久久婷色,国产精品丝袜在线播放,污视频免费网站观看,国产精品videosex,无码中文av有码中文av ,黄色网址在线免费播放,亚洲一区二区三区在线免费

無人駕駛行業概況

無人駕駛定義

無人駕駛是指利用車載傳感器來感知車輛自身狀態和周圍環境，并根據感知所獲得的路徑、車輛位置和障礙物信息通過自動操縱執行機構來控制車輛的速度和轉向。它是一個集導航、環境感知、控制與決策、交互等多項功能于一體的綜合智能系統。

智能無人駕駛汽車主要利用傳感器技術、信號處理技術、通訊技術和計算機技術等，通過集成視覺、激光 雷達、超聲傳感器、微波雷達、GPS、里程計、磁羅盤等多種車載傳感器來辨識汽車所處的環境和狀態，并根據所獲得的道路信息、交通信號的信息、車輛位置和障礙物信息做出分析和判斷，向主控計算機發出期望控制，控制車輛轉向和速度，從而實現無人駕駛車輛依據自身意圖和環境的擬人駕駛。

無人駕駛等級劃分標準

目前兩大權威機構美國機動工程師協會（SAE）和美國高速公路安全管理局（NHTSA）都對無人駕駛技術進行了劃分。SAE 將無人駕駛程度分為5個級別，它的分類標準是按照司機從完全掌控駕駛到汽車完全自動駕駛，從無自動化到完全自動化展開的。NHTSA將無人駕駛技術分為0-4 級，兩者之間劃分原則基本相同。

對于無人駕駛概念的界定，狹義上來說主要有以下三個層面：

1.對應于SAE分級標準，無人駕駛專指L4、L5階段，汽車能夠在限定環境乃至全部環境下完成全部的駕駛任務。

2.自動駕駛則覆蓋L1到L5整個階段，在L1、L2階段，汽車的自動駕駛系統只作為駕駛員的輔助，但能夠持續地承擔汽車橫向或縱向某一方面的自主控制，完成感知、認知、決策、控制、執行這一完整過程。

3.智能駕駛則包括自動駕駛，以及其他輔助駕駛技術。他們能夠在某一環節為駕駛員提供輔助甚至能夠替代駕駛員，優化駕車體驗。

本文中主要提及的無人駕駛行業內容，泛指廣義的自動駕駛領域內容。

無人駕駛優勢

減少交通安全事故

據世界衛生組織統計，全球每年有124萬人死于交通事故，這一數字在2030年可能達到220萬人。無人駕駛汽車可能大幅降低交通事故數量，來自Eno Center的報告中曾提到，如果道路上行駛的汽車當中，無人駕駛汽車比例上升至10%，那么每年將可減少超過370億美元的損失；而如果無人駕駛汽車的比例上升至90%，則每年因交通意外減少所帶來的價值將達到4471億美元。在過去6年間，谷歌無駕駛汽車已經行駛300多萬公里，只遇到過16起交通意外，且從未引發過致命事件。

大幅降低交通擁堵程度

無人駕駛汽車不僅可幫助減少車禍，還能大幅降低交通擁堵情況。據KPMG報告顯示，無人駕駛汽車可幫助高速公路容納汽車能力提高5倍。

改變用車習慣

研究顯示一旦采用無人駕駛汽車，美國汽車保有量最高將下降43%，這主要是由于與購買私家車相比，使用共享汽車可節省80%左右的開支。

減少溫室氣體排放

       由于無人駕駛汽車在加速、制動以及變速等方面都進行了優化，有助于提高燃油效率、減少溫室氣體排放。據麥肯錫預測，無人駕駛汽車每年幫助減少3億噸溫室氣體排放，這相當于航空業二氧化碳排放量的一半。

幫助特殊人群出行

      老年人以及殘疾人由于身體原因不能像正常人那樣可以隨意駕駛車輛出行，有了無人駕駛車輛，這些特殊人群的出行顯得要比以往便利的多。

節約城市空間

       隨著汽車保有量下降，對停車場的需求也會下降，停車場可被改造為居住空間，而這有助于緩解不斷增加的人口帶來的土地危機。

無人駕駛產業發展背景

無人駕駛技術最初的發展從減少、防止機動車事故開始。從1950年至2000年，OEM車廠和Tier 1的零部件制造商對車輛發明、生產了許多結構性的改進。最核心的就是四大安全系統：安全帶，防抱死制動系統（ABS），安全氣囊和電子穩定控制（ESC）。

2000年到2016年，由于在計算機、人工智能、機器人控制等技術方面的突破，智能無人駕駛車輛得到了進一步發展。大學研究機構、互聯網企業、傳統的汽車廠商紛紛進入無人駕駛領域。隨著計算、算法及傳感器技術的不斷進步，現在的無人車已經越來越智能，有的在技術上已經基本可以做到完全脫離人來駕駛，雖然還沒有正式開始商用，但是隨著無人駕駛發展起來的一些技術已經開始進入實用階段，如自動泊車、自動巡航、自動車道保持等等，無人駕駛未來的發展方向會是更安全、更智能。

無人駕駛行業發展概況

艾媒咨詢數據顯示，2016年全球無人駕駛汽車市場規模為40億美元左右，艾媒咨詢分析師認為，雖然百度、谷歌等行業巨頭都投身于無人駕駛汽車技術研究領域，但由于現有法律法規的限制，短期內無人駕駛汽車市場規模變化不大，預計2021年全球市場規模將達到70.3億美元左右，行業整體處于內部測試階段，難以實現大面積推廣。

國外無人駕駛行業發展歷程

無人駕駛的概念早已有之。早在1925年，無線電設備公司Houdina Radio Control公司設計實現第一輛無人駕駛汽車American Wonder；1956年，通用公司公布世界上第一輛配備了汽車安全及自動導航系統的概念車Firebird II；20世紀 60、70年代，西方發達國家開展無人駕駛車輛研究應用于軍亊領域；20世紀90年代開始，技術的突破帶動無人駕駛汽車的快速發展，激發了各國研究的熱情；2004年，美國國防部高級研究項目局（DARPA）舉辦了無人駕駛進程中最重要的挑戰賽，三屆比賽對后來的技術發展產生了深進的影響；2009年開始，Google為代表的各大公司陸續開始無人駕駛技術的研究，拉開了產業序幕。隨著技術產業鏈的日臻成熟，2016年被公認是無人駕駛元年，目前業界也正在積極推動以市場為主導、企業為主體的產業化落地。

      

國外各國無人駕駛發展現狀

美國通過立法推進無人駕駛發展

       美國無人駕駛汽車的研究從上世紀50年代開始，在1980年之后高速發展。在20世紀80年代，美國國防 高級研究計劃局（DARPA）與美國陸軍展開合作，共同開展了 AVL（自主地面車輛）項目。1995年，卡耐基 梅隆大學對研制出 Navlab-V 智能車進行試驗。1996年開始，美國國防部進行DEMO系列無人駕駛汽車的研發。2003年，卡耐基梅隴大學與通用公司開始了無人駕駛技術方面的合作。2007 年，雙方合作的第一輛無人駕駛汽車獲得了DARPA 挑戰賽的第一名。2008年，通用公司和卡耐基梅隴的合作研究基地成立。2010年，谷歌研制 的無人駕駛汽車開展了城市道路測試。Google Driverless Car 是谷歌公司的Google X實驗室研發中的全自動駕 駛汽車，目前正在測試，已駕駛了48萬公里。

