可能很多粉絲對于Waymo這家公司還比較陌生，于是我們在文章開頭先科普走一波。Waymo是谷歌的兄弟公司，同屬重組后的傘形公司Alphabet。它是繼承老谷歌的自動駕駛汽車研發項目后成立的一家新公司。

然后讓我們來說講解一下今天想說的新聞：Waymo已經在無人駕駛技術領域進行了多年的測試，并且掌握和核心技術，并且已經擁有了一整套的傳感器設計。目前，Waymo宣布與英特爾合作，為自動駕駛技術提供芯片機載計算能力，并且將在日后的測試中應用采用了英特爾技術進行傳感器數據處理、通用計算和實時連接的克萊斯勒Pacifica混合動力車。

Waymo最新采用英特爾技術的

克萊斯勒Pacifica混合動力車

隨著Waymo的自動駕駛技術變得更加智能、更加強大，其高性能軟硬件都需要更有力、更高效的計算力。通過與Waymo緊密合作，英特爾能為Waymo車隊提供四級和五級自動駕駛所需的先進數據處理技術。

憑借真實路況300萬英里的測試，采用英特爾技術的Waymo車隊，在美國道路上已積累的自動駕駛汽車里程數據，遠超其他自動駕駛車隊。與Waymo合作，英特爾將繼續在實現自動駕駛、創造安全未來中發揮領袖作用。

當無人駕駛技術正在我們身邊快速發展的時候，還有不少人對無人駕駛不太了解，今天我們就好好聊聊無人駕駛。

自動駕駛還是無人駕駛？

大家眼里的無人駕駛從專業的角度來說更應該叫自動駕駛，通俗的理解即為車不受人的控制可以自動前行，不論車上是否有駕駛員乘坐，只要不是受人控制則為無人駕駛車輛。

從機械角度看，車的前行、后退、拐彎等車輛行為操控已經非常成熟，完全可以實現車輛自己行駛。在此之上需要一個“機器”來控制這個行為，對周圍情況的判斷識別并進行決斷讓車向前行駛，這就需要一個高性能計算機進行信息采集分析和判斷。由于以上行為都依賴于該計算機，計算機又完全仰仗于其內部芯片，因此大部分的控制都將發生在中央控制區域。英特爾芯片基于其強大的計算力優勢，成為自動駕駛車輛所用芯片的不二之選。

自動駕駛到底怎么分級？

美國汽車工程師協會所給出的分級是目前通用的分級標準，但現在有五級和六級之分，二者的區別是什么呢？其實就是Level 1至Level 5和Level 0至Level 5的區別。

沒有任何自動駕駛能力的車輛歸為Level 0，即“無自動”。Level 1指車上有一定的駕駛支援設備，可以解放你的雙腳；Level 2指有部分自動化，解放你的雙手；Level 3為“有條件自動化”，可做到解放你的雙眼； Level 4“高度自動化”，解放你的大腦；Level 5則是“完全自動化”，完全解放司機。后兩者最大的區別在于，Level 4適用于天氣晴朗和路況良好的情況下，而Level 5則對外部條件沒有限制，無論外界情況有多復雜都能順利完成自動駕駛。

自動駕駛所需芯片在哪里？

在已經面世的自動駕駛車輛中，考慮到原始車輛的設置模型構造，車的整體結構不能輕易變動，車輛的中控臺后部恰好有一部分空間，因此目前的自動駕駛車輛芯片都放在車輛的中控臺部位。但隨著未來自動駕駛技術的發展，可能自動駕駛艙也會隨之變化，屆時芯片也就未必仍需放在中控臺。

自動駕駛包含哪些技術？

自動駕駛車輛對剎車的控制，從技術角度看已經完全不是問題。探測車輛前方障礙物技術也很成熟，例如激光雷達、毫米波雷達以及攝像頭等技術都可以進行探測?，F在的技術攻克點在于提高計算和處理速度，如何在極短的時間內對于車輛是前行還是停止進行判斷。舉例來看，如果前方出現的是一堵墻，車輛很容易判斷并停下，但如果前方是一股煙或霧，車輛又該如何進行快速判斷呢？

