汽車智能化探析

汽車智能化演進路線探析——漸進式創新和破壞式創新兩條路線並舉1.汽車智能化的演進階段

按照 NHTSA 對於汽車智能化演進的分類，汽車智能化演進分為 5 個階段。

? L0 階段對應完全無自動化，在該階段由駕駛者完全保持對方向盤、油門和剎車的掌控。根據該定義，行車記錄儀和僅僅涉及報警和預警功能的自動輔助駕駛功能也屬於 L0 階段。

? L1 階段對應特定功能自動化，在該階段由駕駛者佔據對汽車的主導控制地位，但可以釋放特定功能給系統管理，車輛可以自動接管一個或者特定幾個控制功能，但是數個控制功能不可組合使用，典型功能為自動緊急制動功能和自適應巡航功能等。

? L2 階段對應組合功能自動化，在該階段由駕駛者和系統共享對於汽車的控制，系統可以實現兩種以上的控制功能，並且可以使用組合多個控制功能以釋放駕駛者，典型功能為自適應巡航功能和車道保持功能的組合使用，不過駕駛者必須隨時待命，在系統退出時接管對於汽車的控制。

? L3 階段對應高度自動化，在該階段由系統佔據對車輛的主導控制地位，在特定的環境或者交通工況下（比如高速公路環境），較大程度依賴系統對於外界環境的判斷，系統可以組合使用多個控制功能，駕駛者可以較長時間不參與控制，但依然需要在必要時接管系統。

? L4 階段對應完全自動化，在該階段完全由系統掌握對於汽車的控制地位，駕駛者只需提供目的地或導航信息，汽車能夠憑藉自身的感知、分析和執行來完成所有駕駛任務，完全釋放駕駛者的手腳。

我們判斷，汽車智能化存在兩條演進路線，即自動輔助駕駛所對應的漸進式創新演進路線和無人駕駛所對應的破壞式創新演進路線。

我們認為，自動輔助駕駛不等於無人駕駛，前者的本質是原有汽車駕駛系統的模塊疊加和功能發展，其目的是為了給駕駛者提供便捷、舒適和安全的駕駛環境，其主決策者依然是人；後者的本質是種全新的能夠自主導航的移動運輸類機器人，其外形設計、應用場合併不拘泥於現有的模式，其主決策者是人工智慧。

我們的分析，自動輔助駕駛漸進式創新路線以毫米波雷達、紅外雷達、超聲波雷達和車載攝像頭作為主要感測器，其核心技術是自動控制技術和傳統模式識別技術，其主導者為汽車傳統整車廠家和新興的電動車廠家，該技術路線可以將成本轉嫁給消費者；無人駕駛破壞式創新路線以高精度的激光雷達作為主要感測器，以高精度地圖作為參考坐標系，以基於深度學習的人工神經網路作為演算法決策，其核心技術是 3D 即時測繪和深度學習演算法，該技術路線需要大量的基礎設施長期投入，並且嚴重依賴車聯網（V2X），在目前車聯網標準尚未統一，並且基礎設施缺失的條件下可能難以大規模商用，但是這或許是無人駕駛汽車的終極進化形態。

根據 AutoLab 的數據，2015 年 10 月國內市場各種功能的自動輔助駕駛功能滲透率分別為：盲點檢測功能（BSD）3.8%，自動泊車入位（AP）2.6%，前向碰撞預警（FCW）2.6%，自動緊急制動（AEB）2.4%，全景攝像頭（SVC）2.3%，車道偏離預警（LDW）1.7%，自適應巡航導航（ACC）1.3%，車道保持輔助（LKA）0.8%。全球整車市場自動輔助駕駛系統的滲透率也低於 10%，歐美地區市場接近 8%，新興國家市場則僅為 2%，市場空間依然非常巨大。據 PR Newswire 諮詢公司測算，未來全球 ADAS 滲透率將大幅提升，預計 2022 年全球新車 ADAS 搭載率將達到 50%，我們判斷自動輔助駕駛功能正處於導入期向成長期過度的階段，蘊藏著極大的投資機會。

