為什么自動駕駛汽車將依賴邊緣計(jì)算而不是云

這本電子書基于最新的ZDNet / TechRepublic專題，探討了無人駕駛汽車、卡車、半自動駕駛汽車、送貨車輛、無人機(jī)和其他無人機(jī)如何準(zhǔn)備在企業(yè)中釋放一個(gè)新的自動化水平。

閱讀更多

我們都知道并喜歡云。不用操心自己的設(shè)備能做什么，指尖就能擁有近乎無限的彈性存儲和計(jì)算能力，這有什么不好呢?其實(shí)有幾件事。最后，正如格言所說，云只是別人的電腦。好吧，它可能是數(shù)百萬臺計(jì)算機(jī)，經(jīng)過深思熟慮，被安排在超級高效的數(shù)據(jù)中心的集群中——但所有這些都是別人的計(jì)算機(jī)。但是，如果有人能夠提供您所需的一切，而且可能比您自己的組織更有效地提供安全方面的保證，這有關(guān)系嗎?在很多情況下，它不會。但是，當(dāng)涉及到自動駕駛汽車時(shí)，它確實(shí)非常重要。

為了理解為什么，讓我們考慮自治的概念。自主性被定義為“意志或行為的獨(dú)立或自由”。當(dāng)你依賴別人的電腦時(shí)，你能做到自主嗎?不是真的。是的，存在冗余，甚至可能存在sla。但是，當(dāng)一切都說到做到，使用云意味著你正在連接到別人的電腦，通常是通過互聯(lián)網(wǎng)。當(dāng)你在一輛移動的汽車上，而這輛汽車的基本功能依賴于基于云的計(jì)算，如果你遇到了連接問題，會發(fā)生什么?這和加載你最喜歡的貓的圖片時(shí)的延遲是不一樣的。在移動車輛的情況下，滯后是生死攸關(guān)的問題。那么在這種情況下，我們能做些什么呢?輸入邊緣計(jì)算。邊緣計(jì)算是在數(shù)據(jù)中心之外生成數(shù)據(jù)的場景中，讓計(jì)算盡可能接近數(shù)據(jù)的概念。在現(xiàn)實(shí)生活中，這意味著非常小的預(yù)制數(shù)據(jù)中心。當(dāng)然，“小”是一個(gè)相對的詞。容器大小的東西小嗎?也許，如果你把它和云提供商的數(shù)據(jù)中心比較一下。但這不是我們大多數(shù)人都能或愿意在家里擁有的東西。盡管如此，我們的家仍然是一些主要的邊緣計(jì)算用例的主機(jī)。在智能家居或智能城市場景中，通過物聯(lián)網(wǎng)傳感器進(jìn)行通信的連接設(shè)備非常適合于邊緣計(jì)算。完全成熟的，這些場景可能涉及大量的設(shè)備，收集和共享大量的數(shù)據(jù)。

一個(gè)蒸汽IO動態(tài)邊緣微數(shù)據(jù)中心運(yùn)行旁邊的蜂窩塔。Edge數(shù)據(jù)中心可以有多種大小和形狀。圖片:蒸汽IO

在這樣的場景中，花費(fèi)云計(jì)算的往返成本是沒有意義的。使用小型的本地?cái)?shù)據(jù)中心更加可行。當(dāng)然，這回避了一個(gè)問題——多小就是多小，多局部就是局部?由本地5G天線部署的容器相對較小，而且相對本地。在你的地下室里有兩臺運(yùn)行控制器軟件的電腦，它們通過wi-fi連接到你的設(shè)備，體積更小，也更本地化。帶有車載計(jì)算的設(shè)備甚至更小，也更本地化，可以在沒有中央控制器的情況下互相連接。所有這些都可以被認(rèn)為是邊緣計(jì)算的例子，也可以應(yīng)用到自動駕駛汽車上——只需將“地下室”替換為“主干”。你去的地方越小，你就能獲得越多的本地信息，這樣你就能在往返時(shí)間內(nèi)獲得更多信息;這就是邊緣計(jì)算所提供的優(yōu)勢。另一方面，你越小，你能容納的計(jì)算能力就越小，因此你在計(jì)算時(shí)間上損失了很多。

