7月，自动驾驶领域迎来一个振奋人心的消息：
北京市高级别自动驾驶示范区工作办公室介绍，正式开放国内首个无人化出行服务商业化试点。至此，国内无人化出行服务从示范运营迈入商业化试点新阶段。
OMG，所以自动驾驶真的要来了吗？
男司机女司机老司机新司机们，都可以在车上开心地吃火锅、唱曲儿、搓麻将，再也不用眼观六路耳听八方时刻保持神经紧绷了吗？
但是，这都是自动驾驶的最高状态，以我们目前技术水平还无法实现。
关于自动驾驶，不少人还停留在汽车不用人开自己上路跑的美好想象中，其实这里道道儿多了去了，到底什么是自动驾驶？自动驾驶落地需要哪些技术？我们现在处于自动驾驶的什么阶段？给我3分钟，小编带你火速了解！
认识自动驾驶
01
什么是自动驾驶？
自动驾驶系统是通过车载传感系统感知道路环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶并到达预定地点的功能。
这也太教科书了吧？
简单来说，本来以前开车是人类的工作，现在这件事部分或全部交给机器执行了（开车）。
02
自动驾驶整体框架
无人驾驶必须包含感知层、决策层和执行层三个方面，它们分别代替了人类的眼睛、大脑和手脚。
▶感知层，通过传感器（激光雷达、摄像头、毫米波雷达、高精地图等）采集驾驶员行驶过程中涉及的驾驶信息；
▶决策层，基于获取的信息进行计算，制定相应控制策略；
▶执行层，执行接收的控制策略，包括加减速、转向等。
03
自动驾驶六大级别
国际上将自动驾驶从L0到L5分为6个级别，等级越高，自动化程度越高。以下是这些级别的具体划分：
L0是车道偏离预警，基本只能提个醒，防止你开小差车跑偏了；
L1和L2可以帮你刹车、调个方向盘，当然即便这样你也不能偷懒，全程都要盯着，否则一不注意，可能就修车店见了（前3级一般被当作辅助驾驶，真正的自动驾驶得到L3以上）；
L3能在特定的道路中实现自动驾驶；
L4基本可以实现双手和大脑解放，除非情况危急，否则司机基本不用操心行驶问题；
L5则是完全自动驾驶，甚至无需驾驶员，不过目前还没有哪家公司能完美做到这一点。
智能驾驶核心技术
01
感知技术
我们平常开车，是怎么感知周围环境的？
很简单，眼睛看、耳朵听。
对于机器而言，我们可以使用摄像头、激光雷达、红外线、超声波雷达等传感器来代替人眼实现「看」的功能。
摄像头可以快速识别汽车尾灯、红绿灯、车道线、行人等，不过在光线微弱时可能功能受限，因此获取更多环境信息还需雷达帮忙。各种传感器各有所长，但也存在着局限性，如何实现多传感器融合技术也是科研人员需要攻克的难点之一。
02
数据处理技术
信息获取后交给决策层（放在汽车后方的主控电脑）处理，它可以迅速分析数据、做出判断，为汽车规划路线；其后位于执行层的控制系统就可以按照指令操控汽车前行了。
在自动驾驶领域，戴尔科技提供基础架构、技术、专业知识帮助组织创建现代数据管道并加快ADAS开发工作流。
据统计，L3级别的ADAS系统，需要50-100PB的海量数据和5000-25000核的计算资源；而到完全实现自动驾驶的L5级别，则需要超过2EB的数据量和100000核的计算资源，这就要求自动驾驶应用和服务提供商具备强大的计算能力。
（1）数据存储
前文提到，汽车在工作过程中将收集海量数据，这些数据的存储也是一门技术活。
戴尔科技采用全球领先的分布式数据湖技术，面对海量数据可提供高性能、高可用和高可靠性：
●文件切片后打散保存到每一节点的每块硬盘，可充分利用硬盘性能；
●集群可不中断地添加或删除节点，在线添加一个节点只需60秒；
●冷热数据自动分层，扩容缩容后数据可以自动再平衡，保持所有节点数据均衡；
●单一文件系统可用容量最高可达80PB，管理简单；
●同一份文件同时支持多种访问协议，无需安装客户端插件，对应用透明。
（2）数据管理
数据管理，即建立元数据与树状结构的存储路径之间的映射。
如上图显示，虽然现在的数据分层只有3级，但我们很难通过这样的树状结构快速定位到所需数据。实践中一般根据使用数据的业务场景，对这些数据打上标签，方便从业务视角定位数据，我们使用数据时会对数据标签进行动态的增、删、改等操作，因此数据维护是一个动态过程。
关于自动驾驶数据调用，戴尔科技提供了一套先进的元数据管理平台——DMS，专为自动驾驶研发定制。
DMS可实现两类功能：1.元数据的自动化导入；2.动态维护元数据与祼数据之间的映射关系。此外，DMS还支持数据横向扩展，比如可以从万级数据扩展到亿级数据，保证搜索结果在极短时间内反馈给上层应用。
