风起云涌的自动驾驶市场有哪些新动向？

本刊编辑部

风起云涌的自动驾驶市场有哪些新动向？

本刊编辑部

引 言

AI时代席卷而来，汽车行业中的无人驾驶领域则是下一波技术革命浪潮，拥有什么样的技术对自动驾驶的新发展是最重要的？ 哪些技术是自动驾驶领域能在未来发展好的基础？你认为，未来的自动驾驶技术会是何种模样呢？本期专题为您揭晓。

业界声音

中国科学院自动化所副研究员 黄武陵博士无人驾驶技术要进一步实用化面临的问题以及可能的突破方向

现阶段无人驾驶技术离实用尚有一定距离，还存在使技术可行、允许和广泛使用的难题需要攻克。具体来说，无人驾驶产业生态中的关键影响，包括针对支持人工智能的传感器、车载硬件和芯片、交通云计算、无人驾驶数据等技术基础；包括语音及自然语言处理、机器学习、计算机视觉等人工智能技术；包括无人驾驶车辆、无人农业和无人物流、挖掘等无人驾驶应用层产业。无人驾驶所需的车载传感器、核心部件、计算平台等，需要整车厂进一步整合、集成与测试。

其中，智能传感器主要对交通环境、驾驶员和乘客动作、图像等内容进行智能感知，是无人驾驶系统的重要数据输入和人机交互硬件。无人驾驶车载硬件和芯片包括GPU、FPGA等加速硬件与神经网络芯片，为深度学习提供计算硬件。无人驾驶实现的最基本要求是汽车必须具有视觉，这就需要非常优秀的传感器，让它能检测周围的各种环境信息(例如路面上障碍物和坑洞)，快速判断路边行人或者汽车等状况。由于汽车是对价格敏感的消费品，因此其装载的多样传感器价格要控制在合理的区间内，以便为广大消费者接受。现有的传感器普遍比较昂贵，尚无法满足需求。

从技术成熟度看，无人驾驶的环境感知、车辆控制、路径规划和任务处理等功能，还需要进一步针对复杂驾驶环境进行研发、突破和进一步测试。现有的无人驾驶软件还不够“智能”、不够鲁棒，碰到突发情况无法做出足够智能的处理。因此，还需要应用人工智能新技术来加速无人驾驶进程，例如以深度学习、增强学习为主的机器学习，赋予无人驾驶自主学习并提高性能的能力。利用视觉、点云和驾驶行为等大数据整合和驱动下的人工智能算法突破，特别是深度卷积神经网络、深度强化学习与交互式认知智能，结合移动端、云端芯片/加速器的计算能力提升和移动端到云端的通信互联，将有助于突破这些挑战。逐步成熟的深度学习等人工智能技术可运用在无人驾驶汽车环境感知、目标识别和环境理解、运动规划、自主决策等领域中，并逐步形成无人驾驶系统一体化解决方案。在进一步完善复杂交通场景下的无人驾驶功能之外，相应技术成本需要不断降低，达到市场能够接受的程度。

此外，无人驾驶交通云计算主要为无人驾驶开发提供云端计算资源和服务，以分布式网络为基础，提高计算效率。无人驾驶数据服务主要采集于交通环境，为无人驾驶智能提供丰富的数据资源；通过包括数据挖掘与监测等，为无人驾驶产业提供数据的收集、处理、交易等服务，实现大数据和云计算驱动的智能共享。

北京航空航天大学 何立民教授百度向车企开放自动驾驶汽车软硬件平台有可能改变产业格局

2017年4月，百度宣布决定向所有车企开放自动驾驶汽车的软硬件平台。这足以改变自动驾驶汽车的产业格局，人们对百度以及中国车企充满期待。在此，我想从IT产业客观发展规律的视角谈谈对此事的看法：

第一，百度在自动驾驶领域取得了非凡的成就，可以在与谷歌、特斯拉、苹果等科技巨头的竞争中胜出，但这种胜出是不稳定的。当某一方脱颖而出，专注于平台产业后，其他各方都可能败下阵来。

第二，百度开放软硬件平台后，会吸引众多下游厂家参与共建自动驾驶汽车产业。百度与众多下游厂家组成了一个共存、共荣、共赢的扇形产业生态体系，百度独居扇形产业扇端，引领整个产业的兴衰。

第三，自动驾驶汽车的扇形产业生态体系一旦确立，将排除一切体系外的竞争者(AMD在PC领域的竞争便是例证)。一个大蛋糕将所有企业拢在其中，因为在剧烈的个体竞争中，扇形产业生态体系可以创造出巨型蛋糕，所有参与其中的中下游企业都能分割到稳定的份额。

