英特尔豪掷153亿美金收购Moblieye的消息，一时间将英特尔对无人驾驶的进驻拉至聚光灯下。此后，这位芯片大佬在无人驾驶领域的“一举一动”都格外引人注目。
自动驾驶形似“分枝”茂密的大树，也像聚光闪耀下的国际舞台吸引世界各地的行业参与者加入。他们之中，包括了科技巨头、传统车企、核心技术公司。当谈到无人车，任何人都不会否认谷歌的贡献。尽管谷歌无人车抢尽风头，但最近一份最新研究却打破了人们臆想中这“板上钉钉”的事实。
为了解哪些公司在无人驾驶汽车技术的研发领域处于领先地位，科隆经济研究所（The Cologne Institute for Economic Research ）分析了过去7年的5839项相关专利。结果显示，以德国三巨头为代表的传统汽车厂商和零配件供应商把谷歌和其他科技巨头远远甩在身后。
尽管上图数据表达的是专利数量，以及数量不一定等于质量，但相比谷歌无人车之父在2005年就已经潜入无人驾驶领域研究相比，英特尔在2016年才逐渐清晰的无人驾驶布局，可以说迟到了很久但却为时不晚。
（在这里，需要说明一点，很多人曾把自动驾驶与无人驾驶两者混淆，但实际上无人驾驶是自动驾驶相当于SAE美国汽车工程师协会等级中的L4、L5。所以英特尔在自动驾驶领域研究的终极目标是在更高级别的无人驾驶层面）
无人驾驶“疯狂布局”——计算力、机器学习、汽车大脑...但更多是关于“数据流通”
放弃曾大笔投注超100亿美金最终却只换来“重在参与”的移动芯片，英特尔将芯片重点转移到人工智能研究。而汽车与出行领域是人工智能的重要赛道。自动驾驶不仅是一个具有决定性意义的增量市场，也是AI芯片最具战略意义的入口性市场。
与“滑铁卢式”的移动芯片战场相比，将无人驾驶作为AI切入口之一会是一笔不错的买卖。但无人驾驶涉及环节复杂，AI远远不只是计算机视觉，它用于整个无人驾驶汽车，从自然语言处理到个性化，再到决策。每种都有独特而各不相同的计算需求。英特尔想要参与，就必须考虑无人驾驶汽车所有AI任务专门需要的包含不同元素的计算技术。
当然，无人驾驶汽车需要的还远不于此。计算的演进还需要承受来自“数据洪流”的压力。
英特尔乐观估计，在2025年无人驾驶将会普及，届时每一辆车行驶90分钟会生成大约4TB数据，L5级别无人驾驶车辆所需的算力将是当前L2级别车辆的10倍，同时像素数、存储都需要1000倍增长。
如果说微软和英特尔扼住了PC世界的咽喉，谷歌挠到了智能手机的脚心，那么无人驾驶行业的关键点又会出现在哪个部位？这件事关乎传感器、关键技术、定位导航、核心处理器，但更多是关于数据流通。（尤其对于无人车而言，有两种数据比较重要——地图和驾驶数据）
无疑，英特尔看到了这一点，于是在无人驾驶这个赛道上“疯狂布局”，完成多笔重磅收购：
2017年8月，收购Mobileye，填补ADAS技术，高精地图和传感器领域实力。
2017年1月，收购Here地图15%股份。
2016年9月，收购Moviduis，这是一家AI公司，开发计算机视觉处理器。
2016年5月，收购机器视觉技术公司Itseez。机器视觉可以让计算机观察环境，理解环境。
2016年4月，收购意大利半导体制造商Yogitech，该公司专注为无人驾驶汽车开发芯片。
2015年6月2日，收购FPGA芯片巨头Altera，这是英特尔对抗英伟达GPU的杀手锏。
正是在狂砸几百亿美金用于收购后，英特尔在无人驾驶领域掌握主动权，开始有了一些不错的牌：
全球ADAS巨头、高精地图领域的重量级玩家。这必须归功于Mobileye基于摄像头的ADAS解决方案、REM（Road Experience Management）技术。此外，英特尔还可以从装载Moblieye ADAS系统的车辆获取海量驾驶里程数据， 用于自动驾驶的测试。
英特尔GO自动驾驶开发平台。它是一个新品牌，英特尔无人驾驶软件硬件开发工具都会归类于该品牌。GO平台提供一种灵活的架构，包括中央处理单元（CPU）、现场可编程门阵列（FPGA）及面向深度学习的硬件加速技术。 在新品牌之下，英特尔建立了一个5G平台，开发了调制解调器，帮助汽车制造商开发、测试程序。按照预测，2020年5G无线网络将会推出。
