自動駕駛是百年汽車工業(yè)史上又一次偉大的范式轉(zhuǎn)移，將重新定義汽車產(chǎn)業(yè)規(guī)則。汽車的產(chǎn)品定義將不再是 「行走的精密儀器」，也不只是一臺「行走的計算機」，而是「行走的第三空間」；車廠的角色將從傳統(tǒng)的汽車制造商向移動出行服務商轉(zhuǎn)型。自動駕駛是產(chǎn)業(yè)發(fā)展的必然趨勢，關乎時間、生命，是重塑未來出行生態(tài)的關鍵技術。2018 年下半年以來，全球自動駕駛產(chǎn)業(yè)現(xiàn)象級事件頻發(fā)，商業(yè)化序幕已經(jīng)拉開。

1.百年汽車史上又一次偉大的范式轉(zhuǎn)移

1.1 重新定義汽車產(chǎn)業(yè)的游戲規(guī)則

汽車產(chǎn)業(yè)升級換代，自動駕駛獨領風騷。直觀理解，自動駕駛就是「機器替代駕駛員開車」，國內(nèi)亦稱之為智能網(wǎng)聯(lián)汽車。與電動化、共享化相并列，自動駕駛（智能化+網(wǎng)聯(lián)化）早已被產(chǎn)業(yè)界普遍認可為汽車產(chǎn)業(yè)未來發(fā)展的「新四化」趨勢之一。

春江水暖鴨先知，從嗅覺靈敏的資本市場的表現(xiàn)來看，自動駕駛早已是汽車產(chǎn)業(yè)升級的絕對主角。代表目前全球最強自動駕駛實力的 Waymo（谷歌）盡管尚未產(chǎn)生正式的收入，已經(jīng)被 Morgan Stanley 率先定價到了 1750 億美元，遠超傳統(tǒng)車企代表通用、福特、電動化勢力代表特斯拉以及共享出行代表 Uber 的估值。Morgan Stanley 對于自動駕駛的熱捧絕非孤例，根據(jù)德國《經(jīng)理人》雜志報道，大眾集團 CEO Herbert Diess 曾計劃以 1370 億美元的報價參股 Waymo 10% 股份（提議最終未得到董事會支持而告終），產(chǎn)業(yè)資本對于自動駕駛的認可度和追捧可見一般。我們認為，自動駕駛獨領風騷的背后原因在于——自動駕駛將是未來汽車產(chǎn)業(yè)游戲規(guī)則的定義者。

自動駕駛時代，汽車被重新定義。自動駕駛時代，汽車不再只是汽車，而是用戶的第三空間。高等級自動駕駛意味著手、腳、眼和注意力將逐步被解放，從「機器輔助人開車」（L2）到「機器開車人輔助」（L3）、「機器開車」（L4/L5）意味著車主的生產(chǎn)力、時間的釋放，汽車將不再是代步工具，用戶在車內(nèi)即可實現(xiàn)娛樂和辦公，汽車有望進化成為家庭、辦公場所之外的第三生活空間。從本質(zhì)上來說，自動駕駛汽車不再是 「行走的精密儀器」，也不只是一臺「行走的計算機」，而是「行走的第三空間」，汽車的產(chǎn)品形態(tài)將被重新定義，商業(yè)價值也將更多維度地展開（自動駕駛創(chuàng)造了新的消費經(jīng)濟和生產(chǎn)力市場——乘客經(jīng)濟，乘客在路上或消費，或工作，或娛樂，每一輛車都可以變成移動的商業(yè)地產(chǎn)）。

自動駕駛時代，車廠角色將重新定義。未來汽車可能分為兩類，一類是有人駕駛的汽車，一類是移動服務汽車。傳統(tǒng)的汽車制造商將逐步向移動出行服務商轉(zhuǎn)型，為用戶提供 Car as a Service 或者說是 Mobility as a Service（MaaS）的一站式出行服務。從用戶角度來看，相對于私有車的模式，轉(zhuǎn)向移動出行服務，可以充分利用路上的時間做自己的事；從車廠的角度來看，商業(yè)模式將從產(chǎn)權交易到使用權交易，即不再是一錘子買賣的整車銷售，而是類似「手機流量套餐」一樣，對用戶的出行服務進行按需收費。從廣義來看，未來出行服務需要具備三大要素：移動平臺（車）、自動駕駛技術、用戶服務入口。其中，自動駕駛將是關鍵技術，可以大幅度的降低出行服務平臺的最大的運營成本項（司機的工資），直接決定了車企轉(zhuǎn)型移動出行服務商的盈利潛力。

1.2 自動駕駛是汽車產(chǎn)業(yè)發(fā)展的必然趨勢

依從第一性原理思考現(xiàn)有交通出行的困局，發(fā)展自動駕駛是破局之道?，F(xiàn)在很多大城市每年汽車增長 20%，道路增長 1%，人、車、路間供需不平衡，消費者被車廠教育了都想買車，可車還是不夠人用（限購限行，打車難），路不夠車用（擁堵），車已經(jīng)塞滿了城市；另一方面，汽車又是使用率最低的工業(yè)品，城市不得不為 95% 時間閑置的汽車建造大量的停車場，車位比車貴?，F(xiàn)有交通出行的困局的根源是因為——人、車、路，三者之間在特定時間段的供需矛盾，增加車、修路都是治標不治本的措施，即使是共享出行，也只解決了一半的問題。我們需要從底層創(chuàng)新上尋求現(xiàn)有交通出行問題解決之道。從第一性原理出發(fā)，唯有，也只有代表著更高效率的 MaaS（自動駕駛驅(qū)動）的普及，才能根本性地解決現(xiàn)有的交通出行困局。