       隨著無人駕駛技術的不斷發展演進，對無人駕駛的立法變得十分重要。截至2015年，美國已經有16個州啟動無人駕駛立法；截至2014 年是12個州，截至2013年是9個州，截至2012年是6個州。Nevada 在2011年授權無人駕駛車的運營，是全美第一個授權無人駕駛的州。之后，California，Florida，Michigan，North Dakota，Tennessee和 Washington D.C 針對無人駕駛通過了相關的法案。Arizona州長簽署了無人駕駛的行政命令。

歐洲無人駕駛汽車發展處于領先水平

      1987年，Prometheus計劃成為無人駕駛汽車在歐洲的最大項目。1994 年，研究所研制出的VaMP和VITA-2智能車在法國的高速公路行駛了超過1000公里，能完成變道，超車等復雜行為。最高時速高達130公里每小時。 1995年，以奔馳為原型設計的智能車進行了超過1600 公里的行駛試驗，最高時速高達175公里每小時。

      2010年，意大利Parma大學研制出ARGO智能車從羅馬出發抵達上海，歷時三個月，并且只有極少的人工干預。2011年，牛津大學研發的 Wildcat無人駕駛汽車使用激光雷達監控路面交通狀況，汽車在山路實現駕駛，堵車繞道等復雜活動。2014年，研發團隊改裝的 Nissan也成功路測，無人駕駛汽車使用算法導航，包括運用計算機，概率等來推理周圍的駕駛環境。

      法國INRIA公司花費10年時間打造Cycab無人駕駛汽車。采用衛星定位系統與智能傳感器和人工智能技術實現無人駕駛。乘客只需輸入地址就可實現安全達到目的地。

      德國柏林自由大學研制的 Made in Germany無人駕駛汽車在柏林市內行駛，順利通過46個交通信號燈，行程近20公里。德國KIT理工學院與奔馳合作研究，截止到2013年已經在德國南部自動駕駛超過 100公里。

日本無人駕駛創新領先世界

       2017年起，日本政府允許無人駕駛車輛在人口稀疏的地區和郊外的公路上啟動行駛試驗。于2020年允許無人駕駛的乘用車在部分地區上路。根據路透社報告，日本擁有世界上最多的自動駕駛相關的創新。前五名分別是：Toyota(日本)，Denso(日本)，Bosch(德國), Nissan(日本)，Honda(日本)

國內無人駕駛發展歷程及現狀

我國從上世紀 80 年代就開始進行無人駕駛汽車的相關研究，具體進展如下：

       不同于國外車企以自主研發為主，我國汽車廠商多采取與國內科研院所、高校合作研發無人駕駛技術，其中已經開始相關研究工作的企業有一汽、上汽、北汽、奇瑞、長安等。其中，2015年7月，長安汽車發布智能化汽車“654”戰略，計劃到2025年建立起1500人的研發隊伍，累計投入130億元提升無人駕駛等智能汽車技術水平，并掌握全自動駕駛技術。

       2015年國務院發布《中國制造2025》，將自動駕駛座位汽車產業未來轉型升級的重要方向，制定了明確的技術發展時間線（2025年實現L4、L5級別的自動駕駛），提供配套政策支持，推動產業集聚區和應用示范區的落地，逐步實現關鍵技術和產品的自主化、標準化，推動國內無人駕駛產業良性發展。

      各國關于無人駕駛安全標準匯總

      西方國家為安全評級加入更多安全駕駛功能標準，政策推動ADAS功能滲透率的加速提升是市場擴張的關鍵催化劑，會為ADAS市場帶來結構化行業利好。聯合國在2016年3月對《維也納道路交通公約》進行修訂，賦予無人駕駛車合法身份。

從加州路測資質看無人駕駛產業格局

迄今為止，已有45家公司取得加州路測許可，由此可一窺全球無人駕駛產業格局。加州是全球首個通過無人駕駛汽車正式法規的地區，是全球最主要的無人駕駛測試基地。加州DMV（Department of MotorVehicles）已授予45家公司無人駕駛路測許可，相關公司覆蓋傳統車企、零部件供應商、科技巨頭、初創公司等領域。

無人駕駛產業布局進程加快

2017年新增25家許可，產業進程明顯加速。從2014年9月頒發第一批無人駕駛路測許可至今，加州DMV已累計授予45家公司路測資質，其中2014/15/16年分別為7/4/9家，2017年至今已授予25家，產業進程明顯加速。伴隨傳感器、芯片和通信技術的快速發展，2019年前后有望出現智能駕駛汽車產品投放加速，2020年之后逐漸迎來銷量提升。L3-L4級自動駕駛有望較快落地，全天候、全路況的L5級全自動駕駛或需十年以上時間進入大規模部署。預計，到2025年20%以上量產汽車有望實現不同級別的智能駕駛，市場規模或超千億美元。

初創公司發展迅猛

無人駕駛領域初創公司數量占比快速提升，輕裝上陣助力高速發展。從目前的結構來看，45家公司中包含傳統車企11家（大眾、通用、長安、上汽等）、零部件供應商6家（德爾福、博世、大陸、法雷奧等）、科技巨頭7家（谷歌、蘋果、英偉達、特斯拉等）、初創公司21家（Zoox、Drive.ai、蔚來、Pony.ai等）。汽車技術有望走向機械、電子、通信、人工智能的深度融合。初創公司的創始團隊往往來自于傳統車企、科技巨頭及知名高校，交叉背景或將助力公司快速前進。作為行業新進入者，初創公司輕裝上陣，亦有望實現跨越式發展。初創公司有望憑借各自優勢，在無人駕駛整車制造、運營、系統解決方案或關鍵零部件等領域獲得重要地位。

中國力量凸顯

中美引領全球無人駕駛，中資公司占比持續提升。在目前的45家公司中，中資和華人背景公司共14家，占比高達31%，僅次于美國19家，遠高于歐洲8家、日韓4家。從時間維度上來看，2014/15年獲得許可的公司中均無中資公司；2016年中資和華人背景公司4家，占比44%；2017年至今中資和華人背景公司10家，占比40%。從組成結構來看，14家中資和華人背景公司中包括2家傳統車企（長安、上汽）、1家科技公司（百度）、11家初創公司（蔚來、Pony.ai、圖森、景馳等）。中國在全球科技領域地位持續提升，中資公司有望成為全球科技創新的重要力量，快速成長并參與全球產業分工和競爭。

從加州路測資質看無人駕駛產業格局

加州成全球無人駕駛汽車測試基地

加州是全球首個通過無人駕駛汽車正式法規的地區，也是主管美國汽車安全的最高部門NTHSA（美國高速公路安全管理局）總部所在，開放性、包容性以及權威性使得加州成為全球無人駕駛汽車測試的主要基地。加州無人駕駛路測許可（Autonomous Vehicle Testing Permit）由加州車輛管理局（Department of Motor Vehicles，DMV）頒發，獲得許可的公司可以在加州特定的公共道路上進行無人駕駛車輛的測試。從2014年9月頒發第一批無人駕駛路測許可至今，加州車輛管理局已累計授予全球45家公司路測許可，覆蓋傳統車企、零部件供應商、科技巨頭、初創公司等。

