文｜Lynn
自动驾驶车辆是一个集环境感知、规划决策、无人驾驶等功能于一体的综合系统，集中运用了人工智能、视觉传感、无线通信、导航定位、智能控制等技术，是典型的高新技术综合体。
而在自动驾驶车辆的众多软件和硬件系统中，智能计算平台作为无人车的“智慧大脑”，支持车与车、路与车、人与车、云端与终端之间的全方位实时动态的信息交互，其性能尤其受到行业关注。
无人驾驶推动计算模型从云计算走向边缘计算
自动驾驶级别越高，配置的传感器数量就越多，无人车运行产生的数据也会随之大量增加。据新战略低速无人驾驶产业研究所了解，一个200W像素的高清摄像头24小时录像需占用40~60GB的存储容量；一个单线激光雷达每小时可产生3~4GB的点云数据，应用在自动驾驶卡车、矿车等大型车辆上的192线激光雷达，每秒就可产生200MB左右的数据量；另外，GPS定位系统、车辆位姿等都有一定的数据积累。
当一辆自动驾驶车辆每天可以产生数TB，甚至数十TB数据，数据的处理能力也成为自动驾驶技术验证的关键点之一。
为省去一些设备系统繁琐的购买、安装和维护程序，在更短的时间内部署应用产品，行业最初主要通过云计算进行数据处理，自动驾驶车辆只要接入云端就能进行数据分析和指令回传。由于可以在云供应商网络上的多个冗余站点建立数据镜像，企业也能够以更低的成本轻松地实现备份、灾难恢复和业务连续性。
但事实上，企业过度依赖云计算就会出现各种数据都往云端传输，云平台数据多了以后，处理效率降低，时延增大，极大影响了自动驾驶车辆的使用体验。
另外，随着自动驾驶技术不断成熟，无人车配置的传感器数量越来越多，车队管理、人机交互等功能要求越来越高，对自动驾驶数据处理也有了更高要求。在全国各地实时运行的自动驾驶车辆可能需要巨大的本地处理能力，且往往是在远离中央云服务器的偏远地区。
既然集中式的云计算已不能完全满足市场需要，行业就在分散式的边缘计算领域有了更多的探索。
云计算与边缘计算架构示意图
边缘计算，是指在靠近自动驾驶数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，可满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。
在具体应用中，边缘计算能预处理数据，过滤掉无用数据再上传到云端。因此，边缘计算并不是完全取代云计算，而是相互补充、彼此优化。
边缘计算6大技术要素，打造低速场景应用优势
阿普奇苏州总部
阿普奇是一家专注于智能制造领域，为工业客户提供AI边缘计算一体化解决方案的高新企业。公司成立于2009年，发展初期以军工级特种计算机为主要产品，并逐步扩展到智能智造板块，形成了整机及软硬件模块、行业系统、服务平台为核心的“一横一纵一平台”的产品架构。阿普奇技术总监王德全介绍，一款边缘计算产品主要有以下6大性能指标。
计算能力：计算能力是衡量边缘计算平台性能的重要指标，它直接影响到平台处理数据和运行算法的速度，低速无人驾驶涉及到大量自动驾驶相关的AI计算，算力的要求非常高。
延迟：延迟是指平台从接收到数据到输出结果所需的时间。在实时性要求较高的应用场景中，较低的延迟可以带来更好的用户体验。
吞吐量：吞吐量是指边缘计算平台在单位时间内处理的数据量。较高的吞吐量可以支持更多的设备和服务同时接入平台。
功耗：功耗是衡量边缘计算平台能效的关键指标。较低的功耗有助于降低设备运行成本和散热需求，延长设备寿命。
稳定性：稳定性是指边缘计算平台在运行过程中的可靠性。高稳定性的平台可以在恶劣环境下正常工作，减少故障和维护成本。
扩展性：扩展性是指边缘计算平台在硬件和软件方面的可扩展能力。具有良好扩展性的平台可以更容易地适应未来技术的发展和应用需求的变化。
王德全表示，低速无人驾驶当前还处在行业培育阶段，客户对于智能化和成本优化都有非常强烈的需求，所以，对于算力组建方案的高性能和经济性要求较高。稳定性等属于工业级的必然要求。
据了解，阿普奇公司团队包括技术研发、市场开拓、交付保障三大核心板块。专业技术人员占比50%以上，包括AI算法、系统工程及自动化等专家，具备工业AI边缘计算领域全栈技术能力，包括数十人的相关领域博士及硕士梯队。
