自動駕駛技術(shù)路徑對比分析

1、引言數(shù)字經(jīng)濟(jì)是通過數(shù)字技術(shù)，對生活生產(chǎn)實現(xiàn)數(shù)字化管理，促進(jìn)實體經(jīng)濟(jì)高效發(fā)展，充分發(fā)揮數(shù)據(jù)信息價值，是未來經(jīng)濟(jì)發(fā)展的主要驅(qū)動力，其發(fā)展速度之快、輻射范圍之廣、影響程度之深前所未有，正推動生產(chǎn)方式、生活方式和治理方式深刻變革，成為重組全球要素資源、重塑全球經(jīng)濟(jì)結(jié)構(gòu)、改變?nèi)蚋偁幐窬值年P(guān)鍵力量。隨著近年來數(shù)字經(jīng)濟(jì)在國民經(jīng)濟(jì)中的重要性不斷提升，黨和國家也對其越來越重視：從早期“十三五”國家科技創(chuàng)新規(guī)劃中提出，到中央政治局會議將其作為議題，再到寫入十九大報告后，數(shù)字經(jīng)濟(jì)被正式寫入“十四五”規(guī)劃，并對一些指標(biāo)提出了相應(yīng)的預(yù)期性目標(biāo)。而在近日，求是雜志上也刊載了習(xí)近平總書記撰稿的不斷做強(qiáng)做優(yōu)做大我國數(shù)字經(jīng)濟(jì)

2、的文章，結(jié)合其他各項政策的陸續(xù)出臺，愈發(fā)凸顯出黨和政府對我國數(shù)字經(jīng)濟(jì)發(fā)展的支持和鼓勵態(tài)度。因此，在這樣的背景下，數(shù)字經(jīng)濟(jì)范疇內(nèi)的各產(chǎn)業(yè)在未來中長期時間內(nèi)，在內(nèi)將有充分的需求逐漸涌現(xiàn)，在外則有良好的政策環(huán)境保駕護(hù)航，將是我國國民經(jīng)濟(jì)發(fā)展的重要抓手。其中，智能駕駛/車聯(lián)網(wǎng)作為數(shù)字經(jīng)濟(jì)發(fā)展的一項應(yīng)用，象征著未來人類出行方式的顛覆性改變，可能催生出全新的商業(yè)模式、全新的產(chǎn)業(yè)格局，因此具有巨大的想象空間，而在諸多廠商和研究機(jī)構(gòu)的努力下，其技術(shù)已經(jīng)發(fā)展了一段不短的時間，但所采用的技術(shù)路徑則各有不同。因此，本文將嘗試對比分析目前主流的智能駕駛實現(xiàn)方案及其相關(guān)產(chǎn)業(yè)鏈，從而為后續(xù)尋找產(chǎn)業(yè)鏈的投資機(jī)會提供參考。背

3、景智能駕駛簡介根據(jù)定義，智能駕駛是指汽車通過搭載先行的傳感器、控制器、執(zhí)行器、通訊模塊等設(shè)備實現(xiàn)協(xié)助駕駛員對車輛的操控，甚至完全代替駕駛員實現(xiàn)無人駕駛的功能。當(dāng)前行業(yè)普遍遵循SAE 協(xié)會定義的智能駕駛等級，其中 L2 級以下的智能駕駛通常被稱為ADAS（高級駕駛輔助系統(tǒng)），其最主要的特點是系統(tǒng)只在特定場景下給駕駛員提供協(xié)助，車輛行駛決策權(quán)在駕駛員，相應(yīng)地駕駛員需要承擔(dān)所有的責(zé)任與后果。而在 L4 及以上的智能駕駛因為是汽車主導(dǎo)駕駛行為，責(zé)任主體為汽車生產(chǎn)商或者汽車服務(wù)商。而對于中間過渡的 L3 級別的智能駕駛，因為其只能在特定條件下代替人，并且在系統(tǒng)失效的時候需要人及時接管車輛，在實際應(yīng)用中的

