攝像頭、雷達、高分辨率 3D 瞬動激光雷達（Flash Lidar）等各類傳感設備的組合，將成為傳感器套件中的關鍵部分，可為用戶提供車輛四周的 360°環視視野。

為了模仿人類駕駛員在駕駛過程中的眾多行為，自動駕駛系統需要集成大量非常復雜的技術。如今，為了能夠360 度觀測車輛四周的情況，每輛車都需要安裝一組由多個傳感器組成的傳感器陣列。快速網絡可以將必要數據發送至電子控制單元，協助車輛在轉向、制動、加速和減速方面進行決策。

為了在未來的移動出行解決方案市場占得先機，汽車廠商、一級供應商和其他供應商正在與孜孜不倦的創業公司和“行業攪局者“展開激烈競爭，其中也包括蘋果 (Apple) 和谷歌 (Google) 等科技巨頭，但有時也會選擇與這些公司合作。

他們獲勝的關鍵在于以下技術領域：

業界正朝著模塊化和可擴展的多域控制器穩步前進，以便管理日益復雜的傳感器數據輸入和處理。

處理能力

處理器可分析傳感器的數據輸入，進而做出轉向、制動、加速、減速等決定，未來必將取得重大進展。現階段的安全系統主要會大量采用傳統的多核處理器，具體參與的廠商包括恩智浦 (NXP)、英飛凌 (Infineon)、瑞薩 (Renesas)、意法半導體 (ST Microelectronics) 和英特爾 (Intel) 等。然而，未來自動化系統帶來的極端挑戰，將對現有的處理技術提出更高要求。

英偉達 (Nvidia) 的每個高度并行圖形處理單元 (GPU) 都擁有數千個小型處理內核，近些年來開始在汽車行業嶄露頭角。這種 GPU 單元非常適合同時完成多項任務，例如同步分析來自多個傳感器的像素輸入。最近，英偉達推出專門針對 SAE 3 級到 5 級自動駕駛系統的Pegasus 多芯片平臺。Pegasus 模塊的尺寸與車輛牌照相仿，但卻可以實現每秒 320 萬億次的數據中心級處理能力。

目前已被英特爾收購的 Mobileye 也開發了一款專門的圖像處理器。現場可編程門陣列 (FPGA) 可用于制造專用并行設備，主要生產廠家包括賽靈思 (Xilinx)、英特爾 (nee Altera)、萊迪思半導體（LatticeSemiconductor）和 美高森美（Microsemi） 等。FPGA 允許設計人員基于具體任務打造性能最佳的定制芯片。恩智浦和瑞薩等主流供應商已獲得 Tensilica 的可編程技術許可，目前已經開始將應用范圍從信息娛樂系統擴展到安全系統。

不過，傳統 CPU 并不會就此退出歷史舞臺。CPU 的優勢在于順序處理技術，可以協助將經過各類專用處理器（位于傳感器或 ECU 單元內部）處理過的傳感器數據融合起來，這對系統的決策能力至關重要。

如今，大多數系統都有自己的獨立處理器，比如車道偏離或自適應巡航控制系統都內置了處理器，也就是這些大型控制單元很可能會收集所有相關數據，并判斷將如何為車輛導航。這種需求將給處理器的內核性能、時鐘頻率和低功耗預算提出更高要求，特別是在電動汽車應用中。

車載攝像頭的指數級增長，推動了生產效率的提升和規模的擴大。圖示為麥格納公司密歇根州Holly 攝像頭工廠生產的傳感器線路板。

雷達和攝像頭

熟練的人類駕駛員僅靠自己的眼睛和簡單的后視鏡幫助，即可做到安全駕駛，但自動駕駛車輛將需要多達 30 個傳感器，才能達到人類駕駛員的水平。具體來說，這些傳感器有的面向前方，共同識別前進道路及可能障礙物，其他的傳感器則將面向車輛的各個方向，共同繪制 360 度環視視野。

目前，雷達組件市場主要由恩智浦和意法半導體等成熟芯片制造商占領，而這些公司的主要業務之一是將微控制器和雷達設備匹配起來。此外，亞諾半導體 (Analog Device) 和瑞薩 (Renesas) 以及 Imec 和英飛凌等合作伙伴，也在進行類似的整合。例如，在 IHS Markit 的拆解中，我們可以看到來自德爾福的 77-GHz 雷達傳感器采用了英飛凌的接收器和發射器裝置，及 TI 的應用處理器。目前，這款雷達傳感器已經用于 2015 款沃爾沃 XC90。此外，德爾福的另一項前沿 RaCam 雷達 + 視覺傳感技術也使用了英飛凌基于 SiGe HBT 的接收器和發送器。

Oculii、Omniradar 和 Artsys360 等幾家初創企業，正在試圖在雷達領域站穩腳跟。博世 (Bosch)、采埃孚 (ZF)、德爾福 (Delphi) 等絕大多數一級供應商也開始在安全系統中使用雷達技術。

