自動駕駛產業要想真正落地，需要獲得大數據、大計算能力、5G、云端，以及核心零部件、高精度地圖、智慧城市、智慧道路、視覺認知道路等的支持。安全來不得半點妥協，從輔助到自動駕駛一定是一個循序漸進的過程，而且必須安全第一。

特斯拉躲了“3.15”卻沒能躲過上海車展，維權車主表示“不會向特斯拉妥協”；特斯拉方面卻回應：“不妥協同樣是我們的態度。”

新華社發文《誰給了特斯拉“不妥協”的底氣》；特斯拉高管回應：“沒有辦法妥協，這是新產品發展必經的一個過程?！边€強調：“自己調研顯示，90%客戶都愿意再次選擇特斯拉。”

假如90%的特斯拉開得很好，當然可能還會選擇，那么另外10%呢？是說隨它變成“碰碰車”，失去小部分用戶也無所謂嗎？

近日，美國德州一輛特斯拉事故造成兩人傷亡，美國監管部門正在審查特斯拉。馬斯克表示：“……目前恢復的數據日志顯示Autopilot沒有打開，而且這輛車沒有購買FSD（全自動駕駛系統）。此外，標準自動駕駛系統需要車道線才能打開，而這此次事發的街道沒有車道線?！甭牰藛?？駕駛者全責！

謹以特斯拉一些經典事故為例：使用自動駕駛輔助系統屢撞白色大貨車、失控、突然加速等。我們沒有黑匣子，不好妄下定論，只能從技術角度討論發生事故的可能原因，以及從哪些方面入手來解決問題。

再次說明，以下討論并不針對特定廠商，意在透過現象看本質，可能有助于發現問題的根源。同時也提醒消費者，目前的智能駕駛技術再怎么成熟，也還不及駕駛員自身的應變能力，作為高級駕駛員輔助系統（ADAS，本文自動駕駛均等同于ADAS）只能對駕駛安全起到一定輔助作用，畢竟代替不了人，因此現在還不能盲目相信四個輪子上的計算機；一旦失控，那就是2噸左右的一堆鋼鐵在高速行駛，誰都受不了。

參與此次討論的包括：從事攝像頭、雷達、激光雷達、汽車架構、基礎設施、處理器研發和系統集成廠商的技術管理人員。他們不僅分析了問題，而且結合自己的實踐給出了一些解決辦法。

車輛事故是系統哪方面出了的問題？

意法半導體ADAS、ASIC和Audio（AAD）事業部副總經理兼汽車和分立器件產品部（ADG）ADAS協調專員Martin Duncan認為：“許多因素都可能引起系統故障，其中包括系統是否成熟。重要的是，在部署到現場應用之前，制造商必須先充分驗證其系統功能，然后再持續監測系統上路后的性能。”

意法半導體Martin Duncan

他指出，所有開發人員必須不斷研究極端情況，從現場故障中學習，并在實際應用中升級算法，以提高車輛的安全性。盡管對于駕駛員而言，這聽起來可能是一件很難的事情，保持警惕且不要過度信任ADAS系統也非常重要——這才是駕駛監控系統發揮作用的地方。

安森美半導體智能感知技術應用經理張厚新則從傳感器部署方面解讀了這個問題，他表示：“在傳感器部署上，發生事故的自動駕駛系統看來存在欠缺全面考慮的問題，傳感器的不足不能以自動駕駛算法來彌補，因為在傳感器遭受到攻擊或者意外情況下，算法自然就失效了。”

安森美半導體張厚新

他解釋說，強光或者是大面積遮擋物都會影響到前視攝像頭的圖像識別，這樣自動駕駛就會變得不可靠。攝像頭失效了，但汽車的防撞系統是基于毫米波雷達的，毫米波雷達應該在150米左右就能夠識別出車輛的存在，并且提前預警。如果毫米波雷達被卡車車廂面積遮擋住了，就沒有辦法判斷前方有幾輛車。因為在毫米波雷達內部的天線矩陣發出去的信號都有回波，會造成毫米波雷達無法分辨出這是一個什么樣的汽車，從而被忽略掉，危險就會發生。

大唐高鴻車聯網首席專家、大唐高鴻智能網聯產品事業部副總經理胡金玲說：“自動駕駛和車聯網技術有很大關系，車聯網通信將有助于自動駕駛實現，因為通過車與車之間可靠、高速的低時延通信，在發生狀況時可以第一時間采取措施避免發生碰撞，提升交通安全性?！?/p>