自動駕駛關乎時間、關乎生命，將釋放巨大的社會價值：

1）自動駕駛關乎生命。滴滴程維曾表示，理論上，機器比人更適合開車。人其實并不很適合開車，人類的可靠視距大概只有兩三百米，但是激光雷達可以看到更遠。人類只能看到前面 180° 的視角，看不到后面有車追尾，機器可以環(huán)顧 360°。人只能靠個體學習積累駕駛經(jīng)驗，用公里數(shù)換經(jīng)驗，但是機器可以 100 萬輛車共享一個大腦，去學習沉淀經(jīng)驗。人類開車走復雜路段，是靠自己的經(jīng)驗控制方向盤，但是機器可以學習舒馬赫怎樣精準過彎。人類操縱汽車是靠手感，是靠腳踩下去的感覺，機器人可以精確到毫米、微米去控制機械。機器也不會疲勞駕駛、酒駕。在技術足夠成熟的前提下，機器駕駛的綜合安全性會比人類高一個量級，而這意味著全球每年死于交通事故的 125 萬人死于道路交通事故的人員（WHO《2015 年全球道路安全現(xiàn)狀報告》），有更多生命得到拯救。

2）自動駕駛關乎時間。羅振宇提出了「國民總時間」的概念，時間是最有價值、也是最稀缺的資源。在大部分人的一天 24 小時中，上下班通勤是逃不掉的固定時間支出，尤其是在地理尺度較大和職住問題嚴重的大城市，交通擁堵會令本已很長的通勤時間加倍延長。高德地圖《2018 年度中國主要城市交通分析報告》顯示，以北京為例，人均年擁堵時間高達 174 小時。按照擁堵?lián)p失=城市平均時薪*因擁堵造成的延時*人均全年通勤次數(shù)的計算公式，根據(jù)百度測算，國內(nèi)每年因為交通擁堵大概會造成 GDP 的5 % 到 8% 的損失。自動駕駛時代，用戶在車上的時間會被解放出來，這些時間都可以轉(zhuǎn)化成生產(chǎn)力，釋放巨大的經(jīng)濟價值。

在釋放巨大社會價值的基礎上，自動駕駛將激活、重塑和創(chuàng)造多個萬億級市場：

1）自動駕駛將激活汽車市場。智能、安全和人機共駕的新體驗將重新激發(fā)人們換車的需求；

2）自動駕駛將重塑出行市場。MaaS 將解決如今困擾消費者和出行服務商的最大問題——司機成本和「壞人」風險。如果說當前的網(wǎng)約車只解決了出行需求的一半問題，那么未來自動駕駛出租車將是另一半問題的答案。此外，自動駕駛應用到商用場景，用機器替代日益高昂的人力成本，也將創(chuàng)造巨大價值；

3）自動駕駛將創(chuàng)造新的消費經(jīng)濟和生產(chǎn)力市場——乘客經(jīng)濟。這些時間，乘客在路上或消費，或工作，或娛樂，每一輛車都可以變成移動的商業(yè)地產(chǎn)。

更進一步，除了上述三個市場之外，自動駕駛技術的普及還會產(chǎn)生間接的二級效應，對能源、房地產(chǎn)、保險等行業(yè)都會產(chǎn)生深遠而巨大的影響。

1.3 現(xiàn)象級事件頻發(fā)，自動駕駛拉開商業(yè)化序幕

自動駕駛不再是夢想，主機廠規(guī)模化量產(chǎn)即將啟動?；仡欁詣玉{駛產(chǎn)業(yè)發(fā)展歷史，大致可以分為如下階段：

1）源起。自動駕駛技術的探索最早可以追溯到 1980 年，美國率先開啟了自動駕駛汽車在軍事領域的應用。美國的國防高級研究計劃局（DARPA）和卡內(nèi)基梅隆大學，分別以 「攝像頭為主、其他傳感器為輔」開發(fā)出不同的自動駕駛汽車的原型，并且在真實路況中展現(xiàn)出了令人信服的能力。2004 年開始，美國（DARPA）發(fā)布無人車挑戰(zhàn)賽。時值 「第二次海灣戰(zhàn)爭」 剛剛開始，國防部注意到沙漠行動中的士兵傷亡，希望用無人駕駛來解決這一問題。DARPA 無人車挑戰(zhàn)賽為自動駕駛技術交流開辟了空間和研究的土壤，為產(chǎn)業(yè)貢獻了大量的人才。第一代的自動駕駛技術大牛，基本都是以 DARPA 無人車挑戰(zhàn)賽為起點。

2）賽道開啟。自動駕駛產(chǎn)業(yè)化的正式開啟是從 2009 年拉開序幕，Google X 確立了多個登計劃（Moonshot），旨在捕捉未來惠及全人類的核心技術。無人車項目在谷歌的資金支持下正式開啟。隨后，陸續(xù)有更多的科技巨頭入場。

3）核心技術跨越式發(fā)展。自動駕駛技術經(jīng)過多年打磨后，日趨成熟，絕大部分主流車企也宣布了自動駕駛的量產(chǎn)計劃表。為了更好的捕捉自動駕駛技術衍生出來的需求，從芯片廠到 Tier1 開始了供應鏈整合之路。標志性的事件就是英特爾宣布以 153 億美元收購 Mobileye（自動駕駛視覺芯片公司），并正式成立自動駕駛事業(yè)部。

