三、2040年75％汽車達到自動駕駛

引言：自1879年，卡爾本茨的第一輛賓士起，汽車的歷史已經接近140年，這140年以來，汽車的形態發生了翻天覆地的變化，那麼在未來，汽車行業是否會發生更加劇烈的變化呢？20年後的汽車將會是什麼樣的？今天，由NE研究院為大家帶來日經新聞對未來20年以後汽車行業大預測。

2040年，道路交通的主角變成了自動駕駛汽車，駕照幾乎沒有了必要。除了減少交通事故，自動駕駛車輛通過感測器24小時守護城市，防止犯罪。汽車將從交通工具發展到支持社會安全保障的基礎設施。實現自動駕駛不可或缺的感測器和人工智慧（AI）技術也將實現飛躍性的進步。激光雷達（LIDAR）感測器的單價可能降低到不足50美元，開始廣泛普及。AI除了能識別車輛內外部的情況，還能執行一部分像人類才能進行的判斷與推測。

自動駕駛汽車達到75%

目前，多家汽車製造商計划到2025年將向市場投放全自動駕駛4級水平的汽車（圖1）。私家車的情況是2、3、4級自動駕駛水平逐步上升的方向。德國奧迪於2017年10月發布的旗艦轎車「A8」屬於全球首發自動駕駛3級對應的車型（圖2）。但是，目前僅限德國，而且從2018年開始才能提供等級3的功能，注1）。同時奧迪的目標是在2020年4級水平的完全自動駕駛。

注1）上述所謂3級水平，僅限於擁堵狀況下的高速公路，速度在60km/h以下，而且僅在單車道內行駛。自動駕駛模式時，駕駛者必須觀察周圍的環境，如果情況異常，需要立即切換為人工駕駛。為此，可以在車載顯示器上觀看電視，但是禁止觀看智能手機。此外目前正處於等待德國相關審查機構批准的狀態，除非獲得批准，否則還不能使用。

圖1 各國自動駕駛汽車的導入計劃

與私家車將2,3,4級逐級升級自動駕駛水平的趨勢不同，面向調度服務等的車輛將在早期直接升級到4級水平。根據中西汽車產業諮詢公司數據創建。

圖2 現在的自動駕駛汽車

（a）奧迪2017年10月發布的旗艦轎車「A8」，全球首發自動駕駛3級對應。（b）特斯拉的EV汽車「Model 3」計劃通過更新車載軟體來對應4級水平自動駕駛。（c）Waymo公司將於2018年開始測試4級水平無人駕駛汽車調度服務。（d）通用汽車將在2019年開始4級水平無人駕駛調度服務。

在MaaS（Mobility as a Service）等調度服務應用中，預計將率先實現4級無人駕駛。美國谷歌的子公司Waymo公司於2017年11月宣布，將在美國亞利桑那州啟動使用4級自動駕駛汽車的無人值守調度服務測試，該測試計劃2018年後面向普通市民的上下班與上下學提供配車服務。雖然目前該服務的價格比較昂貴，但由於MaaS「目的是通過系統代替駕駛人員的人工成本」，我們可以期待真正的商業化使用。

有預測指出，2040年道路上行駛的車輛75％將會實現自動駕駛，駕駛執照幾乎不再需要。無人駕駛的機器人計程車很有可能每天24小時在城市周圍運行，提供配車服務的同時，還能提供區域安全服務。使用先進的機器人計程車感測器檢測人群中的可疑行為，發現高犯罪可能性時進行通報。

LIDAR價格做到50美金以下

各種感測器的低價化支援了自動駕駛汽車的普及。特別是對於3級以上水平的自動駕駛車輛，利用激光LIDAR來測量車輛周圍物體的形狀和距離幾乎是必不可少的。LIDAR(激光雷達)在目前情況下價格大約為1000美元，但是據說在2020年後，價格可能會下降到不足100美元，2030年後不到50美元。矢野研究所（Yano Research Institute）預測，在感測器低價化的背景下，3級和4級水平的新車市場將在2030年擴大到約2,000萬輛的規模（圖3）。

圖3 2030年3級以上水平的市場規模約為2000萬輛/年

上圖中預測數量為乘用車以及3.5T以下的商用車中搭載了自動駕駛系統的新車台數。2015年為實際值，2020年至2030年為預測值，根據矢野研究所資料創建。

在當前的LIDAR中，用於旋轉激光束的反射鏡由電機驅動旋轉，這種旋轉機構很難減小LIDAR的尺寸和成本。因此，先鋒公司開發了借鑒半導體工藝而製造的MEMS（微機電系統）反射鏡技術（圖4）。

圖4LIDAR的小型低成本化取得了進展

（a）採用MEMS技術的先鋒LIDAR。（b）由ZF公司與Ibeo Automotive Systems公司合作開發的flash式固態LIDAR。（c）QuanergySystems公司使用光學相控陣方法的固態LIDAR。

德國ZF(采埃孚)與Ibeo汽車系統公司合作開發的flash式LIDAR完全去除了運動部件，這一開發正在加速進行中。而美國Quanergy Systems公司正在開發被稱為「光學相控陣方法」的固態LIDAR。2020年之後兩者的目標都將低於100美元。

