无人驾驶行业调研报告

中商情报网讯目前，自动驾驶汽车正处于量产化与商业化落地的阶段。从安全保证来看，AI技术的发展是自动驾驶汽车产业落地实践的关键。自动驾驶技术的发展还需要多方核心技术的合力支撑，我国也应加大量产型L4自动驾驶汽车的产业化落地实践，加大技术创新力度与资金投入，抓住“弯道超车”的历史机遇。随着无人驾驶技术的不断深入应用，目前在出行服务、物流等场景均得到应用。如国内主要车企包括上汽、长安、吉利、一汽、长城、广汽等都有自己的出行公司，布局未来自动驾驶汽车的应用。来源：中商产业研究院整体来看，无人驾驶的产业链可以分为感知、决策、执行三个层面。其中，感知层包括环境信息感知、车辆信息感知、高精度地图等，涉及的环节包括摄像头、激光雷达、毫米波雷达、超声波雷达、传感器等。同时，车辆通过高精度地图来获取实施路况信息，并通过汽车通讯传达至决策层。决策层需要车联网、车内辅助和计算平台的配合。车联网包括V2X、V2V(车辆环境通讯和车与车通讯)；车内辅助包括交互决策、路径规划等；计算平台核心要素是芯片与算法。执行层则包括执行和控制，主要有动力、制动、转向、灯光四个方面。无人驾驶应用推广情况2020年2月，国家发改委会同11个国家部委联合发布了《智能汽车创新发展战略》。该战略指明了2025年实现有条件智能汽车规模化生产，2035年中国标准智能汽车体系全面建成的愿景，指出发展核心技术、完善基础设施建设、完善相关法律法规体系等智能汽车发展的主要任务，并宣布了加强组织实施、完善扶持政策等保障举措。我们认为该战略表明国家中央层面发展智能汽车的决心和方向，利好智能汽车产业链发展。来源：中商产业研究院整理其中，提出国内战略目标：2025实现有条件智能汽车规模化生产《智能汽车创新发展战略》提出的战略目标为：到2025年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成，实现有条件自动驾驶的智能汽车规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。智能交通系统和智慧城市相关设施建设取得积极进展，车用无线通信网络(LTE-V2X等)实现区域覆盖，新一代车用无线通信网络(5G-V2X)在部分城市、高速公路逐步展开应用，高精度时空基准服务网络实现全覆盖。2035-2050年，中国标准智能汽车体系全面建成。目前，国内多个城市如北京、上海、广州、深圳等地已经陆续开放无人驾驶测试。随着无人驾驶测试的落地，这项技术的场景应用将越来越成熟，市场也将进一步扩大。来源：中商产业研究院整理更多资料请参考中商产业研究院发布的《2020-2025年中国无人驾驶行业市场前景及投资机会研究报告》，同时中商产业研究院还提供产业大数据、产业规划策划、产业园策划规划、产业招商引资等解决方案。（文章来源：中商产业研究院）

行业正处于发展导入期目前，无人驾驶汽车行业发展尚且不够成熟，但整体环境发展态势良好。国内无人驾驶汽车仍处于研发测试阶段，在技术上还有很大的不确定性和进步空间。同时，产品、市场和服务等方面可变动空间大，行业的商业模式也正处于摸索阶段。随着无人驾驶汽车技术和5G 技术的不断发展和各地政府的积极推进，越来越多的自主品牌车企将加快落地无人驾驶路测项目。总体来看，中国无人驾驶汽车行业在不断的研发测试阶段，处于行业的导入期。国内企业和城市纷纷入局无人驾驶汽车产业在无人驾驶汽车的研发上，无论是国际、还是国内，高科技公司都表现出了巨大的参与热情，并且形成了第一阵营。国内主要有百度等积极参与智能汽车的项目运作。基本处于测试阶段，百度自动驾驶巴士“阿波龙”已经开始量产下线。第二阵营则为传统整车企业的开发运作，国内的广汽、吉利、比亚迪、长安。与此同时，我国城市也开始布局无人驾驶汽车行业。在2018年4月11日，工业和信息化部、公安部、交通运输部印发《智能网联汽车道路测试管理规范(试行)的通知》，《试行规范》提出省、市政府相关主管部门可以根据当地实际情况，制定实施细则，具体组织开展智能网联汽车道路测试工作，表达了中央政府对此事的支持态度。根据中国汽车工业信息网统计，截至今年4月份，中国国内已颁发109张自动驾驶路测牌照，其中包含16个城市。获得自动驾驶路测牌照数量最多的城市是北京，数量为59张，其次是重庆，数量为12张，上海和福建平潭各获得7张，位居第三。通过我国无人驾驶汽车企业和城市的积极布局，推动行业的技术水平飞速发展;再从用户需求的角度来看，我国消费者市场也较为广阔。根据Ipsos益普索发布的最新调查《憧憬无人驾驶汽车——2018全球无人驾驶汽车消费者调查》的报告显示，2018年，46%的中国人受访者最有可能使用自动驾驶汽车;9%的中国消费者不愿意使用无人驾驶汽车;45%的消费者持观望不确定的态度，但对自动驾驶汽车的想法很感兴趣。行业发展前景广阔结合我国目前的无人驾驶汽车行业的发展现状，前瞻分析行业目前及将来一段时间内还将处于研发的初级阶段，国内无人驾驶汽车量产时间最早大概出现在2022年左右，因此2018-2021年中国无人驾驶汽车行业的发展，主要还是以技术研发为主。预计随着国内外技术成熟度的不断提升，国内各车企参与无人驾驶汽车研发的积极性将会不断提高。据相关权威公司预测，到2035年全球无人驾驶汽车销量将达到2100万辆左右，而中国市场的份额约为24%左右，约为504万辆，其市场前景非常可观。以上数据来源于前瞻产业研究院《中国无人驾驶汽车行业发展前景预测与投资战略规划分析报告》，同时前瞻产业研究院还提供产业大数据、产业规划、产业申报、产业园区规划、产业招商引资等解决方案。

随着汽车智能化、电子化的推进，无人驾驶已经是未来汽车发展的必然趋势。我国的在无人驾驶方面的相关配套政策法规已经逐步在推进中，2018年底，工信部制定发布了《车联网(智能网联汽车)产业发展行动计划》，促进车联网产业的跨行业融合。不过，目前无人驾驶的故事就在不断发生，安全问题或成为拖慢发展的重要因素。政策逐年深化，2020年是规划关键节点无人驾驶作为未来的发展方向，得到了国家的重视，目前国内在无人驾驶方面的相关配套政策法规已经逐步在推进中。2018年1月，国家发改委印发《智能汽车创新发展战略》是站在智能汽车的宏观层面对产业内的细分领域提出规划，规划更专，规格更高；2018年12月，工信部发布《车联网（智能网联汽车）产业发展行动计划》，强调通信和计算融合的智能汽车产业体系，在车联网层面上做出了中长期规划。我国对智能网联汽车也有分阶段的具体规划，2016年中国汽车工程协会正式对外发布了无人驾驶领域技术标准--《节能与新能源汽车技术路线图》。根据路线图目标明确，中国力争至2030年实现拥有完全自动驾驶汽车规模达3800万辆。从时间节点来看，路线图明确制定了我国无人驾驶汽车发展的三个五年阶段需要达成的目标，其中2020年四关键节点。企业加快布局，金龙率先实现商业化运营在国家大力支持，移动互联技术发展和手机广泛普及的大背景下，整车企业为了提高产品附加值，纷纷涉足智能网联汽车领域，开始装配ADAS产品。诸如长城汽车、北汽集团、长安汽车、广汽集团等陆续发布了智能网联汽车发展战略。早在2016年，金龙就已经开始布局自动驾驶领域，制定了智能网联汽车发展规划，并成功掌握微循环车在封闭园区的自动驾驶能力。2017年7月，百度宣布正式开发Apollo平台，并公布了汽车自动驾驶生态战略目标，以及首批加入Apollo生态圈的50家企业，金龙客车成为其中唯一一家国内客车企业。2017年11月，金龙与百度合作生产的阿波龙在百度世界开发大会上正式面世，是全国首辆无方向盘、无油门、刹车踏板的原型车。2018年7月，在金龙正式加入百度Apollo平台后的一年后，金龙客车和百度联合宣布，全球首款L4级量产自动驾驶巴士阿波龙第100辆量产下线，在世界范围内无人车的量产时间被提前了两年。据金龙客车官网披露，阿波龙批量运营的190天里，实现“累计行驶20000+公里，接待了15000+人次，用户体验反馈10000+”，且保持安全零事故，并在北京海淀公园、首钢园区，河北雄安新区，福建厦门软件园三期、平潭综合试验区，武汉开发区和惠州潼湖碧桂园科技小镇等全国21个地区实现落地运营。发展趋势已定，未来20年将产生巨大效益智能网联汽车在未来十到二十年将逐步替代人类简单的体力劳动，这不仅将改变人们的出行和生活方式，还将变革传统物流业，对经济社会将产生深远影响。麦肯锡公司认为，自动驾驶的全社会普及可减少事故发生率的90%，从而让人类出行更安全。无人驾驶汽车是长着大脑的移动机器人，可以长时间高效工作。智能网联汽车涉及汽车、信息通信、交通等多领域技术，在技术、产品和竞争主体方面呈现以下趋势： 更多数据参考前瞻产业研究院发布的《中国无人驾驶汽车行业发展前景预测与投资战略规划分析报告》。更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。

