以汽车相关技术研发与技术开发为主要方向，北京赛目科技有限公司，专门从事基于智能网联汽车相关行业的新型技术研究与开发。公司目标是旨在搭建一个兼容性强，技术创新的，智能网联汽车以及自动驾驶汽车检测与测评体系，通过提供完善的智能网联汽车测试环境与测试技术，来支持智能汽车行业发展，为整车研发机构与智能驾驶行业公司提供全面的测试解决方案。
                                                   

为了打造新一代的电子电气架构，工程师面临的挑战绝不止如何将图中所示的20个子系统整合起来。
如今，如果提起汽车互联、电气化与无人驾驶汽车革命，似乎每个人都能多少聊上几句看法。但事实上，这场如火如荼的汽车革命背后，还有一个同样值得关注但关注度明显较低的领域：下一代电子电气架构(EEA)的研发。现阶段，人们普遍认为，为了处理未来汽车与卡车不断增加的数据处理要求，目前主要厂商正在研发中的可拓展型电子电气架构至关重要。
电子电气架构一直算的上一种革命性技术，有关这种架构的重要反思已经持续了很长时间，大约有超过30年了。回顾过去，汽车电子电气架构距今最近的一次真正变革出现在1983年：那年，博世(Bosch)集团推出了CAN(控制器局域网)协议。当时，首款采用CAN总线的车型为1986款BMW860轿跑。此后之后，CAN总线一直在车辆的电子电气架构中发挥重要作用。作为一种集中式网络，CAN总线可以广播车辆的全部数据流，允许车内的各种控制器和传感器相互沟通。
CAN总线的出现改善了当时电子电气架构的效率与互操作性。另外，这种总线还显著降低了系统的复杂度，而复杂度降低又意味着可以减少布线数量。在这种情况下，CAN总线不仅可协助车辆实现最高减重45kg公斤，还能节约珍贵的安装空间。
“CAN与LAN(局域网)技术都非常稳定，这可让我们的设计拥有更高的灵活度。”福特(Ford)电气化动力总成工程总监Kevin Layden表示，“不过，虽然如今CAN网络已经开始承担更多功能，但由于未来车辆的传感器数据将比现在多很多，因此CAN总线可能也无法满足需求。”
Layden与其他专家表示，CAN总线架构的带宽和吞吐量均相对有限，难以应对未来车辆在数据流处理、网络安全及“终极”机器学习方面的需求。
博世(Bosch)汽车电子北美总裁Tim Frazier表示，“目前，自动驾驶系统中大量传感器产生的数据需要融合，这对微处理器的大规模数据处理功能提出了更高要求，目前市面上专为汽车应用而设计的微处理器很难胜任这样的任务。”

采埃孚公司的Andy Whydell将这种强劲的中央汽车处理器比作“汽车界的智能手机”，而厂商与一级供应商均可以自行定制各种应用程序。
 
专家在与《汽车工程》交流时表示，未来，CAN总线将继续留在电子电气架构的子网中。不过，与CAN总线相比，正在快速发展的以太网可以提供比前者高1000倍的带宽。采埃孚(ZF TRW)全球设计总监Andy Whydell表示，以太网也被称为IEEE 802.3协议，“这种技术的稳定表现已经得到充分验证，几乎每个家庭、每部电脑都在使用以太网。正因如此，以太网开始更多在汽车主动安全等对速度与容量有较高要求的应用中发挥作用。”
Whydell认为，未来，以太网将主要成为一种辅助技术，“与CAN总线并行工作。”他解释说，“如果你对带宽要求不高，那就没必要升级到以太网络，因为CAN总线的成本要更低一些。此外，如果配合CAN总线使用，以太网总线就不会被一些优先级不高的指令阻塞，比如简单调整一下座椅等。这样一来，我们就可以让以太网单纯负责一些更关键的安全系统，然后将一些与驾乘舒适度有关的功能交给CAN总线处理。”
与许多专家一样，Whydell也很看好以太网的发展。但他指出，除了以太网之外，还有一种FlexRay协议的速度也比CAN总线快，但成本也更高。

车辆对系统数据吞吐量的更高要求，是推动下一代电子电气架构研发的主要动力之一。
大处理与集中控制
目前，汽车厂商一般会采用分布式汽车架构。通用(GM)车辆系统工程执行总监Matt Schroeder解释说，在这种架构下，大量ECU单元会相互协同工作，共同为驾驶员能提供各种功能。但这种架构已经快要“到达极限”了。
Schroeder指出，通用汽车公司正在开发一个新的Global-B架构，预计将于2019年完成。目前，公司“希望可以从更多角度入手，让更多高级功能在这种分布式架构下相互协同工作，保护消费者免受网络攻击。”
Schroeder表示，未来，域控制器仍将是所有汽车架构的基石，这点不会改变。他指出，分布式架构“随着车辆安全功能的增加，只会变得越来越复杂，但基本性质并不会改变很大，然而客户端的需求则已经有了大幅提升。”
自动驾驶系统设计师希望可以利用1GB的实时以太网提供每秒1GB，甚至更高的处理速度。Schroeder表示：“从功能方面来说，这就像是把功能强大的大型计算机改成适用汽车的规格，而后再安装到汽车上。”
在2016年的SAE全球汽车电子大会上，在“云”宽带数据通信的协助下，利用强劲的中央处理器满足新的数据处理需求，一直是工程师们探讨的热门话题。德尔福(Delphi)首席技术官Jeff Owens称，这种趋势“既是一种进化，也是一种革命。”从进化方面来说，架构的进化主要是因为特定领域内一些应用程序对数据提出了更高要求。比如，基于现有架构的混动车型可能就需要更多。
从革命方面来说，架构的革命主要体现在利用Owens所说的“über brain”多域控制器，重新思考整个架构的设计。他表示，über brain可以承担多个ECU单元的工作，从而降低系统的复杂度、成本与质量。目前，德尔福、采埃孚、博世等供应商的量产产品中均有此类硬件设备。
 
大众-奥迪也有意打造新的电子电气架构。目前，这家公司正在开展一项Z-Fast(即Zed Faust)项目，旨在重新探索旗下主动安全领域中的电子电气架构，包括车辆雷达、激光雷达、视觉系统、驾驶员状态监测及各种相关传感器与执行器等。这些功能都有一个共同点，那就是需要高速的数据处理。在这种背景之下，奥迪开始设计一种全新架构，在多域控制器中引入一款“可承担重负荷的”中央处理器，负责各个子系统间的协调与决策任务。
据悉，2014年，这款Z-Fast紧凑型主板将会登陆一款奥迪A8自动驾驶概念车并与公众见面。具体来说，该系统采用了英伟达(Nvidia)的K1芯片与192核GPU，可处理几十个传感器的数据输入，从而根据当时的道路与交通状况计算车辆的安全导航行驶信息。据了解，这款下一代汽车中央处理器的硬件整合度与可拓展性均将有所提升，预计将于2019年进入量产阶段。
Owens表示，“奥迪希望自己的架构不会被未来淘汰。”他解释说，未来，由于主要的数据处理工作均将交由中央处理器进行，传感器的前端处理任务将会显著减轻，其中包括“飞行时间(time-of-flight)”与热管理系统的计算等，因此工程师就不需要为每一个传感器单独配备高端微处理器。这样一来，未来汽车传感器占用的空间将显著缩小，且成本也会有所下降。
尽管目前部分系统可以支持升级，但这些系统通常都存在存储空间不足的问题，因此在升级前必须先卸载部分旧的内容。由于多域处理器可以提供足够的内存和处理速度，因此奥迪在未来很长一段时间内都可以没有负担地增加更多功能。Owens认为，“对于一些真正具有前瞻性思维的厂商，中央汽车控制器将成为一种未来之选。”

