2019年智能网联汽车领域将迎来哪些变化

自20世纪中期以来，汽车技术经历了几十年的缓慢发展，在过去的30到40年里，汽车制造的方式也没有发生太大的变化。但这样的情况正在发生根本性变化——尤其是在即将过去的2018年，这种变化非常迅速。

但技术积极导入的背后，消费者是否接受？这将直接影响供需之间的关系。

最近一项面向全球几大国家的调查结果显示，在回应“自动驾驶是一项明智的技术进步”这一说法时，53%的德国人和50%的美国人表示同意，而在中国，则有高达89%的人同意这一进展。

还有一个不可避免地与自动驾驶汽车有关的恐惧问题。在德国，62%的人认为“自动驾驶让我有些害怕”。在美国，77%的人表示有恐惧。而在中国，可能感到会受惊吓的人数只有28%。

至于这项技术将发挥多大的作用，57%的德国人认为“我不相信它会可靠地发挥作用”。在美国，77%的人感到害怕是因为他们认为这种方法行不通。同样，中国人则更加乐观，有40%的人关心可靠的运营。

在美国，公众接触自动驾驶汽车的几率最高，但似乎并没有让事情变得更好，或许像Uber发生的不幸事故这样的事情让人们更加犹豫。

2013年的一项调查显示，66%的美国人同意“自动驾驶有点让我害怕”的说法，比2018年的数字反而低了11个百分点。至于“我不相信它会可靠地发挥作用”，2013年只有50%的人同意这一说法，而最新调查则高达77%。

与此同时，在中国，2013年至2018年间人们对自动驾驶的态度出现了积极的变化。在这五年里，“明智的技术进步”增加了10个百分点；称自己有些害怕的人减少了24个百分点。

自动驾驶在中国可能会比其他国家更早更快大规模普及，至少从调查对比结果来看，应该不会有什么意外。所有，我们也有理由相信，2019年智能网联汽车领域的更多变化，将来自中国市场。

域控制器

从L2级到L3级的演进，也是从传统的ADAS功能向场景化自动驾驶的进化。此外，更多传感器的融合，则更加突出域控制器的作用。

一直以来，多传感器融合是自动驾驶落地的必备条件之一，目前的L1和不变道L2自动驾驶是单个摄像头和雷达之间的融合，是目标层的融合；而可变道L2和L3级自动驾驶需要数据层的融合；到L4/L5阶段，还需要传感器数据和高精度地图数据的融合。

域控制器因为有强大的硬件计算能力与丰富的软件接口支持，使得更多核心功能模块集中于域控制器内，系统功能集成度大大提高，这样对于功能的感知与执行的硬件要求降低。

加之数据交互的接口标准化/网络化，会让这些零部件变成标准零件，从而降低这部分零部件开发/制造成本。简而言之，外围零件只关注本身基本功能，而中央（域）控制器关注系统级功能实现。

在传统的ADAS功能时代，原有的一个功能对应一个ECU的分布式计算架构已经无法适应需求——比如摄像头、毫米波雷达、激光雷达乃至GPS和轮速传感器的数据都要在一个计算中心内进行处理以保证输出结果的对整车自动驾驶最优。

这意味着需要有大量的运算，这时就需要有一个域控制器。同时，从ADAS级开始，传统的分布式车载电子控制单元的使用正在让位于集成的域控制器。

自动驾驶域控制器注重的是灵活可用，满足B端客户需求，因此在具体的实现方案上，会有多种选择。域控制器在业内已经形成共识，无论主机厂还是Tier1，都在发力。在下一代的车型中，或多或少都会加入一部分域控制器的概念。

毫米波雷达

毫米波雷达作为一个传统的感知传感器，在汽车智能驾驶中扮演者越来越多的重要角色。据GGAI研究院预计，到2020年，全球量产新车将会至少有超过20%安装毫米波雷达，服务于汽车安全辅助驾驶的相关功能。

传统的汽车毫米波雷达配置为1+4，1为高频的76-81Ghz的毫米波雷达，用于中远距离的ADAS功能，而4通常为24GHz的毫米波雷达，用于近距离场景。

雷达的价格乘以数量，市场想象空间很大。面对巨大的市场，不仅国外的传统巨头虎视眈眈，国内新兴的雷达供应商也摩拳擦掌，希望能在其中分一杯羹。

近年来，全球在毫米波雷达领域的初创公司都在尝试向高分辨率的成像雷达技术方向拓展。他们希望能够基于毫米波雷达不受天气和光线影响的独特优势，如何最大程度改善传统雷达分辨率低的缺点。

4D（3D空间+速度）成像毫米波雷达，被认为是趋势之一，将分辨率提升至接近激光雷达的水平，既解决对小物体的识别，以及移动、静止物体的跟踪，同时，毫米波雷达的穿透力（超视距能力）是对激光雷达的缺陷弥补。

同时，4D雷达相比传统雷达可以做到垂直方向的探测，并直接实时给出物体的移动速度，而激光雷达则需要间接计算得出。

以目前三种传感器的测距范围来看，毫米波雷达仍然具备优势，这也使得在多传感器融合的状况下，其成为最早发现前方障碍物的传感器。

此外，现有的24GHz，77GHz毫米波雷达仍然存在不少缺陷，比如必须在较窄的视场角提供中远距的中低分辨率，或者宽视场角的低分辨率之间选择。这也使得下一代雷达的突破已经成为刚需。