4）技術得到商業(yè)化驗證。2017、2018 年開始，自動駕駛技術得到商業(yè)化驗證。車廠領跑者——奧迪首發(fā)了全球第一款 L3 級別的量產(chǎn)自動駕駛車輛；科技公司的領跑者——Waymo 在經(jīng)過 10 年的測試和技術打磨之后，推出 Waymo One 的自動駕駛出租車服務，試水商業(yè)化運營，并在 18 年分別向捷豹、菲亞特-克萊斯勒下了 20000 量捷豹 I-PACE 車型以及 62,000 輛 Pacifica 混動車的訂單，用于在未來 3 年內(nèi)在全美擴大自動駕駛車隊陣容。無獨有偶，Uber 早期也與沃爾沃達成協(xié)議，計劃采購 2.4 萬輛車輛，用于自動駕駛車隊。

5）供應鏈啟動。隨著車廠自動駕駛量產(chǎn)計劃日益臨近，前裝供應鏈的「車輪」也已經(jīng)率先啟動，標志性的事件就是 2019 年年初，四維圖新斬獲國內(nèi)首個 L3 及以上的高精度地圖的主流車廠訂單（寶馬）。從 2019 年開始，到 2020、2021 年，根據(jù)全球主流車廠的計劃表，將陸續(xù)開始有量產(chǎn)的自動駕駛車輛出爐，自動駕駛產(chǎn)業(yè)有望進入黃金發(fā)展期。

現(xiàn)象級事件頻發(fā)，自動駕駛產(chǎn)業(yè)發(fā)展全面提速。

1）資金層面。自動駕駛在一級市場已經(jīng)成為最火熱的賽道，展現(xiàn)出超強的吸金能力，僅 2018 年就全球狂攬 94.7 億美元的融資。充裕的資金資質(zhì)將成為自動駕駛產(chǎn)業(yè)最好的助推器之一；

2）產(chǎn)業(yè)層面?？萍季揞^繼續(xù)引領行業(yè)風向標；車廠相繼爭先宣布轉(zhuǎn)型移動出行服務商（典型代表豐田、通用、大眾），繼續(xù)加碼自動駕駛研發(fā)投入；

3）政策。全球政府為自動駕駛的合法化上路正緊鑼密鼓的修訂政策法規(guī)。日本政府近期通過了《道路運輸車輛法》修正案，確保自動駕駛的合法性；國內(nèi)方面，交通部部長***也在近期表示將力爭在國家層面出臺《自動駕駛發(fā)展指導意見》。

總體來看，自動駕駛產(chǎn)業(yè)生機勃勃，在資金、產(chǎn)業(yè)、政策的共振下，發(fā)展不斷提速，快馬加鞭縱情向前。

2.自動駕駛概念定義——L3是分水嶺

L3 將是自動駕駛技術的飛躍。對于自動駕駛技術和概念的定義，國際上通用的是美國 SAE 協(xié)會定義的標準。我們?nèi)粘Ｉ钪薪佑|的最多的仍然是 L2 級別的自動駕駛技術（以特斯拉 AutoPilot 為典型代表），本文所強調(diào)的自動駕駛是指 L3 及以上的高等級自動駕駛技術。

在自動駕駛技術分級中，L2 和 L3 是重要的分水嶺，在 L2 及以下的自動駕駛技術仍然是輔助駕駛技術，盡管可以一定程度上解放雙手（Hands Off），但是環(huán)境感知、接管仍然需要人來完成，即由人來進行駕駛環(huán)境的觀察，并且在緊急情況下直接接管。而在 L3 級中，環(huán)境感知的工作將交由機器來完成，車主可以不用再關注路況，從而實現(xiàn)了車主雙眼的解放（Eyes Off）。而 L4、L5 則帶來自動駕駛終極的駕駛體驗，在規(guī)定的使用范圍內(nèi)，車主可以完全實現(xiàn)雙手脫離方向盤以及注意力的解放（Minds Off），被釋放了手、腳、眼和注意力的人類，將能真正擺脫駕駛的羈絆，享受自由的移動生活。從實際應用價值來看，L3/L4 相對于輔助駕駛技術有質(zhì)的提升，從「機器輔助人開車」（L2）到「機器開車人輔助」（L3），最終實現(xiàn)「機器開車」（L4/L5），L3 將成為是用戶價值感受的臨界點，將成為產(chǎn)業(yè)重要分水嶺。

跟消費者普遍希望的「全能」所不同，自動駕駛技術是有應用場景和功能要求的。除了基礎的分級之外，SAE 協(xié)會還給出了自動駕駛系統(tǒng)的重要設計維度：設計運行范圍（ODD），即自動駕駛技術可以安全工作的環(huán)境，包括車輛自動駕駛時的速度、地形、路況、基礎環(huán)境、交通情況、時段（白天、晚上）。以消費者最常見的量產(chǎn)自動駕駛系統(tǒng)——特斯拉 Autopilot 為例，雖然很多粉絲在城市環(huán)境試過 Autopilot，但官方給出的啟用范圍依然是高速公路和行車緩慢的路段，并對時速做出了限制。很顯然，路況越復雜，自動駕駛的實現(xiàn)難度將越高。

