拨开云雾，一文读懂自动驾驶行业“套路”

自动驾驶汽车的概念第一次被提及是在1939年的世界博览会上，里面展出的通用公司的Futurama概念车正式向全世界昭告了这个梦想。从那时起，人类从未停下追求无人驾驶梦想的脚步。

2011年第一辆自动驾驶汽车被允许在内达华洲上牌行驶的事，让自动驾驶技术走进了大众的视野。从那个时候起所有人都明白了，自动驾驶的时代已经不远了。

 1  什么是自动驾驶

首先，还是先讲下自动驾驶的定义。

根据自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

判断自动驾驶的核心就在于主动式的操作，而根据系统主动介入的程度。

关于自动驾驶的分级，主要有SAE（国际汽车工程师协会）标准和NHTSA（美国高速公路安全管理局）两个标准。目前，前者受到大多数业内人士的认可。

自动驾驶汽车分级标准

从0级到5级，汽车工程师学会定义了六个级别的车辆自动化：

0级自动驾驶：人类驾驶员负责汽车工程师学会所称的“动态驾驶任务”的所有环节。“动态驾驶任务”是指控制车辆所采取的行动。可能有些系统（如自动紧急制动系统）会为司机提供帮助，甚至在特定情况下进行干预。但是，由于这些系统没有持续参与完成“动态驾驶任务”，因此它们还不能称为“自动化”系统。

1级自动驾驶是辅助驾驶系统，能持续提供转向或加速和制动控制，但只在限制条件和特定情况下提供。

自适应巡航控制系统被认为属于1级自动驾驶：该系统可控制加速和制动，从而使汽车在公路上与前方车辆保持一定距离，但人类驾驶员仍然需要负责驾驶中的所有其他方面。

2级自动驾驶也是辅助驾驶系统，但既提供转向，也提供加速和制动控制，同样是在限制条件下提供。由于人类驾驶员需要定时干预，该级别的自动驾驶程度仍然不高。

特斯拉最初的Autopilot虽然是比较先进的一个系统，但被认为属于2级自动驾驶系统。

3级自动驾驶是我们开始进入实际自动驾驶的级别。该级别的自动驾驶是“有条件的自动驾驶”，这意味着只有在一定条件下自动驾驶系统才能运行。但一旦开始运行，汽车就完全自动驾驶。

通用汽车公司新的Super Cruise系统就属于3级自动驾驶。同样，特斯拉最新版本的Autopilot也属于该级别。

3级与2级自动驾驶的差异在于自动驾驶的程度：系统运行时，人类驾驶员通常无需进行干预，但仍需在一定程度上保持警惕，以在系统提示需要人类接管时介入。

4级自动驾驶属于“高度自动驾驶”。一般来说，我们使用4级自动驾驶来描述完全自动驾驶的系统。除了某些特殊情况，一般无需人类干预。

依靠特殊地图工作的自动驾驶汽车（如目前正在研发中的大多数汽车）属于4级自动驾驶：只要是有地图的地方，这类汽车都能实现完全自动驾驶，而无需人类干预，但并非在任何地方都能自动驾驶。

5级自动驾驶属于完全自动驾驶：只要是人类能够驾驶的地方，该类型汽车都能驾驶。只要有可通行的道路，这种车能去任何地方，任何时候都无需人类驾驶员干预。

目前1级、2级已然实现，3级接近商用，4级也已呈现雏形。百度、谷歌现在在做的事情，就是NHTSA标准的4级。

实现无人驾驶的必要条件之一就是汽车能够通过遍布全车的各式传感器迅速采集到与之相关的车内、外的海量信息并高速处理。这些车辆信息可以被分析和处理后，根据计算主动的选择主动操作，而实现这一切离不开的就是车联网。

 2  自动驾驶与车联网

车联网（V2X）是车与万物互联，带来上帝视角。

其包括车与车 (V2V)、车与道路设施 (V2I)、车与行人(V2P)互联，可以获得实时路况、道路信息、行人信息等一系列交通信息，从而带来远距离环境信号。

现在常常把V2X和自动驾驶放在一起，是为什么呢？

自动驾驶的基本过程是搜集汽车周边信息，然后做出决策（转向、变道、加速、减速）。与现有的摄像头视频识别、毫米波雷达、激光雷达类似，V2X是一种获得其他车辆、行人行驶状态（车速、刹车、变道）的手段。