（报告出品方/作者：招商证券，刘玉萍，周翔宇）智能驾驶行业百花齐放1、智能驾驶迎来质变节点。智能驾驶发展历史悠久，龙头科技企业近年纷纷布局智能驾驶：智能驾驶产业从19世纪初发展至今已接近一百年，然而其产生 实质性进展是从2014年特斯拉发布第一代L2级自动驾驶系统Autopilot开始；至此，谷歌和百度纷纷加速研究自动驾驶全栈 式解决方案，将重心倾斜在无人驾驶乘用车的开发；华为和博世则将重心落在智能网联和智能座舱上；随着造车新势力的崛起 以及传统燃油车转型智能化，一条成熟的智能驾驶产业链逐渐成型。智能驾驶驱动产业升级。智能驾驶主要分两个方面： 第一是自动驾驶：通过硬件、软件、和算法，实现无人驾驶。自动驾驶由感知、决策、执行三个要素组成。高自动化的驾 驶系统依赖于多传感器的融合、域控制器、计算单元、AI芯片以及大数据云计算的高精密配合和精准控制。第二是智能座舱+车联网：实现车内外智能化的交互形式和整车OTA。2、从燃油车向电动车转变。智能驾驶行业驱动汽车产业的核心竞争力从硬件转向软件，电动化是实现软件智能的物理基础。 燃油车难以实现整车控制系统数字化：智能汽车需要做到计算平台和操作系统相互融合从而控制所有的标准化硬件，然而传 统的燃油汽车发动机和变速箱的工作状态难以被把控，难以实现高度集成化和软件定义。 燃油车难以搭载智能座舱系统：燃油车难以实现全舱的信息覆盖，而电信号却可以轻易做到整车流通从而实现全方位的人机 交互以及车辆的场景化服务。 燃油车难以实现空中下载技术（OTA）：传统燃油车受制于硬件复杂的构造和不可控因素，目前的OTA仅限于人机交互功能 的软件更新，而电动车却可以实现车身控制及动力方面的升级。EEA由分布式走向集中式。智能驾驶催生出域控制器单元，汽车电子电汽架构（EEA)从分布式向集中式转变：随着智能驾驶汽车功能的不断丰富，电子 控制器单元（ECU）数量极具增加，算力不同的ECU相互冗余，内部通信能力的缺失，急剧增加的线路复杂度，使得汽车域控 制器（DCU）应运而生。DCU技术的实现主要倚靠两点：以太网新型总线技术和5G无线技术的介入，使得分散的ECU可以用主 干网络连接统一受DCU协调控制，具备强大算力的计算平台使“大脑”可以统一处理海量的数据并进行复杂的逻辑运算。3、智能驾驶市场空间巨大。高频率融资，市场爆发力强。2014至2018年，自动驾驶行业的融资数额和次数呈指数倍增长，2019年略有回落，资本理性渐归， 渴望实际产品尽快落地；2019年我国的融资事件频次全球第一，资本对这一行业保持高关注度。中国智能汽车市场发展迅速。根据国家工业信息安全发展研究中心发布的报告，预计2020年智能网络汽车新车型的渗透率将从 2016年的5.2%提升至51.6%，由此推测2020年中国智能汽车规模达到1300万辆，到2025年达到1700万辆，行业市场空间巨大；自 动驾驶相关专利申请数量在2016年爆发， 增长率达124.16%，2012-2019的年复合增长率保持在63%。百度：国内智能驾驶行业的领头羊1、百度成长路径。百度移动生态：百度成立于2000年，以搜索引擎正式进军互联网领域，历经20年的发展，形成了全网最强大的信息和服务生 态，其下属百度系APP累积了十亿用户，日活用户超过2亿，是中国第一的中文搜索和信息流网站。。百度新型AI生态：2014年百度首次提出“百度大脑”计划，作为百度人工智能业务的核心技术引擎，至今已获得270多项AI能 力，日调用量突破1万亿次。百度分别以9364件人工智能专利申请和2682件专利授权位列第一，并包揽了深度学习技术、语 音识别、自然语言处理和智能驾驶领域等多个人工智能核心领域第一。国内龙头移动服务品牌。超链分析技术是互联网搜索的黄金标准：超链分析技术的专利权归百度创始人李彦宏所有，这项技术使得超链指向与网页价 值成正比，重新定义了搜索引擎中的网页排序。超链分析迄今已被211件国际专利引用，并被多个搜索引擎普遍采纳。百度系APP下设场景多样，可满足多类用户的不同需求：百度系APP覆盖近9成互联网主流人群的24小时全时长，截止至2020 年，以其为基石的百度超级营销平台已为86万品牌提供广告服务，社交互动同比提升60%。百度搜索品牌渗透力强：中国互联网信息中心统计显示，百度搜索在双端搜索引擎上的渗透率均超过了80%，拥有极高的市 占率和用户黏性。2、百度的营收以广告为主。P4P模式是百度核心业务营收的重要组成部分，非P4P模式进一步丰富了线上营销生态：基于拍卖模式的P4P服务允许商户竞 标优先安排付费赞助商链接，并覆盖搜索与其产品或服务相关信息的用户，纵跨搜索引擎、信息流以及其他在线市场三个领 域。百度在最新的季度财报中称，这种模式仍然是其核心业务营收的重要组成部分。非P4P模式可以分为基于展示性和基于 效果性的营销服务。其中基于效果的营销服务，客户将根据除CPC以外的标准付费，比如应用的下载次数等；而基于展示的 营销服务，百度的收费基准则是时间和数量。百度拥有稳定的盈利结构和强大的获利能力：百度的盈利总体分为两大板块，近几个季度百度的核心业务营收平均占总营收 的73%，上下浮动不超过5%，盈利能力稳定。百度在国内搜索引擎的垄断地位和百度app广泛的受众都赋值于其内容里的广告 位，是广大客户首选的营销推广平台；同时其使用的广告位拍卖模式和搜索引擎独有的多元化进一步量化了百度的广告收益， 使得百度可以产生持续的巨额广告收益。公司关键财务指标表现。百度的营业收入增速渐缓：百度2020年的营业总收入为1070.74亿元，虽然2005至2020年的年复合增长率约为47.36%，但 2018年至2020年的复合增长率仅为2.32%。3、股价复盘，百度急需在AI领域取得突破PC端搜索业务快速抢占市场是百度前期发展的核心推手，但后续由于在移动端失去了先机，以及搜索端广告业务出现负面新闻， 导致公司在移动互联网爆发初期失去先机，股价一度处于震荡。 脱离百度的早期发展，公司三次股价上涨均是基于其新业务的拓展，尤其是2020年智能驾驶的突破使公司市值触底反弹。4 、百度ACE引擎架构完整百度ACE交通引擎（Autonomous Driving、Connected Road、Efficient Mobility）是公司实现智能驾驶生态的 核心。百度ACE引擎集自动驾驶、车路协同和效率出行为一体，聚焦的不仅仅是自动驾驶车辆内外硬软件的升级，更是与车 路协同相关的智能交通体系新基建的建设，以及与效率出行相关的无人驾驶车辆运营。目前百度已与22个城市有上述相关合 作。百度ACE引擎采用“1+2+N”总体架构，结合小度OS、自动驾驶技术、百度智能与以及百度高精度地图，以Apollo自动 驾驶平台和车路协同解决方案为平台支撑，在未来智能交通新基建中推广智能公交、智能出租、智能网联等应用。智能座舱：小度OS产品受下游青睐。小度车载是公司智能网联的核心产品，将全面结合百度的核心数据能力，不仅实现全车智能语音交互和视觉识别，同时构建 整车OTA和全域安全体系。自动驾驶：率先实现量产，聚焦多市场。百度发布ValetParking自动泊车量产方案（AVP)，率先实现量产落地。百度在L4级驾驶借助激光雷达采用强感知视觉方案，虽然目前此种方案成本高昂，但多冗余为安全性保驾护航；对应L3级发 布高级别智能驾驶解决方案ANP，低廉的成本需要强大的技术做补充以实现2D到3D的转换。百度地图：高精度地图实现双领先。百度高精度地图具备较强先发优势：高精度地图因涉及国家安全，资质一票难求，截至2020年10月，仅有28家企业获此资 质。2013年百度启动高精度地图采集，基于百度的自动化技术，其对周边路侧信息的识别准确率达98%以上，依托多元感知 数据处理、云服务中心和数据中心等构成的Intelligent Map平台，可以实现分钟级的数据更新，基于GPS，IMU，高精 地图以及多种传感器数据的百度自定位系统可提供厘米级综合定位解决方案。百度两大引擎生态完善。Apollo自动驾驶开源平台技术扎实，合作伙伴数量领先：截至2019年底，Apollo拥有生态合作伙伴177家，全球开发者 36000名。2020年，百度Apollo平台入选世界互联网大会全球领先科技成果。 V2X车路云协同技术为自动驾驶提供全局视野：百度开展V2X是符合中国国情普及自动驾驶的必经之路，V2X是车路人的全域 数据感知智能交通系统，公司披露数据，车路协同可以解决54%单车智能在路测中遇到的问题，减少62%的单车智能接管数， 目前百度已与多家企业在V2X领域开展相关合作。盈利模式对比与未来猜想1、智能驾驶公司对比。根据Navigant Research 给出的2020年自动驾驶排行榜，Waymo、Cruise、福特和百度处于行业领先者的地位，特斯拉作为L3级 整车销售商排名靠后。未来的智能驾驶行业可以大致细分为以下两个赛道： 以Waymo为代表的无人驾驶商用车运营：即经过多年技术和数据积累，实现无人监管的无人驾驶出租车和货运车营运。 以特斯拉为代表的整车销售商：受制于安全、政策和基础设施等因素，L3级自动驾驶整车销售目前仍为市场主流。2、Waymo入局早，经验丰富Waymo作为最早涉足自动驾驶领域的公司，是自动驾驶的顶级领军企业。2020年Navigant Research 自动驾驶榜单中， Waymo在多维度比较中属于“领导者”，且综合位列第一。Waymo的技术专一且较为封闭。Waymo全线自研，重点布局无人车营运：Waymo已推出了第五代Waymo Driver套件，其中包括软、硬件全套方案，造价相 比之前整体下降50%。未来，Waymo的营收重点大概率仍是依托于Waymo one 和Waymo via的商用无人车营运，与百度的 Apollo Robotaxi业务相似。在营收方面，Waymo的母公司Alphabet与百度的营业收入规模差距较大，研发投入比例相似 但规模差距较大，两个公司业务模式相似但无法在同一量级比较。造车新势力当前力量较为薄弱。造车新势力：2020年我国纯电动车汽车销量为111.5万辆，同比增长11.6%。蔚来、理想和小鹏是国内造车新势力的主要玩家， 但其三者全年销量之和仍比不过特斯拉去年一年的销量。