4、可操作性及責(zé)任界定問題在行業(yè)內(nèi)外存在較大爭議。從技術(shù)角度，L3 級別智能駕駛是技術(shù)發(fā)展的必經(jīng)階段，但從法律及產(chǎn)品應(yīng)用角度，其存在著較大的風(fēng)險。在我國，智能駕駛常以智能網(wǎng)聯(lián)汽車作為官方的名稱，特別突出了車聯(lián)網(wǎng)功能。以我國更加完備的通訊基礎(chǔ)設(shè)施形成車路協(xié)同效應(yīng)，對比歐美的單車智能化。工信部此前發(fā)布了汽車駕駛自動化分級推薦性國家標(biāo)準(zhǔn)報批公示，規(guī)定了汽車駕駛自動化功能的分級，其對智能化等級的劃分也與 SAE 定義大體一致，于 2022 年 3 月 1 日起正式實施。表 1. 智能駕駛分級智能化等級名稱基本定義控制監(jiān)視失效接管應(yīng)用場景SAE工信部L10 級駕駛輔助車輛對方向盤和加減速中的一項操作提供駕駛

5、，人類駕駛員負(fù)責(zé)其余駕駛動作人和車人人限定場景L21 級部分自動駕駛車輛對方向盤和加減速中的多項操作提供駕駛，人類駕駛員負(fù)責(zé)其余駕駛動作車人人限定場景2 級組合自動駕駛L33 級有條件自動駕駛由車輛完成絕大部分駕駛操作，人類駕駛員保持注意力應(yīng)對失效車車人限定場景L44 級高度自動駕駛由車輛完成所有駕駛操作，人類駕駛員無序保持注意力，但限定道路和環(huán)境場景車車車限定場景L55 級完全自動駕駛由車輛完成所有駕駛操作，人類駕駛員無序保持注意力車車車所有場景資料來源：工信部，公開資料整理，紅塔證券智能駕駛的基本技術(shù)原理車輛實現(xiàn)自動駕駛功能是一個相當(dāng)復(fù)雜的過程，但總的來說，無論是自動駕駛還是人類駕駛，都可

6、以按照“感知決策控制”的流程來考慮。感知是先決條件。在做出決策和對車輛進(jìn)行控制之前，首先需要保證足夠的信息被掌握，其中包括車輛本身的信息和外部環(huán)境的信息，才能給車輛行駛提供充足的決策支持。而在感知層獲得足夠信息后，決策中心（計算單元/大腦）將根據(jù)特定的算法/經(jīng)驗做出適合當(dāng)下情況的駕駛決策，并向相關(guān)控制機(jī)構(gòu)下達(dá)指令，從而完成一輪從感知到?jīng)Q策再到控制的完整駕駛流程。圖 1. 駕駛行為實現(xiàn)流程車輛運動狀態(tài)環(huán)境感知駕駛員監(jiān)測感知決策計算單元車輛控制警告系統(tǒng)控制資料來源：紅塔證券智能駕駛的技術(shù)瓶頸目前從技術(shù)上來說，車輛的控制層已經(jīng)基本打通，只在一些復(fù)雜的系統(tǒng)上還存在一定的成本問題，但感知和決策兩個過程中

7、仍然還有很多問題亟待解決。感知在感知環(huán)節(jié)中，車輛運動狀態(tài)和駕駛員監(jiān)測的技術(shù)門檻相對較低，二者分別感知車輛本身和駕駛員的狀態(tài)，前者主要靠車載傳感器，確保車輛行駛狀態(tài)符合預(yù)想的狀態(tài)；后者則主要是靠攝像頭和生物電監(jiān)測，確保駕駛員的生存狀態(tài)和注意力保持正常。而環(huán)境感知是最主要，也是最關(guān)鍵的部分。目前實現(xiàn)環(huán)境感知的技術(shù)路徑主要包括視覺傳感（攝像頭）、毫米波雷達(dá)和激光雷達(dá)三種。前文提到，感知是智能駕駛實現(xiàn)的先決條件。在理想狀態(tài)下，車輛只需要獲取道路的地面標(biāo)識、路側(cè)標(biāo)志、前方障礙物情況等少量數(shù)據(jù)即可，但在實際操作中，可能存在譬如地面標(biāo)識不清、路標(biāo)被遮擋等情況，并且障礙物往往還包括其他車輛、行人、自行車等移動

8、物體，以及路錐、石墩等固定物體，從而導(dǎo)致傳感器很難將其有效地轉(zhuǎn)換為計算中心可識別的數(shù)據(jù)，對后續(xù)自動駕駛的決策產(chǎn)生了極大的干擾。視覺傳感視覺傳感器主要指的是攝像頭，主要用于車道線檢測、交通標(biāo)示識別、行人/車輛識別等任務(wù)。表 2. 車載攝像頭主要使用領(lǐng)域安裝位置攝像頭類型實現(xiàn)功能攝像頭功能前視單目FCW、LDW、TSR、ACC、 PCW*視角一般為 45 度，其中雙目攝像頭在測距方面性能更優(yōu)，但由于需要安裝在兩側(cè)，成本較單目高 50%左右雙目環(huán)視4廣角360倒車影像、LDW廣角鏡頭，車身四周布置，拼接實現(xiàn)全景圖，算法支持下可以實現(xiàn)道路線感知后視廣角倒車影像廣角或魚眼鏡頭，主要用于倒車影像側(cè)視2廣角