這些公司中的絕大多數還在研發攝像頭技術。目前來看，英特爾旗下的 Mobileye 公司在攝像頭領域占據主要優勢，旗下 EyeQ3 視頻處理器已經成功登陸德爾福的 RaCam 傳感解決方案。麥格納國際 (Magna International)、博世 (Bosch)、法雷奧 (Valeo)、大陸 (Continental)和電裝 (Denso) 等多家公司也開始將目光轉向視覺系統。另外，敏視 (Stonkam) 等中國制造商，及松下汽車系統 (PanasonicAutomotiveSystems) 和安全氣囊巨頭 Autoliv 都紛紛大舉進軍攝像頭系統領域。

基于 AI 和攝像頭的駕駛員監控系統，對于 SAE 2級至 4 級自動駕駛技術的實現至關重要。

司機警覺性監控和駕駛室感應系統，是攝像頭技術另一項穩步增長的應用場景。經過通用汽車凱迪拉克 (Cadillac) SuperCruise 系統的驗證，這些技術對于 SAE 2 級到 4 級自動駕駛系統的安全運行至關重要。科技合作是這個新興供應領域的核心。目前，電裝已經與硅谷技術公司 Xperia 展開合作，希望借力后者的 FotoNation 部門，補充圖像識別技術實力。電裝公司早在 2014 年就開始為越野卡車和大型旅游巴士提供駕駛員狀態監視器。該系統采用了一款駕駛艙攝像頭，可捕捉駕駛員的面部圖像，并采用計算機視覺技術，通過檢測駕駛員的面部，確定駕駛員的疲憊程度。

目前，攝像頭和雷達將相互配合以識別物體。另外，當固態設備能夠達到汽車產業的要求時，汽車制造商還大概率將增加激光雷達，使信號發送區域可以相互覆蓋。這種設計可以杜絕誤報警的可能性，盡最大可能提供障礙物識別信息。此外，車輛還采用了多雷達的設計，以提供 3D 觀測功能。未來，24-GHz 雷達可能會被帶寬更寬的 77-GHz 產品取代，從而滿足行業對高精度 3D 圖像的需求。值得說明的是，先進的信號發送和接受技術，也可以協助雷達識別物體，而不是僅能提供距離信息。

提高分辨率是攝像頭性能優化的關鍵內容。更高的分辨率可以增加清晰度，有助于擴大攝像頭的監測范圍，幫助系統及時識別遠距離目標。今天最主流的 200 到400 萬像素攝像頭，未來將會被 800 到 1000 萬像素的產品所取代。

隨著車上的傳感器數量越來越多，這些傳感器發送給控制器的數據量也急劇增加。數據集成處理器可以解決這一問題，但該解決方案并未得到行業的普遍認可。明導 (Mentor Graphics) 嵌入式系統部門總經理 Glenn Perry 表示：“在傳感器中增加一個處理器，會導致延遲產生，并增加我們材料清單的長度。SAE 5 級自動駕駛系統需要采用大量的激光雷達、雷達和攝像頭，這種設計思路的成本太高，還將占用大量的計算能力，因此可能根本行不通。”

通用汽車公司購買了 Strobe 公司的超緊湊型調頻 (FM) 激光雷達技術（原型如圖所示，大小可參考與旁邊中性筆的對比），數據處理速度高于常規ToF激光雷達。通用汽車下屬子公司Cruise Automation的目標是將固態激光雷達的成本降低至每部 100 美元以下。

激光雷達

許多汽車工程經理認為，激光雷達傳感技術結合了激光和攝像頭優勢，是 SAE 5 級自動駕駛必不可少的組成部分。激光雷達的工作原理和普通雷達相仿，主要通過發射激光測算目標的距離。具體來說，激光雷達將發出激光，并記錄激光反射回來所需的時間，進而測算雷達與障礙物之間距離。這種技術不受天氣影響，將成為攝像頭的有力補充。

目前，多家小型公司都在打造機電激光雷達系統，但基本都以固態激光雷達為主，以達到汽車級可靠性標準。汽車行業對激光雷達的興趣絕非隨口說說，而是實打實地拿出了大量投資。舉幾個例子，德爾福、福特和采埃孚（ZF）分別投資了 Innoviz Technologies、Velodyne 和 Ibeo 公司。德爾福和戴姆勒還共同投資了 Quanergy 公司。大陸集團收購了 Advanced Scientific Concepts；ADI 公司則收購了 Vescent Photonics。2017 年 10 月，通用汽車的自動化技術子公司克魯斯自動化 (Cruise Automation) 也收購了一家正在埋頭開發下一代激光雷達傳感器的小型公司 Strobe。

Gruise公司的老板 KyleVogt 曾在一篇博文中寫道，如果可以將整個傳感器系統集成至單芯片上，工程師們就可以將每部汽車激光雷達的成本降低“99％”。

目前，一些激光雷達芯片已經進入市場，但主要應用仍以“車道偏離預警”等短距離測距為主。大多數正在研發中的汽車級固態激光雷達都希望可以在 200 到 300 米（656 到 984 英尺）的距離內提供高分辨率圖像，進而允許車輛盡早識別行駛方向上的障礙物。

