全文共4846字，预计阅读时间15分钟

作者 | C'est Carrollis 

编辑 | Emily Cheng、Benny Liu、Poppy Tan

声明：本文章系本公众号读者投稿件，发布目的在于传递更多信息，并不代表本公众号赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请及时与我司联系，我们将在第一时间处理！

圣经·旧约·创世记第11章记载，古巴比伦王国的人们联合起来计划在巴比伦兴建一座通天塔以希望借此到达天堂，但上帝为人类的傲慢和虚荣所震怒，于是来到人间将世间的语言打乱，导致世间的人们沟通效率降低，最后巴比伦通天塔半途而废……

时间拨到今天，移动网络因4G的广泛应用而覆盖全球，SpaceX的成功发射也将人类的梦想带到了新高度。万物互联的时代，汽车的未来是无人驾驶。

但是梦想是丰满的，现实是骨感的。如同公元前7世纪古巴比伦人一样，在实现梦想的道路上有太多的障碍和艰难，但是今非昔比，互联网企业与传统汽车供应链的不断破圈合作将带来技术的迭代和软硬件的突破，将未来智能驾驶技术与车联网技术深度结合的同时让这一切的希望之花开的愈发娇艳动人。

（图片来源：Starz & BBC “达芬奇的恶魔”）

（图片来源：MARVEL Studio）

从技术和发展的角度来说，无人驾驶是汽车智能的最终形态，而智能驾驶则是通往这条路上的必要阶段。根据中国版自动驾驶分类的标准，从驾驶员全程掌控到车载AI完全接管，按照技术发展程度可划分为0-5级。目前全球各大主流车企已经基本掌握了L2级别技术，截至2019年，中国汽车市场上的L2级覆盖率已经超过20%。

表1. 汽车驾驶自动化分级表

（资料来源：公开信息搜集）

2018年奥迪推出了全球第一款搭载L3自动驾驶系统的车型，但时至今日大多数车型依然停留在L2阶段，国内部分车企所宣传的L2.5级实际上也只是L2的噱头。究其原因，是由于L3级有条件自动驾驶为人机混合控制和接管，当碰到事故的时候很难判断责任在于汽车还是人类驾驶员。这也使得许多玩家希望跳过L3直接挑战L4，但是L4和L3之间存在的巨大技术差距让这一步走的充满孤独和艰难。

表2. 各大车企驾驶自动化布局一览

（资料来源：公开数据搜集）

从产业链的层面来说，要实现汽车的智能化则需要借助硬件和软件的充分结合。在硬件包括各类传感器和车载高性能芯片，软件层面主要是算法，目前的主流技术为基于机器视觉的深度学习，未来通过和其他车联网技术以及人机互动，车载娱乐技术的结合，最终实现综合的融合算法。

自动驾驶的每个级别都对新技术有着不同的要求。L0-L2级别范围内最主要的技术是ADAS(Advanced Driving Assistance System,高级辅助驾驶系统)。要达到L3的标准，则需要在此基础上配备成熟的车联网和高精度地图，而车载AI(包括算法)的进一步进化是实现L4和L5真正无人驾驶的核心。

ADAS作为已经量产的综合系统，搭载了各种传感器(激光雷达，摄像头，超声波雷达，毫米波雷达，红外摄像头)作为感知，并配合系统的算法而做出相应控制动作，从而减少人类驾驶员的驾驶参与程度，智能接管汽车的系统。

今天的ADAS早已具备了一定程度的智能，已经可以在许多不同场景下提供成熟的解决方案，在行径途中帮助人类驾驶员完成一部分的工作，并在紧急情况降低和避免危险的发生。可以实现的功能模块大致可以分成两大类：控制辅助和信息辅助。

未来随着ADAS的不断进化和传感器的迭代升级，搭载日益成熟的高精地图和车联网(V2X)后将会使完全无人驾驶成为可能，使汽车真正成为住房和办公室之后的第三空间。

表3. ADAS系统功能表

在车企、互联网公司和零部件企业的共同努力下，ADAS方案日益成熟，伴随着搭载ADAS系统的车型大批量量产，全球ADAS细分市场也正式迎来了高速发展期。据统计，2020年的全球市场容量将达到270亿美元，2030年将持续增至830亿美元，年复合增长率高达11.9%。

北美，欧洲和亚太作为最大的三大汽车市场将占据ADAS需求的绝大多数。中国相较其他发达国家而言，目前ADAS的装配比率相对较低，2020年预计市场容量在788亿人民币，且在未来将会有着更大的增速和前景。

