自动驾驶汽车还需解决哪些难题

在发展了百余年之后，传统汽车迎来了衰退期。过去10年里，“电动化+智能化+共享化”加持的自动驾驶汽车，迅速成为车企角逐的焦点。但它却一直未量产，给人一种“不接地气”的感觉。2019年即将过去，自动驾驶汽车究竟还存在哪些问题？
 
近期，分析师采访了几位自动驾行业资深人士，针对自动驾驶行业现状、技术、趋势等方面做了探讨，也从侧面论证了，为什么自动驾驶汽车还“不接地气”。
 
自动驾驶汽车还“不接地气”
 
·新势力车企的疯狂烧钱战术
 
当前，各企业的自动驾驶测试车多为电动汽车，其实并不是燃油汽车无法实现自动驾驶功能，而是因为电动汽车的用车成本更加经济。
 
大家普遍认为，造一辆电动汽车要比造一辆自动驾驶汽车更容易，因此很多车企都把前期目标放在“造一辆电动汽车”上。
 
中国汽车市场近年来的发展是一个很好的缩影。2015年前后，中国车市上涌现出一批新兴车企，主要由一些无造车经验的互联网背景的新势力车企和有生产燃油车经验的传统车企组成。
 
新势力车企的入局带来了大量资金。但汽车制造业是相当烧钱的行业，吉利集团董事长李书福曾表示：“没有几百亿、几千亿就不要造车！”很快中国车市就迎来了洗牌，经过短暂辉煌的新兴车企开始集体走向没落。2017年前后，车企亏损、破产的新闻报道也不绝如缕。如贾跃亭带领下的乐视汽车在巨亏之后失败收尾，李斌开创的蔚来汽车4年亏损了至少220亿人民币。
 
不过，也并不是所有企业都紧盯“造车”这一环节。谷歌母公司旗下Waymo在2016年表态称，自己不专注制造汽车，而是专注将自动驾驶技术授权给传统车企和运输公司去造车。随后，百度、阿里、腾讯等也纷纷表示，它们的发力点不在造车。
 
·元年的具体时间无法确定
 
自动驾驶汽车并不是我们想象的那么简单，疯狂的烧钱背后并没有带来技术上的突飞猛进。此前，大家对“自动驾驶汽车的元年何时到来”表现得相当乐观，甚至有人认为2019年会是元年。
 
去年3月，Uber测试车车祸事件，让群众对自动驾驶汽车的信任度跌倒冰点，业内对于商用的说法也更加谨慎。在8月底的SAE-AWC 2019 自动驾驶汽车安全技术国际论坛上，ASPENCORE全球联席总编辑、首席国际特派记者Junko Yoshida问到：“您如何判断自己的自动驾驶汽车已经足够安全，可以去商业化？”现场的嘉宾陷入了短暂的沉默。
 
对自动驾驶行业而言，要加快汽车量产步伐，数据共享是更便捷的方式。当安全性不再被当做卖点，大家都支持数据共享时，自动驾驶汽车才能更快实现量产。不过，很多公司都在自动驾驶汽车测试中投入了大量的资金，分享这些数据在现阶段似乎不太可能。江铃汽车首席技术官黄少堂坦言，虽然一些汽车联盟正在进行信息交流，但是由于数据收集的成本太高，实际上共享的数据并不多。
 
严格意义上来说，自动驾驶汽车的量产时间并不能被预测。当只有在某天，它的测试达到某种程度之后，才能宣布商用。究竟自动驾驶汽车的测试要到怎样的阶段才能够商业化？目前，业界并没有统一的官方标准。
 
·在商业类应用中最先运营
 
目前，已经商用的智能驾驶与自动驾驶之间还有很远的距离。以特斯拉的Autopilot为例，虽然汇集了许多高科技，但是它仍只是一套ADAS系统，其自动驾驶水平也在L3级别以下。
 
由于L3的自动驾驶水平并不高，在关键时期需要人类司机来接管系统，而人类的反应速度有限，很可能会在接管控制权的过程中出现车祸事故。因此，以Waymo为首的企业直接跳过L3，专注更高级别的L4-L5。

艾迈斯半导体大中华区汽车事业部市场应用及业务发展总监金安敏

艾迈斯半导体（以下称：ams半导体）大中华区汽车事业部市场应用及业务发展总监金安敏称：“至今为止，市面上没有一辆全自动驾驶汽车。全自动驾驶是一个巨大的系统工程，还需要发展很多年才能量产。从技术发展方向来看，首先会在闭环区域内和商用类应用中最先出现，如：工业园区、农田、高速公路、公交车辆等应用。”
 
在中国，自动驾驶卡车已经小范围应用。去年4月，由图森未来改装的5辆自动驾驶货运卡车在曹妃甸港投入使用。未来图森还将在东海大桥上开展应用于货运火车站间的自动驾驶港铁联运。
 