國內(nèi)自動駕駛將漸進式落地。SAE 的自動駕駛分級是較為粗線條的，容易產(chǎn)生歧義。我們按照路況復雜程度進一步細化自動駕駛的功能定義，并對其落地時間進行預測。參考羅蘭貝格的報告，我們整體上判斷國內(nèi)自動駕駛將以 L0-L5 的路線漸進式展開，主要落地應用場景將以私家車出行、共享客運接駁、貨運物流為主，從低難度的區(qū)域（封閉低速路段）向高難度的區(qū)域（復雜城市道路）循序漸進地落地。2019 年，國內(nèi)將在城市特定區(qū)域開放道路進行自動駕駛車輛測試，并有望在部分高速公路允許 L3 自動駕駛。到 2025 年城市特定區(qū)域 L4、L5 自動駕駛有望開放，自動駕駛將步入分區(qū)域推進的新階段。而 2025 年之后，才會逐步放開自動駕駛區(qū)域限制，從限定場景逐步拓展到全場景。

3.技術：5G+AI打通自動駕駛「任督二脈」

3.1 自動駕駛技術框架概述

單車智能的三大核心環(huán)節(jié)——感知層、決策層和執(zhí)行層。狹義的理解，從單車智能的角度，自動駕駛技術的本質(zhì)就是用機器視角去模擬人類駕駛員的行為，其技術框架可以分為三個環(huán)節(jié)：感知層、決策層和執(zhí)行層。感知層解決的是「我在哪？」、「周邊環(huán)境如何？」的問題；決策層則要判斷「周邊環(huán)境接下來要發(fā)生什么變化」、「我該怎么做」；執(zhí)行層則是偏機械控制，將機器的決策轉(zhuǎn)換為實際的車輛行為。根據(jù)上述三個環(huán)節(jié)的分析框架，自動駕駛技術實現(xiàn)的基本原理是：感知層的各類硬件傳感器捕捉車輛的位置信息以及外部環(huán)境（行人、車輛）信息。決策層的大腦（計算平臺+算法）基于感知層輸入的信息進行環(huán)境建模（預判行人、車輛的行為），形成對全局的理解并作出決策判斷，發(fā)出車輛執(zhí)行的信號指令（加速、超車、減速、剎車等）。最后執(zhí)行層將決策層的信號轉(zhuǎn)換為汽車的動作行為（轉(zhuǎn)向、剎車、加速）。鑒于高等級自動駕駛是極為復雜的系統(tǒng)性工程，其技術方案尚未完全定型，無論傳統(tǒng)車廠、Tier1 還是互聯(lián)網(wǎng)科技企業(yè)，對于高等級自動駕駛均有自己的技術路線，我們將在后續(xù)章節(jié)詳細分析自動駕駛技術框架下不同模塊的作用和技術趨勢。

「車」、「云」、「路」協(xié)同進化是產(chǎn)業(yè)發(fā)展趨勢。廣義的理解，在單車智能技術路線的基礎上，未來整個自動駕駛的技術體系將是「車端」、「云端」、「路端」同步升級發(fā)展。

云端的意義在于：1）收集大量數(shù)據(jù)，訓練自動駕駛算法；2）通過云端更新高精度地圖，為自動駕駛車輛提供更實時的環(huán)境模型和動態(tài)信息。

路端的意義在于：通過打造互聯(lián)網(wǎng)化的道路，以車路協(xié)同技術，為自動駕駛車輛提供一個聯(lián)網(wǎng)的「外腦」，從而減少單車智能的硬件成本。

3.2 解構(gòu)自動駕駛核心技術模塊

3.2.1 自動駕駛感知層傳感器

3.2.1.1 自動駕駛感知層傳感器的定義和分類

感知層傳感器是自動駕駛車輛所有數(shù)據(jù)的輸入源。根據(jù)不同的目標功能，自動駕駛汽車搭載的傳感器類型一般分為兩類——環(huán)境感知傳感器和車輛運動傳感器。環(huán)境感知傳感器主要包括攝像頭、毫米波雷達、超聲波傳感器、激光雷達以及 GPS& 慣導組合等，環(huán)境感知傳感器類似于人的視覺和聽覺，幫助自動駕駛車輛做外部環(huán)境的建模；車輛運動傳感器（高精度定位模塊），主要包括 GNSS、IMU、速度傳感器等，提供車輛的位置信息、速度、姿態(tài)等信息。目前自動駕駛需要依賴不同的傳感器來收集信息，尚不具有一個具備所有感知功能于一身的「萬能」傳感器。不同傳感器所發(fā)揮的功能各不相同，在不同場景中各自發(fā)揮自身優(yōu)勢，難以相互替代。

3.2.1.2 環(huán)境感知傳感器的發(fā)展趨勢

環(huán)境感知傳感器的技術方案主要可以分為視覺主導和激光雷達主導。1）視覺主導的方案：攝像頭（主導）+毫米波雷達+超聲波雷達+低成本激光雷達，典型的車廠是特斯拉。特斯拉最為激進，創(chuàng)始人馬斯克堅持在其方案中不加入激光雷達；2）激光雷達主導的方案：低成本激光雷達（主導）+毫米波雷達+超聲波傳感器+攝像頭，典型的代表是 Google Waymo。目前，谷歌 Waymo 自己組建團隊研發(fā)激光雷達的硬件，把成本削減了 90% 以上，基本上是 7000 美金左右，同時也已經(jīng)在美國鳳凰城地區(qū)進行商業(yè)化的試運營。

傳感器各有優(yōu)劣勢，技術方向的最終定型取決于技術的發(fā)展速度以及部件成本的價格曲線。

1）攝像頭——非常適用于物體分類。攝像頭視覺屬于被動視覺，受環(huán)境光照的影響較大，但成本低。攝像頭生成的數(shù)據(jù)，人就能看懂，不過其測距能力堪憂。攝像頭非常適用于物體分類。