目前，在低速无人驾驶领域，阿普奇主要针对清洁/消杀、建筑、智能叉车等进行创新研发，形成了TAC2000~TAC7000系列产品。涵盖了不同的算力的需求和环境需求。在算力平台的选择上，产品涵盖了ARM、NX、X86多个平台，满足不同场景化需求。
阿普奇在无人驾驶清洁车中的应用
如在国内某无人环卫头部企业的产品上，其配套的无人驾驶清扫车方案搭载了阿普奇自主研发的边缘计算控制器TAC7010，具有低功耗、高算力、高集成度等特点，可满足无人清扫车多机位、多目数相机接入要求，满足复杂地形、运动场景、高温高湿的环境可靠性要求，以及小体积、苛刻散热条件和电磁指标要求等。目前该方案已在多个项目中被证实稳定可靠。
在国内某知名仓储搬运设备制造商的产品上，阿普奇针对行业客户研发出基于工业移动机器人的软硬件一体化解决方案，采用的高配版边缘计算控制器TAC7020，经过特殊设计具有很强的抗干扰能力，可以用于振动、电磁辐射等恶劣的工业环境。同时外观结构紧凑、体积小巧，可以运行Windows、Linux等通用的操作系统，全方位满足智能仓储领域的特殊定制和配置要求。
阿普奇工业低速机器人控制器TAC-7020
TAC7020同样在阿普奇与国内某标杆建筑企业合作研发的国内首套建筑机器人上应用，作为其主控设备，保障机器人在工地建筑材料运输作业中稳定运行，目前已在该集团的所有工地成熟应用，并逐步形成了行业方案。
王德全介绍，阿普奇针对低速场景研发的一系列边缘计算控制产品，支持CPU+GPU+外置外卡等多种算力组合方式，同时支持CUDA、OpenVINO等多种AI算力平台。通过高集成度研发和散热设计，产品体积小，支持了移动领域的嵌入式小空间部署要求。通过结构和内部机构的加固设计，保证了良好的机械性能和外部件的紧固连接。产品提供多种高速IO接口，包括串口、GPIO、千兆网、USB3.0等，为机器人导航和计算控制的实时反馈提供了基础条件。
阿普奇低速无人驾驶行业产品图
另外，除了硬件产品外，阿普奇还提供了基于物联网的工业平台，提供了包括运行数据采集、故障预警、远程运维、病毒查杀等整体安全保障能力，极大提升现场设备的运行稳定性，以保证客户的业务连续性，并降低客户的开发成本。
阿普奇运维及安全监测模
市场空间超万亿，行业进入决胜关键期？
据悉，阿普奇从2018年开始打造产品和开拓市场，目前在清洁机器人、建筑机器人、AMR等低速智能移动机器人上应用占比较高，出货量达到万台级。在智能叉车、安防机器人等领域，公司也在加速布局，并且已经形成了多个场景化样板。
阿普奇低速无人驾驶行业解决方案拓扑图
王德全介绍，从整体方案角度看，边缘计算在硬件板块的技术已经接近成熟，基本完成了行业方案的试错，目前更多是进行平台设计和场景适应度改进、成本优化、集成度整合。在软件及核心AI层面，各个场景差别还比较巨大。在室内场景，技术已经比较成熟，形成了较多规模化应用案例。但是在室外开放场景，因为干扰和障碍因素多，整体产品的适用性还不足，还需要进一步的投入研发和落地探索。
从标准化和生态建设角度看，目前AI边缘计算领域尚缺乏统一的技术标准和规范，有待建设完善，这给生态的互通性和兼容性带来了挑战。
王德全表示，除了市场的培育，目前行业在放量方面也还存在很大挑战，需要大量的推动和完善。面对研发的高投入和市场的滞后，有相当一部分玩家会淘汰出去，同时也会成长出一批顶尖的企业。
据了解，低速无人驾驶是阿普奇重点聚焦的行业之一，公司会在既有的TAC系列产品上进一步加大技术研发。一是进行应用场景适配优化，为了提高机器人的反应速度和处理能力，将开发更高性能的算力和控制方案，针对机器人的计算需求，研发专门的硬件加速模块，例如视觉处理、传感器数据处理等。
二是进行环境适应优化，提升耐高温、防水防尘、抗震动能力，以满足在恶劣环境下的稳定运行需求，为后续室外机型领域的做好适配和储备。
三是提供运维一体化服务，提供硬件自动故障检测和修复、系统备份和恢复等，以保证机器人核心计算部件能在出现问题时，快速恢复定位、修复和预测。
总体而言，随着低速无人车、移动机器人智能化水平的不断提升，在越来越多的场景成熟应用，边缘计算的应用需求日益增长。行业认为，边缘计算需要和云计算紧密协同才能更好地满足各种场景的匹配，从而更大程度发挥边缘计算的应用价值。有数据预测，到2025年，联网的终端和设备将有超过50%的数据需要在网络边缘分析、处理与储存，边缘计算市场规模将超万亿元，成为与云计算平分秋色的新兴市场。
