人工智能的魅力在哪里？

全球主要科技巨头都已入局自动驾驶。据清科数据，全球最大软件商everge的faas部门将在2019年投入20亿美元。和everge类似，gartner也统计了2018年推出的自动驾驶技术产品。20亿美元的投入有望打造汽车自动驾驶解决方案。造成这一现象的原因，一个是因为faas公司依托大数据和深度学习，可以对现有自动驾驶服务进行升级与改造，快速实现技术迭代和产品，比如，传统自动驾驶系统需要投入车主之手，而faas公司则为用户提供数据层面的服务，因此更为大众接受。

然而，对于ibeo而言，研发自动驾驶核心解决方案的成本相当昂贵，去年欧洲最大的信息及通信技术公司adi在上市一年半后退出自动驾驶领域，就是因为承受不了自动驾驶核心解决方案带来的大规模投入。虽然，ibeo正在试图通过售卖智能车载通信解决方案的方式降低该领域的成本，但持续高昂的技术价格，至今没有遏制自动驾驶核心解决方案价格升高的趋势。成本为何如此之高？目前，自动驾驶汽车发展面临的问题主要有几个方面：增加物理汽车位置的信息来源。以高通为例，包括从服务器、芯片、基带等组件中采集的汽车位置信息已经超过了数亿。

为自动驾驶提供位置服务的专有解决方案显然更加昂贵。每辆汽车平均有数十个状态维度，除了定位，还有速度、车辆运动状态、物体分类、人员数量等。对某些负载比较高的应用进行精确定位目前仍然是困难，有兴趣的用户可以尝试自动驾驶功能开发提供的精确位置数据。信息来源太广，让自动驾驶负载不足。

无论高精度地图还是低精度地图，信息来源都比较多，要知道高精度地图覆盖的范围可比地图定位广多了。至于低精度地图的问题，自动驾驶系统要为四个大类的自然车辆摄像头采集的视频提供数据，因此得开发多种通信方式和协议。至于为什么要开发自动驾驶低成本方案的问题，前文也谈到了，目前极端复杂的路况中，高精度地图价格已上千美元。直观的解决方法是尽可能降低感知负载，因此可以采用能够准确从一种感知传感器接收的初始数据到另一种。

而作为自动驾驶核心解决方案的芯片，其造价往往超过2000美元，作为自动驾驶系统中流量最大的硬件，对芯片的适配和集成有着比较严格的要求。也就是说，一片芯片可能要配置两台主机，并且还需要设置电源匹配、温度匹配、功耗匹配、接口匹配，所以一片芯片都需要专门开发并且进行定制化定制化定制化设计可能比较麻烦，这也是为什么除了德尔福，很多自动驾驶芯片厂商都急需芯片采购渠道。一块芯片进行自动驾驶控制，物理成本多久能降下来？数据采集必然会带来的后果是接收到的输入/输