一、自動(dòng)駕駛歷史及定義

早期（1925~2016），自動(dòng)駕駛雛形建立

自動(dòng)駕駛的研究歷史悠久，是人類的終極夢(mèng)想之一。早在1925年，就誕生了人類歷史上第一輛“無人駕駛汽車”,由一位來 自美國陸軍的電子工程師Francis P. Houdina，通過無線電波來控制前方車輛的方向盤，離合器，制動(dòng)器等部件來完成的， 至今已近百年歷史。自此之后，人們主要利用攝像頭進(jìn)行數(shù)據(jù)采集并指導(dǎo)車輛進(jìn)行自動(dòng)駕駛。u 自21世紀(jì)初的美國DARPA挑戰(zhàn)賽加入激光雷達(dá)之后，現(xiàn)代意義的自動(dòng)駕駛汽車雛形已經(jīng)確立。當(dāng)DARPA挑戰(zhàn)賽的參賽車 隊(duì)使用攝像頭、激光雷達(dá)等傳感器設(shè)備以及計(jì)算設(shè)備，實(shí)現(xiàn)了車輛的自動(dòng)駕駛后，人們意識(shí)到了自動(dòng)駕駛的可行性，科技公 司（如Waymo）和整車廠（奧迪、沃爾沃）等紛紛開展相關(guān)的研究。隨著相關(guān)企業(yè)的不斷投入，相關(guān)產(chǎn)業(yè)鏈也日臻完善。

爆發(fā)期（2016~至今），深度綁定人工智能

自動(dòng)駕駛是人工智能實(shí)現(xiàn)場(chǎng)景落地的重要方向：人工智能的主要細(xì)分技術(shù)，包括機(jī)器視覺，深度學(xué)習(xí)，增強(qiáng)學(xué)習(xí)、傳感器 技術(shù)等均在自動(dòng)駕駛領(lǐng)域發(fā)揮著重要的作用，自動(dòng)駕駛發(fā)展的瓶頸主要在于這些人工智能底層技術(shù)上能否實(shí)現(xiàn)突破。u 科技企業(yè)、造車新勢(shì)力紛紛加入智能化汽車的競(jìng)爭(zhēng)。自動(dòng)駕駛行業(yè)迎來爆發(fā)期，呈現(xiàn)快速發(fā)展的新格局。除了谷歌、百度 等軟件科技企業(yè)外，偏硬件的公司如小米、華為、英偉達(dá)、蘋果等巨頭也紛紛加入自動(dòng)駕駛汽車領(lǐng)域的研究，還有特斯拉、 蔚來、小鵬以及眾多傳統(tǒng)車企也紛紛開展自動(dòng)駕駛的研究，整個(gè)市場(chǎng)呈現(xiàn)快速發(fā)展的勢(shì)頭。

自動(dòng)駕駛分類及技術(shù)路線：L1~2與L3+

目前有自上而下與自下而上兩種自動(dòng)駕駛研發(fā)思路。 一種是不考慮成本的研究L4+級(jí)完全自動(dòng)駕駛，代表 企業(yè)有谷歌的Waymo、通用的Cruise、百度的 Apollo等，目前其實(shí)現(xiàn)自動(dòng)駕駛的系統(tǒng)成本在數(shù)十萬 到百萬元人民幣以上；另一種主要是車企，他們要考 慮成本因素，所以一般是自下而上的，由低級(jí)別的自 動(dòng)駕駛開始逐漸提升水平，目前商業(yè)化的汽車基本上 可以達(dá)到L2級(jí)ADAS （Advanced driver-assistance systems）水平，代表企業(yè)有特斯拉、奧迪、蔚來、 小鵬等。

二、環(huán)境感知系統(tǒng)

純視覺or多傳感器融合，決策權(quán)重各有不同

感知是實(shí)現(xiàn)自動(dòng)駕駛極為重要的一環(huán)。只有車輛能夠感知并且可以正確識(shí)別周圍物體的時(shí)候，才能給決策機(jī)構(gòu)正確的輸入 信號(hào)從而實(shí)現(xiàn)自動(dòng)駕駛。主流的環(huán)境感知設(shè)備有攝像頭、超聲波雷達(dá)、毫米波雷達(dá)以及激光雷達(dá)等。

