互联网、移动互联网、物联网的发展，从根本上解决了信息传递问题。未来企业的竞争主要在两个方面：面向人工智能技术的应用信息处理技术架构的竞争、信息综合集成应用的竞争。因此大量公司进行跨界开发，其中最有代表性的是谷歌（Google）公司的自动驾驶，在 Google 公司自动驾驶计划发布、路测之后，大量的公司进入这个领域，实现了许多原来遥不可及的技术应用场景，攻克了原来直观上不能克服的技术难题。

自动驾驶表面上是 Google 公司进行的众多人工智能项目中的一个，实质是 Google 公司面向人工智能的信息处理架构的应用实例。未来在整个信息服务体系中占据核心位置的是对用户决策提供直接支持的厂商，目前以Google、IBM为代表的企业正在全力打造这类基于服务内容理解和应用的信息服务架构，大力发展以人工智能技术为核心的各类智能处理技术，并不断进行实际应用.

那么实际上自动驾驶中的一个大问题就是数据传输。大数据就是必不可少的一个环节。

大数据处理架构的意义在于：在云端实时地处理自动驾驶汽车传来的道路数据，识别哪些可以被以后数据处理应用，更新数据；哪些需要实时处理，并把对应的理解数据传给自动驾驶汽车等。在实现过程中，大数据处理技术架构需实现根据自动驾驶的目的及实时的道路情况，自主地把云端存储的道路数据、道路上的交通标识数据传给终端，进行数据准备；还可以根据自动驾驶的实时感知数据，把其对物体的理解及将对自动驾驶产生影响的各类模型传给计算终端，如对于公交汽车，可以把公交汽车的路线、到站及历史行为的理解模型传给终端。

赫赫张

修改于 2018-04-13 10:05:24

答案是肯定的。

首先我们简单的了解一下什么是大数据：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。（参考：百度百科）

我们在来看自动驾驶：自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。（参考：百度百科）

自动驾驶为何发展难？首先要过了大数据这关。

简单举一个例子，在2015年时，一部中型轿车便已搭载约有30个电子控制单元，乘以2015年全球销售30,660万辆的数字，2015年对ECU的需求量就是20亿。每个MCU中的嵌入式eNVM技术又会有OTP、闪存等。eNVM对于存储ECU应用代码、操作系统映像、BIOS、安全所有权（所有者ID）、安全密钥（用于软件更新）、校准参数和配置设置是必不可少的。由此看来，汽车OTP、ASIC和MCU需求量极其巨大。自动驾驶会产生大量的数据，据预测，到2020年每天将产生大约4 TB的数据量。因此数据中心、服务器、云，以及汽车上的FPGA、内存以及连接设备都将是未来布局的重点，它们将发挥巨大的作用。

再比如ADAS中的车道偏离和障碍物警告。对人来说，这是个很简单的事情。何时停止、减速、改变车道或避开物体都是相对比较容易确定的。但是在自动驾驶中这将变得更为复杂，因为数据的特征提取往往会变得很难，实际上的工作量大且复杂——更重要的是不仅要收集大量的数据，还需实时将数据传输到ECU中。另一个核心就是汽车需要连接到云端——即是将各部分的数据进行提取，并传送到云端，这回增加了汽车中的数据流，也是大数据至关重要的问题所在。