[汽車之家 技術]  “他們向來不屑于跟隨主流。”，當全世界都在唱衰自動駕駛時，倔強的極客們卻充滿了反抗精神，在剛剛落下帷幕的CES2020上，車企和供應商們再次帶來了他們在自動駕駛及相關領域的研發成果，作為自動駕駛基石的駕駛輔助系統、小型化的激光雷達也全面開花，其中駕駛輔助類技術和智能座艙占比增加，而激光雷達的小型化之路也變得愈發清晰。那么潮水退去的自動駕駛之海究竟處于什么狀態，或許通過這次CES的展示，我們能有自己的思考。

觀點一：共贏和共生或者成為自動駕駛行業新旋律

　　“博弈”是形容傳統汽車產業鏈的一個很形象的名詞，供應商和車企或者其他企業相對割裂。原材料采購、汽車零部件、整車以及后續的經銷商、用戶、售后服務等處于串聯的關系，每個部分所發散出的產業更不會有交集，但當我們看自動駕駛汽車的產業鏈，顯然問題發生了改變，共生成為一種新趨勢。

　　我們先來看看法雷奧的例子。法雷奧這次在會場之外單獨設立了一個體驗區，其所有的主題都是圍繞著自動駕駛，另一方面它的展品絕大多數也是多方合作的成果體現。

　　關于無人配送車并不是新話題，從產品的創意上看也比較常規，前年國內的百度開發者大會新石器也有類似產品，這種無人配送車是為了解決“最后一公里”配送的任務而生，你也可以理解為移動的蜂巢儲物柜。

更多精彩視頻，盡在汽車之家視頻平臺

　　這臺車最終可以達到50km/h的最高時速，日常的設計時速被設定為25km/h，續航大約在100km。另外工程師介紹，根據廠家不同的需求，續航是一個可控的變量，可以允許更高的里程。

　　這臺配送車經過了法雷奧和美團的深度合作，很多數據都是打通開放的，同樣類似汽車供應商和網絡購物公司這樣的合作組合在以前也是十分少見的，但這種共生場景在未來將會越來越多。

　　法雷奧并不是特例，車企在這方面也有體現。福特在本次CES上帶來了一臺Transit自動駕駛原型車，這臺車是基于新款Transit Connect Wagon打造的L4級自動駕駛概念原型車，和法雷奧的eDeliver4U類似，同樣應用于物流行業。

　　最有意思的是福特還為這臺車配置了一個送貨機器人。這個送貨機器人名為Digit，是美國機器人公司Agility Robotics設計制造的，Agility Robotics曾經設計制造了各類有意思的機器人，尤其以雙腿敏捷機器人著名。

　　這次為福特無人配送車搭配的Digit機器人也是一種新型的雙腿敏捷機器人，它平時會曲縮在車里，手臂和腿部都會折疊在軀干上，以此減少所占空間，當工作時可以自動展開，并自動匹配需要配送的貨物，將包裹送到我們的家門口。

　　如果Digit在工作時遇到問題，它可以向自動駕駛車發送求救信號，如果自動駕駛車無法解決，它還能直接進行云服務或者向后勤人員尋求幫助。對于Digit的續航問題，現場工程師表示可以一天充電以此，而充一次電完全可以滿足當天的工作。

　　上面的兩個例子只是代表，在CES 2020的現場還有很多這樣合作的案例，我們可以明顯的感受出不同廠商的合作的確在增強。由于自動駕駛技術的復雜性和高難度，無論供應商還是自動駕駛零部件亦或者各種互聯方案供應商的合作都在深入，另外，即使數據是各個企業的核心競爭力，但由于各類企業需要數據的類型和使用上的不同，給不同企業間實現數據共享也帶來合作和共享，總結成兩個詞就是：研發/數據一起合作。

觀點二：自動駕駛軟硬件組合漸漸明朗，激光雷達、高精度地圖重要性再次凸顯

　　自動駕駛的硬件路線在最初并不明朗，不同車企和供應商都有自己的考慮。傳感層作為自動駕駛汽車的眼睛，是自動駕駛汽車智能性高低的關鍵因素。多種傳感器構成自動駕駛車輛的感知系統，衛星高精度定位系統為其中之一。

