2018年，自動駕駛商用潮引人矚目。Waymo、GM等行業里所有的主流玩家幾乎都宣布了自己的商用計劃，有的載人、有的載貨。
行業喧囂陣陣，熱鬧平息后，創業公司們面臨的現實更加嚴峻：他們必須證明自己商用的潛力，不然可能不會再有投資方愿意大筆投入資金，耐心等待他們技術成熟。
所以創業公司有的努力探索從生鮮遞送開始的商用可能性，有的專注技術方案，希望能通過給車廠提供技術方案而存活，更有投資者放言，對于這些創業公司來說， 2018非生即死，不再關注沒有商用可能的公司……
然而投資是需要比人看得更遠、動得更早的藝術，在硅谷知名投資人Fusion Fund 創始人張璐看來，目前自動駕駛行業投資，圍繞著其下一階段，才是她關注的投資熱點。
“自動駕駛的下一重要階段，對于數據傳輸和處理的要求將成為新的重點。”在她看來，未來自動駕駛投資的機遇，可能就蘊藏其間。
從人車混行到車輛自主通行
以道路上的行駛者為界，自動駕駛可以分為兩個階段：人車并行時代，和只有車輛在道路上行駛的時代。
這樣的差異，意味著對數據和數據相關能力的不同重視度。
在人車并行時代，除了有一定自動駕駛能力的汽車以外，還有許多人類司機駕駛的車輛。正是因此，自動駕駛汽車需要更加“聰明”，畢竟駕駛汽車的人類并非機器，可能會在疲憊或不小心的情況下做出出乎意料的行為。“這就要求無人駕駛系統對各種極端情況的反應能力很強。”比如張璐此前投資的專攻卡車行業的自動駕駛企業Locomation，就是通過軟件系統來增強卡車在重復性較高的既定路線的“聰明程度”，進一步推行其行業應用。
在未來只有車輛的時代里，對于無人車的智能程度的要求比起以前就要降低不少，因為交通系統都已經智能化，交通燈、路邊的傳感器等等每時每刻都在和無人駕駛系統交互、傳遞信息。正如張璐所說，這樣的時代里，數據傳輸和處理的效率及速度，就成了更重要的事情。
“5G已經蓄勢待發。自動駕駛的數據量也會進一步增大，數據處理速度需要進一步提升，而邊緣計算就是一個很恰如其分的技術，能提升處理數據和傳輸的效率。” 張璐今年作為全球青年領袖參與了夏季達沃斯年會，年會主題正是第四次工業革命。她在主題論壇上發言時指出，5G和邊緣計算是這次工業革命的核心技術之一。
在張璐看來，正是通過這個邏輯，5G和邊緣計算，成為了后自動駕駛時代中非常值得關注的兩類技術。
技術熱點一：5G
“想象一下，自動駕駛汽車行駛過程中，它在實時收集很多信息，包括3D精準地圖，四周的視頻等等，這些數據量很大，需要5G來加大帶寬，讓一次性能上傳的信息更多、速度更快。”張璐說道。
埃森哲報告指出，一輛測試中的自動駕駛汽車一天所產生的數據，和哈勃望遠鏡一年產生的一樣多。正是因此，只有當能夠實時傳輸大量數據的5G真正到來之時，汽車才有可能以人類的反應速度做出駕駛中必須的反饋。
“自動駕駛是5G應用的一個重要方向，下一代Cooperative Intelligent Transport Systems(C-ITS)有望通過互聯自動駕駛汽車(CAV，Connected Autonomous Vehicles)將移動即服務(MaaS)模式提升到一個全新的水平。”
張璐認為，基于毫米波的系統有望在5G蜂窩系統中發揮關鍵作用。
“作為一種前瞻性的5G無線解決方案，毫米波系統被證明是傳統蜂窩網絡和無線回程系統的可行替代方案，而使用該技術支持下一代ITS系統通信的可能性正在被廣泛研究。特別是，歐盟委員會目前正在考慮支持基于毫米波系統的ITS標準化活動的可能性，該系統將在63GHz和64GHz之間的專用頻段上運行。在理想的傳播條件下，毫米波系統明顯優于基于IEEE 802.11 / DSRC和LTE / LTE-A標準的車載通信系統。顯然，大的穿透損耗值和天線波束對準誤差將對毫米波鏈路的穩定性產生破壞性影響。此外，IEEE 802.11ad的傳統波束成形訓練可在系統中增加高達20 ms的額外延遲。”
英特爾、高通等知名半導體公司都在試圖攻關5G，希望把汽車變成一個強大的數據中心，做出實時、復雜、精準的反應。
