为什么自动驾驶汽车将依赖边缘计算而不是云

这本电子书基于最新的ZDNet / TechRepublic专题，探讨了无人驾驶汽车、卡车、半自动驾驶汽车、送货车辆、无人机和其他无人机如何准备在企业中释放一个新的自动化水平。

阅读更多

我们都知道并喜欢云。不用操心自己的设备能做什么，指尖就能拥有近乎无限的弹性存储和计算能力，这有什么不好呢?其实有几件事。最后，正如格言所说，云只是别人的电脑。好吧，它可能是数百万台计算机，经过深思熟虑，被安排在超级高效的数据中心的集群中——但所有这些都是别人的计算机。但是，如果有人能够提供您所需的一切，而且可能比您自己的组织更有效地提供安全方面的保证，这有关系吗?在很多情况下，它不会。但是，当涉及到自动驾驶汽车时，它确实非常重要。

为了理解为什么，让我们考虑自治的概念。自主性被定义为“意志或行为的独立或自由”。当你依赖别人的电脑时，你能做到自主吗?不是真的。是的，存在冗余，甚至可能存在sla。但是，当一切都说到做到，使用云意味着你正在连接到别人的电脑，通常是通过互联网。当你在一辆移动的汽车上，而这辆汽车的基本功能依赖于基于云的计算，如果你遇到了连接问题，会发生什么?这和加载你最喜欢的猫的图片时的延迟是不一样的。在移动车辆的情况下，滞后是生死攸关的问题。那么在这种情况下，我们能做些什么呢?输入边缘计算。边缘计算是在数据中心之外生成数据的场景中，让计算尽可能接近数据的概念。在现实生活中，这意味着非常小的预制数据中心。当然，“小”是一个相对的词。容器大小的东西小吗?也许，如果你把它和云提供商的数据中心比较一下。但这不是我们大多数人都能或愿意在家里拥有的东西。尽管如此，我们的家仍然是一些主要的边缘计算用例的主机。在智能家居或智能城市场景中，通过物联网传感器进行通信的连接设备非常适合于边缘计算。完全成熟的，这些场景可能涉及大量的设备，收集和共享大量的数据。

一个蒸汽IO动态边缘微数据中心运行旁边的蜂窝塔。Edge数据中心可以有多种大小和形状。图片:蒸汽IO

在这样的场景中，花费云计算的往返成本是没有意义的。使用小型的本地数据中心更加可行。当然，这回避了一个问题——多小就是多小，多局部就是局部?由本地5G天线部署的容器相对较小，而且相对本地。在你的地下室里有两台运行控制器软件的电脑，它们通过wi-fi连接到你的设备，体积更小，也更本地化。带有车载计算的设备甚至更小，也更本地化，可以在没有中央控制器的情况下互相连接。所有这些都可以被认为是边缘计算的例子，也可以应用到自动驾驶汽车上——只需将“地下室”替换为“主干”。你去的地方越小，你就能获得越多的本地信息，这样你就能在往返时间内获得更多信息;这就是边缘计算所提供的优势。另一方面，你越小，你能容纳的计算能力就越小，因此你在计算时间上损失了很多。

摩尔定律(Moore’s law)，即计算能力大约每两年翻一番的经验法则，已经受到了一段时间的质疑，但不知何故它似乎仍然有效。因此，今天的移动电话的平均计算能力比几年前全球范围内可用的计算能力还要强。1969年，宇航员只能使用72KB的计算机内存。相比之下，如今64GB的手机存储空间几乎是以前的100万倍。这就是使边缘计算在今天可行的原因。计算能力与网络延迟之间的权衡是边缘计算和云计算的本质区别。但还有更多。虽然理论上应该没有太大的差别，但在实践中，边缘计算的标准是不断变化的。当我们谈到边缘时，我们必须以某种方式区分网络中的数据消费者和数据生产者。与internet一样，边缘网络中的节点在功能上也不是对称的。在edge网络中，我们有许多物联网设备，它们几乎完全充当数据生产者的角色。因此，物联网标准是实现边缘网络的关键。

