英特爾公司副總裁兼無人駕駛事業部總經理。她于2016年從Delphi加入英特爾公司。在Delphi，她曾成功實現首次全面無人駕駛汽車的跨國之旅。

　　如果3000人同時講話，

　　你還能聽清每個人在講什么嗎？

　　作為一名工程師，我熱衷解決問題并使用“數學語言”——或是數字——來理解我們的世界。數字，不止是數值，它能用文字無法實現的方式為故事增色添彩。大的數字很有意思，因為它們的含義通常比數值本身更加復雜，4TB更是如此，想到這一數字對無人駕駛行業的意義，我就感到非常興奮。

　　首先，為什么是這個數字？一輛無人駕駛汽車預計在一個半小時內就會產生4TB的數據量，而每個人平均每天在車內的時間就是一個半小時。到2020年，3000個互聯網用戶每天也將產生這么多數據。現在，你可能還無法直觀感受這么大的數據量。那我們換個角度，多少人在Facebook上有3000個好友？想像一下，你每天都在關注、接收這些好友發布的新動態。

　　無人駕駛汽車各傳感器每秒產生的數據量

　　如果一輛無人駕駛汽車產生數據的亮點僅僅是4TB的話，可能并不會令人興奮。讓數據成為無人駕駛“新石油”以及真正帶來挑戰的地方在于，我們需要利用這些數據，把它們變成可執行的洞察，從而讓汽車在無人干預的情況下思考、學習和行駛。在未來，數據驅動的駕駛有望減少90%人為錯誤造成的事故。

　　英特爾是一家數據公司。我們深諳如何去創建、移動、存儲、處理、分析并管理大規模數據。而且，我們正在把這種專業知識應用到無人駕駛行業。根據經驗，我們知道，要想解決無人駕駛所面臨的數據挑戰，最快的方式就是行業協作。若想在2021年全面實現無人駕駛，還有很多工作要做，但我相信，我們可以與行業及合作伙伴一起實現這個目標。

　　無人駕駛數據包括三種基本的類型：技術數據、眾包數據和個人數據。技術數據最為明顯。這些數據來自一套傳感器，它幫汽車“看見”的四周環境。這些數據幫助汽車識別人或消防栓，“注意”道路坑洼，或者計算出旁邊汽車駛來的速度。此外，技術數據有助于捕捉新的駕駛場景，并把它傳至云端，以便進行學習和改進控制駕駛行為的軟件。當技術數據傳輸到云端后，它可以惠及所有連接在這一云端的車輛。

　　眾包數據是本地汽車從周邊收到的數據，例如交通狀況和路況變化。你可以想象很多應用都能用到這類數據，例如，尋找附近的停車場或規避交通擁堵點。最后是個人數據，包括你想聽的廣播電臺、喜歡的咖啡廳、首選的路線等等。此類數據有助于在你的無人駕駛汽車中創造更加精彩的個性化體驗。

　　隨著行業全面邁向無人駕駛汽車，數據為全球行業帶來了諸多挑戰。第一個挑戰就是上面所說的4TB。數據量正呈指數增長，這需要龐大的計算能力來進行組織、處理、分析、理解、分享和存儲。想象一下數據中心服務器的計算能力，而不是PC。

　　盡快訓練無人駕駛汽車是另外一個挑戰。當識別到新的駕駛響應或情況時，機器學習、模擬和算法改進必須立即發生——而不是幾個星期或幾個月之后，并且更新的駕駛模式必須在可用后立即推送給汽車。何時、何地、如何發生這些因素對現在十分重要，對未來，當無人駕駛成為常態時，就更是如此。

　　除此之外，數據保護以及消費者對無人駕駛的信任也值得關注。我常常被問到：如何安全地存儲和分享數據？我們對此極為嚴肅，存儲哪些數據？丟棄哪些數據？分享哪些數據？我們如何保護這些數據？這些問題都需要行業合作，需要我們的頂級專家予以解決。

　　最后，數據的挑戰并非恒定不變。在無人駕駛汽車從少量發展到幾億輛的過程里，數據挑戰也會隨之增多。只有能夠處理日益龐大的數據，才能應對這一挑戰。隨著超級計算機及其背后的云日趨完善，真正的系統可擴展性對于汽車內部——回到4TB數據——以及外部的大規模數據中心都至關重要。

　　沒有任何公司可以獨立解決這些數據挑戰。英特爾認為，解決無人駕駛面臨的數據挑戰的最佳方式就是行業合作，共同開發安全的頂級平臺并分享安全相關的信息。我們的共同目標是沒有事故并方便所有人的出行，行業合作將加快該目標的實現。能在英特爾團隊中與合作伙伴一道應對4TB的挑戰，讓我感到異常興奮，因為，我知道，解決這個問題將讓道路更加安全，讓出行更加美好。