攻克自動駕駛賽道 為何要釐清這些關鍵點？

全文字數：2418閱讀時間：6分鐘

哪一產業能像智能手機一樣締造上萬億元的市場，成為繼其之後的新引擎，答案會是自動駕駛嗎？預計到2030年自動駕駛市場規模有望創造約6000億美元，是否真的是眾望所歸？

文｜艾檬

校對｜范蓉

圖源｜網路

集微網報道，智能手機增勢趨緩已是不爭事實，離開了這一動力，下一步的經濟增長動力將來自哪裡？諸如5G、新能源汽車、自動駕駛、物聯網等潛力行業均在翹首接盤，但問題是，智能手機從出現到飽和用了十年時間，下滑亦是從頂峰開始，而這些市場的向上攀爬還在初始階段，最終誰將能問鼎？可能第一步就要看哪一產業能像手機一樣締造上萬億元的市場了。

何時規模達千億元？

在全球玩家們的推波助瀾下，自動駕駛已成為產業鏈廠商傾注的重心所在，中美日歐等政府已經在不斷地為其產業化發展掃除障礙。

因而業界樂觀預估，2020年將是自動駕駛市場商業化起勢之年。2020-2025年，自動駕駛乘用車銷量的年化複合增速將超過80%；加上自動駕駛車輛銷售、自動駕駛出行服務市場，2020年和2030年國內總市場規模將分別達到約400億美元和5500億美元。

數字可謂極為亮眼，而就自動駕駛普及而言，關鍵因素還在於性能和價格。從價格的角度，或許昂貴的激光雷達、固態雷達等會在今後五年內價格降到可接受的程度，但決定因素還是自動駕駛是否能在可預見的短期內達到技術的成熟。而最重要的是，配套的法規和基礎設施能夠一起「進化」成為助攻。

「接棒」成為增長動力看似已不太遙遠，而在自動駕駛帶動的百年汽車新一輪的技術變革浪潮中，縱身完成升級或洗牌，應是參與選手的不二之選。

L3實現會在2020年嗎？

對於自動駕駛水平而言，目前L1級和L2級ADAS已有大量成熟量產案例。而繼奧迪A8等國外車場發布L3級（有條件自動駕駛）車型之後，奇瑞、長安、長城、小鵬等國內汽車廠商，百度、騰訊、京東等互聯網巨頭也先後對L3乃至L4級（高自動化）技術加以排兵布陣。

有分析稱，L3級自動駕駛已進入試驗車階段，預計2020年可達量產水平並預計最終於2025年前全面實現L3級。蔚來相關代表就指出，目前自動駕駛還處於從L2向L3過渡的關鍵階段，但隨著晶元、演算法、高精度地圖等技術的日趨成熟，政策法規的不斷完善，預計從2020年開始，L3自動駕駛市場會迎來爆發。

但也有觀點偏向謹慎。「從目前來看，L3級自動駕駛技術仍然任重而道遠，這涉及從技術、產業鏈、法律法規到市場認可等諸多因素的影響。」 意法半導體（ST）亞太區汽車業務推廣高級經理孫國濱認為，「當下，契合L2級自動駕駛汽車的ADAS+方案將會被大規模部署。」

在演進過程中，有的自動駕駛公司選擇直接進入L4，有的則從L1開始，進行L2-L3-L4的迭代升級，孫國濱對這兩種方法都看好。孫國濱解釋說，為了解決無robotaxis（一種智能無人駕駛計程車）等應用問題，需要做到自動駕駛的最高級。對於大多數乘用車來說，ADAS就夠用了，但這一市場不夠大，而目標應用非常相似，所以這兩種路徑將會重合交叉。相對數量較少的自動駕駛汽車所用的硬體和演算法將會被剝離出來，用於解決大眾市場ADAS問題。