百度联合吉利进军整车界造车，将和造车新势力形成竞争与合作并存 的新局面。3、特斯拉聚焦L3级整车销售特斯拉聚焦整车和软件销售：特斯拉的主要营收来自其整车销售量，2020年特斯拉实现了7.21亿美元的盈利，创得历史新高； 特斯拉于19年发布自研FSD芯片，FSD作为选装套件在美国Model Y的选装率已达50%以上，打开了软件订阅服务的营收； 2021年特斯拉还将量产Cybertruck，打开货运汽车销售市场。百度智能驾驶的盈利模式多元。以Robotaxi和Deepway为代表的商用自动驾驶运营：Apollo robotaxi将在未来3年拓展至30城，以现有的共享汽车市场规模测算，若百度未来能完全替代现有的共享汽车服务商，则市场规模至少在百亿；无人驾驶货运物流方面，狮桥预计到 2025年，每年会有3600万订单，足以支撑1800-3600亿元的市场规模。百度智能驾驶未来发展模式。在核心技术上不断实现突破，掌握更多具有自主知识产权的技术：百度虽然现已在国内的智能驾驶领域取得显著成就，但仍 在OTA和传感器等技术上落后于特斯拉、Mobileye和Waymo。同时，随着龙头科技企业纷纷入局智能驾驶行业，相关技术飞 速发展日新月异，只有更快的在现有技术基础上掌握更多核心技术专利，才能在未来智能驾驶行业中占据有利地位。 百度全面部署智能驾驶领域：百度以Apollo平台和车路协同技术为核心，发布了适配于不同场景的八大解决方案，既是各大 车企的方案提供商，也同时作为运营商落地Robotaxi和无人驾驶货运物流。2021年初，百度和吉利联手合作造车，以整车 制造商的身份再次进军智能驾驶行业。全面精细化部署智能驾驶使百度未来的盈利空间成规模式增长，龙头效应明显。报告节选：（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）精选报告来源：【未来智库官网】。

自动驾驶是百年汽车工业史上又一次伟大的范式转移，将重新定义汽车产业规则。汽车的产品定义将不再是 「行走的精密仪器」，也不只是一台「行走的计算机」，而是「行走的第三空间」；车厂的角色将从传统的汽车制造商向移动出行服务商转型。自动驾驶是产业发展的必然趋势，关乎时间、生命，是重塑未来出行生态的关键技术。2018 年下半年以来，全球自动驾驶产业现象级事件频发，商业化序幕已经拉开。本文约2万4千字，分为上下两部分。本文为上半部分，请耐心阅读。1.百年汽车史上又一次伟大的范式转移1.1 重新定义汽车产业的游戏规则汽车产业升级换代，自动驾驶独领风骚。直观理解，自动驾驶就是「机器替代驾驶员开车」，国内亦称之为智能网联汽车。与电动化、共享化相并列，自动驾驶（智能化+网联化）早已被产业界普遍认可为汽车产业未来发展的「新四化」趋势之一。春江水暖鸭先知，从嗅觉灵敏的资本市场的表现来看，自动驾驶早已是汽车产业升级的绝对主角。代表目前全球最强自动驾驶实力的 Waymo（谷歌）尽管尚未产生正式的收入，已经被 Morgan Stanley 率先定价到了 1750 亿美元，远超传统车企代表通用、福特、电动化势力代表特斯拉以及共享出行代表 Uber 的估值。Morgan Stanley 对于自动驾驶的热捧绝非孤例，根据德国《经理人》杂志报道，大众集团 CEO Herbert Diess 曾计划以 1370 亿美元的报价参股 Waymo 10% 股份（提议最终未得到董事会支持而告终），产业资本对于自动驾驶的认可度和追捧可见一般。我们认为，自动驾驶独领风骚的背后原因在于——自动驾驶将是未来汽车产业游戏规则的定义者。自动驾驶时代，汽车被重新定义。自动驾驶时代，汽车不再只是汽车，而是用户的第三空间。高等级自动驾驶意味着手、脚、眼和注意力将逐步被解放，从「机器辅助人开车」（L2）到「机器开车人辅助」（L3）、「机器开车」（L4/L5）意味着车主的生产力、时间的释放，汽车将不再是代步工具，用户在车内即可实现娱乐和办公，汽车有望进化成为家庭、办公场所之外的第三生活空间。从本质上来说，自动驾驶汽车不再是 「行走的精密仪器」，也不只是一台「行走的计算机」，而是「行走的第三空间」，汽车的产品形态将被重新定义，商业价值也将更多维度地展开（自动驾驶创造了新的消费经济和生产力市场——乘客经济，乘客在路上或消费，或工作，或娱乐，每一辆车都可以变成移动的商业地产）。自动驾驶时代，车厂角色将重新定义。未来汽车可能分为两类，一类是有人驾驶的汽车，一类是移动服务汽车。传统的汽车制造商将逐步向移动出行服务商转型，为用户提供 Car as a Service 或者说是 Mobility as a Service（MaaS）的一站式出行服务。从用户角度来看，相对于私有车的模式，转向移动出行服务，可以充分利用路上的时间做自己的事；从车厂的角度来看，商业模式将从产权交易到使用权交易，即不再是一锤子买卖的整车销售，而是类似「手机流量套餐」一样，对用户的出行服务进行按需收费。从广义来看，未来出行服务需要具备三大要素：移动平台（车）、自动驾驶技术、用户服务入口。其中，自动驾驶将是关键技术，可以大幅度的降低出行服务平台的最大的运营成本项（司机的工资），直接决定了车企转型移动出行服务商的盈利潜力。1.2 自动驾驶是汽车产业发展的必然趋势依从第一性原理思考现有交通出行的困局，发展自动驾驶是破局之道。现在很多大城市每年汽车增长 20%，道路增长 1%，人、车、路间供需不平衡，消费者被车厂教育了都想买车，可车还是不够人用（限购限行，打车难），路不够车用（拥堵），车已经塞满了城市；另一方面，汽车又是使用率最低的工业品，城市不得不为 95% 时间闲置的汽车建造大量的停车场，车位比车贵。现有交通出行的困局的根源是因为——人、车、路，三者之间在特定时间段的供需矛盾，增加车、修路都是治标不治本的措施，即使是共享出行，也只解决了一半的问题。我们需要从底层创新上寻求现有交通出行问题解决之道。从第一性原理出发，唯有，也只有代表着更高效率的 MaaS（自动驾驶驱动）的普及，才能根本性地解决现有的交通出行困局。自动驾驶关乎时间、关乎生命，将释放巨大的社会价值：1）自动驾驶关乎生命。滴滴程维曾表示，理论上，机器比人更适合开车。人其实并不很适合开车，人类的可靠视距大概只有两三百米，但是激光雷达可以看到更远。人类只能看到前面 180° 的视角，看不到后面有车追尾，机器可以环顾 360°。人只能靠个体学习积累驾驶经验，用公里数换经验，但是机器可以 100 万辆车共享一个大脑，去学习沉淀经验。人类开车走复杂路段，是靠自己的经验控制方向盘，但是机器可以学习舒马赫怎样精准过弯。人类操纵汽车是靠手感，是靠脚踩下去的感觉，机器人可以精确到毫米、微米去控制机械。机器也不会疲劳驾驶、酒驾。在技术足够成熟的前提下，机器驾驶的综合安全性会比人类高一个量级，而这意味着全球每年死于交通事故的 125 万人死于道路交通事故的人员（WHO《2015 年全球道路安全现状报告》），有更多生命得到拯救。2）自动驾驶关乎时间。罗振宇提出了「国民总时间」的概念，时间是最有价值、也是最稀缺的资源。在大部分人的一天 24 小时中，上下班通勤是逃不掉的固定时间支出，尤其是在地理尺度较大和职住问题严重的大城市，交通拥堵会令本已很长的通勤时间加倍延长。高德地图《2018 年度中国主要城市交通分析报告》显示，以北京为例，人均年拥堵时间高达 174 小时。按照拥堵损失=城市平均时薪*因拥堵造成的延时*人均全年通勤次数的计算公式，根据百度测算，国内每年因为交通拥堵大概会造成 GDP 的5 % 到 8% 的损失。自动驾驶时代，用户在车上的时间会被解放出来，这些时间都可以转化成生产力，释放巨大的经济价值。在释放巨大社会价值的基础上，自动驾驶将激活、重塑和创造多个万亿级市场：1）自动驾驶将激活汽车市场。智能、安全和人机共驾的新体验将重新激发人们换车的需求；2）自动驾驶将重塑出行市场。MaaS 将解决如今困扰消费者和出行服务商的最大问题——司机成本和「坏人」风险。如果说当前的网约车只解决了出行需求的一半问题，那么未来自动驾驶出租车将是另一半问题的答案。此外，自动驾驶应用到商用场景，用机器替代日益高昂的人力成本，也将创造巨大价值；3）自动驾驶将创造新的消费经济和生产力市场——乘客经济。这些时间，乘客在路上或消费，或工作，或娱乐，每一辆车都可以变成移动的商业地产。更进一步，除了上述三个市场之外，自动驾驶技术的普及还会产生间接的二级效应，对能源、房地产、保险等行业都会产生深远而巨大的影响。1.3 现象级事件频发，自动驾驶拉开商业化序幕自动驾驶不再是梦想，主机厂规模化量产即将启动。回顾自动驾驶产业发展历史，大致可以分为如下阶段：1）源起。自动驾驶技术的探索最早可以追溯到 1980 年，美国率先开启了自动驾驶汽车在军事领域的应用。美国的国防高级研究计划局（DARPA）和卡内基梅隆大学，分别以 「摄像头为主、其他传感器为辅」开发出不同的自动驾驶汽车的原型，并且在真实路况中展现出了令人信服的能力。2004 年开始，美国（DARPA）发布无人车挑战赛。时值 「第二次海湾战争」 刚刚开始，国防部注意到沙漠行动中的士兵伤亡，希望用无人驾驶来解决这一问题。DARPA 无人车挑战赛为自动驾驶技术交流开辟了空间和研究的土壤，为产业贡献了大量的人才。第一代的自动驾驶技术大牛，基本都是以 DARPA 无人车挑战赛为起点。2）赛道开启。自动驾驶产业化的正式开启是从 2009 年拉开序幕，Google X 确立了多个登计划（Moonshot），旨在捕捉未来惠及全人类的核心技术。无人车项目在谷歌的资金支持下正式开启。