TrendForce集邦咨詢旗下拓墣產業研究院認為，多傳感器融合是ADAS與ADS系統發展核心之一，依靠單一傳感器的主動安全方案將逐漸減少，目前傳感器以鏡頭、毫米波雷達與超音波雷達互相搭配為主，光達則應用于自駕商用車或無人車居多。
因無完美傳感器能進行完整的環境掃描，使得多傳感器融合的重要性提升，透過多傳感器數據消除個別傳感器的錯誤輸入。
圖：3種融合方式
Source：W. Elmenreich.；拓墣產業研究院整理，2021/01
此外，冗余概念下，需透過不同傳感器擅長的偵測能力，相互驗證下產生可靠度最高的結果，并在單一傳感器無作用時，仍能維持基本運作，避免駕駛與其他用路人受傷。
數據融合無標準方式，算法是其重點
當傳感器數量與類型越來越多時，如何將這些異質感測器進行時間與空間同步、耗能、散熱、算法等的挑戰多且復雜。多傳感器融合的方式目前并無標準，各車廠作法皆不同，廠商側重的感測技術或擅長處理之數據、用于前裝或后裝市場等，都會影響使用的融合方式與架構。
在多傳感器融合過程中，核心算法仍扮演最重要角色，也是車廠急于發展的部分，因此AI Deep Learning廠商在這波自駕車感知融合發展中將具有優勢。
前融合與集中化架構使車廠主導性增加
因車輛傳感器數量不斷增多，在傳感器端進行感知計算后再將辨識結果傳送到后端處理器進行融合的后融合方式，逐漸被前融合取代，前融合優勢是能對環境進行完整描述后，透過唯一一套算法給出決策。
該發展與車輛走向集中化架構發展有關，傳統車輛中，高達上百個ECU的分散式架構在傳感器增多后將過于復雜，加上車廠希望自行開發自動駕駛的核心算法，因此逐步走向集中化架構。
對想自主開發軟件的車廠，Tier 1能提供的是硬件整合，對Tier 1而言將降低價值，但對無法自主開發算法的車廠來說，則會比過往更加依賴Tier 1提供的軟硬件整合方案，而朝向兩極化發展。