全球無人駕駛產業進程明顯加速

2014、2015、2016年分別為有7、4、9家公司獲得加州無人駕駛路測許可，2017年已有多達25家公司獲得許可，超過過去三年的總和，占到了總數的一半以上，呈現爆發式的增長。這表明無人駕駛的產業進程呈現明顯加速狀態，全球各大公司正加速推進無人駕駛汽車的研究，無人駕駛領域的競爭逐漸趨于白熱化。

創業公司成為無人駕駛產業重要力量

得加州無人駕駛許可的45家公司中包含傳統車企11家（大眾、通用、長安、上汽等）、零部件供應商6家（德爾福、博世、大陸、法雷奧等）、科技巨頭7家（谷歌、蘋果、英偉達、特斯拉等）、初創公司21家（Zoox、Drive.ai、蔚來、Pony.ai等），初創公司占比47%，接近總量的一半，是全球無人駕駛產業的重要參與者。汽車技術有望走向機械、電子、通信、人工智能的深度融合。而初創公司的創始團隊往往來自于傳統車企、科技巨頭及知名高校，交叉背景或將助力公司快速前進。

中美引領全球無人駕駛產業發展

在目前獲得加州無人駕駛路測許可的45家公司中，中資和華人背景公司共14家，占比高達31%，僅次于美國19家，遠高于歐洲8家、日韓4家。未來中美將引領全球無人駕駛產業的發展。

無人駕駛產業鏈及細分領域分析

數據、共享經濟和人工智能技術正在打破過去成熟的金字塔式的汽車產業鏈結構。不同環節的企業相互合作，以實現最佳的經濟效益為目標，使得數據、技術、資本得以在整個無人駕駛產業生態之中流動、循環。

從產業圖譜角度來看，無人駕駛產業包含硬件和軟件兩大部分：硬件分為整車和智能零部件兩部分；軟件分為技術和內容兩部分。

硬件部分：智能硬件是實現無人駕駛的基礎。通過智能感知設備對周邊環境進行信息采集，由植入深度學習算法的芯片處理器進行決策分析，并通過控制執行設備對芯片處理器做出的決策進行執行。人機交互設備屬 于汽車內部的信息采集設備，通過交互設備接收消費者的指令，并提供導航和車內娛樂等服務。一輛完整的智能無人駕駛汽車通常需要配置的主要智能零配件包括：激光雷達、超聲波傳感器、測距傳感器、GPS 定位裝置、前視攝像頭、毫米波雷達以及（內置）計算機系統（擔任系統平臺）等。

軟件部分：深度學習算法、云服務、車聯網、系統平臺、人機交互等是人工智能的核心技術，也是實現無人駕駛的核心技術。地圖導航系統是無人駕駛發展的前提，能夠增加無人駕駛汽車對外部地理位置信息的完整度。娛樂通信生活服務內容則能夠大大豐富無人駕駛的汽車生活，滿足消費者娛樂、社交、辦公等的需求。

從上述無人駕駛產業生態分布圖中可以看到：無人駕駛供應商產業體系中的新興企業，從傳統Tier2供應商獲得設備部件支持，經過技術的整合研發，最終由Tier1供應商、或直接由整車廠完成集成、組裝的工作，形成無人駕駛整體解決方案。此外，產業各環節的企業將軟硬件協同作為發展趨勢，提供一體化完整方案。就汽車供應商產業體系而言，已越來越呈現生態化、網狀化的趨勢，企業間縱向聯結約越加緊密。

傳感器行業分析

作為智能汽車的核心部件之一，傳感器具有檢測與傳輸周圍環境實時數據的重要作用，是人工智能與深度學習得以發揮作用的重要前提。同時，隨著汽車智能化程度的不斷提升，汽車對攝像頭與傳感器的需求也將不斷加速提升。

無人駕駛技術第一步環境感知即依賴傳感器而實現：傳感器對地面標志線、行人和車輛、紅綠燈和車燈信息，以及車輛鳴笛等進行獲取。傳感器至今已經歷了三個發展階段，目前智能型傳感器已廣泛用于 汽車、安防、醫療等行業。

在無人駕駛技術來臨之前，車用傳感器即用于汽車電子技術、作為車載電腦（ECU）的輸入裝置，能夠將發動機、底盤、車身各個部分的運作工況信息以信號方式傳輸給車載電腦，從而使汽車運行達到最佳狀態。在無人駕駛汽車中，定位、雷達、視覺等傳感器寫作融合，能夠以圖像、點云等形式輸入收集到的環境數據，并通過算法的提取、處理和融合，進一步形成完整的汽車周邊駕駛態勢圖，為駕駛行為決策提供依據。

車載攝像頭

       車載攝像頭的出現非常符合仿生邏輯，人眼是人類對外部環境世界最重要的感知器官。對路況的辨別、對交通標志的辨識都依靠人眼完成，針對圖像的處理能力，是人類實現駕駛的基礎。車載攝像頭的功能也是對路況圖像進行捕捉、記錄和識別。

目前，高端汽車的各種輔助設備配備的攝像頭可以多達8個，用于輔助駕駛員泊車或觸發緊急剎車。三星電子手機攝像頭供應商和韓國最大的車載攝像頭制造商 Mcnex公司預測，當攝像頭成功取代側視鏡時，汽車上的攝像頭數量將達到12個。

相比于消費電子產品上使用的攝像頭，車載攝像頭對安全性與穩定性的要求更高。車載攝像頭必須經過一系列質量測試，包括連續數日的水下浸泡測試、1000小時的溫度變化測試（低溫-40℃，高溫85℃，并在數秒鐘內完成高低溫切換）。因此，進入車廠的認證體系需要較長的認證周期。

        良好的圖像采集功能一方面與硬件的性能和質量有關，但另一方面，攝像頭傳 感器的核心價值是算法和解決方案。利用優質攝像頭設備可以精確捕捉圖像信息， 但理解圖像信息則依賴于算法的實現。Mobileye作為一家初創期前8年沒有收益的算 法公司，通過海量數據積累與算法優化，僅憑單目攝像頭便實現識別、測距等功能，令ADAS低成本大大降低，其產品在眾多主流車型上得到應用。

目前從硬件方面來看，前裝攝像頭模組市場基本上被日韓系的廠商所掌握，松下、索尼以及韓國的MCNEX占據主要份額。國內的企業一般都是由原來做手機攝像 頭再拓展到做車載攝像頭的，目前舜宇光學在車載攝像頭方面進展較快，是松下、博世等企業的供應商。

        毫米波雷達

        波長為1～10毫米的電磁波稱毫米波（millimeter wave），它位于微波與遠紅外波相交疊的波長范圍，因而兼有兩種波的特點。毫米波雷達主要表現出以下突出的特點。

極寬的帶寬：毫米波頻率范圍為26.5～300GHz，帶寬高達273.5GHz。即使考慮大氣吸收，在大氣中傳播時只能使用四個主要窗口，但這四個窗口 的總帶寬也可達135GHz，為微波以下各波段帶寬之和的5倍。這在頻率資源緊張的今天無疑極具吸引力。

波束窄：相同天線尺寸下毫米波的波束要比微波的波束窄得多。例如一個12cm的天線，在9.4GHz時波束寬度為18度，而94GHz時波束寬度僅1.8度。 因此可以分辨相距更近的小目標以及更為清晰地觀察目標的細節。

