本文来自微信公众号“智能汽车设计”，作者/龙文雯。
对于大多数消费者来说，自动驾驶汽车仍然是存在于展览和宣传活动中的东西。然而，对于软件开发人员来说，自动驾驶已经成为现实，他们非常清楚你的全新汽车应该如何工作。自动驾驶软件现在是竞争激烈的汽车市场上的一个差异化因素，自动驾驶汽车工程师的身价高达数百万。在智能汽车中，软件几乎是一切。
1自动驾驶的发展正在改变着汽车行业
你可能会问，既然无人驾驶还没有出现，为什么所有人都对自动驾驶能力如此兴奋?的确，无人驾驶汽车还没有赢得消费者的青睐，但我们谈论的是各种级别的自动驾驶，这项技术每天都在进步，而且会一直发展下去。虽然目前，我们的道路上只看到部分可以独立的汽车，但到2025年，全球自动驾驶汽车市场预计将达到360亿美元，其中美国拥有所有无人驾驶汽车的29%。
车辆的自动驾驶水平越高，它隐藏在引擎盖下的软件就越复杂，工程团队需要的专业知识也就越具体。2014年，SAE国际推出了一个分类系统，将自动驾驶汽车技术分为6个级别。在零级时，驾驶员完全掌控车辆，完全不需要任何辅助。在一级，车辆可以控制自己的速度。我们现在大概处于第3级，接近第4级，汽车可以负责许多情况，警告和协助驾驶员，驾驶员偶尔可以把他或她的眼睛从道路上移开。
图片来源-How-To Geek
汽车软件的开发在二级和三级自动驾驶之间发生了巨大的变化。三级有条件自动化的前提是，驾驶员可以将视线从道路上移开，而只需要简单地确认车辆的决策。自动驾驶不再是辅助，随着用例和情况的增加而独立性增加。
尽管如此，从三级到四级的道路并不平坦。三级的要求突破了经典ADAS基于规则的功能在if-then条件下的极限。城市环境中的用例需要接近人类的决策能力。因此，基于人工智能的自学习系统正成为汽车领域的关键技术。
2AI和机器学习在当今汽车领域的作用：一切都与数据有关
汽车行业的人工智能不仅仅是自动驾驶，还涉及到道路安全和互联互通。人工大脑所需要的只是数据。车辆内置的各种物联网设备，从摄像头到声纳，不断产生大量信息供AI系统处理。根据英特尔的说法，一辆联网汽车在8小时内可能会产生大约40tb的自动驾驶汽车大数据。除此之外，对先进信息娱乐系统和各种车载服务的需求是AI技术可以在现代自动驾驶汽车中覆盖的另一个需求。
总而言之，除了自动驾驶本身，AI部署可以覆盖汽车领域的一大堆用例:
•用于产品设计的机器学习
•建模与仿真
•销售预测
•质量控制
•客户服务
•其他
经典编码甚至不可能支持三级自动驾驶。人工智能和机器学习对于分析高度动态且包含多个变量的交通状况至关重要。此外，所有车辆传感器收集的自动驾驶汽车大数据必须立即进行处理和解释，以对路况做出反应。这只有通过自主学习系统才能实现。机器学习和深度学习算法帮助自动驾驶软件接近人类的决策，在某些情况下，还可以用额外的知识对其进行补充。
基于ai的自动驾驶软件
这一切的中心都是数据。汽车行业可能比其他行业更了解数据挖掘的重要性。挑战在于如何正确地将现有数据与业务需求联系起来。例如，要教会无人驾驶汽车不要撞到行人，你必须建立一个模拟现实事故的模拟器，并使用这些数据进行强化学习。
“现代汽车是一台带轮子的超级计算机，它的传感器和摄像头产生了丰富的数据，有朝一日这些数据可能比汽车本身更有价值。”——印孚瑟斯(Infosys)高级副总裁Nitesh Bansal
公司必须将他们拥有的所有数据和所有技能推向极限，以确保稳定、可预测和响应的自主技术。
这种对数据和基于人工智能的汽车开发的关注使得原始设备制造商和一级公司改变了他们做事的方式。在产品和工作结构以及用于汽车制造的技术方面，流程的一些重大转变正在发生。
