中国能源资讯网据外媒报道，随着技术的不断发展，如今的车辆普遍配置了内置数据存储设备，其容量通常在16 GB-64 GB，其中绝大部分设备能胜任车用地图存储及车载信息娱乐两大功能。然而，人工智能技术、自动驾驶技术、云技术、车联网技术正在发展，未来的自动驾驶车辆势必要寻求超大容量的存储设备，对上述先进的车载功能提供技术及硬件支持。
车载存储器的扩容需求凸显
据业内机构的研究结果显示，自动驾驶车辆很快就会迫切需要超大容量存储设备（储存容量在1TB以上），进而对智能驾驶员辅助、语音识别及手势识别、眼球追踪、驾驶监控、黑匣子记录（black box recording）、认知能力（cognitive capabilities）（可对驾驶员偏好加以学习及分析，进而提升能力）、车间通信（V2V）及车辆与基础设施通信（V2I）等各类先进驾驶辅助功能提供支持。
随着时间的推移，全球道路数据的容量将不断增大，而传输速率也将随之提升，因此存储设备也势必要不断扩容。由于产生的数据量极大，如何对海量数据加以利用、如何将数据转化实时智能与服务价值就显得尤为关键。
为实现妥善处理传感器数据、算法及来自外部世界的实时数据信息，务必要提升车辆的运算能力，因为数据的抓取量及分析量将越来越大。这就需要实现即时处理数据，其中有部分数据需要保存到本地存储设备（即：车载存储设备）或上传到云端储存设备中。
人工智能对自动驾驶车辆车载存储设备的影响
为此，下文将从“自动驾驶、数字助理、与数据中心的网络连通”这三大方面来探讨人工智能及其对自动驾驶车辆车载存储设备的影响。
尽管上述应用领域对车载存储设备的影响巨大，但都离不开人工智能（AI）技术的推动与辅助，人工智能技术在汽车中的应用已成为当前的一大技术发展趋势。人工智能技术基于计算机应用，其可确保车载系统能像人类一般执行相关任务。
人工智能不仅驱动着自动驾驶车辆的未来，还被各大车企用于多个领域中，借此提升车辆的自动化程度，并改善驾驶体验。驾驶辅助、数据语音辅助（digital voice assistants）、深度学习能力、实现与数据中心及车载信息娱乐系统的网络连通均离不开人工智能技术的支持。车载应用可利用人工智能技术实现海量数据的采集，但需要相关方来制定新的本地及云端信息存储及数据管理策略。
超大容量的车载存储设备是实现自动驾驶功能的先决硬件条件
自动驾驶车辆借助摄像头、雷达、激光雷达（激光探测与测距，light detections and ranges）等传感器来采集车辆周边环境的数据，进而为车辆实现转向、制动及加速等功能提供辅助，其数据的采集速率为750 MB/s。车载传感器将读取车辆周边环境的地图数据，并与保存的车载地图进行比对，进而绘制新的实时地图，使车辆能够识别行驶路径上可能出现的障碍物并进行规避。这一系列进程将产生海量的数据，进而完成对车辆的操控，但若要实现上述目标，前提是大幅扩充车载存储设备的存储容量。
车载系统提取将提取经压缩处理的数据，在与高清地图进行对比将用到该数据，从而精准地定位车辆所在位置。该类地图需要获取高精度的地图数据及车道标志线（lane markings）、路缘石（curbs）、车道控制灯（lane signs）等信息，该地图数据所占的容量被扩大了整整一倍。这类信息可用于生成实时的具体行动方案（actionable insights），从而完成对车辆的导航操作。
某些数据（如车辆的相关“驾驶”数据）的存储时间可能长达数日乃至数月，须视当地法规、运营商或原始设备制造商（OEM）的具体要求而定。驾驶数据记录须每隔数秒记录一次，而与车队车辆监控相关的黑匣子数据则每隔数日记录一次，后者通常被用于车险、预测性维护（predictive maintenance）及其他用途。
由于数据的功用不同，对应的数据储存要求也差别迥异。若需将驾驶数据上传到云端服务器的储存器中，还需要另行备份副本（local copy），将其保存在本地（或“本机”）存储设备中。归根结底，超大容量的车载存储设备是实现上述功能的先决硬件条件。
据估计，未来大部分的自动驾驶车辆将配备最新款的无线网络及车载通信（vehicular communication）设备，使乘客在爱车内浏览网站、收发邮件、观看下载的电影。若这类数据需要长期存储，用户可将其上传到云端，进行保存。
然而，行驶中的车辆却无法确保车内无线网络的信号始终处于良好状态，更无法确保车载通信能持续保持流畅运行状态。为此，不得不将相关数据保存在车载存储装设备内，这就要求对车载存储设备进行进一步的扩容。
数字助理、机械学习、深度学习将持续提升数据量
数字助理可通过算法来执行人工智能功能，将自动驾驶提升到新水平，但算法所产生的数据量却相当惊人。与智能型个人助理不同，前者只是为移动设备提供语音服务，而数字助理则有助于车辆的机械学习，使车载系统了解驾驶员的个人偏好、兴趣、驾驶风格。