摩爾定律(Moore’s law)，即計(jì)算能力大約每兩年翻一番的經(jīng)驗(yàn)法則，已經(jīng)受到了一段時(shí)間的質(zhì)疑，但不知何故它似乎仍然有效。因此，今天的移動電話的平均計(jì)算能力比幾年前全球范圍內(nèi)可用的計(jì)算能力還要強(qiáng)。1969年，宇航員只能使用72KB的計(jì)算機(jī)內(nèi)存。相比之下，如今64GB的手機(jī)存儲空間幾乎是以前的100萬倍。這就是使邊緣計(jì)算在今天可行的原因。計(jì)算能力與網(wǎng)絡(luò)延遲之間的權(quán)衡是邊緣計(jì)算和云計(jì)算的本質(zhì)區(qū)別。但還有更多。雖然理論上應(yīng)該沒有太大的差別，但在實(shí)踐中，邊緣計(jì)算的標(biāo)準(zhǔn)是不斷變化的。當(dāng)我們談到邊緣時(shí)，我們必須以某種方式區(qū)分網(wǎng)絡(luò)中的數(shù)據(jù)消費(fèi)者和數(shù)據(jù)生產(chǎn)者。與internet一樣，邊緣網(wǎng)絡(luò)中的節(jié)點(diǎn)在功能上也不是對稱的。在edge網(wǎng)絡(luò)中，我們有許多物聯(lián)網(wǎng)設(shè)備，它們幾乎完全充當(dāng)數(shù)據(jù)生產(chǎn)者的角色。因此，物聯(lián)網(wǎng)標(biāo)準(zhǔn)是實(shí)現(xiàn)邊緣網(wǎng)絡(luò)的關(guān)鍵。

關(guān)于物聯(lián)網(wǎng)標(biāo)準(zhǔn)需要知道的是:有很多這樣的標(biāo)準(zhǔn)。這就解釋了為什么在不同的物聯(lián)網(wǎng)系統(tǒng)之間建立橋梁如此困難，而這也阻礙了邊緣網(wǎng)絡(luò)的發(fā)展。最近的一個(gè)例子:谷歌放棄了對其他功能完美的Nest api的支持，這些api允許與第三方進(jìn)行集成。不過，正如您可能期望的那樣，“騎兵”正在采取開放源代碼的行動。Linux基金會正在迎接使邊緣標(biāo)準(zhǔn)化的挑戰(zhàn);其新成立的LF邊緣尋求解決這個(gè)問題。Linux基金會總經(jīng)理Arpit Joshipura邊緣和物聯(lián)網(wǎng),說,“為了讓更廣泛的物聯(lián)網(wǎng)成功,目前分散的邊緣市場需要能夠共同識別和防止問題的安全漏洞和共同進(jìn)步,建設(shè)性的設(shè)想的未來行業(yè)”。LF Edge通過五個(gè)項(xiàng)目實(shí)現(xiàn)了這一愿景。這些支持非傳統(tǒng)視頻和連接事物中的新興邊緣應(yīng)用程序，它們需要更低的延遲(最高20毫秒)、更快的處理和移動性。

邊緣計(jì)算更適合于依賴于短且可預(yù)測的響應(yīng)時(shí)間的應(yīng)用程序。自動駕駛汽車就屬于這一類。實(shí)際上，在邊緣應(yīng)用計(jì)算可以減少需要傳輸?shù)臄?shù)據(jù)量，從而進(jìn)一步減少響應(yīng)時(shí)間。

