第一节 智能网联汽车发展路线

智能网联汽车的发展将为汽车、通信、电子、互联网等技术密集型行业孕育新的发展动力，也将成为解决环境、能源、拥堵、安全等社会问题的关键手段。作为汽车产品的终极形态，智能网联汽车已成为世界各国争相抢占的发展战略制高点。汽车产业格局下的创新链、价值链、生态链的重构与变革已成为不可逆的趋势。

作为全球最大的汽车市场，中国在信息技术、产业基础、市场空间、机制建设上具有深厚的基础积累与战略优势。但同时基于中国消费者的文化差异、消费习惯的不同，消费者用车行为、娱乐、社交等方面都具有自身特色。另外，智能网联汽车产业的高精度地图、互联通信、大数据等技术涉及国家安全领域，受到政府的高度重视与严格监控，从事对应行业的企业需由国家授权。作为未来汽车的最终形态，智能网联汽车的巨大潜力吸引了众多企业涌入，原有的传统汽车企业快速转型、新兴企业不断涌现，各方都在积极争取优质资源及消费群体，整体市场变化快、竞争激烈。上述中国汽车市场的特殊性，必定导致中国要走一条与全球其他国家不同的，具有中国特色的智能网联汽车发展道路。

智能化和网联化的发展需要多个领域的渗透融合，且二者不能相互脱离独自发展，未来智能网联汽车必将呈现以智能化和网联化交替式主导融合的发展趋势。从市场层面看，根据中国汽车市场的特殊性，智能网联汽车必须依托政府强制力管控，且智能网联汽车的技术难度大、资金密集，产业内存在两种发展模式，以高精度地图、计算机视觉、软件算法等占领技术最高点的技术导向型和转型运营服务积极布局高价值产出的生态导向型，结合中国市场多元出行方式的需求，未来中国汽车市场将率先实现生态领先。因此在政府和生态的双轮驱动模式下，智能化和网联化将实现总体上升，协同发展，如图2-1所示。

图2-1 智能网联汽车总体发展态势

智能网联汽车的智能化等级和网联化等级是边界模糊的层级，其中发展始终以汽车智能化为目的，网联化为手段。在发展初期，汽车智能化发挥先导优势，引领整体行业发展，网联化的需求不明显，汽车达到DA级别水平；在PA级别阶段，随着智能化达到一定水平，实现进一步智能化的数据需求量增加，汽车智能控制对信息的传输效率、传输频率要求逐渐提高，网联化的需求增加并超越智能化；网联化是实现汽车智能化的基本技术手段，在CA级别阶段，汽车进一步智能化需融合场景，网联化技术如5G、高精度地图、云平台等技术迫切需要突破，需要更大体量的数据以及更高的效率实现车联网V2X（车对外界的信息交换），保证汽车智能行驶的安全性；在HA级别阶段，以网联化技术作为基础支撑，单车逐步实现高度智能化，系统可以完成所有的驾驶操作；FA级别阶段，汽车实现高度智能化、高度网联化，此时技术的瓶颈不再是行业最为关注的问题，用户的更多需求需要被挖掘，生态链构建成为行业重点。

一 智能化发展路线

智能网联汽车的智能化技术是基于车辆搭载先进的传感器、控制器、执行器、软件算法，使汽车可以自主通过感知系统与信息终端系统实现车—车、车—人、车—环境的信息交互，从而自动完成车辆的识别、感知、决策以及控制，最终代替驾驶员操作实现无人驾驶。SAE的自动驾驶等级并没有清晰明确的界限，因此考虑其各个阶段的主要功能，智能化等级的发展可以划分为三个主要阶段，DA+PA级、CA级和HA+FA级。其发展进程中的关键问题如图2-2所示。

图2-2 智能化发展进程及关键问题

1.DA+PA级关键问题

驾驶辅助和部分自动驾驶阶段以自主环境感知、识别为主，提供基础的网联化信息引导，实现单车的智能驾驶辅助功能，包含预警类和执行类两类驾驶辅助功能。预警类驾驶辅助功能有车道偏离预警（LDW）、盲区检测（BSD）、夜视（NV）、行人碰撞预警（PCW）、前方碰撞预警（FCW）、疲劳检测（DDD）、全景泊车（SVC）、交通标志识别（TSR）、交通信号灯识别（TLR）、后排平交路口交通警报（CTA）等；执行类驾驶辅助功能有自动紧急制动（AEB）、自动泊车（AP）、自适应巡航（ACC）、车道保持辅助（LKA）、车道变换辅助（LCA）、智能远光控制（IHC）、行人保护（PP）。

基于中国市场车辆的保有量及需求量，DA和PA级阶段不可能从根本上改变车辆的控制运行模式，只能依托现有车辆构造及交通模式进行车辆的改装，使车辆能够在不违反现有交通规则的前提下辅助驾驶员进行车辆控制。这一阶段所面临的路况并不复杂，要实现车辆对道路的高识别性、高可靠性、实时的信息交互需要解决的两个共性技术问题，包括单传感器简单环境识别技术精确性问题和车辆底层控制改装实现可靠性问题。目前主流的环境识别技术主要依靠车载毫米波雷达、车载超声波雷达、车载激光雷达、摄像头几种传感器。这些传感器通过探测车辆周围的目标物，对交通设备（红绿灯、车道线、桥梁、路灯、隧道、交叉路口等）及交通参与者（其他车辆、行人）的距离、形状、大小、动静状态、速度等道路环境信息进行采集，将采集到的信息传输到汽车控制系统，对车载传感器采集到的数据进行处理分析，并融合定制化的辅助驾驶策略相关算法依据周围环境做出进一步的控制动作。面对各种突发状况，车辆的控制动作需保证车辆的位置、姿态、速度、加速度等重要参数符合最新决策结果。不同传感器适应不同传输距离、不同穿透性、不同天气等。从识别范围来说，要实现自动驾驶，一辆网联车需要搭载数十个传感器设备，受限于传感器的视觉和高度，车载传感器也无法覆盖所有的盲区，这也是当前智能网联汽车在环境识别方面的主要难点。DA级和PA级发展的初期主要针对的是高速公路或封闭道路这种简单工况的道路，而对于乡村道路等非结构化的道路需要更强大的感知能力及识别算法，为保证驾驶员的人身安全，简单环境的覆盖识别率至少需达到95%。从准确率来考虑，将驾驶职责交予人工智能，需要极大的信任感，即使自动驾驶可以极大地减少整个交通事故的发生率，但任何由自动驾驶系统主导所发生的事故都会被放大，触动人们的安全防线，因此环境识别需达到100%的准确率。