根據 HIS 的研究，全球車載攝像頭出貨量將從 2014 年的 2800 萬顆增長至 2020 年的8270 萬顆，6 年複合增長率為 19.8%。據舜宇光學披露的數據顯示，2015 年舜宇光學車載鏡頭全年出貨量為 1651 萬顆，而在 2016 年前 11 個月的累積出貨量已經達到了 2064萬顆，預計全年出貨量約為 2200 萬顆到 2300 萬顆之間，2016 年全年車載鏡頭出貨量增速為 33%到 39%之間，據舜宇光學管理層透露，其在車載鏡頭領域的市場份額為 30%到35%左右，因此推測 2016 年車載鏡頭市場全球市場出貨量在6285萬顆到 7667 萬顆之間，遠高於 HIS 研究的數據。

艾媒諮詢調查研究顯示，2016 年全球無人駕駛汽車市場規模為 40 億美金左右，預計2021 年全球市場規模將達到 70.3 億美元左右，複合年均增長率為 11.8%。該機構分析師認為百度、谷歌等互聯網巨頭雖然均投身於無人駕駛的領域，但由於政策法規的限制、技術產業化的不成熟和成本方面的綜合考慮，短期內無人駕駛汽車市場規模變化不大，行業整體處於內部測試階段，難以實現大面積推廣。

綜上所述，短期來看自動輔助駕駛智能化演進路線的滲透率已經開始快速提升，但是長期來看，無人駕駛汽車智能化演進路線或許是終極形態。

自汽車誕生的一百多年以來，發動機、變速箱一直都是其最為重要的部件，並且汽車行業的整體發展也多由這兩者所推動，然而進入 21 世紀之後，汽車行業也在日益被信息技術所改變，從最開始改進汽車的設計、生產、製造等流程，到了現在改變汽車本身，汽車行業正在發生深刻的革命。

我們認為，汽車行業正在發生一場深刻的變革，智能化、網聯化、電動化的未來趨勢正在讓汽車變得像是一個帶有四個輪子的電腦，處理器、計算能力、網路互聯等數字化元素也正在取代發動機和變速箱等機械部件的核心地位，即車用晶元/計算能力提供商將處於未來智能汽車產業的核心位置。在這一產業革命下，汽車產業的價值鏈或許將重構，智能軟體系統、處理器等晶元公司或許將會處於產業鏈的頂端，拿走大部分利潤，而整車製造、汽車零部件生產企業的地位或許會開始下沉，這對於中國電子製造業或許是新的機遇。

1.監管機構的推動和政府立法的支持

監管機構的推動和政府立法的支持是驅動汽車智能化的一大驅動力。

歐盟新車評鑒協會（The European New Car Assessment Program ，簡稱為 E-NCAP）和美國公路保險協會（The Insurance Institute for Highway Safety，簡稱為 IIHS）是汽車碰撞安全測試最為權威的兩家機構，其他國家和地區在制定汽車碰撞安全測試標準時會大量參考和引用上述兩家機構制定的評分標準。

根據 E-NCAP 公布的路線圖，從 2013 年開始，其對於新車的評分規則進行了調整，增加了更多自動輔助駕駛（Advanced Driver Assistant Systems，簡稱為 ADAS）的考核。到 2017 年時，速度輔助系統（Speed Assistant System，簡稱為 SAS）、自動緊急制動（Autonomous Emergency Braking，簡稱為 AEB）、車道偏離預警/車道偏離輔助（LaneDeparture Warning，簡稱為 LDW/ Lane Keep Assist，簡稱為 LKD）的評分要求已經設定為汽車整體裝機量達到 100%。

2016 年 3 月 18 日，美國高速公路安全管理局（National Highway Traffic Safety Administration）和 IIHS 也宣布，佔美國汽車市場份額 99%以上的 20 家汽車製造商（通用、福特、菲亞特克萊斯勒、豐田、本田、日產、馬自達、三菱、富士重工業、現代、起亞、奧迪、寶馬、戴姆勒、大眾、保時捷、沃爾沃、瑪莎拉蒂、捷豹路虎、特斯拉）已同意在 2022 年 9 月 1 日讓自動緊急制動（AEB）成為技術標準，豐田表態 2017 年開始為在美銷售的所有新車都必須要標配 AEB 功能。

由於汽車作為交通工具所具有的特殊性，自動駕駛汽車或無人駕駛汽車的上路必然會導致交通事故發生時責任的難以界定，因此各國政府立法的支持和監管機構對於責任的界定同樣是一大障礙，但是這一障礙目前已經隨著各國政府立法的支持和監管政策的明細而逐步消失。