2）雷達——在探測范圍和應對惡劣天氣方面占優(yōu)勢。在探測距離上優(yōu)勢巨大，也不怕天氣影響，但不善于識別物體分辨率。

3）激光雷達——優(yōu)勢在于障礙物檢測。激光雷達是主動視覺，和攝像頭這類被動傳感器相比，激光雷達可以主動探測周圍環(huán)境，即使在夜間仍能準確地檢測障礙物。因為激光光束更加聚攏，所以比毫米波雷達擁有更高的探測精度。但激光雷達現(xiàn)階段的成本較高?？傮w來看，為了更好的安全冗余，各類傳感器的融合是技術路線的必由之路，而最終技術方向的定型取決于技術的發(fā)展速度以及部件成本的價格。

3.2.1.3 高精度定位傳感器的發(fā)展趨勢

高精度定位模塊是自動駕駛的標配。要實現(xiàn)車輛的自動駕駛，就要解決在哪里（即刻位置）、要去哪里（目標位置）的問題，因此高精度定位傳感器（厘米級精度）模塊需要應用于 L3 以上自動駕駛。

按照不同的定位實現(xiàn)技術，高精度定位可以分為三類。第一類，基于信號的定位，代表就是GNSS 定位，即全球?qū)Ш叫l(wèi)星系統(tǒng)；第二類，航跡推算，依靠 IMU（慣性測量單元）等，根據(jù)上一時刻的位置和方位推斷現(xiàn)在的位置和方位；第三類是環(huán)境特征匹配，基于激光雷達的定位，用觀測到的特征和數(shù)據(jù)庫中的特征和存儲的特征進行匹配，得到現(xiàn)在車的位置和姿態(tài)。觀察目前產(chǎn)業(yè)的主流方案，普遍采取融合的形式，大體上有：

1）基于 GPS 和慣性傳感器的傳感器融合；

2）基于激光雷達點云與高精地圖的匹配；

3）基于計算機視覺技術的道路特征識別，GPS 衛(wèi)星定位為輔助的形式。

3.2.1.4 5G/ V2X技術為自動駕駛打通外部「大腦」

5G/ V2X 技術為自動駕駛打通外部「大腦」。車聯(lián)網(wǎng) V2X 就是把車連到網(wǎng)或者把車連成網(wǎng)，包括汽車對汽車（V2V）、汽車對基礎設施（V2I）、汽車對互聯(lián)網(wǎng)（V2N）和汽車對行人（V2P）。通過 V2X 網(wǎng)絡，相當于自動駕駛打通外「大腦」，提供了豐富、及時的「外部信息」輸入，能夠有效彌補單車智能的感知盲點。可以說，V2X 是自動駕駛加速劑，能夠有效補充單車智能的技術、加速反應效率。5G 網(wǎng)絡具備低時延、高吞吐、高可靠的特性，大大提升了 V2X 傳輸信息的豐富性和及時性，也提高了 V2X 傳感器的技術價值。

3.2.2 計算平臺（主控芯片）

3.2.2.1 高等級自動駕駛的本質(zhì)是AI計算問題，車載計算平臺是剛需

自動駕駛就是「四個輪子上的數(shù)據(jù)中心」，車載計算平臺成為剛需。隨著汽車自動駕駛程度的提高，汽車自身所產(chǎn)生的數(shù)據(jù)量將越來越龐大。根據(jù)英特爾 CEO 測算，假設一輛自動駕駛汽車配置了 GPS、攝像頭、雷達和激光雷達等傳感器，則上述一輛自動駕駛汽車每天將產(chǎn)生約 4000GB 待處理的傳感器數(shù)據(jù)。不夸張的講，自動駕駛就是「四個輪子上的數(shù)據(jù)中心」，而如何使自動駕駛汽車能夠?qū)崟r處理如此海量的數(shù)據(jù)，并在提煉出的信息基礎上得出合乎邏輯且形成安全駕駛行為的決策，需要強大的計算能力做支持。考慮到自動駕駛對延遲要求很高，傳統(tǒng)的云計算面臨著延遲明顯、連接不穩(wěn)定等問題，這意味著一個強大的車載計算平臺（芯片）成為了剛需。事實上，如果我們打開現(xiàn)階段展示的自動駕駛測試汽車的后備箱，會明顯發(fā)現(xiàn)其與傳統(tǒng)汽車的不同之處，都會裝載一個「計算平臺」，用于處理傳感器輸入的信號數(shù)據(jù)并輸出決策及控制信號。

高等級自動駕駛的本質(zhì)是 AI 計算問題，車載計算平臺的計算力需求至少在 20T 以上。從最終實現(xiàn)的功能來看，計算平臺在自動駕駛中主要負責解決兩個主要問題：

1）處理輸入的信號（雷達、激光雷達、攝像頭等）；

2）做出決策判斷、給出控制信號：該加速還是剎車？該左轉(zhuǎn)還是右轉(zhuǎn)？

英偉達 CEO 黃仁勛的觀點是「自動駕駛本質(zhì)是 AI 計算問題，需求的計算力取決于希望實現(xiàn)的功能」，其認為自動駕駛汽車需要對周邊的環(huán)境進行判斷之后還作出決策，到底要采取什么樣的行動，本質(zhì)上是一個 AI 計算的問題，車上必須配備一臺 AI 超級處理器，然后基于 AI 算法能夠進行認知、推理以及駕駛。根據(jù)國內(nèi)領先的自動駕駛芯片設計初創(chuàng)公司地平線的觀點，要實現(xiàn) L3 級的自動駕駛起碼需要 20 個 teraflops（每秒萬億次浮點運算）以上的的計算力級別，而在 L4 級、L5 級，計算力的要求將繼續(xù)指數(shù)級上升。

