自動駕駛汽車它的產業鏈上下游已經出現支撐公司，并在逐漸走向成熟。

自動駕駛分級標準

關于自動駕駛的分級，主要有SAE（美國機動車工程師學會）標準和NHTSA（國家公路交通安全管理局）兩個標準；目前，前者受到大多數業內人士的認可，它從Lv0-Lv5將自動駕駛依據控制方式和適用環境分為了6個等級。

自動駕駛行業的最終目標，必然是實現真正的無人駕駛（Lv5），而實現的方式主要分為兩種思路：①從Lv0逐步過渡到Lv5，通過整合集成ADAS中的控制功能，實現真正的無人駕駛②直接從Lv0跨度到Lv4，在特定的垂直領域和相對封閉的環境中推進無人駕駛，再向Lv5，也就是全環境全路況的無人駕駛普及。

根據SAE分級，不難看出，從Lv4開始，真正的控制者由人開始轉為自動駕駛系統，責任主體也隨之轉移。因此，在設計研發之初，ADAS之中的輔助駕駛功能就與無人駕駛的目的不同，尤其在經歷Lv3、Lv4這兩個階段是時，由于責任主體發生改變，因此在法律、輿論上面臨著許多尚未可知的困難。

不過，ADAS的感知部分，以及不少輔助駕駛功能，例如自動巡航、自動泊車、前車碰撞緊急制動等，都可以在無人駕駛汽車當中得到應用，因此，也為無人駕駛的最終實現貢獻了不小的力量。

自動駕駛汽車產業鏈剖析

為了推動無人駕駛汽車行業的進步，方便大家參考，億歐對自動駕駛汽車行業進行了產業鏈分析，主要從產業上下游將其分為了感知、計算平臺、算法集成、車輛控制、汽車通訊、無人駕駛汽車運營等六個方面。

（自動駕駛產業鏈結構圖）

下面，本文將會對產業鏈上的各個部分進行單獨剖析。

感知

自動駕駛汽車的感知部分，主要由攝像頭、激光雷達、毫米波雷達、超聲波雷達等多種方式共同組成。

由于各種感知方式在不同環境、不同距離、不同作用上各有所長，因此采用多傳感器信息融合的方式有利于保證全方位信息的收集，進而使計算機做出更加精準的判斷和規劃。

激光雷達

目前，激光雷達的生產廠商集中在國外，包括美國Velodyne公司、Quanegy公司以及德國的Ibeo公司等，國內激光雷達初創公司也在盡力追趕。

激光雷達的穿透距離遠，高性能激光雷達可以實現200米范圍內，精度高達厘米級的3D場景掃描重現，從而幫助自動駕駛系統實現提前行駛路線規劃。

目前來看，多線激光雷達很有可能是未來無人車的必備傳感器，并且與高精度地圖及駕駛系統核心算法緊密相關。目前，多線激光雷達還沒有針對車規級的成熟量產方案，機械旋轉式多線激光雷達雖然已在普遍應用，但體積較大且價格過于昂貴，更小型更低成本的純固態激光雷達還未見到成熟產品。

國內有不亞于國外的光機電技術基礎，產業鏈比較完整，因此，諸多深耕激光雷達領域的公司還有不小的機會。

毫米波雷達、超聲波雷達

除了激光雷達之外，近年來毫米波雷達和超聲波雷達也逐漸成為自動駕駛汽車中，參與多傳感器信息融合感知設備。其中，最為知名的例子就是特斯拉在其智能汽車中，完全沒有使用激光雷達，而采用毫米波雷達+攝像頭的方案。

另外，類似博世、大陸這樣的智能輔助駕駛巨頭，也在毫米波雷達和超聲波雷達這樣成本較低傳感器設備上，擁有比較深刻的技術積累和應用經驗。

而在國內，像行易道這樣的毫米波雷達廠商，也在積極進行技術開發，追趕國際巨頭水平。

不過，歸根結底，特斯拉還只是高級輔助駕駛系統（ADAS），而當操作主體，也就是責任主體向機器轉移時，僅僅通過攝像頭和毫米波雷達實現自動駕駛功能是不夠的，激光雷達所帶來的功能性安全冗余非常必要。

