【智慧駕駛】無人駕駛推進時間表及五大技術領域關鍵節點

來源：莫尼塔財新智庫

摘要：本文援引莫尼塔財新智庫的一篇研究，系統梳理了無人駕駛各關鍵技術節點以及其成熟時間。”

“汽車技術發展到如今，幾乎沒有人質疑無人駕駛會成為汽車行業變革的巨大浪潮，然而對於各項技術落地的時間點，各大車企、網際網路公司、研究機構、通訊公司、科技巨頭等眾說紛紜，本文援引莫尼塔財新智庫的一篇研究，系統梳理了無人駕駛各關鍵技術節點以及其成熟時間。”

Key point

1）汽車電子沿著兩橫三縱的技術架構，逐步實現成熟的智慧化和網聯化：2016年-2018年主要是三大感測器的融合使用；2017年-2019年主要是高精度地圖的成熟；2019年-2022年是車載通訊模組、網際網路終端、通訊服務的成熟；2022年-2025年主要是決策晶片和演算法的成熟。

2）2016-2018—三大感測器融合：國內毫米波雷達已經開始出貨；車載視覺系統硬體已經達到消費級水平，進入軟體成熟期；鐳射雷達成本不斷下降，加速ADAS和無人駕駛的普及程式。

3）2017-2019—高精度地圖的成熟：傳統地圖無法滿足自動駕駛的要求，高精度地圖是L3、L4級別最為關鍵的技術；當前高精度地圖參與者主要有圖商、自動智慧駕駛科技公司、ADAS方案提供商、傳統車企四類，其優劣勢各不相同，硬體軟體逐步融合。

4）2019-2022—車載通訊模組的成熟：LTE-V在延時、頻譜頻寬、可靠性、組網成本、演進路線等方面都具有優勢，未來的發展趨勢大概率是使用LTE-V標準；目前佈局的主要是半導體廠商和汽車廠商，但國內很多公司都進入了產業鏈，大唐電信也釋出了全球第一臺LTE-V車聯網裝置，有望在車載通訊模組爆發之際獲得高速成長。

5）2022-2025—演算法和決策晶片的成熟：各大廠商都在用不同的晶片設計支援不同的演算法，Google自己已經開發了TPU，用於CNN加速，地平線也在開發BPU，Intel收購Mobileye打造晶片演算法一體化，未來或是FPGA支援下的深度學習演算法來實現自動駕駛。

1. 汽車電子發展時間表

1.1 汽車電子沿著兩橫三縱技術架構走向成熟

智慧網聯汽車是搭載先進的車載感測器、控制器、執行器等裝置，融合現代通訊與網路技術，實現車與X（人、車、路、後臺等）智慧資訊交換共享，具備複雜的環境感知、智慧決策、協同控制和執行等功能，可實現安全、舒適、節能、高效行駛，並最終可替代人來操作的新一代汽車。按照技術應用和應用場景，組成了兩橫三縱的技術架構。

1.2 汽車電子時間發展表—智慧化與網聯化協同發展

汽車電子的發展有兩個維度，智慧化和網聯化，沿著兩橫三縱的技術架構，逐步實現成熟的智慧化和網聯化。

2016年-2018年主要是三大感測器的融合使用，感測器和視覺解決方案的融合促進實現自適應巡航、自動緊急制動等部分自動駕駛（PA）功能，以及輔助網聯資訊互動；2017年-2019年主要是高精度地圖的成熟，實時路況的更新和更豐富的路況資訊加速實現車道內自動駕駛、全自動泊車等有條件自動駕駛功能，以及部分網聯資訊協同感知；

2019年-2022年是車載通訊模組、網際網路終端、通訊服務的成熟，5G網路建設的部署完成和商業化，V2X資訊互動低延遲要求共同推動網聯化的加速，實現更復雜路況（近郊）的全自動駕駛；2022年-2025年主要是決策晶片和演算法的成熟，隨著人工智慧嵌入式落地智慧終端，FGPA通用架構向ASIC專用架構的轉變，演算法和晶片設計的協同發展，實現全區域的無人駕駛等高階（HA）/完全自動駕駛（FA）功能和網聯協同決策控制的功能。