博世集团的电子电气架构技术战略图。
可重构设计
下一代电子电气架构工程师表示，他们的目标是打造一个标准化硬件平台。用通用汽车Schroeder的话说，“这种架构很容易扩大或缩小，可以满足产品线上各类产品对功能与成本的不同要求。要知道，打造每一个架构的成本都非常高昂。”
加州大学伯克利分校著名的电子电气与计算机科学教授Alberto Vincentelli博士也同意这种说法。在SAE汽车电子大会的专家讨论环节中，Vincentelli博士表示，“为了不断满足新的需求，现代架构最重要的特点在于其灵活性和可重构性。当你开始设计一个新的架构时，要记得这个架构应该可以在其整个使用寿命中适应各种巨大的改变。”Vincentelli博士表示，“设计是一个问题，但更重要的是适应能力。”
从汽车整合来说，谁在中央处理器方面更有决定权呢，是一级供应商还是汽车厂商？“这很难说。”采埃孚的Whydell如是回答。
 
“我们已经有一些产品，而我把这些产品称为‘汽车届的智能手机’。”Whydell表示，“这和你手机里的处理器很相似，主要体现在你可以自己选择要给自己的手机安装哪些应用程序。类似地，我们可以说采埃孚将提供处理器，而厂商则能决定到底要选哪些‘应用程序’。他们可以从我们这里购买所需的功能，也可以自己研发或让一些专业的软件公司进行开发。”
AUTOSAR(汽车开放系统架构)联盟的主要目标之一，是在系统内与系统之间提供更大的灵活性。AUTOSAR Adaptive平台经过专门设计，可为工程师提供更多灵活的架构，预计将于今年完成搭建。这个平台可以为一些更复杂的系统提供一个软件框架，协助工程师利用以太网增加带宽。
需要说明的是，这并不是要取代AUTOSAR。该架构预计将最先用于高级驾驶辅助系统(ADAS)方面的应用。此外，这种架构还可以协助标准操作系统，与更多互联功能与图像处理功能实现无缝整合，从而助力汽车信息娱乐系统的开发。通用汽车的Schroeder表示，AUTOSAR 4.x将成为通用新一代Global-B电子电气架构的基础。

博世北美副总裁Tim Frazier认为，需要从目前的域架构转移到多域架构配置，这将有助于减少20%的布线量。
对博世而言，架构的灵活性一直是公司所追求的重点之一。目前，博世的设计团队已经开发了多种下一代电子电气架构解决方案，以满足客户的各种要求。Tim Frazier表示，“这项技术的进展非常迅速。”Frazier认为，在模块化设计思路与1GB以太网的推动下，未来的电子电气架构将从目前的分布式结构转为跨域结构(APAS、动力总成、车身和信息娱乐系统)。
Frazier断言，“多域架构才是未来之选。”他坚信，从目前的域架构(见图表)转化多域架构可以减少15-20%的布线用量。
在“云”端
在2016年SAE全球汽车电子大会(SAE Convergence)上的主题演讲中，英特尔(Intel)物联网解决方案集团与交通运输解决方案部副总裁Elliot Garbus提问说，“目前，我们在云平台与汽车之的技术处于一种‘分裂状态’，我们是否需要一个新的革命性架构？又或者我们能否在目前所用的架构中实现我们的目标？”
“云平台”无法完成实时计算。但从长远来看，Garbus认为将出现一种新的架构模型，可以普遍实现“可靠、实时的无线连接。”但他认为，这种架构不会很快到来，甚至在5G环境下也不行。
Garbus解释说，“未来，汽车的计算能力将继续增加，达到能够进行自动操作的水平，而云计算则主要负责一些非实时活动及近实时的协调工作，比如判断周围交通状况与天气变化等。”此外，车辆的安全功能将在很大程度上借助FOTA(空中固件升级)与SOTA(空中软件升级)来实现。
无论选择何种安全攻击手段，黑客攻击的宗旨总是寻找薄弱环节入手。由于这些环节将出现变化，因而威胁模型也会发生变化。Garbus表示，“这就需要一种系统性设计方法，在设计中必须整体考虑车辆中的所有硬件和软件，甚至还要考虑云端的因素。”

对于社会大众来说，他们希望，自动驾驶汽车能遵循比人类驾驶员更为严格的标准。就在上周，Elaine Herzberg女士在美国亚利桑那州不幸被一辆处于自动驾驶模式的Uber汽车撞倒，最终抢救无效身亡。在这场悲剧发生之后，真的是时候思考一下传感和决策对于安全的意义了。
首先，我们当前所面临的一大挑战就是解读传感器信息。从警察公布的视频中似乎可以看出，即便检测和分类对象的能力是自动驾驶汽车系统中最基本的构建模块，但其实，这也是一项极具挑战性的任务。然而，这种能力是当前高级驾驶辅助系统（ADAS）的核心，该系统囊括自动紧急刹车（AEB）和车道保持等功能。数十亿英里的行驶里程足以验证，ADAS中的高精度传感系统正在挽救生命。同样地，在克服更大的挑战之前，这种技术也是未来全自动驾驶汽车所需要的基本要素。
为了证明当前ADAS技术的能力和精妙之处，我们在TV监视器的视频中运行了Mobileye的软件，这台监视器播放了警方提供的事故片段。尽管状况不佳——有可能很多事故现场的高动态范围数据已丢失，但Mobileye的软件依旧在撞击前大约1秒的时候，就清晰的检测到了。下方的图片展示了三张快照，上面检测到的自行车边界框和Herzberg女士。该检测有两个独立运行的来源：模式识别（产生边界框）和一个“自由空间”检测模块（产生水平图，其中红色部分表示红线上方出现了一名“路人”）。利用运动结构（技术术语为“平面+视差”），第三个模块可以区分道路和物体。这样就验证了检测到的物体是3D的，但可信度较低，因此被描述为“fcvValid: Low”，而显示在屏幕左上方。出现低可信度是因为，此处缺失生产型车辆通常可用的信息，并且图像质量较差，毕竟，在行车记录仪拍摄的视频基础上再次拍摄，可能会存在某些未知的缩减采样。