9、盲點監(jiān)測、流媒體后視鏡盲點監(jiān)測通常使用超聲波雷達(dá)，但也有使用攝像頭代替的例子內(nèi)置廣角閉眼提醒廣角鏡頭，一般裝在車內(nèi)后視鏡位置，用于監(jiān)視駕駛員狀態(tài)*注：FCW=前向碰撞預(yù)警系統(tǒng)，LDW=車道偏離警示系統(tǒng)，TSR=交通標(biāo)志識別系統(tǒng)，ACC=自適應(yīng)巡航系統(tǒng)，PCW=行人碰撞預(yù)警系統(tǒng)資料來源：公開資料整理，紅塔證券由于人類駕駛員在駕駛過程中的主要信息感知方式也是通過視覺，因此使用攝像頭作為車輛環(huán)境感知的方式是最自然的，而且由于攝像頭本身技術(shù)成熟，因此其生產(chǎn)成本較低，在區(qū)分人和物體、識別道路標(biāo)識等方面具有優(yōu)勢。但同時，通過攝像頭的視覺傳感也有缺點。首先，由于車輛本身并不能直接讀取視頻信號，因此需要通過相

10、應(yīng)的算法將攝像頭采集到的視頻信號轉(zhuǎn)換為處理芯片能識別的標(biāo)準(zhǔn)信號，這就對相關(guān)算法的能力和效率提出了很高的要求。而且因為物體識別是基于機(jī)器學(xué)習(xí)數(shù)據(jù)庫，所以形成有效的數(shù)據(jù)庫所需要的訓(xùn)練樣本很大，訓(xùn)練周期長，并且系統(tǒng)通常無法識別出數(shù)據(jù)庫尚未掌握的新的非標(biāo)準(zhǔn)障礙物，就可能會導(dǎo)致自動駕駛過程中發(fā)生危險。其次，無論是分辨率、抗干擾還是大腦和芯片對信息的處理，攝像頭跟人眼都無法相提并論，因此攝像頭受到外部環(huán)境的干擾也更嚴(yán)重。包括正面強(qiáng)光炫目、攝像頭上沾有水滴遮擋、暴雨暴雪等惡劣天氣、黑夜等低照度情況，以及各種原因產(chǎn)生的物體倒影等，都會造成攝像頭成像或識別困難。第三，由于分辨率限制，攝像頭的識別距離較??；同時，

11、光學(xué)成像也導(dǎo)致了其測距/測速功能差，不足以支撐車輛完成自動駕駛的決策過程。 2.3.1.2.毫米波雷達(dá)毫米波雷達(dá)指的是工作在毫米波段（波長 1-10mm，頻域 30-300GHz）的雷達(dá)。目前車用毫米波雷達(dá)主要包括 24GHz 和 77GHz 兩種。圖 2. 短距毫米波雷達(dá)功能圖 3. 長距毫米波雷達(dá)功能資料來源：互聯(lián)網(wǎng)公開資料整理，紅塔證券資料來源：互聯(lián)網(wǎng)公開資料整理，紅塔證券毫米波的波長介于微波和厘米波之間，因此毫米波雷達(dá)兼有微波雷達(dá)和光電雷達(dá)的一些優(yōu)點。同厘米波雷達(dá)相比，毫米波雷達(dá)具有體積小、質(zhì)量輕和空間分辨率高的特點。與紅外、激光、電視等光學(xué)雷達(dá)相比，毫米波雷達(dá)穿透霧、煙、灰塵的能力強(qiáng)