1.3 各國陸續出臺政策推動ADAS的普及

歐盟委員會考慮2017年將19項安全技術納入新車的標準配置，並將強制執行，自動緊急制動和車道偏離警告成為標配；國內2017年速度輔助系統、自動緊急制動、車道偏離預警/車道偏離輔助的加分要求已設定為系統裝機量達到100%。各國政策陸續出臺，要求汽車逐步配備汽車電子相關組建，成為汽車電子發展最大的推動力。

1.4 國外谷歌和特斯拉兩種發展路徑加速發展

加州車管局（DMV）公開了自動駕駛專案的脫離測試資料，基本衡量了目前主要自動駕駛專案在加州境內在不同天氣環境，不同的路段進行測試的進展，谷歌的效能明顯優於其他廠商。

谷歌和特斯拉在無人駕駛領域採取了兩種不同的有代表性的發展路徑，谷歌利用地圖和深度學習實時建模來實現自動駕駛；特斯拉依賴於傳統的感測器的融合實現資料蒐集識別、處理分析、完成自動駕駛功能。

從自動駕駛精度來看，谷歌的沒有明確的資料，但其軟體層面的可以檢測和理解手勢之類的訊號並作出反應；mobileye的FCW（前向碰撞預警）的演算法識別精度達到99.99%；特斯拉的演算法處理水平很高，賓士的路測車有著位元斯拉多一倍的感測器，但是精度遠不及特斯拉。

谷歌的自動駕駛技術發展可以分為兩段，以waymo成為獨立事業部為轉折點：第一階段，主要突出軟體領域和技術突破，採用自有的高精度地圖和Velodyne提供的64線鐳射雷達方案，配備谷歌chauffeur軟體系統，最為突出的是展示的無人駕駛原型車中直接拋棄了傳統車的剎車、方向盤、油門等裝置，僅用一個啟動鍵實現無人駕駛，而硬體製造原型車都是來源傳統車企，如2014年展示的谷歌第二代車型就是從白色雷克薩斯RX 450H混合動力SUV改造而來。

2016年11月，waymo成為獨立事業部後，開始採用硬體和軟體並行的方案，採用自己研發的鐳射雷達，傳統感測器和8個視覺模組相互融合，展示的無人車使用了三個不同探測距離的鐳射雷達，自主技術研發將鐳射雷達成本降低九成。未來技術商業化首先落地在貨運（有個固定場景的低速共享市場）和共享車服務的應用。

2016年11月，特斯拉Autopilot2.0 釋出，該系統將包含8個攝像頭，覆蓋360度可視範圍，對周圍環境的監控距離最遠可達 250 米；車輛配備的12 個超聲波感測器完善了視覺系統，探測和感測硬、軟物體的距離接近上一代系統的兩倍。增強版前置雷達通過冗餘波長提供周圍更豐富的資料，雷達波可以穿越大雨、霧、灰塵，甚至前方車輛。另外，Autopilot2.0使用的處理晶片NVIDIA Drive PX 2的處理效能為原來Mobileye Q3的40倍。

1.5 國內科技公司和傳統車企合作打造自動駕駛，精度提升速度快

通過863計劃實施和國家自然科學基金委專案支援，清華大學、國防科技大學、北京理工大學等部分高校、院士團隊、汽車企業在環境感知、人的行為認知及決策、基於車載和基於車路通訊的駕駛輔助系統的研究開發取得了積極進展，並開發出無人駕駛汽車演示樣車。清華大學等高校聯合企業開發的自適應巡航控制系統、行駛車道偏離預警系統、行駛前向預警系統等具有先進駕駛輔助系統（ADAS）功能樣機，正在逐步進入產業化階段。

