自动驾驶主流解决方案及核心技术分析

一、自动驾驶解决方案:整车厂和科技巨头半竞半合，各领风骚

1、主机厂:投入巨大、成果显著

传统整车厂如奥迪、特斯拉、通用、丰田、福特等公司均有自己的自动驾驶研发团队，在自动驾驶领域投入巨大，成果显著，如奥迪A8 L3级自动驾驶系统已经量产上市。

2、系统厂商:Waymo 小联盟 Vs. 百度 Apollo 大联盟

能够提供自动驾驶解决方案的系统厂商，目前以谷歌的 Waymo 和百度的Apollo 为代表：

2.1 Waymo

谷歌母公司 Alphabet 旗下独立的专注自动驾驶系统开发的子公司。谷歌自 2009 年起启动自动驾驶项目，2016 年成立独立实体 Waymo。

2017年加州DMV自动驾驶报告披露的数据显示，Waymo 的车队规模、路测里程和人工干预周期上均保持领先，特别是人工干预周期，达到5596 英里/次，第二名的 GM 为1254 英里。通过报告可以看到，车队规模大，路测里程越长，干预周期越长。

根据 Waymo 安全报告披露，公司与克莱斯勒合作的车型中，一辆车装有5个激光雷达，分别为前部3 个，顶部1个和尾部1个;毫米波雷达4 个，前后部各2个;摄像头1个，位于顶部;其他补充传感器1个，位于顶部。由于是测试车辆，安装传感器数量较多，成本也较高。

Waymo 与克莱斯勒合作车辆及其硬件系统 ：

从发展历程看 Waymo 在战略上出现过反复，2013 年推出等豆荚车表明公司等努力方向是自己造车，但 2015 年与克莱斯勒合作并宣告不再制造汽车，表明它对自己进行重新定位 ，着重做系统研发。当然，与克莱斯勒而不是自身研发自动驾驶的通用、 特斯拉等公司合作，应该是出于整车厂的合作意向、开放程度等。

总体看 Waymo 是综合实力最强的自动驾驶公司，路测车队规模、路测里程都位于前列，并且路测成绩较好，平均 5596 英里才需要一次人工干预。

2.2 百度 Apollo

2017 年 4 月发布 Apollo 计划，加速自动驾驶进程。2018 年与金龙客车合作量产小巴“阿波龙”。在国内自动驾驶系统研发上保持领先。

Apollo发展历程：

Apollo 平台是一套完整的软硬件和服务系统，包括车辆平台 、硬件平台、 软件平台 、云端数据服务等四大部分。 旨在向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助他们结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统。

百度 Apollo 计划以“开放”和“联盟”为特色，自计划宣布以来已有近百家整车厂、Tier1、Tier2、科研机构、运营商等成为盟友，也包括北京、上海、重庆、福建平潭等地方政府。

2.3 Waymo小联盟 Vs. 百度Apollo大联盟

通过上述分析我们看到，Waymo 走的是“小联盟”战略，与少数整车厂(克莱斯 勒、捷豹 、本田等)和传感器厂商进行深度合作。它具有先发优势，积累较多路测 里程和较大车队规模，路测成绩也较好。而百度走的是“大联盟”的战略，依托Apollo 平台，尽可能地扩大“朋友圈”。但除数据共享外尚未看到成熟的合作模式。

虽然 Waymo 和 Apollo 是两种不尽相同的发展路线，但只是发展路程的不同，条条大路通罗马。Waymo 首先研发自身的自动驾驶系统，包括软件和硬件，并与少数几家整车厂进行深度合作，例如克莱斯勒的数十辆测试车，2万台捷豹I-Pace 投入未来的自动驾驶打车服务，以及与本田签约进入物流和递送市场，走的是“少而精”的 路线，可以快速获得较多的商业化落地车队。但存在的问题是如果未来跟其他整车厂合作，可能存在新的技术整合问题。

百度 Apollo 在开始阶段就整合了多家产业链上下游的企业，如果这个联盟的配合较 好，则百度的系统应该可以适配所有联盟内部车企的车辆。但是这决定在初始阶段的开发工作为了尽量能通用于多数的下游应用，会持续较长时间。