“分辨率至關重要，”VelodyneLidar 公司 CTO Anand Gopalan 表示，“如果你希望‘看清’遠處的小目標，比如輪胎碎片等，那就必須提供足夠的激光強度。這樣才能準確捕捉到這些小型目標，并及時采取避讓措施。”

架構

架構是無人駕駛汽車成為現實的先決條件，需要保證眾多零部件的協同工作：比如如何收集傳感器數據，如何將這些數據融合起來形成環視視野，如何在車輛中實現數據分享，如何進行決策，如何進行交叉檢查等等。

由于電子系統可以根據車輛周圍的情況做出判斷，因此軟件將發揮重要作用。同時硬件性能必須足夠強大，才能及時完成運算，進而避免事故發生。目前，車輛的系統硬件和軟件通常由同一個供應商提供，不過隨著汽車開放系統架構 (AUTOSAR) 的發展壯大，軟硬件系統的獨立性也將有所提高。未來，隨著汽車制造商開始不斷尋求更好的自動駕駛軟件，這種趨勢可能會隨之加速。

采埃孚（ZF）自動駕駛團隊首席工程經理Karl-Heinz Glander 表示：“現在大多數人都明白，硬件和軟件應該是相互獨立的，這樣才能方便第三方軟件的使用。OEM可以自由選擇同蘋果、谷歌這樣的純軟件公司，或是像英偉達或 Mobileye 這樣的芯片公司合作，找到最符合公司利益的搭配。”

目前，系統架構面臨的關鍵問題之一，在于系統的運算能力應集中在一個強大的 ECU 中，還是分散在系統的各個組成部分。許多 ADAS 系統選擇將獨立處理器分散各個智能傳感器中。這樣一來，傳感器的數據在發送至中央處理器前，可以先在傳感器內進行初步處理，這樣一來可以降低中央控制器的壓力，二來還可以減輕汽車通信網絡的數據傳輸壓力。然而，還有一些系統架構師更傾向于將系統的全部計算能力集中在中央ECU 中，所有數據全部不加處理，直接傳送至中央處理器，從而避免在傳感器中增加獨立處理器的需求。事實上，一些OEM可能會將這兩種思路結合起來，即仍采用中央處理器的設計，但在部分“智能”傳感器中增加獨立處理器，完成部分數據處理工作，其他“普通”處理器將原始數據傳送回ECU 即可。

事實上，軟件系統幾乎不可能全面預測無人駕駛車輛在道路上可能遇到的各種情況，并預先設計如何進行反應。

在此背景下，允許車輛“邊跑邊學”的人工智能技術則被提上了日程。人工智能所需的投資規模非常龐大，目前已在語音識別和圖像分析方面取得了重大進展。

德爾福的 V2V 控制器已應用于凱迪拉克。

通訊

如果車輛能夠共享信息，則可以獲得車載傳感器無法獲得的信息。舉個例子，車輛的傳感器可能無法“看到”前方有一輛被大貨車完全擋住的小橋車，但車輛通信技術則可將這個信息通報出來。車輛與基礎設施間的通信有助于提升交通運輸系統的安全性。這些信息無疑將成為自動駕駛汽車的法寶，但具體部署仍然面臨諸多質疑和挑戰。

多年來，NHTSA 和汽車制造商一直致力于開發專用短程通信 (DSRC) 技術標準，但目前仍沒有具體實施的消息。有觀點認為，除非強制執行，否則廠商根本不會采用 DSRC 系統。目前，凱迪拉克已經部署了 V2V 技術，但其他汽車廠商還并沒有動靜。

雖然監管機構還在反復思量有關安全性的各種問題，但汽車和手機供應商已經開始設計基于 5G網絡的 V2X 通信技術。5G 通信的實現日期和實際性能仍不能確定，但只要成本可以降下來，則可能會成為大多數車型的選擇。5G 技術可以解決 V2X 系統面臨的眾多挑戰，包括不需要實時通訊性能的路面黑冰通知等。

對于一些與自動駕駛汽車轉向或制動有關的警告，DSRC 具備的低延遲優勢非常關鍵。DSRC 的性能已經在大量車輛的公路測試中有所體現，因此一旦 NHTSA或幾個主要支持機構出面推進，DSRC通信技術將在乘用車和商用車中得到快速推廣。雖然一些 5G 支持者認為移動網絡完全可以取代 DSRC 技術，但更多人認為這兩者可能必須共同發揮作用。

意法半導體業務發展高級首席工程師 Raed Shatara 表示：“業界應該呼吁協作，在不犧牲安全的情況下實現這兩種技術的共存。回顧過去，FM 并沒有取代 AM，HD 也并沒有取代 AM 或 FM，衛星收音機不能取代 AM、FM 或 HD。現在，這些技術的身影還都存在于汽車中。”

無論借助哪種技術，汽車通信的成果將逐步成熟。要實現 V2X 通信的前提是車輛必須具備發送/接受消息的能力，而裝配 V2X 系統的車輛需要很長時間才能完全取代以前的汽車。此外，還必須說明的是，這些次級系統目前還很難驗證，車輛接收到消息到底是來自其他通過驗證的車輛，還是來自黑客，因而很多安全功能還無法提供。