1）汽車電子沿著兩橫三縱的技術(shù)架構(gòu)，逐步實現(xiàn)成熟的智能化和網(wǎng)聯(lián)化：2016年-2018年主要是三大傳感器的融合使用；2017年-2019年主要是高精度地圖的成熟；2019年-2022年是車載通訊模塊、互聯(lián)網(wǎng)終端、通信服務(wù)的成熟；2022年-2025年主要是決策芯片和算法的成熟。

 

2）2016-2018—三大傳感器融合：國內(nèi)毫米波雷達(dá)已經(jīng)開始出貨；車載視覺系統(tǒng)硬件已經(jīng)達(dá)到消費級水平，進(jìn)入軟件成熟期；激光雷達(dá)成本不斷下降，加速ADAS和無人駕駛的普及進(jìn)程。

 

3）2017-2019—高精度地圖的成熟：傳統(tǒng)地圖無法滿足自動駕駛的要求，高精度地圖是L3、L4級別最為關(guān)鍵的技術(shù)；當(dāng)前高精度地圖參與者主要有圖商、自動智能駕駛科技公司、ADAS方案提供商、傳統(tǒng)車企四類，其優(yōu)劣勢各不相同，硬件軟件逐步融合。

 

4）2019-2022—車載通訊模塊的成熟：LTE-V在延時、頻譜帶寬、可靠性、組網(wǎng)成本、演進(jìn)路線等方面都具有優(yōu)勢，未來的發(fā)展趨勢大概率是使用LTE-V標(biāo)準(zhǔn)；目前布局的主要是半導(dǎo)體廠商和汽車廠商，但國內(nèi)很多公司都進(jìn)入了產(chǎn)業(yè)鏈，大唐電信也發(fā)布了全球第一臺LTE-V車聯(lián)網(wǎng)設(shè)備，有望在車載通訊模塊爆發(fā)之際獲得高速成長。

 

5）2022-2025—算法和決策芯片的成熟：各大廠商都在用不同的芯片設(shè)計支持不同的算法，Google自己已經(jīng)開發(fā)了TPU，用于CNN加速，地平線也在開發(fā)BPU，Intel收購Mobileye打造芯片算法一體化，未來或是FPGA支持下的深度學(xué)習(xí)算法來實現(xiàn)自動駕駛。

 

 

1.1 汽車電子沿著兩橫三縱技術(shù)架構(gòu)走向成熟

 

智能網(wǎng)聯(lián)汽車是搭載先進(jìn)的車載傳感器、控制器、執(zhí)行器等裝置，融合現(xiàn)代通信與網(wǎng)絡(luò)技術(shù)，實現(xiàn)車與X（人、車、路、后臺等）智能信息交換共享，具備復(fù)雜的環(huán)境感知、智能決策、協(xié)同控制和執(zhí)行等功能，可實現(xiàn)安全、舒適、節(jié)能、高效行駛，并最終可替代人來操作的新一代汽車。按照技術(shù)應(yīng)用和應(yīng)用場景，組成了兩橫三縱的技術(shù)架構(gòu)。

 

 

1.2 汽車電子時間發(fā)展表—智能化與網(wǎng)聯(lián)化協(xié)同發(fā)展

 

汽車電子的發(fā)展有兩個維度，智能化和網(wǎng)聯(lián)化，沿著兩橫三縱的技術(shù)架構(gòu)，逐步實現(xiàn)成熟的智能化和網(wǎng)聯(lián)化。

 

2016年-2018年主要是三大傳感器的融合使用，傳感器和視覺解決方案的融合促進(jìn)實現(xiàn)自適應(yīng)巡航、自動緊急制動等部分自動駕駛（PA）功能，以及輔助網(wǎng)聯(lián)信息交互；2017年-2019年主要是高精度地圖的成熟，實時路況的更新和更豐富的路況信息加速實現(xiàn)車道內(nèi)自動駕駛、全自動泊車等有條件自動駕駛功能，以及部分網(wǎng)聯(lián)信息協(xié)同感知；

 