從技術(shù)路線上分為純視覺和多傳感器融合兩種：一種是以特斯拉為代表的視覺方案，主要依賴攝像頭等成本較低的傳感器 而不使用成本較高的激光雷達(dá)（據(jù)2021年7月的最新消息，特斯拉FSD Beta9方案也不采用毫米波雷達(dá)數(shù)據(jù)，只使用攝像 頭數(shù)據(jù)）。這種技術(shù)路線把更多精力放在研發(fā)強(qiáng)大的視覺算法及專用AI芯片的能力來處理自動(dòng)駕駛可能遇到的所有情況；另一種是絕大多數(shù)科技公司以及車企所采用的多傳感器融合方案，因?yàn)橐阅壳暗募夹g(shù)發(fā)展水平來看，沒有一個(gè)傳感器能夠 完成自動(dòng)駕駛所需的全部功能，因此利用攝像頭以及各種雷達(dá)進(jìn)行環(huán)境感知，綜合進(jìn)行自動(dòng)駕駛決策。

純視覺更依賴視覺算法，多傳感器融合需要解決不同傳感器數(shù)據(jù)匹配問題。視覺算法目前存在測(cè)距不準(zhǔn)、惡劣天氣適應(yīng)性 差等缺陷，對(duì)于算法是否能夠彌補(bǔ)這些缺陷，學(xué)術(shù)界尚存在爭(zhēng)議，不過這種路線的好處是硬件成本低，而且不需要為決策 權(quán)重分配而苦惱；多傳感器融合的好處是可以發(fā)揮不同傳感器的優(yōu)勢(shì)，但硬件成本高，且需要預(yù)設(shè)算法分配不同傳感器的 決策權(quán)重，這也為判斷帶來一定隱患。

三、決策規(guī)劃系統(tǒng)

汽車電氣架構(gòu)：由分散式到集中式

分散式-集中式架構(gòu)的演變：為了實(shí)現(xiàn)智能化自動(dòng)駕駛，需要非常多的車載傳感器進(jìn)行環(huán)境探測(cè)。攝像頭/激光雷達(dá)/毫米波雷 達(dá)模塊的數(shù)據(jù)流可達(dá)數(shù)千Mbps，傳統(tǒng)的LIN/CAN總線無法傳輸這么大的數(shù)據(jù)量。各個(gè)傳感器得到的數(shù)據(jù)通常還需要由一個(gè)統(tǒng) 一的大腦來分析做出決策，傳統(tǒng)的硬件架構(gòu)都是單一ECU來控制單一傳感器，架構(gòu)比較分散，需要進(jìn)行集中化升級(jí)。汽車電氣 化架構(gòu)升級(jí)的路徑為：

1. 硬件架構(gòu)升級(jí)：分布式（從模塊化到集成化）到域集中（從域控制集中到跨域融合）再到車輛集中（車載電腦→車-云計(jì) 算）。其優(yōu)點(diǎn)是：由各個(gè)微處理器MCU處理單一數(shù)據(jù)到統(tǒng)一的CPU/AI芯片來處理不同傳感器發(fā)送的數(shù)據(jù)，這樣不僅可 以優(yōu)化算力利用率，還可以實(shí)現(xiàn)整車數(shù)據(jù)融合，實(shí)現(xiàn)整車功能協(xié)同；與此同時(shí)，新的架構(gòu)還可以縮短線束，減輕質(zhì)量。

2. 軟件架構(gòu)升級(jí)：提供標(biāo)準(zhǔn)接口定義，模塊化設(shè)計(jì)，促使軟硬件解耦分層，實(shí)現(xiàn)軟硬件設(shè)計(jì)分離。優(yōu)點(diǎn)是：可實(shí)現(xiàn)軟件/固 件OTA升級(jí)、軟件架構(gòu)的軟實(shí)時(shí)、操作系統(tǒng)可移植；采集數(shù)據(jù)信息多功能應(yīng)用，有效減少硬件需求量，真正實(shí)現(xiàn)軟件定 義汽車。

3. 通信架構(gòu)升級(jí)：車載網(wǎng)絡(luò)骨干由LIN/CAN總線向MOST和以太網(wǎng)方向發(fā)展。其優(yōu)點(diǎn)是：滿足高速傳輸、高通量、低延遲 等性能需求。

