2018年，自动驾驶商用潮引人瞩目。Waymo、GM等行业里所有的主流玩家几乎都宣布了自己的商用计划，有的载人、有的载货。

行业喧嚣阵阵，热闹平息后，创业公司们面临的现实更加严峻：他们必须证明自己商用的潜力，不然可能不会再有投资方愿意大笔投入资金，耐心等待他们技术成熟。

所以创业公司有的努力探索从生鲜递送开始的商用可能性，有的专注技术方案，希望能通过给车厂提供技术方案而存活，更有投资者放言，对于这些创业公司来说， 2018非生即死，不再关注没有商用可能的公司……

然而投资是需要比人看得更远、动得更早的艺术，在硅谷知名投资人Fusion Fund 创始人张璐看来，目前自动驾驶行业投资，围绕着其下一阶段，才是她关注的投资热点。

“自动驾驶的下一重要阶段，对于数据传输和处理的要求将成为新的重点。”在她看来，未来自动驾驶投资的机遇，可能就蕴藏其间。

从人车混行到车辆自主通行

以道路上的行驶者为界，自动驾驶可以分为两个阶段：人车并行时代，和只有车辆在道路上行驶的时代。

这样的差异，意味着对数据和数据相关能力的不同重视度。

在人车并行时代，除了有一定自动驾驶能力的汽车以外，还有许多人类司机驾驶的车辆。正是因此，自动驾驶汽车需要更加“聪明”，毕竟驾驶汽车的人类并非机器，可能会在疲惫或不小心的情况下做出出乎意料的行为。“这就要求无人驾驶系统对各种极端情况的反应能力很强。”比如张璐此前投资的专攻卡车行业的自动驾驶企业Locomation，就是通过软件系统来增强卡车在重复性较高的既定路线的“聪明程度”，进一步推行其行业应用。

在未来只有车辆的时代里，对于无人车的智能程度的要求比起以前就要降低不少，因为交通系统都已经智能化，交通灯、路边的传感器等等每时每刻都在和无人驾驶系统交互、传递信息。正如张璐所说，这样的时代里，数据传输和处理的效率及速度，就成了更重要的事情。

“5G已经蓄势待发。自动驾驶的数据量也会进一步增大，数据处理速度需要进一步提升，而边缘计算就是一个很恰如其分的技术，能提升处理数据和传输的效率。” 张璐今年作为全球青年领袖参与了夏季达沃斯年会，年会主题正是第四次工业革命。她在主题论坛上发言时指出，5G和边缘计算是这次工业革命的核心技术之一。

在张璐看来，正是通过这个逻辑，5G和边缘计算，成为了后自动驾驶时代中非常值得关注的两类技术。

技术热点一：5G

“想象一下，自动驾驶汽车行驶过程中，它在实时收集很多信息，包括3D精准地图，四周的视频等等，这些数据量很大，需要5G来加大带宽，让一次性能上传的信息更多、速度更快。”张璐说道。

埃森哲报告指出，一辆测试中的自动驾驶汽车一天所产生的数据，和哈勃望远镜一年产生的一样多。正是因此，只有当能够实时传输大量数据的5G真正到来之时，汽车才有可能以人类的反应速度做出驾驶中必须的反馈。

“自动驾驶是5G应用的一个重要方向，下一代Cooperative Intelligent Transport Systems(C-ITS)有望通过互联自动驾驶汽车(CAV，Connected Autonomous Vehicles)将移动即服务(MaaS)模式提升到一个全新的水平。”

张璐认为，基于毫米波的系统有望在5G蜂窝系统中发挥关键作用。

“作为一种前瞻性的5G无线解决方案，毫米波系统被证明是传统蜂窝网络和无线回程系统的可行替代方案，而使用该技术支持下一代ITS系统通信的可能性正在被广泛研究。特别是，欧盟委员会目前正在考虑支持基于毫米波系统的ITS标准化活动的可能性，该系统将在63GHz和64GHz之间的专用频段上运行。在理想的传播条件下，毫米波系统明显优于基于IEEE 802.11 / DSRC和LTE / LTE-A标准的车载通信系统。显然，大的穿透损耗值和天线波束对准误差将对毫米波链路的稳定性产生破坏性影响。此外，IEEE 802.11ad的传统波束成形训练可在系统中增加高达20 ms的额外延迟。”

