
大数据时代下的“汽车存储”之变_数据分析师培训
“大数据”的概念近年在汽车圈内因车联网和汽车电子化的快速发展而屡被提及,据悉,一辆无人驾驶汽车每秒产生约1G的数据,相当于每秒发送20万封纯文本电子邮件或用电脑上传100张高清数码相片。 那么问题是,如此庞大的数据该如何存储,并能得以快速的运算和反应?而现有的存储处于什么样的状态,提升的手段有哪些,提升的空间又有多大?针对以上问题,盖世记者近日专访了美光嵌入式产品事业部高级市场总监Kris Baxter先生。以下是访谈实录:
盖世汽车:Mr. Baxter,从您个人的直观上来看,您觉得近年在汽车存储方面的最大变化是什么?
Kris Baxter:现在汽车已经不再是一个单纯的电子系统的总和,它正在成为一个移动的空间,能够让我们延伸各种在个人消费电子上面的体验,提供丰富的信息以及高清的图像,促使我们的生活便捷化,所以我们现在可以看到汽车领域中新的存储技术的应用要比五到十年前快很多。举个例子,比如LPDDR3,这个技术初次在汽车上面的应用比它首先在计算机上面的应用晚了三到四年,然而LPDDR4在汽车上面的应用仅仅比手机晚了一年的时间。
盖世汽车:从供应商的角度,您认为促使汽车存储快速发展的主要驱动因素有哪些?
Kris Baxter:从目前的情况来看,影响汽车存储快速发展的原因主要有三点,分别是:
1、车载信息娱乐系统(IVI);随着消费升级和需求的多元化,IVI所呈现的显示器拥有更大、更高的分辨率,所涉及的内容和功能也更多更详尽,如3D导航、辅助驾驶、故障检测、车辆信息、车身控制、移动办公、无线通讯、车机互联、基于在线的娱乐功能及TSP服务等一系列应用等,这也是推动嵌入式产品存储应用的第一大领域。
2、高级驾驶辅助系统(ADAS);汽车智能化的发展,诸如自适应巡航系统、车道偏离预警系统、自动泊车、自动紧急刹车等功能不断延伸,当中,摄像头所采集信息量也会越来越大,这急需要较大的存储支撑。
3、电子智能仪表盘;现在仪表盘正在从机械化转化成电子智能式,其中内容的增加也对存储提出了更多的需求,只不过与前面两个系统相比,其影响相对较小。
另外,车联网目前推动很快,未来随着V2V/V2I通讯技术的发展和实现,所应用的存储量将会更多。这个对我们产品生产者来说面对更多空间的同时,更要应对较大的挑战。
盖世汽车:既然您提到信息娱乐系统是存储的主要驱动力,那么目前在此方面所达到的最大容量为多少?作为行业领先的存储供应商,贵司对于汽车存储技术五年后所达的空间如何预估?
Kris Baxter:我们有针对汽车推出的固态硬盘,目前此方面高端配置达到128GB,未来几年的市场趋势可能会达到240GB这样的一个容量。
我们预估2014年至2018年,存储产品NVM和DRAM年复合增长率均将达39%。在信息娱乐系统方面,汽车非易失性存储五年后的存储容量将扩展到目前(代码:1Gb pNOR或在eMMC中;海量存储:4GB至64GB emmc高达240GB硬盘)的2倍。易失性存储DRAM 将由目前的4GB DDR3升级为8GB LPDDR4。
盖世汽车:面对智能化的飞跃和信息量的快速扩充,美光将如何应对或扮演什么样的角色?
Kris Baxter:其实各大汽车厂商用智能技术、不断创新的推动力量主要来自消费者,现在,消费者不再是为开车而开车,而是希望以后汽车环境能够是一种生活体验的延伸——能够体验你在个人电脑、手机和平板电脑上面的各种感受,而美光的作用就是通过开发更加安全、高效的技术来支持我们广大生态伙伴(整车厂、系统集成商)创新发展。
美光专注汽车市场已25年,在汽车存储方面的市场份额是最接近的竞争对手的2倍以上,可以说,美光每100个小时发运的汽车产品数量超过整个汽车市场在2000年消费的数量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01