3.2.2.2 算法和芯片協(xié)同設計是計算平臺的重要發(fā)展趨勢

自動駕駛計算平臺演進方向——芯片+算法協(xié)同設計。目前運用于自動駕駛的芯片架構(gòu)主要有 4 種：CPU、GPU、FPGA（現(xiàn)場可編程門陣列）和 ASIC（專用集成電路）。從應用性能、單位功耗、性價比、成本等多維度分析，ASIC 架構(gòu)具備相當優(yōu)勢。參考我們之前發(fā)布的行業(yè)報告《芯際爭霸—人工智能芯片研發(fā)攻略》的觀點，未來芯片有望迎來全新的設計模式——應用場景決定算法，算法定義芯片。如果說過去是算法根據(jù)芯片進行優(yōu)化設計的時代（通用 CPU+算法），現(xiàn)在則是算法和芯片協(xié)同設計的時代（專用芯片 ASIC+算法），這一定程度上稱得上是「AI時代的新摩爾定律」。具體而言，自動駕駛核心計算平臺的研發(fā)路徑將是根據(jù)應用場景需求，設計算法模型，在大數(shù)據(jù)情況下做充分驗證，待模型成熟以后，再開發(fā)一個芯片架構(gòu)去實現(xiàn)，該芯片并不是通用的處理器，而是針對應用場景，跟算法協(xié)同設計的人工智能算法芯片。根據(jù)業(yè)界預估，相比于通用的設計思路，算法定義的芯片將至少有三個數(shù)量級的效率提升。

3.2.3 自動駕駛算法

3.2.3.1 自動駕駛算法的定義和分類

算法是自動駕駛的大腦。根據(jù)面向的不同環(huán)節(jié)，可以分為感知層的算法和決策層的算法。其中：

1）感知層算法核心任務——是將傳感器的輸入數(shù)據(jù)最終轉(zhuǎn)換成計算機能夠理解的自動駕駛車輛所處場景的語義表達、物體的結(jié)構(gòu)化表達，具體可以包括：物體檢測、識別和跟蹤、3D 環(huán)境建模、物體的運動估計；

2）決策層算法的核心任務——是基于感知層算法的輸出結(jié)果，給出最終的行為/動作指令，包括行為決策（汽車的跟隨、停止和追趕）、動作決策（汽車的轉(zhuǎn)向、速度等）、反饋控制（向油門、剎車等車輛核心控制部件發(fā)出指令）。

整體來看，不同等級的自動駕駛算法的焦點不同。L3 級別的自動駕駛，側(cè)重于替代人的環(huán)境感知能力，因此感知層算法將是核心。L4 級別的自動駕駛，除了環(huán)境感知能力之外，側(cè)重點更在于復雜場景的決策算法的突破。

3.2.3.2 算法驗證迭代之路——仿真or路測

算法的驗證及迭代需要路測+仿真。按照產(chǎn)業(yè)普遍觀點，車企需要 100 億英里的試駕數(shù)據(jù)來優(yōu)化其自動駕駛系統(tǒng)，若要達到該測試里程數(shù)，按照目前的實際路測能力計算，即便是一支擁有 100 輛測試車的自動駕駛車隊，7X24 小時一刻不停歇地測試，要想完成 100 億英里的測試里程也需要花費大約 500 年的時間。為了破解這一難題，仿真測試成為大多數(shù)公司的共同選擇。所謂自動駕駛仿真測試，簡單來說，就是計算機模擬重構(gòu)現(xiàn)實場景，讓自動駕駛算法在虛擬道路上做自動駕駛測試，虛擬場景中也可以包含道路設施、老人小孩等各種行人。目前仿真測試已經(jīng)成為了真實路測的一個有益補充，而未來隨著深度學習技術地進一步深入運用，仿真測試將來自動駕駛研發(fā)方面發(fā)揮越來越重要的作用，并將推動自動駕駛技術早日實現(xiàn)商業(yè)化。相對于真實的路測而言，仿真的一大優(yōu)勢就是其可重復性，畢竟「人不能兩次踏進同一條河流」，但仿真通過在計算機的虛擬世界中重構(gòu)現(xiàn)實場景可以做到這一點。從產(chǎn)業(yè)來看，為了更高效的迭代和驗證自動駕駛算法，仿真系統(tǒng)已經(jīng)逐漸成為標配，Waymo、百度、騰訊將仿真系統(tǒng)研發(fā)作為頭等大事；AutoX、Roadstar.ai、Pony.ai 等諸多自動駕駛初創(chuàng)公司也在自主研發(fā)仿真環(huán)境；業(yè)內(nèi)開始出現(xiàn) CARLA、AirSim 等開源式自動駕駛仿真平臺。

3.2.4 高精度地圖

高精度地圖的定義和特性。在自動駕駛時代，「地圖」一詞已經(jīng)失去了其傳統(tǒng)路線圖的含義。目前大多數(shù)車載地圖的分辨率已足夠用于導航功能，但想要實現(xiàn)自動駕駛，需要掌握更精確、更新的車輛周邊環(huán)境信息，從而通過其他駕駛輔助系統(tǒng)做出實時反應。因此，未來的「地圖」實際上指的是非常精確且不斷更新的自動駕駛環(huán)境模型。目前，業(yè)界對于高精度地圖所包含的內(nèi)容尚未有準群的定義，但大體上高精度地圖將滿足「高精度+高鮮度」的兩高特性：