打个比方：雷达和摄像头是自动驾驶汽车的眼睛，V2X就是耳朵。

谷歌的自动驾驶汽车主要是依靠雷达、传感器和摄像头视频识别来获得周边汽车的状态。而这些只能让车看到视线内汽车和行人的情况，对于自动驾驶来说，这些是远远不够的。

这是一起严重车祸的视频，抛开是否违章不说，事故车就是因为视线被阻挡，没看到停在路肩的货车才导致交通事故的。如果这时事故车和被撞的静止汽车都装备了V2X通信模块，静止车辆会周期发送自己停靠在路边的消息，而事故车就会预先知道路肩被堵死，而不会试图从黄色货车右侧超车。

V2X是获得视距外汽车状态的一种有效手段，和雷达、摄像头视频识别、传感器共同组成了车辆对外界环境的信息获取系统。而这些信息是自动驾驶汽车做出决策的重要依据。

相对于雷达和摄像头能直接“看”到周围环境，V2X给自动驾驶汽车装上了一双“顺风耳”。

 V2X技术在安全提升和交通运行方面的影响力巨大。

1、V2X弥补单车智能软肋，自动驾驶必备技术。单车智能下的高阶自动驾驶因传感器对特殊情景识别有限无法满足安全需求，V2X带来超距离的环境信息带来传感器重要补充。

2、V2X搭建终极目标，智慧交通下零事故零伤亡。V2X更大的意义在于激活整个智慧交通，也将诞生智慧交通管理平台实现无人驾驶综合调度，进而进一步降低安全事故和提高交通效率。

 3  自动驾驶的实现方式

ADAS(AdvancedDriverAssistanceSystems)：高级驾驶辅助系统(也称主动安全技术)是利用安装在车上的各式各样传感器，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。

实现自动驾驶的两条必经之路：

1. 车辆本身实现高度智能化能应变各种的环境条件；

2. 车与车、车与交通的联网，通过智慧交通规划实现自动驾驶。

ADAS(高级辅助驾驶系统)和V2X(广义车联网)是两条路径的实现基础。若要实现自动驾驶，两条路径缺一不可。

按照欧洲道路运输研究咨询委员会(ERTRAC)2015年对于自动驾驶路径的预测，这两条路径将在2020年开始融合，并预计在2030年最终实现城市环境的自动驾驶。

1、单车智能化：辅助驾驶系统(ADAS)装配率将快速提升。

车辆智能化的主要实施方案为：

1. 采用高精度传感器，如微波雷达、激光雷达等使得汽车具有感知周边驾驶环境的能力；

2. 具有强大的计算芯片及核心算法针对不同的环境得出相应的驾驶策略；

3. 最后使用相应的执行系统进行物理操作。

单车智能化的发展将从辅助驾驶系统(ADAS)开始，并逐步提升其应用能力和操作权限，最终实现完全自动驾驶。 

单车智能的实现形式是感知、决策、执行。形象的类比到人的话感知就是人的眼，处理即是人的脑而控制就如同人的手脚一般。ADAS高级辅助驾驶即是在提高单车智能。

2、道路交通智慧化：车联网+智能交通为终极模式，但实现门槛较高。

道路交通智慧化主要分为两个部分：

1)车与车之间通信(V2V)，信息包括速度、位置、驾驶方向、刹车等；

2)车与交通系统之间通信(V2X)，信息包括实时路况、道路信息、行人信息等。

在此情况下，将极大提升整个交通系统的驾驶安全性及交通效率，与车辆智能化形成良好的协同效应。

但目前实现仍有几点困难：

1. 车辆通信数据标准仍不统一；

2. 目前无线通讯技术较难满足响应速度要求；

3. 智能交通基础投入较大。

 4  自动驾驶两大阵营

自动驾驶研究领域目前基本分为两个阵营：

1、以谷歌、百度以及初创科技公司为主的“越级式”研究型阵营——「在特定区域里发挥全效功能」；他们强调通过采集某一区域的高精度 3D地图信息配合激光雷达在某一区域实现自动驾驶。