此外，互联网公司在汽车产业链上没有积累，量产整车互联网竞争优势不如传统汽车厂商，2015 年以后Waymo的“不生产整车”战略也预示了这一点。

结合上述分析，Waymo 和 Apollo 或其他自动驾驶系统厂商的商业模式大概率类似“安卓”系统，自身研发自动驾驶系统(或包括与其配合的硬件)，与整车厂合作，以用户行为数据分析产生的价值为主要盈利来源。

2.4 量产车型自动驾驶方案:特斯拉Autopilot Vs. 奥迪A8 AI

特斯拉的 Autopilot 功能:相当于 L2 级别的自动驾驶，能够根据交通状况调整车速;保持在车道内行驶; 自动变换车道而无需驾驶员介入;从一条高速公路切换至另一条; 在接近目的地时驶出高速;在接近停车场时自动泊车。

奥迪A8:是市场上第一款具备L3级别自动驾驶能力的量产车，在某些特定情况下，如在停车和驶离、时速 60公里以下行驶或交通拥堵时，该系统将接管奥迪A8的驾驶操控，而驾驶员则无需持续监控车辆的驾驶与运行。

特斯拉 Autopilot功能：

二、自动驾驶核心部件

1、芯片:自动驾驶的大脑

1.1 进入门槛高、性能要求高、成本高

高级驾驶辅助系统(ADAS)、自动驾驶、车联网(V2V/V2X)与车载娱乐服务系统等，均需要高效能处理芯片。例如自动驾驶未来包括4-5 台激光雷达， 5台毫米波雷达，若干个摄像头和红外探测器等传感器，在车辆高速运行时每秒都会产生大量点云(三维位置数据)和视频(多帧图像数据)，自动驾驶芯片必须有能力及时处理获取的信息，并利用算法做出合理决策。

自动驾驶芯片领域进入门槛高，主要是 Intel(Mobileye)、Nvidia 两大巨头的“双雄争霸”。此外少数创业公司如地平线机器人、寒武纪等，在具体场景应用上有一定优势。

1.2 现状:平台化方案搭配标准化芯片

芯片方案技术路线上，动驾驶遵循了一般人工智能对计算平台的升级规律，即开始阶段使用CPU，而后升级到GPU。

目前各大厂商的技术处于GPU+FPGA 阶段，由于芯片成本还处于高位，现在平台化的方案搭配标准化的芯片是一种开源的解决方案，另一方面，芯片集成度不高，系统供应商会将自动驾驶系统分为主模块和选装模块，适配整车柔性较大，给整车厂选择的空间也较大。

1.3 趋势:自动驾驶专用的定制化、集成度高的芯片

未来随着处理器设计门槛的降低和对自动驾驶算法协同进化要求的提高，自动驾驶专用的人工智能处理器将成为主流。

TPU(Tensor Processor Unit)是谷歌研发的针对深度学习加速的一款机器学习定制的专用芯片(ASIC)，专为谷歌的深度学习框架TensorFlow而设计。第一代 TPU 仅能用于推断(即不可用于训练模型)，并在著名的 AlphaGo 人机大战中提供了巨大的算力支撑。去年5月谷歌发布了TPU 2.0，不仅能进行推断，还能高效支持训练环节的深度网络加速。谷歌 I/O 2018 开发者大会期间发布了第三代AI人工智能/机器学习专用处理器 TPU 3.0，TPU 3.0 的计算能力最高可达 100PFlops(每秒1000万亿次浮点计算)，是去年 TPU 2.0 的8倍多。

BPU(Brain Processing Unit)是地平线研发的未来会直接应用于自己主要产品中的芯片，包括: 智能驾驶、智能生活和智能城市。相比于国内外其他AI芯片start-up 公司，地平线的第一代BPU走的相对保守的 TSMC 的40nm 工艺。