1）高精度是指地圖對整個道路的描述更加準確、清晰和全面。高精地圖除了傳統(tǒng)地圖的道路級別，還有道路之間的連接關系（專業(yè)術語叫 Link）。高精地圖最主要的特征是需要描述車道、車道的邊界線、道路上各種交通設施和人行橫道。即它把所有東西、所有人能看到的影響交通駕駛行為的特性全部表述出來；

2）高鮮度則是指數(shù)據(jù)將更為豐富以及需要動態(tài)實時更新。實時性是非常關鍵的指標，因為自動駕駛完全依賴于車輛對于周圍環(huán)境的處理，如果實時性達不到要求，可能在車輛行駛過程中會有各種各樣的問題及危險。

按照數(shù)據(jù)的更新頻率，高精度地圖可以分為靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)兩層。

靜態(tài)數(shù)據(jù)是指高精度地圖需要將道路基本形態(tài)（車道線等數(shù)據(jù)），通過地圖或矢量數(shù)據(jù)來正確表達出來。在靜態(tài)高精地圖模型中，車道要素模型包括車道中心線、車道邊界線、參考點、虛擬連接線等；

動態(tài)數(shù)據(jù)是指天氣、地理環(huán)境、道路交通、自車狀態(tài)等需要動態(tài)更新的數(shù)據(jù)。

通過靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)的疊加，高精度地圖將最終實現(xiàn)對于自動駕駛的環(huán)境建模。

高精度地圖對于自動駕駛的意義在于：

1）提升傳感器的性能邊界，作為感知層的安全冗余。在自動駕駛行業(yè)，傳感器方案供應商正在致力于使汽車擁有「眼睛」，代替駕駛員完成感知的過程。然而，現(xiàn)有的傳感器方案仍然存在改進的空間，包括傳感器測量的邊界（視覺、激光感知范圍有限）、傳感器應用的工況限制（如攝像頭在雨雪天氣無法正常工作）。高精度地圖超視距的特點意味著其可以對整體道路流量、交通事件、路況進行預判，可以作為感知層的安全冗余；

2）提供先驗知識。自動駕駛的基本原則：讓車的判斷越少、也就越安全。高精度地圖可以提供車輛環(huán)境模型的先驗知識，一定程度上減少自動駕駛車輛感知層的壓力；

3）確定車輛在地圖中的位置：人可以通過觀察和記憶，而自動駕駛汽車只能通過高精度地圖以及其創(chuàng)建的環(huán)境模型確定車輛在在地圖中的位置。

4）提供車道級的規(guī)劃路徑。正如前文所述，高精度地圖會把道路基本形態(tài)，特別是車道線展現(xiàn)出來，輔助自動駕駛車輛實現(xiàn)車道級的路徑規(guī)劃，支持并線超車等高等級的駕駛決策。

高精度地圖是實現(xiàn)自動駕駛的必要條件嗎？——Level3 及以上是必選項?；诿绹?SAE 協(xié)會對自動駕駛技術等級的劃分，在 Level 2 以下的輔助駕駛階段（ADAS 階段），高精度地圖對整個輔助駕駛系統(tǒng)來說是一個可選項。當自動駕駛技術發(fā)展到 Level3 及以上時，要求車輛在高速公路、停車場泊車等特殊場景中實現(xiàn)自動駕駛，高精度地圖的重要性開始凸顯。業(yè)內(nèi)公認要想實現(xiàn) Level3 級別的自動駕駛，高精度地圖將成為必選項。理由在于 Level3 的自動駕駛就意味著機器將完全取代人對于環(huán)境的監(jiān)控，考慮到現(xiàn)有的傳感器的性能邊界尚不足以完全替代，引入高精度地圖作為感知端的安全冗余增強整個系統(tǒng)的魯棒性就成為了必然的選擇。觀察目前自動駕駛行業(yè)實踐，無論是車廠推出的奧迪 A8、凱迪拉克 Super Cruise 等已經(jīng)量產(chǎn)的 Level3 車型還是百度、谷歌等互聯(lián)網(wǎng)廠商的 Level4 自動駕駛方案都引入了高精度地圖，進一步驗證了上述觀點。

3.2.5 自動駕駛OS

自動駕駛?cè)蝿諒碗s需要穩(wěn)定的實時 OS 支持。如果將自動駕駛汽車視為一個電子終端產(chǎn)品，那么除了組成的硬件、用來執(zhí)行命令的算法（程序）之外，底層操作系統(tǒng)也必不可少。操作系統(tǒng)的價值在于可以更好的分配、調(diào)度運算和存儲資源。一個汽車駕駛系統(tǒng)運行的軟件包括感知、控制、決策、定位等一系列高計算消耗，邏輯十分復雜，對安全可靠性要求特別高的程序，簡單的單片機無法實現(xiàn)，需要建立在一個成熟的五臟俱全的通用操作系統(tǒng)基礎上，同時要滿足實時性、分布式、可靠性、安全性、通用性等要求。從上述的要求可見，自動駕駛的操作系統(tǒng)與 PC 端、移動端操作系統(tǒng)的最大差別在于實時性。實際上，自動駕駛操作系統(tǒng)又稱為實時操作系統(tǒng)（RTOS），可確保在給定時間內(nèi)完成特定任務，「實時」是指無人車的操作系統(tǒng)，能夠及時進行計算，分析并執(zhí)行相應的操作，是在車輛傳感器收集到外界數(shù)據(jù)后的短時間內(nèi)完成的。實時性能是確保系統(tǒng)穩(wěn)定性和駕駛安全性的重要要求。