图像来源于警方公布的TV监视器上的视频片段。重叠的图像显示了Mobileye ADAS系统的响应。绿色和白色边界框是自行车和行人检测模块所输出的结果。水平图显示了道路和障碍物之间的边界，我们称之为“自由空间”。
此次实验所使用的软件与当前配备ADAS的车辆采用的软件相同，并已经在数十亿英里的用户行驶里程中得到了验证。
现在，像深度神经网络等人工智能技术的发展，让很多人认为，高精物体检测系统已经可以被轻松地开发出来，而那些计算机视觉专家十几年的经验则被视为大打折扣。这使得很多新手涌入这一领域。虽然这些新技术的确有用，但很多传统依旧不能忽略，这包括识别和完成数百次极端情况的测试、对数千万英里数据集的注释以及在数十个ADAS项目上进行极具挑战性的试生产验证测试。经验至关重要，尤其是在安全为先的领域。
对事件的第二个观察是透明度。人人都说“我们把安全放在最重要的位置”，但我们认为，要想获得公众信任，就必须更加透明。正如我在去年10月在Mobileye发布责任敏感安全模型（RSS）时所说，决策必须符合人类判断的常识。我们将“危险情况”和“正确响应”等常识概念做了数学公式化设计，并建立了一个从数学上确保符合定义的系统。
第三个观察则是冗余。真正的感知系统需要有冗余设计，而且，必须依赖于独立的信息源：摄像头、雷达和激光雷达。把这些信息源整合起来，有助于提高驾驶舒适度，但不利于安全。为了展示我们获得了切实的冗余度，Mobileye开发了独立、仅摄像头的端到端系统以及独立的激光雷达和仅雷达系统。
如果类似上周的事故再次发生，用户本来就很脆弱的信任，将会被进一步降低，并可能引发被动监管，最终扼杀这项重要的工作。正如我在介绍责任敏感安全模型时所说，我坚信，现在就需要对全自动驾驶汽车的安全验证框架做出有意义的讨论。我们邀请汽车厂商、该领域的技术公司、监管部门以及其它相关各方一起解决这些重要问题。

美国西部时间2019年1月8日-11日，一年一度的全球科技盛会——国际消费类电子产品展览会（简称CES）在拉斯维加斯隆重举办。具备世界领先技术的人工智能企业地平线携其高性能、低功耗、低延时的最新嵌入式人工智能产品成果亮相CES，向全世界展示了中国科技企业的强大技术与产品实力。

在位于南2馆26021展位的地平线展台，荣获本届CES官方大奖——CES创新奖的地平线Matrix自动驾驶计算平台（下文简称Matrix）重磅亮相，并首次同步展出了基于该平台的两款最新自动驾驶解决方案——地平线NavNet众包高精地图采集与定位方案（下文简称NavNet），以及地平线激光雷达感知方案。同时亮相并引发广泛关注的，还有面向AIoT技术将广泛应用的智慧城市与智慧零售场景的地平线XForce边缘AI计算平台（下文简称XForce），以及基于该平台的数款解决方案。
 技术先发优势催生独特产品路径“获奖选手”Matrix性能再升级
地平线具有世界领先的深度学习和决策推理算法开发能力，早在2015年创立之初起，就将算法集成在高性能、低功耗、低成本的嵌入式人工智能处理器及软硬一体平台上。如今，软硬结合已经成为全球人工智能领域的重要趋势之一，这使得地平线具备明显的边缘计算技术先发优势。而为满足自动驾驶与AIoT边缘计算应用级需求，地平线在过去一年里成功将技术先发优势转化为独特产品路径，开发出Matrix与XForce两款软硬结合AI计算平台，并衍生出多个基于这两款平台的应用级解决方案，赋能智能驾驶、智慧城市、智慧零售等场景。
其中，此次CES展出的地平线Matrix自动驾驶计算平台在性能上相较于获奖版本又有了进一步提升。该平台基于地平线BPU2.0处理器架构（伯努利架构），能够为L3和L4级别的自动驾驶提供高性能的感知系统，目前已向世界顶级自动驾驶厂商大规模供货。

地平线Matrix自动驾驶计算平台
作为成功实现大规模商业化应用的自动驾驶计算平台，Matrix利用地平线AI加速IP最大化了嵌入式AI计算性能，可支持激光雷达、毫米波雷达的接入和多传感器融合。以视觉感知能力为例，该平台能够基于稀疏化和定点化神经网络实现8类不同类型物体的目标检测和多达25类像素级语义分割,同时结合有助于预测和深度估计的三维车辆检测，能够更好地理解复杂场景，可轻松应对高度遮挡，且需快速响应场景下的自动驾驶挑战。
而在保证高性能的前提下，其可在31W的低功耗下运行，无需水冷系统，满足了高性能和低功耗的行业应用级需求，非常适合嵌入式自动驾驶的应用和产品化。由于性能卓越，其在Cityscapes评测的成绩全球领先。同时,依托地平线自主研发的工具链,开发者可以基于Matrix平台部署神经网络模型,实现开发、验证、优化和部署。
明星计算平台孵化全新重量级解决方案 首展NavNet+激光雷达方案受瞩目
依托Matrix强大的边缘计算能力，地平线开发出功能强大且具有极大成本优势的地平线NavNet众包高精地图采集与定位方案（以下简称NavNet），以及地平线激光雷达感知方案。这些方案在本届CES上均是首次公开亮相，并搭载到实车，为试乘观众现场展示NavNet仅通过单目摄像头视觉感知即可在车端实现的强大地图采集与实时建图能力，以及激光雷达感知方案的多线360度激光雷达点云3D检测能力。两款解决方案在展会首日就获得大量媒体与观众瞩目。

地平线NavNet众包高精地图采集与定位方案受关注
地平线NavNet是地平线基于Matrix开发的众包高精地图采集与定位解决方案。该方案将点云建图过程全部在边缘进行，输出建立好的局部三维地图，进而用以与已有高精地图进行匹配获取定位，同时可在无地图区域进行自动建图。当前，地平线NavNet针对众包场景，利用深度学习和SLAM技术进行道路场景的语义三维重建，支持16大类地图元素的重建、识别、矢量化。并且在仅使用单目摄像头的情况下，便能够实现重建结果与全局地图的匹配定位和众包建图，并根据实时重建的局部地图与云端高精地图进行关联优化，持续提升高精地图的质量。
而地平线Matrix激光雷达感知方案采用全卷积深度神经网络对栅格化后的点云特征，进行车辆，行人等障碍物的实时检测，具备高性能，低时延，低功耗的特点，且可基于地平线工具链进行自主开发。
除上述两项全新方案外，同样基于Matrix平台的地平线Matrix前向视觉感知方案、地平线360度视觉感知方案, 以及基于地平线征程处理器的地平线红外热成像避障方案等也在本次CES上展出。
AIoT能力赋能更多场景 XForce平台孵化多款应用级解决方案
地平线领先的技术先发优势与独特的软硬一体产品路径，也体现在面向AIoT应用场景的产品与解决方案中。
2018年10月，地平线正式发布XForce边缘AI计算平台。该平台通过算法与处理器深度结合的软硬件联合优化，在功耗、性能、成本上相比目前的其他AI计算平台具有明显优势。其内置深度学习感知算法以及相应的model zoo，形成软硬件一体的AI感知平台。该平台具有强大的感知处理能力，各项任务指标均处于业界领先水平。
而本届CES，地平线推出了面向服务器市场的XForce_P(Professional)和面向PC形态市场的XForce_E(Express)两款结构化FPGA边缘计算平台产品，以满足不同的边缘计算需求。如：智慧城市场景中的人脸和人体抓拍识别、人体行为分析、视频结构化，智慧商业中的客流统计、自动建档、人员动线、场景热力图、顾客行为分析等。