随后，陆续有更多的科技巨头入场。3）核心技术跨越式发展。自动驾驶技术经过多年打磨后，日趋成熟，绝大部分主流车企也宣布了自动驾驶的量产计划表。为了更好的捕捉自动驾驶技术衍生出来的需求，从芯片厂到 Tier1 开始了供应链整合之路。标志性的事件就是英特尔宣布以 153 亿美元收购 Mobileye（自动驾驶视觉芯片公司），并正式成立自动驾驶事业部。4）技术得到商业化验证。2017、2018 年开始，自动驾驶技术得到商业化验证。车厂领跑者——奥迪首发了全球第一款 L3 级别的量产自动驾驶车辆；科技公司的领跑者——Waymo 在经过 10 年的测试和技术打磨之后，推出 Waymo One 的自动驾驶出租车服务，试水商业化运营，并在 18 年分别向捷豹、菲亚特-克莱斯勒下了 20000 量捷豹 I-PACE 车型以及 62,000 辆 Pacifica 混动车的订单，用于在未来 3 年内在全美扩大自动驾驶车队阵容。无独有偶，Uber 早期也与沃尔沃达成协议，计划采购 2.4 万辆车辆，用于自动驾驶车队。5）供应链启动。随着车厂自动驾驶量产计划日益临近，前装供应链的「车轮」也已经率先启动，标志性的事件就是 2019 年年初，四维图新斩获国内首个 L3 及以上的高精度地图的主流车厂订单（宝马）。从 2019 年开始，到 2020、2021 年，根据全球主流车厂的计划表，将陆续开始有量产的自动驾驶车辆出炉，自动驾驶产业有望进入黄金发展期。现象级事件频发，自动驾驶产业发展全面提速。1）资金层面。自动驾驶在一级市场已经成为最火热的赛道，展现出超强的吸金能力，仅 2018 年就全球狂揽 94.7 亿美元的融资。充裕的资金资质将成为自动驾驶产业最好的助推器之一；2）产业层面。科技巨头继续引领行业风向标；车厂相继争先宣布转型移动出行服务商（典型代表丰田、通用、大众），继续加码自动驾驶研发投入；3）政策。全球政府为自动驾驶的合法化上路正紧锣密鼓的修订政策法规。日本政府近期通过了《道路运输车辆法》修正案，确保自动驾驶的合法性；国内方面，交通部部长李小鹏也在近期表示将力争在国家层面出台《自动驾驶发展指导意见》。总体来看，自动驾驶产业生机勃勃，在资金、产业、政策的共振下，发展不断提速，快马加鞭纵情向前。2. 自动驾驶概念定义——L3是分水岭L3 将是自动驾驶技术的飞跃。对于自动驾驶技术和概念的定义，国际上通用的是美国 SAE 协会定义的标准。我们日常生活中接触的最多的仍然是 L2 级别的自动驾驶技术（以特斯拉 AutoPilot 为典型代表），本文所强调的自动驾驶是指 L3 及以上的高等级自动驾驶技术。在自动驾驶技术分级中，L2 和 L3 是重要的分水岭，在 L2 及以下的自动驾驶技术仍然是辅助驾驶技术，尽管可以一定程度上解放双手（Hands Off），但是环境感知、接管仍然需要人来完成，即由人来进行驾驶环境的观察，并且在紧急情况下直接接管。而在 L3 级中，环境感知的工作将交由机器来完成，车主可以不用再关注路况，从而实现了车主双眼的解放（Eyes Off）。而 L4、L5 则带来自动驾驶终极的驾驶体验，在规定的使用范围内，车主可以完全实现双手脱离方向盘以及注意力的解放（Minds Off），被释放了手、脚、眼和注意力的人类，将能真正摆脱驾驶的羁绊，享受自由的移动生活。从实际应用价值来看，L3/L4 相对于辅助驾驶技术有质的提升，从「机器辅助人开车」（L2）到「机器开车人辅助」（L3），最终实现「机器开车」（L4/L5），L3 将成为是用户价值感受的临界点，将成为产业重要分水岭。跟消费者普遍希望的「全能」所不同，自动驾驶技术是有应用场景和功能要求的。除了基础的分级之外，SAE 协会还给出了自动驾驶系统的重要设计维度：设计运行范围（ODD），即自动驾驶技术可以安全工作的环境，包括车辆自动驾驶时的速度、地形、路况、基础环境、交通情况、时段（白天、晚上）。以消费者最常见的量产自动驾驶系统——特斯拉 Autopilot 为例，虽然很多粉丝在城市环境试过 Autopilot，但官方给出的启用范围依然是高速公路和行车缓慢的路段，并对时速做出了限制。很显然，路况越复杂，自动驾驶的实现难度将越高。国内自动驾驶将渐进式落地。SAE 的自动驾驶分级是较为粗线条的，容易产生歧义。我们按照路况复杂程度进一步细化自动驾驶的功能定义，并对其落地时间进行预测。参考罗兰贝格的报告，我们整体上判断国内自动驾驶将以 L0-L5 的路线渐进式展开，主要落地应用场景将以私家车出行、共享客运接驳、货运物流为主，从低难度的区域（封闭低速路段）向高难度的区域（复杂城市道路）循序渐进地落地。2019 年，国内将在城市特定区域开放道路进行自动驾驶车辆测试，并有望在部分高速公路允许 L3 自动驾驶。到 2025 年城市特定区域 L4、L5 自动驾驶有望开放，自动驾驶将步入分区域推进的新阶段。而 2025 年之后，才会逐步放开自动驾驶区域限制，从限定场景逐步拓展到全场景。3.技术：5G+AI打通自动驾驶「任督二脉」3.1 自动驾驶技术框架概述单车智能的三大核心环节——感知层、决策层和执行层。狭义的理解，从单车智能的角度，自动驾驶技术的本质就是用机器视角去模拟人类驾驶员的行为，其技术框架可以分为三个环节：感知层、决策层和执行层。感知层解决的是「我在哪？」、「周边环境如何？」的问题；决策层则要判断「周边环境接下来要发生什么变化」、「我该怎么做」；执行层则是偏机械控制，将机器的决策转换为实际的车辆行为。根据上述三个环节的分析框架，自动驾驶技术实现的基本原理是：感知层的各类硬件传感器捕捉车辆的位置信息以及外部环境（行人、车辆）信息。决策层的大脑（计算平台+算法）基于感知层输入的信息进行环境建模（预判行人、车辆的行为），形成对全局的理解并作出决策判断，发出车辆执行的信号指令（加速、超车、减速、刹车等）。最后执行层将决策层的信号转换为汽车的动作行为（转向、刹车、加速）。鉴于高等级自动驾驶是极为复杂的系统性工程，其技术方案尚未完全定型，无论传统车厂、Tier1 还是互联网科技企业，对于高等级自动驾驶均有自己的技术路线，我们将在后续章节详细分析自动驾驶技术框架下不同模块的作用和技术趋势。「车」、「云」、「路」协同进化是产业发展趋势。广义的理解，在单车智能技术路线的基础上，未来整个自动驾驶的技术体系将是「车端」、「云端」、「路端」同步升级发展。云端的意义在于：1）收集大量数据，训练自动驾驶算法；2）通过云端更新高精度地图，为自动驾驶车辆提供更实时的环境模型和动态信息。路端的意义在于：通过打造互联网化的道路，以车路协同技术，为自动驾驶车辆提供一个联网的「外脑」，从而减少单车智能的硬件成本。3.2 解构自动驾驶核心技术模块3.2.1 自动驾驶感知层传感器3.2.1.1 自动驾驶感知层传感器的定义和分类感知层传感器是自动驾驶车辆所有数据的输入源。根据不同的目标功能，自动驾驶汽车搭载的传感器类型一般分为两类——环境感知传感器和车辆运动传感器。环境感知传感器主要包括摄像头、毫米波雷达、超声波传感器、激光雷达以及 GPS& 惯导组合等，环境感知传感器类似于人的视觉和听觉，帮助自动驾驶车辆做外部环境的建模；车辆运动传感器（高精度定位模块），主要包括 GNSS、IMU、速度传感器等，提供车辆的位置信息、速度、姿态等信息。目前自动驾驶需要依赖不同的传感器来收集信息，尚不具有一个具备所有感知功能于一身的「万能」传感器。不同传感器所发挥的功能各不相同，在不同场景中各自发挥自身优势，难以相互替代。3.2.1.2 环境感知传感器的发展趋势环境感知传感器的技术方案主要可以分为视觉主导和激光雷达主导。1）视觉主导的方案：摄像头（主导）+毫米波雷达+超声波雷达+低成本激光雷达，典型的车厂是特斯拉。特斯拉最为激进，创始人马斯克坚持在其方案中不加入激光雷达；2）激光雷达主导的方案：低成本激光雷达（主导）+毫米波雷达+超声波传感器+摄像头，典型的代表是 Google Waymo。目前，谷歌 Waymo 自己组建团队研发激光雷达的硬件，把成本削减了 90% 以上，基本上是 7000 美金左右，同时也已经在美国凤凰城地区进行商业化的试运营。传感器各有优劣势，技术方向的最终定型取决于技术的发展速度以及部件成本的价格曲线。1）摄像头——非常适用于物体分类。摄像头视觉属于被动视觉，受环境光照的影响较大，但成本低。摄像头生成的数据，人就能看懂，不过其测距能力堪忧。摄像头非常适用于物体分类。2）雷达——在探测范围和应对恶劣天气方面占优势。在探测距离上优势巨大，也不怕天气影响，但不善于识别物体分辨率。3）激光雷达——优势在于障碍物检测。激光雷达是主动视觉，和摄像头这类被动传感器相比，激光雷达可以主动探测周围环境，即使在夜间仍能准确地检测障碍物。因为激光光束更加聚拢，所以比毫米波雷达拥有更高的探测精度。但激光雷达现阶段的成本较高。总体来看，为了更好的安全冗余，各类传感器的融合是技术路线的必由之路，而最终技术方向的定型取决于技术的发展速度以及部件成本的价格。3.2.1.3 高精度定位传感器的发展趋势高精度定位模块是自动驾驶的标配。要实现车辆的自动驾驶，就要解决在哪里（即刻位置）、要去哪里（目标位置）的问题，因此高精度定位传感器（厘米级精度）模块需要应用于 L3 以上自动驾驶。按照不同的定位实现技术，高精度定位可以分为三类。第一类，基于信号的定位，代表就是GNSS 定位，即全球导航卫星系统；第二类，航迹推算，依靠 IMU（惯性测量单元）等，根据上一时刻的位置和方位推断现在的位置和方位；第三类是环境特征匹配，基于激光雷达的定位，用观测到的特征和数据库中的特征和存储的特征进行匹配，得到现在车的位置和姿态。