3.2.6 HMI（人機交互）

自動駕駛時代，HMI 是連接用戶與外部互聯(lián)服務的重要入口。HMI 是駕駛員與車輛交互的橋梁，駕駛員可以方便快捷地在 HMI 中查詢、設置和切換車輛系統(tǒng)的各種信息，在增強駕駛樂趣的同時，提升駕駛安全性。HMI 由中控、儀表、抬頭顯示、ADAS 系統(tǒng)等多個組件構(gòu)成。傳統(tǒng)汽車的人機界面 HMI 也被稱作駕馭員界面（Driver Interface），駕馭員的首要使命（Primary Task）是駕馭，因此支撐和輔佐駕馭就天然成為 HMI 的中心功能，信息娛樂等作為次要功能（Secondary Task）。而在自動駕駛時代，隨著駕駛員的注意力逐步釋放出來，汽車從生產(chǎn)工具進化為家庭、辦公場所之外的第三生活空間，HMI 將成為連接用戶與外部互聯(lián)服務的重要入口，產(chǎn)業(yè)地位將顯著提升，HMI 的設計理念也將被顛覆。

3.3 5G+AI黑科技打通自動駕駛技術的「任督二脈」

5G+AI 是解鎖高等級自動駕駛技術的關鍵所在。L2 升級到 L3、L3 升級到 L4，每一個自動駕駛級別的升級，都是一個質(zhì)的飛躍。其中：

L2 過渡到 L3。L3 的主要升級在于實時監(jiān)測環(huán)境并作出反應，其主要難點在于機器的感知能力能否達到要求。駕駛這種等級的車輛，司機只需要在系統(tǒng)提示的時候接管系車輛的掌控權或者完成判斷，正常加減速、轉(zhuǎn)彎等操作基本可以交給系統(tǒng)來處理。這一過渡需要解決的問題是，機器如何代替人進行可靠的周邊行車環(huán)境感知？特別是在極端環(huán)境下仍然可以做到可靠感知，確保行車安全；

L3 過渡到 L4。L4 的主要升級在于完全交由機器來進行自主決策（即使是在緊急情況、激烈的駕駛情況下）。這意味著機器的認知智能要有實質(zhì)性進步。上述問題的關鍵所在正是 5G+AI。

以深度學習為代表的 AI 機器視覺崛起，成功突破 L3 的技術瓶頸。以 Mobileye 的 L2 級別輔助駕駛為例，仍然是基于后端規(guī)則庫的傳統(tǒng)機器視覺，通過匹配后端規(guī)則庫與前端攝像頭的輸入數(shù)據(jù)，進行物體的識別和跟蹤。傳統(tǒng)機器視覺最大的問題是，規(guī)則庫是有限的，而汽車面對的環(huán)境是無限的。而在深度學習的框架引進并發(fā)揚光大后，AI 處理圖像分類任務的能力大幅提升，錯誤率直接下降。以 ImageNet 機器視覺大賽為例，深度學習技術框架下的機器視覺和傳統(tǒng)的機器視覺有著明顯的量級的提升。我們認為，不斷成熟完善的 AI 機器視覺配合高精度地圖作為安全冗余，對于突破 L3 的技術瓶頸起到了關鍵的作用。

引入以強化學習為代表的 AI 技術，5G 打通外部「大腦」，助力 L4 自動駕駛場景的實現(xiàn)。傳統(tǒng)基于搜索或者規(guī)則引擎的駕駛決策系統(tǒng)，往往只能采取非常保守的駕駛策略，即遇到障礙物立即剎停。而變道超車，加塞卡位等等在日常駕駛中經(jīng)常需要面對的情況，目前的系統(tǒng)需要人為設計各種精妙的策略進行應對，在設計策略時一旦有所疏忽，后果很可能是車毀人亡。如何讓機器真正像人一樣的開車，學會自主的決策，是 L4 的關鍵所在。谷歌 AlphaGo 在圍棋領域的成功是一個重要的標志性事件，其創(chuàng)新的引入了強化學習等全新的 AI 學習框架，模擬了人的思考方式，標志著機器智能的重要突破。引入強化學習的框架后，自動駕駛車輛可以像 AlphaGo 一樣思考學習，進行自主決策。此外，以 5G 為代表的 V2X 的引入，相當于打通了自動駕駛的外部「大腦」，可以為自動駕駛車輛提供更實時、更全面的外部信息，更好的實現(xiàn)多車的協(xié)同、交互，突破單車智能的技術瓶頸，助力 L4 自動駕駛場景的實現(xiàn)。

自動駕駛 L3 商業(yè)化技術已經(jīng)成熟，L4/5 加速發(fā)展進入驗證試點階段。縱觀全球主流科技公司和整車廠的自動駕駛技術商業(yè)化進展，除了個別領跑者如整車廠（奧迪已經(jīng)量產(chǎn) L3 級別的自動駕駛車輛）、科技公司（Waymo 已啟動 L4 級別機器人出租車的商業(yè)化運營），大部分公司的節(jié)奏是已初步掌握 L3 的核心技術，進入由 L2 向 L3 商業(yè)化過渡的關鍵階段，同時 L4/5 加速發(fā)展進入驗證試點階段。