決策“大腦”：硬件+軟件+操作系統(tǒng)

無人駕駛決策系統(tǒng)主要包括硬件平臺(tái)、軟件及操作系統(tǒng)三個(gè)部分。在自動(dòng)駕駛中，傳感器從環(huán)境中收集數(shù)據(jù)，并將這些數(shù)據(jù) 提供給硬件平臺(tái)進(jìn)行感知和動(dòng)作的計(jì)算，然后再將動(dòng)作規(guī)劃發(fā)送到控制平臺(tái)進(jìn)行執(zhí)行。在硬件之上，還需要一個(gè)操作系統(tǒng)來 協(xié)調(diào)這些組件之間所有的通信，并協(xié)調(diào)不同實(shí)時(shí)任務(wù)的資源分配。決策（功能）軟件實(shí)時(shí)處理硬件產(chǎn)生的數(shù)據(jù)，并根據(jù)處理 的結(jié)果發(fā)出相應(yīng)的指令給執(zhí)行系統(tǒng)，以達(dá)到自動(dòng)駕駛的目的。應(yīng)用軟件給智能汽車的操控帶來極大的便捷，也使汽車有望成 為新的萬物交互的終端。

自動(dòng)駕駛是AI（人工智能）最大的落地應(yīng)用場(chǎng)景。自動(dòng)駕駛從本質(zhì)上來說是要讓車輛擁有與人類一樣的觀察與思考的能力， 因此AI技術(shù)水平的發(fā)展對(duì)于自動(dòng)駕駛能力起著決定性的作用，自動(dòng)駕駛也為遲遲無法商業(yè)化的AI技術(shù)找到了巨大的市場(chǎng)。

決策軟件：數(shù)據(jù)處理+決策規(guī)劃，是核心競(jìng)爭(zhēng)力

決策軟件（算法）作為自動(dòng)駕駛的“大腦”， 是理解以及實(shí)施決策的基礎(chǔ)，是自動(dòng)駕駛的核 心競(jìng)爭(zhēng)力：主要包括視覺算法、雷達(dá)算法等傳 感器數(shù)據(jù)處理和融合，以及路徑規(guī)劃、行為決 策與動(dòng)作規(guī)劃等部分。

科技公司、造車新勢(shì)力與傳統(tǒng)整車廠都在積極 布局軟件的研發(fā)能力，科技公司和造車新勢(shì)力 的決策軟件（算法）能力領(lǐng)先。科技公司，例 如谷歌Waymo、百度Apollo、英特爾的 Mobileye以及國內(nèi)的AI公司地平線、小馬智 行等，對(duì)算法擁有較強(qiáng)的開發(fā)能力。對(duì)于車企 來說，造車新勢(shì)力中，特斯拉、蔚來和小鵬擁 有較為全面的自主研發(fā)算法的能力，并且依靠 快速增長的用戶積累了很多實(shí)戰(zhàn)經(jīng)驗(yàn)，算法能 力增長很快；傳統(tǒng)車企如今仍以與第三方公司 合作為主，但也開始逐步培養(yǎng)自主開發(fā)團(tuán)隊(duì)， 以期獲得自主研發(fā)能力。

車載視覺算法實(shí)現(xiàn)包括交通標(biāo)志、車輛行人的 識(shí)別、物體距離（速度）測(cè)量：隨著攝像頭的 硬件技術(shù)不斷進(jìn)步，攝像頭的圖像采集能力與 人眼不相上下。人能夠憑借眼睛來觀察路況， 主要是因?yàn)槿丝梢愿鶕?jù)看到的圖像去理解駕駛 環(huán)境；同樣的，對(duì)于車載攝像頭來說，最重要 的任務(wù)就是讓其能夠“看懂”畫面的含義。

激光雷達(dá)算法是讓其作用不僅限于速度測(cè)量， 而可以進(jìn)行目標(biāo)分類、跟蹤識(shí)別、軌跡預(yù)測(cè)和 SLAM等高階功能，助力車輛對(duì)周邊環(huán)境的理 解能力。

四、控制執(zhí)行系統(tǒng)