2. 2016-2018—三大感測器融合

2.1 毫米波雷達國內開始出貨

毫米波雷達的主流方向是24GHz和77GHz，24GHz主要應用於汽車後方，77GHz主要應用於前方和側向。未來毫米波雷達會逐漸向77GHz頻段（76-81GHz）統一，其中76-77GHz主要用於長距離毫米波雷達，77-81GHz主要用於中短距離毫米波雷達（已有歐盟、CEPT成員國、新加坡、美國FCC委員會、加拿大工業部等進行相關規劃）。

隨著配備從高階車型向中低端車型下沉的趨勢，目前毫米波雷達已經逐漸普及，一般配備情況是“1長+6短”（如賓士S級）、“1長+4短”（如奧迪A4）、“1長+2短”（如別克威朗）。

前端單片微波積體電路MMIC和雷達天線高頻PCB板是其核心組成部分

MMIC由國外公司掌控，特別是77GHz的MMIC，只掌握在英飛凌、ST、飛思卡爾等極少數國外晶片廠商手中，國內處於初始研發階段，主要在24GHz雷達方面，華域汽車、杭州智波、蕪湖森思泰克等企業在已有部分積累。

雷達天線高頻PCB板技術也掌握在國外廠商手中，Schweizer佔據全球30%市場份額，在77GHz方面優勢明顯，PCB使用的層壓板材則主要由Rogers、Isola等公司提供。國內高頻PCB板廠商暫無技術儲備，根據圖紙代加工，元器件仍需國外進口，滬電股份已就24GHz和77GHz高頻雷達用PCB產品與Schweizer開展合作。

目前中國市場中高階汽車裝配的毫米波雷達感測器全部依賴進口，華域汽車已經能生產24GHz毫米波雷達，主要完成BSD盲點偵測、LCA車道切換輔助等功能，解決產品形態的匯入。國內第二階段的研發將同樣針對24GHz產品，目標是降低成本，預計產品2017年底出現。

2.2 車載視覺系統硬體成熟，軟體逐步升級

車載視覺系統包括車載影像感光晶片、專用影像處理ISP晶片、車載光學鏡頭、車載視覺系統。

藉由鏡頭採集影像後，由攝像頭內的感光元件電路及控制元件對影像進行處理並轉化為電腦能處理的數字訊號，從而實現感知車輛周邊的路況情況、前向碰撞預警、道偏移報警和行人檢測等功能。

硬體方面，車載攝像頭主要由CMOS鏡頭（包括lens和光感晶片等），晶片，其他物料（記憶體，sim卡，外殼）組成。

軟體方面，以mobileye為例，主要體現在晶片的升級和處理平臺的升級，工作頻率從122Mhz提升到332Mhz，訪問方式的改變使速率提升一倍，影像由640*480彩色畫素提升為2048*2048（Input）和4096*2048（output）等。

從市場競爭格局來看，除了極少數廠商具備垂直一體化的能力，絕大部分廠商都將業務集中於產業中的某個或者某幾個環節。光學鏡片主要是臺灣的廠商在主導，大陸廠商在紅外截止濾光片上有一定優勢，影像感測器主要是歐美和韓國廠商為主，模組環節大陸、韓國、臺灣、日本廠商份額居前，國內廠商成長迅速。

目前汽車零部件提供商巨頭的攝像頭感測器都已與整車廠合作量產，同時加大研發投入，注重晶片和演算法的提升。國內未來攝像頭的發展主要體現在專用影像處理晶片與複雜影像處理技術突破，基本實現自主研製，最終實現車載視覺與其他感知系統融合產品的大規模應用。