大唐高鴻胡金玲

她指出，車聯網通信和自動駕駛還是兩個范疇，有了通信的支持，將會促進自動駕駛的普及。不同傳感器，各有弱點和局限性，在某些情況下可能會失效，即使是激光雷達，在雨雪霧等惡劣天氣性能會受到影響，而且其成本不菲。車在行駛當中總是會有一些盲區，車本身再智能，也無法感知到全部信息，如果要做到，成本會更高，而小范圍的演示也不足以覆蓋非常復雜的實際駕駛環境。

傳感器的選擇、融合及冗余怎么做？

對于這個問題，意法半導體Martin Duncan這樣看，主傳感器是一個視頻攝像頭；前視攝像頭是一個700萬像素的三目攝像頭，包括3個獨立的不同視場角的成像傳感器。根據輔助/自動駕駛級別需求，全景環繞和后視還需要有多個低分辨率攝像頭。今天，汽車的前面、后面或四面都裝有探測雷達，且已從24GHz升級到77GHz。前置雷達下一步將升級到4D成像雷達。有些公司已在研發激光雷達和熱成像攝像頭，不過，如今應用規模還很小。精確定位結合共享壓縮地圖數據是意法半導體看到的增長較快的市場。

他說，意法半導體一直在在改善圖像傳感器的靈敏度和分辨率，同時也在增加雷達通道數量，以更好地解決高感測度問題。在算法方面，并行運行可以不同方式理解場景，目的是縮短檢測時間，并減少假陽和假陰。另外還引入了其他傳感器，如熱成像傳感器、激光雷達、SWIR紅外傳感器或事件傳感器，以發揮各自技術在不同條件下的“視力”，能夠為傳感器冗余校驗功能提供確認數據，增加自動駕駛的安全性。

毫末智行首席交付官CIO甄龍豹則從安全角度回答了傳感器冗余的問題。他認為，對于自動駕駛汽車而言，安全是首要前提。自動駕駛只有像航空領域那樣做到冗余，才能確保真正的安全。

毫末智行甄龍豹

他說：“安全冗余是實現乘用車高級別自動駕駛的先決條件。毫末智行的業界首個全冗余量產系統已搭載長城汽車，在安全方面構建了6大冗余技術體系：感知冗余、控制冗余、架構冗余、電源冗余、制動冗余和轉向冗余。這樣就做到了對駕乘人員的全方位守護，實現了業內領先的失效可運行功能?！彼脖硎?，隨著技術的發展，部署冗余技術的成本會快速下降，得到更多用戶認可之后，廠商就可以更大范圍進行部署。

胡金玲更多是從車聯網的角度考慮，她認為，傳感器融合目的是為了保證安全。車如果不聯網，有也有很多安全功能，像安全帶、車身強度，還有雷達、攝像頭等等。但是，現在一些車企因為此前通信技術受限，量產成本等原因并沒有使用激光雷達及V2X等，或許正是其車輛無法發現路上的某種龐然大物的重要原因之一。

車路協同通過車和車、車和路的交互可以幫助汽車更好地感知周圍環境，如果兩個車都裝了通信模塊進行交互，就可以采取一些措施，做出更快、更準確的判斷。與此同時，還可以解決傳感器融合成本的問題，如果路側信息進一步完善，可能就不會需要那么貴的激光雷達?！败嚶摼W已成為自動駕駛的支撐技術，在傳感器融合之余又為安全保了一道險?！彼f。

安霸上海軟件研發高級總監孫魯毅則認為，視覺感知有可能超越人眼。他說：“在多種傳感器融合方面，視覺感知起到了非常重要的作用，這是攝像頭的核心價值。”兩三年前，為了實現輔助駕駛和自動駕駛，需要有非常多的攝像頭，有的負責近距離，有的負責遠距離，而且要覆蓋不同角度，不同攝像頭之間的視角還要有疊加，目的是看到各個方位的目標物體，并以適當的冗余來提高可靠性。

安霸孫魯毅

他指出，傳統攝像頭可部分取代人眼，隨著視覺感知和光電技術的進步，現在的攝像頭不僅可以比人眼看得更清楚，能夠看可見光，還能看可熱成像光?，F在，視覺感知器已經在某種程度上超越了人眼看到的范圍。隨著技術的發展，將來一定會有更多圖像傳感器加入視覺處理單元以取代人眼。

安森美的張厚新表示，隨著這幾年技術的進步和事故的積累，大廠采取的自動駕駛技術手段已趨于一致，即采用多傳感器融合來解決單一傳感器的不足，并實現冗余設計。作為主要的車規級傳感器供應商，安森美半導體從2014年收購Aptina開始，又逐步收購了毫米波雷達和激光雷達公司，結合自身的超聲波傳感器，成為首家能提供4種自動駕駛感知傳感器的公司。

