来源： 亿欧

自动驾驶汽车它的产业链上下游已经出现支撑公司，并在逐渐走向成熟。

自动驾驶分级标准

关于自动驾驶的分级，主要有SAE（美国机动车工程师学会）标准和NHTSA（国家公路交通安全管理局）两个标准；目前，前者受到大多数业内人士的认可，它从Lv0-Lv5将自动驾驶依据控制方式和适用环境分为了6个等级。

自动驾驶行业的最终目标，必然是实现真正的无人驾驶（Lv5），而实现的方式主要分为两种思路：①从Lv0逐步过渡到Lv5，通过整合集成ADAS中的控制功能，实现真正的无人驾驶②直接从Lv0跨度到Lv4，在特定的垂直领域和相对封闭的环境中推进无人驾驶，再向Lv5，也就是全环境全路况的无人驾驶普及。

根据SAE分级，不难看出，从Lv4开始，真正的控制者由人开始转为自动驾驶系统，责任主体也随之转移。因此，在设计研发之初，ADAS之中的辅助驾驶功能就与无人驾驶的目的不同，尤其在经历Lv3、Lv4这两个阶段是时，由于责任主体发生改变，因此在法律、舆论上面临着许多尚未可知的困难。

不过，ADAS的感知部分，以及不少辅助驾驶功能，例如自动巡航、自动泊车、前车碰撞紧急制动等，都可以在无人驾驶汽车当中得到应用，因此，也为无人驾驶的最终实现贡献了不小的力量。

自动驾驶汽车产业链剖析

为了推动无人驾驶汽车行业的进步，方便大家参考，亿欧对自动驾驶汽车行业进行了产业链分析，主要从产业上下游将其分为了感知、计算平台、算法集成、车辆控制、汽车通讯、无人驾驶汽车运营等六个方面。

（自动驾驶产业链结构图）

下面，本文将会对产业链上的各个部分进行单独剖析。

感知

自动驾驶汽车的感知部分，主要由摄像头、激光雷达、毫米波雷达、超声波雷达等多种方式共同组成。

由于各种感知方式在不同环境、不同距离、不同作用上各有所长，因此采用多传感器信息融合的方式有利于保证全方位信息的收集，进而使计算机做出更加精准的判断和规划。

激光雷达

目前，激光雷达的生产厂商集中在国外，包括美国Velodyne公司、Quanegy公司以及德国的Ibeo公司等，国内激光雷达初创公司也在尽力追赶。

激光雷达的穿透距离远，高性能激光雷达可以实现200米范围内，精度高达厘米级的3D场景扫描重现，从而帮助自动驾驶系统实现提前行驶路线规划。

目前来看，多线激光雷达很有可能是未来无人车的必备传感器，并且与高精度地图及驾驶系统核心算法紧密相关。目前，多线激光雷达还没有针对车规级的成熟量产方案，机械旋转式多线激光雷达虽然已在普遍应用，但体积较大且价格过于昂贵，更小型更低成本的纯固态激光雷达还未见到成熟产品。

国内有不亚于国外的光机电技术基础，产业链比较完整，因此，诸多深耕激光雷达领域的公司还有不小的机会。

毫米波雷达、超声波雷达

除了激光雷达之外，近年来毫米波雷达和超声波雷达也逐渐成为自动驾驶汽车中，参与多传感器信息融合感知设备。其中，最为知名的例子就是特斯拉在其智能汽车中，完全没有使用激光雷达，而采用毫米波雷达+摄像头的方案。

另外，类似博世、大陆这样的智能辅助驾驶巨头，也在毫米波雷达和超声波雷达这样成本较低传感器设备上，拥有比较深刻的技术积累和应用经验。

而在国内，像行易道这样的毫米波雷达厂商，也在积极进行技术开发，追赶国际巨头水平。

不过，归根结底，特斯拉还只是高级辅助驾驶系统（ADAS），而当操作主体，也就是责任主体向机器转移时，仅仅通过摄像头和毫米波雷达实现自动驾驶功能是不够的，激光雷达所带来的功能性安全冗余非常必要。

