風起云涌的自動駕駛市場有哪些新動向？

本刊編輯部

風起云涌的自動駕駛市場有哪些新動向？

本刊編輯部

引 言

AI時代席卷而來，汽車行業中的無人駕駛領域則是下一波技術革命浪潮，擁有什么樣的技術對自動駕駛的新發展是最重要的？ 哪些技術是自動駕駛領域能在未來發展好的基礎？你認為，未來的自動駕駛技術會是何種模樣呢？本期專題為您揭曉。

業界聲音

中國科學院自動化所副研究員 黃武陵博士無人駕駛技術要進一步實用化面臨的問題以及可能的突破方向

現階段無人駕駛技術離實用尚有一定距離，還存在使技術可行、允許和廣泛使用的難題需要攻克。具體來說，無人駕駛產業生態中的關鍵影響，包括針對支持人工智能的傳感器、車載硬件和芯片、交通云計算、無人駕駛數據等技術基礎；包括語音及自然語言處理、機器學習、計算機視覺等人工智能技術；包括無人駕駛車輛、無人農業和無人物流、挖掘等無人駕駛應用層產業。無人駕駛所需的車載傳感器、核心部件、計算平臺等，需要整車廠進一步整合、集成與測試。

其中，智能傳感器主要對交通環境、駕駛員和乘客動作、圖像等內容進行智能感知，是無人駕駛系統的重要數據輸入和人機交互硬件。無人駕駛車載硬件和芯片包括GPU、FPGA等加速硬件與神經網絡芯片，為深度學習提供計算硬件。無人駕駛實現的最基本要求是汽車必須具有視覺，這就需要非常優秀的傳感器，讓它能檢測周圍的各種環境信息(例如路面上障礙物和坑洞)，快速判斷路邊行人或者汽車等狀況。由于汽車是對價格敏感的消費品，因此其裝載的多樣傳感器價格要控制在合理的區間內，以便為廣大消費者接受。現有的傳感器普遍比較昂貴，尚無法滿足需求。

從技術成熟度看，無人駕駛的環境感知、車輛控制、路徑規劃和任務處理等功能，還需要進一步針對復雜駕駛環境進行研發、突破和進一步測試。現有的無人駕駛軟件還不夠“智能”、不夠魯棒，碰到突發情況無法做出足夠智能的處理。因此，還需要應用人工智能新技術來加速無人駕駛進程，例如以深度學習、增強學習為主的機器學習，賦予無人駕駛自主學習并提高性能的能力。利用視覺、點云和駕駛行為等大數據整合和驅動下的人工智能算法突破，特別是深度卷積神經網絡、深度強化學習與交互式認知智能，結合移動端、云端芯片/加速器的計算能力提升和移動端到云端的通信互聯，將有助于突破這些挑戰。逐步成熟的深度學習等人工智能技術可運用在無人駕駛汽車環境感知、目標識別和環境理解、運動規劃、自主決策等領域中，并逐步形成無人駕駛系統一體化解決方案。在進一步完善復雜交通場景下的無人駕駛功能之外，相應技術成本需要不斷降低，達到市場能夠接受的程度。

此外，無人駕駛交通云計算主要為無人駕駛開發提供云端計算資源和服務，以分布式網絡為基礎，提高計算效率。無人駕駛數據服務主要采集于交通環境，為無人駕駛智能提供豐富的數據資源；通過包括數據挖掘與監測等，為無人駕駛產業提供數據的收集、處理、交易等服務，實現大數據和云計算驅動的智能共享。

北京航空航天大學 何立民教授百度向車企開放自動駕駛汽車軟硬件平臺有可能改變產業格局

2017年4月，百度宣布決定向所有車企開放自動駕駛汽車的軟硬件平臺。這足以改變自動駕駛汽車的產業格局，人們對百度以及中國車企充滿期待。在此，我想從IT產業客觀發展規律的視角談談對此事的看法：

第一，百度在自動駕駛領域取得了非凡的成就，可以在與谷歌、特斯拉、蘋果等科技巨頭的競爭中勝出，但這種勝出是不穩定的。當某一方脫穎而出，專注于平臺產業后，其他各方都可能敗下陣來。

第二，百度開放軟硬件平臺后，會吸引眾多下游廠家參與共建自動駕駛汽車產業。百度與眾多下游廠家組成了一個共存、共榮、共贏的扇形產業生態體系，百度獨居扇形產業扇端，引領整個產業的興衰。

第三，自動駕駛汽車的扇形產業生態體系一旦確立，將排除一切體系外的競爭者(AMD在PC領域的競爭便是例證)。一個大蛋糕將所有企業攏在其中，因為在劇烈的個體競爭中，扇形產業生態體系可以創造出巨型蛋糕，所有參與其中的中下游企業都能分割到穩定的份額。