AI的角色從「認知」轉為「判斷」

除了感測器之外，對於自動駕駛汽車來說不可缺少的是相當於大腦（演算法）的AI（圖5）。AI根據感測器信息進行識別與判斷，從而實現控制轉向，加速和剎車等的自動駕駛。目前開發中的3級以上水平的自動駕駛車輛，基本上都以能使用AI對車輛或行人進行深度識別（deep learning）作為先決條件。因為描述人類的程序難以處理複雜的外部環境。

圖5 AI(人工智慧)電腦負責自動駕駛車輛的識別和判斷

目前使用AI進行「車輛外部識別」的案例很多。而今後，不僅是車輛外部，AI還將負責識別司機和乘客的「車輛內部識別」領域，以及關聯車輛控制的「判斷」領域。

目前人工智慧的應用範圍主要局限於車外識別，但今後將延伸到車內識別。在3級自動駕駛車輛中，當系統不能自動操作時，需要將操作許可權轉給駕駛員。因此，AI分析駕駛員的面部表情和姿勢，身體信號等，不斷監測司機是否醒著或瞌睡了。而在4級水平，AI還能觀察所有乘客在車內是否舒適，有沒有危險發生，必要時採取措施，例如通過控制中心呼叫車內的乘客等。

另一方面，根據識別結果進行判斷的部分，由於與生命安全相關，目前使用人類編寫的程序。然而，隨著未來自動駕駛水平的提高，很多觀點認為AI會逐漸進入判斷領域。例如，美國NVIDIA公司開發了人工智慧「PilotNet」系統，該系統能夠學習熟練駕駛人員的駕駛方法。（參見參考資料）。AI可以從各種路線中選擇最為安全舒適的轉彎路線。NVIDIA公司的高級方案架構師室河徹先生表示NVIDIA的目標是在2020年代前半期內實現上述技術的商業化。

此外，還能使用AI判斷是否自動駕駛車輛可以插入擁堵車道內，當自動駕駛車輛靠近堵塞車道時，AI能夠根據其他車輛的移動或者駕駛人員的表情，判斷能否插進道路。類似這樣的複雜處理對於編寫的程序來說是非常困難的，所以「AI自己學習是必不可少的」（Denso Advanced Research 第4部門部長奧野英一先生表示）。而這一商業化應用預計要到2025年以後。

奧野英一先生提到，AI的課題在於「出現問題時很難分析原因」。與程序設置不同，AI是一個黑箱，其內部行為人類無法理解。因此，為了保障人工智慧的質量，「開發能夠詳細分析AI行為的技術」是必不可少的。此外，為了確保人身安全，同時並用編寫的程序作為「最後的保障」也是必要的。

通過新型半導體降低了2位數以上的電力消耗

目前，負責AI處理的車載計算機主要使用GPU。擅長並行運算的GPU適合用於實時識別車輛和行人的應用程序（通過deep learning實現）（圖6）。

圖6 使用GPU進行圖像識別的案例研究

（a）至（d）顯示日本市區的Demo狀態。為了實時識別眾多行人和車輛，需要高性能的GPU（基於NVIDIA的數據創建）。

未來，GPU所需的性能將呈指數級增長。除了擴大AI的適用範圍之外，「通過使用多個AI來提高系統的可靠性，甚至有可能出現冗餘」（室河先生）。為了響應這些需求，NVIDIA在2017年10月推出了AI計算機「DRIVE PX Pegasus」，該產品以320TOPS的高DeepLearning性能，比傳統產品性能高出了1位小數位（圖7）。目前NVIDIA假定該產品將用於自動駕駛級別5級的機器人計程車上。

圖7 NVIDIA公司的車載AI計算機「DRIVE PX Pegasus」

GPU的課題是很難降低功耗。今後半導體工藝的進化雖然還會繼續，但工作電壓已經逐漸停止下降，基本上很難再降低功耗。為此，行業出現使用新的工作原理的半導體來降低功耗的動向。DENSO開發的稱為「記憶之星」的技術與目前的GPU相比，就可以將功耗降低兩個數量級左右（圖8）。

圖8 新型Device的低功耗化

（a）神經網路由模擬大腦神經迴路的突觸和神經元組成。通過採用「記憶之星」作為突觸，CMOS作為神經元，單位功耗達到100TOPS/W，比現有水平提高了2個小數位。（b）使用記憶之星的試驗機可以識別手寫文字（根據電裝公司資料製作）。

「記憶之星」屬於非易失性存儲器的一種，使用了電阻變化型存儲器（ReRAM）技術。存儲元件的電阻保持為模擬值狀態，根據施加在電阻上的電壓和流動電流來執行deep learning所需要的必要運算。在用數字電路進行演算時，需要在計算器和存儲器之間頻繁交換數據，功耗往往較大。但是如果使用「記憶之星」的話，只需要少量電流通過元件即可完成計算，從而大大降低了功耗。

電裝公司已經開發出試驗機型，並展示了可以識別手寫文字的Demo。但目前的主要課題在於由於製造工藝的差異以及溫度的變化等，元件特性往往容易產生變化。針對上述課題的對策，電裝公司目標在2030年之後實現商業化應用。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！