观察目前产业的主流方案，普遍采取融合的形式，大体上有：1）基于 GPS 和惯性传感器的传感器融合；2）基于激光雷达点云与高精地图的匹配；3）基于计算机视觉技术的道路特征识别，GPS 卫星定位为辅助的形式。3.2.1.4 5G/ V2X技术为自动驾驶打通外部「大脑」5G/ V2X 技术为自动驾驶打通外部「大脑」。车联网 V2X 就是把车连到网或者把车连成网，包括汽车对汽车（V2V）、汽车对基础设施（V2I）、汽车对互联网（V2N）和汽车对行人（V2P）。通过 V2X 网络，相当于自动驾驶打通外「大脑」，提供了丰富、及时的「外部信息」输入，能够有效弥补单车智能的感知盲点。可以说，V2X 是自动驾驶加速剂，能够有效补充单车智能的技术、加速反应效率。5G 网络具备低时延、高吞吐、高可靠的特性，大大提升了 V2X 传输信息的丰富性和及时性，也提高了 V2X 传感器的技术价值。3.2.2 计算平台（主控芯片）3.2.2.1 高等级自动驾驶的本质是AI计算问题，车载计算平台是刚需自动驾驶就是「四个轮子上的数据中心」，车载计算平台成为刚需。随着汽车自动驾驶程度的提高，汽车自身所产生的数据量将越来越庞大。根据英特尔 CEO 测算，假设一辆自动驾驶汽车配置了 GPS、摄像头、雷达和激光雷达等传感器，则上述一辆自动驾驶汽车每天将产生约 4000GB 待处理的传感器数据。不夸张的讲，自动驾驶就是「四个轮子上的数据中心」，而如何使自动驾驶汽车能够实时处理如此海量的数据，并在提炼出的信息基础上得出合乎逻辑且形成安全驾驶行为的决策，需要强大的计算能力做支持。考虑到自动驾驶对延迟要求很高，传统的云计算面临着延迟明显、连接不稳定等问题，这意味着一个强大的车载计算平台（芯片）成为了刚需。事实上，如果我们打开现阶段展示的自动驾驶测试汽车的后备箱，会明显发现其与传统汽车的不同之处，都会装载一个「计算平台」，用于处理传感器输入的信号数据并输出决策及控制信号。高等级自动驾驶的本质是 AI 计算问题，车载计算平台的计算力需求至少在 20T 以上。从最终实现的功能来看，计算平台在自动驾驶中主要负责解决两个主要问题：1）处理输入的信号（雷达、激光雷达、摄像头等）；2）做出决策判断、给出控制信号：该加速还是刹车？该左转还是右转？英伟达 CEO 黄仁勋的观点是「自动驾驶本质是 AI 计算问题，需求的计算力取决于希望实现的功能」，其认为自动驾驶汽车需要对周边的环境进行判断之后还作出决策，到底要采取什么样的行动，本质上是一个 AI 计算的问题，车上必须配备一台 AI 超级处理器，然后基于 AI 算法能够进行认知、推理以及驾驶。根据国内领先的自动驾驶芯片设计初创公司地平线的观点，要实现 L3 级的自动驾驶起码需要 20 个 teraflops（每秒万亿次浮点运算）以上的的计算力级别，而在 L4 级、L5 级，计算力的要求将继续指数级上升。3.2.2.2 算法和芯片协同设计是计算平台的重要发展趋势自动驾驶计算平台演进方向——芯片+算法协同设计。目前运用于自动驾驶的芯片架构主要有 4 种：CPU、GPU、FPGA（现场可编程门阵列）和 ASIC（专用集成电路）。从应用性能、单位功耗、性价比、成本等多维度分析，ASIC 架构具备相当优势。参考我们之前发布的行业报告《芯际争霸—人工智能芯片研发攻略》的观点，未来芯片有望迎来全新的设计模式——应用场景决定算法，算法定义芯片。如果说过去是算法根据芯片进行优化设计的时代（通用 CPU+算法），现在则是算法和芯片协同设计的时代（专用芯片 ASIC+算法），这一定程度上称得上是「AI时代的新摩尔定律」。具体而言，自动驾驶核心计算平台的研发路径将是根据应用场景需求，设计算法模型，在大数据情况下做充分验证，待模型成熟以后，再开发一个芯片架构去实现，该芯片并不是通用的处理器，而是针对应用场景，跟算法协同设计的人工智能算法芯片。根据业界预估，相比于通用的设计思路，算法定义的芯片将至少有三个数量级的效率提升。3.2.3 自动驾驶算法3.2.3.1 自动驾驶算法的定义和分类算法是自动驾驶的大脑。根据面向的不同环节，可以分为感知层的算法和决策层的算法。其中：1）感知层算法核心任务——是将传感器的输入数据最终转换成计算机能够理解的自动驾驶车辆所处场景的语义表达、物体的结构化表达，具体可以包括：物体检测、识别和跟踪、3D 环境建模、物体的运动估计；2）决策层算法的核心任务——是基于感知层算法的输出结果，给出最终的行为/动作指令，包括行为决策（汽车的跟随、停止和追赶）、动作决策（汽车的转向、速度等）、反馈控制（向油门、刹车等车辆核心控制部件发出指令）。整体来看，不同等级的自动驾驶算法的焦点不同。L3 级别的自动驾驶，侧重于替代人的环境感知能力，因此感知层算法将是核心。L4 级别的自动驾驶，除了环境感知能力之外，侧重点更在于复杂场景的决策算法的突破。3.2.3.2 算法验证迭代之路——仿真or路测算法的验证及迭代需要路测+仿真。按照产业普遍观点，车企需要 100 亿英里的试驾数据来优化其自动驾驶系统，若要达到该测试里程数，按照目前的实际路测能力计算，即便是一支拥有 100 辆测试车的自动驾驶车队，7X24 小时一刻不停歇地测试，要想完成 100 亿英里的测试里程也需要花费大约 500 年的时间。为了破解这一难题，仿真测试成为大多数公司的共同选择。所谓自动驾驶仿真测试，简单来说，就是计算机模拟重构现实场景，让自动驾驶算法在虚拟道路上做自动驾驶测试，虚拟场景中也可以包含道路设施、老人小孩等各种行人。目前仿真测试已经成为了真实路测的一个有益补充，而未来随着深度学习技术地进一步深入运用，仿真测试将来自动驾驶研发方面发挥越来越重要的作用，并将推动自动驾驶技术早日实现商业化。相对于真实的路测而言，仿真的一大优势就是其可重复性，毕竟「人不能两次踏进同一条河流」，但仿真通过在计算机的虚拟世界中重构现实场景可以做到这一点。从产业来看，为了更高效的迭代和验证自动驾驶算法，仿真系统已经逐渐成为标配，Waymo、百度、腾讯将仿真系统研发作为头等大事；AutoX、Roadstar.ai、Pony.ai 等诸多自动驾驶初创公司也在自主研发仿真环境；业内开始出现 CARLA、AirSim 等开源式自动驾驶仿真平台。3.2.4 高精度地图高精度地图的定义和特性。在自动驾驶时代，「地图」一词已经失去了其传统路线图的含义。目前大多数车载地图的分辨率已足够用于导航功能，但想要实现自动驾驶，需要掌握更精确、更新的车辆周边环境信息，从而通过其他驾驶辅助系统做出实时反应。因此，未来的「地图」实际上指的是非常精确且不断更新的自动驾驶环境模型。目前，业界对于高精度地图所包含的内容尚未有准群的定义，但大体上高精度地图将满足「高精度+高鲜度」的两高特性：1）高精度是指地图对整个道路的描述更加准确、清晰和全面。高精地图除了传统地图的道路级别，还有道路之间的连接关系（专业术语叫 Link）。高精地图最主要的特征是需要描述车道、车道的边界线、道路上各种交通设施和人行横道。即它把所有东西、所有人能看到的影响交通驾驶行为的特性全部表述出来；2）高鲜度则是指数据将更为丰富以及需要动态实时更新。实时性是非常关键的指标，因为自动驾驶完全依赖于车辆对于周围环境的处理，如果实时性达不到要求，可能在车辆行驶过程中会有各种各样的问题及危险。按照数据的更新频率，高精度地图可以分为静态数据和动态数据两层。静态数据是指高精度地图需要将道路基本形态（车道线等数据），通过地图或矢量数据来正确表达出来。在静态高精地图模型中，车道要素模型包括车道中心线、车道边界线、参考点、虚拟连接线等；动态数据是指天气、地理环境、道路交通、自车状态等需要动态更新的数据。通过静态数据和动态数据的叠加，高精度地图将最终实现对于自动驾驶的环境建模。高精度地图对于自动驾驶的意义在于：1）提升传感器的性能边界，作为感知层的安全冗余。在自动驾驶行业，传感器方案供应商正在致力于使汽车拥有「眼睛」，代替驾驶员完成感知的过程。然而，现有的传感器方案仍然存在改进的空间，包括传感器测量的边界（视觉、激光感知范围有限）、传感器应用的工况限制（如摄像头在雨雪天气无法正常工作）。高精度地图超视距的特点意味着其可以对整体道路流量、交通事件、路况进行预判，可以作为感知层的安全冗余；2）提供先验知识。自动驾驶的基本原则：让车的判断越少、也就越安全。高精度地图可以提供车辆环境模型的先验知识，一定程度上减少自动驾驶车辆感知层的压力；3）确定车辆在地图中的位置：人可以通过观察和记忆，而自动驾驶汽车只能通过高精度地图以及其创建的环境模型确定车辆在在地图中的位置。4）提供车道级的规划路径。正如前文所述，高精度地图会把道路基本形态，特别是车道线展现出来，辅助自动驾驶车辆实现车道级的路径规划，支持并线超车等高等级的驾驶决策。高精度地图是实现自动驾驶的必要条件吗？——Level3 及以上是必选项。基于美国 SAE 协会对自动驾驶技术等级的划分，在 Level 2 以下的辅助驾驶阶段（ADAS 阶段），高精度地图对整个辅助驾驶系统来说是一个可选项。当自动驾驶技术发展到 Level3 及以上时，要求车辆在高速公路、停车场泊车等特殊场景中实现自动驾驶，高精度地图的重要性开始凸显。业内公认要想实现 Level3 级别的自动驾驶，高精度地图将成为必选项。理由在于 Level3 的自动驾驶就意味着机器将完全取代人对于环境的监控，考虑到现有的传感器的性能边界尚不足以完全替代，引入高精度地图作为感知端的安全冗余增强整个系统的鲁棒性就成为了必然的选择。