現(xiàn)代的人工智能芯片——運(yùn)行機(jī)器學(xué)習(xí)算法的專用硬件——也可以在edge上運(yùn)行。GreenWaves生產(chǎn)的處理器結(jié)合了低功耗和足夠的計(jì)算能力，豐富的數(shù)據(jù)傳感器產(chǎn)生的內(nèi)容可以在本地進(jìn)行動態(tài)分析，而不是發(fā)送到云上進(jìn)行分析。在本地進(jìn)行分析并發(fā)送結(jié)果所花費(fèi)的精力遠(yuǎn)遠(yuǎn)少于傳輸原始數(shù)據(jù)。實(shí)際上，這可以看作是一種壓縮方法。除了節(jié)省能源(這意味著更長的處理器壽命和更多的能量用于更多的計(jì)算)之外，這還為分層架構(gòu)打開了大門。實(shí)時(shí)處理可以在車輛上完成，最小化網(wǎng)絡(luò)開銷，而需要進(jìn)一步分析或永久存儲的數(shù)據(jù)可以稍后發(fā)送到云上。這對自動駕駛汽車來說至關(guān)重要，因?yàn)樗枰浅？斓奶幚硭俣?。戴?Dell)等供應(yīng)商也注意到了這一點(diǎn)。2017年，戴爾技術(shù)公司為整個(gè)計(jì)算市場提供了一個(gè)三層的拓?fù)浣Y(jié)構(gòu)，將其分為“核心”、“云”和“邊緣”。

Edge或云計(jì)算不一定是非此即彼的選擇。更有可能的是，我們需要兩者都用在像自動駕駛汽車這樣的用例中。圖片:戴爾技術(shù)

當(dāng)人類坐在駕駛座上時(shí)，他們也在飛行中進(jìn)行計(jì)算。所有通過聲音、視覺、運(yùn)動和其他感官傳遞的信息都經(jīng)過了處理，從而讓我們對環(huán)境有了一種感覺，并知道我們需要做些什么來保持車輛的理想路線。在自動駕駛汽車中，這些信息是通過傳感器攝取的，同時(shí)也需要在飛行中進(jìn)行處理。理想情況下，處理發(fā)生在車輛本身;但如果這是不可能的，那么至少要盡可能靠近飛行器。

減少往返行程對安全至關(guān)重要。在這方面，5G也可以提供幫助——不僅提供更高的網(wǎng)絡(luò)速度，還可以改變范式。與現(xiàn)有的通信網(wǎng)絡(luò)不同，5G依靠大量小型本地中繼來工作。這將增加網(wǎng)絡(luò)中的響應(yīng)時(shí)間和彈性。

然而，具體該怎么做，并不是每個(gè)人都同意的。它可能是開源的方式，使用現(xiàn)成的，可定制的和可編程的樹莓派硬件。也可能是谷歌的方式，使用樹莓派狀的珊瑚，這是一塊帶有TPUs的人工智能板，谷歌說它已經(jīng)準(zhǔn)備好了。

這絕不是一個(gè)清晰的景象。我們確實(shí)希望有更多的人工智能芯片供應(yīng)商參與進(jìn)來，一些公司——例如哈瓦那——已經(jīng)在這么做了。然而，由此得出的結(jié)論是，邊緣計(jì)算需要一個(gè)復(fù)雜的生態(tài)系統(tǒng)，其中硬件、軟件、網(wǎng)絡(luò)和標(biāo)準(zhǔn)同步發(fā)展。

在收集數(shù)據(jù)和訓(xùn)練操作和安全的自動駕駛車輛所需的算法方面，我們還有一段路要走，而邊緣計(jì)算是關(guān)鍵。

什么是邊緣計(jì)算?這就是為什么邊很重要以及它的方向

如何在2020年的IT預(yù)算中包含邊緣計(jì)算

英特爾從Pivot技術(shù)公司收購了Smart Edge業(yè)務(wù)

Nvidia為人工智能、物聯(lián)網(wǎng)、5G設(shè)計(jì)的EGX Edge超級計(jì)算平臺

優(yōu)勢已經(jīng)形成:5G電信云將與亞馬遜展開競爭