2019年-2022年是車載通訊模塊、互聯(lián)網(wǎng)終端、通信服務(wù)的成熟，5G網(wǎng)絡(luò)建設(shè)的部署完成和商業(yè)化，V2X信息交互低延遲要求共同推動網(wǎng)聯(lián)化的加速，實現(xiàn)更復(fù)雜路況（近郊）的全自動駕駛；2022年-2025年主要是決策芯片和算法的成熟，隨著人工智能嵌入式落地智能終端，F(xiàn)GPA通用架構(gòu)向ASIC專用架構(gòu)的轉(zhuǎn)變，算法和芯片設(shè)計的協(xié)同發(fā)展，實現(xiàn)全區(qū)域的無人駕駛等高級（HA）/完全自動駕駛（FA）功能和網(wǎng)聯(lián)協(xié)同決策控制的功能。

 

 

1.3 各國陸續(xù)出臺政策推動ADAS的普及

 

歐盟委員會考慮2017年將19項安全技術(shù)納入新車的標(biāo)準(zhǔn)配置，并將強(qiáng)制執(zhí)行，自動緊急制動和車道偏離警告成為標(biāo)配；國內(nèi)2017年速度輔助系統(tǒng)、自動緊急制動、車道偏離預(yù)警/車道偏離輔助的加分要求已設(shè)定為系統(tǒng)裝機(jī)量達(dá)到100%。各國政策陸續(xù)出臺，要求汽車逐步配備汽車電子相關(guān)組建，成為汽車電子發(fā)展最大的推動力。

 

 

1.4 國外谷歌和特斯拉兩種發(fā)展路徑加速發(fā)展

 

加州車管局（DMV）公開了自動駕駛項目的脫離測試數(shù)據(jù)，基本衡量了目前主要自動駕駛項目在加州境內(nèi)在不同天氣環(huán)境，不同的路段進(jìn)行測試的進(jìn)展，谷歌的性能明顯優(yōu)于其他廠商。

 

 

谷歌和特斯拉在無人駕駛領(lǐng)域采取了兩種不同的有代表性的發(fā)展路徑，谷歌利用地圖和深度學(xué)習(xí)實時建模來實現(xiàn)自動駕駛；特斯拉依賴于傳統(tǒng)的傳感器的融合實現(xiàn)數(shù)據(jù)搜集識別、處理分析、完成自動駕駛功能。

 

從自動駕駛精度來看，谷歌的沒有明確的數(shù)據(jù)，但其軟件層面的可以檢測和理解手勢之類的信號并作出反應(yīng)；mobileye的FCW（前向碰撞預(yù)警）的算法識別精度達(dá)到99.99%；特斯拉的算法處理水平很高，奔馳的路測車有著比特斯拉多一倍的傳感器，但是精度遠(yuǎn)不及特斯拉。

 

谷歌的自動駕駛技術(shù)發(fā)展可以分為兩段，以waymo成為獨立事業(yè)部為轉(zhuǎn)折點：第一階段，主要突出軟件領(lǐng)域和技術(shù)突破，采用自有的高精度地圖和Velodyne提供的64線激光雷達(dá)方案，配備谷歌chauffeur軟件系統(tǒng)，最為突出的是展示的無人駕駛原型車中直接拋棄了傳統(tǒng)車的剎車、方向盤、油門等設(shè)備，僅用一個啟動鍵實現(xiàn)無人駕駛，而硬件制造原型車都是來源傳統(tǒng)車企，如2014年展示的谷歌第二代車型就是從白色雷克薩斯RX 450H混合動力SUV改造而來。

 

2016年11月，waymo成為獨立事業(yè)部后，開始采用硬件和軟件并行的方案，采用自己研發(fā)的激光雷達(dá)，傳統(tǒng)傳感器和8個視覺模塊相互融合，展示的無人車使用了三個不同探測距離的激光雷達(dá)，自主技術(shù)研發(fā)將激光雷達(dá)成本降低九成。未來技術(shù)商業(yè)化首先落地在貨運（有個固定場景的低速共享市場）和共享車服務(wù)的應(yīng)用。

 

 