摄像头（计算机视觉）

目前，通过摄像头进行拍摄，在进行图像和视频识别，确定车辆前方环境，是自动驾驶汽车的主要感知途径，这也是很多无人驾驶公司的主要研发内容之一。

不过，在这一方面，ADAS要先于无人驾驶汽车向市场推广，因此在数据收集反馈、工程化等方面，ADAS公司也处于领先地位。

国内双目ADAS公司中科慧眼CTO崔峰就表示，在未来无人驾驶汽车中，摄像头（双目）将成为重要的感知部分，中科慧眼未来努力的目标，也是为自动驾驶汽车，乃至各类出行机器人提供机器视觉方面的技术支持。

目前，车载摄像头主要分为单目和双目两种。

双目摄像头基于视差原理，可以在数据量不足的情况下，测定车辆前方环境（树木、行人、车辆、坑洞等），并且获得准确的距离数据，用以提供给自动驾驶系统进行车辆控制。

而单目摄像头，主要基于机器学习原理，使用大量数据进行训练，进行环境识别。尽管需要大量数据支持，且在恶劣光线条件下的表现不如双目摄像头，但其相对便宜的价格以及成熟的技术也获得了一部分公司的青睐。

在单目ADAS领域，以色列公司Mobileye是世界最顶尖的企业，而中国公司与这样的国外巨头依然存在一定的差距。

汽车通讯

汽车通讯主要可以分为两个方面。

第一，是车联网系统。

通过车载通讯设备，完成人与车、车与车、车与环境的信息交互，一方面可以完善运营车辆（出租车、网约车、公交车、物流货车等）和道路交通（如红绿灯）的调度安排，另一方面可以减少车辆的感知设备投入，将车辆及环境采集到的信息与车辆自身采集的信息相融合，从而实现自动驾驶功能。

不过，车联网（包括V2X，车辆对外界信息交换）的发展，除了需要大大小小各家公司的努力之外，同样需要政府和相关机构的帮助。

首先是制定V2X通讯标准，欧美在此前就已经将DSRC标准列为了其车辆通讯标准，而国内则是LTE-V标准的呼声比较高。

另外，车联网不仅仅局限于车辆上的通讯系统配备，还涉及到道路交通基础设施建设。目前，杭州、南京、北京等地，都已经开始了智慧城市和智慧交通的试点。

车联网技术的前身，TelemaTIcs（远距离通信与信息科学），在很早以前就已经出现，而大概在四五年前，由于物联网的兴起，出现了“车联网”这个词。其更大的作用，不仅限于保证自动驾驶功能运行，而在于未来车辆中内容行业的发展。

第二，是高精度地图。

高精度地图是自动驾驶汽车实现路线规划的基础，这些年，卫星导航和基于激光雷达的3D环境建模技术日益成熟，高精度地图测绘质量逐步提升，这为自动驾驶的研发提供了不小的助力。

国内高精度地图，以百度地图、高德地图、四维图新等公司为主力；而国外方面，Here、TomTom等公司一直备受称赞。

计算平台

自动驾驶系统的计算量、数据流都非常大，同时又需要较快的反应速度，因此就需要匹配合适效能的计算资源，保证计算工作的正常运行。

自从吴恩达发现GPU非常适合进行深度神经网络训练以来，英伟达就在这一次的人工智能浪潮之中大发了一笔横财。目前，据不完全统计，全球已有超过1500家人工智能初创公司使用英伟达的产品，其中还有不少自动驾驶技术公司。

在2017年CES上，英伟达发布了最新的车载计算平台“XAVIER”，其512 个Volta CUDA 核心可提供高达30TOPS的计算性能，并且功率只有30W，远远优于Drive PX2。

而在国内，人工智能创业圈子中声名赫赫的地平线机器人，也正在研发其基于FPGA架构的大脑引擎（BPU），而代号为“高斯”的计算构架IP预计在2017年底推出。

不过，综合来看，自动驾驶计算平台的争夺战依然主要在国际巨头之间展开，除了英伟达之外、英特尔、微软、Ceva、Mobileye、恩智浦、德州仪器、高通等芯片、IP、ADAS供应商，都正在瞄准这一领域发力，未来的竞争激烈程度可见一斑。