如果识别和算法是自动驾驶汽车的眼睛和大脑，那么底层硬件系统就是智能汽车的四肢。现阶段非自动驾驶车辆的体量和需求是主力，自动驾驶汽车的构造在短时间内难以摆脱传统汽车的模式。大多数企业用于自动驾驶技术研发的是改装车辆，要想实现自动驾驶车辆平稳行驶甚至量产化，必须对车辆的执行机构进行电子化的改造，将其升级为具有外部控制协议接口的线控执行部件系统，最终改变车辆的动力学模型，其中涉及控制档位、节气门、制动器、加速踏板、前悬架系统、方向盘、前轮转角传感器、转向助力等结构部件。在这方面我国相关技术积累薄弱，且自动驾驶的控制执行部分主要被国外如博世的Ibooster、大陆的MK C1等一级供应商所垄断，这些一级供应商技术研发经验积累雄厚，拥有自成体系的全套底盘控制系统，且大多不对外开放，大大限制了车辆改装技术的发展。因此，自动驾驶技术研发方面，应要求供应商接口透明，或加大线控制动技术的研发力度，或者在研发初期选择使用新能源汽车改造，绕开传统的发动机和变速箱等壁垒技术。但从长远来看，国内品牌需尽快开发出可规模化量产的整套底层平台，打破国外企业的垄断。

从社会层面考虑，中国汽车市场体量大，日出行车辆数量较多，交通拥堵、停车难、环境污染等问题日益严重。智能网联汽车的落地可有效改善大城市交通状况，满足用户的多样化出行需求。基于当前汽车市场保有量及用户需求，智能网联汽车发展进程中必然出现多种驾驶模式共存的局面。解决用户的痛点是智能网联汽车发展的基础，必须围绕中国汽车市场规模及消费者行为的特殊性，规划和开发相应的智能化、网联化技术，布局相应的商业模式，进行可落实试点的自动驾驶应用场景设计，比如共享汽车、一键叫车、敬老车、顺风车、无人公交等。作为最基础的自动驾驶模式，在智慧交通城市建设需求中，未来DA等级以上的新车装配率必须接近100%。

中国要发展智能网联汽车，标准建设必须先行。标准规范是推动智能网联汽车良性发展的重要保障。智能网联汽车的法律、测评、保险、信息安全、交通执法等相关标准贯穿整个智能网联汽车发展进程。在DA、PA级水平，智能网联汽车发展的初期需综合考虑标准构成和标准的兼容性，全面铺开标准政策规范建设，针对中国独特的道路交通及驾驶行为特征，制定以智能化水平为重点的技术及应用系列标准，例如分级、术语、车用芯片、通用技术标准等。

2.CA级关键问题

智能网联汽车虽然分为智能化和网联化两个方向，但二者并非互相独立，而是相互依托，DA级和PA级阶段感知接管的主体是驾驶员，CA级别时，接管主体变为驾驶系统，因此有条件自动驾驶需具备联网式的环境感知能力，以适应工况更为复杂的道路。典型功能包括协同式队列行驶、交叉口通行辅助、城郊公路自动驾驶、高速公路自动驾驶等。

智能网联汽车的本质是解决汽车像人类一样适应更为复杂的环境问题，随着CA级别要解决的问题越来越复杂，数据的传输量急剧增加，单一的传感器的感知、识别已不能适应需求，因此多源传感器感知信息优化组合、高度耦合车辆自主决策控制、人机交互共架技术是智能网联汽车发展中期主要面临的共性技术问题。多源传感器的信息优化组合是智能汽车通过摄像头、雷达等传感器获得分离的观测信息，通过相关智能算法对观测信息进行多层次、多空间的信息互补和优化组合处理，最终的目的是产生可以辅助汽车驾驶的有用信息。加强机器视觉深度认知、多源信息优化组合是解决复杂场景下道路、规则及识别的有效途径，一方面需要深度学习技术提高障碍物及高速目标物的检测精度和可靠性，另一方面基于强大的网络技术满足高速行驶下的检测要求。高度耦合车辆自主决策涉及硬件和算法两个层面。自主研发设计芯片及电子电路，开发利用网联感知信息及自动驾驶集成式决策控制器，并结合ADAS图像识别、决策与控制策略集成、路径规划等相关算法是解决有条件的高度耦合车辆自主控制及轨迹规划问题的最佳策略。环境识别、决策控制两个层面的技术突破只是解决了复杂环境中人机协同共驾能力不足问题，为保障智能车上路的可靠性，还需建设面向智能网联汽车的中国驾驶员人机交互行为数据库作为支撑。通过对能表征驾驶员行为数据（驾驶员信息、交通环境数据、车辆运行特征数据、驾驶员操控信息等）进行采集、分析提炼并入库，便于研发人员对驾驶员跟车、变道、超车、疲劳驾驶等行为进行研究，也为研究具有中国特点的智能网联汽车提供基础支撑。

从产业支撑层面来看，CA级产品的落地需要有专门的体系性的测试认证方法以及对应的测试环境。将驾驶主体交由系统接管，产品落地之前，实车道路测试是智能网联汽车研发必不可少的重要环节。当前，国内智能汽车还处于应用测试阶段初期，为验证车辆在各种复杂工况下安全、可靠地运行，自2017年底开始，北京、上海、重庆、深圳、长沙、长春、杭州等地发布智能网联汽车道路测试相关标准。除汽车道路测试外，还需依据中国市场的特殊性，对涉及数据流传输的数据标准与安全规范问题进行深入管理与研究，对智能网联汽车测试场景、数据库的采集进行完善的标准体系建设，这是车辆数据、交通数据、环境数据的多维融合与实时高效处理的重要保证。

3.HA+FA级关键问题

智能网联汽车发展水平HA级到FA级是颠覆性的突破，高度智能化的汽车，能够主动应对处理所有的工况及突发情况。HA和FA级阶段，智能网联汽车交通环境的参与度提高，驾驶车辆需要具备与其他交通参与者（车、人、交通设施）的网联协同控制的能力，能够自主地进行感知、决策、控制，实现高速公路、城郊公路和市区道路等全路况条件下的自动驾驶。