2016年11月，特斯拉Autopilot2.0 發(fā)布，該系統(tǒng)將包含8個攝像頭，覆蓋360度可視范圍，對周圍環(huán)境的監(jiān)控距離最遠(yuǎn)可達(dá) 250 米；車輛配備的12 個超聲波傳感器完善了視覺系統(tǒng)，探測和傳感硬、軟物體的距離接近上一代系統(tǒng)的兩倍。增強(qiáng)版前置雷達(dá)通過冗余波長提供周圍更豐富的數(shù)據(jù)，雷達(dá)波可以穿越大雨、霧、灰塵，甚至前方車輛。另外，Autopilot2.0使用的處理芯片NVIDIA Drive PX 2的處理性能為原來Mobileye Q3的40倍。

 

 

1.5 國內(nèi)科技公司和傳統(tǒng)車企合作打造自動駕駛，精度提升速度快

 

通過863計劃實施和國家自然科學(xué)基金委項目支持，清華大學(xué)、國防科技大學(xué)、北京理工大學(xué)等部分高校、院士團(tuán)隊、汽車企業(yè)在環(huán)境感知、人的行為認(rèn)知及決策、基于車載和基于車路通信的駕駛輔助系統(tǒng)的研究開發(fā)取得了積極進(jìn)展，并開發(fā)出無人駕駛汽車演示樣車。清華大學(xué)等高校聯(lián)合企業(yè)開發(fā)的自適應(yīng)巡航控制系統(tǒng)、行駛車道偏離預(yù)警系統(tǒng)、行駛前向預(yù)警系統(tǒng)等具有先進(jìn)駕駛輔助系統(tǒng)（ADAS）功能樣機(jī)，正在逐步進(jìn)入產(chǎn)業(yè)化階段。

 

 

 

2.1 毫米波雷達(dá)國內(nèi)開始出貨

 

毫米波雷達(dá)的主流方向是24GHz和77GHz，24GHz主要應(yīng)用于汽車后方，77GHz主要應(yīng)用于前方和側(cè)向。未來毫米波雷達(dá)會逐漸向77GHz頻段（76-81GHz）統(tǒng)一，其中76-77GHz主要用于長距離毫米波雷達(dá)，77-81GHz主要用于中短距離毫米波雷達(dá)（已有歐盟、CEPT成員國、新加坡、美國FCC委員會、加拿大工業(yè)部等進(jìn)行相關(guān)規(guī)劃）。

 

隨著配備從高端車型向中低端車型下沉的趨勢，目前毫米波雷達(dá)已經(jīng)逐漸普及，一般配備情況是“1長+6短”（如奔馳S級）、“1長+4短”（如奧迪A4）、“1長+2短”（如別克威朗）。

 

 

前端單片微波集成電路MMIC和雷達(dá)天線高頻PCB板是其核心組成部分

 

MMIC由國外公司掌控，特別是77GHz的MMIC，只掌握在英飛凌、ST、飛思卡爾等極少數(shù)國外芯片廠商手中，國內(nèi)處于初始研發(fā)階段，主要在24GHz雷達(dá)方面，華域汽車、杭州智波、蕪湖森思泰克等企業(yè)在已有部分積累。

 

雷達(dá)天線高頻PCB板技術(shù)也掌握在國外廠商手中，Schweizer占據(jù)全球30%市場份額，在77GHz方面優(yōu)勢明顯，PCB使用的層壓板材則主要由Rogers、Isola等公司提供。國內(nèi)高頻PCB板廠商暫無技術(shù)儲備，根據(jù)圖紙代加工，元器件仍需國外進(jìn)口，滬電股份已就24GHz和77GHz高頻雷達(dá)用PCB產(chǎn)品與Schweizer開展合作。

 

 

目前中國市場中高端汽車裝配的毫米波雷達(dá)傳感器全部依賴進(jìn)口，華域汽車已經(jīng)能生產(chǎn)24GHz毫米波雷達(dá)，主要完成BSD盲點偵測、LCA車道切換輔助等功能，解決產(chǎn)品形態(tài)的導(dǎo)入。國內(nèi)第二階段的研發(fā)將同樣針對24GHz產(chǎn)品，目標(biāo)是降低成本，預(yù)計產(chǎn)品2017年底出現(xiàn)。

 

2.2 車載視覺系統(tǒng)硬件成熟，軟件逐步升級

 

車載視覺系統(tǒng)包括車載圖像感光芯片、專用圖像處理ISP芯片、車載光學(xué)鏡頭、車載視覺系統(tǒng)。

 