面向PC形态市场的XForce_E

面向服务器市场的XForce_P
本届CES，地平线展出了基于XForce计算平台的密集人群时空结构化方案、跨镜多目标轨迹动线方案以及安防视频结构化方案等多个嵌入式人工智能解决方案。
地平线密集人群时空结构化方案可以在极低的功耗下实现大规模人脸和人体的抓拍识别、人体行为分析、视频结构化等。地平线跨镜多目标轨迹动线方案融合业界领先的人体检测、人体Skeleton、人体单例分割、单目标跟踪、人体ReID及多目标跟踪等视觉感知技术，能够实现对多目标、跨区域的跟踪。地平线安防视频结构化方案对视频每一帧中的行人、机动车、非机动车等信息进行检测、跟踪、抓取和识别，将非结构化数据结构化，以进行视频数据的存储、分析及后续应用。

地平线密集人群时空结构化方案前人流涌动
地平线基于XForce打造的系列解决方案可应用于商业、城市安全、交通等多个场景，如商业中的客流统计、自动建档、消费者动线、场景热力图、消费者行为分析等；在交通、城市安全等多类城市公共场景中也可以实现高效率的人脸、人头、人体检测，以及多人的人体骨骼点和单例分割。结合“端+云”，则更可实现商业场景中的智能化识别、管理、服务；以及城市安全、交通等场景下的人脸管控、人员分析，车辆分析等，从而实现各类事件的及时发现，甚至是事先预测。
地平线在技术与产品领域的出色表现也赢得了行业与市场认可，合作伙伴遍布全球。在智能驾驶领域，地平线与全球四大汽车市场顶级Tier1s和OEMs保持着稳定的合作关系，生态合作伙伴包括奥迪、博世、长安、比亚迪、上汽等。地平线智慧城市解决方案已助力多个国家级开发区智慧城市建设。地平线智慧零售解决方案合作企业包括韩国SK电讯（SKTelecom）、百丽国际、永辉超市、龙湖地产、建投书局、Kappa等。此外，地平线还与全志科技合作推出应用级解决方案，并与多家智能摄像头厂商达成合作，以其边缘计算能力助力合作伙伴产品的智能化升级。
近年来，人工智能技术日新月异，每年一月的 CES展更是成为未来消费类科技趋势风向标。成立至今，地平线已连续三年出征CES,且每一年的参展展品都能为行业带来新的惊喜。未来，地平线将继续深耕边缘计算，力求让嵌入式人工智能真正实现赋能万物，创造更加安全、美好的未来科技生活。