2、以传统汽车厂商和 Mobileye合作的“递进式”应用型阵营——「在任何区域里发挥局部功能」；他们强调「万无一失」的复杂传感器组合(redundancy in system)识别周围环境，通过低精度导航地图在任何区域实现自动驾驶。

但是殊途同归，两大阵营的终极愿景都是：「在任何区域里发挥全效功能」。

未来的自动驾驶需要几乎实时级别的数据传输；对于环境的识别以及数据处理，将更加依赖车载电脑在车上完成实时计算；现在很多公司要做到自动驾驶前 80%的功能较为简单，但如果想要做完后面的 20%，就是无人车向超级司机的转变。

递进式阵营主要以传统汽车厂商为主，包括一级二级供应商，整个供应商的关系也在重组，主要源于四个核心的驱动因素：降低技术风险、分担研发成本、缩短研发时间以及锁定客户。

1.这个阵营的升级路径是伴随 ADAS功能逐渐向智能驾驶完善的方向前进的，所以遵循「在任何区域里发挥局部功能」的中期目标。

2.强调「万无一失」的复杂传感器组合(redundancy in system)的配合提供路径标识与规划等功能，通过低精度导航地图在任何区域实现智能驾驶。

3.随着类似 REM等高精度地图的逐步整合，短期内能够为驾驶系统提供额外的安全冗余，长期上配合车联网增强可选路径预测和规划的功能。

4.递进式阵营的可商业化路径更为清晰，从 ADAS功能到半自动驾驶的升级过程中，新功能的推出和叠加对消费者有较大的吸引力。而随着 L4高度自动驾驶功能的完善，我们认为技术普及到量产的过程将会推动渗透率的提升。

越级式阵营以谷歌、百度以及初创科技公司为主，依靠强大的技术背景和巨额的研发投入进行越级式发展：

1.强调通过采集某一区域的高精度 3D地图信息配合激光雷达在某一区域实现高度自动驾驶，也就是「在特定区域里发挥全效功能」的中期目标。

2.这个阵营通过以激光雷达为主的传感器进行路面地图采集，把高精度地图作为路径导航规划决策的主要依据，其他传感器主要用作预防碰撞的功能。

3.相较于递进式阵营，特定区域的高精度地图规模化效应不明显，需要投入较高成本在扩大地图扫描范围上。

4.目前商业化落地路径不明确，因为越级式的技术进步在智能驾驶等级达到 L4水平之前，由于不依靠 ADAS功能的支撑，较难出现过渡性产品。

综上所述，目前业内普遍认为，完全自动驾驶由于技术、法规等限制尚需时日。单车智能提升是实现自动驾驶的必经阶段，以ADAS为代表的递进式阵营智能驾驶产业将率先爆发。

 5  自动驾驶汽车产业链剖析

根据技术条件和产业化发展阶段，目前处于1级、2级向3级的发展期，驾驶辅助系统(ADAS)装配率将快速提升。预计2020年市场规模接近2000亿元，其中中国市场规模超过500亿，市场份额接近30%。

为了方便大家参考，特地对自动驾驶汽车行业进行了产业链分析，主要从产业上下游将其分为了感知、计算平台、算法集成、车辆控制、汽车通讯、无人驾驶汽车运营等六个方面。

自动驾驶产业链结构图

感知

自动驾驶汽车的感知部分，主要由摄像头、激光雷达、毫米波雷达、超声波雷达等多种方式共同组成。

由于各种感知方式在不同环境、不同距离、不同作用上各有所长，因此采用多传感器信息融合的方式有利于保证全方位信息的收集，进而使计算机做出更加精准的判断和规划。

激光雷达

目前，激光雷达的生产厂商集中在国外，包括美国Velodyne公司、Quanegy公司以及德国的Ibeo公司等，国内激光雷达初创公司也在尽力追赶。

激光雷达的穿透距离远，高性能激光雷达可以实现200米范围内，精度高达厘米级的3D场景扫描重现，从而帮助自动驾驶系统实现提前行驶路线规划。

目前来看，多线激光雷达很有可能是未来无人车的必备传感器，并且与高精度地图及驾驶系统核心算法紧密相关。

目前，多线激光雷达还没有针对车规级的成熟量产方案，机械旋转式多线激光雷达虽然已在普遍应用，但体积较大且价格过于昂贵，更小型更低成本的纯固态激光雷达还未见到成熟产品。

