北京2017年5月4日電 /美通社/ -- 近日，英特爾公司高級副總裁兼無人駕駛事業部總經理戴佟森 (Doug Davis) 撰文，詳細闡述了英特爾將在無人駕駛領域取得成功的原因：
過去三十多年，每個清晨我都從床上爬起來，去到英特爾公司上班。但30多年來，我從未像現在這樣的興奮，因為我正在領導的英特爾無人駕駛團隊。
不要誤會 -- 我的職業生涯絕對精彩，并且參與了諸多對世界產生重大影響的項目。但我現在所要解決的是目前較復雜的技術挑戰之一：可能幫助汽車行業重塑交通，可能每年拯救數百萬生命 -- 這些都不同于我們之前所做的任何事情，這就是我推遲退休的原因所在。
我堅信英特爾會在無人駕駛領域取得成功。我們擁有廣泛而深厚的經驗，以及解決這項挑戰所需的全球先進的技術工具。我們已經整合了整個公司的資源，并從汽車行業招募了經驗豐富的人才。我們的團隊正加足馬力，來突破必要的技術難題。以下便是原因：
第一：我們已經取得了非凡的進展
英特爾技術已經應用于正在進行路測的數百輛無人駕駛汽車。但不是所有汽車制造商都會透露是誰提供了其測試汽車的大腦，唯恐泄露機密。事實上，很多汽車制造商采用了英特爾技術。歡迎大家打開他們的后備箱、行李箱或后蓋，看看他們最依賴哪家科技公司為其開發中的汽車提供較強大腦。
如寶馬、英特爾和Mobileye承諾過那樣，今天我們還展示了首批約40輛高度自動化駕駛（HAD）汽車中的一輛。不到一年前，三家公司宣布計劃通過開發通用平臺，在2021年實現高度全面無人駕駛汽車的批量生產。我們現在成功地展示了這個平臺，現在正計劃為其它OEM和一級供應商提供該平臺，從而加快他們的項目。敬請關注這個領域的更多信息。
第二：我們為數據挑戰做好了準備
數據是無人駕駛中重要的要素 -- 如何較大化地處理、管理、移動、存儲、共享數據并從中學習。從PC到數據中心及中間的一切，沒有任何公司的芯片能在分析、計算和移動數據方面能與英特爾的規模匹敵。隨著我們繼續向無人駕駛汽車邁進，數據挑戰將變得愈發復雜并需要新的方式來處理汽車內、網絡中以及云端上的數據。
為了確保我們擁有絕對正確的戰略來應對數據挑戰，我們已經部署了首批幾個專門針對無人駕駛的數據中心。這些獨特的實驗室用于算法開發和訓練，以及理解無人駕駛數據移動和存儲的特殊基礎設施需求。研究人員將繼續把來自英特爾測試汽車的信息提供給這些數據中心，以訓練神經網絡并改進機器學習算法。此外，我們也在積極與客戶及合作伙伴一起搭建相關實驗室。
這讓我不得不提及人工智能。在汽車和數據中心內掌握人工智能對于解決無人駕駛的數據挑戰至關重要。你要記住：無人駕駛不是一個游戲。當汽車在無人干預的情況下思考和行動時，它們必須安全可靠。其中所需的人工智能不僅僅是計算機視覺 -- 還有語音、決策、個性化和偏好。每種人工智能工作負載需要不同的算法，以及可能不同的處理方式來實現最優的性能。如果我們需要的僅僅是一臺處理無人駕駛數據挑戰的超級計算機，那么這項工作已經完成了。
第三：我們開創過眾多龐大的產業，并將再創奇跡
我曾說過：當整個行業一起推動通用平臺和技術發展時，無人駕駛技術會加速前進。這讓開發者能夠快速地進行大規模行動，同時還能實現差異化的軟件解決方案。我為什么這么說？讓我們以PC和服務器行業為例：
1980年之前，計算機行業是高度專有化的，主要服務于研究人員、大型公司和愛好者。在IBM幾年后利用現有零部件和外包操作系統開發了第一款個人計算機之后，情況發生了變化。這些早期PC不僅是計算機設計標準化的基礎，還加快了技術演進，最終在20年內實現了150倍的增長。
數據中心也類似。大型機之后出現的微型計算機提高了一定的靈活性和成本效率。但采用PC技術才讓數據中心快速演進，能夠處理互聯網帶來的數據。IDC表示，2011年產生了1.8ZB的數據，預計到2020年會產生超過40ZB的數據。只有通過標準化解決方案，我們才能夠讓行業的發展跟上時代的步伐。
讓我們回到無人駕駛汽車領域，很多喜歡唱反調的人認為英特爾在實現快速擴展方面的經驗沒辦法在無人駕駛領域復制。同時，汽車行業也有很多人不理解開放式合作如何實現差異化和創新。我理解這種質疑，但根據多年的經驗，我知道，通用平臺和可預測的接口組織技術能夠很有效地解決問題。毫無疑問，這是推動無人駕駛向前發展的較快速方式。
對整個社會來說，我不認為我們能夠沿著專有的道路繼續前進。時間、金錢和人力成本太過高昂。普及無人駕駛技術的速度越快，人們擺脫駕駛座位的速度也就越快，我們就能更快速地拯救生命，就這么簡單和重要。我相信英特爾不僅會成功地幫助合作伙伴推出無人駕駛汽車，而且會是以較快、智慧的方式。