實現自動駕駛有3個基本問題需要解決，第一為標準化制定，最直觀的就是紅綠燈的標準化。在未來，紅綠燈將由信號控制，當車輛收到相應的左拐或者前行信息時將接收指令并執行，而不是如同現在靠駕駛員肉眼觀察判斷。

第二為車輛間的通訊裝置，當車輛都安裝互聯通訊裝置后，每輛車在行進的過程中將知曉周圍車輛的狀態。未來英特爾5G相關車聯網技術的應用將有效推進該階段的實現。

第三點也是最重要的一點：海量數據處理和運算。自動駕駛所帶來的上千倍的數據量對于單芯片單功耗的運算能力提出了極高的要求，而這是英特爾的強項也是未來努力的方向。

當然，在路上行駛，人們最關心的問題就是安全。同樣，無人駕駛的討論大家關注的重要問題就是如何保證安全性。打造高安全性、可靠性的無人駕駛車輛到底該做好哪幾步？英特爾無人駕駛相關技術為你解密！

實時地圖，眼觀六路

人類駕駛車輛，通過眼睛對前方路況進行預判，對于無人駕駛汽車來說，根據分層地圖收集來的實時高精地圖就是“機器駕駛員”的雙眼。將采集到的海量數據，實時匯集整理并更新至高精地圖中，利用大數據計算和機器學習對例如拐角及前方路況進行預判。

機器讀取地圖的方式和人類看地圖完全不同，機器“看”的是分層地圖：通過讀取底層識別主干路網、車道線、海拔高度和周圍的路燈或路標等；而在讀取頂層時，高精地圖變身傳感器地圖，獲取實時數據。因為每一輛行駛過程中的無人駕駛汽車會捕捉到大量新數據，傳感器地圖通過獲取影像的方式加以實時計算和分析判斷前方路況，然后將修正過的最終數據傳回至無人駕駛車輛，保證順利前行。

當無人駕駛繼續發展時，云加端的地圖是高階情形：云端會有動態地圖，車端會有短期靜態地圖。未來無人駕駛車輛行駛中，任何行進中的變化路況都將被抓取收集到云端，在云端進行分析來輔佐修正車端短期的靜態地圖，車端的傳感器和攝像頭又將實時捕捉的影像和云端動態地圖配合對比。完成以上過程即是高階無人駕駛的理想階段了，但這意味著對各種大量數據的采集和分析以及分類和標定。

OTA在手，芯中有數

OTA不是一個簡單的軟件，而是一個系統，它既能做到將正確且經過認證的數據反饋給無人駕駛車輛也能保證數據的完整性，確保刷新數據不會缺漏，保障系統正常運行。英特爾的 Wind River Helix CarSync* 即實現了遠程狀態下滿足以上標準的更新。WindRiver Helix CarSync*是一個空中升級（OTA）軟件、固件和數據管理平臺，它從軟件的完整性、可靠性，再到整個鏈路的安全，Wind River Helix CarSync*都能提供不間斷的技術支持。目前，WindRiver Helix CarSync*已經擁有一套完整的加解密的方案，并還會不斷升級，因為保障安全是無人駕駛領域的首要目標。

讓汽車制造商能夠以更安心、更經濟的方式為互聯汽車軟件升級是Wind River HelixCarSync* 的核心價值，是保證無人駕駛車輛安全行駛的遠程得力助手。

機器學習，胸有成竹

無人駕駛時代，每輛車承載的數據量將是TB級的，玩兒轉數據者將獨占鰲頭，實時交通中機器學習的體現是無人駕駛時代一個關鍵節點。這意味著并不是簡單的將路上發揮的某一路況反饋給無人駕駛車輛即可，二是要將歷史數據和當前收集到的整體路網數據結合分析，通過機器學習進行判斷。

同時，除了路上的情況，無人駕駛車輛周圍的情景也會運用機器學習。其實在車輛上路前，大部分針對模擬周圍情境的訓練已經相對完善，但道路情況永遠是千變萬化的，一旦捕捉到車周圍出現一個移動速度超過平均值的移動目標，該目標的行為將被傳回后端服務器建立為新樣本，以保證萬無一失，這些工作都要歸功于強大的機器學習。