近年来，虽然很多媒体都报道了自动驾驶汽车的各种应用，但是因为仅在小范围、小批量测试或者试运营，群众并不能切身体验到这些服务，所以自动驾驶汽车仍显得不接地气。
 
感知层面技术仍待突破
 
在技术层面，自动驾驶汽车仍有许多环节需要攻克。其中，最核心的部分主要有“感知”“决策”“控制”三个环节。在行驶过程中，自动驾驶汽车可通过配载的传感器件，自行感知周围环境及道路情况，并依据感知信息完成处理融合过程，进一步通过算法将感知到的信息进行决策，最后将决策信息传递给各控制系统形成执行命令。在这里我们主要针对感知环节的激光雷达部分做了一些探讨。
 
降低车祸率的关键是，要不断开发传感和判断系统。在传感系统中，固态激光雷达的应用非常重要。金安敏表示，可靠的车规级系统和较为低成本的方案是车载激光雷达的主要痛点：“基于VCSEL（vertical-cavity surface emitting laser，垂直腔表面激光发生器）面阵光源的纯固态激光雷达是较好的选择。ams半导体在VCSEL底层技术的基础上开发了Addressable VCSEL Array（可寻址VCSEL阵列），该技术作为激光雷达的光源来使用，可实现纯固态的视场扫描。ams与ZF（采埃孚）、IBEO共同开发的基于ams半导体 VCSEL技术的纯固态激光雷达即将面世。”
 

安森美半导体智能感知部SensL分部业务拓展副总裁Wade Appelman

“‘一刀切’的方案不再适用于所有的应用，现在的厂商更倾向于为不同的应用提供不同的方案。开发人员也更加意识到，要实现汽车LiDAR的长距要求，最好的办法是采用适用于极微光检测的传感器。”安森美半导体智能感知部SensL分部业务拓展副总裁Wade Appelman指出，未来将出现更多针对特定应用的LiDAR系统。
 
为此，安森美推出了硅光电倍增管(SiPM)和单光子雪崩二极管(SPAD)是LiDAR系统，该系统是可实现接收器功能的关键器件，适用于汽车长距LiDAR的微光检测。车载LiDAR对激光波长的高灵敏度也提出了要求，安森美也提升了近红外(NIR)波长光子的检测效率(PDE)，降低了传感器噪声。同时，为汽车认证做了充分考虑，安森美还即将推出符合AEC-Q102标准的LiDAR产品。

赛灵思汽车部战略及客户市场营销总监Dan Isaacs

赛灵思也为自动驾驶汽车提供激光雷达产品和方案。赛灵思汽车部战略及客户市场营销总监Dan Isaacs介绍，FPGA和SoC产品有着并行处理的优势，可在前端Sensor数据不断进来时做一个并行处理，其延迟比GPU和其他CPU更低。据了解，赛灵思的方案适用于所有的激光雷达技术。
 
不过，成本高仍是制约车载LiDAR批量生产的主要原因。10年前，谷歌无人车上使用的Velodyne HDL-64E售价超过7万美元，虽然现在的价格已降低9成，但是较之于物美价廉的视觉传感器，LiDAR的价格仍然过高。如何进一步降低成本，需要LiDAR产业链企业共同努力。
 
未来哪类企业将更有优势？
 
在自动驾驶汽车领域，有三类企业表现比较突出——传统车企、新势力车企、汽车零部件企业。它们之间既有合作又有竞争关系，三者间的博弈谁将更具有优势？
 
金安敏表示，电动化、智能化的浪潮正在迅速改变汽车全产业。想要取得优势，每家企业都需重新自我定位。在这个程中，会出现合作与博弈，也会有更多新兴企业加入竞争。对上下游产业链来讲，电动化、智能化浪潮意味着要投入更多，这并非一家车企或系统供应商能负担得起。因此，不会有一家企业垄断一切技术资源的现象。反之，将会有更多的企业参与到复杂技术的分工上来，未来行业上下游企业的合作将更紧密。
 
当然，由于资源投入巨大，会出现更多联盟性质的合作。目前，主机厂已经有这种趋势，在系统供应商上也有一些倾向。这些合作不是为了博弈，而是为了更好地开发下一代车辆技术所需的新技术。他说：“ams很关注新势力车企和系统供应商的发展动向。通过与系统供应商的合作，来实现关键技术在智能化应用的落地，通过与主机厂的合作，来推广新的智能应用。”
 
产业链企业将更关注什么？
 
汽车行业是全球分工很明确的行业，上、下游涉及的企业众多。在全球主要的工业地区，汽车行业都是支柱产业。因此，各国之间贸易上的波动，对汽车成本的影响非常显著。成本的波动会转化到车辆的价格上，进而影响车市的发展。为此，需要产业链企业严守对客户的承诺，在交付、成本等方面提前做预案。
 
自动驾驶行业的发展需要全产业链各个环节的企业共同参与，除了关注国际贸易关系之外，产业链企业还需要明确自己的技术优势。
 
金安敏介绍，ams半导体的优势是在激光雷达方面，未来该公司将会与多个激光雷达公司开发下一代激光雷达产品。此外，ams半导体还将在工程资源、测试资源、产能资源方面积极投入，并针对智能座舱进行研发投入。
 
赛灵思在汽车方面的布局涵盖ADAS和自动驾驶两大领域。Dan Isaacs表示，赛灵思正逐步打入更核心的领域，为位于域控制器核心位置的机器学习、神经网络和人工智能引擎等，提供着必需的计算功能。另外，座舱人工智能和电气化也会是其关注的焦点。