关于物联网标准需要知道的是:有很多这样的标准。这就解释了为什么在不同的物联网系统之间建立桥梁如此困难，而这也阻碍了边缘网络的发展。最近的一个例子:谷歌放弃了对其他功能完美的Nest api的支持，这些api允许与第三方进行集成。不过，正如您可能期望的那样，“骑兵”正在采取开放源代码的行动。Linux基金会正在迎接使边缘标准化的挑战;其新成立的LF边缘寻求解决这个问题。Linux基金会总经理Arpit Joshipura边缘和物联网,说,“为了让更广泛的物联网成功,目前分散的边缘市场需要能够共同识别和防止问题的安全漏洞和共同进步,建设性的设想的未来行业”。LF Edge通过五个项目实现了这一愿景。这些支持非传统视频和连接事物中的新兴边缘应用程序，它们需要更低的延迟(最高20毫秒)、更快的处理和移动性。

边缘计算更适合于依赖于短且可预测的响应时间的应用程序。自动驾驶汽车就属于这一类。实际上，在边缘应用计算可以减少需要传输的数据量，从而进一步减少响应时间。

现代的人工智能芯片——运行机器学习算法的专用硬件——也可以在edge上运行。GreenWaves生产的处理器结合了低功耗和足够的计算能力，丰富的数据传感器产生的内容可以在本地进行动态分析，而不是发送到云上进行分析。在本地进行分析并发送结果所花费的精力远远少于传输原始数据。实际上，这可以看作是一种压缩方法。除了节省能源(这意味着更长的处理器寿命和更多的能量用于更多的计算)之外，这还为分层架构打开了大门。实时处理可以在车辆上完成，最小化网络开销，而需要进一步分析或永久存储的数据可以稍后发送到云上。这对自动驾驶汽车来说至关重要，因为它需要非常快的处理速度。戴尔(Dell)等供应商也注意到了这一点。2017年，戴尔技术公司为整个计算市场提供了一个三层的拓扑结构，将其分为“核心”、“云”和“边缘”。

Edge或云计算不一定是非此即彼的选择。更有可能的是，我们需要两者都用在像自动驾驶汽车这样的用例中。图片:戴尔技术

当人类坐在驾驶座上时，他们也在飞行中进行计算。所有通过声音、视觉、运动和其他感官传递的信息都经过了处理，从而让我们对环境有了一种感觉，并知道我们需要做些什么来保持车辆的理想路线。在自动驾驶汽车中，这些信息是通过传感器摄取的，同时也需要在飞行中进行处理。理想情况下，处理发生在车辆本身;但如果这是不可能的，那么至少要尽可能靠近飞行器。

减少往返行程对安全至关重要。在这方面，5G也可以提供帮助——不仅提供更高的网络速度，还可以改变范式。与现有的通信网络不同，5G依靠大量小型本地中继来工作。这将增加网络中的响应时间和弹性。

然而，具体该怎么做，并不是每个人都同意的。它可能是开源的方式，使用现成的，可定制的和可编程的树莓派硬件。也可能是谷歌的方式，使用树莓派状的珊瑚，这是一块带有TPUs的人工智能板，谷歌说它已经准备好了。

这绝不是一个清晰的景象。我们确实希望有更多的人工智能芯片供应商参与进来，一些公司——例如哈瓦那——已经在这么做了。然而，由此得出的结论是，边缘计算需要一个复杂的生态系统，其中硬件、软件、网络和标准同步发展。

在收集数据和训练操作和安全的自动驾驶车辆所需的算法方面，我们还有一段路要走，而边缘计算是关键。

什么是边缘计算?这就是为什么边很重要以及它的方向

如何在2020年的IT预算中包含边缘计算

英特尔从Pivot技术公司收购了Smart Edge业务

Nvidia为人工智能、物联网、5G设计的EGX Edge超级计算平台

优势已经形成:5G电信云将与亚马逊展开竞争