第四，百度软硬件平台开放，并不意味技术开放。

第五，百度开放软硬件平台体现了产业观念上的创新。除此之外，还须保证方法对头，即决不介入汽车产业领域，从而吸引更多的下游产业及第三方产业，有利于整个产业的兴旺发展。

上海捷新动力副总工程师 朱玉龙国内自动驾驶落地尚需时日

国内的AEB和其他ADAS核心零部件及系统，想要在自动驾驶这个领域争取抢得一杯羹，过程还是挺残酷的，随着全球都在导入这些安全功能，雷达、视觉算法的均摊成本越来越低，即使在国内这也成为了比谁规模大、比谁出错少、出了错怎么及时解决召回和应急处理问题。

2017～2025年，V2X中国自己的企业，怎么才能从核心零部件到系统，抢到60%～75%的市场份额?从LTE-V到5G的技术路线，虽然差异化有了，但真正要达到一定规模还需要一个过程，大多数企业只能观望。

图1 智能网联的里程图

我们理解这一进程，以减少道路事故为导向，通过法规引导增加车辆安全性来实施。换句话而言，这个过程是管理部门预期可见的，随着配置的过程，消费者会逐渐适应这些功能带来的好处和坏处(比如预期之外的刹车)。

到了自动驾驶(即使是L2以上)这一波该如何走呢？传统的ADAS辅助驾驶是目前的最大问题，还有舒适性功能(L2)没有获得市场认可，厂商目前在这一技术上还没有找到真正的盈利点，按照各类标准化设计出来的驾驶体验，使得很少的用户会把有没有辅助驾驶作为购车的决策支持，在选配的比例上，也很少有消费者愿意为这项功能买单并支付增配的价格。

我们一直面临的问题是，L2的各种功能出于安全考虑，在实际的大城市的应用体验还不够好；再往上看，L3、L4也通过较高的销售溢价，让购买车的客户买单，看上去几率不大。所以，这个游戏只有各个车企以及有钱的金主来玩，怎么能让消费者心甘情愿地买单，就要看如何能让自动驾驶技术在消费者心里占据足够重要的位置了。

TI毫米波传感器为自动驾驶带来更高级的“视觉”TI汽车雷达产品营销总监 Stuipto Bose

人们对汽车ADAS的功能要求越来越高：希望汽车可以自动检测出物体的距离、速度和角度；传输信号稳定，可以穿透塑料、干燥墙壁和玻璃等材料；同时，希望汽车可以适应像雨、雾、灰尘、光照和黑暗等各种复杂的天气……而毫米波传感器正是唯一能够满足所有这些需求的传感技术。

此前，毫米波传感器都是分立式的，即发射器、接收器和处理组件均为独立单元，这就给传感器的设计带来很多不便，随着自动驾驶技术的推进，车辆中雷达传感器数量不断攀升、空间有限，因而要求传感器的体积更小、功耗更低、性价比更高。近期TI推出的AWR1x组合传感器系列，分别针对自动驾驶领域不同类型的应用而打造。

当高速驾驶一辆具有自动巡航控制功能的车辆时，在特定距离或弯道上，无论汽车附近出现了任何障碍物，TI的毫米波传感器都可以在几毫秒内探测到这个障碍物。随后，中央智能系统将在100 ms内警告驾驶员可能出现的危险，并提醒他采取必要的措施。实现这个功能的就是AWR1243，它是一款具有3个发射器和4个接收器天线的雷达前端传感器，它针对自动紧急刹车等长距离和中等距离雷达应用，以实现自动驾驶。

编辑视角

2017年3月初，Intel收购自动驾驶汽车摄像头供应商 Mobileye，其背后隐含着如下信息：PC时代已经过去，无人驾驶技术是下一波浪潮。自动驾驶技术如此重要的原因就是其产业链背后的用户数据，只有能获取海量的有效用户数据，才能让这些科技巨头根据实际需求打造出客户需要的汽车生态链，像ARM公司一样打造汽车电子的生态平台。百度开放自动驾驶汽车的软硬件平台的目的也是要把汽车(包括自动驾驶技术)生态系统牢牢地掌握在自己手中，谁掌握了这个领域的生态系统，谁就可能笑到最后。

自动驾驶技术想要真正落地，环境感知、车辆控制、路径规划和任务处理等重要的技术必须要实现成熟的落地应用。这些技术不能出一点偏差，Tesla曾经出的车祸也是因为视觉系统不能识别路障导致，因而精密的雷达传感器、可深度学习的车载芯片至关重要！然而，它们的实现费用十分高昂，消费者不愿为此买单也是制约自动驾驶技术发展的一个重要原因。