2.3 鐳射雷達成本逐步下降

鐳射雷達是一種集鐳射、全球定位系統與慣性導航系統三大技術於一身的綜合光探測與測量系統，其工作原理是通過透鏡、鐳射發射及接收裝置，基於鐳射飛行時間（TOF：time of fly）原理獲得目標物體位置、移動速度等特徵資料，並且獲得的資料本身就是三維資料，不需要通過大量運算和處理才生成目標三維影像，鐳射測距有非常高的精度。所以，鐳射三維成像雷達是目前能獲取大範圍三維場景影像效率最高的感測器，也是目前能獲取三維場景精度最高的感測器。

鐳射雷達元件主要包括鐳射器，感測器（收發器），光學鏡片，如上圖所示這套發射/接收元件和旋轉鏡面結合在一起，鏡面不只反射二極體發出去的光，而且也能把反射回來的光再反射給接收器。通過旋轉鏡面，能夠實現360度的視角。

根據鐳射雷達線目的不同，主要分為2D、2.5D（1,4,8線）和3D（16,32,64線）兩類。前者主要探測目標位置和輪廓，後者可以形成環境性視覺感知

國內公司在多線鐳射雷達上較國外高水平企業還有較大差距。國內的鐳射雷達產品多用於服務機器人、地形測繪、建築測量等領域，但是國內企業尚未研製出可用於ADAS及無人駕駛系統的3D鐳射雷達產品，主要還是處在探索研發階段。

《中國製造2025》重點技術路線圖顯示，國內將逐步實現測距鐳射雷達相關硬體的自主研製，突破釐米級實時測距關鍵技術、樣機生產與測試，實現低成本、小型化。到2025年左右，實現多線鐳射雷達軟硬體技術自主化，掌握與其他車載感測器融合關鍵技術，實現大規模車載應用，支撐HA級整車產品需求。

3. 2017-2020—高精度地圖的成熟

高精度地圖在L3、L4級別的自動駕駛階段屬於最為關鍵技術，高精度地圖的成熟可以減少汽車對雷達等感知裝置的依賴程度，在降低成本的同時提升自動駕駛技術的可靠性，同時也是V2X與自動駕駛技術融合的載體，統一的標準有助於技術的應用和發展。

3.1 傳統地圖無法滿足自動駕駛，高精度地圖是L3、L4級別最為關鍵技術

相比於傳統地圖，高精度一方面絕對座標精度更高，如HERE指出其下一代繪圖應用將精確到釐米級；另一方面所含有的道路交通訊息元素更豐富和細緻。

具體而言，高精度地圖分為三個圖層：活動層、動態層、分析層：

1） 活動層與傳統地圖相比增加了高精度道路級別的資料（道路形狀、坡度、曲率、鋪設、方向等）、車道屬性相關資料（車道線型別、車道寬度等），及高架物體、防護欄、樹、道路邊緣型別、路邊地標等大量目標資料；

2） 動態層將實時更新來自其他車輛感測器、道路感測器等檢測到的交通資料，實時更新和補充，進入網聯化第二階段—協同感知；

3） 分析層通過實時大資料分析人類駕駛記錄幫助訓練無人駕駛車，進入網聯化第三階段—協同決策和控制。

目前ADAS地圖具備了活動層資訊， 精度為1-5m 。如寶馬ASR(Adaptive Speed Recommendation)在減速的區域，會提前50-300米提醒使用者減速，提前具體會依據目前車速、汽車剎車速度及司機反映時間調整；在轉彎的路段，會考慮路寬、車道數目、整個路況等，計算合理的汽車速度。

目前高精度地圖主要是ADAS級，實現L2/L3級自動駕駛，未來隨著5G帶來的車聯網的資料處理便利和計算機視覺、3D建模技術的成熟，基於深度學習的環境感知技術以及端閉環實時更新雲技術的發展，高精度地圖會逐步向HAD級發展，我們預期2018年5G標準確立和人工智慧爆發進入成熟期，高精度地圖會逐漸成熟，成為支撐智慧駕駛網聯化的關鍵技術之一。