      與激光相比，毫米波的傳播受氣候的影響要小得多，具有全天候穩定性。

      與微波相比，毫米波元器件的尺寸要小得多，更容易小型化。

      由于毫米波雷達的性能優良，在空間、軍事、直升機和汽車方面都得到廣泛應用。同時，毫米波雷達也成為實現ADAS功能的重要傳感器設備。目前車載毫米波雷達主要有24GHz和77GHz兩種，24GHz雷達系統用于實現近距離探測（Short Range Rader，簡稱SRR），77GHz系統主要用于實現遠距離的探測（Long Range Rader，簡稱LRR）。

      汽車控制系統根據毫米波雷達檢測的壓力信號來控制汽車的剎車系統。通過SRR和LRR相結合和對汽車的控制，可以立體式、全方位為汽車提供行車安全。

      毫米波雷達ADAS傳感器目前仍由大陸、博世、電裝、TRW、奧托立夫等傳統零部件廠商壟斷。由于毫米波雷達傳感器在軍用通訊、衛星通訊有較多運用，并且 60GHz以上的毫米波技術西方對于中國是禁運的，因此國內發展相對較為緩慢。國內市場上華域汽車以24GHz的SRR毫米波雷達為切入點，開始逐步建立其自身ADAS產品路線圖。77GHz的LRR毫米波雷達技術仍然有待國產化破局，部分創業型公司如北京行易道科技、亞太機電集團投資的杭州智波科技在77GHz毫米波雷達方面有一定的技術優勢。

激光雷達

       激光雷達起源于軍方技術，根據功能可以區分為跟蹤激光雷達、制導激光雷達、測繪激光雷達和水下激光雷達等。1995年，商用激光雷達首次問世，此后進入高速發展期。由于激光雷達能夠對環境信息進行3D建模，可以對周邊環境的動態信息和位置分布實現準確刻畫，正符合ADAS和無人駕駛的要求，因此吸引了無人駕駛領域各方參與者的廣泛關注。

激光雷達LiDAR的全稱為 Light Detection and Ranging 激光探測和測距，即光探測與測量，是一種集激光，全球定位系統（GPS）和慣性導航系統（INS）三種技術于一體的系統，可以獲得數據并生成精確的DEM（數字高程模型）。

激光雷達的主流廠商有Velodyne、Quanergy、Ibeo等公司。激光雷達是谷歌無人駕駛汽車的基礎性傳感器設備。谷歌應用Velodyne HDL-64E的360度64束激光雷達傳感器，實現對行車周邊環境全景掃描并建立3D模型，通過與高精度地圖進行匹配，谷歌無人駕駛汽車可以實現厘米級定位，而其他傳感器設備則起到輔助作用。 

       Velodyne目前已經量產銷售的激光雷達有三款，分別是 HDL-64E(64 線)、HDL-32E(32線)、VLP-16（16線）。除了谷歌、百度、Uber等無人駕駛汽車使用64線產品，一些車企在車上使用 32 線和 16 線產品測試。2016年1月CES上，福特展示了安裝 Velodyne HDL-32的混動版蒙迪歐自動駕駛研究車。荷蘭 NAVYA 的兩部全自 動駕駛 ARMA 公交穿梭車測試了VLP-16和HDL-32，最后選用32線。Velodyne 并不提供算法產品。Velodyne 向車企輸出的是激光雷達原始數據。

       限制激光雷達在無人駕駛領域廣泛應用的主要因素在于成本。因此，目前激光雷達產品仍然主要應用于測繪領域。在無人駕駛上有實際產品應用的供應商主要是 Velodyne和Ibeo。谷歌使用的Velodyne的HDL-64E激光雷達售價高達數十萬元萬人民幣。

國內市場上，中海達的iScan三維激光測量系統是首個車載激光雷達裝置，中海達與百度達成合作，為百度提供國內城市的高清激光街景數據采集及生產。北科天 繪的R-Angle系列車載激光雷達系統2015年獲得測繪科技進步一等獎，并與四維圖新合作完成了全國范圍內高等級公路的ADAS道路數據獲取與處理。

       由于激光雷達所固有的對環境的3D建模能力，可以說要實現無人駕駛，激光雷達的作用是必不可少的。目前也有如美國的Quanergy等企業在研發低成本的固態激光雷達，成本可能低至數百美元。一旦激光雷達成本大幅下降，無人駕駛普及的推廣進度將顯著加快。

待隨著無人駕駛技術的進步，激光雷達的出貨量增加，價格隨之下降。 假設2035年左右激光雷達單價可以下降到1萬美元到5千美元甚至更低，那么2035年以后激光雷達市場規模往千億美元沖刺。

     

高精地圖產業分析

高精地圖在無人駕駛中的作用

自動駕駛過程中，高精地度起到了高精度定位、輔助環境感知、規劃與決策等功能。其中最重要的 是高精度定位，把自動駕駛汽車上傳感器感知到的環境信息與高精地圖對比，得到車輛在地圖中的精確位置，這是路徑規劃與決策的前提。輔助環境感知是在高精地圖上標注詳細道路信息，輔助汽車在感知過程中進行驗證。比如車輛傳感器感知到前方道路上的坑洼，可以在跟高精地圖中數據對比，如果地圖中也標記了同樣的坑 洼，就能起到驗證判斷的作用。規劃決策則是利用云平臺了解傳感器感知不到區域（比如幾公里外）的路況信息，提前避讓。

高精地圖工作原理

高精地圖與現在常見的導航地圖（比如車載導航地圖）相比有很大不同，主要體現在使用者不同、用途不同、所屬系統不同、要素和屬性不同。導航地圖的使用者是人，用于導航、搜索。而高精地圖的使用者是計算機，用于高精度定位、輔助環境感知、規劃與決策。因此導航地圖在車內屬于車載信息娛樂系統，帶顯示屏，而高精地圖屬于車載安全系統，不需要屏幕。要素跟屬性方面，導航地圖僅包含簡單道路線條、信息點（POI）、行政區劃邊界，而高精地圖包含詳細道路模型，包括車道模型、道路部件、道路屬性和其他的定位圖層。

高精地圖需要實時更新的特性打破了過去圖商只是向主機廠或者車載信息娛樂企業銷售License 的商業模式，開始向地理信息數據服務商轉型。而且重要性也大幅上升，傳統汽車中，導航地圖只是車主選配的功能。在自動駕駛汽車里，高精地圖是不可或缺的核心部件。圖商在產業鏈中的角色正在逐漸從傳統汽車時代的供應商轉變為自動駕駛時代的重要參與者、合作者、服務商。當然圖商的商業模式在從 license 向 service 的轉型過程 中還有很多問題需要克服。比如如果汽車的交付模式沒有變，依然是主機廠通過4S店將車輛銷售給客戶的錢貨兩清模式，那么后續地圖服務的費用該如何收取。

國外高精地圖玩家

國外的高精地圖主要有 Here、TomTom、Waymo（原 Google 地圖）等老牌圖商，其中 Waymo 的高精地圖，目前僅用于自己的無人車披露信息非常少。此外因為美國的地圖測繪政策限制較少，因此成為高精地圖創業者 的天堂，比較有名的初創公司有 DeepMap、CivilMaps、lvl 5、Carmera。初創企業往往有一個自己主打的算法技 術，比如 CivilMaps 能將 1T 的激光雷達點云數據壓縮到 8MB，Carmera 融合攝像頭和激光雷達的圖像獲得更好 的傳感效果等。但是云端的存儲、運算、通信能力是初創企業普遍的短板。另外 Uber、通用 Cruise 等也都在布 局高精地圖。本篇報告我們不去過多地討論不同測量方法和算法之間的差異，而更多地去探討圖商未來可能的 商業形態。

