日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

隨著新能源車的不斷普及，自動駕駛作為當前全球汽車與交通出行領域智能化和網聯化發展的主要方向，已成為各國爭搶的戰略制高點，而在其發展的過程中，邊緣計算的賦能將變得不可或缺。

市場、政策利好，智能化大勢所趨

近年來，我國汽車行業發展增速逐漸放緩，汽車市場總體趨于飽和，但電氣化、智能化趨勢正沖擊著傳統的汽車產業鏈，汽車智能化趨勢正逐步形成。

從市場看，2021年我國乘用車市場銷量為2148萬輛，其中L2級別汽車銷量為365.6萬輛，滲透率為18%。預計到2025年我國L2級乘用車滲透率有望達到50%，銷量達到1305.5萬輛，L3級滲透率為維持在較低的水平，預計2025年L3級乘用車滲透率為4%，未來市場發展空間廣闊。在全新的自動化駕駛架構下，汽車智能化的滲透率不斷提升，傳統汽車行業正面臨著變革與轉型，行業迎來新的發展機遇。

從政策方面來看，2022年以來各地不斷開放自動駕駛測試道路、工信部不斷完善相關制度，為智能汽車的發展打了下了良好基礎。在政策不斷完善的持續推動下，預計國內智能化率有望持續快速提升。

技術、安全痛點猶存，智能化普及面臨障礙

說到汽車智能化，自動駕駛無疑是最具代表性的技術，而它的實現需要多種技術共同推動，比如定位導航技術、環境感知能力、自動控制技術等，而自動駕駛從Level 1到Level 5，每往上升一級，計算量就增加了一個數量級。當前寶馬、奔馳等傳統車廠正在研發 Level3級自動駕駛，但離商業化仍有一段距離。

       另據AI芯片廠商地平線測算的數據，Level3級匹配的人工智能處理器處于差不多24T 的算力階段。而到了Level4級的自動駕駛，算力要去達到320T量級，再到五級的完全的無人駕駛的話，要到 4000T。

與此同時，傳統的自動駕駛技術專注于提升單個車輛的能力來實現更高級別的自動駕駛，然而在車輛上安裝數量更多或精度更高的傳感器并不能解決單個車輛感知范圍受限的問題。盡管計算資源不足的問題可以通過給車輛配備高性能的計算系統來解決，但這會極大增加自動駕駛汽車的成本，不利于自動駕駛汽車的普及。

除了上述技術外，值得一提的是，在國內25家主機廠的53款在售智能網聯汽車中，三六零共計發現漏洞1600余個。其中，云端漏洞1000余個，可導致攻擊者遠程批量控制該品牌所有的智能網聯汽車；車端漏洞600余個，可導致近距離非接觸式控制汽車，如開關車門、啟動引擎等?？梢婋S著汽車智能化程度的提高，安全的痛點也開始顯現出來。

基于上述，業內認為，建立車載芯片端計算—路網邊緣計算—數據中心云計算的一整套支撐體系勢在必行，而邊緣計算在其中又充當著不可或缺的作用。

邊緣計算不“邊緣”，應用正當時

提起邊緣計算，不同的廠商或機構對它的定義眾說紛紜，至今沒有定論。盡管定義不同、標準不同，但業界卻有一個普遍的共識，那就是邊緣計算一定是未來幾年整個互聯網行業快速發展的重點，因為邊緣計算契合了大帶寬、低延時的發展趨勢。

具體到路網協同，邊緣計算是支撐其中車聯網的核心技術。車聯網 V2X（車路協同、車聯萬物）具有高并發、高實時、高速移動、數據異構和基礎設施共享的特征及需求，邊緣計算通過將海量數據的計算和存儲從中心下沉到邊緣，實現數據快速處理、實時計算、高效傳輸，提升數據安全性和隱私性，可以滿足車聯網業務需求。

據全球知名廠商Verizon和Nissan最近實驗，C-V2X（蜂窩車聯網）和5G邊緣計算的強大組合，必然會對車聯網及自動駕駛帶來全新體驗。該實驗從車載傳感器和路邊基礎設施收集的數據在Verizon的網絡邊緣進行處理以進行演示，將處理后的數據發送回車輛，近乎實時地向駕駛員發出緊急通知。通過這個實驗，人們清楚了解邊緣計算和車聯網（C-V2X）如何幫助駕駛員避免車輛事故。

目前，全球邊緣計算龍頭已經在車聯網領域率先布局。例如微軟發布了面向汽車和移動出行領域的整體解決方案，以微軟智能云與智能邊緣技術為基礎，實現自動駕駛、智能座艙兩大領域關鍵性創新。Akamai推出了IoT Edge Connect，其是一個基于MQTT協議的物聯網軟件和消息控制平臺，可以為車聯網提供A2X的通信能力。

國內以網宿科技為例，公開資料顯示，網宿科技基于邊緣計算ECP平臺，針對車聯網場景落地了系列解決方案，比如網宿邊緣云容器為車企提供云邊協同解決方案，將信息數據的計算和存儲從“中心”下沉到“邊緣”，由就近容器提供算力，可保障超低時延與高可用性，降低網絡負荷和網絡傳輸成本。同時，網宿科技針對車聯網和自動駕駛的內容分發和基礎設施提供安全解決方案，提供基礎設施安全、Web和應用加速及防護和安全合規檢測及加固的一站式服務。

此外，據網宿科技相關負責人透露，其將AI與邊緣計算結合，推出了AI底盤電池檢測系統，利用深度學習算法和圖像處理技術，就近實現對底盤拍攝數據的智能分析和判斷，可快速識別出底盤上的磕碰、污漬和泥點等異常情況，并及時發出預警，有效避免電池鼓包、起火和爆炸等安全風險。

需要說明的是，車聯網作為5G新基建的最重要應用領域，近年來還得到了國家政策的大力支持。

例如《工業和信息化部關于推動5G加快發展的通知》提出“促進“5G+車聯網”協同發展，推動將車聯網納入國家新型信息基礎設施建設工程，促進LTE-V2X規模部署；工信部、公安部和交通運輸部發布新版《智能網聯汽車道路測試與示范應用管理規范（試行）》，從多個方面對行業發展進行指導和規范；工信部《“十四五”信息通信行業發展規劃》《規劃》提出，到2025年，重點高速公路、城市道路實現蜂窩車聯網（C-V2X）規模覆蓋等，而這政策相繼的出臺和實施在促進車聯網發展的同時，讓邊緣計算也炙手可熱。