今年，Facebook收購了5G創業公司Invoi，并在收購完成后使用Invoi的技術在加州圣何塞搭建了全美第一個、也是最大的一個5G網絡。
中國也在大力推動5G盡快落地，移動、聯通、電信這三大運營商都宣布了5G的時間表。比如在2017年，中國移動和中興通訊在廣州設置商用測試基站，這也是全國首次開通5G基站。根據雷鋒網報道，去年11月，中國移動聯合高通和中興通訊宣布，成功實現了全球首個基于 3GPP R15 標準的端到端 5G 新空口(5G NR)系統互通(IoDT);三家公司分別代表了運營商、系統提供上商和終端商，構成了一個完整的 5G 互通環節。
“5G之后會發生什么?人們已經開始關注6G，它有可能更加關注毫米波并包括衛星系統的集成。”張璐說道。
技術熱點二：邊緣計算
5G能夠提供足夠的帶寬，邊緣計算(Edge Computing)則是在數據處理層面提高自動駕駛系統的反應能力——它意味著通過在網絡邊緣而非集中式處理數據，提高數據分析能力，降低延遲時間。
IDC數據顯示，到2020年，聯網終端和設備數量將超過500億，它們產生的數據的50%都需要在網絡邊緣側分析、處理和存儲。
而在自動駕駛領域，邊緣計算可以讓自動駕駛汽車在數據當地和上傳的過程中在云端優化信息的處理，然后進行非常實時的反饋。
本月早些時候，張璐在英文媒體Medium上發布了一篇英文文章，深入分析了邊緣計算，并指出了自動駕駛需要邊緣計算的原因：
當我們要執行需要實時反應、并且不能容忍網絡系統中斷或高延遲的任務時，邊緣計算是不可或缺的技術。
在自動駕駛時，汽車上的各種傳感器測量溫度、速度、牽引力等，并將信息傳遞給車載計算系統。這個系統會分析信息，并據此管理其發動機、車輪和制動器。在緊急情況下，例如如果一只小鹿突然出現在車前，系統需要非常及時地響應。傳感器沒有時間將數據發送到云并等待響應。如果那一天剛好是亞馬遜一年一度的大日子Prime Day，我們就不能依靠云來處理生死攸關的情況。
將邊緣計算和云計算配合使用的另一個優點是，它可以帶來更高效的存儲。在自動駕駛系統，不必要的重復數據被刪除，并且汽車僅將最重要的信息發送到云來進行學習和分析。在分析了數千輛車輛的數據后，再將更新從云端推送到車輛 - 創造一個良性循環。這個過程不僅對邊緣設備有效，而且可以防止云存儲過多的多余數據。這很重要，因為雖然數據中心可以容納大量數據，但這種存儲是能源和資金密集型的，并且這些數據的通信可能會阻塞帶寬。知名研究機構IDC曾預測，到2025年年度，數據生成量將增加近10倍 - 每年增加到163個zettabytes - 所以只有必要的重要信息才能長期存儲在云中，這很重要。
后自動駕駛時代的彎道超車
在自動駕駛領域，擁有Waymo、GM、Uber、Tesla等眾多自動駕駛行業主流玩家的美國無疑已經擁有了很大的技術優勢，但在張璐看來，從“人車并行”到“只有自動駕駛汽車上路”，并非是美國一家獨大，而是有著彎道超車的機會。
正如前文所討論的，在僅有自動駕駛汽車行駛時，由于有了智能交通系統和其他智能基礎設施的數據補充，對車輛本身的自動駕駛系統的智能度的要求將會降低。而在這時候，挑戰往往在政策和成本上。
“比如需要通過政策來大規模推行基礎設施的升級，或者投入很高的成本把城市的路燈都換成智能的等等。”
新加坡就是一個很好的例子，這個國家很小，面積僅有約716公里，卻是公認的政府管理能力最強的國家之一，在土地上堅持公有制為主;擁有很強的投資能力，政府旗下的新加坡政府投資公司管理資產超過3000億美元;通過制定計劃，直接投資主導產業方向，對經濟進行全面的干預。
“像新加坡這種政府能力強的國家，當所有的基礎設施都升級好了，可能就不需要全世界最優秀的無人駕駛系統技術，只需要一個足夠好的無人駕駛系統，說不定就能夠更快地進入第二階段，直接跳過第一階段。”張璐解釋道。
“所以這個競爭不是一個線性的競爭，有不同的做法。但不管是哪種做法，傳輸的技術、網絡技術，也就是邊緣計算和5G都非常關鍵，是能夠驅動這個行業真的進入應用、進入商用的非常重要的技術發展和應用的角度。”
