近年来，无人驾驶技术已经在汽车领域掀起了巨大的发展浪潮，宝马、奥迪等传统车企，谷歌、BAT等互联网巨头，特斯拉、蔚来汽车等后起之秀，都希望在这场世界级的角逐中获胜。谁将成为这场战役的最后王者？

智能驾驶，指的是机器帮助人进行驾驶，甚至完全取代人驾驶的技术。

参考美国高速公路安全局（NHTSA）与国际汽车工程师协会（SAE International）标准，按系统对人的应对替代程度划分为L0-L5共6个级别。L0是传统的人工驾驶，驾驶员控制转向、加减速、观察环境、应对激烈驾驶等。L3半自动驾驶，有系统控制转向、加减速，并能部分应对工况。L5全自动驾驶，所有操作由系统控制，能应对全部工况。

在达到SAE L3之前，一般只能称为高级驾驶辅助系统 ADAS（Advanced Driver Assistance System），主要技术包括自适应巡航 ACC、前向碰撞预警 FCW、泊车辅助 PA等。SAE L3 及以后可以被称为自动驾驶/无人驾驶，目前新奥迪 A8（2018 款）是第一款实现 L3 级别无人驾驶的量产车，谷歌、Uber、百度等无人驾驶试验车已经达到 L4 级别。

ADAS是智能驾驶的关键技术，主要包括车身电子稳定系统ESC、自适应巡航系统ACC、车道偏移报警系统LDW、车道保持系统LKA、前向碰撞预警系统 FCW、自动紧急刹车系统AEB、交通标志识别系统TSR、盲点探测系统BSD、夜视系统NV、自动泊车系统APS等。

从步骤看，分为信息收集、信息分析、指令下达三步骤。

信息收集相当于人类的眼睛，有感知功能，需要用到毫米波雷达、激光雷达、摄像头和红外线探头。

信息分析类似于人类的大脑，起决策作用，主要零件是控制器。

指令下达主要通过电子制动、电子转向、电子驱动等来执行。

传感器相当于是人类的眼睛和耳朵，用来感知；芯片相当于是自动驾驶汽车的大脑，将收集到的信息进行处理。

行业龙头：英伟达和英特尔

目前自动驾驶芯片领域的两强，一个是英伟达，一个是收购Mobileye后的英特尔。

上面列举的这几个主要的无人驾驶汽车厂商，包括特斯拉、宝马、奥迪、通用、福特，他们用的计算平台主要就是英伟达和Mobileye。英伟达是基于自主的GPU研发，并没有算法，它主要是产芯片，所以相当于是做底层的基础运算平台，然后再去跟车企或者供应商合作，进一步开发其他功能。

英伟达Drive PX车载计算平台比较早期的芯片是PX2，后面是Xavier，最新的将于2018年下半年推出。特斯拉已经量产的model X和其他车搭载早期的PX2，奥迪、博世等采购Xavier。

和英伟达依靠自主研发的技术扩张路径不同，英特尔靠收购来实现技术突破，英特尔这几年收购了很多深度学习、机器视觉的一些厂商，比如做芯片很厉害的Mobileye，目前他们正在开发Eye Q5第五代车载核心。

Mobileye的核心产品就是EyeQ系列芯片，和意法半导体ST共同研发，目前它的产品结构中前装占80%，后装占20%。它的前装市场有70%的统治级市占率，有25个客户，基本上主要的车厂，如汽车一级供应商德尔福、大陆都是他的客户。2014年Mobileye在纽交所上市，上市首日市值就达到了80亿美元，过了三年被英特尔收购之后估值就已经翻倍了，高达153亿美元。

正在研究开发芯片的特斯拉

除了英伟达和英特尔之外，另外一个正在开发自动驾驶芯片的是特斯拉。其实特斯拉的前两代Autopilot系统，使用的芯片分别来自Mobileye和英伟达，但是他2017年12月公布自己正在开发一个自动驾驶的AI芯片，他们有一个团队是从AMD挖过来的，有50人左右。所以目前这个芯片的进展已经是走到了设计完成、测试验证的阶段，正在进行相关的测试，以后特斯拉就会使用自己的芯片。

国内积极研发中，差距仍在

国内也有一些公司在做自动驾驶的芯片研发，但是相比于国际芯片巨头还是有差距。国内初创的公司不少，比如地平线已经有了两款发布的产品，分别面向智能驾驶和摄像头。面向智能驾驶的产品叫做“征程”，是一款能实现L2级别的ADAS系统。