车辆控制

自动驾驶汽车不仅仅是感知和算法，它还涉及到车辆控制、汽车动力学、汽车工程等诸多技术学科，同时需要汽车控制（刹车、转向、灯光、油门等）配件的支持。

目前，自动驾驶执行相关的技术和部件产品将依然长期掌控在大型Tier1手中。如博世、大陆、Delphi等传统的Tier1掌握的执行控制专利技术已经可以支撑到自动驾驶阶段，无论在性能还是价格上都有绝对的优势。

此外，由于电动汽车技术的快速革新，传统汽车制造业受到了冲击，此前发动机和变速箱等壁垒技术，逐渐被车辆电控、电动机、电池等技术取代。这种变革，让创业团队自己造车成为了可能。

因此，国内外众多电动汽车、互联网造车、智能汽车企业极有可能成为自动驾驶汽车行业的新贵。

智车优行CEO沈海寅曾表示，在智车优行未来战略规划中，自动驾驶是关键一环。目标是在三到四年内在一些局部路况下的全自动驾驶。

算法与自动驾驶汽车运营 

目前，大多数踏入自动驾驶行业的初创公司，可以看作算法集成层面的公司。

他们利用高精度地图进行路线规划，采用新型计算平台，整合多传感器信息，开发相应的车辆控制算法对汽车进行行为控制。

目前，自动驾驶技术公司的两级分化比较严重，一方面是看准时间和角度切入的初创企业，另一方面则是大型互联网科技巨头，如谷歌、百度、Uber等。此外，像博世这样，少量拥有相对完整的产业链结构的Tier1，也在踏足这一领域。

不过，这些进行无人驾驶汽车研发的公司，大多有更深的想法，它们并不把自己看做单纯的技术提供方，而是希望深入到运营中去。例如智行者希望能够首先在低速园区内进行无人驾驶运营，而图森互联则在一开始就瞄准了长途高速货运。Uber与其收购的Otto也将目光分别聚焦在了无人驾驶共享出行和长途货运上。

图森互联CEO陈默表示，相比于卖车，运营服务公司是更靠近产业链下游和利益链顶端的方式。

自动驾驶汽车的另一个特点，就是解放了我们在出行过程中的双手、眼睛和大脑，因此车内活动也有了更多的想象空间。驭势科技CEO吴甘沙曾在多次公开演讲中表示，未来，自动驾驶汽车很有可能成为新的商业场景，为人们提供出行时的观影、办公、餐饮服务。

传统车厂去了哪里？

与自动驾驶相对应的，是自动驾驶+共享经济的出行模式，C端用户消费的将不再是汽车，还是出行服务。

业内人士普遍认为，在自动驾驶时代，汽车利用率将直线上升而销量必定下降，车厂的选择，一是尽快寻求合作，进行技术开发，向自动驾驶领域转型；二则是沦为自动驾驶汽车的代工厂和供应商。

因此，大多数车厂更希望看到的是Lv4甚至以下等级的自动驾驶技术，而不是Lv5状态下的全路况无人驾驶汽车。

目前，包括福特、宝马、沃尔沃在内的整车厂商，也都在进行自动驾驶技术的研发。

自动驾驶的实现，任重道远

虽然自动驾驶在产业链的各个层次上，均有不错的公司提供支撑，基本形成了上下游产业格局，但依然存在以下问题需要解决：

①道路基础设施不完善，需要进行智慧城市及智慧交通等基础设施建设。

②法律法规不明确，目前，亟待出现相关法律法规，以供相关公司制定安全及设计标准。

③算法不可解释，大多自动驾驶控制程序采用“端到端”的训练方式，这当中的策略规划有许多不透明的区域。

④设备价格昂贵，无论是激光雷达还是计算平台，目前价格不能满足大规模推广的要求。

因此，要真正实现自动驾驶乃至无人驾驶，我们依然任重道远。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”