虚拟仿真

传统汽车要走向自动驾驶，除了各家技术方案公司的努力，包括但不限于OEM、自动驾驶公司，还需要对实验结果进行不断测验，进行对称调试优化。

路测无疑是最直接的方式，但由于汽车的重量以及速度，在实际场景中测试有重大的安全隐患，尤其是在技术尚未成熟之前。可是没有实际的路测，技术的更新升级似乎难度又很大。

尤其是今年上半年，UBER的自动驾驶车在美国亚利桑那州坦佩市的全球首例由自动驾驶汽车酿成的死亡事故发生之后，对于自动驾驶测试是否应该在技术未成熟之前上路测试引发了业界的反思与讨论。

在不少业内人士看来，模拟测试是提高目前自动驾驶技术开发速度的关键工具，也是验证产品和证明其安全的必要工具。按照行业普遍观点，车企需要100亿英里的试驾数据来优化其自动驾驶系统，若要达到该测试里程数，按照目前的实际路测能力计算，恐怕还需要耗费数年才行。

根据Waymo最新发布的数据，在过去几年公司完成了25个城市，不同时间、不同气候、不同道路的1000万英里实际道路测试；而目前公司每天虚拟测试里程就可以达到1000万英里。按照计划，到10月底，Waymo的虚拟测试里程已经突破70亿英里。

仿真环境有助于解决在现实中很少出现的极端情况。一些在实际路况中极少出现的情境，可在仿真环境中不同视角重复出现。

更为关键的是，随着验证越来越多的驾驶员辅助系统和自动驾驶功能的需求日益增长，可能的场景数量每天都在增加。

对于自动驾驶来说，仿真测试将是技术验证、支撑系统培训、测试和验证的基础技术，尤其是基于深度机器学习的系统来说，它是“必须的”，有利于在技术部署之前带来一些急需的验证和信心。

芯片大战

据相关统计数据显示，芯片在每辆汽车中的价值从2000年的250美元飙升至去年的350美元。近三年全球车用芯片市场正以超过年复合增长率30%的速度增长，2017年市场规模接近350亿美元，汽车市场被认为是半导体芯片市场中成长最快的应用领域。

视觉处理芯片是自动驾驶芯片阵列中重要的一环，由于可以同雷达等传感器形成互补，基于深度学习的视觉识别处理，在道路、交通标志、障碍物、行人等识别中重要性愈发凸显。

因此各大厂商也都在争相占领高地，NVIDIA和Mobileye目前是市场翘楚，占据了较大的份额，二者在汽车芯片领域，都是新生。其它传统汽车芯片厂商，正在迎头赶上。

赛灵思在加大投入，开始重视汽车市场，安霸借着原有汽车市场的一些经验，也在意图更多CV市场份额。高通则在座舱及5G、V2X芯片领域占据优势。传统的NXP、瑞萨、TI等在价格、功耗、量产经验上，都占优势。

自动驾驶视觉处理芯片的赛跑，才刚刚开始，领头羊、传统势力、新入局者各自的节奏都不一样的，但市场一致——我们目力所及的汽车，ADAS还远未普及。谁能掌握真正的话语权，在于占领足够大的市场，而这些故事，将会在接下来的5-10年完成。

同时，与其他市场应用相比，汽车对芯片的要求更为严格。目前，半导体行业对扩大芯片产能仍持谨慎态度，预计未来两年分配给汽车行业的产能不会有较大幅度增长，因此可能出现供不应求的局面。

与此同时，汽车客户希望能够确定芯片的潜在故障率。这就需要代工厂使用更多的检查、测试和模拟，所有这些都需要时间并增加工艺的成本。

诸如人工智能、机器学习和自动驾驶这样的未来趋势将在芯片制造领域产生新的赢家和输家。“现在才刚刚开始上半场的比赛，那些大玩家可能会变得更大。”一位业内人士表示。

5G+V2X

在传统的2/3/4G时代，车联网的概念就已经存在，但经过了十年，应用最广泛的，还是客车、货车被强制安装的行车记录仪，车机等设备，在乘用车领域联网设备的安装率较低，但二者都有一个共同点：几乎无存在感。

5G时代的到来，依靠的是更密集基站的部署，任大凯表示，5G基站的密度，将会是4G基站的2.5倍，4G基站现在约有200多万个，因此未来5G基站的数量，将会达到约700万个。

完整部署后的5G基站网，通讯速率可达GB/S级，时延可保持在10ms以下，为无人驾驶、V2X的应用提供了技术保障。

彼时，无人驾驶的端智能还受制于感知、传感器、算力、深度学习等因素的限制，无法具备足够的上路能力，但5G可以通过V2X，弱化对车辆端智能的要求，就能使得汽车拥有超视距的感知，信息获取能力。

5G让单车从环境感知进入了共享模式，从信息论的角度，信息量的多项式模式增长可以让信息不准确度呈指数级下降，由此，基于5G的环境感知共享模式将会大大提高环境感知的准确度，为智能驾驶分析决策提供最高质量的参考数据，给智能驾驶提供最高的稳定性分析。

车辆编队控制在近年来已经成为广受关注的一个问题，尤其在客运、货运和港口物流等场景中，编队模式下两辆车或多辆车同向行驶，前车作为领航车，有人驾驶，后车为完全无人驾驶。5G在该应用场景中，5毫秒以内的端到端低时延以及99.999%的可靠性，是安全高效车辆编队行驶的关键。

对于远程驾驶，驾驶员必须直接根据传回的多路高清视频进行驾驶操作，对方向盘、刹车和油门的每一个动作都要在10毫秒之内完成操作，才能保证远程驾驶车辆平稳安全高效的行驶。能支持高清视频的及时传入、控制信号及时传出的通讯网络，唯有5G网络的大带宽、低时延才能满足。

从各个芯片厂商的计划可以看出，大家都瞄准了5G在2019年的商用，与运营商的计划几乎神同步。供应商和运营商谁先谁后现在还不确定，但相应的产品和服务，肯定只能在2020年后才能见到。