借由鏡頭采集圖像后，由攝像頭內(nèi)的感光組件電路及控制組件對圖像進(jìn)行處理并轉(zhuǎn)化為電腦能處理的數(shù)字信號，從而實現(xiàn)感知車輛周邊的路況情況、前向碰撞預(yù)警、道偏移報警和行人檢測等功能。

 

硬件方面，車載攝像頭主要由CMOS鏡頭（包括lens和光感芯片等），芯片，其他物料（內(nèi)存，sim卡，外殼）組成。

 

 

軟件方面，以mobileye為例，主要體現(xiàn)在芯片的升級和處理平臺的升級，工作頻率從122Mhz提升到332Mhz，訪問方式的改變使速率提升一倍，圖像由640*480彩色像素提升為2048*2048（Input）和4096*2048（output）等。

 

 

從市場競爭格局來看，除了極少數(shù)廠商具備垂直一體化的能力，絕大部分廠商都將業(yè)務(wù)集中于產(chǎn)業(yè)中的某個或者某幾個環(huán)節(jié)。光學(xué)鏡片主要是臺灣的廠商在主導(dǎo)，大陸廠商在紅外截止濾光片上有一定優(yōu)勢，圖像傳感器主要是歐美和韓國廠商為主，模組環(huán)節(jié)大陸、韓國、臺灣、日本廠商份額居前，國內(nèi)廠商成長迅速。

 

目前汽車零部件提供商巨頭的攝像頭傳感器都已與整車廠合作量產(chǎn)，同時加大研發(fā)投入，注重芯片和算法的提升。國內(nèi)未來攝像頭的發(fā)展主要體現(xiàn)在專用圖像處理芯片與復(fù)雜圖像處理技術(shù)突破，基本實現(xiàn)自主研制，最終實現(xiàn)車載視覺與其他感知系統(tǒng)融合產(chǎn)品的大規(guī)模應(yīng)用。

 

2.3 激光雷達(dá)成本逐步下降

 

激光雷達(dá)是一種集激光、全球定位系統(tǒng)與慣性導(dǎo)航系統(tǒng)三大技術(shù)于一身的綜合光探測與測量系統(tǒng)，其工作原理是通過透鏡、激光發(fā)射及接收裝置，基于激光飛行時間（TOF：time of fly）原理獲得目標(biāo)物體位置、移動速度等特征數(shù)據(jù)，并且獲得的數(shù)據(jù)本身就是三維數(shù)據(jù)，不需要通過大量運算和處理才生成目標(biāo)三維圖像，激光測距有非常高的精度。所以，激光三維成像雷達(dá)是目前能獲取大范圍三維場景圖像效率最高的傳感器，也是目前能獲取三維場景精度最高的傳感器。

 

激光雷達(dá)組件主要包括激光器，傳感器（收發(fā)器），光學(xué)鏡片，如上圖所示這套發(fā)射/接收組件和旋轉(zhuǎn)鏡面結(jié)合在一起，鏡面不只反射二極管發(fā)出去的光，而且也能把反射回來的光再反射給接收器。通過旋轉(zhuǎn)鏡面，能夠?qū)崿F(xiàn)360度的視角。

 

 

根據(jù)激光雷達(dá)線目的不同，主要分為2D、2.5D（1,4,8線）和3D（16,32,64線）兩類。前者主要探測目標(biāo)位置和輪廓，后者可以形成環(huán)境性視覺感知

 

國內(nèi)公司在多線激光雷達(dá)上較國外高水平企業(yè)還有較大差距。國內(nèi)的激光雷達(dá)產(chǎn)品多用于服務(wù)機(jī)器人、地形測繪、建筑測量等領(lǐng)域，但是國內(nèi)企業(yè)尚未研制出可用于ADAS及無人駕駛系統(tǒng)的3D激光雷達(dá)產(chǎn)品，主要還是處在探索研發(fā)階段。

 

 

 

 

 

