一提到AI人工智能就一定绕不过之前火热一时的网红阿尔法狗（AlphaGo），但现在已经过时了。
大数据和学习的重要
2017年，它（他？）与当时的围棋世界冠军柯洁的惊世之战深深的留在了人们的回忆中，之后，每次问到成功的秘诀，此狗都会谦虚地说，多亏了大数据链和深度学习。
人工智能及自动驾驶的数据重要性
现在，作为AI人工智能另一重要分支的自动驾驶技术，同样继承了这两样法宝，在AI人工智能的世界里，要想跑得好先要跑得多，一辆即使全身上下都是雷达和摄像头的汽车，也是只具有自动驾驶技术发达的四肢，行驶过程中收集的实时数据链需要经由过程聪明的大脑来论述，才干得出准确判定，而这个大脑是需要大量的数据链来进行训练，正如AlphaGo吃尽了数百万人类棋谱，并不断进行自我对弈、自我训练，才锻炼出这颗接近完美的大脑。
虚拟世界模拟训练
详细到自动驾驶技术，数据链最重要的两个来源则是现实世界里的汽车数据链和虚拟世界的模拟器训练，二者是缺一不可的，共同驱动自动驾驶技术的不断进化，真实的行汽车数据链非常好理解，它主要来源于自动驾驶技术测验汽车队和已经上路的量产汽车的实际数据链，得益于科技公司、汽车企业在自动驾驶技术方面的不停进入，在国内几个城市，顶着旋转的小摄像头穿梭于大街小巷的测定汽车越来越常见，它们为自动驾驶技术收集了大量真实的道路行驶数据链。根据前不久由北京智能汽车联产业创新中心发布的《北京市自动驾驶技术汽车辆道路测验报告(2019年)》显示，截止2019年年底，各企业进行自动驾驶技术路测的汽车辆累计达到77辆，测验总里程超过104万公里。
自动驾驶的测试及斯特拉的优势
自动驾驶技术的路试在全世界范围内正在火热进行，这些道路行驶数据链精确而且全面，是最具有含金量的，除了主动测验，每天奔驰在全世界各地的汽车也是一座非常庞大的数据链金矿，受传统观点和技术的限制。它们并没有被开发利用或仅仅开发了一小部分，而随着自动驾驶技术的逐步迫近，这些数据链的力气将迅速崛起，举个最典型的例子，最具科技基因的汽车企特斯拉在最开始的产品设计理念上便极其看重道路行驶数据链，经由过程其全世界用户应用Autopilot的道路行驶数据链反过来练习并完善其自动驾驶技术系统，形成了非常成熟的数据链闭环，每一辆奔驰着的特斯拉都在滔滔不绝地为其提供数据链原油，如今这也是特斯拉最大的优势之一——让我们通过数量级的对比来感受一下。
行驶数据及连接
截止到2020年1月，特斯拉已收集超过20亿英里的道路行驶数据链，相比之下最强的对手谷歌Waymo，仅收集了2000万英里的道路行驶数据链，当然在这一方面，传统汽车企以及网约汽车公司也在不断的操控着各自的优势不停用劲，除了积累真实世界中的数据链，建立在电脑上的模拟仿真测验也在变得越来越重要，简单来说，自动驾驶技术的模拟仿真测定就是通过软件模拟汽车机能和操控、交通道路状况乃至气候、环境等各项参数，让汽车在虚拟世界中行驶并积累经验从形式上看，二者的确是相通的，如同一部大型的RPG游戏，来还原足够真实的场景，模拟仿真测验的优势非常明显，第一，它可以在很短时间内补给自动驾驶技术非常多的数据链，在电脑能力越发强大的今天，模拟仿真训练是非常高效的数据链获得手段，终归它是不需要遵守实际天地中的时间，而且允许多线程同步运行。
虚拟与实际驾驶的发展模式正在日益发展
根据数据链表示，Waymo公司的模拟自动驾驶技术测验在2019年7月总里程就已经到达100亿英里，而在2018年9月时，这一数字还是50亿英里，第二，它允许测定极端状况，同时躲避测定汽车辆的风险，有的极端场景可遇不可求而且浪费时间还很吃力，实际测验时还有可能会对汽车、人员和周围环境造成危害，第三，针对一所有些场景可以节省经济成本，一切都在电脑上运行，不需要派多余出汽车辆和人力，并协调相关的测验场地，可以说，模拟仿真测定已经成为自动驾驶技术必不可少的器械。然而全面考虑到这些优势，我们又不能得出模拟仿真测验可以完全取代实际测验的结论，即使围棋再混乱，它始终是单个纵横交错必定法则且有限的天地，而真实世界的各项参数则是随时变化的、无穷无尽的，个体的行为没有办法准确预测，道路环境每天在变化着。
因此自动驾驶技术仍然需要实际的经验数据链和数学模子一起来回答，甚至可以说，仿真模拟测定应当更加的起到辅助影响，按照现在的经验和理论，我们还无法断言在这两个引擎的驱动下，自动驾驶技术最终会发展为什么形态，但虚拟与实际并驾齐驱的发展模式正日渐清晰。
閱讀更多 車巡古道 的文章