观察目前自动驾驶行业实践，无论是车厂推出的奥迪 A8、凯迪拉克 Super Cruise 等已经量产的 Level3 车型还是百度、谷歌等互联网厂商的 Level4 自动驾驶方案都引入了高精度地图，进一步验证了上述观点。3.2.5 自动驾驶OS自动驾驶任务复杂需要稳定的实时 OS 支持。如果将自动驾驶汽车视为一个电子终端产品，那么除了组成的硬件、用来执行命令的算法（程序）之外，底层操作系统也必不可少。操作系统的价值在于可以更好的分配、调度运算和存储资源。一个汽车驾驶系统运行的软件包括感知、控制、决策、定位等一系列高计算消耗，逻辑十分复杂，对安全可靠性要求特别高的程序，简单的单片机无法实现，需要建立在一个成熟的五脏俱全的通用操作系统基础上，同时要满足实时性、分布式、可靠性、安全性、通用性等要求。从上述的要求可见，自动驾驶的操作系统与 PC 端、移动端操作系统的最大差别在于实时性。实际上，自动驾驶操作系统又称为实时操作系统（RTOS），可确保在给定时间内完成特定任务，「实时」是指无人车的操作系统，能够及时进行计算，分析并执行相应的操作，是在车辆传感器收集到外界数据后的短时间内完成的。实时性能是确保系统稳定性和驾驶安全性的重要要求。3.2.6 HMI（人机交互）自动驾驶时代，HMI 是连接用户与外部互联服务的重要入口。HMI 是驾驶员与车辆交互的桥梁，驾驶员可以方便快捷地在 HMI 中查询、设置和切换车辆系统的各种信息，在增强驾驶乐趣的同时，提升驾驶安全性。HMI 由中控、仪表、抬头显示、ADAS 系统等多个组件构成。传统汽车的人机界面 HMI 也被称作驾驭员界面（Driver Interface），驾驭员的首要使命（Primary Task）是驾驭，因此支撑和辅佐驾驭就天然成为 HMI 的中心功能，信息娱乐等作为次要功能（Secondary Task）。而在自动驾驶时代，随着驾驶员的注意力逐步释放出来，汽车从生产工具进化为家庭、办公场所之外的第三生活空间，HMI 将成为连接用户与外部互联服务的重要入口，产业地位将显著提升，HMI 的设计理念也将被颠覆。3.3 5G+AI黑科技打通自动驾驶技术的「任督二脉」5G+AI 是解锁高等级自动驾驶技术的关键所在。L2 升级到 L3、L3 升级到 L4，每一个自动驾驶级别的升级，都是一个质的飞跃。其中：L2 过渡到 L3。L3 的主要升级在于实时监测环境并作出反应，其主要难点在于机器的感知能力能否达到要求。驾驶这种等级的车辆，司机只需要在系统提示的时候接管系车辆的掌控权或者完成判断，正常加减速、转弯等操作基本可以交给系统来处理。这一过渡需要解决的问题是，机器如何代替人进行可靠的周边行车环境感知？特别是在极端环境下仍然可以做到可靠感知，确保行车安全；L3 过渡到 L4。L4 的主要升级在于完全交由机器来进行自主决策（即使是在紧急情况、激烈的驾驶情况下）。这意味着机器的认知智能要有实质性进步。上述问题的关键所在正是 5G+AI。以深度学习为代表的 AI 机器视觉崛起，成功突破 L3 的技术瓶颈。以 Mobileye 的 L2 级别辅助驾驶为例，仍然是基于后端规则库的传统机器视觉，通过匹配后端规则库与前端摄像头的输入数据，进行物体的识别和跟踪。传统机器视觉最大的问题是，规则库是有限的，而汽车面对的环境是无限的。而在深度学习的框架引进并发扬光大后，AI 处理图像分类任务的能力大幅提升，错误率直接下降。以 ImageNet 机器视觉大赛为例，深度学习技术框架下的机器视觉和传统的机器视觉有着明显的量级的提升。我们认为，不断成熟完善的 AI 机器视觉配合高精度地图作为安全冗余，对于突破 L3 的技术瓶颈起到了关键的作用。引入以强化学习为代表的 AI 技术，5G 打通外部「大脑」，助力 L4 自动驾驶场景的实现。传统基于搜索或者规则引擎的驾驶决策系统，往往只能采取非常保守的驾驶策略，即遇到障碍物立即刹停。而变道超车，加塞卡位等等在日常驾驶中经常需要面对的情况，目前的系统需要人为设计各种精妙的策略进行应对，在设计策略时一旦有所疏忽，后果很可能是车毁人亡。如何让机器真正像人一样的开车，学会自主的决策，是 L4 的关键所在。谷歌 AlphaGo 在围棋领域的成功是一个重要的标志性事件，其创新的引入了强化学习等全新的 AI 学习框架，模拟了人的思考方式，标志着机器智能的重要突破。引入强化学习的框架后，自动驾驶车辆可以像 AlphaGo 一样思考学习，进行自主决策。此外，以 5G 为代表的 V2X 的引入，相当于打通了自动驾驶的外部「大脑」，可以为自动驾驶车辆提供更实时、更全面的外部信息，更好的实现多车的协同、交互，突破单车智能的技术瓶颈，助力 L4 自动驾驶场景的实现。自动驾驶 L3 商业化技术已经成熟，L4/5 加速发展进入验证试点阶段。纵观全球主流科技公司和整车厂的自动驾驶技术商业化进展，除了个别领跑者如整车厂（奥迪已经量产 L3 级别的自动驾驶车辆）、科技公司（Waymo 已启动 L4 级别机器人出租车的商业化运营），大部分公司的节奏是已初步掌握 L3 的核心技术，进入由 L2 向 L3 商业化过渡的关键阶段，同时 L4/5 加速发展进入验证试点阶段。来源：智车科技

背景提要本文是团队第一次发表的文章，阅读时间大概在20分钟，将从不专业的角度去分析无人驾驶技术的应用可能性分析，百聊科技，在这，我们只聊科技。根据百度百科和相关资料，无人驾驶技术可以解释为一种可以使汽车具有自主行驶能力的高科技技术，其原理在于利用传感器探测行驶的环境，再结合精确的导航地图确定行驶的方向，具有智能导航，自动刹车，自动转向，躲避行人和识别红绿灯的能力。目前，对无人驾驶技术的应用研究主要是致力于改善交通环境，提高汽车的安全性和可靠性的同时，降低人力成本和油耗，让生活更加便捷和智能化。随着现代科技技术的迅速发展，以及互联网的多元化、信息化，设备的智能化应用已经深入到人类社会的生产、生活的各个方面，科幻电影里酷炫的高科技无人驾驶汽车也已经在现实中实现，不久的将来将会在我们的生活中普及。正文第1章 非民用技术应用分析1.1 军事方面应用分析无人驾驶可以应用在战争运输早在几年前，美国已经在秘密研制无人驾驶技术，现在美国军方已经拥有将无人驾驶技术应用到战场的能力，并且美国的陆军方面可以在完全不用担心损失士兵的情况下将大型的护送车辆开进战争中最危险的前线。在2017年的年初，美军的坦克自动化研发部TARDEC在德克萨斯州展示了他们最新研发的无人驾驶系统——AMAS。该项目由Lockheed Martin开发，该公司设计了一个多平台插件，该插件通过整合低成本传感器和控制系统可以帮助陆战队和陆军的车辆穿越在城市间。利用这款插件不仅可以独立自主的驾驶，还可以在人工驾驶的情况下提供进行躲避预警提供转向的方案。AMAS系统可以应用在大型的战争车辆，无人自动驾驶的战争车辆可以用来侦查危险和障碍。另外，这款系统就算是利用在普通车辆上，在市区里也能畅通无阻地工作，并可以清晰的探测行人、车辆等物件。无人驾驶技术将会把全自动大型武器提升到另外一个台阶，在未来战争中，打的再也不会是人海战争，而是科技的战争。更先进的科技技术会让未来的战争更加迅速解决战斗，对人民、对士兵的伤害将会尽可能的降低。在未来战争中无人驾驶技术是必不可缺。1.2 科研应用分析无人驾驶技术的出现带来的是科技的提升和生活的便利，在科研方面，无人驾驶技术更是得到深层次的利用。无人驾驶技术和智能机器人其实有一些相似，智能机器人能够自动实现辨别路况，寻找目标，以及和人沟通的能力，而无人驾驶技术的发展目标也是一样的。就和20世纪初的汽车出现一样，汽车带动了整个世界的工业革命，而无人驾驶技术将带动全球的智能技术发展革命。以下是无人驾驶技术的原理和智能扫地机器人的原理对比图。图1-1图1-2可以看得出，无人驾驶技术的原理和智能扫地机器人的原理其实很像，总结起来就是传感器→电脑→执行器。所以长久来看，无人驾驶技术和智能科技的关联性是必然的，当无人驾驶技术达到某一种程度的时候，将会引起一场智能科技的革命。现在无人驾驶技术缺乏的就是数据和更“聪明”的算法，让无人驾驶技术去影响世界。1.3 民用技术应用分析1.3.1 交通应用分析现有的无人驾驶技术级别划分大概以以下几个级别为主，资料来自网络，如有侵权，告知必删。1、完全无智能化。驾驶人员是汽车的决策者和执行者。2、具有特殊功能的智能化。智能化系统与驾驶人员共存，智能化系统会以给警告驾驶人员的方式进行部分决策，而驾驶人员拥有执行权。3、拥有多项原始控制功能的智能化。汽车拥有大于两个原始控制功能的执行权，实现半自动驾驶技术。图片1-34、有限制的无人驾驶。汽车进入高度自动驾驶的段位，在符合条件的交通环境下可以自主驾驶。5、全工况无人驾驶。在任何交通环境状况中，汽车都可以全面自动驾驶。这是我们想要到达的阶段。但目前的技术，在向有限制的无人驾驶努力。以以上级别划分，目前特斯拉Autopoint技术属于第三级别，百度无人驾驶、谷歌无人驾驶和uber的无人驾驶均以第五档次为标准在研中，其中百度已有关于无人驾驶技术的实际应用，但是本文截稿时并没有获取详细信息，不在此处讨论。无论是在中国还是在国际上，无人驾驶汽车想要上路，考验的不仅仅是企业自身的技术，更需要相关法律的保障和所有交通参与者的配合。准确地说，整个交通系统都需要为之调整。图片1-4不过，在某些拥有特定路线的场景和行程来说，无人驾驶技术提前有了它的用武之地。比如，2016年8月1日起，在日本千叶市的一个公园里，无人驾驶的巴士将正式开启其试运营。