国内有不亚于国外的光机电技术基础，产业链比较完整，因此，诸多深耕激光雷达领域的公司还有不小的机会。

毫米波雷达、超声波雷达

除了激光雷达之外，近年来毫米波雷达和超声波雷达也逐渐成为自动驾驶汽车中，参与多传感器信息融合感知设备。其中，最为知名的例子就是特斯拉在其智能汽车中，完全没有使用激光雷达，而采用毫米波雷达+摄像头的方案。

另外，类似博世、大陆这样的智能辅助驾驶巨头，也在毫米波雷达和超声波雷达这样成本较低传感器设备上，拥有比较深刻的技术积累和应用经验。

而在国内，像行易道这样的毫米波雷达厂商，也在积极进行技术开发，追赶国际巨头水平。

不过，归根结底，特斯拉还只是高级辅助驾驶系统（ADAS），而当操作主体，也就是责任主体向机器转移时，仅仅通过摄像头和毫米波雷达实现自动驾驶功能是不够的，激光雷达所带来的功能性安全冗余非常必要。

摄像头（计算机视觉）

目前，通过摄像头进行拍摄，在进行图像和视频识别，确定车辆前方环境，是自动驾驶汽车的主要感知途径，这也是很多无人驾驶公司的主要研发内容之一。

不过，在这一方面，ADAS要先于无人驾驶汽车向市场推广，因此在数据收集反馈、工程化等方面，ADAS公司也处于领先地位。

国内双目ADAS公司中科慧眼CTO崔峰就表示，在未来无人驾驶汽车中，摄像头（双目）将成为重要的感知部分，中科慧眼未来努力的目标，也是为自动驾驶汽车，乃至各类出行机器人提供机器视觉方面的技术支持。

目前，车载摄像头主要分为单目和双目两种。

双目摄像头基于视差原理，可以在数据量不足的情况下，测定车辆前方环境（树木、行人、车辆、坑洞等），并且获得准确的距离数据，用以提供给自动驾驶系统进行车辆控制。

而单目摄像头，主要基于机器学习原理，使用大量数据进行训练，进行环境识别。尽管需要大量数据支持，且在恶劣光线条件下的表现不如双目摄像头，但其相对便宜的价格以及成熟的技术也获得了一部分公司的青睐。

在单目ADAS领域，以色列公司Mobileye是世界最顶尖的企业，而中国公司与这样的国外巨头依然存在一定的差距。

汽车通讯

汽车通讯主要可以分为两个方面。

第一，是车联网系统。

通过车载通讯设备，完成人与车、车与车、车与环境的信息交互，一方面可以完善运营车辆（出租车、网约车、公交车、物流货车等）和道路交通（如红绿灯）的调度安排，另一方面可以减少车辆的感知设备投入，将车辆及环境采集到的信息与车辆自身采集的信息相融合，从而实现自动驾驶功能。

不过，车联网的发展，除了需要大大小小各家公司的努力之外，同样需要政府和相关机构的帮助。

首先是制定V2X通讯标准，欧美在此前就已经将DSRC标准列为了其车辆通讯标准，而国内则是LTE-V标准的呼声比较高。

另外，车联网不仅仅局限于车辆上的通讯系统配备，还涉及到道路交通基础设施建设。目前，杭州、南京、北京等地，都已经开始了智慧城市和智慧交通的试点。

车联网技术的前身，TelemaTIcs（远距离通信与信息科学），在很早以前就已经出现，而大概在四五年前，由于物联网的兴起，出现了“车联网”这个词。其更大的作用，不仅限于保证自动驾驶功能运行，而在于未来车辆中内容行业的发展。

第二，是高精度地图。

高精度地图是自动驾驶汽车实现路线规划的基础，这些年，卫星导航和基于激光雷达的3D环境建模技术日益成熟，高精度地图测绘质量逐步提升，这为自动驾驶的研发提供了不小的助力。

 国内高精度地图，以百度地图、高德地图、四维图新等公司为主力；而国外方面，Here、TomTom等公司一直备受称赞。

计算平台

自动驾驶系统的计算量、数据流都非常大，同时又需要较快的反应速度，因此就需要匹配合适效能的计算资源，保证计算工作的正常运行。

自从吴恩达发现GPU非常适合进行深度神经网络训练以来，英伟达就在这一次的人工智能浪潮之中大发了一笔横财。目前，据不完全统计，全球已有超过1500家人工智能初创公司使用英伟达的产品，其中还有不少自动驾驶技术公司。