另外几个比较有名的国内芯片初创公司，像寒武纪、西井科技，他们也都发布了面向智能驾驶领域的相关产品，但都还没有成熟的芯片出来。上市公司四维图新通过收购半导体公司杰发科技来布局芯片。原来的深圳国科微（改名森国科）也在研发，但都是L2级别的，和国际上的仍有差距。

按照SAE的标准，目前已经商用的自动驾驶芯片都是在L1-L2等级，部分宣称可实现L3的功能，比如奥迪A8。面向L4-L5超高度自动驾驶及全自动驾驶的AI芯片，离规模化商用仍有距离。

摄像头：高动态范围、高信噪比、高可靠性

在ADAS系统中，摄像头是实现众多预警、识别类功能的基础，大部分ADAS技术方案都离不开摄像头。自动驾驶程度越高，对摄像头的标准越高。

摄像头可以分为单目和双目。单目摄像头先识别后测距，首先通过图像匹配进行识别，然后根据图像大小和高度进一步估算障碍与本车时间。在识别和估算阶段，都需要和建立的样本数据库进行比较。双目摄像头根据视差直接计算距离，精度更高，不过它的问题是计算量会非常大，而且双目摄像头比单目摄像头要大，小型化存在一定难度，放到车上使用前需要设计美化。另外，由于双目摄像头的计算量大，所以后期的调校难度和成本都比较高。短期来看，目前的主流方案是单目摄像头搭配雷达等其他传感器，来满足L1、L2，甚至L3的部分功能。

激光雷达：固态激光雷达是前景

激光雷达的基本原理是它发出的激光束打在物体上，物体再把光束返回来，然后来完成测量。目前，激光雷达可应用于军事和民用。3D激光雷达在无人驾驶的运用有两个核心作用：

3D 建模进行环境感知。通过激光扫描适中的数据量可以得到厘米级别精度的汽车周围环境 3D 模型，运用相关算法比对上一帧和下一帧环境的变化，能够准确、稳定地获取路沿信息并检测动态障碍物。

SLAM 加强定位。3D 激光雷达另一大特性是同时实现定位与地图构建（SLAM），实时得到的全局地图通过和高精度地图中特征物的比对，实现导航及加强车辆的定位精度。

激光雷达目前有两条主流技术线路，一个是机械式的激光雷达，一个是固态的激光雷达。机械式的激光雷达，是行业内最知名的Velodyne公司生产的，现在谷歌、百度都用的这一款。但是机械式激光雷达问题还是比较多的，首先是成本非常高，谷歌的一个机械式激光雷达要7万美金，商业化有一定难度；其次机械式激光雷达要一直在车内旋转，在行车环境下可能难以符合车规的要求。

业内比较看好的是固态激光雷达，具体的技术路线又分为三种：OPA（optical phased array）光学相控阵技术， MEMS（Micro-Electro-Mechanical System）扫描式、非扫描式Flash。OPA类似军事相控阵雷达，非扫描式指短时间直接发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器，来完成对环境周围图像的绘制。

图5是现在国内和国外厂家激光雷达的技术路线。虽然机械式激光雷达价格较高，但行业内应用较多。固态激光雷达存在一些问题，如材料学的难度、扫描漏扫、技术难实现等，目前国内初创公司禾赛、速腾聚创在做相关技术研发。

但激光雷达仍存在以下缺陷，特斯拉都没有用激光雷达，而是摄像头加其他传感器的替代方案，认为可以满足无人驾驶的要求。

激光雷达的价格比较高，突破价格限制的唯一一个条件就是规模效应降成本。因为机械式激光雷达需要手工调试，所以产能很受限，目前的订单已爆满。

降低成本主要有三条途径：

第一，采用低线数的激光雷达配合其他传感器一起来降低成本。

第二，规模化的生产。Velodyne曾经表示过，如果有100万的订单，他们就可以把8万美金的激光雷达成本下降到500美元，但是目前量产和价格的问题就属于先有鸡还是先有蛋的问题。

第三，开放固态激光雷达。但目前技术还不是很成熟。

毫米波雷达

除了激光雷达之外，ADAS组成中另外一个比较重要的传感器，毫米波雷达。波长介于微波和厘米波之间，主要是安装在车辆的前后保险杆内，用于监测车辆后方和两侧有没有车，可不可以进行变道，还有探测前方的距离等，可以满足刚刚我们提到的ADAS的一些功能。它的价格比激光雷达要靠谱一些，所以目前出货量还可以，2015年的出货量就180万颗。

毫米波雷达全球市场规模约20亿美元，目前主要是被国外的企业垄断，2015年，博世、大陆、海拉等国外一级供应商市占份额较高。国内市场中高端汽车的毫米波雷达全部都依赖进口，自主车载毫米波雷达产品总体处于研制阶段。