Here前身為美國地圖公司NAVTEQ，2008 年被諾基亞以81億美元的價格收購NAVTEQ，并入自己的Here地圖部門。2015年4月，諾基亞宣布剝離Here部門，吸引了寶馬、奔馳、奧迪、谷歌、Uber、Facebook、百度、 騰訊（聯合四維圖新）來競標。最終奔馳、寶馬、奧迪臨時組成的聯合體以28億歐元（約 31 億美元）全資收 購 Here，三家各占 1/3 的股權。Here的地圖數據覆蓋約200個國家，超過 4600 萬公里。在北美以及歐洲市場，HERE地圖為 80%有導航功能的轎車提供地圖數據（2015 年數據），每年超過1000萬輛新車安裝了 Here 服務， 寶馬、奔馳、豐田、日產均為其客戶。

高精地圖方面，Here從2013年就開始制造高精地圖，其研發最早開始于 Here 與戴姆勒的一個合作項目。憑借其在地圖領域的積累，以及被奔馳、寶馬、奧迪收購后主機廠的資源，Here 正在努力構建行業標準。首先因為不同品牌車輛的傳感器數據傳輸格式不同，導致云端無法高效聚合這些數據。2015年Here發布了一項數據傳輸的接口規范，讓汽車可以將車載傳感器獲取的數據上傳到云端，進行地圖更新。這些數據包括車道識別、路標識別、坡道斜率、道路曲率、溫度、降水量以及目標檢測等。并聚集了16家主機廠和系統供應商共同推進車內傳感器數據接口標準的統一格式。2015年Here還開放了部分高精地圖數據供車企進行自動駕駛技術測試，開放的數據有美國舊金山港灣區周邊道路、Mcity內部道路以及底特律、密歇根內部與周邊的所有公開測試道路 的數據；德國慕尼黑到巴伐利亞州霍勒道的A9 高速公路；法國巴黎南部在 A6-A10 高速公路之間的數據等。

國內高精地圖玩家

和美國不同，我國有比較嚴格的地圖測繪政策限制，目前擁有“導航電子地圖資質單位名單”的企業有13家。分別是四維圖新、高德、長地萬方、凱德、易圖通、城際高科、國家基礎地理信息中心、科菱航睿、光庭信息、浙江省第一測繪院、江蘇省基礎地理信息中心、靈圖、立德空間信息。百度地圖就是通過子公司長地萬方開展導航電子地圖測繪的。

國內的地圖行業呈現三足鼎立的狀況，百度地圖、高德（阿里）、四維圖新（騰訊），其背后是互聯網巨頭對地圖入口的爭奪。當然主機廠也不會將自動駕駛時代的附加紅利拱手讓給科技公司，比如上汽一方面跟阿里成立了合資的斑馬網絡，開發了車載操作系統，里面使用了高德的地圖。一方面又向高精地圖初創公司中海庭注資1.46億元，獲得51%股份。

百度認為自己在高精地圖領域有三個優勢：1.車隊規模大、覆蓋廣：擁有全國規模最大的高精度地圖采集車隊（40 多輛），覆蓋 30 萬公里的全國 高速及城市道路；2.精細化程度高：可以精細刻畫上百種道路要素和屬性；3.生產效率高：自動化處理程度達到 90%以上。

百度是目前國內唯一一家同時具備比較完善的自動駕駛技術和高精地圖的公司，在2018年2月加州車輛管 理局公布的自動駕駛脫離報告中百度以22.06次/千英里位列第六，躋身世界領先水平。

高德地圖：車載系統先行者

高德成立于2002年，于2004年正式獲得國家測繪局頒發的導航電子地圖甲級測繪資質。高德剛開始也主打B2B模式，擁有奧迪、奔馳、Google、蘋果等重量級客戶。但是2010年上市后，將重心轉向互聯網地圖服務，2011年推出Android和iOS版本的高德手機地圖。截止 2013年，高德地圖用戶超過1億，國內手機地圖裝機量市場份額超過33%，位居第一。

2013年5月和2014年2月，阿里分兩次收購了高德100%股權。被阿里收購后，高德開始更好的融入移動互聯網生態。

2014年7月阿里、上汽簽訂協議，共通投資10億元成立“互聯網汽車基金”，各占股50%，并成立斑馬網 絡技術有限公司，雙方各持股 49.5%。并以斑馬網絡為主體開發了YunOS（現在進化為AliOS），并搭載在了榮威RX5上。這是國內首款互聯網汽車，作為先行者他們探索出了一條行之有效的數據劃分與合作模式。其中與出行強相關的地圖數據，例如餐飲、停車場、加油/充電站的POI會上傳至高德的服務器，用于高德改善和加強動 態交互信息的準確性。

ADAS產業鏈分析

ADAS指高級駕駛輔助系統，是智能駕駛和自動駕駛的基礎，同時也是主動安全技術的具體應用。ADAS總體可分為2大類：安全類輔助和便利/舒適類輔助，部分系統還兼具安全和便利性雙重功能。

ADAS的發展是推進21世紀無人駕駛汽車發展的主要原因，汽車行業自2000年起推出了一系列高級駕駛 輔助系統(Advanced Driver Assistant System，ADAS)功能：

2000年：夜視儀、前方碰撞預警(Forward Collision Warning，FCW)；

2002年：后置攝像頭、泊車輔助(Park Assist，PA)；

2005年：車道偏離預警(Lane Departure Warning，LDW)；

2006年：自適應前照燈系統(Adaptive Front Lights，AFS)、自動泊車(Automatic parking，AP)、盲點探測系 統(Blind Spot Detection，BSD)；

2007年：全景可視系統(Surround View Systems，SVS)；

2008年：前方碰撞輔助(Forward Collision Assist，FCA)；

2010年：瞌睡警示(Drowsiness Alert)；

2014年：車道保持輔助(Lane Departure Assist，LKA)，通過一系列的 ADAS功能進一步地減少、防止機動車事故；

2016年以后，部分無人駕駛的功能如單車道自動駕駛、交通擁堵環境下的自動駕駛、車道變化自動駕駛、城市自動駕駛等等有望逐步實現。再進一步過渡到完全無人駕駛。

2025年之后，無人駕駛技術預計能做到完全無人駕駛在任何情況下。無人駕駛是技術化向智能化發展的產 物，也是汽車行業發展的必經之路。

現階段ADAS發展和應用的最大驅動力來自政府對汽車駕乘安全要求的提高。歐洲、美國、日本等發達國家已從立法和評級標準（NCAP）等方面對新車ADAS的配置做出規定，其中普遍要求ADAS系統應具備前方碰撞預警（FCA）、車道偏離預警（LDW）功能，走在全球最前列的歐盟還對自動緊急制動（AEB）、車道保持輔助（LKA）甚至行人檢測功能等提出了要求。

ADAS產業鏈構成

ADAS 的主要組成部分包括傳感器、芯片（核心是信號處理和數據運算芯片）、算法軟件等。傳感器一般由系統集成商研發提供；芯片和算法軟件一般由半導體公司、系統集成商合作開發，整車廠亦會在具體車型的應用上參與開發。系統集成商與整車制造商有最直接和密切的關系，且是 ADAS 系統整體解決方案的提供者。