该系统不仅能根据个性化信息提供对应的驾驶体验，还能持续提升其知识储备量，通过分析行为模式（behavioral patterns）来模仿人类行为、像人类一样解读现实驾驶情景，必要时甚至能接管车辆的驾驶操控。
机械学习（machine learning，ML）实际上是人工智能的一个子集（可理解为“分支”，subset），该技术的主要应用对象为机械或设备，确保其能够像人类一样进行思考并采取行动。借助人工智能技术，机器或设备能像人类一样执行任务。得益于机械学习技术，机械或设备可根据获得的数据及深度学习（deep learning，DL）实践来“不断地学习”，进而执行各类人工智能任务。深度学习有助于将各类任务分解为可管控的模块，然后加以模仿，这样车载系统就能学会相关功能的执行与操作。学得越多，产生的数据及所需的存储容量自然就越多。
车用数据量增多意味着需要更大容量的本地储存器及大量的云网关缓冲区编码
随着互联车载技术的不断发展，用户也陆续获得新的功能体验。互联车辆的车载系统可以分为以下类别：车载信息娱乐系统、道路与交通警示（road and traffic warnings）系统、车辆诊断（vehicle diagnostics）系统、导航系统等。基于人工智能的车载信息娱乐系统为驾驶员及乘客提供收发邮件、网络搜索以及与智能手机实现应用联动等功能，上述所有功能均可通过语音指令来实现，为此传输速度务必要高达数兆/秒，具体数值视车载应用的运行情况而定。
随着车载应用数量的持续增多、车联网的不断发展，本地储存器（车载存储设备）与云端（服务器）间的数据传输速度及传输效率也务必要大幅提升，车用数据量增多则意味着需要更大容量的本地储存器及大量的云网关缓冲区编码（cloud gateway buffer coding）。
人工智能对互联车辆重要的贡献还体现在汽车安全性上。借助车间通信（V2V）技术，互联车辆将能够实现车辆间的信息与数据互通，将自身即将采取的行动“告知”周边车辆，该技术的实现需要基于无线网络技术。
例如，当红灯亮起前，若驾驶员未减速，互联车辆的车载系统将向驾驶员发出警示，防止其在交通路口闯红灯。此外，互联车辆可借助车辆对基础设施技术（V2I）与交通灯、交通标志等道路基础设施实现网络互联。举个简单的例子，在红灯亮起前，交通灯将“告知”互联车辆，即将切换至红灯，互联车辆随即将进行减速。
车载存储设备的应用新趋势——闪存设备
存储设备是汽车整体解决方案的关键性部件，在物料清单（bill-of-materials，BOM）中占据了较大比重。车辆越来越像装有轮子的数据中心，其往往配置了多个车载计算机，借助云技术实现内部互联。因此，储存设备优化就变得极为关键，被用于确保设备的性能与可靠性。最近推出过数款新的车载娱乐信息系统，其中有部分可实现软件升级，并将升级文件保存到本地存储设备中。此外，车载信息娱乐系统所用到的应用软件也将生成缓存文件，用于网络峰值时的带宽占用量。
为提升存储设备的性能、扩大存储容量、降低延迟率、提高可靠性及耐用性，许多车企转而采用闪存设备，用于存储操作系统及先进的软件应用，采集、分析驾驶数据记录、为云通信提供缓存（及带宽优化）、在本地存储车载信息娱乐系统数据的备份资料。
经测试证明，闪存能满足自动驾驶车辆对大容量的需求，可提供高度紧凑型封装产品，其体积比1美分硬币的体积还小。随着人工智能及自动驾驶车辆车载系统复杂性的持续提升，由于汽车空间有限，空间有效利用率已严苛到英寸级，闪存恰好满足了系统对其尺寸的要求，能够尽可能地设备在车辆中所占据的空间。
为互联车辆及自动驾驶提供助力的本地车载存储设备务必能经受严苛的车内环境，且须确保其功能运行安全可靠、产品使用周期较长。鉴于车辆运行时所处的环境差别迥异（如：极热、极冷、干湿条件、光滑路面、凹凸路面、冲击与震动挑战），本地的车载存储设备的质量要求及可靠性标准要远高于智能手机与其他移动设备的相关要求，其标准十分严苛，或许与关键性任务企业级存储设备的要求相当。
未来展望——人工智能技术与存储设备相辅相成
数据采集及数据存储的可靠性是根本性问题，其决定了汽车设计师们将如何整合人工智能技术，也决定了他们将如何实现自动驾驶车辆安全性及可靠性。业内人士将继续开展车辆测试，车企也将稳步推动自动驾驶与互联车辆，技术公司和网络基础设施供应商将致力于闪存在车辆中的大批量配置。
尽管离实现完全自动驾驶车辆还有很长的一段路要走，人工智能将不断融入到人们的生活中，存储设备的先进性将助推人工智能技术的发展与成功，这在数据方面表现最为明显，如何在未来的互联车辆中运用数据、存储数据将成为实现人工智能愿景的核心内容。