《中國制造2025》重點技術(shù)路線圖顯示，國內(nèi)將逐步實現(xiàn)測距激光雷達(dá)相關(guān)硬件的自主研制，突破厘米級實時測距關(guān)鍵技術(shù)、樣機(jī)生產(chǎn)與測試，實現(xiàn)低成本、小型化。到2025年左右，實現(xiàn)多線激光雷達(dá)軟硬件技術(shù)自主化，掌握與其他車載傳感器融合關(guān)鍵技術(shù)，實現(xiàn)大規(guī)模車載應(yīng)用，支撐HA級整車產(chǎn)品需求。

 

 

高精度地圖在L3、L4級別的自動駕駛階段屬于最為關(guān)鍵技術(shù)，高精度地圖的成熟可以減少汽車對雷達(dá)等感知設(shè)備的依賴程度，在降低成本的同時提升自動駕駛技術(shù)的可靠性，同時也是V2X與自動駕駛技術(shù)融合的載體，統(tǒng)一的標(biāo)準(zhǔn)有助于技術(shù)的應(yīng)用和發(fā)展。

 

3.1 傳統(tǒng)地圖無法滿足自動駕駛，高精度地圖是L3、L4級別最為關(guān)鍵技術(shù)

 

相比于傳統(tǒng)地圖，高精度一方面絕對坐標(biāo)精度更高，如HERE指出其下一代繪圖應(yīng)用將精確到厘米級；另一方面所含有的道路交通信息元素更豐富和細(xì)致。

 

具體而言，高精度地圖分為三個圖層：活動層、動態(tài)層、分析層：

 

1） 活動層與傳統(tǒng)地圖相比增加了高精度道路級別的數(shù)據(jù)（道路形狀、坡度、曲率、鋪設(shè)、方向等）、車道屬性相關(guān)數(shù)據(jù)（車道線類型、車道寬度等），及高架物體、防護(hù)欄、樹、道路邊緣類型、路邊地標(biāo)等大量目標(biāo)數(shù)據(jù)；

 

2） 動態(tài)層將實時更新來自其他車輛傳感器、道路傳感器等檢測到的交通數(shù)據(jù)，實時更新和補(bǔ)充，進(jìn)入網(wǎng)聯(lián)化第二階段—協(xié)同感知；

 

3） 分析層通過實時大數(shù)據(jù)分析人類駕駛記錄幫助訓(xùn)練無人駕駛車，進(jìn)入網(wǎng)聯(lián)化第三階段—協(xié)同決策和控制。

 

目前ADAS地圖具備了活動層信息， 精度為1-5m 。如寶馬ASR(Adaptive Speed Recommendation)在減速的區(qū)域，會提前50-300米提醒用戶減速，提前具體會依據(jù)目前車速、汽車剎車速度及司機(jī)反映時間調(diào)整；在轉(zhuǎn)彎的路段，會考慮路寬、車道數(shù)目、整個路況等，計算合理的汽車速度。

 

 

目前高精度地圖主要是ADAS級，實現(xiàn)L2/L3級自動駕駛，未來隨著5G帶來的車聯(lián)網(wǎng)的數(shù)據(jù)處理便利和計算機(jī)視覺、3D建模技術(shù)的成熟，基于深度學(xué)習(xí)的環(huán)境感知技術(shù)以及端閉環(huán)實時更新云技術(shù)的發(fā)展，高精度地圖會逐步向HAD級發(fā)展，我們預(yù)期2018年5G標(biāo)準(zhǔn)確立和人工智能爆發(fā)進(jìn)入成熟期，高精度地圖會逐漸成熟，成為支撐智能駕駛網(wǎng)聯(lián)化的關(guān)鍵技術(shù)之一。

 

高精度地圖的采集和處理有多種的技術(shù)方案，一般而言，主流圖商和高科技公司如谷歌、百度采用專業(yè)化采集的方式，使用激光雷達(dá)和攝像頭進(jìn)行高精度的數(shù)據(jù)和城區(qū)全區(qū)域覆蓋的采集，而傳統(tǒng)車企和ADAS方案商會使眾包模式以及UGC實時更新方式來采集數(shù)據(jù)。

 

不同的方式在成本和實時更新，數(shù)據(jù)精度和區(qū)域覆蓋上各有優(yōu)缺點，目前的趨勢必將是圖商和傳統(tǒng)車企、ADAS方案商的戰(zhàn)略合作，科技公司產(chǎn)品的商業(yè)化落地，這都會促進(jìn)采集方式的整合，推動行業(yè)的發(fā)展。