汽車智能化的技術已經日趨成熟，在此基礎上監管機構的督促導致汽車整車廠家開始自發地往新開發車型中整合自動輔助駕駛模塊，點燃了汽車電子市場的蓬勃發展，盲點檢測（BDS）和車道偏離預警（LDW）等 L0 級功能已經在國內汽車市場開始慢慢普及，自動緊急制動（AEB）和自適應巡航（ACC）等 L1 級功能開始萌芽；同樣值得注意的是，隨著各國政府對於無人駕駛汽車的立法和監管法規逐漸清晰，無人駕駛汽車的上路測試和未來真正商用化也在逐步推進和落地。

無論是自動輔助駕駛還是無人駕駛，對於駕駛者的用戶體驗都將有著顯著的提升，這將是汽車智能化的另一個重要驅動因素。自動輔助駕駛對於減少違章駕駛，加強危險預警和避讓有著直接的幫助。盲點檢測功能（BSD）和車道偏離預警（LDW）功能可以有效如何降低車禍發生的概率，自動緊急制動（AEB）更是可以極大降低車禍發生時造成的人員傷亡。

無人駕駛汽車可以極大解放人類的雙手，讓人工智慧完成對於駕駛功能的接管，可以極大提升人類時間的充分利用。從國外的統計數據來看，德國每名駕駛員一生處於交通堵塞狀態的時間達一年半之多，這不管對人還是經濟發展來說都是巨大的時間浪費。如今越來越多的車輛已邁出了實現全面無人駕駛的第一階段，具備了部分自動化駕駛功能。目前已經可以在真實的駕駛環境中體驗自動化駕駛的優勢。假如在不久的將來，可以完全實現無人駕駛汽車，人類將被解放出來，可以擁有更多自由時間，也可以讓人類花費更少時間到達目的地，幫助人們在通勤上減少時間浪費。

汽車智能化對於駕駛者的用戶體驗也有著極大的提升，有研究顯示，中國的 80 後和90 後對網路的依賴度排全球第 7 位，消費者的特性和需求也決定了智能汽車發展的方向。中國消費者對於智能汽車的需求主要是四個方面：安全、便利、體驗和個性化。消費者對第四屏的交互體驗有更高的要求，比如手勢控制、語音控制，及抬頭顯示等，這些交互方式會使操作更流暢，提高駕駛體驗，隨著消費者對產品個性化的需求增加，車廠也開始為消費者提供了越來越多的選擇。

自動輔助駕駛和無人駕駛將降低車禍發生數量，減少人員傷亡，並且顯著優化交通網 絡的運行效率。

據世界衛生組織統計，全球每年有 124 萬人死於交通事故，這一數字在 2030 年可能達到 220 萬人。僅在美國，每年大約有 3.3 萬人死於交通意外，自動輔助駕駛設備和無人駕駛汽車能大幅降低交通事故數量，為此可能挽救數百萬人生命。Eno Centre for Transportation 研究顯示，如果美國公路上 90%的汽車變成無人駕駛汽車，車禍數量將從 600 萬起降至 130 萬起，死亡人數從 3.3 萬人降至 1.13 萬人。在過去 6 年間，谷歌無人駕駛汽車已經行駛 300 多萬公里，只遇到過 16 起交通意外，且從未引發過 致命事件，並且谷歌宣稱造成車禍發生的原因均來自其他車輛。

美國國家公路交通安全管理局(NHTSA)局長 Mark Rosekind 指出，未來無人駕駛汽車將使交通事故死亡率減少一半，使人們的日常出行更為安全，另一方面還可以降低保險費用。

沃爾沃汽車集團高級技術主管埃里克·寇林格認為：「在改善交通安全方面，無人駕駛汽車擁有巨大潛力。這也是我們進軍無人駕駛汽車領域的重要原因之一。」伊諾交通中心預測，如果美國公路上 90%的汽車實現自動化，每年發生的交通事故將從 600 萬起降至 130 萬起，死亡人數從 3.3 萬人降至 1.13 萬人。

據艾媒諮詢分析研究，88.%的網民認為車禍是由於司機開車時分心造成的，85.4%的網民認為疲勞駕駛導致車禍事故發生，此外酒後駕駛、天氣狀況也是造成事故的主要原因之一，因此自動輔助駕駛提供的不管是 L0 功能還是 L1 功能都將大大降低車禍發生的概率。