毋庸置疑，无人驾驶汽车时代即将到来，但所有人似乎都有些无所适从。这项技术使得巨兽一般的汽车产业骤然翻新，但只有少数几个州对无人驾驶汽车有法律法规的管制。
　　无人驾驶汽车对于全世界交通系统和城市生活的影响还尚未明确，但能够确定的是正面与负面影响将同时存在，本文将就此探讨一些可能性。
　　首先，让我们来看一下美国国家公路交通安全管理局对自动驾驶的五级分类：
　　1）0级-非自动控制：驾驶员对于车辆有完全的控制。
　　2）1级-特定功能自动控制：一个或多个特定功能的自动控制，例如电子稳定控制系统、预刹车系统等。
　　3）2级-联合功能自动控制：同时至少有两个功能被自动控制，例如巡航系统与车道居中系统同时运行。
　　4）3级-有限的自动驾驶控制：在特定的交通或环境条件下，驾驶员可以放弃驾驶者可以放弃所有重要功能的完全控制。但必须给驾驶员足够的接管转换时间。
　　5）4级-完全自动驾驶：整个旅程中车辆对所有主要驾驶功能进行自动控制，无论车上是否有人。
　　接受率
　　“接受率”是指，相对有人驾驶汽车，无人驾驶汽车所占比例的变化。
　　先看看消费者们的接受意愿。根据来自J.D.Power的调查结果显示：
　　汽车消费者最关注的特性，是那些能够帮助我们减轻驾驶负担的技术。
　　其中，躲避碰撞、夜视和盲区检测功能最受欢迎，而这些技术能够提高驾驶安全，将事故危害降至最低；后视镜摄像头（帮助我们更容易地查看汽车后方情况）和车漆自我修复（这很省钱，很酷）功能虽然是小技术，也非常受欢迎。
　　这项研究统计了3500名在过去的五年内购买或租用过汽车的消费者，被问及了包括车内科技、导航、娱乐、连接性、能耗及驾驶救援在内共计59项内容，研究显示：各种驾驶辅助技术在所有年龄段的受访者中都非常受重视，这些技术和系统可以帮助消费者获得更好的驾驶信心及环境；而其它一些技术，驾驶者其实并不关心，比如手势控制、生物特性识别传感器以及触控屏幕等。
　　在紧急情况下，可以自动刹车的无人驾驶技术在受访中最受关注，而全自动驾驶、半自动驾驶和自动驾驶以及交通堵塞自动调整车速等技术引起了许多受访者的兴趣。其中，完整的自动驾驶系统关注度最高。
　　从受访者年龄分布来看，1977年至1994年出生的年轻用户的兴趣点在全自动化驾驶，而1946年至1977年的受访者更关注交通堵塞速度自动调整功能——这样的结论也在情理之中，年轻人往往更乐于接受新技术。
　　但是这并不意味着中老年驾驶者对于科技并不感兴趣，比如自动防碰撞这样的技术也可以为这些用户带来更多的信任感。
　　当然，即便调查表明消费者的接受意愿普遍积极，“接受率”上升的过程，即无人驾驶真正步入大众生活的过程在一开始仍会进行的非常缓慢。
　　从现有市场计划来看，大多数汽车制造商会首先提供一两款自动驾驶汽车（我们预期在2025年前可以实现），之后他们会根据情况逐渐将所有产品替换为自动驾驶汽车。
　　无人驾驶难以完全代替有人驾驶的潜在原因是：就驾驶乐趣而言，人们往往喜欢在公路旅行中开车，尤其是去山区滑雪或者海边野营。雪、山、树，会让无人驾驶汽车的车道传感器和GPS在城市区域外不那么可靠。
　　目前，尽管无人驾驶汽车的进展相当迅速，美国的城市却并没有为无人驾驶汽车做好准备。地方和州政府在无人驾驶汽车的责任、交通规划和工程标准方面几乎没有计划和管控措施，这可能是因为无人驾驶汽车仍然被当作一种前沿科技，而没有得到应有的重视。
　　如果10年或20年之后，路上的大多数汽车变成无人驾驶汽车，并且公众的接受率也大大提升，政府势必会对有人驾驶汽车进行某种规定限制。
　　在未来，如果有人驾驶没有完全被禁止，驾驶员一定会被要求有更严格的执照和保险——比如，某些地区可能会限制有人驾驶汽车只能在农村区域或者测试道路上驾驶，或者城市区域内只能为了某些特定目的的出行，比如应急服务、公共事业、商业物流等。
　　能源
　　如果无人驾驶汽车以化石燃料为主，将会给我们的环境带来毁灭性的打击：碳排放急剧上升，能源公司将很有可能从更加困难、敏感的地方开采石油，比如沥青砂、海底。
　　如果埃隆·马斯克的展望可以实现的话，则可以避免这种情况。
　　作为特斯拉创始人，马斯克非常确定未来绝大多数的车辆将是电力驱动的。
　　2003年，特斯拉进入了汽车产业，成功生产出受人欢迎的高端电动汽车，引起了极大的震动。他们的商业计划是，用销售收入支持中产阶级负担的起的相对低价车辆的研发（2017将生产出第一款），并且将内华达州在建的世界级锂离子电池厂扩充一倍。
　　特斯拉的S型车行驶里程已经能够达到240英里，足够满足绝大多数出行，但为了缓解未来对里程的进一步需求，特斯拉已经部署了一个全国性的超级充电站网络，让汽车电池能够在几分钟内充满。
　　批评家认为，电动汽车是否环境友好是值得质疑的。因为不论在美国还是全世界，发电都主要使用化石燃料，即煤炭和天然气，但是集中燃烧与单个汽车燃烧相比，总碳排放量相对较低。美国环境保护署（EPA，Environmental Protection Agency）发布了全国和各州的电动汽车碳影响比较，未来，可再生能源技术的价格将迅速下降，清洁能源总量将逐年提升，尽管汽油汽车的碳足迹不会改变，电动汽车的碳足迹将持续下降。
　　我们有理由对能源的未来持乐观态度。
　　比如太阳能电池现在每瓦仅需74美分（相对于20世纪70年代每瓦超过70美元），其覆盖率也逐年上升。如果美国全部采用太阳能，那么仅需1万平方英里的太阳能电池板（美国国土面积的0.003%）。当然，美国已经有了一些其他类型的可再生能源，如原子能、氢能、风能，未来也有很大的发展空间，最近国会提高了风能和太阳能的抵税额（一种税务优惠政策，可直接抵免税金）。奥巴马政府也在积极努力关停数百家燃煤电厂。
　　回到无人驾驶汽车。我们已经确定，即使无人驾驶汽车会增加行驶里程，如果它能够帮助引领电动汽车和可再生电力网络的发展，那么它的环境影响也会比今天的汽车低。
　　安全
　　无人驾驶的安全优势将是巨大的。
　　每年有约32000个美国人死于交通事故，与枪支导致的死亡数量相差无几——相当于每五个星期就发生一起911事件，但它被全国的媒体忽视了。
　　全球范围内，世界卫生组织（WHO）估计125万人每年死于交通事故，另还有数百万人受伤，其中一半是易受伤人群，如行人、自行车骑行者、摩托车骑行者。交通事故是15-29岁年轻人死亡的首要原因。
　　以美国为例，每年全国发生五百多万起汽车交通事故，2012年一年死亡人数就高达三万六千人。这些事故，90%是人为操作失误所致，理论上完全可以被自动驾驶技术所避免。
　　这些数字如此惊人可怕，每一个数字都值得无人驾驶汽车的研发和更高的工程标准。
　　无人驾驶汽车将会比传统人驾驶的车辆更加安全。
　　正如任何一个美国通勤者都可以证明，司机往往很匆忙，并且容易分心、疲劳，视力较差，反应时间长，还常有路怒症，而所有这些不确定性在计算机控制时都不会发生。
　　无人驾驶汽车通过激光雷达和摄像头来保证360度每个方向每一秒的观察。这些工具能够帮助预测其他道路使用者的移动，并在问题发生前察觉到，在易受伤人群旁加倍小心，严格遵守交通法规，比如在红灯停、遵守限速，这些都将极大地减少交通事故的伤害和死亡的发生。
　　举个例子，谷歌的无人驾驶原型车发生的17起小型事故都不是无人驾驶汽车的责任。
　　不过，整体的安全提升将取决于无人驾驶的接受率，而接受率又会被价格和相关法规所影响。
　　有一个问题需要解决，那就是事故中的责任问题。
　　如果一辆无人驾驶汽车撞死了一个行人，是谁的过错？车里的人还是汽车的拥有者？如果汽车是空的，是生产厂家的错吗？如果是出租车，是服务运营商的错吗？还是大家会继续耸耸肩，说受害人应该穿更明亮的衣服？
　　无论如何，现在都需制定建立明确的责任规定，比如罚款金额和入狱时间——不明确的处罚和不严格的执法都会影响民众对无人驾驶汽车的支持。
　　交通效率
　　在许多大都市中心，白天高达30%的车流，都是在寻找停车位。如果无人驾驶技术实现，可以减少对市中心停车位的需求，并且减少大部分无效的车流，使交通更加顺畅。
　　此外，拥护者们常常描绘这样的场景：高速移动的无人驾驶汽车连接着彼此，排成一队，像“路上的火车”一样，高效利用道路空间，使得车辆的移动更可预测。这个概念的关键在于相互连接的车辆网络，汽车之间、汽车和传感器之间能够彼此交流，这样可以有效减少拥堵、降低排放、促进安全。
　　道路空间分配
　　如果司机将不再端坐在方向盘后面，他们很可能会做一些其他事情，比如工作，看电影，看新闻等。这意味着他们的注意力将不再集中在路况、其他车辆和红绿灯上，因此他们的情绪也不会受交通影响那么深了——这意味着反对营造人性化城市街道的人将大大减少，便可以更自然地将常规的车道和路边停车变为公交专用道、自行车道、口袋公园和更宽的人行道。步行友好也变得更加容易，比如更长的过街时间和没有高度差的道路（人行道与车行道在同一平面，没有马路牙子）。
　　总之，无人驾驶汽车会让规划师和工程师有机会打造更舒适愉快的城市环境。
　　停车需求
　　停车需求在很大程度上取决于无人驾驶汽车的所有权模式。
　　是像现在一样有自己的车呢？还是像出租车服务一样叫车来接而不需要担心停车问题呢？还是并存的？就像今天一样。
　　高收入的、郊区的与乡村的居民将继续对小汽车有着苛刻而实际的需求，他们将拥有自己的车。而在城市区域，人口密度高，大多数人没有小汽车，很有可能无人驾驶汽车就像今天的Uber一样，响应居民的出行需求。
　　城市会要求无人驾驶汽车使用集中的停车和加油、充电设施，而允许规划师降低大多数新建筑中的停车下限。这将显著降低建筑的建造成本和租金，使得城市对于个人和企业来说都更可负担。同时，这也将更多土地和资金让出来给建筑，而不是停车场和车库，使城市密度更大。
　　经济效益
　　无人驾驶汽车如果普及，其经济效益究竟有多大？
　　美国的汽车保险市场，一年缴纳的汽车保险费高达两千两百亿美元，如果可以通过无人驾驶技术削减掉大部分这类开支的话，社会效益惊人。
　　德州大学有分析报告指出，如果道路上的行驶车辆90%都是无人车的话，由此导致的更少的车祸和人员伤亡，道路上的拥堵减少，能源的节省，一年经济效益高达四千五百亿美元——与之相比，美国联邦政府2014年的财政赤字还不到五千亿美元。
　　如果说每个在路上的人，不用自己开车，可以在旅途中做些有经济价值的事情，假设每个人一天可以多出一个小时，保守地估计每个小时平均价值5美元，一亿上班族，一年两百天，其经济效益至少一千亿美元。
　　此外，如果交通拥堵成为过去，无人驾驶汽车能够移动得更快并彼此连接，那么全世界的道路容量都会突然极大地剩余。
　　在美国，无人驾驶汽车的高燃料效率和可能采用替代燃料，将导致高速公路资金的下降，美国州际公路系统的许多分支将显得多余。这将给规划师们动力去拆除、缩窄不再必要的高速公路和郊区主干道，多出来的预算将拨给其他基础设施，如可负担的、高效率的大运量公共交通。
　　权衡兼顾
　　最后两点揭示了一个潜在的问题：拥有私人无人驾驶汽车的通勤者们，每天早上从郊区到市中心，为了避免缴纳停车费，他们会让车开回家，或在街上绕圈——而这无疑会对拥堵和排放有负面影响。
　　解决这个的最好办法就是收取相对高昂的道路使用费，类似俄勒冈州和华盛顿州已经在考虑的代替日渐减少的汽油税的一种新的政策。
　　城市也需要在密度最高的区域实施拥堵收费政策，就像伦敦和新加坡那样，以阻止未来空车在街上游荡、浪费燃料。
　　无人驾驶汽车同样会影响公共交通系统，现在很多轨道系统已经实现了无人驾驶。但更大的冲击将发生在大城市的常规或者快速公交线路上。
　　一旦交通公司意识到用电脑代替司机将节约巨大的成本，这个转变将会迅速发生。
　　例如，员工的工资和福利在金郡公交公司的运营预算当中占将近一半。如果这部分预算空出来，将极大地提升服务频率、乘客设施、系统容量，并使公交更可达、可负担，尤其是对于不想开车的人和穷人。
　　不过可以肯定，规划和维护部门仍需要真人雇员。服务于医院、移民社区和老年中心的公交线路，如果有人驾驶会更好。但总体上，在下一个十年或二十年后，大多数公交车都会变成完全的无人驾驶。
　　这又不得不提另一个问题：无人驾驶汽车导致的失业。
　　很多人的工作是驾驶公交车、出租车和卡车，仅在美国就有460万人从事与交通有关的职业。这将是一个很艰巨的未来，不过与蒸汽动力和计算机带来的革命转变并没有什么不同——转变会逐步进行，以避免大量的失业，此外，新兴领域势必会有更多新的工作机会。
　　总之，无人驾驶汽车在能源消耗、交通安全、交通效率和社会经济平等方面都有着积极影响。而这些影响的程度则取决于两个关键因素——接受率和法律法规。
　　但毋庸置疑的是，5年内路上将有大量的无人驾驶汽车。城市规划师和政策决策者现在就应该对这种变化采取措施，对街道设计、大运量公共交通和土地利用规划做出改善，以免之后陷入被动。

