自动驾驶落地应用进入下半场，云计算成为关键突破口

它是数据数字化时代的全新生产要素。数据、算法、计算能力的融合，正在推动人工智能产业的发展。自动驾驶是AI技术的皇冠，数据的作用贯穿生产、测试、研发的全生命周期，目前自动驾驶已经进入了以落地应用为目标的下半场，解决极端场景下的安全问题也离不开大量的数据支持。高效收集和利用数据，提高数据流通环节的速度，成为整个自动驾驶技术迭代的关键点。
构建数据闭环提升自动驾驶系统核心竞争力
要实现自动驾驶，就要获取大数据。而对采集到的海量实际路况数据的转化，可以帮助系统加快学习和升级，也意味着可以率先抢占高水平的自动驾驶技术高地。因此，全行业高度重视，投入巨大。
车辆要想在道路上完全自动驾驶，不仅要依靠车辆本身的摄像头、毫米波雷达、激光雷达等传感器，还需要网络技术的支持。当车辆通过各种传感器“观察”道路时，会产生大量的数据。1.5小时的行驶时间数据量达到4TB，车载端显然不适合处理和存储如此巨大的工作量。车辆产生的大量数据是提升自动驾驶体验和改进算法的关键资源，所以最好能分享到云端，然后通过人工智能算法为机器学习提供大量训练数据，从而搭建虚拟开发测试环境进行验证。
为了提高现阶段辅助驾驶/自动驾驶在复杂场景下的安全性，需要进行复杂的测试和验证。由于现实中的驾驶场景难以穷尽，极其复杂且不可预测，在开发和测试过程中，业界一般会收集大量数据构建场景集，帮助汽车搭建仿真环境，实现仿真测试。在实际路测中，重现一个极端场景的接管可能需要一个月的时间，而依靠数据不仅可以重现更多的极端场景，还可以大大提高测试效率。
此外，自动驾驶车辆部署后，会产生大量返回的数据，自动驾驶系统也需要基于这些数据进行迭代升级，通过OTA为用户不断推送新功能、适配更多场景、提升体验。