無人駕駛汽車不僅可幫助減少車禍，還能大幅降低交通擁堵情況，從而提升對於現有交通網路的利用效率。據 KPMG 報告顯示，無人駕駛汽車可幫助高速公路容納汽車能力提高 5 倍。斯坦福大學計算機專家、谷歌無人駕駛汽車項目前專家塞巴森·特隆表示，一旦機器人汽車成為主流，當前公路上只需要 30%汽車。

4 .共享經濟的興起

自動輔助駕駛和無人駕駛的興起將大大降低共享經濟運營商的運營成本。共享經濟的本質上是商品使用權和所有權的分離，並且通過新興的 LBS（LocationBased Services）技術實現了使用權在不同所有權佔有者的匹配和撮合，從而在不增加新商品的條件下，對於現有商品使用權的優化配置。

對於 Uber、滴滴打車這一類共享經濟出行服務提供商而言，採用無人駕駛可以降低上述巨頭整體的運營成本，並且由於無人駕駛汽車可以降低交通事故發生的概率，因此可以顯著減少車輛的維護費用和保險費用。

2016 年 8 月 18 日，Uber 宣布與沃爾沃合作，擬斥資 3 億美元，於 2016 年 8 月底推出自動駕駛計程車運營測試，在未來預計推出 100 輛沃爾沃 XC90 SUV 型自動駕駛出租汽車，計劃於 2021 年推出自動駕駛汽車。根據雙方協議，Uber 和沃爾沃將各出 1.5 億美元作為初步研發資金，共同開發無人車，其中 Uber 提供技術，沃爾沃提供駕駛車輛，該項自動駕駛計劃使用的車型是沃爾沃 XC90 SUV。

2016 年，Uber 收購了無人駕駛貨運公司 Otto Trucking，Otto Trucking 公司股票交易價值高達 6.8 億美元，Otto 的股東不僅獲得了價值約 6.8 億美元的 Uber 股份，還能從 Uber未來的貨運業務中獲得 20%利潤的擔保，這也是 Uber 進行的有史以來最大規模的收購。

2015 年，Uber 開始了對卡內基梅隆大學國家機器人工程中心專門的人才挖角計劃。Uber 此前就傳言在 2016 年上半年虧損 13 億美元，成為了矽谷虧損最嚴重的公司之一，虧損的一部分原因是在中國市場的燒錢大戰，另一部分原因則是對人才和大量新項目的投資，無人駕駛便是燒錢的投資項目中燒的最快的一項。

2016 年，Uber 通過購買人工智慧初創公司 Geometric Intelligence 來押注人工智慧。因為 Geometric Intelligence 能給它帶來整個研究團隊，Uber 能夠藉此機會成立自己內部的人工智慧研究室。

汽車智能化原理初探

在汽車智能化演進路線中，類比人類對於汽車駕駛操作的完成，從功能層對硬體進行分類，感測層是眼，處理層是腦，執行層是手。

? 感測層包括車載攝像頭等視覺系感測器和車載毫米波雷達、車載激光雷達和車載超聲波雷達等雷達系感測器——我們認為，無論是漸進式創新路線還是破壞式創新路線，依賴單一感測器均不可能實現完整功能，多感測器融合是必然趨勢。

? 處理層包括自動控制演算法與傳統模式識別演算法和人工神經網路兩種解決方案——我們認為漸進式創新路線中，處理層的主流演算法是自動控制演算法與傳統模式識別演算法相結合使用，從演算法層面來看，其本質是過程驅動；從硬體層面來看，將會用到大量的微控制器處理單元（Micro Control Unit，簡稱為 MCU）和數字信號處理器（Digital Signal Processor，簡稱為 DSP）以及專用的圖像模式識別晶元等。在破壞式創新路線中，處理層的主流演算法為路徑規劃演算法、高精度地圖定位、人工神經網路和深度學習演算法等，從演算法層面來看，其本質是數據驅動；從硬體層面來看，未來將會誕生新一代的計算平台，比如基於 GPU 和FPGA 的新一代運算平台等。

? 執行層根據前裝市場和後裝市場的不同，可以分為預警和報警類等被動安全執行和主動安全執行——我們判斷在汽車智能化演進的過程中，前裝市場和後裝市場在功能上最主要的差異來自於是否可以完成對於汽車控制功能的接管。後裝市場由於只與汽車CAN匯流排中獲取信息進行集成，因此只能讀取車輛信息，而不能控制汽車電子設備，在執行層更多地是提供預警和報警類等被動安全執行措施，無法在危機時接管汽車的駕駛操作；前裝市場由於可以接入汽車的CAN 匯流排並且與汽車電子設備進行整體集成，在執行層可以提供執行類的主動安全，在危機時可以完成對於汽車駕駛的接管。我們認為無論是漸進式創新路線還是破壞式創新路線，要真正實現系統對於汽車駕駛操作的控制權接管，前裝市場幾乎是唯一的選擇。

