在一个某些交通技术似乎正在倒退的世界里——再无登月任务、协和式飞机遭到淘汰，公共交通也屡屡失灵——全自动驾驶汽车堪称现代奇迹。
智能汽车最愚蠢的地方或许是方向盘后面的有机物；但即便有马斯克、谷歌等巨头助力，它们究竟有多智能？
先不谈自动驾驶、无人驾驶和智能化。几十年来，汽车一直在诊断自身问题，并在一定程度上自行修复。诊断和修复故障并不难——具体取决于故障类型——但随着软件开始主导汽车行业，这难道不只是一个大数据问题吗？
诊断的不同层次
最早实现量产的燃油喷射系统能够监测多种传感器和变量。随着技术进步，燃油喷射系统得以调整某些参数，这无疑是一种自我诊断，也许甚至包含了“修复”问题的成分。
难点不在于判断汽车是否会具备这项技术，而在于界定究竟什么可以算作自我修复；调整可能被视为解决了问题，却没有消除问题的根源。
随着汽车行业经历变革，我们也需要思考内燃机的计划性淘汰问题。即使是“基础款”汽车，也装有约30个电子控制器；一些较为豪华的品牌会将这一数量提高到约100个，而这还没算上自动驾驶、电动化或混合动力化。
计算机与控制器
随着汽车搭载的电子控制器数量呈指数级增长，如今一辆智能汽车的各个控制器中，将分布着约1亿行计算机代码。它监测并调节从制动、照明和安全系统，到发动机性能、乘客舒适度乃至车内空间的一切。因此，我们更可能需要大数据解决方案，而非机械方案。
当然，有些机械故障始终会是致命的，再聪明的技术也无法修复——例如水管爆裂。不过，有一种观点认为，管理系统可以克服这个问题，也就是“凑合着”临时修补一下。
还有一种观点认为，随着技术日益精密，重要部件发生故障的风险会降低——传感器会识别出问题并在问题发生前加以处理，避免灾难性故障——如今我们已经能看到这种做法的有限应用。
预测技术或许能带来答案
这正是大数据发挥优势的地方。
工程师知道，部件的寿命有限，一切都有自己的“寿命周期”——从曲轴到传动轴皆是如此。但如果利用数百万英里的测试数据（即客户使用产品所产生的数据），就能准确预测其寿命周期（当然，外部影响因素始终会对其产生作用）。
对数据预测的简单理解是，工程师将能够了解有多大比例的消费者可能会加错燃油、让汽车在胎压不足的情况下行驶，或根本不在意如何对待自己的汽车。数据还可以揭示部件何时会发生故障、哪些情况会导致提前故障，甚至每售出一百万辆汽车会发生多少起故障。
一个问题，一百种答案
自动驾驶汽车能否自行诊断和修复？能。不能。算是吧。
关键在于如何定义修理或修复。
毫无疑问，未来的汽车将能够诊断比以往更多的故障和状况。这项汽车所有权相关功能可能会受到物联网和软件控制硬件的显著影响，后者甚至可能比任何有用寿命都更长。这并不意味着车辆能按通常意义真正实现自我修复，但确实朝这一目标迈进了一大步。
问题应当是：这项技术能否让车辆的使用寿命无限延长？答案当然是肯定的。