電氣化實(shí)現(xiàn)自動(dòng)駕駛控制優(yōu)勢(shì)：穩(wěn)定/準(zhǔn)確/快速

汽車的電氣化不僅包括從化石燃料到電池的動(dòng)力升級(jí)，還包括從機(jī)械控制到電子控制的控制系統(tǒng)升級(jí)。

電機(jī)在穩(wěn)定性、快速性、準(zhǔn)確性等控制方面都強(qiáng)于內(nèi)燃機(jī)。對(duì)于的控制執(zhí)行來說，電機(jī)要遠(yuǎn)遠(yuǎn)優(yōu)于內(nèi)燃機(jī)。電機(jī)的扭矩脈動(dòng)小 ，穩(wěn)定性更好；電機(jī)整個(gè)傳動(dòng)系統(tǒng)更簡(jiǎn)單，其準(zhǔn)確性更高；電機(jī)的扭矩響應(yīng)更快，其快速性也越好。

電動(dòng)化是汽車升級(jí)的上半場(chǎng)，智能化將會(huì)是汽車升級(jí)的下半場(chǎng)。電動(dòng)汽車的普及加速了汽車電氣化的升級(jí)，而電氣化也在加速 汽車智能化的發(fā)展，兩者相輔相成，共同快速發(fā)展。

控制執(zhí)行：自動(dòng)駕駛與電氣化相互促進(jìn)發(fā)展

自動(dòng)駕駛控制的核心技術(shù)就是車輛的縱向控制和橫向控制?？v向控制車輛的油門和制動(dòng)，而橫向控制的是轉(zhuǎn)向（方向盤角度 ）。將機(jī)械的控制信號(hào)轉(zhuǎn)變?yōu)殡娦盘?hào)，延遲低且操控更精確，但現(xiàn)有的電氣化部件通常壽命短、安全系數(shù)低且價(jià)格很高，綜 合成本不具備優(yōu)勢(shì)，市場(chǎng)規(guī)模較小。隨著自動(dòng)駕駛的不斷升級(jí)，可量化的電信號(hào)天生就適合計(jì)算機(jī)控制，因此電氣化又開始 受到汽車廠商的關(guān)注，進(jìn)入到了快速發(fā)展的時(shí)代。

五、解決方案供應(yīng)商

解決方案供應(yīng)商的角色定位

如何實(shí)現(xiàn)商業(yè)化：被車廠收購或進(jìn)行戰(zhàn)略合作？自己下場(chǎng)造車？

車輛產(chǎn)生的數(shù)據(jù)在“軟件定義汽車”中所占的地位越來越重要：不擁有車輛的第三方，如何與車廠進(jìn)行數(shù)據(jù)歸屬分配？

科技公司的角色定位：如何與車廠進(jìn)行算法共享？如何解決車廠的避免淪為代工廠的自研努力？

Waymo：L4+級(jí)自動(dòng)駕駛領(lǐng)域的領(lǐng)跑者

自動(dòng)駕駛技術(shù)的標(biāo)桿企業(yè)，路測(cè)數(shù)據(jù)及專利數(shù)量常年保持領(lǐng)先：Waymo剛開始是Google于2009年1月開啟的一項(xiàng)自動(dòng)駕駛 汽車計(jì)劃，其主要負(fù)責(zé)人為參與過DARPA挑戰(zhàn)賽的Sebastian Thrun（斯坦福大學(xué)人工智能實(shí)驗(yàn)室SAIL負(fù)責(zé)人）和Anthony Levandowski（自動(dòng)駕駛公司510 Systems的創(chuàng)立者）。2016年12月由Google獨(dú)立出來，成為Alphabet公司旗下的子公司，專 注于研發(fā)最高級(jí)別L4~L5的自動(dòng)駕駛技術(shù)。加州車管所公布了2020年自動(dòng)駕駛的路測(cè)數(shù)據(jù)，Waymo在平均接管兩次間可行駛里 程這個(gè)指標(biāo)中排名第一，在測(cè)試?yán)锍讨信琶诙aymo的有效專利數(shù)也是常年領(lǐng)先，近三年增速降低，但仍排在前三位。

目前的商業(yè)化模式有：自動(dòng)駕駛出租（鳳凰城的Robotaxi）、卡車貨運(yùn)、物流配送、軟件授權(quán)服務(wù)四大業(yè)務(wù)場(chǎng)景。

