在發展了百余年之后，傳統汽車迎來了衰退期。過去10年里，“電動化+智能化+共享化”加持的自動駕駛汽車，迅速成為車企角逐的焦點。但它卻一直未量產，給人一種“不接地氣”的感覺。2019年即將過去，自動駕駛汽車究竟還存在哪些問題？

近期，分析師采訪了幾位自動駕行業資深人士，針對自動駕駛行業現狀、技術、趨勢等方面做了探討，也從側面論證了，為什么自動駕駛汽車還“不接地氣”。

自動駕駛汽車還“不接地氣”

·新勢力車企的瘋狂燒錢戰術

當前，各企業的自動駕駛測試車多為電動汽車，其實并不是燃油汽車無法實現自動駕駛功能，而是因為電動汽車的用車成本更加經濟。

大家普遍認為，造一輛電動汽車要比造一輛自動駕駛汽車更容易，因此很多車企都把前期目標放在“造一輛電動汽車”上。

中國汽車市場近年來的發展是一個很好的縮影。2015年前后，中國車市上涌現出一批新興車企，主要由一些無造車經驗的互聯網背景的新勢力車企和有生產燃油車經驗的傳統車企組成。

新勢力車企的入局帶來了大量資金。但汽車制造業是相當燒錢的行業，吉利集團董事長李書福曾表示：“沒有幾百億、幾千億就不要造車！”很快中國車市就迎來了洗牌，經過短暫輝煌的新興車企開始集體走向沒落。2017年前后，車企虧損、破產的新聞報道也不絕如縷。如賈躍亭帶領下的樂視汽車在巨虧之后失敗收尾，李斌開創的蔚來汽車4年虧損了至少220億人民幣。

不過，也并不是所有企業都緊盯“造車”這一環節。谷歌母公司旗下Waymo在2016年表態稱，自己不專注制造汽車，而是專注將自動駕駛技術授權給傳統車企和運輸公司去造車。隨后，百度、阿里、騰訊等也紛紛表示，它們的發力點不在造車。

·元年的具體時間無法確定

自動駕駛汽車并不是我們想象的那么簡單，瘋狂的燒錢背后并沒有帶來技術上的突飛猛進。此前，大家對“自動駕駛汽車的元年何時到來”表現得相當樂觀，甚至有人認為2019年會是元年。

去年3月，Uber測試車車禍事件，讓群眾對自動駕駛汽車的信任度跌倒冰點，業內對于商用的說法也更加謹慎。在8月底的SAE-AWC 2019 自動駕駛汽車安全技術國際論壇上，ASPENCORE全球聯席總編輯、首席國際特派記者Junko Yoshida問到：“您如何判斷自己的自動駕駛汽車已經足夠安全，可以去商業化？”現場的嘉賓陷入了短暫的沉默。

對自動駕駛行業而言，要加快汽車量產步伐，數據共享是更便捷的方式。當安全性不再被當做賣點，大家都支持數據共享時，自動駕駛汽車才能更快實現量產。不過，很多公司都在自動駕駛汽車測試中投入了大量的資金，分享這些數據在現階段似乎不太可能。江鈴汽車首席技術官黃少堂坦言，雖然一些汽車聯盟正在進行信息交流，但是由于數據收集的成本太高，實際上共享的數據并不多。

嚴格意義上來說，自動駕駛汽車的量產時間并不能被預測。當只有在某天，它的測試達到某種程度之后，才能宣布商用。究竟自動駕駛汽車的測試要到怎樣的階段才能夠商業化？目前，業界并沒有統一的官方標準。

·在商業類應用中最先運營

目前，已經商用的智能駕駛與自動駕駛之間還有很遠的距離。以特斯拉的Autopilot為例，雖然匯集了許多高科技，但是它仍只是一套ADAS系統，其自動駕駛水平也在L3級別以下。

由于L3的自動駕駛水平并不高，在關鍵時期需要人類司機來接管系統，而人類的反應速度有限，很可能會在接管控制權的過程中出現車禍事故。因此，以Waymo為首的企業直接跳過L3，專注更高級別的L4-L5。

艾邁斯半導體大中華區汽車事業部市場應用及業務發展總監金安敏

艾邁斯半導體（以下稱：ams半導體）大中華區汽車事業部市場應用及業務發展總監金安敏稱：“至今為止，市面上沒有一輛全自動駕駛汽車。全自動駕駛是一個巨大的系統工程，還需要發展很多年才能量產。從技術發展方向來看，首先會在閉環區域內和商用類應用中最先出現，如：工業園區、農田、高速公路、公交車輛等應用。”

在中國，自動駕駛卡車已經小范圍應用。去年4月，由圖森未來改裝的5輛自動駕駛貨運卡車在曹妃甸港投入使用。未來圖森還將在東海大橋上開展應用于貨運火車站間的自動駕駛港鐵聯運。

近年來，雖然很多媒體都報道了自動駕駛汽車的各種應用，但是因為僅在小范圍、小批量測試或者試運營，群眾并不能切身體驗到這些服務，所以自動駕駛汽車仍顯得不接地氣。

感知層面技術仍待突破

在技術層面，自動駕駛汽車仍有許多環節需要攻克。其中，最核心的部分主要有“感知”“決策”“控制”三個環節。在行駛過程中，自動駕駛汽車可通過配載的傳感器件，自行感知周圍環境及道路情況，并依據感知信息完成處理融合過程，進一步通過算法將感知到的信息進行決策，最后將決策信息傳遞給各控制系統形成執行命令。在這里我們主要針對感知環節的激光雷達部分做了一些探討。