自动驾驶测试加速开放：北京上海公布重磅消息

2018年10月15日，由深圳市龙岗区机器人与智能制造产业协会、香港中文大学（深圳）计算机视觉实验室、香港中文大学（深圳）机器人与智能制造研究院、中国计算机学会青年计算机科技论坛深圳分论坛(以下简称YOCSEF)联合举办的“对话未来交通—探索无人驾驶技术”论坛在香港中文大学（深圳）举办。亿欧作为重要媒体受邀参加。
无人驾驶技术从提出到现阶段的发展已接近30年的时间，业内各大企业和高校也在紧锣密鼓地进行自动驾驶技术的研发，美国谷歌无人驾驶汽车的安全行驶距离已达到48万公里。而中国BAT巨头阿里、百度、腾讯自主研发的无人驾驶车也已相继成功进行测试。
本次交流会上，北京联合大学机器人学院轮式机器人系主任刘元盛教授和和香港中文大学（深圳）机器人研究院主任研究员陈勇全博士分别就《特定场景下无人驾驶技术的应用》、《自动驾驶的研究现状和方案分析》两大主题发表了主题演讲。
无人驾驶技术
无人驾驶汽车是室外轮式移动机器人的一种，它依靠人工智能、传感器、定位系统和导航系统的协同合作，让计算机在没有人类主动的操作下，做到自动安全地操作机动车辆，为人类的交通安全和效率带来全新体验。
按照美国自动车工程学会（SAE）对自动驾驶的五级分类，第一级至第三级为有人的自动驾驶，或称为辅助自动驾驶。第四级和第五级为无人自动驾驶，即可将人完全排除在驾驶决策之外，其中第四级为有限场景、第五级为无限场景下的无人驾驶。显然，第四级和第五级是真正意义上的无人驾驶。而无人驾驶的演进，是一个人类逐步交出操控权、提高安全系数的过程。

在自动驾驶研究领域，国外的车企、科技公司、高校早就抢先一步进入市场，如特斯拉、谷歌、Uber、AMU、Apple、MIT等。美国牢牢占据了第一梯队。日韩两国紧随其后，欧洲对无人驾驶则更为谨慎。我国传统的车企、通讯企业、互联网企业，也在加紧自动驾驶技术和新能源汽车的研发。
目前我国正处于研发L4高度自动化的阶段，自去年12月国内首个自动驾驶路测新规颁布后，百度、阿里、腾讯用了不足10个月的时间，分别拿下北京、深圳、杭州的首张自动驾驶测试牌照。
在交流会现场，刘元盛从无人驾驶技术的发展历程、现阶段各国对无人驾驶的法律法规要求等方面解读了自动驾驶技术发展历程及现状，以及解剖了无人驾驶技术的困境和发展方向。

总的来说，无人驾驶设计了感知、定位、规划、控制和线控五个方面。刘元盛表示，无人技术技术方面通过各类传感器的融合技术，感知车的位置、姿态、周边障碍物信息等进行感知系统，再通过处理器和算法以及由感知技术得到的周边信息进行决策，并通过制动控制进行控制。
无人驾驶的困境
尽管众多国家都纷纷投入到无人驾驶的研究中，但是离无人驾驶的真正上路或许还有一段很长的路要走。
在交流会现场，陈勇全表示无人驾驶当前面临的问题有三大方面：

在硬件方面，传感器感知系统尚未完全验证，整车传感器价格偏高；
在软件方面，无法应对复杂交通和突发交通状况，不能在所有的场景下做出重要的决策；
在法律方面，当前的法律法规还不健全，对自动驾驶的管控还未解决。