与CA级别不同，HA级和FA级需要实现车辆自主判断决策，确定行进轨迹和行驶路径，而非“有条件的高度耦合控制决策”，即HA级和FA级的自动驾驶车辆模拟人的思考模式自主解决复杂的场景问题，使车辆更加智慧，而非智能。这种智慧的实现需要大量的机器学习训练，数据的深度挖掘应用和人工智能技术是这一阶段解决车辆与各交通参与者协同控制问题的主要共性技术的关键。人工智能技术的介入将使汽车通过自主学习理解外界环境并做出预判和决策的效率大为提升。这对保障智能车安全行驶具有极大的积极意义。数据仍然是底层支撑的基础。这一阶段的数据深度挖掘主要有两个方向，面向场景类数据和面向行业类数据。面向场景类数据主要针对智能驾驶汽车的技术研发，通过对中国道路环境的驾驶场景数据采集、筛选、分析、应用，借助大数据云计算技术来实现车辆在特征道路环境中的不同行驶特征要求。面向行业类数据，需采集后市场的运营数据及流通数据，通过大数据技术建立个性化的市场解决方案，重点发展智慧出行生态的基础。

在产业支撑层面，随着智能网联汽车逐步向自主决策过渡，数据教材的作用，即场景数据库的作用逐渐凸显。数据教材的建设需从面向车辆决策控制的驾驶人驾驶行为数据库及全路况场景数据库两个层面考虑。面向车辆决策控制的驾驶人驾驶行为数据库的建立可从四个阶段进行：提取描述驾驶行为的典型参数，建立行为数据结构和规范，划分典型人群、采集各类人群驾驶行为，数据入库。全路况场景数据库也可从四个阶段进行：各类自然场景、典型场景的采集，对场景要素进行分析解构，对场景要素的模型进行重构，数据入库场景数据库生成。数据库涉及方方面面，尤其是要与智慧交通统筹发展，因此亟待政府的高度参与，需要考虑安全、管理等方面，完美地将数据库的建设适应全新的智慧交通体系。

二 网联化发展路线

网联化强调的是车辆接入网络，它包括行人、车辆、路测设备、网络中心、智能交通监管系统等，主要实现车内网络与车外网络之间的信息交换，解决人—车—环境的信息交换问题。与智能化分级类似，网联化的层级划分依旧边界模糊，当前公认的分级是按照其网联通信的内容不同进行的，其发展进程及关键问题如图2-3所示。

图2-3 网联化发展进程及关键问题

1.网联辅助信息交互关键问题

网联辅助信息交互阶段主要以无线语音、数字通信和卫星导航定位系统为平台。通过定位系统和无线通信网，向驾驶员和乘客提供实时交通信息、紧急情况应对策略、远距离车辆诊断和互联网增值服务等驾驶辅助类信息服务。车联网通信系统根据通信距离分为两类，短距离通信系统和远距离通信系统。短距离通信系统包括有线通信、短距离无线通信（有蓝牙、ZigBee、WiFi、UWB、60GHz、IrDA、RFID、DSRC等）；远距离通信系统包括LTE-V、微波通信和卫星通信等。各车联网通信技术，如表2-1所示。驾驶辅助类信息服务终端体系架构，如图2-4所示。

得益于无线通信技术的发展，目前全球通信可以实现基本的车联网需求。智能汽车接入网络离不开车载终端软硬件共性平台、固件升级方案、车规级芯片等的支持。当前网联辅助信息交互的数据传输主要通过两种途径：T-BOX（远程信息处理器）和OBD（车载自动诊断系统）。T-BOX一般是指车联网系统中的智能车载终端，面向前装市场，直接连接CAN控制总线，获取车辆的实时参数并传输到车载信息服务平台（TSP），也可接收由APP、智能钥匙等发送到TSP的指令。而OBD是面向后装市场，通过车载OBD诊断接口的外接OBD设备，实现与云端的联网，OBD同样可以采集车辆的总线数据、驾驶数据，进行车辆的控制与安防。T-BOX和OBD两者功能相近，且对车联网的普及都发挥着重要作用，但通信接口、数据资源、协议开发度等都面向不同的应用，对市场、人群、年龄、功能等做了不同的区分，服务的对象和产品无法做到标准化，因此对海量用户和数据进行有效地分析受限。如何获得更多的有效数据来提升车联网的体验是这一阶段的主要挑战。

表2-1 各车联网通信技术

续表

图2-4 驾驶辅助类信息服务终端体系架构

2.网联协同感知关键问题

网联协同感知主要指以专用短程通信（DSRC）、LTE-V或5G等新的无线通信技术为载体，对信息进行准确的传输，与车载传感器获取的信息进行协同，实现V2X通信功能，为车辆的决策和控制服务。随着汽车行业的网联化发展，V2X技术要实现车—车、人—路—云的通信，互联通信技术需要满足：（1）传输速度快；（2）数据传输可靠性高；（3）网络传输的延时性低。国际上现阶段的车联网通信技术路线主要分为DSRC和LTE-V两个阵营。DSRC可以实现特定区域内对高速移动的目标识别及双向通信，实时传输图像、语音和数据信息，例如车辆的车—路、车—车双向通信。LTE-V技术以LTE作为通信的基础，解决交通实体之间的“共享传感”问题，可将车载传感器的识别范围有效扩展到数百米，成倍提高车载AI的效能。表2-2所示为DSRC和LTE-V的技术对比。LTE-V技术不需要专用频谱，并能重复使用现有的基建设施，同时作为拥有自主知识产权的通信技术，LTE-V有利于国内企业规避专利风险，因此LTE-V将会成为我国未来支持发展的V2X通信技术。

表2-2 DSRC和LTE-V技术对比

续表

网联协同感知阶段下智能网联汽车开始与外界数据进行大量交互，信息安全也将成为亟须解决的问题之一。智能网联汽车存在很多信息安全漏洞，目前已经被发现的漏洞涉及移动终端APP、T-BOX上网系统、TSP、CAN总线等，黑客可以通过漏洞进行远程攻击，控制正在行驶的车辆、盗取用户的个人信息等，对用户的人身安全和财产安全造成重大损失。业界对汽车安全漏洞至今没有找到有效的解决方案，汽车的网络安全漏洞会永远存在。因此在智能网联汽车数据安全管理方面，需构建数据存储、传输、应用三个维度的汽车信息安全框架体系。在智能网联汽车数据安全技术标准方面构建“端—管—云”数据安全体系。提升数据加密、混淆、脱敏、审计、通信加密、防重防篡改伪造等技术，强化车载安全网关、安全监测监控系统，并制定信息安全测试规范及标准，对智能网联汽车数据安全技术应用进行分类汇总，落实数据技术的可实施性和可监管性。同时，各个企业需加大对汽车网络安全的监管，建立漏洞共享平台，通过共享漏洞信息，提高汽车网络安全领域的总体安全能力。