毫米波雷达主要有两个频段， 24GHz和77GHz。目前远距离探测是要用到77GHz的毫米波雷达，技术难度更高，也是未来的发展方向。但是对于初创公司来说，技术积累较少，目前主要在做24GHz的产品。

国内厂商研发的方向主要集中于24GHz产品，目前有湖南纳雷、厦门意行、芜湖森思泰克推出较为成熟的产品；77GHz产品设计难度较大，且受到国外芯片厂商的技术限制，完全依靠自主开发。上市公司如华域汽车的24GHz的雷达。北京行易道，与北汽合作，有产品77GHz和79GHz汽车雷达。

智能驾驶的主要参与者，从加州无人驾驶路测申请情况便可知一二，2014年大众、奔驰等传统车厂，接着谷歌等科技公司，还有新的特斯拉，都已经申请了加州的路测。2015年、2016年参与企业越来越多，2016年有百度、蔚来汽车；2017年有苹果，苹果一直比较低调，但它也在研发无人驾驶。

奥迪、凯迪拉克等传统车厂

奥迪A8是首款L3级别的自动驾驶量产车，搭载激光雷达。配置上基本是量产车中比较丰富的传感器配置水平。控制系统同时采用了英伟达和Mobileye的多个芯片。这个车目前的设计是，车速不高于60km/h的时候，车可以自己控制加速、制动以及转向动作。但一旦车速超过了，就会提醒驾驶人接管。如果这个时候没有人接管，这个车就会自动减速到静止。奥迪A8推出的时候有一个广告，就是讲一个孕妇在家要引产，然后她就上了这个车，这个车开启自动驾驶直接把她拉到了医院。广告很美好，但是可能现实中操作还达不到。包括路况等因素，但也意味着，这个车本身的技术是可以达到的。

另外一个L2级别的是通用凯迪拉克的CT6，这款车目前仅适用于拥有高精度地图的高速公路，也就是说在它上高速公路之前和下高速公路之后是需要驾驶员来开的，因为只有在高速公路上才能收集高精度的地图。此车型目前预计是2019年在国内落地，但也是需要在国内采集了地图才可以用。因为目前我国对地图是有限制的，不是每个公司都可以有这个牌照。国内的话，像百度、四维图新等才有权限，所以他们是要跟国内的地图厂商进行合作。

还有其他的一些传统车厂也在布局，不过还没有达到很高的级别。比如奔驰，在奔驰新款S级上有驾驶辅助系统，但只是在类似几年前特斯拉Autopilot 1.0的版本。另外，还有新的日产也有驾驶辅助系统；还有吉利新出的领克也有一个主动紧急刹车系统，可以探测80厘米以上站立或行走的行人，做到避免碰撞，这也就是ADAS的一些功能。

谷歌、百度等科技巨头   

另外一类是科技公司，目前无人驾驶做得最好的是谷歌，它有一个叫Waymo的无人驾驶公司，已经从谷歌母公司独立出来，预计在2018年就可以实现商业运营货运和无人出租业务。谷歌的优势是，它的技术比较领先，虽然它没有特斯拉的那种实际的数据，但是它很多的模拟场景、极端情况都已经持续反复的测试。比如，他们可以把这些零部件进行暴晒，用强力水枪进行轰炸，或者把车浸在水桶中。另外一个是路况的模拟测试，会模拟非常拥挤、非常混乱的路况那个车应该怎么开，然后反复训练那个车。但是他们的缺点，就是刚刚提到的，实测的数据收集是比较难的，因为目前谷歌的车还没有商用。    

百度Apollo平台，百度的平台号称是一个开放性的平台，基本上囊括了软件、高精度地图、传感器这些，但其实这些都不是他自己做的，他是希望大家把这些技术都放在上面，然后互相各取所需，就是整合更多的资源。他最终的目的，其实跟谷歌有点像，就是希望比如你把一台裸车拿过来，我直接给你装一个系统就可以实现无人驾驶。不过百度也有自己的优势，就是他有国内的高精度地图，另外一个就是云计算。

图8是百度Apollo的开放路线图，计划在2020年实现高速公路和城市道路的全路网自动驾驶。

其他的科技公司包括阿里也在研发这一块，目前说处于保密期。但在杭州阿里公司旁边已经有一段无人驾驶的道路路测被申请开放了，可能是为阿里准备的。苹果公司也一直很神秘，但是图6已经显示，他们已经申请了路测。腾讯已经成立了自动驾驶实验室，并开始职位招聘。腾讯曾声称明年即2019年将实现在城市半封闭道路上的自动驾驶。