第四，百度軟硬件平臺開放，并不意味技術開放。

第五，百度開放軟硬件平臺體現了產業觀念上的創新。除此之外，還須保證方法對頭，即決不介入汽車產業領域，從而吸引更多的下游產業及第三方產業，有利于整個產業的興旺發展。

上海捷新動力副總工程師 朱玉龍國內自動駕駛落地尚需時日

國內的AEB和其他ADAS核心零部件及系統，想要在自動駕駛這個領域爭取搶得一杯羹，過程還是挺殘酷的，隨著全球都在導入這些安全功能，雷達、視覺算法的均攤成本越來越低，即使在國內這也成為了比誰規模大、比誰出錯少、出了錯怎么及時解決召回和應急處理問題。

2017～2025年，V2X中國自己的企業，怎么才能從核心零部件到系統，搶到60%～75%的市場份額?從LTE-V到5G的技術路線，雖然差異化有了，但真正要達到一定規模還需要一個過程，大多數企業只能觀望。

圖1 智能網聯的里程圖

我們理解這一進程，以減少道路事故為導向，通過法規引導增加車輛安全性來實施。換句話而言，這個過程是管理部門預期可見的，隨著配置的過程，消費者會逐漸適應這些功能帶來的好處和壞處(比如預期之外的剎車)。

到了自動駕駛(即使是L2以上)這一波該如何走呢？傳統的ADAS輔助駕駛是目前的最大問題，還有舒適性功能(L2)沒有獲得市場認可，廠商目前在這一技術上還沒有找到真正的盈利點，按照各類標準化設計出來的駕駛體驗，使得很少的用戶會把有沒有輔助駕駛作為購車的決策支持，在選配的比例上，也很少有消費者愿意為這項功能買單并支付增配的價格。

我們一直面臨的問題是，L2的各種功能出于安全考慮，在實際的大城市的應用體驗還不夠好；再往上看，L3、L4也通過較高的銷售溢價，讓購買車的客戶買單，看上去幾率不大。所以，這個游戲只有各個車企以及有錢的金主來玩，怎么能讓消費者心甘情愿地買單，就要看如何能讓自動駕駛技術在消費者心里占據足夠重要的位置了。

TI毫米波傳感器為自動駕駛帶來更高級的“視覺”TI汽車雷達產品營銷總監 Stuipto Bose

人們對汽車ADAS的功能要求越來越高：希望汽車可以自動檢測出物體的距離、速度和角度；傳輸信號穩定，可以穿透塑料、干燥墻壁和玻璃等材料；同時，希望汽車可以適應像雨、霧、灰塵、光照和黑暗等各種復雜的天氣……而毫米波傳感器正是唯一能夠滿足所有這些需求的傳感技術。

此前，毫米波傳感器都是分立式的，即發射器、接收器和處理組件均為獨立單元，這就給傳感器的設計帶來很多不便，隨著自動駕駛技術的推進，車輛中雷達傳感器數量不斷攀升、空間有限，因而要求傳感器的體積更小、功耗更低、性價比更高。近期TI推出的AWR1x組合傳感器系列，分別針對自動駕駛領域不同類型的應用而打造。

當高速駕駛一輛具有自動巡航控制功能的車輛時，在特定距離或彎道上，無論汽車附近出現了任何障礙物，TI的毫米波傳感器都可以在幾毫秒內探測到這個障礙物。隨后，中央智能系統將在100 ms內警告駕駛員可能出現的危險，并提醒他采取必要的措施。實現這個功能的就是AWR1243，它是一款具有3個發射器和4個接收器天線的雷達前端傳感器，它針對自動緊急剎車等長距離和中等距離雷達應用，以實現自動駕駛。

編輯視角

2017年3月初，Intel收購自動駕駛汽車攝像頭供應商 Mobileye，其背后隱含著如下信息：PC時代已經過去，無人駕駛技術是下一波浪潮。自動駕駛技術如此重要的原因就是其產業鏈背后的用戶數據，只有能獲取海量的有效用戶數據，才能讓這些科技巨頭根據實際需求打造出客戶需要的汽車生態鏈，像ARM公司一樣打造汽車電子的生態平臺。百度開放自動駕駛汽車的軟硬件平臺的目的也是要把汽車(包括自動駕駛技術)生態系統牢牢地掌握在自己手中，誰掌握了這個領域的生態系統，誰就可能笑到最后。

自動駕駛技術想要真正落地，環境感知、車輛控制、路徑規劃和任務處理等重要的技術必須要實現成熟的落地應用。這些技術不能出一點偏差，Tesla曾經出的車禍也是因為視覺系統不能識別路障導致，因而精密的雷達傳感器、可深度學習的車載芯片至關重要！然而，它們的實現費用十分高昂，消費者不愿為此買單也是制約自動駕駛技術發展的一個重要原因。