3.网联协同决策与控制关键问题

网联协同决策与控制阶段是指未来要做网络系统决策控制的联网，需要在高精度地图、定位技术辅助下通过智能云控基础平台进行联网，联网的同时还要能实现基于网联的决策和控制，甚至最后通过网联来实时控制汽车，这一阶段才是完整意义上的网联技术。

高精度地图的构建与高精定位的实现，是车辆重要的环境信息来源，能够帮助汽车驾驶系统感知到更大范围的交通态势，保证自动驾驶安全，同时帮助汽车进行自主路径规划及决策支持，具备多维度、更新及时、结果精确到厘米级的优点。精度至少要求10cm，最高可达1cm。高精度地图的数据主要是实时的动态交通运行数据，其更新的频次需达到10ms级别。其建模技术有两种方式：通过GPS定位，数据采集车作为高精度地图源信息收集设备，经过后台处理绘制成高精度地图的重地图模式；利用车载摄像头采集特定道路的特征信息来帮助车辆进行导航的轻地图模式。高精度地图高度动态数据是通过V2X协同通信获得实时道路基础数据及交通运行数据，结合同步定位与地图创建（SLAM）技术，在车载平台构建车辆的环境地图，从而用于实现自动驾驶决策子系统的行为决策和运动规划等功能。基于高精度地图，从技术角度考虑，车载运行数据、交通路政数据、环境公共服务数据等车辆安全运行的基础数据必须借助智能云控基础平台，供自动驾驶、智能出行、智能交通等技术开发商使用。因此，要实现网联化的实用性，搭建大数据云控基础平台至关重要。

三 产业生态发展趋势

未来汽车将主要以网联化、智能化、电动化为发展趋势，汽车产业将发生革命性的变化：新汽车产品涌现、新产业链条并行、汽车产业重构、产业边界模糊。

智能汽车、智能交通、智慧能源、智慧城市，相互交融，难分彼此。作为汽车销量大国，中国汽车市场还将保持10～15年的平稳增长，预测2030年销量将达到4000万辆。因此基于中国市场的需求量，未来智能网联汽车将率先在中国落地，呈现以人为本的多样化服务创新，最终实现多产业链条并行的智能出行生态圈。

其中以智能化和网联化为发展方向，催生更多传感器、人工智能、交互识别、车载终端、大数据、平台等科技型企业，涉及法规标准、基础设施改造、国家级管理平台等业务支撑领域，离不开政府的宏观调控。在产业价值上，汽车设计研发、后市场服务、使用模式的价值体量急剧增大，移动出行孕育出无限的可能。信息技术、移动互联技术与传统交通深度融合，也将催生更多商业模式，未来的城市交通模式将是多种交通工具并存、多元出行方式组合的结构。各企业需更加关注智能网联汽车产业下的营销模式、维护模式以及使用模式。产品形式、响应速度将成为出行生态建设的关键因素。智能网联汽车发展所带来的影响，将会在智能工厂、智能供应链、智能物流等领域进一步体现。

图2-5 智能网联汽车产业生态圈

四 主机厂发展路径

智能网联汽车产业的发展允许多方企业以多类型、多方式参与，形成合纵连横、互相合作、共同发展的新态势，孕育着无限机遇，也面临着巨大的挑战。未来智能网联汽车是多方合作的开放平台，汽车产业在重构过程中，必须开展跨界融合、基础设施、信息通信、互联网企业、运营/内容服务商、政府、大数据、信息技术等多方面合作，产业无边界，但智能网联汽车作为智能生态出行的主要力量，相关企业经营必须有边界。主机厂需要理清关键发展问题，找准自身定位，明确自身目标，创新商业模式。主机厂可以结合自身实力，重新对自身进行准确定位，然后进行发展路径规划，提高自身实力，从而逐步进入智能网联汽车产业领军行列。针对智能化和网联化不同的侧重点方向，主机厂可以从四种方式布局，如图2-6所示。主机厂可以从网联化入手，加大人机交互、网联服务方面的研发力度，形成差异化竞争力，从而具备自身特色；或者开展智能化方向的深入研究，对自动驾驶技术持续攻关，同时关注网联化发展进程，力争实现全方位引领。

（1）优先打造网联化核心竞争力，以互联服务为特色形成卖点；

（2）优先攻关自动驾驶技术，部分领先，跟随为主；

（3）兼顾网联化与智能化，重视人机交互及产品设计，善于使用成熟技术方案；

（4）智能化网联化全面升级，提升自身实力水平。

图2-6 主机厂发展路径

五 用户接受度发展趋势

智能网联汽车产品的规划需要针对用户痛点进行深度研究，当前形势下，解决用户痛点是智能网联汽车发展的基础。智能网联汽车产业属于新兴领域，新生代消费群体熟悉互联网、人工智能等科技，适应共享经济。智能网联汽车的应用场景可以实现人工智能服务、车联网以及共享出行，因此新兴消费群体对智能网联汽车的兴趣会更高，但并不代表更容易接受，尤其是智能网联汽车涉及隐私及用户安全等敏感性信息。当前，安全性及伦理问题是最具争议的话题，尤其是自动驾驶致死事件，引起了公众对自动驾驶安全性的争议。表2-3所示为近两年自动驾驶所引起的交通事故。2018年加州车辆管理局自动驾驶年度报告中的数据显示，目前需要人为干预和接管的最高频率也只达8.95千公里/次，而据美国交通安全部门统计，人类驾驶的平均事故率为25万公里/次。因此自动驾驶安全性仍是亟待解决的问题，只有安全性上升，用户的接受度才会更高。

