根據世界衛生組織的統計，每年因交通事故導致超過125萬人喪生，這些事故造成的政府損失約占GDP的3％。雖然自動駕駛的潛在影響非常廣泛，延伸到個人、經濟和政治領域，但拯救生命這一作用本身就意味著自動駕駛可能是我們這個時代最具革命性的發明。

在自動駕駛領域有三大重要趨勢正成為人們關注的焦點：自動駕駛將挑戰傳感器冗余成本比率，以確保整體安全；軟件定義的測試平臺對于跟上處理器架構的發展至關重要；隨著自動駕駛的要求不斷影響微處理器架構，半導體和汽車產業正在相互融合。NI汽車市場總監Jeff Phillip對此話題進行了深入解讀，相信你一定會受益匪淺。

高級駕駛輔助系統（ADAS）是傳感器、處理器和軟件的融合，旨在提高安全性并最終提供自動駕駛功能。如今，大多數ADAS系統使用單個傳感器，例如雷達或攝像頭，并且已經產生了可量化的影響。根據IIHS 2016年的研究報告指出，自動制動系統減少了大約40％的追尾事故，碰撞警告系統減少了23％的追尾事故。

盡管如此，國家公路交通安全管理局（NHTSA）報告說，94％的嚴重車禍都是由人為失誤造成的。為了實現從駕駛輔助到L4或L5級別自主駕駛的轉變并讓駕駛員不用再控制方向盤，汽車行業面臨著更加復雜的挑戰。例如，傳感器融合是一項必需的技術，該技術通過綜合許多傳感器的測量數據來得到結果，因此需要同步、大功率處理以及傳感器技術不斷進步。對于汽車制造商而言，這意味著在成本、技術和戰略這三個關鍵要素之間進行權衡，以達到適當的平衡。

圖1. 實現安全自動駕駛所需的權衡迫在眉睫

代價：冗余與互補傳感器

L3級別自主駕駛標準規定，如果汽車保持在預定義的環境下，那么駕駛員就不需要特別注意。 2019年奧迪A8將成為世界上第一輛提供L3級別自主駕駛技術的量產車。它配備了六個攝像頭、五個雷達設備、一個激光雷達設備和12個超聲波傳感器。為什么要使用這么多傳感器？簡單來說，每種傳感器都有其獨特的優勢和劣勢。例如，雷達顯示的是物體的移動速度，而不是物體的樣子。這時就需要進行傳感器融合，因為物體的移動速度和物體的樣子對于預測對象的行為都是至關重要，而冗余則是為了克服每個傳感器的缺陷。最后，傳感器數據處理的目標是獲得可代表汽車周圍環境安全/故障的表示方式，并且這種表示方式應可以饋入決策算法，并有助于降低成本，從而使最終產品能夠產生盈利。實現這一目標的最大挑戰之一是選擇合適的軟件。以三個應用為例：緊密同步測量、維護數據可追溯性，以及在無數真實條件下對軟件進行測試。每一個應用都有其獨特的挑戰；對于自動駕駛，這三個應用都必不可少，但代價是什么呢？

圖2. 激光雷達帶來了冗余

圖3. 冗余與互補傳感器比較

技術：分布式與集中式架構

ADAS的處理能力來自于多個獨立的控制單元；但是傳感器融合正在推動單個集中式處理器的普及。以奧迪A8為例。在2019年款的車型中，奧迪將所需的傳感器、功能、電子硬件和軟件架構整合到一個中央系統中。這個中央駕駛輔助控制器會計算汽車周圍環境的完整模型并激活所有輔助系統。它的處理能力將比以前奧迪A8車型的所有系統合起來都要高。集中式架構的主要問題是高功率處理的高成本，而且由于需要在汽車中的其他地方安裝一個輔助融合控制器作為備用控制器來確保安全，這一成本就更加高了。隨著控制器及其處理能力的發展，工程師的偏好可能會在分布式和集中式架構設計之間交替，這意味著軟件定義的測試儀設計對于跟上這一演變至關重要。

策略：內部開發與現成即用的技術

為實現L5級別自動駕駛，自動駕駛汽車的微處理器需要具備比當前微處理器高出2000倍的處理能力；因此，這種微處理器的成本很快就比mmWave雷達傳感器系統中的RF組件更加昂貴。歷史表明，如果某個能力的成本日益增加，而且需求非常高，就會引起鄰近市場領導者的注意，進而推動了市場現有企業之間的競爭。

舉個數據說明，UBS估計雪佛蘭Bolt電動動力系統的半導體器件要比同等內燃機汽車多6到10倍。汽車內半導體器件的數量只會增加，不會減少，而鄰近市場也將會不斷改進相關的技術和產品。例如，NVIDIA已經改進了最初為消費電子產品開發的Tegra平臺，以滿足汽車ADAS應用的需求。另外，Denso已開始設計和制造自己的人工智能微處理器以降低成本和能耗，Denso的子公司NSITEXE Inc.計劃在2022年發布一款數據流處理器，即下一代處理器IP，稱為DFP。比賽已然已經開始。

優化權衡

基于這些權衡做出的決策將對整個供應鏈的上市時間和差異化能力產生巨大影響。快速重新配置測試儀的能力對于最大限度地降低驗證和生產測試成本和時間至關重要，因此通過軟件實現靈活性是制勝之策。

豐田研究所首席執行官James Kuffner博士在接受采訪時表示，“我們的預算不是翻一番，而是翻兩番。我們有將近40億美元的資金讓豐田成為一家擁有世界級軟件的汽車公司。”這種情緒在汽車行業并不少見。目前還沒有明確的答案，但是，就像過去的工業革命一樣，人們通過提高生產力來負擔新技術所需的成本，提高軟件開發效率將成為自動駕駛革命不可或缺的一部分。