数据中心。这块用于深度神经网络模型的训练，需要处理海量的数据，以及累积的大数据是价值巨大的“金矿”。
综合上述一系列事件： 2015年，英特尔在无人驾驶开始布局；2016年，涉足深度学习平台、机器视觉，英特尔也不断在无人驾驶上发力；2017年，英特尔无人驾驶的产业布局愈发清晰。
至此，英特尔补齐了自动驾驶环节中所需的CPU、5G、FPGA、EyeQ等大部分关键技术，无论是感知层还是决策层都没有明显的短板，形成了一套完整的从汽车、网络到云的端到端解决方案。（英特尔能提供车内计算；云和一套机器学习解决方案；高带宽、低延迟的5G连接系统；强大内存和FPGA技术；人机接口以及安全技术）
无人驾驶今年就上路——组建超100辆无人驾驶测试（SAE L4） 车队，用“算法”保驾护航
有了无人驾驶的“武器”，英特尔并没有停止探索脚步。在加速自动驾驶道路上，它将“标准化”与“产业协作”提上了日程。
英特尔公司人工智能产品事业部业务拓展及解决方案部署负责人Fiaz Mohamed
在2017年全球汽车AI大会上，英特尔公司人工智能产品事业部业务拓展及解决方案部署负责人Fiaz Mohamed在接受至顶网采访时，就谈及英特尔标准化的初衷。
“一旦自动驾驶统一的标准化平台建立，任何第三方都可以基于这个平台开发软件、工具，促进创新的产生。”Fiaz Mohamed表示，标准化不只是设计硬件，它也可能是一种算法，平台。但无论是何，标准化对加速自动驾驶至关重要。
Fiaz Mohamed目前在英特尔负责人工智能产业事业部的业务拓展以及解决方案部署，他还曾在麦肯锡担任管理顾问，对于自动驾驶汽车的发展路径，他也分享了自己的看法。
共分三个阶段，其一是对于自动驾驶汽车技术的研发阶段，其二是第一批自动驾驶车队能够出现的路面上，其三还处于未知，但他相信第三阶段相关自动驾驶的一切都有快速增长。
事实上，Fiaz Mohamed提到的第二阶段已经走进现实。与Mobileye深度整合，英特尔计划启动100辆无人驾驶（SAE L4） 测试车队，今年年底在美国、以色列和欧洲进行测试。同时，这也是英特尔加速标准化与产业协作的一次重要尝试。
据Fiaz Mohamed所述，在即将上路的这些车辆中，英特尔会从算法切入，并提供基础架构层的解决方案为这次测试保驾护航。
“没有老司机掌舵的车，你敢上吗？”——应对无人驾驶必经门槛 “乘客信任”危机
在与Fiaz Mohamed交谈中，他分享了很多自动驾驶降低车祸危险性的话题，其中他曾多次提到一个关键词“乘客经济”。
实际上，这是英特尔创造的新词，它指的是以自动驾驶为基础，让人们完全脱离与汽车的一对一关系，转向出行即服务，从而快加新兴服务和商业模式的兴起。
到2050年，英特尔预计“乘客经济”的规模将达到7万亿美元，而与交通事故相关的公共安全成本可能会节约超过 2340 亿美元。如此来看，如果自动驾驶一旦成熟，这会是一块非常可口的蛋糕。但越是美好的事物，往往最害怕去追究细节。
抛开技术层面，其实无人驾驶还有一个最容易被掩盖的问题。“一旦驾驶座上没有了人，你还会上车吗？” 据AAA调查发现，75%的美国人害怕乘坐自动驾驶汽车。
自动驾驶的未来令人憧憬，但如果不能有效解决自动驾驶的安全问题，打消人们心中的安全疑虑，自动驾驶的应用与普及必定步履蹒跚。
不过，英特尔认为这是一个可以解决的问题。通过在汽车和乘客之间创建互动体验的方式，来克服消费者的恐惧心理。
对此，英特尔的用户体验团队对自动驾驶汽车乘客做了一项“信任互动调查”。并设定了五种信任交互情景并对其进行了评估：叫车、开始行驶、更改行程、处理错误和紧急状况、让车停靠在路边并下车。结果调查发现了七个值得探索的信任“临界点”。这一结果在不久前英特尔乘客信任与自动驾驶网络研讨上得以展示（文末附完整PPT）。
“我们不只是教育消费者要接受自动驾驶的车，也要看到信任问题的存在，要在硬件、软件方面找到解决方案。”Fiaz Mohamed表示，英特尔最感兴趣的一个解决方式，就是HMI（ Human Machine Interface，人机界面）的改进。