2、传感器:环境信息和车内信息的采集与处理

自动驾驶系统目前应用比较主流的环境感知传感器包括激光雷达、毫米波雷达、超声波雷达和摄像头。

超声波雷达产品已经很成熟，探测距离近、成本低，目前渗透率已很高。激光雷达和毫米波雷达拥有很多优良性能，在自动驾驶领域应用潜力巨大。

2.1 激光雷达:实时建立周边环境的三维模型

激光雷达( LiDAR) 能释放多束激光，接收物体反射信号，计算目标与自身的距离。应用较多的是利用反射信号的折返时间计算距离(Time of Flight)，也有连续波调频(CWFM)方法。与雷达和摄像头相比，激光雷达可以通过多束激光高频发射获取的反射数据形成周边物体的高清3D的“点云”图像。

虽然目前自动驾驶解决方案尚未有明确的固定搭配，但激光雷达会成为最重要的传感器。而毫米波雷达、摄像头将是重要的补充。激光雷达成本较高的问题是暂时的，随着固态激光雷达技术成熟和产量提升，成本将降低到可承担的范围内。

2.2 毫米波雷达:全天候工作、难以成像

毫米波雷达发出和接收的是电磁波，此外与激光雷达相比毫米波雷达会有很多测量短距离的场景，如侧向警示、倒车警示等，因此主要以 FMCW 调制方法来测距。主要原理是，通过振荡器形成持续变化的信号，而发出信号和接收信号之间形成频率差，其差值与发射-接收时间差成线性关系，只要通过频率差就能计算车辆与物体距离。

优缺点上，毫米波雷达的优势在全天候工作，即不良天气、夜晚等环境下可以发挥作用，而激光雷达会受雨雪雾霾的影响。缺点是目前主流的 24GHz毫米波雷达较难成像，分辨率不及前两者。79GHz 毫米波雷达可以形成类似激光雷达的“点云”成像，分辨率较高。

由于毫米波雷达成本较低，并且在不良天气下表现良好，因此将成为感知设备中重要的一环。但由于其分辨率较低，因此不能作为激光雷达的替代品，而是激光雷达的重要补充设备。

2.3 摄像头:分辨率高、功能齐全、雷达的补充设备

摄像头分为单眼摄像头、三焦摄像头(交通标志探测*1 ;校准距离视觉摄像头*2)和立体摄像头(可探测深度)。L2 及以前，Mobileye 提供单眼摄像头解决方案，L3 以后，需要多个摄像头配合。摄像头的单车成本约150~600 美元。

虽然摄像头分辨率高、功能齐全，但是它录入的是图像信息，数据量较大，较依赖图像识别，相比激光雷达的点云，对计算机的要求高很多，这也将提高整体成本。因此摄像头获取的图像信息将主要负责交通标志识别等少数领域，作为激光雷达和毫米波雷达的补充。

传感器 CMOS 方面，日韩高科技企业垄断，索尼、三星两家市占率之和超过50%。

图像处理器 DSP 方面，主要供应商为德州仪器(TI)、Mobileye、华为海思等，其中德州仪器(TI)市占率最高。

镜头组方面，舜宇光学市占率最高，占车载镜头组国内市场 50%以上，2017 年出货量近 4700 万颗，同比增长 40%以上。

3、车联网:自动驾驶的延伸

3.1车联网概述

车联网实现V2X 交互。车联网是以车内网、车际网和车载移动互联网为基础，按照约定的通信协议和数据交互标准，在V2X(X:车、路、行人及互联网等)之间，进行无线通讯和信息交换的大系统网络，是能够实现智能化交通管理、智能动态信息服务和车辆智能化控制的一体化网络，是物联网技术在交通系统领域的典型应用。

车联网具备两大功能:

一是以智能汽车为参与网联的主体，将单个车辆的智能性提升为整个车辆集群的智能性，从而进一步发展智能驾驶与智能交通体系。能够有效提升行车安全，降低交通拥堵和事故发生率。

二是作为一个生活网络节点，帮助车内人员更好享受万物互联的出行生活。未来汽车将成为最大的个人移动处理平台，成为使用者的娱乐和工作平台。

车联网可分为运营层、应用层和管理层三层架构。涉及的环节较多，主要包括通信芯片/模块提供商、外部硬件提供商、RFID 及传感器提供商、系统集成商、应用设备和软件提供商、电信运营商、服务提供商、汽车制造商等。