12、，具有全天候全天時的特點。同時，與攝像頭不同，毫米波雷達(dá)的感知探測距離較遠(yuǎn)，并且能夠?qū)δ繕?biāo)距離和速度做出高精度測量。77GHz 雷達(dá)各項性能都具有優(yōu)勢。相比 24GHz 雷達(dá)，77GHz 雷達(dá)可以同時做到長距離探測和更高的距離分辨率；并且在物體分辨率、測速和測距精確度上具有顯著優(yōu)勢；同時，77GHz 雷達(dá)由于波長更短，所以收發(fā)天線面積體積更小，因此體積也更小。但是 77GHz 雷達(dá)由于技術(shù)相對較新，且數(shù)量規(guī)模較小，目前價格仍然較高，因此 24GHz 雷達(dá)還是目前的主流，但未來 77GHz 雷達(dá)可能會將其替代。毫米波雷達(dá)的缺點主要包括以下幾個：探測范圍較小，通常需要多個雷達(dá)組合使用，導(dǎo)致總成本明

13、顯提高；由于其分辨率參數(shù)是以角度計量，因此其實際分辨率在遠(yuǎn)距離時可以達(dá)到足夠高，但近距離可能無法準(zhǔn)確分辨位置；對行人的反射波弱，難以識別；對橫向目標(biāo)敏感度低，并且只能提供角度和距離信息而無法提供高度信息；無法成像，無法進(jìn)行圖像顏色識別。2.3.1.3.激光雷達(dá)激光雷達(dá)（LiDAR，Light Detection and Ranging），即激光探測及測距系統(tǒng)，是一種集激光、GPS 和慣性測量設(shè)備三種技術(shù)于一身的系統(tǒng)。由于激光波長短，準(zhǔn)直性強(qiáng)，因而激光雷達(dá)具有角分辨率和距離分辨率高、抗干擾能力強(qiáng)、能獲得目標(biāo)多種圖像信息（深度、反射率等）、體積小、質(zhì)量輕等優(yōu)勢。圖 4. 激光雷達(dá)效果示意圖資料來源

14、：互聯(lián)網(wǎng)收集，紅塔證券根據(jù)激光雷達(dá)線束數(shù)量的多少，可以將激光雷達(dá)分為單線（2D）雷達(dá)和多線（3D）雷達(dá)，而由于單線雷達(dá)只能獲得平面數(shù)據(jù)，無法完成復(fù)雜路面地形環(huán)境的模型建立，因此目前在實際使用中，基本都是多線雷達(dá)。目前主流的激光雷達(dá)通常從 16 線到 64 線，也有少數(shù) 128 線等高線束數(shù)量的產(chǎn)品。由于激光雷達(dá)可以依靠其探測范圍廣、抗干擾能力強(qiáng)及測量精度高的特點，收集到足夠多的數(shù)據(jù)信息，并以此實現(xiàn)對車輛周圍環(huán)境的建模。因此在理想狀態(tài)下，激光雷達(dá)能夠為自動駕駛的決策提供最豐富的參考信息，但在實際應(yīng)用過程中，激光雷達(dá)仍面臨一些尚待解決的問題。首先，最大的問題就是激光雷達(dá)成本太高。目前技術(shù)最成熟的是

15、機(jī)械式激光雷達(dá)，即通過旋轉(zhuǎn)電機(jī)等機(jī)械設(shè)備實現(xiàn) 360 度掃描，但這種方式的硬件集成難度高，因此高線束激光雷達(dá)的成本甚至難以降至 3000 美元以下。而作為替代技術(shù)的半固態(tài)MEMS 方式器件價格較高，并且掃描控制難度大；固態(tài)的 Flash 方式盡管成本較低，但探測距離短，不足以適應(yīng)自動駕駛的需求；固態(tài)的 OPA 方式潛力最大，但目前技術(shù)還不夠成熟，供應(yīng)鏈也不完善，中短期內(nèi)實現(xiàn)技術(shù)突破仍有困難。其次，由于激光雷達(dá)獲得的道路信息極多，數(shù)據(jù)量大，對數(shù)據(jù)處理的算法要求很高。目前主流的算法基礎(chǔ)為點云分割，即根據(jù)點云分布的整體特征和局部特征，將點云進(jìn)行分割，從而形成多個獨立的子集，從而快速提取有用的物體信息

16、。因此，車輛使用激光雷達(dá)作為傳感器，既需要足夠出色的數(shù)據(jù)算法作軟件支持，也需要充足的硬件算力作保障。第三，激光雷達(dá)發(fā)射的激光在云、霧、雨雪等惡劣環(huán)境下衰減嚴(yán)重，無法提供精確的環(huán)境圖像，因此自動駕駛過程無法完全依賴激光雷達(dá)，必須有其他傳感器設(shè)備配合。決策自動駕駛的決策層主要包括兩大部分，即硬件部分和軟件部分。其中硬件部分是指各類計算單元，目前主要包括 CPU、GPU 和 FPGA，其作用是為后續(xù)的軟件處理數(shù)據(jù)提供基本的算力支持。而軟件部分則是各類算法，包括對信息數(shù)據(jù)的處理、道路短期未來情況的推演預(yù)測、行駛方案的制定等等，是自動駕駛技術(shù)中非常核心的部分，也是各大自動駕駛方案提供商的核心競爭力所在。

