宝马大众挑战苹果谷歌，汽车巨头开始“反攻”科技巨头

李杉 编译整理 量子位 出品 | 公众号 QbitAI

△ 大众和D-Wave已经结盟

大众正在研究量子计算，宝马则在开发巨型数据中心，博世本周也宣布建设无人驾驶汽车芯片工厂。

这一系列举措表明欧洲汽车厂商和供应商都在发展大数据计算能力，以便为数字化汽车和无人驾驶技术提供服务。

未来的汽车需要不断交换数据，还要同时从成千上万的汽车那里获取和分析信息，以便通过合适的决策来保证交通有序运行，同时节约燃油、避免事故。

但对于一直以制造业为主的汽车厂商来说，这却会构成巨大的挑战。

“处理能力必须要能够应对所有数据，才能实现更大的规模。”负责人工智能业务的宝马副总裁Reinhard Stolle说，该公司正在慕尼黑附近建设一座数据中心，规模相当于其现有设施的10倍。“传统的控制工程技术已经无法应对这么复杂的状况。”

大数据对所有汽车厂商都是一大挑战，对德国企业尤其如此，因为他们瞄准了渴望享受最新技术的富裕消费者。

与此同时，瞄准数据业务也迫使这些汽车厂商必须与经验丰富的硅谷科技公司竞争，甚至为苹果和谷歌等已经渗透汽车业务的科技巨头创造机会。

谷歌一直在开发无人驾驶汽车，而苹果CEO蒂姆·库克（Tim Cook）本月也表示，该公司将重点发展汽车自动化系统和其他应用。

这都对汽车厂商构成了压力。德国企业已经对专车服务展开了投资，一定程度上是为了对抗Uber的崛起。他们现在还把目光瞄向了更遥远的未来。

在努力走出“排放门”阴影的过程中，大众采取了各种措施，希望将自己重塑为一个科技领袖。这些举措也表明汽车厂商进入科技领域的强烈意愿。

大众最近与加拿大量子计算机制造商D-Wave Systems展开合作。

虽然有专家质疑D-Wave的实用性，但D-Wave的电脑从理论上的确能够以空前的速度处理海量数据。大众CIO Martin Hofmann很相信这项技术。

“对我们而言，这是科技的新时代。”他在大众工厂接受采访时说。

1980年代率先形成理论的量子计算机希望利用量子力学的特性实现高速计算技术。经典计算机基于二进制的比特进行计算，而量子计算机中的量子比特则可以同时以多种状态存在。因此从理论上讲，其计算能力可以超越传统计算机。

大众今年利用D-Wave计算机证明如何能一次性在北京控制1万辆出租车的运动，优化它们的路径，从而降低排放。

由于交通状态时刻变化，因此想要快速收集和分析车流数据并非易事。大众驻旧金山办事处科学家Florian Neukart表示，D-Wave电脑可以在几秒钟内处理传统超级计算机需要30分钟才能处理的信息。

这种说法遭到一些专家的质疑，他们认为没有确切证据表明D-Wave的电脑比采用恰当程序的超级计算机速度更快。而且与量子计算机不同的是，超级计算机的元件不需要保持比外层空间更低的温度状态。

“如果D-Wave真的速度更快，那就将成为史无前例的创造。”德克萨斯大学奥斯汀分校理论计算机教授、D-Wave的质疑者Scott Aaronson说。

“尤其令人震惊的是，这一里程碑竟然是在解决大众的应用问题时实现的。”Aaronson说。

大众高管表示，他们将发布利用D-Wave电脑实现的研究成果，让外界可以对其进行分析。

如果与D-Wave的合作被证明是一大失误，那就将凸显出许多百年车企在大数据领域面临的障碍和风险。

△ D-Wave使用的芯片

汽车行业供应商也在积极备战汽车大数据时代。博世周一表示，该公司将投资10亿欧元（约合11亿美元）在德累斯顿建设一座新工厂，专门生产各种芯片，其中也包括无人驾驶汽车使用的传感器。

博世联网服务总监Christine Haas表示，该公司更喜欢开发自己的芯片，而不是从供应商那里购买现成产品。“当你亲自做这件事情时，就会更加深刻地理解这项技术。”她说。

有的汽车公司决定专注于自己最擅长的领域，让其他公司处理计算任务。

沃尔沃一直是车载数字技术领域的先锋，但该公司通过爱立信来获取计算机技术。沃尔沃今年5月宣布，将从2019年开始在新车上安装谷歌Android操作系统，他们还与Uber展开了无人驾驶汽车合作。

“我们希望拥抱这项技术。”沃尔沃自动驾驶和联网战略高级总监Martin Kristensson提到来自硅谷的挑战时说。

但与大众一样，很多企业也试图自主开发相关技术。宝马的Stolle表示，该公司需要掌握更强大的数据分析能力，他们去年招募的信息技术专家比机械工程师还多。

宝马正在与英特尔、Mobileye和德尔福共同合作测试40辆自动驾驶原型汽车。宝马还使用人工智能分析测试过程中收集的数据，希望借此开发能够积累经验，并最终实现全自动驾驶的汽车。

测试结束后，宝马都会将车载硬盘取下，接入研发中心的计算机。Stolle表示，借此收集的数据相当于一摞60英里高的DVD光盘。

如此庞大的数据很难通过互联网高效传输到远程数据中心。

“数据中心有很大一部分都必须采用本地化配置。”Stolle说，“如此庞大的数据不适合采用云计算模式。”