• 昂贵与精准的抉择

据法国权威市场分析机构 Yole Développement的统计，无人驾驶主要通过摄像头（长距摄像头、环绕摄像头和立体摄像头）和雷达（超声波雷达、毫米波雷达、激光雷达）实现感知的。但是不同的传感器受限于其物理状态，各有利弊。激光雷达的优势在于其探测范围更广，探测精度更高，但是对于雨雾的穿透能力受到限制，对于黑色物体的反射率亦有限；毫米波雷达穿透力强，但探测距离受到频段损耗的直接制约并且对周边所有障碍物无法进行精准的建模。目前，以机器视觉能力为主的解决方案成本更容易被市场接受。但是只要有逆光、灰尘等不利因素影响，风中飞舞的塑料袋可能被系统误认为是障碍物，无法进行精准的建模。采用当前精准测距但是价格高昂的激光雷达，无人车的整体研发成本将大大增加，而市场上更小型更低成本的纯固态激光雷达还未能见到成熟产品。

• 软件技术是瓶颈之一

无人驾驶汽车理论上或许是可实现的，但是对其软件程序的稳定性和逻辑完美程度提出了近乎严苛的要求。由于交通系统容量难以确定，汽车驾驶过程中每个场景复杂多变，在高速行驶中稍有差错就有付出生命代价的可能，所以要求无人驾驶在遇到不熟悉或突发场景时都能够主动地做出正确的判断和操作。当前汽车的ADAS系统不断地收集、分析数据，以及作出判断的过程是复杂而缓慢的，机器视觉还需要提升计算能力和感知能力。所以单从“生命安全”角度去了解背后的技术措施，就可以预测到软件技术必定是瓶颈之一。

• 法律法规

实际上，刘元盛与陈勇全均提及到无人驾驶的法律法规问题。刘元盛介绍：世界各国均出台了一系列法律法规：美国从州政府到联邦政府均已出台了一系列自动驾驶政策;2018年，德国政府推出了关于自动驾驶技术的首套道德伦理标准，成为了世界上首个实施此类措施的政府；新加坡于2014年就发布了《新加坡自动驾驶车辆对策》，并于2017修订《道路交通法》允许在公共道路上测试自动驾驶汽车……
目前国内无人驾驶汽车测试仍然要配备驾驶员，而且驾驶员需要专门的“自动驾驶汽车”驾驶证。现阶段我国对于无人驾驶问题的法律法条，依然处于研究状态，而且在全世界都是一个难题。
陈勇全表示，无人驾驶的发展需要车企、交通部门等多方面的产业支撑和政策配合。在某些细分场景，如高级辅助驾驶、园区或港口，无人驾驶预计比较容易落地。
小结
虽然，刘元盛和陈勇全一致认为无人驾驶真正上路或许要到20年、30年后才能实现，但是目前业界推进有限场景下的无人驾驶有其重要的意义。因为这是走向无人驾驶的必经之路。
现阶段无人驾驶可以在人才培养、园区旅游、区域接驳、快速公交、安全巡逻、矿区作业、智慧农业等多个领域开展初期应用。
刘元盛是北京联合大学机器人学院轮式机器人系主任、硕士研究生导师，同时也是北京市高教学会电子线路研究会理事，北京电子学会教育专业委员会委员，北京市司法鉴定专家（知识产权）。近五年内，他主持了各类型号共40辆无人驾驶车辆的改造和示范运行工作，在国内率先提出低速园区无人驾驶的解决方案以及无人驾驶教学系统方案。
陈勇全任香港中文大学博士后研究员、香港中文大学（深圳）机器人与智能制造研究院常务副院长，主持和参与多项国家自然科学基金、国家发改委、深圳市发改委研究课题。目前主要参与综合管廊巡检机器人与智慧管控平台、物流服务机器人、自动引导AGV、园区物流车、园区自动驾驶电瓶车等项目研究。

安全一直是我们的指导方针。我们将安全视为自动驾驶汽车（AV）未来不可推卸的责任，但如果我们已经掌握了能够挽救生命的技术，则无需再等待。
我们始终认为，我们所做的一切最终都必须实现规模化应用，因此我们不断寻找最佳方式使我们的技术契合市场需求。成立Mobileye的初衷，就是利用计算机视觉技术，在道路交通领域拯救生命。为此，我们成为了高级驾驶辅助系统（ADAS）的先驱。现在，该技术的能力不断提升，为完全自动驾驶汽车奠定基础。

英特尔高级副总裁，英特尔子公司Mobileye总裁兼首席执行官
反之亦然。专为自动驾驶汽车开发的新技术，使高级驾驶辅助系统得到更大规模的应用，并将道路安全提升到一个新水平。
自动驾驶汽车技术将ADAS系统的应用提升到新水平
大家公认，汽车自动驾驶可分为五个等级（L0级代表不具备自动驾驶能力）。ADAS系统属于L1级和L2级，L3到L5级代表着，自动驾驶水平从一定程度的自动驾驶，到完全无需人类干预的完全自动驾驶。
虽然L1级和L2级的汽车已经在销售，但具有不同自动驾驶水平的汽车仍在开发当中。我们知道，自动驾驶汽车在技术上是可行的。但是，让它们走出实验室并上路驾驶的真正难题在于，解决更为复杂的问题，比如，与安全保障和社会认可相关的问题。为此，我们一直在围绕难度更大的自动驾驶汽车驱动技术进行创新，如地图测绘和安全性等。我们围绕自动驾驶汽车设计的这套技术，将提升ADAS系统到达新高度。
Mobileye开发了路网采集管理™（REM™）技术，通过众包方式，形成自动驾驶汽车所需的地图——我们称之为全球路书™（Roadbook™）。我们现在正在利用这些地图，来提高ADAS系统功能的准确性。大众汽车就是一个有力证明。经过不懈努力，大众汽车通过搭载前置摄像头和路书技术，实现L2+级别的自动驾驶。
我们还倡导了一种技术中立型责任敏感安全模型（RSS），通过数学方法，来实现更安全的自动驾驶汽车决策。RSS模型已经受到广泛的关注，产业界和各国政府都宣布，将RSS模型采纳于自动驾驶汽车项目，从而推动其成为自动驾驶汽车安全的全行业标准。例如，中国交通运输部下属的标准制定机构“中国智能交通产业联盟”已经通过了一项提议，将采纳RSS模型作为其即将推出的自动驾驶汽车安全标准的框架；法雷奥公司在其自动驾驶汽车计划中应用了RSS模型，并同意共同制定行业标准；百度也宣布，在其阿波罗计划中成功地以开源方式部署了RSS模型。
今天，我们让RSS技术重新回归ADAS实验室，并提出，将其作为对自动紧急制动（AEB）的一种积极补强。我们称之为自动预防性制动（APB）。APB使用公式来确定车辆会在何时遇到危险，可通过轻缓到几乎毫无感觉的预防性刹车而非猛然刹车，来帮助车辆回归安全位置，以便防止碰撞。
如果在每辆配有价格实惠的前摄像头的车辆上安装APB，我们相信，这项技术可以杜绝大部分由于错误驾驶决策所导致的追尾碰撞。如果我们同时搭配使用环车影像感知和地图功能，来扩大预防性制动的应用场景，我们就有望近乎彻底地消除这种性质的所有碰撞。
我们认为，像APB这样的预防性技术是实现“零伤亡愿景”的关键，希望其广泛采用能够近乎彻底地消除因错误驾驶决策而导致的交通事故伤亡率。APB有别于全球“零伤亡愿景”工具包中的其他工具，因为，它是汽车的固有组成部分，而不是应用于汽车周围的基础设施。APB不会添加干扰交通流量的障碍物，如减速带或降低速度限制，而是仅在必要时，主动调整车速以保持安全，因此，在不影响交通流量的情况下提高安全性。
自动驾驶汽车之外的应用
除了自动驾驶汽车技术对ADAS的溢出效应外，我们发现，ADAS除应用于车辆之外，还可以有其他全新应用和收入来源。
我们与全球领先测绘机构之一的英国地形测量局建立了新的合作关系，这就是一个很好的例子。通过为公用事业单位的车队配备我们的改装系统Mobileye8 Connect™，我们将为自动驾驶汽车提供英国地图测绘，并向这些公用事业单位提供我们的第一批数据服务产品。试想一下，为了在地面上简单地钻个洞，如果使用我们的REM数据，您就可以轻轻松松地将地下资产映射到相应的地面地标。相比不得不连续几个月无休止地在繁琐的官僚主义流程中耗时耗力，以及依靠过时且不精确的信息来开展这项工作，我们的流程实在堪称快捷。这个例子表明，我们为自动驾驶汽车开发的技术将会拥有全新的用途，且这种用途具有广阔的前景，并有助于实现智慧城市的承诺。
自动驾驶汽车是我们集体性的技术突破
自动驾驶汽车距离实现拯救生命这一承诺还有一段路要走，与此同时，我们的ADAS技术正在赢得世界领先安全评级机构的高度认可，因为，他们已经认识到，基于摄像头的主动安全系统可以很好地拯救生命。2018年，16款车型获得了欧盟新车安全评鉴协会的五星级安全评级，其中，12款内置Mobileye防撞技术。
在很大程度上，这项技术为自动驾驶的未来铺平道路，并将成为与中国的北京公交集团、以色列的大众集团、ChampionMotors和Mobileye合作推出的早期“自动出行即服务”产品的基础。
与此同时，我们的ADAS业务持续增长，包括与长城汽车股份有限公司达成协议，将搭载基于Mobileye技术的ADAS系统的长城汽车推向海外市场。在这一年中，我们从24个原始设备制造商和8个一级供应商中赢得了28项新设计，并推出了20个项目，其中，78款车型来自16个原始设备制造商和5个一级供应商，这些车型中有56款具有高级功能。
从ADAS系统中获得尽可能多的安全性，是我们的义不容辞的道义。这意味着，我们在迅速制定自动驾驶汽车安全标准的同时，要与所有秉持“零伤亡愿景”的企业合作，全方位发挥ADAS系统拯救生命的能力，无论是通过改装，还是嵌入，将其安装到L1-L3级自动驾驶汽车中。拯救生命就在千钧一发之际，这也正是Mobileye和英特尔继续将安全作为指导方针的原因。