ADAS 硬件的核心是傳感器（攝像頭、雷達等）和處理器，而軟件核心是算法。芯片處理器短期內國產化很難有較為顯著的進展，因此國內 ADAS 本土化的突破關鍵就在有具有自主技術的算法公司。

目前要滿足ADAS應用的高性能需求，需使用多個不同類型的傳感器來完成安全相關任務，這也是ADAS今后發展方向，也是國內 ADAS 廠商的努力方向。由于ADAS的功能，往往是通過一組傳感器+處理器的方式 捆綁銷售，使得 Tie1 供應商或稱作系統供應商在里面擔當了ADAS產業鏈中核心角色，它們是方案的設計者，而且都在各自算法上有多年積累。

目前ADAS市場主要被國外Tie1供應商/系統供應商所壟斷，在商用車市場，威伯科、大陸和博世三家公司就占據了60%的市場份額；在乘用車市場，大陸、德爾福、電裝、奧托立夫和博世則占據了65%的份額。

國內已涌現出很多自主品牌的 ADAS 系統提供商，如蘇州智華、深圳前向啟創、上海縱目科技、北京中科 慧眼、南京創來科技等，且少數產品也已進入前裝市場測試，但起步較晚，ADAS需要較長的技術積累，短期 內較難與國外ADAS巨頭抗衡。

ADAS產業鏈關鍵節點介紹

感知：汽車不像人類有五官，汽車感知環境數據的方式是依靠各類傳感器。而傳感器搭載數量越多，汽車能收集到的信息就越多。

目前ADAS主要采用的傳感器有攝像頭、雷達、激光和超聲波等，可以探測光、熱、壓力或其它用于監測汽車狀態的變量，通常位于車輛的前后保險杠、側視鏡、駕駛桿內部或者擋風玻璃上。

大部份ADAS采用攝像頭+雷達的組合方式，以實現雷達測距與攝像頭圖像識別功能的互補。主動式與被動式紅外夜視系統是兩種主流的技術路線。主動式通過CCD接受物體反射的對應敏感頻譜成像，而被動式的紅外焦平面探測器接受物體的紅外輻射成像。兩者各有優勢，將在較長時間內共存。

判斷：前面說到傳感器讓汽車可以像人類一樣有感知，而能夠讓汽車作出判斷的核心靈魂就是算法了。根據傳感器等輸入數據，行車電腦可以取代司機主動發出控制的指令。

算法：ADAS系統可靠性、準確度的決定性因素，主要包括攝像頭/雷達測距、行人識別、道路交通標志識別等，針對前裝應用的可靠性要求高，需要進行大量的場景測試與標定。其中雷達標定的門檻最高。

執行：ADAS系統通過傳感器獲取數據，主芯片完成判斷后，初級應用通過聲音、圖像、振動對駕駛者進行警示。與電子控制功能結合后，逐漸進化到對車輛的自動控制。

ADAS產業鏈中芯片與算法主要企業介紹

芯片、算法在ADAS系統中至關重要，行業集中度高，主要有Mobileeye、ADI等公司。

（1）Mobileye/ST——EyeQ5

說到ADAS第一個必須要提的就是Mobileye。作為ADAS界的大佬，它占領了汽車安全駕駛系統全球70%以上的市場份額。據公司網站的資料顯示：包括特斯拉、通用、大眾、奧迪、寶馬、雪鐵龍、福特、本田、現代、捷豹、陸虎、尼桑、歐寶、雷諾、豐田和沃爾沃等在內汽車品牌都和Mobileye有合作關系。

Mobileye擁有太多的優勢。比如計算機圖片的標注歷史數據，算法的積累，甚至自己研發了自己的芯片。目前最新的是與意法聯手合作研發用于自動駕駛的EyeQ5芯片。可以說，在這個領域深根細作十幾年的Moblieye有相當深厚的歷史背景，這些經驗并不是其他公司短時間可以超越的。

（2）ADI——Blackfin處理器（BF60X系列）

ADI Blackfin視覺駕駛輔助系統（ADAS）都是基于Blackfin系列處理器，其中核心器件是DSP（digital signal processor，即數字信號處理器）。具有車道偏離警告、交通信號識別、智能前燈控制、物體檢測/分類、行人檢測等功能。低端系統基于BF592，實現LDW功能；中端系統基于 BF53x/BF54x/BF561，實現LDW（車輛偏離預警系統）/HBLB/TSR（Traffic SignRecognition道路交通標志識別系統）等功能；高端系統基于BF60x，實LDW/HBLB（智能遠光燈控制）/TSR/FCW（前方碰撞預警系統）/PD（車輛探測）等功能。集成的視覺預處理器能夠顯著減輕處理器的負擔，從而降低對處理器的性能要求。

（3）德州儀器（TI）——TDA SoC系列

一直以來，TI為汽車市場提供著許多的一流產品，針對3D全景環視應用，TDA SoC系列也跟著應運而生，目前已經有TDA2x、TDA3x、TDA2Eco。

TDA2x：TDA2x可實現各種前置攝像機應用的同步運行，其中包括遠光燈輔助、車道保持輔助、高級巡航控制、交通信號識別、行人/對象檢測以及防碰撞等。此外，TDA2x還支持智能2D及3D環繞視圖以及后方碰撞警告等泊車輔助應用，并可運行為前置攝像機開發的行人/對象算法。TI TDA2x 還可作為融合雷達與攝像機傳感器數據的**處理器，幫助做出更穩健的ADAS決定。

TDA3x：TDA3x系列可支持車線維持輔助、自適應巡航控制、交通標志識別、行人與物體檢測、前方防碰撞預警和倒車防碰撞預警等多種ADAS算法。這些算法對于前置攝像頭、全車環視、融合、雷達與智能后置攝像頭等眾多ADAS應用的有效使用至關重要。此外，TDA3x處理器系列還能幫助客戶開發針對行人和車輛、前方碰撞預警及車線維持輔助的自主緊急制動（AEB）等符合NCAP程序的ADAS應用。

TDA2Eco：TDA2Eco處理器，是TI在這3年內針對汽車行業推出的第三款產品，該產品針對3D全景環視應用而開發，可便捷替代初、中級全景環視解決方案中所使用的TDA2器件，從而降低功耗、優化性能和物料清單 (BOM) 。 

車聯網產業分析

車聯網即“汽車移動物聯網技術”。傳統汽車聯網和智能汽車做為車聯網的智能硬件是其重要組成部分。較高的汽車保有量和銷售預計，成熟的移動互聯網都是車聯網發展必不可少的條件。

車聯網在最初被定義為電子傳感裝置，之后發展到車載導航，車載娛樂系統，再到車輛管理，交通管理，車載物聯網等應用形式。目前，這些裝置很多已實現量產并且商業化。現在，我們認為車聯網是為提高駕駛安全性，舒適性，提高用車效率等一系列的創新。車聯網的核心技術智能交通能夠提高道路使用效率：據預測，智能交通技術可以使交通堵塞減少約60%，使短途運輸效率提高近70%，使現有的道路網的通行能力提高2-3倍，車輛在智能交通體系內行駛，停車次數減少13%-45%，車輛使用效率提高50%以上。