降低車禍率的關鍵是，要不斷開發傳感和判斷系統。在傳感系統中，固態激光雷達的應用非常重要。金安敏表示，可靠的車規級系統和較為低成本的方案是車載激光雷達的主要痛點：“基于VCSEL（vertical-cavity surface emitting laser，垂直腔表面激光發生器）面陣光源的純固態激光雷達是較好的選擇。ams半導體在VCSEL底層技術的基礎上開發了Addressable VCSEL Array（可尋址VCSEL陣列），該技術作為激光雷達的光源來使用，可實現純固態的視場掃描。ams與ZF（采埃孚）、IBEO共同開發的基于ams半導體 VCSEL技術的純固態激光雷達即將面世。”

安森美半導體智能感知部SensL分部業務拓展副總裁Wade Appelman

“‘一刀切’的方案不再適用于所有的應用，現在的廠商更傾向于為不同的應用提供不同的方案。開發人員也更加意識到，要實現汽車LiDAR的長距要求，最好的辦法是采用適用于極微光檢測的傳感器。”安森美半導體智能感知部SensL分部業務拓展副總裁Wade Appelman指出，未來將出現更多針對特定應用的LiDAR系統。

為此，安森美推出了硅光電倍增管（SiPM）和單光子雪崩二極管（SPAD）是LiDAR系統，該系統是可實現接收器功能的關鍵器件，適用于汽車長距LiDAR的微光檢測。車載LiDAR對激光波長的高靈敏度也提出了要求，安森美也提升了近紅外（NIR）波長光子的檢測效率（PDE），降低了傳感器噪聲。同時，為汽車認證做了充分考慮，安森美還即將推出符合AEC-Q102標準的LiDAR產品。

賽靈思汽車部戰略及客戶市場營銷總監Dan Isaacs

賽靈思也為自動駕駛汽車提供激光雷達產品和方案。賽靈思汽車部戰略及客戶市場營銷總監Dan Isaacs介紹，FPGA和SoC產品有著并行處理的優勢，可在前端Sensor數據不斷進來時做一個并行處理，其延遲比GPU和其他CPU更低。據了解，賽靈思的方案適用于所有的激光雷達技術。

不過，成本高仍是制約車載LiDAR批量生產的主要原因。10年前，谷歌無人車上使用的Velodyne HDL-64E售價超過7萬美元，雖然現在的價格已降低9成，但是較之于物美價廉的視覺傳感器，LiDAR的價格仍然過高。如何進一步降低成本，需要LiDAR產業鏈企業共同努力。

未來哪類企業將更有優勢？

在自動駕駛汽車領域，有三類企業表現比較突出——傳統車企、新勢力車企、汽車零部件企業。它們之間既有合作又有競爭關系，三者間的博弈誰將更具有優勢？

金安敏表示，電動化、智能化的浪潮正在迅速改變汽車全產業。想要取得優勢，每家企業都需重新自我定位。在這個程中，會出現合作與博弈，也會有更多新興企業加入競爭。對上下游產業鏈來講，電動化、智能化浪潮意味著要投入更多，這并非一家車企或系統供應商能負擔得起。因此，不會有一家企業壟斷一切技術資源的現象。反之，將會有更多的企業參與到復雜技術的分工上來，未來行業上下游企業的合作將更緊密。

當然，由于資源投入巨大，會出現更多聯盟性質的合作。目前，主機廠已經有這種趨勢，在系統供應商上也有一些傾向。這些合作不是為了博弈，而是為了更好地開發下一代車輛技術所需的新技術。他說：“ams很關注新勢力車企和系統供應商的發展動向。通過與系統供應商的合作，來實現關鍵技術在智能化應用的落地，通過與主機廠的合作，來推廣新的智能應用。”

產業鏈企業將更關注什么？

汽車行業是全球分工很明確的行業，上、下游涉及的企業眾多。在全球主要的工業地區，汽車行業都是支柱產業。因此，各國之間貿易上的波動，對汽車成本的影響非常顯著。成本的波動會轉化到車輛的價格上，進而影響車市的發展。為此，需要產業鏈企業嚴守對客戶的承諾，在交付、成本等方面提前做預案。

自動駕駛行業的發展需要全產業鏈各個環節的企業共同參與，除了關注國際貿易關系之外，產業鏈企業還需要明確自己的技術優勢。

金安敏介紹，ams半導體的優勢是在激光雷達方面，未來該公司將會與多個激光雷達公司開發下一代激光雷達產品。此外，ams半導體還將在工程資源、測試資源、產能資源方面積極投入，并針對智能座艙進行研發投入。

賽靈思在汽車方面的布局涵蓋ADAS和自動駕駛兩大領域。Dan Isaacs表示，賽靈思正逐步打入更核心的領域，為位于域控制器核心位置的機器學習、神經網絡和人工智能引擎等，提供著必需的計算功能。另外，座艙人工智能和電氣化也會是其關注的焦點。