17、硬件部分自動駕駛的計算平臺需要考慮的因素具有其獨特性：為了處理海量數(shù)據(jù)，并為 AI 運算提供充足算力，需要足夠有效的計算性能；計算結(jié)果直接決定了車輛行駛的安全性，關(guān)乎車上駕乘人員的生命安全，并且其工作環(huán)境可能較為惡劣（溫度、顛簸等），因此需要保證其具有高可靠性；作為移動平臺，需要保證其功耗在可接受范圍內(nèi)；需要具有良好的可擴(kuò)展性；由于產(chǎn)品最終要用于普通車輛上，作為消費品，需要控制其成本。目前自動駕駛所使用的計算單元主要包括CPU、GPU、FPGA（現(xiàn)場可編程門陣列）和ASIC（專用集成電路），四種方式各有優(yōu)劣。表 3. 自動駕駛主要使用的計算單元優(yōu)勢劣勢CPU通用性強(qiáng)，支持復(fù)雜指令集串行調(diào)用運算

18、指令和操作，不適合 AI 運算特性GPU并行運算能力強(qiáng)大，擅長浮點運算運算復(fù)雜度較低，運算單元利用率低FPGA可編程，靈活度高，產(chǎn)品上市速度快開發(fā)生態(tài)弱，開發(fā)周期長ASIC效率最高，功耗最低，芯片量產(chǎn)后單片成本低硬件電路不可重復(fù)編程，研發(fā)周期長，投入資金大資料來源：公開資料整理，紅塔證券主流的自動駕駛計算平臺供應(yīng)商大多選擇混用不同的計算單元。目前全球能夠提供高性能自動駕駛芯片的領(lǐng)先企業(yè)主要包括特斯拉、華為、瑞薩、英偉達(dá)（Nvidia）、Mobileye、高通等，而其中特斯拉的系統(tǒng)封閉，軟硬一體化，不對外供應(yīng)芯片，華為也只提供 MDC 計算平臺，而不單獨對外出售芯片，其他幾家則大多以SoC 方式

19、提供產(chǎn)品。表 4. 主要廠商自動駕駛頂配計算平臺參數(shù)對比類別瑞薩 R-CAR V3UMobileye EyeQ6英偉達(dá) Orin高通 SnapdragonRide代工廠臺積電臺積電臺積電三星/臺積電制程工藝12nm5nm7nm5nmCPU8 核A764 核英特爾Tremont12 核A78單核 X1，3 核A78，4 核 A55CPU 算力（DMIPS）96K60K（估算）238K（估算）100K（估算）AI 算力（TOPSINT8）606720026TDP 功耗（W）8-103525（估算）10車規(guī)等級ASIL-D（規(guī)劃）N/AASIL-D（規(guī)劃）N/A成本預(yù)估（美元）70-100130-1

20、60300-400110-130資料來源：汽車之心，紅塔證券軟件部分目前自動駕駛技術(shù)的算法底層技術(shù)都是機(jī)器學(xué)習(xí)算法，但具體采用的算法則會因廠家而異，而且這也是各大自動駕駛開發(fā)廠商最核心的競爭力。全球致力于開發(fā)自動駕駛系統(tǒng)的企業(yè)和研究機(jī)構(gòu)仍有不少，而這些企業(yè)和研究機(jī)構(gòu)的背景也各不相同，其中包括整車主機(jī)廠（特斯拉、寶馬、沃爾沃等）、汽車零部件廠商（安波福等）、IT 巨頭（谷歌Waymo、百度等）、專門的初創(chuàng)企業(yè)（Aurora、小馬智行等）。由于這些不同的企業(yè)誕生于不同的地區(qū)和行業(yè)背景下，因此他們開發(fā)的自動駕駛系統(tǒng)也往往在取向和進(jìn)程上有著不同的進(jìn)展，具體情況我們將在后文中詳細(xì)分析。而當(dāng)下從軟件端來看