根據PWC機構預測，2016 年，智能車和車聯網市場預計規模為403 億歐元（約 3000 億人民幣），2021年，預計市場規模為1226億（約 9000億人民幣），智能車和車聯網市場預計以平均每年 25%的速度增長，其中，安全部分占據最大比重，從2016年的155億歐元增長到493億歐元。按照 PWC 的預計，智能汽車和車聯網全球市場空間未來有望達到萬億人民幣規模。

主要的車聯網產業鏈參與者有：汽車生產商，元器件設備制造商，硬件制造商，終端設備制造商，軟件開發商，系統集成商，移動通信運營商，車載信息服務提供商（Telematics Service Provider, TSP），內容服務提供商，以及位于末端的用戶。TSP 是整個車聯網產業鏈的核心。

車聯網技術的核心是智能交通（TSP），即交通信息網絡控制平臺通過裝在每輛汽車上的傳感終端，實現對 所有車輛的有效監管并提供綜合服務。是將先進的傳感器技術、通信技術、數據處理技術、網絡技術、自動控制技術、信息發布技術等有機地運用于整個交通運輸管理體系而建立起的一種實時的、準確的、高效的交通運輸綜合管理和控制系統。

車聯網軟件提供商

是車聯網產業的基礎，主要為車聯網產業鏈中的硬件廠商提供軟件支持。車聯網軟件提供商從中還可以細分出地圖提供商、應用提供商、系統提供商等不同角色。

車載終端設備提供商

向整車廠商、4S店或車主直接供貨。由于傳統汽車影音導航本身具備一定的客戶群，而這些客戶也是車聯網產業的用戶，因而在進入車聯網市場已經擁有部分客戶資源，在向車聯網轉型過程中亦較有優勢。

移動智能終端提供商

一般向用戶直接供貨。主要承載移動應用及其配套服務。

TSP企業

在目前整個車聯網產業鏈中處于核心地位。國外TSP的發展比國內的發展較為成熟，主要是整車廠商和移動運營商獨立或合作的形式展開。中國TSP企業目前發展較為薄弱，但是其市場潛力較大，消費者的需求也較為強烈，收益較高，是產業鏈上眾多企業爭取的對象。

互聯網廠商

在車聯網市場上是新進參與者。由于汽車的封閉性，汽車廠商把控著 CAN總線數據，互聯網廠商可以做的應用還是受到較為明顯的限制。

V2X（Vehicle to X)，是車聯網和智能無人駕駛的關鍵技術。V2X 主要實現的是車與車（V2V，Vehicle to Vehicle）、車與基礎設施（V2I，Vehicle to Infrastructure）之間的通信，后續還可以拓展到V2R（Vehicle to Road），V2H（Vehicle to Human），逐步獲得實時路況、道路信息、行人信息等一系列交通信息，提高駕駛安全性、減少擁堵、提高交通效率等。

目前 V2X 技術主要包括歐美和中國兩大陣營，歐美采用DSRC（Dedicated Short Range Communications）技術，目前已經成為國際主流且較為成熟，進入商業化階段。根據產業調研，美國將于2019年左右通過強制要求前裝安裝 V2X 模塊，預計大范圍推廣會在 2020 年左右。

LTE-V 技術是由華為、大唐等主導的我國實現 V2X 網絡通信的技術。針對車輛應用 LTE-V 定義了兩種通信方式——以基站為控制中心的集中式（LTE-V-Cell）和無需基站的分布式（LTE-V-Direct）。相比 DSRC，LTE-V 的優勢在于無需重建基站，可以利用 LTE 4G 網絡基站，推廣成本低。國內LTE-V 正在標準制定階段，相關標準有望可在 2017 年完成；標準化之后，通常需要一年左右的時間推出商業化芯片組生產，估計LTE V2X到2018年或之后可以推廣商業應用。

無人駕駛兩種發展路徑介紹

無人駕駛熱潮使得Google、百度、Uber、英偉達等科技公司，特斯拉、通用、福特、奧迪等汽車公司，博世、大陸、福爾德、電裝等汽車零部件公司，Cruise、Zoox 等創業公司前赴后繼投入關中。總結來看，參不者可以分為三類：1）整車廠及零部件供應商，優勢在于硬件、品牌和市場上占有率；2）科技公司，優勢在于人工智能、大數據等技術能力積累；3）TaaS 服務商，如 Uber、Lyft、滴滴等，優勢在于用戶數據積累。 

與前幾年的合作不同，如今更多的公司選擇了合作開發，希望通過合作構筑價值網絡， 迅速占領市場。全球范圍內，已經形成“百度-英偉達-博世|大陸-中德車企集團”、“Google-FCA豐田-Lyft -Avis”、“英特爾-Mobileye-寶馬-德爾福”這樣的生態圈，還有特斯拉、通用、福特、豐田等準備自行實現整條技術運營線的獨立集團。 

汽車智能化發展的最終目標都是實現L5級全自勱無人駕駛，目前有兩種技術發展路徑：1.以輔劣駕駛（ADAS）為核心，僅L0逐步過渡到L5，通過每一代車型搭載的輔劣駕駛系統不斷升級的方式，逐步實現L5級全自勱無人駕駛；2.僅L0直接跨度到L4，在特定的垂直領域或相對封閉的環境中實現無人駕駛，再向全環境全路況的 L5 級無人駕駛普及。

Google行業先驅者 

Google 無人車的發展經歷了兩個階段：第一階段，采用以激光雷達為主要傳感技術，配合高精度地圖的解決方案，共推出過三代產品，最特別的是在第三代產品Pod Car原型車中，直接拋棄傳統汽車的剎車、方向盤、油門等設備，僅用一個啟動鍵實現無人駕駛；

第二階段，2016年12月無人駕駛業務分拆，成立獨立公司Waymo。在技術方面自主研發的整套無人駕駛傳感器系統，包括3個覆蓋短、中、長距離的激光雷達、8個視覺模塊、以及雷達，大幅降低激光雷達的成本，提供硬件和軟件并行的完整解決方案；在商業化方面，在利亞桑那州鳳凰城開啟無人駕駛車的上路測試運營，對大眾開放服務。

Google一方面基于自身在人工智能方面的技術積累；一方面大量收購AI創業公司，比如深度學習公司DeepMind、圖片分析公司Jetpac、機器人公司Holomi、3D視覺系統公司Industrial Perception等，通過技術融合，提升技術能力。

國內百度領先Apollo 

2013年12月，百度宣布成立自動駕駛事業部，并在北京五環完成首次測試；2016年11月，與車廠合作打造的自動駕駛車已經體驗運營，體驗全程3.16km，使用L4自動駕駛技術實現紅綠燈識別、行人避讓以及超車并線等功能；2017年4月，百度發布“Apollo計劃”，將向合作伙伴提供一個開放、完整、安全的軟件平臺，幫助他們結合車輛和硬件系統，快速搭建一套屬于自己完整的自動駕駛系統。其測試車輛配備安裝在車頂的64線激光雷達、3個環繞車頂的16線激光雷達、位于車頂前方的兩個視覺識別攝像頭、以及車前方的毫米波雷達。預計2020年，與奇瑞合作的L3級自動駕駛乘用車將實現商業化量產。

初創企業蓬勃涌現 

無人駕駛領域，不僅巨頭布局，也是創業公司關注的焦點。各創業公司通過團隊掌握的核心算法或芯片等技術在一些關鍵的路徑上找到自己的解決方案，沒有一味地遵循 Google 的技術方案，展示出各式各樣的技術路線，是無人駕駛產業収展癿重要推進力量。統計來看，無人駕駛領域的初創企業主要集中在美國和中國。 

