实现重大的技术突破通常需要巨额的投资。根据调研公司PitchBook的数据，自主汽车初创公司平均每月的支出达到了160万美元。
在这些费用中，大部分用于测试及其所需的基础设施。配备传感器和数据记录设备的原型车成本可能高达50万美元，而处理和存储所有生成数据的费用也不容小觑。
2017年，包括通用汽车、现代汽车、大众汽车和WayMo在内的多家汽车制造商和科技公司预测无人驾驶汽车将在2020年问世，并为此进行了大规模投资。根据布鲁金斯学会的一项研究，从2014年8月到2015年6月，汽车制造商和科技公司在视音频技术上投入了800亿美元。
然而，仅仅一年后，涉及自动驾驶原型车的事故似乎使开发者失去了信心。同时，实现5级自动驾驶所需的技术挑战（全自动无人驾驶汽车）变得愈加复杂。到2019年，许多开发者放弃了原定的2020年目标。
尽管如此，通往5级的道路依旧在继续，影音开发者仍在致力于这一技术所能带来的社会改善，同时也在云计算领域发现了新的机遇，以减少成本和缩短开发时间。
他们的首要任务是聚焦于与长期目标相一致的可销售产品和服务的短期路径，例如卡车运输、物流、自动驾驶辅助（ADAS）系统以及提供数据见解。一些开发者正在创造价值并展示实际效率。
例如，四级自动驾驶卡车初创公司TUSimple在7月启动了自动货运网络，通过自主操作改进安全性和效率，同时在实际测试中不断优化其产品。
其次，音视频开发者希望通过在虚拟环境中进行更多测试以及加快数据处理和存储速度来优化现有工作流程。
在这两种情况下，云计算为加速和扩展开发提供了极大的灵活性，使近期目标的数据更易于获取。COVID-19的影响进一步加速了现有的云解决方案趋势。
自2018年以来，出于安全考虑，公路上的测试车需配备两名乘员，这已成为标准做法。社交疏远措施使这一标准更加困难，导致许多测试车队的工作停滞不前。
小规模计算
音视频开发需从实际测试和仿真中收集大量数据，并对其进行训练，将数据输入到原型的新行为模型中，随后在仿真中测试和验证，从而生成新的数据循环。
Lyft Level 5的高级工程师Timothy Perrett表示：“仿真是提高软件安全性的关键手段之一，甚至可以在测试轨道上进行。”这一过程需要灵活性。
Lyft Level 5于2017年推出，旨在让乘车共享公司直接受益于音视频技术，并专注于自动驾驶乘车共享车辆。Lyft的工程师利用从其AV车队收集的PB级数据，每年进行数百万次模拟，以提高其自动驾驶系统的性能和安全性。
验证工作以及运行这些数据的规模是一个巨大的挑战，仿真中生成的数据量也不容小觑。自2012年以来，Lyft就将AWS作为云合作伙伴，但使用云进行现场客户交互与用于模拟和数据处理的目的并不相同。
5级自动驾驶有不同的需求和约束，大多数计算需求是为了服务大型、批处理式的工作负载，这些工作负载的配置要求非常严格。需要具备在高峰负载时快速扩展，并在不需要时迅速关闭的能力。
解决方案在于使用竞价型实例。这些实例是按需分配的计算资源，属于Amazon弹性计算云（EC2）的一部分。用户只需为实际使用的资源付费，无规模限制。这也允许将任务打包并发运行，从而加快处理大规模数据的速度，确保任何团队或工程师都不会闲置，另一方可以优先处理计算任务。
现在已在路上
完全的5级自动驾驶可能是所有音视频开发者的终极目标，而如今，一些公司已经在其收益服务中成功应用了相关技术。
例如，卡车初创公司TUSimple于7月1日启动了全球首个自动货运网络，目前正通过UPS从凤凰城持续运送货物到沃思堡。该公司的目标是2024年实现全国范围内的运营。
TUSimple的卡车目前按照通常称作4级自治的标准运行，能够在特定环境中自主驾驶。
这些卡车通常在标记和维护良好的高速公路上运送货物。尽管在理论上对于音视频系统来说较容易，但长达70英尺的大型卡车在操控和停车时仍然面临挑战，尤其是在车道两侧间隔小于3英尺的情况下。
该公司所有的卡车都有一名驾驶员进行操控，而人和计算机驾驶是在不同的场合下进行的。当驾驶员处于控制状态时，系统会记录驾驶员行为及AI决策，然后通过机器学习进行分析。
早期，TUSimple会将数据存储在自己的硬盘驱动器上，再经过15小时的过程将数据传输到云端。2018年，该公司引入了AWS Snowball Edge设备，能够在车上记录、标记和压缩数据。这减少了运行后需执行的任务时间，并有助于将新的驾驶模型重新集成至云端。
数据通过AWS Direct Connect（专用、快速、安全的数据连接）在云端与本地之间来回传输，传输速度显著提升。
该公司的控制算法可以在满载情况下以65英里/小时的速度将卡车保持在4厘米的精确车道中央。通过比人类更为精准的油门和方向控制，其在行驶过程中的燃油经济性也提高了10%。
存储与合规
TUSimple收集的大量数据也保存在云中，并进行索引以便将来使用，这是合规性的重要部分。
在创建机器学习模型以做出决策时，例如汽车的运行方式，必须能够对输入的数据进行后续审查。关于数据保留的时间存在不同意见，但一般经验法则是数据需保留10至15年，并且应易于获取。
AWS使得将公司的所有数据存储在一个中央位置（称为“数据湖”）成为可能。这个“数据湖”参考架构是AWS在与众多客户合作应对其自主驾驶与ADAS数据挑战后专门开发的。
类似于现货实例的方式，它为各种级别的存储提供了分层定价系统，以便于使用和保留数据。新鲜数据通常存储在Amazon S3服务器上，而休眠数据则可转移至Amazon Glacier，尽管访问速度较慢，但成本极低，这比磁带解决方案更具成本效益和可访问性。
通往5级的道路可能漫长，但音视频开发者有机会在此过程优化其运营并创造价值。制定长期战略是最优选择，而云计算可以为其提供支持，云基础设施的合作伙伴也同样可以助力。
