你的愛車越來越智能了，再不是簡單的四輪代步工具了!各種傳感器、信息娛樂系統、導航系統、人機互動系統、高級駕駛輔助系統(ADAS)等等這些數據急需要一個強大的車載硬盤了!

自動駕駛催生存儲擴容需求 人工智能助力作用凸顯

據外媒報道，隨著技術的不斷發展，如今的車輛普遍配置了內置數據存儲設備，其容量通常在16 GB-64 GB，其中絕大部分設備能勝任車用地圖存儲及車載信息娛樂兩大功能。然而，人工智能技術、自動駕駛技術、云技術、車聯網技術正在發展，未來的自動駕駛車輛勢必要尋求超大容量的存儲設備，對上述先進的車載功能提供技術及硬件支持。

車載存儲器的擴容需求凸顯

據業內機構的研究結果顯示，自動駕駛車輛很快就會迫切需要超大容量存儲設備(儲存容量在1TB以上)，進而對智能駕駛員輔助、語音識別及手勢識別、眼球追蹤、駕駛監控、黑匣子記錄(black box recording)、認知能力(cognitive capabilities)(可對駕駛員偏好加以學習及分析，進而提升能力)、車間通信(V2V)及車輛與基礎設施通信(V2I)等各類先進駕駛輔助功能提供支持。

隨著時間的推移，全球道路數據的容量將不斷增大，而傳輸速率也將隨之提升，因此存儲設備也勢必要不斷擴容。由于產生的數據量極大，如何對海量數據加以利用、如何將數據轉化實時智能與服務價值就顯得尤為關鍵。

為實現妥善處理傳感器數據、算法及來自外部世界的實時數據信息，務必要提升車輛的運算能力，因為數據的抓取量及分析量將越來越大。這就需要實現即時處理數據，其中有部分數據需要保存到本地存儲設備(即：車載存儲設備)或上傳到云端儲存設備中。

人工智能對自動駕駛車輛車載存儲設備的影響

為此，下文將從“自動駕駛、數字助理、與數據中心的網絡連通”這三大方面來探討人工智能及其對自動駕駛車輛車載存儲設備的影響。

盡管上述應用領域對車載存儲設備的影響巨大，但都離不開人工智能(AI)技術的推動與輔助，人工智能技術在汽車中的應用已成為當前的一大技術發展趨勢。人工智能技術基于計算機應用，其可確保車載系統能像人類一般執行相關任務。

人工智能不僅驅動著自動駕駛車輛的未來，還被各大車企用于多個領域中，借此提升車輛的自動化程度，并改善駕駛體驗。駕駛輔助、數據語音輔助(digital voice assistants)、深度學習能力、實現與數據中心及車載信息娛樂系統的網絡連通均離不開人工智能技術的支持。車載應用可利用人工智能技術實現海量數據的采集，但需要相關方來制定新的本地及云端信息存儲及數據管理策略。

超大容量的車載存儲設備是實現自動駕駛功能的先決硬件條件

自動駕駛車輛借助攝像頭、雷達、激光雷達(激光探測與測距，light detections and ranges)等傳感器來采集車輛周邊環境的數據，進而為車輛實現轉向、制動及加速等功能提供輔助，其數據的采集速率為750 MB/s。車載傳感器將讀取車輛周邊環境的地圖數據，并與保存的車載地圖進行比對，進而繪制新的實時地圖，使車輛能夠識別行駛路徑上可能出現的障礙物并進行規避。這一系列進程將產生海量的數據，進而完成對車輛的操控，但若要實現上述目標，前提是大幅擴充車載存儲設備的存儲容量。

車載系統提取將提取經壓縮處理的數據，在與高清地圖進行對比將用到該數據，從而精準地定位車輛所在位置。該類地圖需要獲取高精度的地圖數據及車道標志線(lane markings)、路緣石(curbs)、車道控制燈(lane signs)等信息，該地圖數據所占的容量被擴大了整整一倍。這類信息可用于生成實時的具體行動方案(actionable insights)，從而完成對車輛的導航操作。

某些數據(如車輛的相關“駕駛”數據)的存儲時間可能長達數日乃至數月，須視當地法規、運營商或原始設備制造商(OEM)的具體要求而定。駕駛數據記錄須每隔數秒記錄一次，而與車隊車輛監控相關的黑匣子數據則每隔數日記錄一次，后者通常被用于車險、預測性維護(predictive maintenance)及其他用途。

由于數據的功用不同，對應的數據儲存要求也差別迥異。若需將駕駛數據上傳到云端服務器的儲存器中，還需要另行備份副本(local copy)，將其保存在本地(或“本機”)存儲設備中。歸根結底，超大容量的車載存儲設備是實現上述功能的先決硬件條件。

據估計，未來大部分的自動駕駛車輛將配備***款的無線網絡及車載通信(vehicular communication)設備，使乘客在愛車內瀏覽網站、收發郵件、觀看下載的電影。若這類數據需要長期存儲，用戶可將其上傳到云端，進行保存。

然而，行駛中的車輛卻無法確保車內無線網絡的信號始終處于良好狀態，更無法確保車載通信能持續保持流暢運行狀態。為此，不得不將相關數據保存在車載存儲裝設備內，這就要求對車載存儲設備進行進一步的擴容。

數字助理、機械學習、深度學習將持續提升數據量

數字助理可通過算法來執行人工智能功能，將自動駕駛提升到新水平，但算法所產生的數據量卻相當驚人。與智能型個人助理不同，前者只是為移動設備提供語音服務，而數字助理則有助于車輛的機械學習，使車載系統了解駕駛員的個人偏好、興趣、駕駛風格。

