最近關(guān)注車圈的車友應(yīng)該都被“智能化”這個(gè)詞刷屏了，尤其當(dāng)小編實(shí)地參觀了上海車展后，更是被眾多車廠銷售口中的智能化無(wú)人駕駛解決方案渲染的“頭暈眼絢”。也在考慮要不要買一輛具備一定無(wú)人駕駛能力的智能化電動(dòng)汽車了。

別急，仔細(xì)研究了一番無(wú)人駕駛行業(yè)的全景圖后，小編從中總結(jié)了無(wú)人駕駛技術(shù)最為重要的幾項(xiàng)細(xì)分技術(shù)，以及未來(lái)無(wú)人駕駛技術(shù)的發(fā)展趨勢(shì)。希望本篇的分析對(duì)于對(duì)無(wú)人駕駛技術(shù)感興趣的小伙伴以及有意購(gòu)買下一輛具備無(wú)人駕駛能力的智能汽車的人提供一些思考和建議。先說(shuō)結(jié)論：目前市面上眾多車廠的無(wú)人駕駛解決方案中還沒(méi)有哪一家真正意義上實(shí)現(xiàn)了L3級(jí)別的駕駛能力。溫故而知新，讓我們來(lái)復(fù)習(xí)一下無(wú)人駕駛技術(shù)不同級(jí)別的含義：

也就是說(shuō)，當(dāng)前車企中沒(méi)有哪一家敢說(shuō)我可以閉著眼讓你開(kāi)車，即使強(qiáng)如特斯拉都沒(méi)有達(dá)到L3級(jí)別的能力。所以消費(fèi)者在考慮購(gòu)買下一輛智能化汽車的時(shí)候記住不論商家把其無(wú)人駕駛功能包說(shuō)的多么天花亂墜、神乎其神，你只需問(wèn)他一句：達(dá)到全域L3級(jí)別的駕駛能力了嗎？有國(guó)家給的無(wú)人駕駛L3級(jí)的認(rèn)證嗎？ 

當(dāng)前市面所有無(wú)人駕駛車廠的解決方案均為達(dá)到真正意義上的L3級(jí)

在探究無(wú)人駕駛技術(shù)未來(lái)的發(fā)展之前，先思考下對(duì)于自動(dòng)駕駛技術(shù)最為關(guān)鍵的技術(shù)因素有哪些？從技術(shù)角度講，所有自動(dòng)駕駛解決方案廠商均依賴于人工智能算法的先進(jìn)性和高效的架構(gòu)作為其無(wú)人駕駛平臺(tái)的底層邏輯，而人工智能算法中最適合無(wú)人駕駛解決方案的是深度學(xué)習(xí)(Deep Learning)算法。所謂深度學(xué)習(xí)，就是讓計(jì)算機(jī)從經(jīng)驗(yàn)中學(xué)習(xí)，并根據(jù)層次化的概念體系來(lái)理解世界，而每個(gè)概念則通過(guò)與某些相對(duì)簡(jiǎn)單的概念之間的關(guān)系來(lái)定義。 深度學(xué)習(xí)依賴于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，我們先用大白話聊一聊什么是神經(jīng)網(wǎng)絡(luò)，然后再介紹為什么要把神經(jīng)網(wǎng)絡(luò)做“深”呢？相信看完本文之后就能理解什么是深度學(xué)習(xí)了。

從系統(tǒng)角度出發(fā)，一個(gè)系統(tǒng)通常有三個(gè)部分組成：輸入、輸出和模型。

輸入和輸出比較好理解，那么模型是什么呢？簡(jiǎn)單的說(shuō)，模型就是輸入和輸出之間的映射關(guān)系。

先拿一個(gè)最簡(jiǎn)單的例子來(lái)說(shuō)：一個(gè)系統(tǒng)的輸入是X，輸出為Y，我們知道x=1，y=2；x=2，y=4；以此類推。我們很容易就得出x與y之間的映射關(guān)系，即y是兩倍的x，即y=2x。

這個(gè)例子比較簡(jiǎn)單，我們一眼就能看出輸入和輸出之間的關(guān)系，當(dāng)x為圖片、聲音、股市交易單、人口與房?jī)r(jià)等等復(fù)雜的輸入時(shí)，如何計(jì)算出想要的輸出y呢？

這時(shí)候就很明確了，從輸入推理出輸出的關(guān)鍵就在于，獲取輸入和輸出之間的映射關(guān)系，我們將輸入和輸出之間的映射關(guān)系定義成一個(gè)函數(shù) Y=F（x，0），這里的Y就是輸出，x是輸入。

關(guān)鍵就在于，怎么求解這個(gè)F呢？這時(shí)候就要祭出神經(jīng)網(wǎng)絡(luò)了，它的作用就是通過(guò)調(diào)整參數(shù)來(lái)求解輸入輸出之間的映射關(guān)系F。