表2-3 自动驾驶事故

表2-4 2018年自动驾驶人为干预和接管情况

六 国内外企业智能网联汽车发展

截至2018年，全球大部分主流主机厂已全面投入ADAS和自动驾驶系统开发当中，自动驾驶研发如火如荼，部分主机厂在自动驾驶领域的战略规划如表2-5所示。

表2-5 2014～2017年部分主机厂在自动驾驶领域的战略规划

续表

1.福特

相较于特斯拉与奥迪的自动驾驶技术研发的战略，福特的定位更倾向于出行运营商的角色布局，并且推进缓慢而稳健的策略，这是福特提交给美国交通部的自动驾驶安全报告A Matter of Trust提到的：“我们并不是在一场需要争做第一个向公众提供自动驾驶汽车的竞赛中”“我们的重点是做正确的事情”。这样的发展策略是福特公司基于2017年销售业绩下滑的反思得到的，其调整激进策略，认为自动驾驶应该是循序渐进式发展，也是从这时候开始其加大了对L2级别的自动驾驶汽车研发。福特自动驾驶研发策略有两条路径：一是商业化搭载先进驾驶辅助技术的车型；二是在全世界范围内寻求自动驾驶道路测试及智能化出行的商业合作试点。针对在移动智能出行生态系统的布局，福特表示其在此方面的三个主要计划：一是建立一个供城市和运输公司分享的平台“交通移动云”；二是使用C-V2X（网联汽车技术）部署网络，C-V2X是由高通开发，基于4G LTE蜂窝数据，而不是Wi-Fi，最终实现运行于5G网络，将在2020年实现商业化；三是实施“移动即服务”（MaaS）或“传输即服务”（TaaS）的市场策略，搭载自动驾驶系统的车辆会比普通车辆昂贵，福特也在积极地进行商业合作来降低成本。

表2-6 福特自动驾驶商业布局

2.通用

同老品牌福特一样，通用汽车历史悠久，旗下品牌众多，具有国际领先的造车技术。在智能网联汽车方面，通用算得上是全球最早参与研究的企业，可以追溯至20世纪50年代，1956年通用汽车推出Firebird Ⅱ，就是世界上第一辆安装自动导航系统的概念车，1959年推出的Firebird Ⅲ概念车型，衔接自动导航技术，实现车辆道路的限速、预警前方的障碍物，甚至双手脱离方向盘的巡航。1991年通用汽车加入“美国自动化道路系统联盟”，致力于自动驾驶技术研发。2007年，通用与卡耐基梅隆大学合作制造的无人驾驶SUV-boss在美国国防部高级研究计划局举行的无人驾驶汽车挑战赛上拿下头名。2009年是通用汽车涅槃重生的一年，经过金融危机的打击，通用汽车于2009年申请破产重组，并迅速完成破产重组程序，完成速度快于行业内的普遍预期，重组完成后的通用企业文化更加多元化，也更加明确了发展的道路。相比较于特斯拉、谷歌等企业，通用汽车在自动驾驶领域内一直十分低调。直至2016年通用汽车成立自动驾驶研发团队，并收购了自动驾驶技术创业公司Cruise Automation，自此通用公司在自动驾驶技术上取得了很大的进展。在汽车产品方面，通用也逐渐开始在自动驾驶、共享出行等领域进行布局，其在智能网联汽车领域的布局才开始引起行业的广泛关注。2017年，自动驾驶公司Cruise Automation进军高清地图领域，以此来提高通用汽车的自动驾驶技术。同年，通用宣布将对网约车公司Lyft投资5亿美元，投放千余辆自动驾驶汽车用于共享车辆布局，以期通过共享出行平台推动自动驾驶技术落地应用。4月，通用和Cruise总裁搭乘雪佛兰Bolt EV自动驾驶车，展示其自动驾驶技术在环境比较复杂的夜间路测情况，一时引起人们对通用自动驾驶技术的热议与关注。同年6月，通用汽车宣布，搭载L4级别自动驾驶技术的雪佛兰Bolt纯电动车已下线，此次投放自动驾驶车辆130辆，这些车辆将与之前投入的50辆纯电动车一起在旧金山、亚利桑那州斯科茨代尔以及底特律开展自动驾驶公共道路测试。至此，通用汽车成为首家在量产工厂组装自动驾驶测试车辆的企业。2018年1月，通用发布了L4级别的自动驾驶汽车Cruise AV，计划2019年商用，Cruise AV的最大特点是没有方向盘、刹车等结构。10月，通用、Cruise与本田达成合作，在自动驾驶领域将目标投入全球市场，开发一款可应对多样化应用模式的专属车型，并进行量产，重塑未来个人出行方案。

类似通用汽车这样的百年品牌的汽车制造商，其在自动驾驶汽车竞争中的优势有两点：一是积累了雄厚的汽车制造基础技术，二是可以自己生产自动驾驶汽车。通用汽车也是近两年才开始展现其后发优势，在自动驾驶领域的发展陡然加速，俨然一匹“黑马”，成为可与Alphabet匹敌的强劲对手。通用在自动驾驶领域将有两条发展路径：一条是超级巡航渐进式发展路径，另一条则为跨越式发展路径。通用自动驾驶汽车预计2019年正式商业化，但初期将会以共享出行的方式进行推广，暂时不会直接用于私家车辆。

3.奥迪

奥迪以自动驾驶汽车制造商为市场定位，基于传统车企的保守策略进行自动驾驶技术研发。奥迪率先实现了世界最先进的L3级别的自动驾驶量产车，应用于奥迪A8汽车。奥迪A8实现的是有限速度的L3级别自动驾驶，在双向高速车道上的行驶速度低于60km/h，可自动驾驶行驶，当车速超过60km/h时，需要由驾驶员介入。支撑A8自动驾驶系统的核心zFAS（驾驶辅助中央控制器平台）其实早在2014年就公布了。这套车载计算平台，由几家公司共同合作研发，英伟达和Mobileye提供计算平台IP，TTTech与德尔福提供车载以太网的联网方案，最后，奥迪和德尔福完成设计整合，并由德尔福承担硬件生产任务。相比较特斯拉的Model S搭载的Autopliot2.0硬件系统，奥迪A8搭载的硬件更为丰富全面，包括1个激光雷达、1个前视摄像头、1个长测距雷达、4个中测距雷达、4个环视摄像头、12个超声波雷达。A8自动驾驶系统可实现交通标志识别、行人检测、碰撞预警、红绿灯检测、车道线识别、360°环视图像处理、障碍物信息融合、地图融合、自动泊车、碰撞预警、人工智能交通拥堵导航。