他說，從傳感器角度看，要避免類似的事故發生，需要多傳感器融合，當然也不只是這四種，還有高精度地圖、V2X、5G技術的融入。這樣，在某種傳感器失效的情況下，系統仍然有足夠的感知信息作出正確的決策，從而避免意外發生。僅就單一傳感器而言，如何保證其可靠工作，當自身有問題發生時可以及時通知系統，這就是所謂的功能安全設計。對一些失效提前預警，能有效減輕平臺的系統消耗，如安森美半導體已滿足ASIL-C級別功能安全標準的圖像傳感器。

除了“眼睛”還要有很強的“大腦”

那么，AI/機器學習的處理器算力瓶頸如何解決呢？意法半導體Martin Duncan說：“每次更新換代，處理器性能都提高10倍。過去15年中，我們和Mobileye建立了長期的合作伙伴關系，一直在合作開發這方面的技術，范圍涵蓋全自動駕駛汽車的所有功能?！?/p>

介紹說，Mobileye今年開始生產第5代EyeQ產品，將在其汽車芯片中首次采用7nm FinFET技術；同時還按照各種功能和算法的不同需求優化定制加速器，以平衡不同的運算能力要求，其中包括既可以在本地也可以在云端完成的機器學習。預計未來還會對中央處理器性能有更高的要求，所以需要找到一種更有效的方式來傳送遠程傳感器數據，這就是打造車載數據的高速路MIPI A-PHY（CSI-2）標準的原因，MIPI A-PHY的最大速率為16GB，可傳送超過700萬像素的圖像傳感器視頻流。

安森美的張厚新指出，除了增強環境感知，當前的自動駕駛車輛在系統平臺數據處理和算法能力方面還要進一步加強。隨著自動駕駛級別的提高，算力也在呈指數級增長，在L3級以上，最少需要100T-200TFLOPS的算力，所以平臺廠商也在推出更強算力的平臺來應對。同樣算法迭代也是很重要，目前也有專門做自動駕駛算法的公司，可以提供高效的算法保證。

安霸的孫魯毅認為，好的視覺感知除了要有很好的“眼睛”，還需要很強的“大腦”。自動駕駛和智能座艙應用很難想象要跑多少算法，所以要根據客戶的要求增加新的功能，不能用一種算法取代未來的需求，要兼容各種算法。安霸AI加速引擎設計方向是一種通用策略，有助于各廠商基于神經網絡算法的運行，并且算法能夠移植，根據需求進行調整，特別是容易使用，還可以實現網絡優化。

地平線創始人及CEO余凱認為，實現自動駕駛不僅僅是軟件算法、深度學習算法，也不僅僅是傳感器，而是很嚴峻的芯片計算問題。

今天的智能汽車正經歷一場歷史性的變革，而其發展的核心瓶頸是算力不足，因此，追逐大算力的時代已經到來，智能化競爭的提速首先以算力軍備競賽的形式上演。

地平線余凱

那么，什么是芯片算力？什么又是大算力呢？他說，隨著大數據、人工智能等計算密集的數學和加密相關操作難度的日益提升，作為底層核心技術的芯片計算能力必須不斷提升，芯片的制程、乘法器數目和最高主頻一次次突破自己的極限，使算力不斷刷新增大。在數字經濟大背景下，對算力有了爆發式需求，使之成為了新的生產力。

余凱也指出：余凱說：“算力其實并不代表汽車智能芯片的真實性能，所以我們提出了MAPS評估方法（在精度有保障范圍內的平均處理速度）。今天所有的車廠都在標1000、2000、3000TOPS，第一，在摩爾定律的意義上是不可維系的，第二，對真正人工智能自動駕駛的計算并沒有實際意義。”

他同時認為，就像智能手機時代一樣，一些手機公司嘗試過自研芯片，但都不是很成功。最后他們都用了高通和聯發科的芯片。汽車也是一樣，真正自研芯片的目前只有特斯拉。還是專業化的分工有助于提升效率，專業的人干專業的事。

總結一下

自動駕駛產業要想真正落地，需要獲得大數據、大計算能力、5G、云端，以及核心零部件、高精度地圖、智慧城市、智慧道路、視覺認知道路等的支持。安全來不得半點妥協，從輔助到自動駕駛一定是一個循序漸進的過程，而且必須安全第一。

更多信息可以來這里獲取==>>電子技術應用-AET<<