 

 

3.2 高精度地圖產(chǎn)業(yè)鏈和主要參與

 

高精度地圖，除了提供道路信息，還提供實時路況信息和3D建模，參與汽車路徑規(guī)劃，在ADAS交互與決策中，起著非常重要的作用。

 

 

高精度地圖參與者主要有圖商、自動智能駕駛科技公司、ADAS方案提供商、傳統(tǒng)車企四類，采用的方式和方案優(yōu)劣勢各不相同，圖商有著先天優(yōu)勢的基因：繪圖基礎(chǔ)深厚，地圖精度和覆蓋率有保障，技術(shù)積累足。傳統(tǒng)車企和ADAS方案商采用眾包方案，數(shù)據(jù)量大且實時更新。

 

 

3.3 國外發(fā)展趨勢：硬件和軟件的融合

 

圖商布局

 

以海外圖商代表公司HERE為例，HERE核心業(yè)務(wù)為通過其豐富的地圖數(shù)據(jù)和核心的位置平臺為汽車、消費者和企業(yè)客戶提供位置服務(wù)和解決方案，其地圖數(shù)據(jù)覆蓋約200個國家，超過4,600萬公里。

 

通過不斷的和傳統(tǒng)車企，科技公司以及數(shù)據(jù)信息流入口（傳感器廠商）展開合作，產(chǎn)業(yè)鏈生態(tài)布局也向上滲透到數(shù)據(jù)輸入端的傳感器和算法芯片等領(lǐng)域，目標(biāo)成為無人駕駛技術(shù)方案提供商。HERE的戰(zhàn)略布局正是汽車電子自動駕駛領(lǐng)域的一個趨勢：硬件和軟件的融合。

 

 

其他公司布局情況

 

除了圖商外，其他參與者近些年來布局頻繁。從數(shù)據(jù)采集方式來看，谷歌和蘋果的特點是：更易直接實時更新、覆蓋面更廣，更精準(zhǔn)。但無人駕駛領(lǐng)域需要龐大的輸入數(shù)據(jù)，使得特斯拉（OTA空中更新）和uber(otter和沃爾沃貨車運營)在無人駕駛測試和高精度地圖上有著更易延伸和拓展的優(yōu)勢。

 

數(shù)據(jù)收集只是高精度地圖作為基礎(chǔ)支撐技術(shù)的一部分，對車輛周邊環(huán)境的數(shù)據(jù)計算和處理時，谷歌一直走在高精度地圖的實時建模和算法優(yōu)化最前沿，其基于城市規(guī)劃和路徑優(yōu)化規(guī)劃的算法方案使谷歌在地圖技術(shù)提供上依然具有較大的優(yōu)勢。

 

 

3.4 高精度地圖的成熟

 

按照《中國制造2025》技術(shù)發(fā)展路線圖來看，在2020之前提供適用于PA級智能網(wǎng)聯(lián)汽車的高精度地圖，且地圖精度達(dá)亞米級；在2025年左右提供適用于CA級智能網(wǎng)聯(lián)汽車地圖，范圍覆蓋全國主要高速公路；在2030年左右，實現(xiàn)高精度地圖生產(chǎn)自動化及標(biāo)準(zhǔn)化，滿足無人駕駛需求，范圍覆蓋全國主要道路。

 

 

隨著人工智能深化和5G 2018年標(biāo)準(zhǔn)鎖定，高精度地圖在智能化和網(wǎng)聯(lián)化自動駕駛領(lǐng)域的應(yīng)用會越來越成熟。

 

未來智能實驗室是人工智能學(xué)家與科學(xué)院相關(guān)機(jī)構(gòu)聯(lián)合成立的人工智能，互聯(lián)網(wǎng)和腦科學(xué)交叉研究機(jī)構(gòu)。

 

未來智能實驗室的主要工作包括：建立AI智能系統(tǒng)智商評測體系，開展世界人工智能智商評測；開展互聯(lián)網(wǎng)（城市）云腦研究計劃，構(gòu)建互聯(lián)網(wǎng)（城市）云腦技術(shù)和企業(yè)圖譜，為提升企業(yè)，行業(yè)與城市的智能水平服務(wù)。