多技術融合成必然途徑？

在自動駕駛的感測器方案中，視覺、激光、毫米波雷達都在順應技術需求，試圖博得C位。孫國濱認為，所有感測技術都有優點和缺點，但顯然，計算機視覺技術有獨立解決這一級別自動駕駛難題的潛力。Mobileye等公司現已開發出配備視覺技術的原型車，並在高速公路上展示了計算機視覺自動駕駛的可行性，下一步將證明其在城市路況中的可行性。

「感測器融合是大方向，成本的考量和技術的突破是關鍵，同時以合理的成本達到這一目的才是最終的目標。」 ADI汽車電子業務部大中華區汽車市場經理Jerry Cui看好感測器融合方案。

但孫國濱也強調，為了實現更高水平的自動駕駛並使系統更加穩健，有必要使用其它感測器配合視覺技術，例如雷達、激光雷達、超聲波、遠紅外線感測器。此外，還需要採用V2X通信和精確定位技術完善自動駕駛性能，多種技術融合是實現智能駕駛的必然途徑。2020年，視覺和雷達輔助駕駛系統將成為大多數車輛的標配。

因此自動駕駛的大腦——計算晶元也自然成為重中之重，新老勢力亦密集交鋒。英偉達、英特爾、高通、地平線、深鑒（被FPGA巨頭賽靈思收購）以及傳統汽車半導體廠商恩智浦、瑞薩、英飛凌、TI等均在角逐。

這對於計算平台要求亦水漲船高。「感測器所能達到的精度、探測範圍、對於天氣及周圍環境的魯棒性等要求越來越高，對於計算平台的計算能力、實時性等要求也越來越高。」 孫國濱表示，「這些系統目前以關鍵任務為核心，功能性安全是初步目標，能夠實現車輛安全停泊是最低要求。有些OEM廠商的要求更高，並堅持系統完全冗餘概念，以加強容錯能力。」英偉達在這一領域風頭正勁，而國內一批創業公司也試圖分羹，如海高汽車、環宇智行等。

而在軟體層面，自動駕駛軟體擔負的感知、決策以及模擬等演算法也需要不斷進階。值得注意的是，諸如語音交互、手勢交互、HUD、車聯網服務、千兆乙太網等技術在自動駕駛賽道上也大行其道，大有可為。

大規模應用臨界點到來？

可以說，自動駕駛技術已到了大規模量產應用的臨界點，除卻技術不斷精進，場景落地也在打響。

美國落地項目多集中在乘用車方向，並且還是在城市開放道路進行試運營，如Waymo、Cruise等。而國內市場在落地層面，除了Pony.ai和景馳科技進行了短期的無人網約車試運營外，大部分玩家都將目光鎖定在了面向港口、工業園區、開放道路、高校、高速公路等半封閉場景的低速L4級無人車，包括低速無人配送車、無人掃地車、無人駕駛卡車先後落地運營，涉及智行者、馭勢科技、百度、圖森、西井科技等公司。

當然，不管是何落地場景，最終目的是開發具備自動駕駛技術的汽車，而非簡單地提供配送或載貨服務。但在上述細分場景普及之後，亦將加速無人駕駛的真正普及。

在眾頭勢力的角逐中，轉型是不得不提的話題。孫國濱提及，傳統整車廠商在自動駕駛領域投入很大，他們的業務模式正在從製造商向共享汽車服務商轉型。此外，大量造車新勢力即互聯網汽車公司正在搶佔以Robotaxis為代表的無人駕駛計程車和公共交通等新領域。這兩類公司都有機會，個性化汽車總有它的市場，但共享交通才是解決大城市問題的唯一途徑。

孫國濱最後提到，從無人駕駛切換到人工駕駛是最嚴峻的挑戰之一，這也是在全路況下實現3級和4級自動駕駛的難點所在。將自動駕駛功能限制成僅在某些條件下使用，同時限制沒有駕駛員干預的無人駕駛時長是更可行的解決辦法。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！