從理論上來(lái)講，神經(jīng)網(wǎng)絡(luò)通過(guò)調(diào)整各層的參數(shù)0，可以擬合任意復(fù)雜度的函數(shù)。我們先喂給神經(jīng)網(wǎng)絡(luò)一定量的輸入輸出數(shù)據(jù)，通過(guò)一次次的訓(xùn)練，讓網(wǎng)絡(luò)學(xué)習(xí)到當(dāng)前輸入輸出數(shù)據(jù)之間的映射關(guān)系。那么如果未知的輸入X與訓(xùn)練神經(jīng)網(wǎng)絡(luò)的輸入服從同分布的話，將這個(gè)未知輸入X送入神經(jīng)網(wǎng)絡(luò)中就能夠映射出一個(gè)輸出Y。

神經(jīng)網(wǎng)絡(luò)就get到預(yù)測(cè)的能力了！

可是這種映射的結(jié)果一定是準(zhǔn)確的嗎，比如我輸入一張貓咪的圖像進(jìn)入識(shí)別動(dòng)物的神經(jīng)網(wǎng)絡(luò)，我想要的輸出結(jié)果是：這是一只貓咪。但神經(jīng)網(wǎng)絡(luò)給出的輸出有可能是：這是一只狗狗或者是一只貓貓。

這些基于神經(jīng)網(wǎng)絡(luò)的深度機(jī)器學(xué)習(xí)算法的性能在很大程度上依賴給定數(shù)據(jù)的表示（或者說(shuō)“參照物”），深度學(xué)習(xí)算法通過(guò)不斷類比和窮舉其他較簡(jiǎn)單的表示（參照物），經(jīng)過(guò)對(duì)決策標(biāo)識(shí)的融合后來(lái)表達(dá)復(fù)雜表示。

此外，自動(dòng)駕駛技術(shù)依賴外部傳感器去感知環(huán)境，利用算法和芯片處理器去識(shí)別環(huán)境，通過(guò)算法提供的智能化決策給汽車輸入控制從而來(lái)實(shí)現(xiàn)自動(dòng)駕駛的功能。

了解了自動(dòng)駕駛實(shí)現(xiàn)的邏輯，我們需要考慮的是當(dāng)前技術(shù)環(huán)境下實(shí)現(xiàn)自動(dòng)駕駛發(fā)展的制約因素主要有哪些？

或者說(shuō)目前在熱門的無(wú)人駕駛賽道中，有哪些關(guān)鍵環(huán)節(jié)技術(shù)需要率先突破從而實(shí)現(xiàn)無(wú)人駕駛解決方案向著L3-L4-L5方向前進(jìn)。

01超級(jí)人工智能（AI）處理器

前文講到，自動(dòng)駕駛技術(shù)主要采用深度學(xué)習(xí)（deep learning）作為其核心邏輯引擎。而深度學(xué)習(xí)（deep learning）的核心是把物體進(jìn)行微分化處理，微分處理后的“碎片信息”會(huì)被標(biāo)識(shí)成不同的門類（參照物），經(jīng)過(guò)對(duì)這些門類的再次微分化，使“碎片化”信息逐步從局部到整體的匹配識(shí)別。要完成這樣不斷分割、對(duì)比、標(biāo)識(shí)、聚攏的復(fù)雜化流程，就需要異常強(qiáng)大的算力作為支撐。算力TOPS(Tera trillion" Operations Per Second) 表示每秒萬(wàn)億次操作，它主要是對(duì)信息數(shù)據(jù)最大可實(shí)現(xiàn)吞吐量的度量，是當(dāng)前最直觀評(píng)價(jià)AI芯片的能力指標(biāo)。

列幾個(gè)目前市面有代表性的幾家技術(shù)廠商的算力平臺(tái)性能：

AI行業(yè)中的主要處理器類型有以下：

CPU（中央處理單元）是為通用計(jì)算目的而設(shè)計(jì)的芯片，著重于計(jì)算和邏輯控制功能。它們?cè)谔幚韱蝹€(gè)復(fù)雜的計(jì)算順序任務(wù)方面很強(qiáng)，但是在大規(guī)模數(shù)據(jù)計(jì)算方面卻很差。

GPU（圖形處理單元）最初設(shè)計(jì)用于圖像處理，但已成功地用于AI。GPU包含數(shù)千個(gè)內(nèi)核，并且能夠同時(shí)處理數(shù)千個(gè)線程。這種并行計(jì)算設(shè)計(jì)使GPU在大規(guī)模數(shù)據(jù)計(jì)算中極為強(qiáng)大。

FPGA（現(xiàn)場(chǎng)可編程門陣列）是可編程邏輯芯片。這種類型的處理器在處理小規(guī)模但密集的數(shù)據(jù)訪問(wèn)方面功能強(qiáng)大。此外，F(xiàn)PGA芯片允許用戶通過(guò)其微小的邏輯塊對(duì)電路路徑進(jìn)行編程，以處理任何種類的數(shù)字功能。

ASIC（專用集成電路）是高度定制的芯片，專門設(shè)計(jì)用于在特定應(yīng)用中提供卓越的性能。但是，定制的ASIC一旦投入生產(chǎn)，就無(wú)法更改。

其他芯片類型，例如神經(jīng)形態(tài)處理單元（NPU），其結(jié)構(gòu)可模仿人腦，具有在未來(lái)成為主流的潛力，但仍處于開(kāi)發(fā)的早期階段。