　　馬斯克就曾放言激光雷達不適合自動駕駛，特斯拉也不會將激光雷達應用到自動駕駛中去，也有地圖商表示只要有高精度地圖加持，同時融合車聯網就能實現自動駕駛。但隨著這些年虛擬測試和路試中出現的情況，各家廠商其實更偏向于在硬件端進行多傳感器融合，同時搭配定位傳感器配合高精度地圖的方式來組建自動駕駛的傳感系統。

　　從CES上也能看出這種趨勢。首先是傳感器層面：小型化激光雷達大量爆發。這里有兩個關鍵詞一個是小型化，第二個是激光雷達。激光雷達一直因為高昂的售價和較大的體積被車企詬病，而這次CES上，小型化的激光雷達卻如同井噴一樣出現在我們眼前。無論是科技公司還是傳統的供應商都拿出了自己車規級激光雷達產品，從這些展前或者展中的新聞我們也能感受到大家對激光雷達的熱情：

◆CES2020：大疆推兩款自動駕駛激光雷達

◆博世完善自動駕駛傳感器產品組合，首款量產長距離激光雷達亮相

　　這些新型雷達也沒有因為小型化而降低性能，比如大疆發布的最新激光雷達Horizon（地平線）和Tele-15（遠程15）。

　　這兩款激光雷達專為L3/L4級自動駕駛而設計，Horizon檢測范圍達260米，水平視場角81.7°，可覆蓋10米距離內的4條車道，5個Horizon就可實現360°場景覆蓋。同時，Horizon具有高密度點云、體積小的特點，可以輕松地嵌入到車輛中。最強大的是售價方面，該產品官方售價為800美元（約合人民幣5560元）。

『Tele-15』

　　Tele-15則是一款遠距離的激光雷達，其產品思路和博世發布的遠距離激光雷達機器相似，這個雷達的探測距離為500米，掃描角度為15°，反應時間在0.1秒，售價相對較高，大概在8340元左右。

　　其最小的探測距離在0.1m，可以對近距離的物體進行精確的感知，同時水平視場角保持360°的基礎上，垂直視場角達到104.2°（-52.1°~+52.1°），能對近距離盲區進行最大范圍的覆蓋，顯然從這些數據上看這顆激光雷達更適合固定場景的無人駕駛車輛使用。當然，對于這種高性能雷達，其售價也相當不菲，達到了4999美元，不過相比傳統64線激光雷達還是有很大優勢。

　　大量新產品的出現有望拉低激光雷達的總體售價，這樣就可以加速自動駕駛的落地，而隨著自動駕駛愈發成熟，把量提升上去就可以均攤總體的成本，未來可能會發生新一輪的洗牌。

　　定位方面，高精度地圖和定位傳感技術也是本次CES上很多供應商們展示的重點，同時大多數車企和供應商們也已經達成了一定共識，那就是：高精度地圖和定位技術將會是自動駕駛的必備組件。比如說法雷奧的定位技術。

　　法雷奧的這套技術是和現代汽車、Hexagon-Novatel以及移動網絡運營商共同合作來實現，這種車輛定位技術其精度可以達到厘米級，比目前傳統的GPS定位高出至少十倍。這套技術可以精準傳輸車輛位置給城市管理者，當行駛的車輛緊急剎車時，其剎車信息也會傳遞給城市交通的管理者，通過實時位置，交通管理者可以更加精確的調控車流，提高交通的暢通。當然在自動駕駛方面的作用就不必多說了，法雷奧的工程師說這套技術完全可以滿足L5級別的自動駕駛。

　　地平線也帶來了高精度及定位類方案，不過地平線的這套NavNet眾包高精地圖采集與定位方案并不算新技術，去年CES上地平線就曾經將其進行過展示。

　　這套技術更多在于地圖的采集繪制，特點是使用單目攝像頭就能實現重建地圖和全局地圖的匹配定位，同時還可以根據實時重建的局部地圖和云端地圖進行匹配，然后進行相關優化，以提升高精度地圖的精確度。

