了更高的要求。
强大的计算管理系统
幸运的是，有些公司已经开始在这方面作准备了。例如，Google 的日常运营用到了近 100 万台服务器。为了管理这一庞大而又复杂的服务器群，Google 开发了 Borg。
Borg 为另一个计算管理系统 Mesos 提供了灵感。Mesos 目前正被 Twitter,、Verizon、 Bloomberg 等公司使用。作为一个开源软件，Mesos 使之前只有最具创新力的软件公司才有能力涉及的领域对公众开放。因此，任何规模的公司现在都有机会去创造改变世界的东西。
下一代的平台将能够管理巨大的分布式数据中心和各种云，并能将边缘之物囊括在内。这对于自动驾驶来说同样重要。
计算管理系统会根据需要动态分配性能，因此将提升计算机效率和利用率。
以前，计算机的硬件比软件更为重要。不过，今非昔比。如今，像 Borg 和 Mesos 这样的分布式计算平台使计算机的计算能力和应用的多样性相比从前都有了质的提升。现有计算性能的最优化(无论是手机、个人电脑、服务器，还是即将到来的自动驾驶)不仅可以提高生产率，而且还将创造出新的机会和可能，如加州大学伯克利分校利用全球联网计算机共同搜寻地外文明的 SETI 项目。
想象一下利用先进的计算管理平台可以设计出来的各种应用。想象一下一个云无处不在的世界，一个所有设备联网并共同处理数据的世界，一个在任何地方都可以实现软件无缝衔接的世界，一个所有这些技术对任何公司都开放的世界。简直令人兴奋不已。
自动驾驶的到来将通过硬件和软件改变计算通信系统的架构。这些数据管理上的进步以及边缘计算为人工智能、机器人、物联网、自动驾驶、3D 打印、纳米技术等领域的突破奠定了基础，并拉开了第四次工业革命的序幕。