攝像頭（計算機視覺）

目前，通過攝像頭進行拍攝，在進行圖像和視頻識別，確定車輛前方環境，是自動駕駛汽車的主要感知途徑，這也是很多無人駕駛公司的主要研發內容之一。

不過，在這一方面，ADAS要先于無人駕駛汽車向市場推廣，因此在數據收集反饋、工程化等方面，ADAS公司也處于領先地位。

國內雙目ADAS公司中科慧眼CTO崔峰就表示，在未來無人駕駛汽車中，攝像頭（雙目）將成為重要的感知部分，中科慧眼未來努力的目標，也是為自動駕駛汽車，乃至各類出行機器人提供機器視覺方面的技術支持。

目前，車載攝像頭主要分為單目和雙目兩種。

雙目攝像頭基于視差原理，可以在數據量不足的情況下，測定車輛前方環境（樹木、行人、車輛、坑洞等），并且獲得準確的距離數據，用以提供給自動駕駛系統進行車輛控制。

而單目攝像頭，主要基于機器學習原理，使用大量數據進行訓練，進行環境識別。盡管需要大量數據支持，且在惡劣光線條件下的表現不如雙目攝像頭，但其相對便宜的價格以及成熟的技術也獲得了一部分公司的青睞。

在單目ADAS領域，以色列公司Mobileye是世界最頂尖的企業，而中國公司與這樣的國外巨頭依然存在一定的差距。

汽車通訊

汽車通訊主要可以分為兩個方面。

第一，是車聯網系統。

通過車載通訊設備，完成人與車、車與車、車與環境的信息交互，一方面可以完善運營車輛（出租車、網約車、公交車、物流貨車等）和道路交通（如紅綠燈）的調度安排，另一方面可以減少車輛的感知設備投入，將車輛及環境采集到的信息與車輛自身采集的信息相融合，從而實現自動駕駛功能。

不過，車聯網（包括V2X，車輛對外界信息交換）的發展，除了需要大大小小各家公司的努力之外，同樣需要政府和相關機構的幫助。

首先是制定V2X通訊標準，歐美在此前就已經將DSRC標準列為了其車輛通訊標準，而國內則是LTE-V標準的呼聲比較高。

另外，車聯網不僅僅局限于車輛上的通訊系統配備，還涉及到道路交通基礎設施建設。目前，杭州、南京、北京等地，都已經開始了智慧城市和智慧交通的試點。

車聯網技術的前身，TelemaTIcs（遠距離通信與信息科學），在很早以前就已經出現，而大概在四五年前，由于物聯網的興起，出現了“車聯網”這個詞。其更大的作用，不僅限于保證自動駕駛功能運行，而在于未來車輛中內容行業的發展。

第二，是高精度地圖。

高精度地圖是自動駕駛汽車實現路線規劃的基礎，這些年，衛星導航和基于激光雷達的3D環境建模技術日益成熟，高精度地圖測繪質量逐步提升，這為自動駕駛的研發提供了不小的助力。

國內高精度地圖，以百度地圖、高德地圖、四維圖新等公司為主力；而國外方面，Here、TomTom等公司一直備受稱贊。

計算平臺

自動駕駛系統的計算量、數據流都非常大，同時又需要較快的反應速度，因此就需要匹配合適效能的計算資源，保證計算工作的正常運行。

自從吳恩達發現GPU非常適合進行深度神經網絡訓練以來，英偉達就在這一次的人工智能浪潮之中大發了一筆橫財。目前，據不完全統計，全球已有超過1500家人工智能初創公司使用英偉達的產品，其中還有不少自動駕駛技術公司。

在2017年CES上，英偉達發布了最新的車載計算平臺“XAVIER”，其512 個Volta CUDA 核心可提供高達30TOPS的計算性能，并且功率只有30W，遠遠優于Drive PX2。

而在國內，人工智能創業圈子中聲名赫赫的地平線機器人，也正在研發其基于FPGA架構的大腦引擎（BPU），而代號為“高斯”的計算構架IP預計在2017年底推出。

不過，綜合來看，自動駕駛計算平臺的爭奪戰依然主要在國際巨頭之間展開，除了英偉達之外、英特爾、微軟、Ceva、Mobileye、恩智浦、德州儀器、高通等芯片、IP、ADAS供應商，都正在瞄準這一領域發力，未來的競爭激烈程度可見一斑。