（3）数据访问
自动驾驶研发过程中，很多工作负载并行运行，它们同时访问数据湖中的元数据，并在算力侧按照不同的工作负载挖掘相应的数据价值。
传统做法是针对不同工作负载创建对应的副本，但在海量数据情况下，这会造成数据的极大冗余并消耗大量时间。
而戴尔科技采用的多协议并行访问可以克服以上弊端。在多协议并行访问模式下，无论写数据使用的是什么协议，都可以使用其它协议进行数据读取，无需分数据池、无需数据搬运，且支持自动分层。
这种做法有两大好处：
●工具链选择灵活性：既支持NFS协议，也支持SMB协议。
●大幅节约数据搬迁时间：数据一旦进入数据湖，即可使用各种协议对其访问。
03
AI训练技术
如果将环境感知模块比作人的眼睛和耳朵，那么决策规划模块就相当于自动驾驶汽车的大脑，涉及汽车安全行驶、车与路的综合管理等多个方面，而AI训练技术则是决策规划模块的前提。
在人工智能、大数据、边缘计算等技术支持下，人们可基于传感器收集回来的数据对汽车状态、姿态进行实时监控，帮助决策模块做出相应动作。
那么在汽车行业智能化这个方向，AI可以做些什么呢？主要有以下几点：
自动驾驶（智能感知）、自动驾驶（智能决策）、数字孪生/合成数据生成、人机交互、AI 视觉产线缺陷检测、设备健康管理与预测性维护、智能仓储管理。
AI研发过程中，我们需要构建多级跨物理设备的算力集群为其提供算力支持，为实现更高效的模型收敛及应用开发，GPU分布式训练常常是行之有效的手段。
AI GPU分布式训练优化方面，戴尔科技开展了不少实践并取显著成果。
●使用6台戴尔PowerEdge
XE8545服务器，24卡A100构建的GPU 集群，在TensorFlow 分布式训练性能中可实现 88%-96% 的线性加速比。
●戴尔PowerEdge R750xa+ A100 GPU构建的计算集群，在MLPerfTraining v1.1基准测试 ResNet-50图像分类赛道中，2台、4 台PowerEdgeR750xa分布式训练的计算性能分别为单台服务器的1.96倍和3.63倍。
自动驾驶是边缘计算的典型应用场景，NVIDIA认证的企业级边缘服务器一共51款，其中仅戴尔服务器就有31款，高居榜首。
04
数据安全技术
汽车收集的数据必然带有地理位置等敏感信息，因此必须在严格合规的情况下合理使用。这方面，戴尔科技以先进的数据保护技术全方位守护汽车数据安全。
◆可审计
提供审计功能与图商监管审计系统对接，可追溯用户的访问行为，确定哪些用户何时对哪些文件进行了什么操作。
◆可隔离
支持按不同项目或不同车型隔离数据，支持多租户功能，可按租户对数据进行安全隔离。
◆权限设置
支持基于角色的访问控制（RBAC），细粒度设置权限和角色。
◆防删除
支持快照功能，可通过快照功能修复误删除等逻辑错误，单一集群支持不少于2万个快照；支持WORM（一写多读）功能；可防止关键数据被恶意更改或删除，同时满足严格合规性要求和管理要求。
◆防病毒/防勒索
提供ICAP数据安全检测接口，供第三方杀毒软件直接进行数据的集中病毒检测和杀毒。结合SupernaRansomware Defender和智能Air Gap，提供勒索病毒攻击检测，停止加密并一键实时恢复数据。
为助力自动驾驶的研发，戴尔联合英伟达推出如下参考架构，该架构已在全球多家客户落地使用，具有“快、准、省”三大特点。
随着时间推移，自动驾驶所处的政策环境越来越包容开放：
2003年我国法律上“不排斥”，2015年明确支持智能辅助驾驶的发展，2016年提出要重点发展“自动驾驶”，2020年国务院发布的《新能源汽车产业发展规划（2021—2035年）》提出，“到2025年，高度自动驾驶汽车实现限定区域和特定场景商业化应用”、“力争经过15年持续努力，高度自动驾驶汽车实现规模化应用。”
戴尔科技凭借丰富的产品和解决方案、业内领先的技术架构和信息与图像分析处理方面的雄厚实力，正为全球约80%的自动驾驶车企提供安全可靠的基础架构平台。相信在不久的将来，无人驾驶汽车满街跑的愿景必定会实现！
筑牢数字基座
是成为数智远见者的第一步
唯有全面提高企业韧性
方能做到行稳致远
接收下方邀请函
共同锻造企业“韧性”
释放数据无限潜能
如果您想了解更多有关戴尔科技的产品和解决方案信息，请扫描以下二维码咨询戴尔官方客服。