21、，為了保證自動駕駛過程中駕駛的安全性和可靠性，需要大量的測試和驗證，而目前業(yè)界普遍采用的基于機(jī)器學(xué)習(xí)算法來處理大數(shù)據(jù)集的深度學(xué)習(xí)技術(shù)盡管已經(jīng)取得了巨大發(fā)展，但在面對自動駕駛的復(fù)雜程度時仍然顯得效率不足。自動駕駛主要開發(fā)商介紹及對比WaymoWaymo 前身是谷歌下屬的一個項目組，因此其一直能夠收到谷歌及其母公司 Alphabet 的持續(xù)投入，因此它自始至終開發(fā)資金都很充足，目前 Waymo 仍然被認(rèn)為是走在自動駕駛技術(shù)最前列的開發(fā)商。Waymo 在最關(guān)鍵的路測階段積累了大量的經(jīng)驗，是全球測試?yán)锍套铋L的開發(fā)商，并且相較后來者有著數(shù)量級上的差距，根據(jù)目前數(shù)據(jù)，Waymo 自動駕駛路測里程占全部路測

22、里程的一半以上。而 Waymo 采用的“強(qiáng)感知+強(qiáng)智能”路線也成為目前全球自動駕駛開發(fā)企業(yè)最主流思路。而 Waymo 開發(fā)自動駕駛汽車的思路其實是脫離了“汽車”本身的， Waymo 想做的是改變?nèi)祟惖某鲂蟹绞剑唇⒁惶子勺詣玉{駛汽車構(gòu)成的基礎(chǔ)設(shè)施，并將其整體打包作為服務(wù)向民眾提供。因此，Waymo 無論是在開發(fā)過程還是路測過程中，都是以此作為目標(biāo)，直接將目標(biāo)放在了無人駕駛的終極形態(tài)上。傳感器Waymo 采用的傳感器方案非常完備，包括了激光雷達(dá)、攝像頭、毫米波雷達(dá)及其他傳感器（音頻探測等），并且相當(dāng)一部分雷達(dá)在整輛車上配備有復(fù)數(shù)個，從而保證對環(huán)境的完全掌握。谷歌在其 2018 年發(fā)布的自動駕駛

23、技術(shù)報告On the road to fully self-driving中，以克萊斯勒 Pacifica 車型為例，詳細(xì)介紹了其在無人車外部搭載的相關(guān)傳感器，其中包括 4 個毫米波雷達(dá)，4 個激光雷達(dá)以及一個視覺系統(tǒng)。圖 5. Waymo 傳感器分布資料來源：Wevolver2020 自動駕駛技術(shù)報告Waymo 的技術(shù)方案采用了基本上目前主流的所有傳感器，因而保證了其在各種時間、氣候條件下都能夠為算力中心提供充分的環(huán)境數(shù)據(jù)。軟件Waymo 的算法本身還是機(jī)器學(xué)習(xí)算法，但他們通過上百億英里的模擬和超過 2000 萬英里的實際路測對其自動駕駛系統(tǒng)進(jìn)行訓(xùn)練，使其能夠通過傳感器傳遞的數(shù)據(jù)信息，探測、

24、理解車輛周圍的物體，并預(yù)判其可能的行為方式及對車輛行駛線路的影響，從而依此做出相應(yīng)的駕駛決策。整套系統(tǒng)包括三大部分：感知、行為預(yù)測和規(guī)劃。感知系統(tǒng)通過處理傳感器提供的外部環(huán)境數(shù)據(jù)信息，幫助車輛區(qū)分行人、騎行者、汽車等交通參與者，以及車道線、信號燈、障礙物等靜態(tài)物體；隨后借助行為預(yù)測系統(tǒng)，軟件盡可能預(yù)測道路上各個物體的運動趨向，確保車輛行駛在保持安全的同事，盡可能地高效；在獲得感知和行為預(yù)測提供的信息后，規(guī)劃器能夠為車輛規(guī)劃出合理的路徑，而這一過程需要盡可能保證車輛行駛的安全、順暢和平穩(wěn)。特斯拉特斯拉作為現(xiàn)今在自動駕駛領(lǐng)域“聲音”最大的企業(yè)，選擇了與 Waymo不同的開發(fā)思路。特斯拉在開發(fā)自動駕