图片1-5这辆巴士试运营时速为每小时10公里，最高时速可为每小时40公里。运营的道路是公园内的一段全长250米的甬道，作为顾客的观光工具。日本在世界上是当之无愧的汽车强国，但是由于无人驾驶技术推广应用的未知性和不确定性还是让日本不得不小心谨慎。图片1-6虽然现在各国都还处于无人驾驶技术的试验中，所以其实用性在目前还是无法被大众所认可。但是从技术层面来看，无人驾驶的列车可以独立自主的完成每日运营的所有操作，从安全性到可靠性都相比人工驾驶要优秀很多。最近，北京方面宣布自主研发的全自动运行系统将应用于正在建设中的地铁燕房线。燕房线将有可能会成为我国首条应用了自主化全自动运行系统的城市轨道交通项目，并且其在运营的全程中将无需司机和乘务人员介入。在未来，无人驾驶技术会在建立了健全的无人驾驶法律制度和无人驾驶汽车的交通管制手段之后，全面的普及在人们生活中。但是特斯拉的车祸事件的发生，人们对无人驾驶技术提出了质疑，也让无人驾驶技术的推广出现了新的问题。特斯拉的辅助驾驶技术包括了紧急刹车、车道分离预警、自动转向功能，其技术原理源自于大量安装了Autopilot技术的特斯拉汽车用户，由用户驾驶过程中的矫正提供数据，对系统不断修正。在2016年5月，一台以Auotopilot模式行驶的特斯拉汽车在佛罗里达的高速公路发生了一起严重的交通事故。一辆挂有挂车的拖车左转时横到了特斯拉汽车的前方，而当时的两名司机和Autopilot都没有踩刹车，特斯拉汽车冲到了卡车底下，车顶直接被削去。这次的事故原因可能是特斯拉的Auotopilot并没有及时探测到前方的障碍物，导致本次事故的发生。从安全角度来说特斯拉的Auotopilot算法或许还有不够成熟的地方，但是能够实际的应用在人们生活中也算是一种大的进步，毕竟从Auotopilot的应用开始到现在也只是发生了一起致命事故。图片1-72017年10月初，是特斯拉公司销量报告史上销量最好的一个季度。特斯拉周日报告称，第三季度全球发货量同比翻番，至24500辆。这其中包括15800辆Model S和8700辆Model X。另有5500辆汽车正在到货途中，因此将被记入第四季度销量。这一销量表明，特斯拉的销售并未受到近期Autopilot首起致命车祸的影响。美国联邦监管部门正在对这起车祸进行调查。在事故发生后，特斯拉推送了软件升级。特斯拉的CEO马斯克表示，Autopilot的升级将有助于预防类似事故。交通专家依旧坚信着，与有人驾驶的汽车相比，无人驾驶的汽车最终还是会营造出一个更加安全可靠的行驶环境。并且于2016年10月，美国奥巴马政府出台无人驾驶激励政策，投资40亿美元用于无人驾驶汽车的研究与建设，并出台相应的法律法规。1.3.2 车联网安全问题分析无人驾驶技术的出现可以把汽车生态构建成另一种网络网络，就像是现在的移动互联网。我们叫他车联网无人驾驶技术应用在汽车上时，汽车将具备类似于现在人们使用的智能手机一样，可以给人们提供信息，提供便利。通过汽车无人驾驶技术的车联网，汽车将可以在约定的地点放下主人之后，自己在拥挤的市区里自动找到合适停车场；拥有车联网的汽车还可以在主人不需要使用的时候自动利用软件去接单（UBER或者滴滴打车）为主人赚回油费；在车辆到达目的地的时候可以自动为主人预定餐位；在快没有油时，他会自动去找附近的加油站加油，然后乖乖的回到你的车库等候你的差遣；在无人驾驶技术成熟的车联网的时代，事故发生之前你的爱车就会提前发出警报，事故发生后会自动报警叫救护车，最低化的降低事故损失。哦，以后你完全不用自己去维护爱车了，他自己会去，“生病”的时候他还会自己去“看病”。黑客入侵事件对于车联网虽然能给我们生活带来不一样的体验，但是车联网的存在还是有很多隐患，比如，黑客入侵。虽然无人驾驶汽车的黑客入侵事件目前还没有出现，但是互联网系统的汽车被黑客入侵可不只是个传说：在未来的某一天，当你正开着你心爱的小汽车听着美妙的交响曲，突然控制面板里传来“苍茫的天边是我的爱”，你的车载电脑显示屏冒出一个黑色的人影，你没猜错，你的汽车被黑客入侵了！这可不是科幻电影里面的剧情，而是知名科技杂志的资深编辑安迪·格林伯格的亲身经历，虽然这只是一次安迪安排的黑客入侵汽车试验，但是毋庸置疑的是假如无人驾驶的车辆被黑客入侵，黑客可以完全控制你的车辆，不仅仅是你的音响和显示屏，还有你的方向的导航，这将会导致致命危险！菲亚特克莱斯勒集团宣布，召回约140万辆的该型号的吉普,并且因此还被美国国家高速公路交通安全管理局处以1.05 亿美元的高额罚款。这个事件将对于无人驾驶技术的发展产生相当大的限制性，并且目前的无人汽车基本上都是以摄像头等传感器来探测障碍物的，计算机利用算法躲避目标、计算路线的一种系统模式，假如车载的计算机被入侵，那危机将会随之而来。无人驾驶技术从技术层面来说，无人驾驶可以节能减排，可以省去人力，还可以创造一个更为安全、可靠的驾驶环境，但是这一切都是建立在无人干预的情况下。假如，无人驾驶汽车在行驶的过程中有黑客入侵，那么失控的汽车很有可能会引起非常严重的交通事故，甚至有可能衍生出类似专业的黑客汽车杀手。第2章 解决制约无人驾驶技术发展的办法2.1 技术方面2.1.1 技术应用延伸因为社会和公众的需要，无人驾驶技术才得以发展，制约无人驾驶技术的应用和发展的，不仅仅是企业本身，还有这项技术对社会价值的体现，提出更多的技术可能性，才更容易被社会认可，得到更好的发展空间。利用无人驾驶技术直接解决“人”和污染问题顾名思义，无人驾驶汽车已经不需要人在车内驾驶，或者人坐在车内不需要做过多的操作，当具有无人驾驶技术的汽车应用于物流运输中时，将可以直接解决“人”在物流运输中的问题。目前，物流货运司机承载着物流业大部分的运输，因为货运司机队伍庞大，不仅支出成本非常高，而且因为货运频繁，“司机荒”的频发，让物流行业更加需要无人驾驶汽车的出现。假如车上不需要人，物流行业不仅可以节省很大一笔支出，而且在全国的交通事故中，物流货车的事故占据了较高比例，由于司机疲劳驾驶和驾驶时的操作不当而导致的案例更是举不胜举，当物流行业应用上无人驾驶技术将可以相当大的减少车祸事故的发生，提升货物的运输安全性。此外，运用了无人驾驶技术的货车，在加速、制动以及变速等方面都进行了优化，从而提高了燃油效率、减少温室气体排放，其环保效益明显，废气污染问题也能得到有效改善，当无人驾驶技术对社会的贡献被人们看在眼里，也会促使无人驾驶技术的社会应用进程。快递运输效率提高无人驾驶汽车在运输过程中完全不用担心司机的疲劳驾驶，在到达目的地之后，可以再次装载，检修，很快，就可以再次启程运输，大大的提升了运输的效率。更多当然，无人驾驶技术还有许多间接性的优势，当我们充分发挥无人驾驶的所有优势，运输业将不用再担心运输效率，运输安全问题和运输人力成本等因素，可以大大的提高世界贸易的交易效率。利用技术本身的价值延伸技术可应用的发展空间，这样的让技术在市场中的良性循环能让技术在社会中快速普及。2.1.2 技术开发信息共享在行驶过程中，无人驾驶汽车通过对道路、其他车辆、树木等周边事物的判别精准，交给车载电脑，从而做出转向、制动等决策的反应，所以，其准确度和灵敏度与无人驾驶汽车的数据库有着直接的关系。所以，无人驾驶汽车的数据库需要不断的学习。特斯拉的无人驾驶汽车在行驶过程中探测到的所有信息都会传送到无人驾驶汽车的“中央大脑”，从而对其他无人车的“大脑”进行全体更新，这种被称为“车队学习”的信息共享技术，就好比你的手指被滚烫的炉子烫到时，你的胳膊、脚、膝盖都会知道滚烫的炉子是碰不得的。针对无人驾驶技术的特殊性，对无人驾驶汽车车祸事件的改进方式应该是为了安全而不断的扩充数据库。最快速，最安全的解决方式就是数据信息共享。2.2 安全方面2.2.1 交通事故问题解决方案法律不健全的情况下，交通事故的隐患就一直不会得到解决，但是除了通过国家出台的法律法规，其实还可以通过社会自身的调控来解决这些问题，就像谷歌说的一样，无人驾驶汽车其实很乖，政府不需要出台管理他们的政策，只需要允许他们的行驶就可以了。我们从市场方面无人驾驶汽车的安全性究竟会不会让大众认可呢，以下引用了腾讯汽车和新华信合作调查的一份关于“您看好智能化汽车吗？”的网络调查数据来帮助我们解析。图2-1样本说明：参与本次调查的4592名被访者中，超八成被访者为年轻消费者，其中80后、90后被访者占到了69.7%。从上图我们可以很清楚的看到，其实消费者最担心的是安全，而安全的解决办法就和普通的人工驾驶汽车一样，总会有意外性的事情发生，所以针对这种情况本文提出了关于无人驾驶汽车的交通事故隐患的解决办法。首先可以假设无人驾驶技术已经发展至成熟，在这种情况下无人驾驶汽车还是会有交通事故的存在，而正因为有交通事故的存在，不是驾驶员的车主并不会对事故负责，而无人驾驶汽车的生产方也不会为此买单。所以问题就出现了。所以无人驾驶汽车产生的交通事故根本问题并不技术的制约，而是对责任的判定，一辆不用负责的无人驾驶汽车上路，无论是谁应该都会对这样的产品提出拒绝。针对这种情况，为了避免出现上述的交通事故问题，本文提出类似普通车辆的交强险一样的无人驾驶汽车强制保险。交强险普遍的保费为1000元上下，其有责时保额总额是122000元，无责时是12100元，而无人驾驶汽车的事故率首先是低于人工驾驶的，并且无人驾驶汽车发生的事故大部分都是无责情况，所以关于无人驾驶汽车的保险可以针对这种情况进行合理的调整。例：假设无人驾驶汽车事故率为人工驾驶的五分之一，无人驾驶汽车成本是人工驾驶汽车成本的2倍。