开车跑长途绝对是个累活儿，这需要驾驶员长时间保持精神高度集中，往往是在“一眨眼的工夫”，车祸就发生了。在一些场景中，如果驾驶员能够早一秒甚至十分之一秒（100毫秒）踩下刹车，就可能避免悲剧的发生。这丝毫不夸张，当一辆车以120公里时速行驶时，100毫秒的行驶距离就是3.33米，约等于一个车身的长度。

更快的反应时间能够帮助人类驾驶员规避意外的发生，同样地，自动驾驶车、路、云交互也需要更短的数据传输时延来提高安全性。特别是在L3、L4、L5高级别自动驾驶出现后，对于数据传输时延有了更高的要求，自动驾驶公司们对于时间的把控到了“毫秒必争”的地步。

如何降低数据传输的时延？一方面，应用更先进的通讯技术。近两年，5G通信网络逐步普及，其大带宽、低时延等特性能够更好地支持自动驾驶车辆数据传输。不过，根据业内专家预测，实现全国范围内的5G网络覆盖大约要到2025年。此外，国内各大城市、地域在5G建设上的推进节奏并不同步，这也会在一定程度上阻碍自动驾驶跨区域应用。

另一方面，采用分布式计算架构也能降低数据传输时延。原因在于，分布式架构引入了边缘计算单元，边缘计算将原本由中心节点（云计算）处理的任务分散到各边缘节点。边缘节点更接近于数据源，具备“近水楼台先得月”般的优势，可以加快资料的处理、传输速度。这有点类似于自然界中章鱼对于信息的处理方式。章鱼是最聪明的无脊椎动物之一，其60%的神经元分布在腿部，40%在脑部，这样的生物结构帮助它们更好地感知外部环境，在捕食、逃避天敌时更有优势。

随着自动驾驶技术的快速发展，车辆、路端设施采集的数据量越来越庞大，单独的云计算可能会在数据传输速度、信息处理及时性、能耗等方面遇到一些问题。而边缘计算与云计算的优势互补，二者的结合被视为拥有广阔前景。据了解，一辆智能网联汽车一天可以采集10TB数据，路端设备的数据采集量也能达到TB级别。这是相当大的数据，TB为计算机存储容量单位，1TB大概可以容纳几十部甚至上百部1080P高清电影。

分布式架构的优越性在蘑菇车联“车路云一体化”自动驾驶系统中得以体现。具体来说，该系统不仅在自动驾驶车端和云端部署有计算单元，在一座城市的多个路口也就近部署了大量边缘计算单元。由于距离数据源更近，边缘计算能够缩短系统数据处理时间，同时对数据进行打包压缩，使数据上传云端后可尽快转化为指令，下发给自动驾驶车辆。

图片来源：蘑菇车联

在蘑菇车联自动驾驶系统中，数据从路侧感知、云端上传到下发的传输全链路延迟已经被压缩到100毫秒内。这是一个了不起的数字。在奥运会短跑项目中，远动员在100毫米内起跑将被视为抢跑并被取消参赛资格，这个时间被视为人类反应时间的极限。

车-路-云系统时延缩短到100毫秒以内，这也意味着，路侧+云端全局路况感知能力全面下放到车端，单车也拥有了大范围预警、预测和中远距离行车策略规划能力。

在一些交通场景中，蘑菇车联自动驾驶系统的大范围预警能力将发挥出不可替代的作用。例如，当一辆自动驾驶汽车与一辆大卡车同时停在十字路口等待绿灯通行，这时卡车旁窜出一名行人，汽车驾驶员很可能因为遮挡或者视野盲区不能及时发现危险。这种情况下，路侧摄像头捕捉到行人信息并经由边缘计算处理上报到云端，再下发至车辆，就能提前规避安全隐患。

预测的价值则在于，随着遍布城市大街小巷的路网数据汇聚云端，所有路段实时车流信息在云端“一屏计算”实时下发，自动驾驶车辆也能“看到”前方1000米外甚至整个城市的拥堵情况。在未来智慧交通、智慧城市的建设中，这一功能将能够为城市管理者提供决策依据，提升整个城市的出行效率。