服务提供商即 TSP 在车联网产业链居于核心地位。TSP(Telematics Service Provider)上接汽车、车载设备制造商、网络运营商，下接内容提供商。谁掌控了服务提供商，谁就能掌握车联网产业的控制权，因此，服务提供商也成为了汽车制造商、电信运营商、GPS 运营商及汽车影音导航厂商力争的角色。

车联网向用户体验化发展。在车联网发展的早期阶段，主要以紧急救援、导航服务为主;现阶段以车载自动诊断系统、智能车载终端为入口的TSP 服务为主，逐渐侧重于用户服务、车载娱乐等功能;而随着汽车电动化、智能化、无人驾驶的发展，车联网将会扮演越来越重要的角色，一方面承担车车互联、车物互联的桥梁，另一方面也不断参与到用户应用场景之中，扮演着服务提供商的角色。

具千亿市场规模。据埃森哲研究，我国车联网市场规模，将从从目前的百亿美元规模，7 年内爆发增长至千亿美元规模。

3.2车载信息终端 CID:车联网与汽车的界面与入口

3.2.1 CID 概述

CID 是车联网实现的基础平台及终端入口。车载信息终端(CID)主要为驾驶员及乘客提供 信息、通讯及娱乐功能。通常包括电子地图、导航服务、倒车辅助、信息娱乐等辅助驾驶 功能模块，和安防监控、胎压监测、故障诊断等保障安全驾驶的功能模块。未来将影视、 导航、 网络和辅助驾驶有机合成是CID 发展的趋势。CID在车联网架构上属于核心环节，是车联网实现的基础平台及终端入口，在产业链中存在较大利润空间。奔驰 2018 年新一代车载信息终端系统：

盈利模式涵盖多条路线，海量数据变现能力强。CID 系统海量数据蕴含较大的商业价值，数据变现和与第三方合作实现的附加值占比达24%。

• 直接销售;
• 与保险公司合作，直接采集行驶数据，分析每辆车保险用户的驾驶习惯，为车辆驾驶评定安全等级，定价车辆保险;
• 与 4S 店合作，远程获取车辆驾驶数据及故障信息，提醒驾驶员维修和保养，提升 4s 店对用户的服务质量，增加用户粘性;
• 与政府、企业汽车管理调度合作，通过监控、调度、指挥、管理、保险服务等，提升政府、企业对车辆的管理;还通过对车辆数据的监控，及时感知道路拥堵、交通事故信息;
• 与商业中心及其他企业合作，了解用户的消费习惯及消费能力，分析后向终端用户推送定制化的广告等。

3.2.2 CID 竞争格局

CID 竞争激烈，集中度较低。CID市场竞争激烈，市场化水平高。从全球市场来看，主要玩家分为两类: 一是汽车零部件的老牌巨头， 他们往往与整车厂深度绑定， 以前装市场为主，以规模化优势具占据大部分市场份额; 二是电子类企业，CID 所具有的电子化和网络化属性，使得此类企业能够较容易拓展业务至汽车领域，优点是能迅速实现产业链的横向整合以技术优势分一杯羹。在产业链中，CID 设备制造商很难绕过整车厂与用户对接， 整车厂均有较为固定车载信息系统供应商为其提供服务。

• 全球市场:市场集中度较低，前五 CID 供应商合计市占率约 45%，竞争具有很强的地域特征。博世等占据欧洲市场，伟世通主打美国市场，电装、松下等日企在亚洲地区市占率较高。
• 国内市场:部分被国际零部件龙头企业占据，但在自主品牌整车厂中，本土企业以性价比优势占据大部分市场份额。与国外CID 系统供应商巨头相比，国内厂商起步较晚，在发展初期主要以后装市场做切入点，尤其以公司所在地——珠三角地区为代表的地区，是CID 系统的主要 生产基地。

国内CID市场规模超千亿。综合考量CID的装机情况及市场需求，将国内CID市场分为前装和后装。前装市场的增长空间取决于汽车产量，后装市场的增长空间主要取决于国内外目前的汽车保有量及后续增量。以车联网车机不含屏、智能驾驶车机含屏8%的渗透率增长率、传统车机以15%的渗透率比率下降测算，国内前装市场2018年市场规模达991 亿元;以后装市场8%的渗透增长率测算，国内后装市场2018年市场规模达383亿元。