感測層包括車載攝像頭等視覺系感測器和車載毫米波雷達、車載激光雷達與車載超聲波雷達等雷達系感測器。

? 車載攝像頭之類的視覺系感測器具有可識別圖像、成本相對低廉的優點，但是缺點為受光線和天氣干擾嚴重。

? 車載毫米波雷達具有探測精度高、探測距離遠（最高可達 250 米到 300 米）、不受天氣干擾的優點，但是缺點為無法呈現圖像和識別物品的具體形狀。

? 車載超聲波雷達具有結構簡單、成本低廉的優點，但是缺點為工作頻率低，由於存在多普勒效應，在汽車高速運行時精度不夠，因此主要應用場景為汽車低速運行時的倒車雷達檢測。

? 車載激光雷達具有精度高，可 3D 即時測繪環境的優點，缺點為數據量太大，對於處理器的要求頗高，並且目前成本依然居高不下，但是依然是破壞式創新演進路線中最為重要的主感測器。

我們認為，僅僅依靠單一的感測器設備實現自動輔助駕駛和無人駕駛是不可能完成的任務，由於汽車的控制與駕駛安全直接相關，為了保證檢測和控制的準確性和精確度，多感測器輸入的數據必須有所融合，甚至有所冗餘才可在準確性和精確度上有所保證。

處理層包括自動控制演算法與傳統模式識別演算法和人工神經網路兩種解決方案，我們認為上述兩種解決方案分別對應著漸進式創新和破壞式創新兩條路線。

在漸進式創新路線中，處理層的主流演算法是自動控制演算法與傳統模式識別演算法相結合使用，從演算法層面來看，為過程驅動；從硬體層面來看，將會用到大量的微控制器處理單元（Micro Control Unit，簡稱為 MCU）和數字信號處理器（Digital SignalProcessor，簡稱為 DSP）以及專用的圖像模式識別晶元等。

以汽車電子控制晶元領域巨頭英飛凌為例，英飛凌的車載毫米波雷達處理器根據毫米波雷達感測回來的數據，在經過變頻、解調之後，依據傳統的模式識別分類演算法，在車輛即將發生碰撞時，輸出對於汽車的控制信號，完成必要的剎車和制動操作。

在破壞式創新路線中，處理層的主流演算法為路徑規劃演算法、高精度地圖定位、人工神經網路和深度學習演算法，從演算法層面來看，為數據驅動；從硬體層面來看，將會誕生新一代的計算平台，比如基於 GPU 和 FPGA 的新一代運算平台等。

以英偉達最新一代的無人駕駛汽車計算平台為例，英偉達最新一代的計算平台主要是基於卷積神經網路的演算法，測試演算法的直接輸入數據為像素級的車載攝像頭錄像的路況信息，輸出數據為方向盤的控制信號，英偉達首先在雲端通過大規模的數據訓練得到了訓練好的卷積神經網路，之後將上述卷積神經網路的參數部署到了無人駕駛汽車的計算平台中，根據英偉達的實驗結果，用訓練好的卷積神經網路完成無人駕駛汽車的操作，結果好的出奇。

執行層根據前裝市場和後裝市場的不同，可以分為預警和報警類等被動安全執行和主動安全執行，我們認為前裝市場和後裝市場對於能否接管汽車駕駛的操作存在本質的不同——前裝市場和後裝市場在執行層中最主要的差異來自於是否可以完成對於汽車控制功能的接管。

? 後裝市場由於只與汽車 CAN 匯流排進行集成，因此只能讀取車輛信息，而不能控制汽車電子設備，在執行層更多地是提供預警和報警類等被動安全執行措施，即無法在危機時接管汽車的駕駛操作。

? 前裝市場由於可以接入汽車的 CAN 匯流排並且與汽車電子設備進行整體集成，在執行層可以提供執行類的主動安全操作，即在危機時可以完成對於汽車駕駛的接管。

我們認為無論是漸進式創新路線還是破壞式創新路線，要真正實現系統對於汽車駕駛操作的控制權接管，前裝市場幾乎是唯一的選擇。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！