京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16