高精度地圖的採集和處理有多種的技術方案，一般而言，主流圖商和高科技公司如谷歌、百度採用專業化採集的方式，使用鐳射雷達和攝像頭進行高精度的資料和城區全區域覆蓋的採集，而傳統車企和ADAS方案商會使眾包模式以及UGC實時更新方式來採集資料。

不同的方式在成本和實時更新，資料精度和區域覆蓋上各有優缺點，目前的趨勢必將是圖商和傳統車企、ADAS方案商的戰略合作，科技公司產品的商業化落地，這都會促進採集方式的整合，推動行業的發展。

3.2 高精度地圖產業鏈和主要參與

高精度地圖，除了提供道路資訊，還提供實時路況資訊和3D建模，參與汽車路徑規劃，在ADAS互動與決策中，起著非常重要的作用。

高精度地圖參與者主要有圖商、自動智慧駕駛科技公司、ADAS方案提供商、傳統車企四類，採用的方式和方案優劣勢各不相同，圖商有著先天優勢的基因：繪圖基礎深厚，地圖精度和覆蓋率有保障，技術積累足。傳統車企和ADAS方案商採用眾包方案，資料量大且實時更新。

3.3 國外發展趨勢：硬體和軟體的融合

圖商佈局

以海外圖商代表公司HERE為例，HERE核心業務為通過其豐富的地圖資料和核心的位置平臺為汽車、消費者和企業客戶提供位置服務和解決方案，其地圖資料覆蓋約200個國家，超過4,600萬公里。

通過不斷的和傳統車企，科技公司以及資料資訊流入口（感測器廠商）展開合作，產業鏈生態佈局也向上滲透到資料輸入端的感測器和演算法晶片等領域，目標成為無人駕駛技術方案提供商。HERE的戰略佈局正是汽車電子自動駕駛領域的一個趨勢：硬體和軟體的融合。

其他公司佈局情況

除了圖商外，其他參與者近些年來佈局頻繁。從資料採集方式來看，谷歌和蘋果的特點是：更易直接實時更新、覆蓋面更廣，更精準。但無人駕駛領域需要龐大的輸入資料，使得特斯拉（OTA空中更新）和uber(otter和沃爾沃貨車運營)在無人駕駛測試和高精度地圖上有著更易延伸和擴充的優勢。

資料收集只是高精度地圖作為基礎支撐技術的一部分，對車輛周邊環境的資料計算和處理時，谷歌一直走在高精度地圖的實時建模和演算法優化最前沿，其基於城市規劃和路徑優化規劃的演算法方案使谷歌在地圖技術提供上依然具有較大的優勢。

3.4 高精度地圖的成熟

按照《中國製造2025》技術發展路線圖來看，在2020之前提供適用於PA級智慧網聯汽車的高精度地圖，且地圖精度達亞米級；在2025年左右提供適用於CA級智慧網聯汽車地圖，範圍覆蓋全國主要高速公路；在2030年左右，實現高精度地圖生產自動化及標準化，滿足無人駕駛需求，範圍覆蓋全國主要道路。

隨著人工智慧深化和5G 2018年標準鎖定，高精度地圖在智慧化和網聯化自動駕駛領域的應用會越來越成熟。

人工智慧賽博物理作業系統

AI-CPS OS

“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧）分支用來的今天，企業領導者必須瞭解如何將“技術”全面滲入整個公司、產品等“商業”場景中，利用AI-CPS OS形成數字化+智慧化力量，實現行業的重新佈局、企業的重新構建和自我的煥然新生。

AI-CPS OS的真正價值並不來自構成技術或功能，而是要以一種傳遞獨特競爭優勢的方式將自動化+資訊化、智造+產品+服務和資料+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有顛覆現狀的意願，這些將不可能實現。

領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。面對新一代技術+商業作業系統AI-CPS OS顛覆性的數字化+智慧化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：