25、駛時，著眼的是改變用戶體驗，車輛本身并沒有變化，更多地是以賦能的形式呈現(xiàn)，讓特斯拉的車輛在具有自動駕駛功能后，與市場上的其他競品根本性地區(qū)別開來。而從技術(shù)上來說，相比于 Waymo 及其他企業(yè)普遍采用的“強(qiáng)感知+強(qiáng)智能”路徑，特斯拉摒棄了成本高昂的激光雷達(dá)，采用高清攝像頭為主，毫米波雷達(dá)為輔的“弱感知+超強(qiáng)智能”，以軟件決策為核心搭建其自動駕駛平臺。在特斯拉的傳感器方案中共有 8 個攝像頭，其中包括了 3 個前視主攝像頭（廣角、主攝、窄視各一個）、2 個側(cè)方前視攝像頭、2 個側(cè)方后視攝像頭，以及 1 個后視主攝像頭，此外還有車身周圍共 12 個超聲波雷達(dá)和 1 個車頭雷達(dá)。圖 6. 特斯拉傳感

26、器分布資料來源：Wevolver2020 自動駕駛技術(shù)報告算法方面特斯拉綜合采用了 CNN（Convolutional Neural Networks，卷積神經(jīng)網(wǎng)絡(luò)）、RNN（Recurrent Neural Networks，遞歸神經(jīng)網(wǎng)絡(luò)）、DRL（Deep Reinforcement Learning，深度強(qiáng)化學(xué)習(xí)）三種主流機(jī)器學(xué)習(xí)算法，從而提高了準(zhǔn)確度并降低了硬件算力需求。而除了其內(nèi)部的路試之外，特斯拉還依托其目前龐大的客戶數(shù)量，獲得更多的數(shù)據(jù)，從而通過訓(xùn)練不斷迭代升級其自動駕駛系統(tǒng) AutoPilot。另外，與其他廠商不同的是，特斯拉會展望無地圖技術(shù)路徑，即在對車輛定位和路徑規(guī)劃的過程

27、中完全依賴傳感器對外部的感知，而不需要借助高精度地圖等基礎(chǔ)數(shù)據(jù)庫類型的支持（目前仍然依賴高精度地圖）。沃爾沃-Uber沃爾沃在 2016 年就與Uber 達(dá)成了戰(zhàn)略協(xié)議，共同開發(fā)自動駕駛汽車與技術(shù)。與 Waymo 相比，其技術(shù)方案在考量的側(cè)重點有所不同。相比 Waymo，沃爾沃-Uber 在 XC90 上使用了更多的攝像頭來增強(qiáng)其視覺傳感系統(tǒng)，其中包括車頂?shù)囊粋€前視攝像頭和一個車側(cè)及車尾攝像頭、進(jìn)氣格柵處的一個前視攝像頭、兩側(cè)后視鏡上的側(cè)視攝像頭，以及車尾的后視攝像頭。另外，沃爾沃-Uber 還使用了一前一后各一個超聲波雷達(dá)，以及前后兩側(cè)各一個毫米波雷達(dá)，以及車頂?shù)囊粋€激光雷達(dá)。圖 7. 沃爾

28、沃-Uber 傳感器分布資料來源：Wevolver2020 自動駕駛技術(shù)報告而在沃爾沃最新發(fā)布的 Recharge 概念車上，搭載了 Luminar 供應(yīng)的第三代 Iris 激光雷達(dá)傳感系統(tǒng)，整套系統(tǒng)由 1 個激光雷達(dá)、8 個攝像頭、5 個毫米波雷達(dá)和 16 個超聲波雷達(dá)組成；整套自動駕駛軟件的開發(fā)商則是沃爾沃旗下自由的科技公司 Zenseact，搭載了可提供單片算力 254TOPS 的英偉達(dá) Orin 自動駕駛芯片。據(jù)外媒 InsideEVs 報道，沃爾沃這款新車已經(jīng)被 SAE 定義為 L3 級自動駕駛，計劃將率先向美國加州用戶推出，在其全新純電旗艦 SUV 上提供訂閱，并在今年晚些時候發(fā)布

29、這款全新車型。總結(jié)及其他目前主流的自動駕駛技術(shù)路線有兩條，二者的分歧在于是否采用激光雷達(dá)，而在“不用激光雷達(dá)”的陣營中目前基本上只有特斯拉一家，幾乎所有其他企業(yè)都或多或少地依賴激光雷達(dá)，而出現(xiàn)這種分歧的核心原因在于激光雷達(dá)具有最好的感知性能的同時，也有著最高昂的成本。特斯拉CEO 馬斯克曾多次表示對于自動駕駛系統(tǒng)使用激光雷達(dá)的不屑，其曾經(jīng)公開表示“激光雷達(dá)很愚蠢。任何使用激光雷達(dá)的都會完蛋”（Lidar is a fool. Anyone relying on Lidar is doomed），而事實上激光雷達(dá)在出現(xiàn)的前幾年成本都顯得過于昂貴，使其完全不具備商業(yè)價值，因此即便使用激光雷達(dá)可以有