ADAS 商業化先行 僅L2切入 漸進式發展

ADAS系統先行，是無人駕駛產業發展的重要路徑。從技術角度看，ADAS構建起來無人駕駛技術積累的橋梁，是車企切入無人駕駛的漸進式道路；從商業化角度看，ADAS是現階段無人駕駛成果的商業化成品，互聯網巨頭有望通過與車企、零部件廠商合作進行研發。

Autopilot高速迭代 

2016年10月，特斯拉稱其10月后生產的所有車型都配備自動駕駛硬件，相關軟件將在2018年推出；2017年9月，特斯拉正式向迪拜的出租車公司交付50輛配備“全自動駕駛功能”的Model S和Model X。其自動駕駛車型搭載3個前置攝像頭（不同視角，廣角、長焦、中等）、2個側邊攝像頭（一左一右）、3個后置攝像頭、1個后置倒車攝像頭、12個超聲波傳感器（傳感距離增加一倍）和1個前置雷達(增強版)；采用NVIDIA Drive PX2芯片（40x Autopilot 1.0 處理速度）。預計2020年推出L5級別全自動無人駕駛汽車。

寶馬聯合Mobileye及英特爾 

40輛寶馬無人駕駛汽車于2017年下半年開始路測，該車型配備了4個Ibeo低線束激光雷達，4個短距離毫米波雷達和5個攝像頭（包含單目和雙目，車前擋風玻璃上方裝有3個，車后擋風玻璃裝有2個）；采用的芯片來自英特爾和英偉達。預計將在2021年前開發一款完全滿足SAE L3、兼容SAE L4的無人駕駛汽車iNext；最早將于2030年為汽車配備5級自動駕駛功能。

長安 穩步推進無人駕駛轎車產業化

2016年4月，長安實現高速路段的無人駕駛測試，采用的車型是基于睿騁、CS75等量產車型改造的自動駕駛測試車，采用以雷達為主的傳感器方案，搭載5個毫米波雷達、1個激光雷達、1個前置攝像頭。長安計劃于2018年完成第二階段半自動駕駛技術開發及產業化；計劃2020年實現第三階段高度自動駕駛技術的應用，完成樣車測試工作和示范運行；2025年爭突破第四階段無人駕駛關鍵技術，實現產業化應用。在自動駕駛領域，長安已逐步與博世、德爾福、英特爾、蔚來、百度等公司達成戰略合作。

無人駕駛發展預測

無人駕駛市場規模預測

美國汽車工程學會SAE將自動駕駛分為0到5級（美國高速公路管理局NHTSA將自動駕駛分為0到4級），0級為完全人工駕駛，5級為徹底的無人駕駛，中間的級別為不同程度的自動駕駛或輔助駕駛。目前L1和L2技術已相對成熟，L3技術即將量產（特斯拉、奧迪均聲稱已經達到3級自動駕駛），徹底的L5無人駕駛可能還需要至少十年才能達到產業化階段。全球自動駕駛滲透率將快速提升：2020年，L1、L2級自動駕駛滲透率將達到40%；2025年，20%以上量產汽車有望實現不同級別的智能駕駛；至2040年，所有新車都將配備自動駕駛功能，其中L4、L5級自動駕駛滲透率將達50%。對應市場規模或超千億美元。

無人駕駛乘用車滲透率仍較低，同時處于低層次的無人駕駛乘用車比例較高。根據中 國汽車工業協會的數據統計顯示，2015年中國乘用車銷量達2114.6萬臺，這一數字在2020 年或將達到 2773.3 萬。根據易觀分析的數據，截至 2015 年，中國無人駕駛乘用車滲透率 已經達到了 15%，市場規模已經達到了 353 億元。預計到 2019 年，中國無人駕駛乘用車 滲透率將超過 50%，且等級 3-等級 4 水平的智能

無人駕駛行業面臨問題

當前影響無人駕駛落地、市場爆發的原因主要涉及軟、硬件技術、核心基礎設施以及政策法規等方面的不完善。

1.軟件方面，開發出滿足 SAE Level 4 及以上級別的軟件是決定近十年里完全自動駕駛汽車能否真正實現的主要因素。軟件方面一個關鍵的問題是無人駕駛汽車如何與道路上其他無人駕駛汽車以及人類駕駛員的進行協商駕駛，同時GPS傳感器的錯誤率是否能滿足車輛高精度定位的問題亦亟待解決。具體來說，軟件發展需要面臨探測理解、“訓練”、故障安全機制和“黑箱”問題等四類問題。

2.硬件方面，首先多傳感器融合的過程會異常艱難。多傳感器融合已成為業內公認的可以滿足ADAS應用高性能需求的方案，具體的融合方案已呈現趨同，但是完成 融合系統架構的需要大量人力財力投入、計算機視覺為主的系統在L3向L4跨越的過程中產生的龐大難以處理的數據量，以及進一步會產生的融合算法問題等等都表明傳感器融合會是一個長期過程。其次，核心基礎設施尚不能滿足無人駕駛發展趨勢的需要，升級需求迫切。從車道分割線到傳感器和通訊模塊等等均需要升級，以便于無人駕駛汽車可以獲取足夠多關于所處環境的信息以便進行預判、制定決策以及作出反應。此外，還需要實現智能交通生態的突破性進展。全球各國各地的交通環境會受到包括自然環境，政府的城市規劃、政策，以及道德、民族文化等多方面因素的影響，故無人駕駛系統還需要與交通環境適配。

3.法律體系完善的滯后性也在無形中增加了無人駕駛落地的困難。人工智能等技術的引入對現存法律法規體系提出了巨大的挑戰：一方面問責機制尚未明確，“電車問 題”這類道德倫理判斷 AI 算法無法決定，因而需要厘清事故發生后系統開發商、制造商、使用者之間的權利和義務；另一方面，深度學習“黑箱子”熟悉導致算法過程的不透明和不可解釋性，會增加使用者的疑慮，因此需要建立獨立完善統一的無人駕駛產業鏈監督機構，而目前尚無相關完整的監督體系。除此之外，因為無人駕駛涉及信息的互聯互通，因而會產生大量隱私性數據，故立法體系需要完善對掌握這些數據的公司在保護用戶隱私權、合法合理使用用戶數據方面的要求。

無人駕駛未來市場發展潛力巨大

在數據大爆炸時代，利用科技來改變人類生活方式將成為技術新風口，尤其是在無人駕駛汽車領域，無人駕駛汽車領域在未來30年將會逐漸融入到人們的日常生活中，改變人類傳統出行方式及行為習慣，并走向市場化、規模化。

衍生行業將大規模擴張

百度、谷歌等互聯網巨頭都集中投資于無人駕駛汽車行業，建立專業團隊研發領先技術，并以自身強大的地圖導航系統及大規模用戶的優勢，改變人類傳統出行概念及方式，同時更會帶動車載雷達、攝像頭等行業市場規模的擴大。

數據智能化拯救道德選擇困境

雖然目前特斯拉等無人駕駛汽車還存在安全風險以及道德選擇方面的不完善，但這不會妨礙以技術來改善人類生活品質的腳步，無人駕駛汽車在為社會帶來多重便利的同時，也將利用數據完善系統選擇，真正建立起智慧出行社會。