車輛控制

自動駕駛汽車不僅僅是感知和算法，它還涉及到車輛控制、汽車動力學、汽車工程等諸多技術學科，同時需要汽車控制（剎車、轉向、燈光、油門等）配件的支持。

目前，自動駕駛執行相關的技術和部件產品將依然長期掌控在大型Tier1手中。如博世、大陸、Delphi等傳統的Tier1掌握的執行控制專利技術已經可以支撐到自動駕駛階段，無論在性能還是價格上都有絕對的優勢。

此外，由于電動汽車技術的快速革新，傳統汽車制造業受到了沖擊，此前發動機和變速箱等壁壘技術，逐漸被車輛電控、電動機、電池等技術取代。這種變革，讓創業團隊自己造車成為了可能。

因此，國內外眾多電動汽車、互聯網造車、智能汽車企業極有可能成為自動駕駛汽車行業的新貴。

智車優行CEO沈海寅曾表示，在智車優行未來戰略規劃中，自動駕駛是關鍵一環。目標是在三到四年內在一些局部路況下的全自動駕駛。

算法與自動駕駛汽車運營

目前，大多數踏入自動駕駛行業的初創公司，可以看作算法集成層面的公司。

他們利用高精度地圖進行路線規劃，采用新型計算平臺，整合多傳感器信息，開發相應的車輛控制算法對汽車進行行為控制。

目前，自動駕駛技術公司的兩級分化比較嚴重，一方面是看準時間和角度切入的初創企業，另一方面則是大型互聯網科技巨頭，如谷歌、百度、Uber等。此外，像博世這樣，少量擁有相對完整的產業鏈結構的Tier1，也在踏足這一領域。

不過，這些進行無人駕駛汽車研發的公司，大多有更深的想法，它們并不把自己看做單純的技術提供方，而是希望深入到運營中去。例如智行者希望能夠首先在低速園區內進行無人駕駛運營，而圖森互聯則在一開始就瞄準了長途高速貨運。Uber與其收購的Otto也將目光分別聚焦在了無人駕駛共享出行和長途貨運上。

圖森互聯CEO陳默表示，相比于賣車，運營服務公司是更靠近產業鏈下游和利益鏈頂端的方式。

自動駕駛汽車的另一個特點，就是解放了我們在出行過程中的雙手、眼睛和大腦，因此車內活動也有了更多的想象空間。馭勢科技CEO吳甘沙曾在多次公開演講中表示，未來，自動駕駛汽車很有可能成為新的商業場景，為人們提供出行時的觀影、辦公、餐飲服務。

傳統車廠去了哪里？

與自動駕駛相對應的，是自動駕駛+共享經濟的出行模式，C端用戶消費的將不再是汽車，還是出行服務。

業內人士普遍認為，在自動駕駛時代，汽車利用率將直線上升而銷量必定下降，車廠的選擇，一是盡快尋求合作，進行技術開發，向自動駕駛領域轉型；二則是淪為自動駕駛汽車的代工廠和供應商。

因此，大多數車廠更希望看到的是Lv4甚至以下等級的自動駕駛技術，而不是Lv5狀態下的全路況無人駕駛汽車。

目前，包括福特、寶馬、沃爾沃在內的整車廠商，也都在進行自動駕駛技術的研發。

自動駕駛的實現，任重道遠

雖然自動駕駛在產業鏈的各個層次上，均有不錯的公司提供支撐，基本形成了上下游產業格局，但依然存在以下問題需要解決：

①道路基礎設施不完善，需要進行智慧城市及智慧交通等基礎設施建設。

②法律法規不明確，目前，亟待出現相關法律法規，以供相關公司制定安全及設計標準。

③算法不可解釋，大多自動駕駛控制程序采用“端到端”的訓練方式，這當中的策略規劃有許多不透明的區域。

④設備價格昂貴，無論是激光雷達還是計算平臺，目前價格不能滿足大規模推廣的要求。

因此，要真正實現自動駕駛乃至無人駕駛，我們依然任重道遠。