　　5G技術的發展，讓車聯網技術變得更成熟，而成熟的車輛網技術使得自動駕駛汽車可以通過云端的高精地圖實現路徑規劃，同時將實時路況上傳，更新高精地圖，從而實現車與車、車與道路基礎設施的實時通信，更好的感知車、人、路的狀態。

觀點三：芯片或成為最大瓶頸，汽車控制器架構需要重構

　　 自動駕駛對芯片算力要求極高，一般要求自動駕駛處理器在每秒能夠處理數百萬億次的計算。同時還需要有實時性，如果有延時，必然會造成車毀人亡；在能耗方面又要低，因為自動駕駛芯片需要處理大量數據，能耗過高會影響各方面的布置。除此之外，最重要的還是可靠性。車規級產品首先就要滿足惡劣的環境，芯片必須要在三高、刮風下雨等不同環境下都要有穩定的性能和計算能力。種種要求給自動駕駛芯片設置了極高的門檻，因此自動駕駛芯片發展也很艱難。

　　本次CES上帶來芯片產品的廠商相比激光雷達廠商就很少了，我們熟知的地平線算是主攻此類產品的一家，還有東軟也有自動駕駛平臺亮相，而國外供應商包括安波福、大陸等都有展示。

　　簡單看看地平線的產品，地平線這次首次公開了自己的自動駕駛計算平臺Matrix 2。這個平臺基于征程二代車規級AI芯片，迭代后的Matrix 2具備更高性能、更低功耗和成本等特點，可滿足多個國家、不同場景下高級別自動駕駛運營車隊以及無人低速小車的感知計算需求。

『地平線AI自動駕駛芯片』

『地平線自動駕駛計算平臺Matrix 2』

　　相比起上一代產品而言，Matrix 2具備高性能、低功耗等特點。地平線方面介紹，Matrix 2擁有16TOPS等效算力，功耗為上一代的2/3。

　　在感知層，Matrix 2可支持包括攝像頭、激光雷達等在內的多傳感器感知和融合，實現最多23類語義分割以及五大類目標檢測。地平線已經在北美建立了團隊，而從現場演示的畫面來看，地平線在北美的測試正在有序的進行，當然大部分還是通過模擬進行測試。

　　除了自動駕駛芯片，自動駕駛汽車的控制器架構也需要重構。現階段L0-L2級車型全部是分布式控制器，本質上就是上百個電子控制單元連接到多個總線上。

　　到了L2以上，車輛的功能和軟件復雜程度會進一步提升，那么就需要對汽車電子架構進行重構。怎么理解呢？我們現階段的汽車（也包括所謂的智能汽車、互聯網汽車）都面臨的一個問題是新的車載系統如何突破汽車機載的限制，同時大量的車載數據以及4G甚至即將到來的5G都對線纜和連接器提出了新的要求。

　　如今，一臺搭載有L2級主動安全功能汽車的單位時間平均數據量已經達到阿波羅登月時所產生數據量的10幾倍！如此龐大的數據傳輸，對汽車的神經系統提出了前所未有的要求和挑戰。更多的數據傳輸并非僅僅增加線束即可。因此就需要將分布式控制器向域控制器轉變，最終形成云端集群。這也是未來汽車控制器的架構，最終要發展成中央計算機式的樣子。目前在汽車電子架構方面，美國、歐洲供應商和車企都有不少積累，比如安波福，這次安波福就展示了自己的智能汽車架構（SVA），它的軟件包括定制的運算、數據和電力分配網絡。

　　因為核心域控制器的出現，供應商們對產品擁有更多話語權，同時在開發過程中，供應商們對系統設計、功能安全、接口定義的主導性也會更強，這在未來將為供應商帶來新的利益空間。

觀點四：自動駕駛附加類技術日益成熟，AI成果初現

　　如果你覺得上面聊到的技術看起來太過晦澀，距離我們還太遙遠，那么下面的這些科技顯然更貼地氣，而且他們會在未來的幾年陸續投放市場。

　　首先是由駕駛員疲勞檢測進化而來的整車監控系統，這是博世在本次CES上帶來的新技術。

　　我們可以看到博世的這套系統已經開始運用深度的人工智能類功能，而作為這類功能的延續，法雷奧的自動駕駛汽車行人動作預判就是更高階的功能。

　　工程師介紹，這項功能采用了深度學習和人工智能向結合的方式，其中AI技術在整個預判過程中起到了至關重要的作用，而大量的實際路測也為法雷奧積累的相當多的數據，這將對未來的自動駕駛提供有力的支持。