1. 重新行業佈局：你的世界觀要怎樣改變才算足夠？你必須對行業典範進行怎樣的反思？

2. 重新構建企業：你的企業需要做出什麼樣的變化？你準備如何重新定義你的公司？

3. 重新打造自己：你需要成為怎樣的人？要重塑自己並在數字化+智慧化時代保有領先地位，你必須如何去做？

AI-CPS OS是數字化智慧化創新平臺，設計思路是將大資料、物聯網、區塊鏈和人工智慧等無縫整合在雲端，可以幫助企業將創新成果融入自身業務體系，實現各個前沿技術在雲端的優勢協同。AI-CPS OS形成的數字化+智慧化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置：

1. 精細：這種力量能夠使人在更加真實、細緻的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行產品個性化控制、微觀業務場景事件和結果控制。

2. 智慧：模型隨著時間（資料）的變化而變化，整個系統就具備了智慧（自學習）的能力。

3. 高效：企業需要建立實時或者準實時的資料採集傳輸、模型預測和響應決策能力，這樣智慧就從批量性、階段性的行為變成一個可以實時觸達的行為。

4. 不確定性：數字化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了複合不確定性這種顛覆性力量。主要的不確定性蘊含於三個領域：技術、文化、制度。

5. 邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。

AI-CPS OS形成的數字化+智慧化力量通過三個方式激發經濟增長：

1. 創造虛擬勞動力，承擔需要適應性和敏捷性的複雜任務，即“智慧自動化”，以區別於傳統的自動化解決方案；

2. 對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；

3. 人工智慧的普及，將推動多行業的相關創新，開闢嶄新的經濟增長空間。

給決策制定者和商業領袖的建議：

1. 超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智慧，為企業創造新商機；

2. 迎接新一代資訊科技，迎接人工智慧：無縫整合人類智慧與機器智慧，重新

   評估未來的知識和技能型別；

3. 制定道德規範：切實為人工智慧生態系統制定道德準則，並在智慧機器的開

   發過程中確定更加明晰的標準和最佳實踐；

4. 重視再分配效應：對人工智慧可能帶來的衝擊做好準備，制定戰略幫助面臨

   較高失業風險的人群；

5. 開發數字化+智慧化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想象力和創造力等人類所特有的重要能力。對於中國企業來說，創造兼具包容性和多樣性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《論語·子路》雲端計算、大資料、物聯網、區塊鏈和 人工智慧，像君子一般融合，一起體現科技就是生產力。

如果說上一次哥倫布地理大發現，擴充的是人類的物理空間。那麼這一次地理大發現，擴充的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。雲端計算，大資料、物聯網和區塊鏈，是進入這個數字空間的船，而人工智慧就是那船上的帆，哥倫布之帆！

新一代技術+商業的人工智慧賽博物理作業系統AI-CPS OS作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，並創造新的強大引擎。重構生產、分配、交換、消費等經濟活動各環節，形成從巨集觀到微觀各領域的智慧化新需求，催生新技術、新產品、新產業、新業態、新模式。引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。

產業智慧官  AI-CPS

用“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧），在場景中構建狀態感知-實時分析-自主決策-精準執行-學習提升的認知計算和機器智慧；實現產業轉型升級、DT驅動業務、價值創新創造的產業互聯生態鏈。

長按上方二維碼關注微信公眾號： AI-CPS，更多資訊回覆：

新技術：“雲端計算”、“大資料”、“物聯網”、“區塊鏈”、“人工智慧”；新產業：“智慧製造”、“智慧金融”、“智慧零售”、“智慧駕駛”、“智慧城市”；新模式：“財富空間”、“工業網際網路”、“資料科學家”、“賽博物理系統CPS”、“供應鏈金融”。

官方網站：AI-CPS.NET

本文系“產業智慧官”（公眾號ID：AI-CPS）收集整理，轉載請註明出處！

版權宣告：由產業智慧官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會註明作者和來源。部分文章推送時未能與原作者取得聯絡。若涉及版權問題，煩請原作者聯絡我們，與您共同協商解決。聯絡、投稿郵箱：erp_vip@hotmail.com