新起之秀

特斯拉成立于2003年，2016年11月宣布研发无人驾驶技术，目前已经能实现L3级别，预计2019年能实现L5级别。

特斯拉有两个优势，一个是海量的数据，目前像谷歌的路测都是虚拟的，或者在局限范围内，所以收集的数据相当有限。但是特斯拉有大量的车主，而且这些车主是同意了向特斯拉上传他们的数据，所以只要是特斯拉的车主在各个路上开车，都可以及时上传。2016年10月，特斯拉已累计积累了13亿英里的数据。对比之下，2018年2月，谷歌的Waymo才累积了500万英里的数据。这个数据是非常宝贵的东西。因为在机器深度学习的过程中，积累的数据越多，对于路况越熟，无人驾驶的汽车才能更聪明，所以特斯拉的数据是它的优势。

特斯拉的另一个优势，OTA空中升级。就是你把车开回家，它的系统是可以一直不断的在空中进行升级，不需要你把车开到4S店。比如2018年1月份特斯拉新发布一个升级，雨刮器可以在下雨的时候自动开始工作。这些功能都在不断被解锁，所以对于特斯拉车主来讲，每次发布新系统都有拥有一台新车的感觉。

除了特斯拉，国内还有一些新势力，如拜腾、蔚来汽车、威马、小鹏，这些车目前主要都是电动车。电动车有一个好处是，它升级到无人驾驶会比传统的燃油车障碍更小，因为车机、电控等比较方便。国内的这些电动车也都是由从传统的车厂出来的人在设计，但离无人驾驶距离还比较远。

其他——做相关配套的上市公司

国内的上市公司目前做整合还是比较难，他们都是基于ADAS平台提供摄像头、毫米波雷达这些东西。

初创公司，团队基本来自前三类公司，以雷达+摄像头为主，具体见下图10。

L3是法律和安全的噩梦，L4以上是技术的噩梦

L3，为什么说它是法律和安全上的恶梦？因为L3级别的车它是驾驶人不能完全脱离方向盘，需要随时接管，但是这样驾驶员他的精力是很难集中的，比如你要发短信，但是如果路况上有一些紧急情况的话，他要临时把方向盘接过来，有可能出现反应迟钝的情况。如果出事，就有责任鉴定问题，所以在法律和安全上都存在着一些障碍。

至于说L4以上是技术的恶梦，因为L4、L5级别，需要大量的数据积累和路测才可以完成，如果只是技术达到的话，而没有经过实测的检验，这个车是很难上路的。

令人深思的道德和伦理问题

前段时间有一个新闻比较热门，奔驰的车主开了定速巡航，但是定速巡航失控了，就一直保持在120km/h的车速，怎么停也停不了。后来他报警了，警察把所有收费关口的闸都打开，还好他之前有赛车经验，所以他一直控制车没有撞，最后是直接打到了奔驰的客服人员，客服人员在后台把这个车停下了（注：此事的事实真相或许未必如此，也分析说是一种炒作）。但这就出现了一个潜在的问题，比如有人担心，如果奔驰的后台就可以操纵车主的系统，那相当于车主自己的生命掌握在别人手里，存在隐患。

另外一个经典的道德伦理问题：“电车问题”。当你站在马路的分岔口，开来了一辆车，那个车要撞向走在轨道上的5个人，但是如果你把扳手扳动一下，它就会走另外一条路，然后只撞一个人，这个时候应该怎么操作？无人驾驶汽车同样也面临这个问题，如果人类开车撞到了谁，那就算是人类的临时反应，不会这么残酷。但如果在智能驾驶软件里去把它设定，比如前面有辆车，有个人，你要撞谁？为了避免追尾，是要撞到前面那个弱势群体，这种情况就会遭到大家的质问。目前关于这类问题还没有很好的解决办法，只能尽量从技术上提高，来避免这些问题的发生。

未来可能比我们想象中更美好一些

经济学人列了几个方向：

在更远的未来，我们可以畅想一下，汽车安排你下班后的行程，比如你坐上了车，它自己带着你去吃饭和娱乐；有一些咖啡厅和小卖店可能是移动的，它们就设在无人驾驶的汽车上，汽车开过来，你招手停，就可以买咖啡；我们在路上实现健身、理发、移动聚会等；长途旅行，可以开发睡眠舱，也许可以替代一部分飞机和火车的需求。

以后我们的后代回顾历史，也许会觉得人类驾驶汽车是很反常、很神奇的一件事。电影里就曾出现这样的场景，未来所有的汽车都是无人驾驶，车速非常快，如果人类自己驾驶就会非常惊险。在未来，也许驾驶汽车将变成像现在用缝纫机、或者做木工一类的技能。