表2-7 奥迪自动驾驶技术发展历程

续表

2018年10月，奥迪展示了在L4自动驾驶领域与华为联合创新的MDC移动数据中心。该移动数据中心由奥迪Q7搭载，用于城市自动驾驶环境的运行。该款数据中心可处理16个摄像头、6个毫米波雷达、16个超声波雷达和8个激光雷达的数据，数据延迟低于200ms，可满足自动驾驶的计算时延要求。

根据“Audi.Vorsprung 2025”战略最新规划，2025年，奥迪将实现年销售约80万辆纯电动汽车和插电式混合动力汽车。预计2019年奥迪在无锡的研发中心将投入使用，无锡研发中心主要致力于新能源汽车、自动驾驶等相关技术的研发。2021年奥迪将发布首款基于奥迪Aicon开发的自动驾驶纯电动汽车，并且在下个十年中期，奥迪也将实现首个L5级自动驾驶车队。

4.特斯拉

特斯拉是最早一批投入智能网联汽车研发的企业，市场定位是以智能驾驶方向为主的自动驾驶汽车制造商，并且率先实现了L2/L3级别的自动驾驶汽车量产。特斯拉的自动驾驶产业发展有3个重要的时间节点：2014年通过Autopilot 1.0实现L2级别的驾驶辅助，2016年利用Autopilot 2.0进行L3级别的自动驾驶研究，2019年将搭载特斯拉自主研发的Hardware 3实现L4级别的自动驾驶。

特斯拉的自动驾驶系统以“硬件先行，软件后更”的模式推广，即车辆搭载时下最为先进的硬件，然后通过OTA（空中下载技术）进行固件更新。2014年10月特斯拉的Autopilot系统采用了1.0版本的硬件，一个前置摄像头、一个毫米波雷达、车身周围12个超声波雷达以及NVIDIA Tegra 3超级处理器，采用的是Mobileye Q3视觉识别模块。2015年，特斯拉开始正式使用AutoPilot驾驶辅助系统：

（1）2014年11月，实现道路偏离警告和速度提示；

（2）2014年12月，实现自适应定速巡航系统以及前方碰撞预警；

（3）2015年3月，实现自动紧急刹车和盲点预警；

（4）2015年10月，实现方向盘接管，侧方位碰撞躲避和一字位自动停车；

（5）2016年1月，实现十字位停车，弯道车速适应以及召唤进出车库。

2016年10月特斯拉发布了增强自动辅助驾驶——Enhanced Autopilot，开始使用2.0版硬件，Model 3车型都可以搭载Autopliot 2.0硬件。Autopliot 2.0硬件包含8个摄像头、1个毫米波雷达、12个超声波雷达以及NVIDIA Drive PX2计算平台。摄像头可以覆盖360度可视范围，对周围环境的监控距离最远可达250米。毫米波雷达可以提供更加丰富的场景数据，适应雨天、大雾天气、雾霾天气，对前方车辆进行监测。12个超声波雷达完善了系统的视觉识别，探测和传感距离则是Autopilot 1.0的两倍。NVIDIA Drive PX2计算平台大大提高了系统的运算处理能力，第二代处理器运算能力是第一代的40倍。

2017年8月，特斯拉为Model 3推出了Autopilot 2.5硬件版本。该系统最大亮点在于采用新款二级GPU，它可以提供更为强大的计算能力和控制冗余。直到2018年3月，特斯拉首次完成了将部分Model S、Model X和Model 3升级到最新的硬件系统Autopilot 2.5，这一款硬件系统的真实内容才被曝光。2018年8月，特斯拉表示拥有“世界上最先进的自动驾驶计算机”。2019年将推出Autopilot 3.0，并为新车配备该系统，同时还提供旧版本用户的免费升级。Autopilot 3.0将配备自主开发的顶级芯片，其处理运算能力将进一步得到提升，它可以比2.0版本的处理速度快10倍多，从原来的每秒200帧提升到了每秒2000帧。10月份，特斯拉的自动驾驶系统迎来重大的发展节点，特斯拉正式向用户提供“Navigate on Autopilot”功能，在原始的单车道自动驾驶和半自动车道变换的功能上，增加了半自动上下匝道的功能。有了这一功能，特斯拉能够自动完成正常行驶、变换车道、通过路口等功能，进一步解放驾驶员，可以说是L4级别点到点的自动驾驶雏形。

特斯拉独特的发展路径在于充分利用现有的成熟技术，加以改进创新，降低成本，让其商业化的实现成为可能。谷歌、百度等公司研发自动驾驶技术目前主要采用的是激光雷达方案，试图直接进入L5级别的自动驾驶研究，但激光雷达成本高昂，在商业化方面难以被普通大众接受。特斯拉大胆采用低成本的毫米波雷达+摄像头解决方案，即可量产且成本较低，符合消费者承受能力。特斯拉通过率先解决数据采集问题，利用影子模式采集功能数据，从而不断进行算法训练进行方案优化推陈出新，保证自动驾驶的可靠性和安全性。特斯拉这种循序渐进的发展模式既不同于传统车企的保守策略，也不同于科技巨头一步到位的激进策略。

5.宝马

自动驾驶从来不是一个简单的事情，它需要大量的资金投入与支持，而宝马从没有金钱上的顾虑，其在自动驾驶行业内最大的特点就是开放合作联盟，成为各个自动驾驶联盟积极争取的对象。根据宝马的“未来100年计划”，宝马将逐步转型成为未来出行的解决方案专家。宝马将通过五个阶段实现自动驾驶发展规划：一是解放双脚；二是解放双手；三是双手离开方向盘；四是驾驶员车内休息或工作；五是解放驾驶员大脑。宝马的五阶段规划和SAE的自动驾驶等级划分相对应。宝马计划在2030年之前实现L5级别的自动驾驶技术，L5级自动驾驶需要大量的道路测试，宝马计划按照虚拟道路测试和真实道路测试的19∶1的关系完成L5级别的1.5亿公里的道路测试需求。而在真正的无人驾驶实现之前，宝马于2018年把自动驾驶汽车测试车队的规模加大到80辆左右，预计总测试里程将达到2.5亿公里；L3级别自动驾驶技术于2019年推出，并搭载在宝马7系上；2021年，发布在技术上可以与L4级别汽车兼容的BMW iNEXT，保证在欧洲和美国实现130公里/小时速度以内的L3级别的自动驾驶，可以进行自行判断切换车道，同时实现60公里/小时以内固定路线的L4级别的自动驾驶。计划至2022年才在中国实现130km/h以内的L3级别的自动驾驶。在2030年量产L5级别的自动驾驶车。