图1. 2017-2026年全球ADAS市场

（资料来源：Marketsandmarkets）

注：由于ADAS领域不同机构数据模型不同，海外机构均无中国市场的规模测算，因此国内数据引述国内研报的信息

作为汽车行业未来最令人激动的新方向之一，众多玩家早已提前布局，通过大量的研发和合作提升竞争力。目前全球ADAS领域主要还是由欧美企业所主导，博世，大陆，电装已经成为领先者，但令人欣慰的是也有不少中国企业也通过自身的技术积累加入了赛道。

表4. 主要零部件tier-1厂商与OEM的合作情况

（资料来源：公开数据搜集）

ADAS作为增加驾驶智能化的核心元素，涵盖了感知，决策和控制三大环节，目前L2级别职能的车型纷纷上市，ADAS也已经实现了自适应巡航，车道辅助和紧急刹车等功能。但是ADAS功能实际使用的效果还是相对有限，环境和技术的限制导致了目前的ADAS还不够智能。

如果把智能驾驶的感知系统类比于人的话，车载摄像头和传感器就起到“眼睛”的功能。目前受制于激光雷达的高成本，前向感知技术方案主要采用了毫米波雷达测距和摄像头识别相互融合的方案。

摄像头方案更偏向于算法，实际行车过程中当车载摄像头发现物体之后，系统会经历一个分类，定位，检测和分割的识别过程：

分类+定位

当摄像头探测到前方物体时会自动与自有资源库进行匹配从而识别物体的属性与分类，并在视界中进行位置的判断和定位。

检测

检测环节负责将摄像头采集到的丰富信息进行判断，比如交通灯的颜色以及前方是否存在障碍物等，配合其他车载传感器(激光雷达,毫米波雷达等)的测距功能，做出相应的避让决定。

分割

分割环节的作用在于分离不同语义的物体(动物.人类.道路等)，但在智能与无人驾驶领域，最主要的应用是对于可行驶道路的识别。虽然目前大多数玩家都与车联网和高精度地图紧密结合，但是在一些没有网络覆盖等的极限情况下，还是需要车载AI独立完成复杂驾驶任务，从而能够在脱离云端时正确规划行径路线。  

图2. 摄像头对物体的识别过程

图3. 分割环节在道路识别的运用

而毫米波雷达的技术原理是TOF(Time of Flight),其工作原理是发射出30-300GHz频域(1-10mm波长)的毫米波，当碰到障碍物返回的时候计算来回的时间差完成测距工作从而定位出障碍物距离车的距离。得益于其在空气中传播的弱衰减性，测距范围高于普通车载摄像头。

毫米波雷达和摄像头各自均有优劣势，摄像头相比毫米波雷达而言，成本更低，且对于行人和物体的识别精度较高，但是感知距离相对较近且易受天气影响，无论是强光弱光还是阴雨天都会严重影响其效果。毫米波与其相比成本虽高，且无法识别车道，但是受天气影响很小，视距更远，且远处和近处的感知精度一致。

表5. 摄像头与毫米波雷达特性对比

因此，为了让智能驾驶功能更智能，结合毫米波雷达与摄像头优势的融合方案孕育而生，并在行车过程中通过融合算法将毫米波雷达与摄像头对前方障碍物感知的坐标进行匹配和融合。但目前的方案只有在有限的场景下才能实现，车速和环境都会影响到运行的效果，比如自适应巡航功能在70km/h以上无法有效实现，雨雪天气车辆无法实现车道保持功能等。

为了让ADAS更好地发挥效果，硬件和软件需要协作才能让车辆更“清楚”地感知前方。这对融合算法和智能芯片的算力均提出了更高的要求，也是L2进化到L3在感知层面必须要走的一步。

（图片来源：MARVEL Studio）

一个高效的系统不止要追求效率，更要追求质量和沟通，从而保证运行的准确性和应对突发情况的机动性。而在万物互联的无人驾驶领域指的就是无人驾驶技术和车联网计算的结合了。

车联网之于高级辅助/无人驾驶技术就如同钢铁侠里的贾维斯之于托尼斯塔克，光晕里的科塔娜之于士官长，是航空母舰之于战斗机的存在。诚然汽车可以依靠车载AI(现阶段需要与人类驾驶员合作)智能地行驶，也可对于一些突发情况作出应对，但有了5G赋能的车联网技术，车辆可以感知更远的环境，进一步增强行车过程的安全性和效率的同时，将车辆作为一个网络节点纳入一个由人，车，路，云等组成的巨大物联网之中的同时，从而带给乘客更完美的出行体验。

车联网V2X(Vehicle to X)从通信和应用的角度来看可以分为五大类型：

1. V2V(Vehicle to Vehicle)：汽车与汽车之间的联网

2. V2I(Vehicle to Infrastructure)：汽车与基础设施的联网

3. V2P(Vehicle to Pedestrian)：汽车与行人的联网

4. V2N(Vehicle to Network)：汽车与运营商的联网

5. V2G(Vehicle to Grid)：汽车与智能电网的联网

表6. 车联网的垂直应用

V2G的作用是将汽车的电量反向输送给电网做电力储能，从而在碰到一些如森林大火的紧急事件时特定区域的各功能可以正常运作而避免瘫痪。得益于我国整体基础设施的完善，未来V2G在国内的前景较国外会相对有限。