Mobileye：領(lǐng)先的L2級(jí)解決方案提供者

視覺方案自動(dòng)駕駛的先驅(qū)和L2級(jí)視覺解決方案的主要供應(yīng)商：1999年，谷歌自動(dòng)駕駛項(xiàng)目開始的十年前，以色列希伯來大學(xué)教 授Amnon Shashua（他在讀一篇論文時(shí)注意到，在某些情況下，人類在閉上一只眼睛的情況下仍然能夠判斷距離）發(fā)現(xiàn)視覺技 術(shù)用于汽車安全的可能性，創(chuàng)辦Mobileye，致力于用單目視覺來解決三維立體環(huán)境中的測(cè)距問題。自創(chuàng)立公司以來，Mobileye 獲得了視覺輔助駕駛領(lǐng)域的多項(xiàng)第一并提供了包括行人檢測(cè)、車道保持和自適應(yīng)巡航等輔助駕駛技術(shù)。

到2020年底，Mobileye 累計(jì)售出約7330萬枚EYEQ芯片（內(nèi)含算法解決方案），在L2+方案的市場(chǎng)占有率約為70%。EYEQ系列芯片出貨量由2014年的 270萬片提升至2020年的1930萬片，CAGR為38.8%。同時(shí)，Mobileye營收持續(xù)快速增長，2014-2020年總營收CAGR為37.4% 。2017年3月，Mobileye被芯片巨頭英特爾以153億美元的價(jià)格收購，成為以色列科技公司有史以來最大的一次收購。

六、整車廠

整車廠路線概述：純視覺VS多傳感器融合

特斯拉堅(jiān)持純視覺路線，利用視覺算法優(yōu)勢(shì)節(jié)省硬件成本：硬件成本低，用算法挖掘攝像頭潛力，用純視覺來解決自動(dòng) 駕駛。優(yōu)勢(shì)是普適性強(qiáng)，劣勢(shì)是無法解決長尾效應(yīng)，安全系數(shù)不夠高，L4+級(jí)無安全冗余很難得到通過。

小鵬蔚來等中國汽車企業(yè)，采用多手段融合助力ADAS能力：視覺算法能力無法超越特斯拉，因此采用激光雷達(dá)+高精 地圖+攝像頭等多傳感器共同判斷，依靠中國強(qiáng)大的基建實(shí)力以及領(lǐng)先的5G基站數(shù)量可以實(shí)現(xiàn)車輛網(wǎng)的優(yōu)勢(shì)，達(dá)到安全 冗余來實(shí)現(xiàn)自動(dòng)駕駛的方案。優(yōu)勢(shì)是安全系數(shù)高，以目前的技術(shù)能力來看是商業(yè)化達(dá)到L5的較為可靠的路徑；劣勢(shì)是目 前成本高（激光雷達(dá)貴），高精地圖繪制成本高，無法做到所有區(qū)域全覆蓋。

特斯拉：類蘋果模式，核心軟硬件均自研

攝像頭為主+毫米波雷達(dá)為輔+自研自動(dòng)駕駛芯片和算法全 部自研，形成算力、算法、數(shù)據(jù)閉環(huán)：從特斯拉自動(dòng)駕駛的近 些年發(fā)展路線來看，其傳感器變化不大，主要變化方向是在芯 片及算法領(lǐng)域。首先，芯片從Mobileye（EyeQ3）和英偉達(dá) （Terga3）購買，算法也由Mobileye提供。但特斯拉在和 Mobileye在攝像頭數(shù)據(jù)的歸屬上產(chǎn)生了分歧后轉(zhuǎn)向算法自研 。由于Mobileye的芯片和算法是綁定的，所以特斯拉首先向 英偉達(dá)（TergaParker，Pasca）購買芯片，后自研芯片，形 成了車企唯一一家實(shí)現(xiàn)芯片+算法全自研，再加上特斯拉百萬 輛車的真實(shí)路測(cè)數(shù)據(jù)，特斯拉可以迅速迭代自己的軟件和修改 自己的芯片硬件等，使其方案達(dá)到其他車企難以企及的能力。

報(bào)告節(jié)選：