2017年正处于终端用户设备第三次伟大的革命期。首先，在20世纪90年代使用Windows的PC，然后在2006年通过iPhone达到智能手机。现在，我们正处于下一个终极用户体验转变的尖端：汽车。
汽车业务将在未来5-15年内发展壮大，2017年是个增长的阶段。Gartner预计到2020年，将拥有2.5亿辆汽车上市。其中大部分增长将是新的数据服务和新产品，而不是汽车本身的传统“弯曲金属和橡胶”。资讯公司麦肯锡估计，到2030年，联网汽车的数据以及出现的新业务模式每年可能价值1.5万亿美元。
2025年的汽车将与现在的汽车相当不同。汽车将基本上成为轮子上的计算机，产生大量有价值的数据——只有在基础设施到位时的数据才是有用的，才是有分析它、学习它的价值。这就是为什么AI会推动联网汽车的未来。
未来的汽车是怎么样的？
有一些趋势塑造着未来的汽车。一个是大量注入计算基数，从根本上改变汽车电子。除了立体声，汽车将能够运行复杂的应用程序。就像iPhone展示了一台电脑如何进行语音通话一样。汽车也将经历传感器革命。传感器的成本也会下降。因此，汽车最终将包含数十个短程传感器，可以收集有关其环境的海洋数据。
此外，与云端的连接将是2025年汽车的核心部分。汽车将不再是在车辆的20年声明周期中保持不变的隔离模块。相反，他们将能够从云端获得新的下载。所有的传感器数据将被发送到云端，或者使用V2V（车辆到车辆）或V2I（车辆到基础设施）进行点对点的传输，这样甚至可以提供短距离数据。将手机这些数据以形成街道级甚至城市及的交通观点。就像PC和手机一样，云端作为信息、应用程序和处理的中央存储库。
根据IHS Technology的一份报告，车载人造卫星系统的数量将从2015年的700万增加到2025年的1.22亿。大都会将成为标准，这样做将改变人们与汽车的交互方式，反之亦然。一种方式是通过信息娱乐的更智能的互动。AI将提供语音和手势识别功能、驱动程序监控、虚拟助手和自然语言理解功能（NLU）。驾驶员将能够与他们的汽车交谈，让他们回应、甚至达到超出他们预期需求的标准。
AI也将使现金的驾驶员辅助系统（ADAS）系统成为主流现实。ADAS和自主车辆需要基于摄像机的机器视觉系统。基于雷达的检测单元，驾驶员状况评估和传感器融合引擎控制单元（ECU）工作。根据IHS，“深入学习”是完全自主的车辆的关键。这可以让他们检测和识别物体，检测动作，适应新的道路状况等等。
我们如何达到上述水平？
实现完全自主的汽车，这条道路会很漫长，我们也只是刚刚开始。而2016年表现出了许多可能的情况，我们还没有达到由国家公路交通安全管理局（NHTSA）定义的全面自主的4级汽车。
2017年，随着我们建立数据收集的关键基础设施，并为ADAS制作详细的实时地图，该行业也将会迎来重要的里程碑。今天又两个选择来实现这一目标，今年将出现第三个主要的替代方案。
一个选择是部署高度仪表化的汽车，拍摄静态物体的图像和记录位置。精确的车道信息和方向需要这种所谓的“毫米精度”。这在钱和时间方面是一个非常昂贵的选择，它还需要持续的更新，一遍数据不会变得陈旧。
第二个选择是部署半自动车辆来收集数据。这需要新一代具有先进传感器的汽车，但很少有汽车会在2017年安装这些传感器。
今年的第三个选择是使用新技术，从已经在路上的其他非自主汽车手机数据。例如，从相同的位置的多个轿厢检测突然的转向变化，可以指示障碍。当轮滑或挡风玻璃刮水器打开时，注意到将提供与微观天气相关的通知。机器学习的力量是，所有这些数据都可以通知下一代汽车的ADAS系统，并为未来的汽车提供更好的模型。
2017年出现的技术可能还不能实现完全自主的车辆，但对于奠定未来的基础，是至关重要的。
关注硅谷密探
紧盯全球创新趋势
（长按上方二维码即可关注，神马，这居然是二维码！）