表2-8 宝马自动驾驶技术发展历程

在技术上，宝马一贯秉持开放合作的理念。2016年，宝马、英特尔、Mobileye三方合作，共同建立了第一个开放式的自动驾驶研发平台。随后德尔福、大陆、麦格纳、HERE、四维图新等公司陆续加入，以加强在传感器、系统集成、高精度地图、芯片等方面的合作。其中Mobileye提供自主研发的EyeQ 5高性能计算机视觉处理器；英特尔负责提供世界一流的处理器和FPGA技术，为车辆提供高性能计算技术；德尔福提供关键的雷达及传感器等计算元件；大陆将整合零部件与软件，在新平台开放的商业化方面发挥关键作用；麦格纳同德尔福一样，提供雷达、传感器等计算元件；HERE、四维图新为宝马提供电子地图及车联网服务。宝马自身则注重驾驶控制、动力学、整体功能安全评估、整体部件组装、原型车生产以及最终实现平台扩展等方面。

6.博世

除了主机厂以外，不少零部件供应商及科技巨头也积极布局智能网联汽车产业。博世作为全球第一大汽车技术供应商，在自动驾驶技术“感知—规划—决策—控制”中的控制板块中具有得天独厚的优势，占据着全球大量ESP等汽车电子控制系统的市场，定位于自动驾驶核心零部件供应商及相关技术研发企业。

在商业化方面，博世针对乘用车进行了三类规划：一是2018年实现低速状态下车辆的自动泊车；二是2021年实现私人车辆的自动驾驶；三是2022年实现运营车辆的自动驾驶。基于泊车路径的规划被博世称为紫色市场，目前博世在泊车路径的规划上已经实现半自动泊车到全自动泊车的辅助功能，另一项技术——“自动代客泊车”技术由戴姆勒和博世合作完成，基于室内定位导航，在地下停车场汽车可以自主寻找车位泊车，行驶中可以完成停障避让功能，本质上是特定场景下的低速无人驾驶技术。从2018年初开始用户在德国斯图加特的奔驰博物馆停车时就可以享受到这个服务，这是世界上第一个在真实场景下基于智能基础设施的全自动代客泊车解决方案。针对私家消费者的日常通勤的自动驾驶应用场景被称为蓝色市场，蓝色市场是由传统主机厂和部分新造车企业对原有的造车技术和成型产品进行优化所组成的市场。2020年将实现乘用车与点对点运行商用车上搭载的交通拥堵引导以及可以变道的高速公路引导等功能，2021年底，博世计划向中国市场推广L3级别的自动驾驶功能，实现双手离开方向盘、低速交通拥堵引导等功能。新兴互联网企业以及共享出行供应商参与的针对移动运营服务商的城市内移动通勤被博世称为绿色市场。博世直接研发面向L4级别的自动驾驶车辆，从L4起步面向终端用户，建立自动驾驶出租车队。预计2021年底博世在德国率先开展针对城市场景的自动驾驶出租运营服务。在中国博世还需要进行更多的道路测试工作，因此基于中国城市道路的场景的自动驾驶出租运营服务可能会稍晚落地。

在关键技术方面，博世在感知、定位、决策、执行方面累积了相关的技术经验。在感知方面，博世在摄像头、毫米波雷达、激光雷达三个方面已形成一套独特的解决方案。车载摄像头方面，博世的自动驾驶技术方案可以做到在没有车道线的情况下，依靠物体表面材质的区别标识出可行驶区域。鉴于自动驾驶需具备复杂场景下多目标及高可靠性的探测能力，未来车辆搭载的传感器与雷达密不可分。博世经过多年的技术研究积累，涵盖了一套涉及远距离、中距离、近距离的雷达产品，在市场上的占有率也是相当高。在定位方面，博世不只运用GPS绝对定位系统，还自主研发了基于高精度地图的“博世道路特征功能”，摄像头与毫米波雷达用于收集道路特征数据，并将数据处理上传到云端，使用高精度地图进行同步校准，通过众包收集道路数据，帮助车辆在所有环境（雨、雪、雾、背光等）下准确定位及规划路线。在规划、决策方面，自动驾驶涉及的硬件及系统越来越复杂，因此模块化的、可移植性的、便于管理的域控制器应运而生，博世于2017年成立了一个团队，专门研发统一的域控制器，为自动驾驶提供规划和决策支持。

7.谷歌Waymo

提到自动驾驶，就不得不提全球该领域的领头羊——谷歌Waymo。Waymo是谷歌为自动驾驶专门分出来的一家独立公司，与传统主机厂不同，Waymo最大的特点是越过L4级别的自动驾驶，直接着手研发L5级别自动驾驶技术。Waymo最初是谷歌于2009年启动的一项自动驾驶汽车计划，至2016年才被独列出来。2012年，谷歌基于丰田普锐斯汽车改装的第一代自动驾驶汽车可以完成直行、转弯、上坡、下坡、避障等基本任务，随后谷歌自动驾驶技术被用于雷克萨斯SUV RX450h车型。同年5月，谷歌拿到了美国历史上第一张自动驾驶测试执照，由美国内华达州车辆管理局颁发。并且谷歌已经积累从简单高速路况到复杂城市路况的道路测试超过30万公里。2014年，谷歌推出了一款名为Firefly的专用自动驾驶车，这是世界上第一款完全自动驾驶的汽车，无油门无刹车无方向盘，最高时速为40公里，可以容纳2名乘客，这辆车于2015年完成了全自动无人驾驶载客测试，并且顺利到达目的地，于2017年退役。2016年，谷歌自动驾驶道路测试已超过200万公里，并且自动驾驶团队正式分离出来，成立了一家名叫Waymo的新公司，Waymo明确其“不造车”定位，而是向主机厂提供自动驾驶技术解决方案，谷歌自动驾驶技术开始正式商业化发展。2017年底，Waymo推出商业计划，将在公共交通、物流、乘用车等方面开展商业合作。2017年4月，Waymo开始向公众提供无人驾驶出租车服务，但是限定在特定的区域内，在100平方英里的测试区域满足数百家庭的出行服务，为安全起见，大部分出租车仍然配备了安全员。2018年，Waymo自动驾驶汽车在美国宣布收费运营，成为首家推出商用服务的无人驾驶汽车公司。