“在乘客真正信任一辆无人驾驶汽车之前，他们必须对自己与车辆交互的基本方式充满信心。 对于乘客而言，自然的对话、舒适安全的操作以及多方式的交互（比如触摸屏、语音、移动设备等）是建立与机器信任的至关重要的方式。 ”
据Fiaz Mohamed所述，英特尔正在研究不同的人机界面和技术并为其开发原型，以帮助OEM和一级供应商来解决这些信任问题。 而英特尔提供的人机界面将是高性能计算平台，相当于汽车的“中央大脑”，它能够运算和分析所有来自于传感器、LIDAR（激光探测与测量）、摄像头的数据，并通过5G通信模块实现与数据中心之间的通信，并将系统的行动计划和意图有效传达给乘客。
其实，与自动驾驶汽车相关安全问题一直在这个领域榜上有名， 不仅是“乘客信任”这个维度，从基础架构层开始，英特尔也早已将安全列入重要研究名单了，投入大量资金和资源，推动从芯片到整体解决方案的功能安全研发。 而2016年，英特尔收购意大利半导体功能安全方案厂商Yogitech，便是其在加强自动驾驶安全技术研发上的浓重一笔。
尽管自动驾驶汽车技术确实已经日臻完善，但人类在面对自己不熟悉或者无法预知的事物时，难免会恐慌，毕竟“冰冻三尺非一日之寒”。通向自动驾驶之路多坎坷，完善之路更是任重道远。英特尔踏局其中，更应“积跬步以至千里”。
彩蛋｜英特尔乘客信任与自动驾驶网络研讨会 完整PPT
1、人的判断 vs 机器的判断
参与者非常关注的一个问题是，无人驾驶汽车中如果没有人的判断力，该如何应对一些微妙的情况——例如突然横穿马路的人或者其它司机加速超过无人车。但是，他们也认为，由于消除了判断错误，无人驾驶汽车将会更加安全，并且在决策能力上强于依靠二手猜测的人类。
2、缺乏协助辅助 vs 个性化空间
乘坐自动驾驶汽车时会有很多自由时间——这个想法激发了很多人开始畅想要如何利用这段乘车时间，而另一些人则担心不能与人类驾驶员进行任何互动。对于父母来说，利用自动驾驶汽车接送独自一人的未成年人，有巨大的好处——车中没有任何陌生人/驾驶员。然而，参与者也担心如果没有驾驶员就会缺乏问责机制。也考虑到了身体残障人士的诉求——尤其是没有驾驶员的帮助，身体残障的乘客如何上下车。
3、意识 vs 过量信息
大多数参与者认为需要一个学习曲线来适应自动驾驶系统。但是一旦对该系统的信任开始增强，他们就会觉得一些警告和通信特别烦人、打扰人。尽管安全提示和上下文信息非常方便，他们也不希望被太多信息所分心。
4、放弃对车辆的控制 vs 从新的层面控制车辆
对某些人来说，坐在无法控制车辆的后座是一种不安的感觉。仅仅看到空驾驶座和方向盘的不自然转动也会造成一些焦虑。参与者探讨了移除这些传统车辆设计、以便缓解紧张情绪。同时，他们也非常重视新的控制体验：能够利用一个移动设备来叫车并开锁/开门，降低无法开车的压力，通过更多“眼睛”观察路况而感到安全放心。
5、了解运作原理 vs 证明其有效性
了解技术运作方式及其全部功能——这对于参与者来说是最重要的。与此同时，看到并体验汽车是如何感知并应对周围发生的一切，这会让参与者对自动驾驶汽车产生信心，因此，HMI系统的透明度是非常重要的。
6、告诉我 vs 听我说
当汽车的“人声”使得参与者放松警惕时，许多人想知道他们是不是能够利用自己的说话声音与该系统进行沟通（这不是测试的一部分）。能够与驾驶员交谈并交换信息——这会是一大优势，尤其是当需要绕道、改变目的地，或天气状况不断变化的时候。
7、遵守规则的机器 vs 人类对规则的解释
尽管安全是参与者信任的第一要素，但是它们对安全的理解却有细微差别。一些参与者承认，他们自己驾驶车辆时的行为并不总是安全，或者也不是完全按照交通手册来开车。他们谈到了在空旷的道路上加速行驶、边开车边吃东西、有时候在必须停下来的地方并没有停车。参与者承认，放弃这些行为与接受基于系统的新行为之间的斗争是他们必须适应的一个挑战。
，
原文发布时间为： 2017年9月1日
本文作者：黄雅琦