设想中的无人驾驶汽车强制保险其中：有责的保额组成部分为：死亡伤残赔偿限额：220,000元人民币医疗费用赔偿限额：20,000元人民币财产损失赔偿限额：4,000元人民币无责的保额组成部分为：死亡伤残赔偿限额：22,000元人民币医疗费用赔偿限额：2,000元人民币财产损失赔偿限额：200元人民币以上假设仅为粗略估计和假象，如何合理的设置需要专业人士的计算，鄙人才疏学浅。无人驾驶汽车的强制保险费用相对车价并不高，而无人驾驶汽车有责的事故率很低，所以对于整个社会来说，有保险的无人驾驶汽车才让人放心。2.2.2 车联网安全问题解决方案未来的车联网的安全问题就像是我们现在一直被病毒侵害的电脑手机一样频繁，但是如何有效的去避免车联网导致的网络安全问题确实是行驶安全的重中之重。针对这种情况，联网的无人驾驶汽车唯一可避免的方式就像特朗普说的：我要比尔盖茨把互联网关了！这样那些可恶的家伙就不能捣乱了！停止的时候网络开启，同步数据，在启动的时候，互联网程序关闭与智能行驶设备的网络，仅允许获取GPS的信息，这样才有可能从根本上杜绝因为联网导致的网络安全问题。图3-2无人驾驶汽车可以从设计上的改变杜绝网络安全问题，如图4-2。在车载智能电脑与网络发信装置之间设计一个启动时自动断开的装置，对电脑的联网端口实现硬件上的断开，这样就能达到从根本上解决网络安全问题。汽车的互联网娱乐功能完全可以独立出来，为了不影响整车的运行，无人驾驶汽车的娱乐电脑将不再和普通汽车的导航一样共享一块屏幕，而是可以在座椅的前方安置一块独立的显示屏。第3章 结论与展望3.1结论从以上来看，我们可以看到目前无人驾驶技术在目前的实际应用方面确实还存在许多问题，但是这种局面一定是暂时的。对无人驾驶汽车道德和法律问题方面不能因噎废食也不能冒险激进，应在独立、理性判断基础上扩大市场，对无人驾驶汽车保险业大力扶持，加快无人驾驶技术汽车的前进步伐，在政府推出相关的法律法规的时候，更要抓住机会，顺势赢得公众的信任。任何一个发展无人驾驶技术的企业都要特别注重对于无人驾驶汽车安全性的问题，包括黑客入侵和无人驾驶技术的安全性提升，因为产品的使用者——公众最需要解决的问题是安全。随着各国相关法律法规的健全和完善，有了政府高度的重视和支持，无人驾驶汽车必能成功改变人们的生活方式，大量的交通事故问题定会逐步得到解决。3.2展望未来的无人驾驶技术可以应用在事故的应急救援，降低在事故中因为人造成的不确定性，提高救援效率。在长途客货的运输中，无人驾驶技术将可以提高货物、客流的运输效率，还可以在运输过程中进行油耗优化，达到最佳油耗率。在旅游业中，利用无人驾驶技术，不仅可以降低人力成本，提高旅游大巴的行驶安全性，还可以利用车联网给旅途枯燥的游客们带来新的体验。在军事上，无人驾驶技术的用途更加广泛，从人道主义来看，无人驾驶技术将会使战争中生命变得更加可贵，更加少的人会在战争中牺牲。未来，无人驾驶技术在交通运输领域的应用，将会发挥其安全、可靠、便利以及高效性的优势，不仅可以减少事故，弥补有人驾驶汽车的不足。这将会从根本上改变传统的交通模式，大大提升交通体系的安全性和可靠性。相信随着现代科技的不断飞速发展，无人驾驶技术也将会不断进步，其能够应用的范围也会也会越来越广泛，在未来生活中给人们带来的好处也会将会越来越多。

来源：智能网联汽车科技服务平台部分图片及内容来源于网络，侵删

来源：新浪科技相关新闻：滴滴自动驾驶公司完成超5亿美元融资 软银领投新浪科技讯 5月29日晚间消息，前瞻产业研究院发布的《无人驾驶汽车行业发展前景预测与投资战略规划分析报告》显示，到2021年，预计全球无人驾驶汽车市场规模将达70.3亿美元；到2035年，预计全球无人驾驶汽车销量将达2100万辆。资料显示，工信部于今年3月9日发布了《汽车驾驶自动化分级》推荐性国家标准报批公示，并拟定于2021年1月1日正式实施，意味着中国将正式拥有自己的自动驾驶汽车分级标准。天眼查专业版数据显示，我国有数百家产品标签为“自动驾驶、智能驾驶、无人驾驶”，且状态为在业、存续的企业(以下简称为“自动驾驶相关企业”)，主要分布在北京、广东和上海，三个地区的企业总数占全国相关企业总数的62.60%。值得注意的是，我国自动驾驶相关企业的创新能力也在不断提高。天眼查专业版专利数据显示，据不完全统计，我国共有超过1.2万件与“自动驾驶”或“无人驾驶”相关的专利，其中于2019年新申请的专利超过3千余件。如今在“新基建”的浪潮中，部分企业将自动驾驶技术与5G概念相结合，例如，三一汽车制造有限公司的其中一项发明为“基于5G网络通讯的无人驾驶压路机群避障方法和系统”，目前正在审查阶段。据天眼查数据不完全统计，截至目前，今年以来我国有融资信息的自动驾驶相关企业为30家，融资金额高达数百亿元。

作者：「我们该如何从技术的角度解决堵车的问题？」面对这个问题，几乎全世界所有的汽车名厂都给出了统一的方案：无人驾驶。开车带来的交通事故、道路拥堵等社会问题一直困扰着人们。从上个世纪五十年代就开始有人致力于自动驾驶的研究，在过去的十年里，自动驾驶技术得到了快速的发展，随着计算机系统结构和传感技术的进步以及成本的大幅度降低，无人驾驶技术已经渐趋成熟。无人驾驶技术即将可以推向消费市场，包括汽车原始设备制造商，供应商，非汽车起家的科技公司以及部分创业公司在内，很多企业正在积极地研发生产全自动驾驶系统以及该系统需要的汽车器件。虽然一些公司最近才加入无人驾驶领域的竞争，但通过并购、投资以及挖人等手段，他们也已经在竞争中占有了一席之地。而说起这些公司，你首先想到的大概是特斯拉、Google 和 Uber 这些来自硅谷的科技大牛。或许是这些科技公司一贯的高调和他们头顶的高科技光环让你产生了这样的想法吧。但事实上，就在前天，海外著名的调查机构 Navigant Research 发布的一份调查报告指出，这都是幻觉，无人驾驶领域最牛掰的公司还是底特律的老牌汽车厂们：福特和通用。在这份调查报告中，无人驾驶技术应用排名前五的公司依次是福特、通用、日产雷诺、戴姆勒以及大众汽车。Google 旗下无人驾驶公司 Waymo 排在了第六名，特斯拉在第十二名，Uber 则是排到了第十六名，倒数第三的位置。看到这样的结果，你也许会怀疑调查的权威性，因为但凡关注点无人驾驶消息的人都知道Google、Uber 和特斯拉整天炫耀着他们的黑科技，而底特律的老铁们看起来对自动化的科技并不是很上心。但据我们所知，Navigant Research 的这份报告结果不仅仅是基于这些公司能否制造出无人驾驶的汽车，还要参考他们是否有能力将其投入大众市场。「他们的科技的确很棒，但除非你们能够造出数以万计的量产汽车，不然再高的科技也是徒然。」报告的作者之一，Sam Abuelsamid 如此说道。这份报告选出了 18 家汽车厂商，并根据其科技水平、市场化战略、生产能力、产品的可靠性、质量、性能、营销、销售以及经销等九个方面评估了这些公司。福特和通用的科技水平都不算高，让他们成功跻身前两名的是其作为老牌厂商的技巧与经验。他们已经花了一个多世纪研发，测试，生产，分销与销售自家汽车。此外，他们两家也都已经针对自身弱点采取了一定的战略举措：福特刚刚花了十亿美金投资人工智能设备的研发；而通用汽车也以六亿美金的高价收购了无人车技术初创公司 Cruise，并与 Lyft 达成合作进行最终的路测。相比之下，Waymo 在技术上有着绝对的优势，但在生产战略和销售，市场营销和分销渠道方面都有所欠缺。该公司计划与传统汽车制造商合作，将自身的技术应用在更为成熟的汽车品牌上，但目前为止还没有达成任何重大交易。「他们在每个方面都很厉害，唯独产品策略不够优秀。」Abuelsamid 说道。尽管 Uber 在匹兹堡，亚利桑那州和旧金山高调展示了他们的自动驾驶系统，但是其在分销、产品组合和稳定性等方面表现出的过低的能力，使得他们被排在了排行榜的最后几名。并且，他们最重要的资源——全球的共享车队，在无人驾驶领域并没有什么用处。Abuelsamid 说：「实际情况是，能造车的公司也有能力复制 Uber 的成就，但 Uber 就很难成为一家硬件车厂。」特斯拉排在中间的位置。他们的愿景很远大，市场化策略也不错，但 Navigant 指出特斯拉的稳定性、销售、市场和分销水平都值得质疑，因为在汽车领域，特斯拉还是一个非常年轻的公司。在排行榜上，我们还看到了一家中国公司的身影——百度自从 2015 年以来，百度一直在公开测试自动驾驶的技术。2015 年 12 月，经过其自动驾驶技术改装的一辆宝马 3 系轿车试驾成功，在约 30 公里的测试中完成了包括变道和掉头等较为复杂的技术。此外，2016 年 11 月，百度还允许部分用户试驾一些搭载其无人驾驶系统的电动车，试驾时间长达一个礼拜。百度还计划在 2018 年生产一定量的自动驾驶汽车，作为共享汽车提供班车服务，并在 2021 年大规模生产无人驾驶汽车。尽管如此，由于它在去年 11 月终止了与宝马公司的合作，Navigant 只给了百度 47.1 分，尴尬地排在排行榜的第 18 名。这份报告给无人车行业敲了一个警钟：现在的竞争还处在初期阶段，在接下来的几年内，竞争会变得更加激烈。每家公司都可以通过建立合作伙伴关系或者收购初创公司来弥补自身的缺陷，从而反转游戏的局势。在 2015 年的同类报告中，福特汽车排在了第六名，而 Uber 还没上榜。「这排名绝对不是最后的结果。」Abuelsamid 说道。「随着加入自动驾驶领域的竞争者数量的逐步增加，区分彼此的相对地位越来越具有挑战性。」Navigant在报告中写道。「在未来几年，技术会越来越接近量产的水平，到那时这个排名也势必会发生变化。」宋德