在2017年CES上，英伟达发布了最新的车载计算平台“XAVIER”，其512个Volta CUDA核心可提供高达30TOPS的计算性能，并且功率只有30W，远远优于Drive PX2。

而在国内，人工智能创业圈子中声名赫赫的地平线机器人，也正在研发其基于FPGA架构的大脑引擎（BPU），而代号为“高斯”的计算构架IP预计在2017年底推出。

不过，综合来看，自动驾驶计算平台的争夺战依然主要在国际巨头之间展开，除了英伟达之外、英特尔、微软、Ceva、Mobileye、恩智浦、德州仪器、高通等芯片、IP、ADAS供应商，都正在瞄准这一领域发力，未来的竞争激烈程度可见一斑。

车辆控制

自动驾驶汽车不仅仅是感知和算法，它还涉及到车辆控制、汽车动力学、汽车工程等诸多技术学科，同时需要汽车控制（刹车、转向、灯光、油门等）配件的支持。

目前，自动驾驶执行相关的技术和部件产品将依然长期掌控在大型Tier1手中。如博世、大陆、Delphi等传统的Tier1掌握的执行控制专利技术已经可以支撑到自动驾驶阶段，无论在性能还是价格上都有绝对的优势。

此外，由于电动汽车技术的快速革新，传统汽车制造业受到了冲击，此前发动机和变速箱等壁垒技术，逐渐被车辆电控、电动机、电池等技术取代。这种变革，让创业团队自己造车成为了可能。

因此，国内外众多电动汽车、互联网造车、智能汽车企业极有可能成为自动驾驶汽车行业的新贵。

智车优行CEO沈海寅曾表示，在智车优行未来战略规划中，自动驾驶是关键一环。目标是在三到四年内在一些局部路况下的全自动驾驶。

算法与自动驾驶汽车运营

目前，大多数踏入自动驾驶行业的初创公司，可以看作算法集成层面的公司。他们利用高精度地图进行路线规划，采用新型计算平台，整合多传感器信息，开发相应的车辆控制算法对汽车进行行为控制。

目前，自动驾驶技术公司的两级分化比较严重，一方面是看准时间和角度切入的初创企业，另一方面则是大型互联网科技巨头，如谷歌、百度、Uber等。此外，像博世这样，少量拥有相对完整的产业链结构的Tier1，也在踏足这一领域。

国内无人驾驶整体解决方案公司

不过，这些进行无人驾驶汽车研发的公司，大多有更深的想法，它们并不把自己看做单纯的技术提供方，而是希望深入到运营中去。

例如智行者希望能够首先在低速园区内进行无人驾驶运营，而图森互联则在一开始就瞄准了长途高速货运。Uber与其收购的Otto也将目光分别聚焦在了无人驾驶共享出行和长途货运上。

图森互联CEO陈默表示，相比于卖车，运营服务公司是更靠近产业链下游和利益链顶端的方式。

自动驾驶汽车的另一个特点，就是解放了我们在出行过程中的双手、眼睛和大脑，因此车内活动也有了更多的想象空间。驭势科技CEO吴甘沙曾在多次公开演讲中表示，未来，自动驾驶汽车很有可能成为新的商业场景，为人们提供出行时的观影、办公、餐饮服务。

传统车厂去了哪里？

与自动驾驶相对应的，是自动驾驶+共享经济的出行模式，C端用户消费的将不再是汽车，还是出行服务。

业内人士普遍认为，在自动驾驶时代，汽车利用率将直线上升而销量必定下降，车厂的选择，一是尽快寻求合作，进行技术开发，向自动驾驶领域转型；二则是沦为自动驾驶汽车的代工厂和供应商。

因此，大多数车厂更希望看到的是4级甚至以下等级的自动驾驶技术，而不是5级状态下的全路况无人驾驶汽车。

目前，包括福特、宝马、沃尔沃在内的整车厂商，也都在进行自动驾驶技术的研发。

来源：亿欧李基祥、36氪、5GNR

全球物联网观察独家整理

全球
物联网观察

全球视野，您的物联网中央情报局！