自动驾驶汽车的热度已达到沸点，大多数人关注的都是无人驾驶汽车带来的直接创新和新奇体验。
主流媒体的头条进一步推高了这股热潮：“无人驾驶汽车在加州掀起新一轮淘金热。”
英特尔近期斥资150亿美元收购Mobileye，进一步彰显了这项技术的潜力。Mobileye生产自动驾驶传感器和软件。
正如这笔收购所凸显的，许多人尚未认识到，真正带来变革的并非汽车，而是底层数字技术。
借用淘金热的比喻，真正的工作是由那些挥舞镐子和铁锹的人完成的。
以激光雷达（光探测与测距）技术为例。激光雷达传感器发出一道光脉冲，并测量反射回波，以确定物体间的距离，从而生成汽车周围环境的精确三维地图。
以太字节计的数据
这些传感器以及GPS等其他必要系统表明，每辆自动驾驶汽车每行驶八小时，预计会产生并处理约4太字节的数据。
4太字节的数据相当于存储120多万张照片所需的数据量——换句话说，这是海量数据！
而这4太字节数据中的很大一部分都需要极快地处理。
以每小时65英里的速度行驶时，我们在常用应用中或许可以接受的一秒延迟，可能决定汽车能否及时发现并避开物体，还是发生致命事故。
要做到近乎实时地响应，每辆汽车附近都需要具备强大的计算能力。
车载CPU
从许多方面来看，汽车正变成装有轮子的巨型计算机。
有多大？
即使没有自动驾驶功能，如今一辆普通汽车也可能配备25至50个中央处理器（CPU），用于控制盲点警示、行人碰撞预警、自动制动、通过智能巡航控制保持安全距离等诸多功能。
许多CPU彼此联网，通过车载网络相互通信。
实际上，每辆自动驾驶汽车都正在成为一座功能强大的数据中心。
根据一份报告，IHS Automotive预计，到2035年，全球道路上的自动驾驶汽车数量将增至2100万辆。
为2100万辆汽车生成并管理的数据量惊人。
即使有5G等网络技术进步，可以将数据从每辆汽车传输到云端并传回，要想象如何快速分析如此海量的信息仍然很困难，至少以当前和近期可用的技术而言是如此。
转向边缘
再加上飞机、船舶等其他交通工具，以及风力涡轮机、智能住宅等各种日益智能化的物件，我们便能略窥未来需要处理的信息何其庞大。
为了容纳如此海量的数据，如今许多公司正将计算迁移到云端，但具有讽刺意味的是，未来将越来越多地在边缘。
边缘计算的目标是快速处理数据，避免通过广域网传输所造成的延迟。
对于自动驾驶汽车，需要在本地及时处理的数据——例如应对驶近的车辆——将在数据源头进行处理。
对于其他对延迟不太敏感的数据，例如某地的道路和天气状况，或Waze交通信息应用等众包数据，则可以上传到云端。
协调自动驾驶汽车与其他边缘设备之间的计算和通信，将增加对混合云和私有云的需求，也需要协调这些云之间及其内部的运行，因此离不开大量自动化。
开源机遇
幸运的是，已有少数几家公司为这一发展做好了准备。
例如，谷歌在日常运营中使用近一百万台服务器。为管理如此复杂的系统，该公司开发了自己的软件，名为“Borg”。
Borg启发了另一种计算管理系统：开源平台Mesos。如今，许多领先企业都在使用Mesos，包括Twitter、Verizon和Bloomberg。
这些都是知名企业。但更重要的是，由于这是开源软件，过去只有最具创新力的软件公司才能涉足的领域，如今任何人都能轻松使用，让各种规模的公司都有机会打造下一项改变世界的创新。
这些新一代平台能够管理庞大、分布式的数据中心和云，还可以扩展到边缘设备。
动态能力
此外，这些系统还能在需要时动态分配计算能力，从而提高所管理的所有计算机的效率和利用率。
硬件曾经比软件更强大，如今这种格局已经改变。
Borg和Mesos等分布式计算平台，能够实现远高于以往可能水平的容量和应用多样性。
无论是智能手机、个人电脑、服务器，还是即将到来的自动驾驶汽车，充分利用现有计算资源不仅能提高生产力，还能开辟新的可能。
例如，可以将计算资源用于更大的社会公益事业，就像搜寻地外文明（SETI）项目所做的那样。
SETI设在加州大学伯克利分校，利用连接互联网的计算机，包括许多家庭个人电脑，帮助分析射电望远镜数据。
云无处不在
试想一下，利用先进的计算管理平台可以设计出怎样的应用。
再想象一个云无处不在的世界：我们使用的设备不仅彼此联网，还共同承担海量数据和即时决策的处理负担；软件无论部署在世界何处，都能在各类基础设施上得到无缝管理；而且任何公司都能以开源方式使用这些技术。
这将掀起一波令人振奋的创新浪潮。
自动驾驶汽车的出现，将促使计算和通信系统在硬件和软件架构方面发生诸多变化。
正是这些数据管理进步与边缘计算相结合，才使无人驾驶汽车、智慧城市和智能住宅以及其他互联技术成为可能。
这些基础信息技术要素为第四次工业革命奠定了基础，推动以下领域取得突破：人工智能、机器人技术、物联网、自动驾驶汽车、3D打印、纳米技术以及其他新兴技术。
如需了解更多关于2017届技术先锋的信息，请访问我们的网站。