Waymo最大的优势体现在其先进的技术上。Waymo联合英特尔对摄像头、激光雷达、毫米波雷达等传感器设备进行优化整合，自主研发了一套用于传感器融合、自动驾驶决策、路径规划等功能实现的硬件系统，提高了原有车辆的分辨率、测量距离以及准确率。并且Waymo声称将激光雷达的传感器的成本降低了90%，这也符合其量产化的目标设定。2018年初Waymo发布的在加州测试报告显示其无人驾驶汽车需要人类干预频率为0.18次/千英里，而Uber的干预频率为1次/0.8千英里，相对来说，Waymo成果斐然。

8.长安

作为中国汽车品牌的领军企业，长安汽车早在2010年就开始涉足主动安全、辅助驾驶等前沿技术研发，发展至今，其在相关领域的成果颇丰，已掌握智能技术100余项，牵头或参与行业标准二十余项。长安汽车主要致力于智能网联汽车的智能化方向，力争跟上国际领先的技术水平。2018年，其智能化战略正式命名为“北斗天枢”计划。该计划以2020年和2025年为2个重要时间节点：到2020年，将不再生产非联网汽车，100%的车型将联网，100%的车型将配备驾驶辅助系统，实现L3级的自动驾驶；2025年，实现100%的语音控制，推出L4级别的智能驾驶产品，实现L5级别的无人驾驶。长安汽车的自动驾驶技术及布局一直走在我国前列，根据长安汽车自动驾驶发展历程（见表2-9），我国汽车产业多项“首个”成果都与之相关，我国首个汽车品牌企业完成2000公里长距离自动驾驶测试，中国唯一品牌加入美国汽车联盟MTC，L4级别网联式的城市无人驾驶国内首测，获得重庆市首批道路测试执照，自动驾驶汽车首个穿越可可西里无人区企业……目前它在智能互联、智能交互、自动驾驶领域内已掌握100余项技术。除此以外，长安汽车在网联化方面也有布局，2019年将会将自动驾驶汽车引入国家尖端仪器小镇进行示范共享运营，实现90%的线上运行，2022年，L3级别的产品市场化后，网联化要达到100%。同时长安汽车也是中国第一个独立自主建设车载云服务平台，以满足全时在线的车辆联网需求的汽车企业。

表2-9 长安汽车自动驾驶发展历程

续表

在产业布局上，长安汽车开放技术创新平台，整合行业内相关企业联盟，围绕其智能互联、智能交互、自动驾驶三大板块推进“北斗天枢”4+1行动计划：知音伙伴计划、合作共创行动、智能体验行动、智能联盟行动、千人千亿计划。未来，长安汽车将与博世、德尔福、IBM、高德、英特尔、腾讯、华为、联通、地平线、北斗星通、科大讯飞等展开深入合作，构建立体交通生态系统。预计2020年长安汽车在智能网联方面将达到1000人团队规模，累计投入50亿元，专注布局智慧出行、人工智能、芯片、高精度地图、语音交互、全息技术等领域。

9.百度

百度是国内投入最大、实力最强的L4自动驾驶研发团队。百度自动驾驶计划始于百度2013年的无人驾驶项目，先后成立自动驾驶事业部（面向L4级别自动驾驶）、智能汽车事业部（面向L3级别自动驾驶），并于2017年与车联网业务整合成立百度智能驾驶事业群组IDG。随着百度智能驾驶业务的快速发展，目前百度已有超过100家的合作伙伴，既有福特、戴姆勒、宝马、现代、本田等主机厂，也有微软、博世、英伟达、Intel等高科技企业。在商业化方面，百度率先攻克商用车的推广，商用车无论是从难度和接受度上都比乘用车能更好地实现自动驾驶。目前百度已推出“阿波龙”首款L4级别自动驾驶巴士以及“新石器”自动驾驶货车项目，其中“阿波龙”已实现量产下线。

表2-10 百度自动驾驶发展历程

百度为发挥其在人工智能领域的优势，希望通过推出Apollo自动驾驶开放平台建立一个以合作为中心的生态体系。Apollo计划在自动驾驶行业内影响巨大，该计划面向汽车行业及自动驾驶领域，提供开放、完整、安全的软件平台，帮助结合车辆和硬件系统，快速构建属于自己的完整的自动驾驶系统。图2-7为百度Apollo自动驾驶开放平台规划。Apollo平台是自动驾驶汽车行业一个完整的开放平台。自动驾驶核心技术点繁杂，产业链长，涉及软硬件、人工智能、大数据、芯片、传感、标准政策等各个层面，百度在Apollo架构的定位上主要提供自己所擅长的地图、算法、云服务三部分，而其他涉及芯片、传感视觉等系统通过整合不同企业之间资源，为车企提供服务。截至2018年7月，百度发布最新的Apollo 3.0版本（见图2-8），实现了从技术研发到量产的跨越，Apollo 3.0的新起点是“面向量产，更加开放”。在原有的云服务平台、软件开放平台、硬件平台、车辆平台的基础上，将车辆平台升级为车辆认证平台，并开放车辆接口标准。在此次Apollo 3.0版本中百度也提出了面向特定区域的自动驾驶量产解决方案：自动驾驶巴士、自主泊车、无人作业小车，百度的量产解决方案在车联网方面采用的是自主研发的“小度车载OS”，目前小度车载OS不仅可以完成语音与视觉的交互，还能主动感知用户的需求，对用户的手势、表情语音等进行合成理解，通过主动感知不同用户的属性以及场景信息等进行个性化的推荐。截止到2018年12月，百度Apollo已拥有100多家开放平台合作伙伴。Apollo平台是当前无人驾驶领域最大的开放平台，获得了行业内各企业以及政府部门的大力支持。随着北京、上海、重庆、长春、长沙等地的自动驾驶道路测试政策的发布，一系列配套的基础设施将会迅速落地，Apollo平台将会在未来智慧城市交通系统中发挥重要的作用。

图2-7 百度Apollo自动驾驶开放平台规划

图2-8 Apollo 3.0量产园区自动驾驶