　　自動駕駛技術的發展除了對車輛、物流有巨大影響，對個人出行也有很多的參考。比如說殘障人士或者老人使用的輪椅，亦或者是個人短距離出現用的移動座艙。

　　本次展會上就有不少腦洞大開的作品。比如說松下和WHILL開發的自動駕駛輪椅，這是款十分具有設計氣質的產品，甚至獲得過紅點設計大獎里的最佳設計獎。

　　這種輪椅可以方便的布置在機場等封閉區域，在提供市內高精度地圖的情況下，可以完成各種復雜的任務。

　　國內的九號機器人也發布了類似產品，不過它的產品看起來更科幻，同時也更偏向普通人的日常使用。

　　這個移動躺椅移動時僅為兩輪驅動，包括行駛和轉向，同時可以通過移動重心來控制剎車，在扶手部分有備用的操縱桿，可以對“躺椅”進行操控。這個躺椅最高時速可達到40km/h，同時可以使用iPad進行遙控操作。現場我也進行了簡單體驗，十分有意思，尤其是加速非常迅速，剛開始操作時需要適應。

觀點五：自動駕駛——路漫漫其修遠兮

　　從本屆CES上各個廠家的展示來看，自動駕駛確實有不少突破，目標和路線也漸漸明確，依托于自動駕駛的相關技術和產業也在蓬勃發展，但我們依然不可否認的是，目前自動駕駛依然面臨很多問題。

    我認為主要體現在以下幾個方面：

　　2020年是很多車企規劃的L3元年，但L3意味著責任主體發生了質的改變，我們知道L0-L2是駕駛輔助系統，在這個階段人類駕駛員仍然要負責駕駛的全部責任，即使有交通事故，也是人全責。L3的責任主體就要發生變化了，L3意味著進入自動駕駛的范疇，L3已經是部分區域自動駕駛，那么在自動駕駛時如何進行責任劃分將是一個十分復雜的問題，這除了涉及法律還會涉及到下面將的第四個問題倫理問題。

　　最后一個問題就是當自動駕駛真正到來時，什么商業模式才會被接受，這個問題和每個企業息息相關，但大家似乎還沒有一個好的答案。

觀點六：未來汽車市場究竟會有怎樣的企業？

　　在文章最后，我們不妨暢所欲言，當自動駕駛來臨，汽車市場會變成啥樣？

　　我覺得可能會有四大類企業：第一類就是那些在傳統的豪門，比如奔馳、寶馬、豐田等企業，這些傳統內燃機領域就是巨頭的企業有用成熟的產業鏈和研發機制，從他們的布局以及收購政策來看，未來必然會有他們的一席之地；

　　第二類就是傳統的老牌供應商，他們不造車，但卻是真正的技術供應商和出行方案提供商，另外我認為互聯網企業也會進入供應商行列，他們會與自動駕駛的服務相捆綁，總體來看就是傳統供應商服務產品，而互聯網供應商們服務使用產品的人。

　　第三類就是類似特斯拉一樣的新勢力公司，我相信這類公司還會涌現，并可能憑借某些特點實現逆襲。最后一類就是代工廠類企業，有點類似富士康，成為移動出現產品的代工廠進行生存。

　　總結：CES 2020已經落下帷幕，這六個小觀點就是我對此次展會的一些小的感悟和總結，自動駕駛目前確實遭遇寒流，發展也確實艱難，但從現場各家工程師傳遞出來的信號看，大家依然對未來充滿期待，我想只有一步一腳印的走下去，我們才能看到自動駕駛的曙光。（圖/文 汽車之家冷曉陽）

注：本文感謝博世、大陸、法雷奧、地平線等公司工程師的觀點輸出。

部分數據資料參考：

MIT：Self-Driving Cars：State-of-the-art（2019）

麥肯錫中國汽車行業CEO季刊

www.ipsos.com

The Future of Mobility On the road to driverless cars