关注软件而不是硬件
传统的硬件驱动哲学预设了每一个功能都是由一个单独的设备来完成的——电话是用来打电话的，耳机是用来播放音乐的，等等。随着科技公司加紧与传统原始设备制造商的竞争，汽车制造商感到有必要变得更加以软件为导向。旧的单一功能模式正在被多功能的软件平台所取代。这些变化也适用于软件的支持方式：现在，软件必须频繁更新，而在过去，控制单元在整个车辆生命周期内保持不变。
敏捷软件开发胜过瀑布式开发
在瀑布式方法中，独立软件组件的开发需要大量的时间和详细的前期规划。开发是计划驱动和功能特定的，技术决策是由上而下传递的。软件组件之间的依赖关系形成队列，这会影响开发的时间。而敏捷则是基于跨职能开发，团队是围绕产品特性建立的。然而，在汽车领域，敏捷面临着相当多的挑战。由于我们讨论的是包含大量硬件组件的嵌入式自动驾驶技术，因此原始设备制造商、供应商和软件供应商之间必须建立稳固的合作伙伴关系。
新技术替代了传统系统
考虑到这一切，传统系统无法应对自动驾驶发展的要求是很自然的。因此，传统的原始设备制造商正在寻求新的合作伙伴关系、合并和收购，以获取必要的专业知识。另一方面，科技公司正在寻求与原始设备制造商和零部件供应商合作，因为它们既没有制造硬件的经验，也没有成熟的销售市场，以覆盖从工厂到最终客户的所有开发阶段。
“汽车行业从硬件到软件的趋势需要新的思维，从创新的产品架构到新的目标成本计算方法和整车商业案例。”——德勤自动驾驶研究，2018年
3自动驾驶工程的高需求技术和学科
开发自动驾驶汽车需要广泛的技能和能力，无论是原始设备制造商还是科技公司，都无法单独满足所有这些要求。硬件和扩展方面的经验必须与敏捷的软件开发、创新能力和技术专业知识相辅相成。
随着我们走向无人驾驶的未来，自动驾驶软件工程师的高需求也就不足为奇了。而他们的价值是巨大的。教育项目Udacity的自动驾驶汽车负责人大卫·西尔弗(David Silver)表示，每名工程师的平均成本为1000万美元。
自动驾驶的关键技术有以下几点:
•计算机视觉
•传感器融合
•本地化
•规划
•控制
每个组件都涉及软件工程的一个单独领域，其中一些专注于摄像头，另一些专注于传感器编程，还有一些专注于人工智能学习。构建自动驾驶软件发生在多个学科的交叉点，从机械和电气工程到数据科学。在这样的背景下，责任的分配至关重要，像Intellias这样正在开发自动驾驶汽车软件的公司涵盖了自动驾驶汽车开发的很大一部分，从数据层到V2X连接解决方案，以及AI、ML、大数据和IoT在汽车行业的应用。
4总结
完全自动驾驶汽车仍在测试中，要在我们的道路上看到它们，还需要几年的时间。政府还需要解决自动驾驶汽车的基础设施需求，使其能够在城市中行驶。然而，现代汽车已经坚实地实现了三级自动驾驶，这自然会改变传统的汽车制造过程。软件驱动、敏捷、创新的汽车软件开发是新常态。更重要的是，自动驾驶工程需要一套特定的技能，这是传统汽车制造商和科技公司自己都不具备的。只有硬件和软件供应商之间的合作，才能满足当今竞争激烈的汽车市场的要求。
文章来源：原文作者Oleksandr Odukha，Intellias公司的VP of Delivery,Head of Segment Mobility，原文标题“How Autonomous Driving Impacts Software Development in the Automotive Industry”。本文略有删改。