30、效提升自動駕駛系統(tǒng)的性能，對于特斯拉這家期望快速商業(yè)化的企業(yè)來說，性能的提升并不能抵消其對于成本的考量。然而隨著技術(shù)進(jìn)步，目前車載激光雷達(dá)逐漸摒棄了成本高昂的機(jī)械式設(shè)計，同時隨著產(chǎn)品上量，規(guī)模效應(yīng)也顯著地降低了車載激光雷達(dá)的裝載成本，因此基于激光雷達(dá)強(qiáng)大的性能，其商業(yè)價值也開始逐漸顯現(xiàn)。因此盡管馬斯克多次公開反對激光雷達(dá)路線，但實際上在特斯拉多次發(fā)生自動駕駛系統(tǒng)導(dǎo)致的事故的情況下，基于激光雷達(dá)成本逐漸下降趨勢的事實，已經(jīng)有外媒報道在海外 Model Y 的路試車上看到了搭載的激光雷達(dá)。從技術(shù)本身來看，激光雷達(dá)仍然是目前自動駕駛系統(tǒng)中性能表現(xiàn)最好的，而因為激光雷達(dá)的降本有很大一部分來自規(guī)模效應(yīng)，

31、后續(xù)隨著產(chǎn)量提高，激光雷達(dá)的成本也有快速下降的基礎(chǔ)。因此綜合來看，在沒有新的革命性技術(shù)出現(xiàn)的情況下，搭載激光雷達(dá)仍將是自動駕駛解決方案中的關(guān)鍵一環(huán)。其他相關(guān)配套設(shè)施OTAOTA 全稱為 Over The Air technology，即空中下載技術(shù)，指的是通過移動通信的接口實現(xiàn)對軟件進(jìn)行遠(yuǎn)程管理、升級等操作的技術(shù)。當(dāng)車輛軟件需要升級時，傳統(tǒng)的做法是到 4S 店通過整車 OBD 對相應(yīng)的 ECU 軟件完成升級操作。這項技術(shù)最早被廣泛應(yīng)用于智能手機(jī)，目前很多汽車也都提供了 OTA 功能。隨著汽車智能化程度越來越高，OTA 所能實現(xiàn)的功能也越來越多，目前車輛 OTA 的更新范圍通常涵蓋了涉及自動駕駛

32、、人機(jī)交互、動力、BMS 等領(lǐng)域。前文提到，目前自動駕駛技術(shù)還處在相對早期，因此軟件端的技術(shù)迭代非?？臁；诖耍蠖鄶?shù)車企往往都會在車輛上搭載性能冗余的硬件，而后通過 OTA 的方式將學(xué)習(xí)成長后的軟件不斷同步到用戶端，從而保證用戶車輛上的自動駕駛程序盡可能保持最新。OTA 具有明顯的便捷性優(yōu)勢。對于車主來說，OTA 幫他們省去了頻繁往返 4S 店的麻煩，同時也節(jié)省了時間和金錢；而對于車企來說，OTA 技術(shù)不僅省去了反復(fù)召回客戶的溝通成本，也通過這種方式加強(qiáng)了產(chǎn)品的競爭力，也因此現(xiàn)在 OTA 在乘用車端的滲透率不斷提高。V2X & 5G 車聯(lián)網(wǎng)目前廣泛應(yīng)用的自動駕駛技術(shù)中，普遍還是以車輛單向感知為主，通過攝像頭、雷達(dá)等設(shè)備實現(xiàn)對外部環(huán)境的感知。而這種方式對傳感器的精度、響應(yīng)速度、處理能力等都有極高的要求，所以“車路協(xié)同”的概念就被提了出來。V2X，Vehicle To Everything，指的是車輛與外部的信息交換，其中主要包括 V2N（車輛與網(wǎng)絡(luò)/云）、V2V（車輛與車輛）、V2I（車輛與道路基礎(chǔ)設(shè)施）、V2P（車輛與行人），通過這種近乎于萬物互聯(lián)的方式，使得車輛在行駛過程中能夠提前獲知外部信息，從而檢測隱藏的威脅并擴(kuò)大自動駕駛感知范圍，