车联网的核心通信技术有两条技术路线，分别为美国主导的DSRC(Dedicated short range communications,专用短距离通信)和中国主导的C-V2X(Cellular-V2X,蜂窝技术)。

DSRC本质上是基于低移动性场景的Wi-Fi传输技术，在面临高速场景时的稳定性和表现不够理想，而且需要各个机构均安装相应的车载OBU和路边RSU才能正常运作。而C-V2X的技术则可以避免这样情况的发生，除了可以在高速情况下依然保持稳定之外，由于可以充分利用现有的通信基站，因此可以进一步降低部署通讯架构的成本。

更好的通讯质量，更低的综合成本以及后续通讯架构升级的便利性使得C-V2X的发展前景优于DSRC。

表7. 不同车联网的技术特点对比

（资料来源：盖世汽车，中信证券）

5G通讯技术(第五代通讯技术)，于2020年正式发布了R16标准，并将5905-5925MHZ的频段划分给了车联网用途。

凭借着比4G更高的技术标准，5G可以实现三大功能，增强型移动宽带(eMBB),大连接机器类通信(mMTC)以及超可靠性低延迟通讯(uRLLC)。因而基站可以提供更大的带机量，而所有接入其中的设备互联时则可享有更快的网速和更低的延迟。

对于自动驾驶来说行车过程中涉及大量的数据传输。以宝马为例,在中国,每台宝马自动驾驶测试车每小时产生的数据多达8TB,相当于每秒产生一部高清电影，这一数据仅包括行驶过程中车载系统运行所产生的数据，还不包括实际应用场景中乘客娱乐行为产生的数据。

实际行车场景中，接入5G网络环境下的汽车将会享有高达1G/s的理论传输速度以及低于10ms的延迟，因而无论是车载安全还是娱乐体验都能得到有效的保障。

图4. 5G通讯技术的特点和行业应用

（资料来源：中信证券）

图5. 5G通讯技术的技术参数

（资料来源：中信证券）

车联网的产业链较多，除了整车厂，运营服务平台，测试验证服务之外，车载产品的垂直领域主要包括硬件设备，车载智能系统和高精度地图。

表8. 车联网产业链

（资料来源：中信证券）

1.  硬件设备：车载单元OBU是指整合了通讯模块和CAN总线模块的智能终端(大陆，华为等)，内部包含了相应的通讯模组和芯片(大唐，华为等)。此外，还包括路测单元RSU。

2.  车载智能系统：智能汽车与乘客交互的媒介，可以连接与掌控车内的关键系统，并可以通过厂商进行OTA在线升级实现新功能。主流系统有黑莓的QNX，微软的Windows CE和类Linux类(安卓，阿里OS，腾讯车联等),目前WindowsCE基本已被淘汰，未来QNX和Linux类将成为主流。

表9. QNX与类Linux系统对比表

（资料来源：中信证券）

3.  高精度地图：专用于车载的地图软件，通过联网不断更新，可实时获知周边地区的交通信息，作为无视恶劣天气影响且比传感器看的更清更远的“眼睛”，其精度可以达到厘米级。结合C-V2X后能大幅提高路径规划能力从而减少整体交通阻塞。由于地图信息较为敏感，预计今后将被百度，四维图新等国内厂商所主导。

表10. 高精度地图特点

随着车联网各细分行业的技术逐渐走向成熟，互联网和硬件厂商的深入合作，软硬件的渗透率也将稳步提升，预计2020年全球车联网的总体市场规模将达到1210亿美元，其中中国市场也将达到338亿美元，并在未来保持持续的增长势头。

图6. 2017-2022年全球与中国车联网市场规模(亿美元)

（资料来源：中国产业信息网）

万物互联是美好的，无人驾驶是性感的，但骨感的现实时刻提醒着我们一切还远不完美。但我们欣慰地看到越来越多的车企，零部件企业和互联网企业开始破圈合作，我们有充分的理由相信，在不久的未来智能驾驶与车联网将深度融合成无人驾驶，最终永远而深远地改变世界并将汽车变成我们生活中真正的第三空间。

前路坎坷，必将伴随着太多的荆棘和困难。但梦想在，热血在，希望就在。公元前2500年的古埃及人用胡夫金字塔做到了，黑死病肆虐后的佛罗伦萨人用圣母百花大教堂做到了。而21世纪的人类在无人驾驶和万物互联上也亦将继续做到。

它也许会迟到，但绝不会缺席。因为人类的梦想是海阔天空，人类的征途是星辰大海。

（图片来源：SpaceX）