如果3000人同时讲话，你还能听清每个人在讲什么吗？
作为一名工程师，我热衷解决问题并使用“数学语言”——或是数字——来理解我们的世界。数字，不止是数值，它能用文字无法实现的方式为故事增色添彩。大的数字很有意思，因为它们的含义通常比数值本身更加复杂，4TB更是如此，想到这一数字对无人驾驶行业的意义，我就感到非常兴奋。
英特尔公司副总裁兼无人驾驶事业部总经理Kathy Winter
首先，为什么是这个数字？一辆无人驾驶汽车预计在一个半小时内就会产生4TB的数据量，而每个人平均每天在车内的时间就是一个半小时。到2020年，3000个互联网用户每天也将产生这么多数据。现在，你可能还无法直观感受这么大的数据量。那我们换个角度，多少人在Facebook上有3000个好友？想像一下，你每天都在关注、接收这些好友发布的新动态。
无人驾驶汽车各传感器每秒产生的数据量
如果一辆无人驾驶汽车产生数据的亮点仅仅是4TB的话，可能并不会令人兴奋。让数据成为无人驾驶“新石油”以及真正带来挑战的地方在于，我们需要利用这些数据，把它们变成可执行的洞察，从而让汽车在无人干预的情况下思考、学习和行驶。在未来，数据驱动的驾驶有望减少90%人为错误造成的事故。
英特尔是一家数据公司。我们深谙如何去创建、移动、存储、处理、分析并管理大规模数据。而且，我们正在把这种专业知识应用到无人驾驶行业。根据经验，我们知道，要想解决无人驾驶所面临的数据挑战，最快的方式就是行业协作。若想在2021年全面实现无人驾驶，还有很多工作要做，但我相信，我们可以与行业及合作伙伴一起实现这个目标。
无人驾驶数据包括三种基本的类型：技术数据、众包数据和个人数据。技术数据最为明显。这些数据来自一套传感器，它帮汽车“看见”的四周环境。这些数据帮助汽车识别人或消防栓，“注意”道路坑洼，或者计算出旁边汽车驶来的速度。此外，技术数据有助于捕捉新的驾驶场景，并把它传至云端，以便进行学习和改进控制驾驶行为的软件。当技术数据传输到云端后，它可以惠及所有连接在这一云端的车辆。
众包数据是本地汽车从周边收到的数据，例如交通状况和路况变化。你可以想象很多应用都能用到这类数据，例如，寻找附近的停车场或规避交通拥堵点。最后是个人数据，包括你想听的广播电台、喜欢的咖啡厅、首选的路线等等。此类数据有助于在你的无人驾驶汽车中创造更加精彩的个性化体验。
随着行业全面迈向无人驾驶汽车，数据为全球行业带来了诸多挑战。第一个挑战就是上面所说的4TB。数据量正呈指数增长，这需要庞大的计算能力来进行组织、处理、分析、理解、分享和存储。想象一下数据中心服务器的计算能力，而不是PC。
尽快训练无人驾驶汽车是另外一个挑战。当识别到新的驾驶响应或情况时，机器学习、模拟和算法改进必须立即发生——而不是几个星期或几个月之后，并且更新的驾驶模式必须在可用后立即推送给汽车。何时、何地、如何发生这些因素对现在十分重要，对未来，当无人驾驶成为常态时，就更是如此。
除此之外，数据保护以及消费者对无人驾驶的信任也值得关注。我常常被问到：如何安全地存储和分享数据？我们对此极为严肃，存储哪些数据？丢弃哪些数据？分享哪些数据？我们如何保护这些数据？这些问题都需要行业合作，需要我们的顶级专家予以解决。
最后，数据的挑战并非恒定不变。在无人驾驶汽车从少量发展到几亿辆的过程里，数据挑战也会随之增多。只有能够处理日益庞大的数据，才能应对这一挑战。随着超级计算机及其背后的云日趋完善，真正的系统可扩展性对于汽车内部——回到4TB数据——以及外部的大规模数据中心都至关重要。
没有任何公司可以独立解决这些数据挑战。英特尔认为，解决无人驾驶面临的数据挑战的最佳方式就是行业合作，共同开发安全的顶级平台并分享安全相关的信息。我们的共同目标是没有事故并方便所有人的出行，行业合作将加快该目标的实现。能在英特尔团队中与合作伙伴一道应对4TB的挑战，让我感到异常兴奋，因为，我知道，解决这个问题将让道路更加安全，让出行更加美好。
（本文作者Kathy Winter，英特尔公司副总裁兼无人驾驶事业部总经理。她于2016年从Delphi加入英特尔公司。在Delphi，她曾成功实现首次全面无人驾驶汽车的跨国之旅。）