綜上所述，當(dāng)前主要影響全自動(dòng)駕駛的阻礙是AI芯片的設(shè)計(jì)能力和制造能力以及強(qiáng)大5G網(wǎng)絡(luò)基礎(chǔ)設(shè)施全面構(gòu)建。

02高精度高集成化傳感器系統(tǒng)

感知定位是自動(dòng)駕駛的前提，當(dāng)前汽車主要采用雷達(dá)來(lái)測(cè)量前車距離，采用攝像頭來(lái)識(shí)別物體，采用IMU,GNSS來(lái)預(yù)測(cè)車輛運(yùn)動(dòng)狀態(tài)。

未來(lái)自動(dòng)駕駛解決方案將大規(guī)模采用激光雷達(dá)定位感知大部分障礙物，同時(shí)還會(huì)加入熱成像技術(shù)來(lái)識(shí)別動(dòng)物和夜間成像等。

根據(jù)2021最新Yole的報(bào)告顯示，未來(lái)實(shí)現(xiàn)自動(dòng)駕駛整車上傳感器的成本會(huì)是當(dāng)前汽車上的傳感器價(jià)格的8倍左右。

這些價(jià)格的增量部分主要來(lái)自于多種高精度傳感器（包括激光雷達(dá)）的使用，車載大量的傳感器精度與可靠度升級(jí)。此外，高集成度的傳感器集合與可適配的整車布置會(huì)使得傳感器與車載大燈和激光雷達(dá)的融合。最近大熱的蔚來(lái)ET7車型所使用的自動(dòng)駕駛雷達(dá)攝像頭均布置在追求流線外形和低風(fēng)阻設(shè)計(jì)車頂部分，這大大影響了美觀和整車動(dòng)力性能的設(shè)計(jì)。未來(lái)，高精度與集成的傳感器系統(tǒng)將會(huì)解決車企這樣的“尷尬”。

03自動(dòng)駕駛軟件及算法

需要說(shuō)明的是，車載自動(dòng)駕駛軟件算法遠(yuǎn)比當(dāng)前任何商用飛行器都復(fù)雜，汽車在實(shí)際駕駛的真實(shí)場(chǎng)景中所遇到的情況比飛機(jī)要復(fù)雜很多。隨著汽車全球普及率越來(lái)越高，未來(lái)的城市郊區(qū)路況都將更加復(fù)雜多變。這也使得自動(dòng)駕駛軟件和算法需要不斷迭代和極強(qiáng)的數(shù)據(jù)分析與決策能力。未來(lái)，無(wú)人駕駛方案對(duì)不斷更新的算法和軟件都提出了極高的要求。

04 車路協(xié)同V2X標(biāo)準(zhǔn)和生態(tài)的盡快建立

在實(shí)現(xiàn)自動(dòng)駕駛的過(guò)程中，對(duì)于車端感知的自動(dòng)駕駛器由于感知范圍有限，感知性能上由于傳感器自身存在的限制，可能導(dǎo)致感知性能暫時(shí)性降低甚至失效，僅靠單車的智能，很多典型的駕駛場(chǎng)景是無(wú)法滿足安全駕駛需求的，這也是當(dāng)前主機(jī)廠開(kāi)發(fā)自動(dòng)駕駛系統(tǒng)的痛點(diǎn)。

這就使得路端信息的加入是一個(gè)必需的過(guò)程。通過(guò)對(duì)部分主機(jī)廠已經(jīng)量產(chǎn)的自動(dòng)駕駛產(chǎn)品統(tǒng)計(jì)分析看出，L4在其限定的運(yùn)行范圍ODD內(nèi)需要運(yùn)行穩(wěn)定安全，更多是需要路端軟件配合車端軟件進(jìn)行優(yōu)化。主機(jī)廠希望通過(guò)構(gòu)建智慧的路以彌補(bǔ)車端感知缺陷，從而達(dá)到提高自動(dòng)駕駛性能，降低成本的目的。

總結(jié)

自動(dòng)駕駛技術(shù)的發(fā)展已經(jīng)到了必須改造基礎(chǔ)設(shè)施的階段，要全面構(gòu)筑“人-車-路”全域數(shù)據(jù)感知的智能路網(wǎng)，進(jìn)入“聰明的車”與“智能的路”相互協(xié)同的新階段。也就是說(shuō)，從自主駕駛轉(zhuǎn)向車路協(xié)同?？梢韵葘?duì)簡(jiǎn)單相對(duì)固定的場(chǎng)景進(jìn)行路端改造。

比如乘用車行駛路線因個(gè)人和時(shí)間的不同而不同，短期內(nèi)難以大面積鋪開(kāi)。但對(duì)固定物流路線改造則相對(duì)容易，由于使用率高，邊際成本將大大降低。對(duì)于廣泛應(yīng)用的小汽車，自主駕駛的技術(shù)路線更為可能和現(xiàn)實(shí)。當(dāng)然，對(duì)于城市公交和礦區(qū)、碼頭的搬運(yùn)車輛等，由于固定線路和特定區(qū)域，可充分利用車路協(xié)同技術(shù)的優(yōu)勢(shì)。