該系統不僅能根據個性化信息提供對應的駕駛體驗，還能持續提升其知識儲備量，通過分析行為模式(behavioral patterns)來模仿人類行為、像人類一樣解讀現實駕駛情景，必要時甚至能接管車輛的駕駛操控。

機械學習(machine learning，ML)實際上是人工智能的一個子集(可理解為“分支”，subset)，該技術的主要應用對象為機械或設備，確保其能夠像人類一樣進行思考并采取行動。借助人工智能技術，機器或設備能像人類一樣執行任務。得益于機械學習技術，機械或設備可根據獲得的數據及深度學習(deep learning，DL)實踐來“不斷地學習”，進而執行各類人工智能任務。深度學習有助于將各類任務分解為可管控的模塊，然后加以模仿，這樣車載系統就能學會相關功能的執行與操作。學得越多，產生的數據及所需的存儲容量自然就越多。

車用數據量增多意味著需要更大容量的本地儲存器及大量的云網關緩沖區編碼

隨著互聯車載技術的不斷發展，用戶也陸續獲得新的功能體驗。互聯車輛的車載系統可以分為以下類別：車載信息娛樂系統、道路與交通警示(road and traffic warnings)系統、車輛診斷(vehicle diagnostics)系統、導航系統等。基于人工智能的車載信息娛樂系統為駕駛員及乘客提供收發郵件、網絡搜索以及與智能手機實現應用聯動等功能，上述所有功能均可通過語音指令來實現，為此傳輸速度務必要高達數兆/秒，具體數值視車載應用的運行情況而定。

隨著車載應用數量的持續增多、車聯網的不斷發展，本地儲存器(車載存儲設備)與云端(服務器)間的數據傳輸速度及傳輸效率也務必要大幅提升，車用數據量增多則意味著需要更大容量的本地儲存器及大量的云網關緩沖區編碼(cloud gateway buffer coding)。

人工智能對互聯車輛重要的貢獻還體現在汽車安全性上。借助車間通信(V2V)技術，互聯車輛將能夠實現車輛間的信息與數據互通，將自身即將采取的行動“告知”周邊車輛，該技術的實現需要基于無線網絡技術。

例如，當紅燈亮起前，若駕駛員未減速，互聯車輛的車載系統將向駕駛員發出警示，防止其在交通路口闖紅燈。此外，互聯車輛可借助車輛對基礎設施技術(V2I)與交通燈、交通標志等道路基礎設施實現網絡互聯。舉個簡單的例子，在紅燈亮起前，交通燈將“告知”互聯車輛，即將切換至紅燈，互聯車輛隨即將進行減速。

車載存儲設備的應用新趨勢——閃存設備

存儲設備是汽車整體解決方案的關鍵性部件，在物料清單(bill-of-materials，BOM)中占據了較大比重。車輛越來越像裝有輪子的數據中心，其往往配置了多個車載計算機，借助云技術實現內部互聯。因此，儲存設備優化就變得極為關鍵，被用于確保設備的性能與可靠性。最近推出過數款新的車載娛樂信息系統，其中有部分可實現軟件升級，并將升級文件保存到本地存儲設備中。此外，車載信息娛樂系統所用到的應用軟件也將生成緩存文件，用于網絡峰值時的帶寬占用量。

為提升存儲設備的性能、擴大存儲容量、降低延遲率、提高可靠性及耐用性，許多車企轉而采用閃存設備，用于存儲操作系統及先進的軟件應用，采集、分析駕駛數據記錄、為云通信提供緩存(及帶寬優化)、在本地存儲車載信息娛樂系統數據的備份資料。

經測試證明，閃存能滿足自動駕駛車輛對大容量的需求，可提供高度緊湊型封裝產品，其體積比1美分硬幣的體積還小。隨著人工智能及自動駕駛車輛車載系統復雜性的持續提升，由于汽車空間有限，空間有效利用率已嚴苛到英寸級，閃存恰好滿足了系統對其尺寸的要求，能夠盡可能地設備在車輛中所占據的空間。

為互聯車輛及自動駕駛提供助力的本地車載存儲設備務必能經受嚴苛的車內環境，且須確保其功能運行安全可靠、產品使用周期較長。鑒于車輛運行時所處的環境差別迥異(如：極熱、極冷、干濕條件、光滑路面、凹凸路面、沖擊與震動挑戰)，本地的車載存儲設備的質量要求及可靠性標準要遠高于智能手機與其他移動設備的相關要求，其標準十分嚴苛，或許與關鍵性任務企業級存儲設備的要求相當。

未來展望——人工智能技術與存儲設備相輔相成

數據采集及數據存儲的可靠性是根本性問題，其決定了汽車設計師們將如何整合人工智能技術，也決定了他們將如何實現自動駕駛車輛安全性及可靠性。業內人士將繼續開展車輛測試，車企也將穩步推動自動駕駛與互聯車輛，技術公司和網絡基礎設施供應商將致力于閃存在車輛中的大批量配置。

盡管離實現完全自動駕駛車輛還有很長的一段路要走，人工智能將不斷融入到人們的生活中，存儲設備的先進性將助推人工智能技術的發展與成功，這在數據方面表現最為明顯，如何在未來的互聯車輛中運用數據、存儲數據將成為實現人工智能愿景的核心內容。