英特尔、高通等知名半导体公司都在试图攻关5G，希望把汽车变成一个强大的数据中心，做出实时、复杂、精准的反应。

今年，Facebook收购了5G创业公司Invoi，并在收购完成后使用Invoi的技术在加州圣何塞搭建了全美第一个、也是最大的一个5G网络。

中国也在大力推动5G尽快落地，移动、联通、电信这三大运营商都宣布了5G的时间表。比如在2017年，中国移动和中兴通讯在广州设置商用测试基站，这也是全国首次开通5G基站。根据雷锋网报道，去年11月，中国移动联合高通和中兴通讯宣布，成功实现了全球首个基于 3GPP R15 标准的端到端 5G 新空口(5G NR)系统互通(IoDT);三家公司分别代表了运营商、系统提供上商和终端商，构成了一个完整的 5G 互通环节。

“5G之后会发生什么?人们已经开始关注6G，它有可能更加关注毫米波并包括卫星系统的集成。”张璐说道。

技术热点二：边缘计算

5G能够提供足够的带宽，边缘计算(Edge Computing)则是在数据处理层面提高自动驾驶系统的反应能力——它意味着通过在网络边缘而非集中式处理数据，提高数据分析能力，降低延迟时间。

IDC数据显示，到2020年，联网终端和设备数量将超过500亿，它们产生的数据的50%都需要在网络边缘侧分析、处理和存储。

而在自动驾驶领域，边缘计算可以让自动驾驶汽车在数据当地和上传的过程中在云端优化信息的处理，然后进行非常实时的反馈。

本月早些时候，张璐在英文媒体Medium上发布了一篇英文文章，深入分析了边缘计算，并指出了自动驾驶需要边缘计算的原因：

当我们要执行需要实时反应、并且不能容忍网络系统中断或高延迟的任务时，边缘计算是不可或缺的技术。

在自动驾驶时，汽车上的各种传感器测量温度、速度、牵引力等，并将信息传递给车载计算系统。这个系统会分析信息，并据此管理其发动机、车轮和制动器。在紧急情况下，例如如果一只小鹿突然出现在车前，系统需要非常及时地响应。传感器没有时间将数据发送到云并等待响应。如果那一天刚好是亚马逊一年一度的大日子Prime Day，我们就不能依靠云来处理生死攸关的情况。

将边缘计算和云计算配合使用的另一个优点是，它可以带来更高效的存储。在自动驾驶系统，不必要的重复数据被删除，并且汽车仅将最重要的信息发送到云来进行学习和分析。在分析了数千辆车辆的数据后，再将更新从云端推送到车辆 - 创造一个良性循环。这个过程不仅对边缘设备有效，而且可以防止云存储过多的多余数据。这很重要，因为虽然数据中心可以容纳大量数据，但这种存储是能源和资金密集型的，并且这些数据的通信可能会阻塞带宽。知名研究机构IDC曾预测，到2025年年度，数据生成量将增加近10倍 - 每年增加到163个zettabytes - 所以只有必要的重要信息才能长期存储在云中，这很重要。

后自动驾驶时代的弯道超车

在自动驾驶领域，拥有Waymo、GM、Uber、Tesla等众多自动驾驶行业主流玩家的美国无疑已经拥有了很大的技术优势，但在张璐看来，从“人车并行”到“只有自动驾驶汽车上路”，并非是美国一家独大，而是有着弯道超车的机会。

正如前文所讨论的，在仅有自动驾驶汽车行驶时，由于有了智能交通系统和其他智能基础设施的数据补充，对车辆本身的自动驾驶系统的智能度的要求将会降低。而在这时候，挑战往往在政策和成本上。

“比如需要通过政策来大规模推行基础设施的升级，或者投入很高的成本把城市的路灯都换成智能的等等。”

新加坡就是一个很好的例子，这个国家很小，面积仅有约716公里，却是公认的政府管理能力最强的国家之一，在土地上坚持公有制为主;拥有很强的投资能力，政府旗下的新加坡政府投资公司管理资产超过3000亿美元;通过制定计划，直接投资主导产业方向，对经济进行全面的干预。

“像新加坡这种政府能力强的国家，当所有的基础设施都升级好了，可能就不需要全世界最优秀的无人驾驶系统技术，只需要一个足够好的无人驾驶系统，说不定就能够更快地进入第二阶段，直接跳过第一阶段。”张璐解释道。

“所以这个竞争不是一个线性的竞争，有不同的做法。但不管是哪种做法，传输的技术、网络技术，也就是边缘计算和5G都非常关键，是能够驱动这个行业真的进入应用、进入商用的非常重要的技术发展和应用的角度。”