48V技术一直以来备受争议，被很多人视为鸡肋，很多汽车厂基本分为两种声音，一种声音是48V技术要上，可以降低整车油耗，另一种声音是48V技术不能解决传统车油耗问题，上了生命周期很短，没有意义。围绕着这两种声音各大主机对48V技术也是两种极化现象，有的主机厂搞48V技术热火朝天，相继把产品推向市场，有的是坚决否定，对于48V技术严禁开展。
那48V技术究竟要不要搞呢，今天不防深入剖析一下。首先我简单介绍下什么是48V技术。采用简单描述方式吧，就是采用了48V电压（36V-58V）。
发电机最大功率较低（10kW），电池电量较低（0.5度），整个电器系统不需要大的改动，直接可以在传统车上方便升级。当然节油效果在10-15%左右。目前这套48V系统成本最低可以做到3800元左右。看一下48V示意图示：
1. 先说一下目前比较流行的48_BSG结构，及所说的P0结构，如下图，P0结构是传统的发电机去掉，换成BSG电机，可以实现充电和电动。

这种结构最大的问题是采用皮带传动，效率比较低，驱动扭矩有限（一般电机最大扭矩55Nm左右）
2. 再说一下48V技术其它构型，48V技术也可以升级延伸为P1、P2、P3、P4，电机脱离皮带传动也会大大提升机械效率，同时也会增强动力辅助和能量回收效果，看看下图就比较清楚了。

48V技术可以深度挖掘，可以达到近20%的节油。甚至可以实现短距离电动，和强混的效果更近了一步。
基于以上说明，我个人认为48V的发展也是具有一个过程，也是一代代进行升级，达到动力性能、节油效果、排放性能持续提升改进，下图就是国外对48V技术发展的路线，我觉得规划的非常准确。
 

48V不仅仅向有些主机厂、有些人认识的那种，就是个“蹩脚”的BSG结构，48V技术同样具有很正向的发展方向和趋势。
那下面我个人就发表一下观点，48V在国内各大汽车公司要不要搞，要不要在国内汽车上应用和推广。我的观点是一定要，而且近5年也是一条主要的节能减排技术路线，我为什么这样说呢，我的观点有以下几个，待我慢慢道来。
1. 48V_BSG技术在传统车上很容易实现，价格提升不多，如果后续大范围推广，可以做到整个系统3000元之内，3000元可以实现12%左右（实际测试）左右的油耗下降，1%油耗降低折合为200多元，而且后续如果国内大范围生产，系统价格还会进一步降低，可见这个技术是值得的，性价比也算是非常高的。而且后续随着48V技术的升级路线的持续，这个技术的采用也是具有一定延续性和较长的生命力的。
2. 中国市场，前几年一直在推广新能源电动车，主要目的还是节能减排，不管纯电动是不是合理，但是节能减排的方向一定是对的，节能减排也必须是后续国内持续发展必须严抓的一个事情，那节能减排最合理的还是A级甚至是A0级车型的推广和使用，车辆使用的小型化、家用化是节能减排的硬道理，小型传统车型，传统内燃机采用48V技术可以实现5L/100km的油耗目标，这种车型的传统内燃机机型都是小型化机型，这种传统车的油耗基本都在5.5L/100km。如下图油耗分析所示。

这种小型车型发动机需要满足两种类型，一种是高效阿特金森发动机（自然吸气）+48V，可以实现油耗降低达到5L/100km，同时不丧失动力性（48V电机动力辅助，最大瞬时可以超过100多Nm）；另一种是直喷增压小型化技术，小型化节能三缸机+48V，也可以实现以上的效果，而且这种发动机如果采用深度米勒进一步降低油耗，甚至可以突破5L/100km。可见，48V+小型高效内燃机必然是A级小型车型达到油耗目标一条可行之路，一条性价比很高的技术之路。
3. 对于中国市场上销量较大的中型SUV车型，要不要加装48V呢，首先我声明一点，采用一种技术并不是一定要满足终极目标5L油耗，这种中大型SUV采用48V不可能达到这个油耗标准，很多人曲解了这一概念，5L是一个油耗平均值，包括某一汽车企业所有销售车型，也有部分新能源车辆，那我们进一步分析一下，如果中型SUV不采用48V技术，那这个企业就要销售更多的电动车、混动车、插电混动等等，简单计算一下：
如果每个月销售2000台这种中大型SUV（整备质量1.6吨左右），这种传统车型油耗一般在8L/100km（已经是非常优秀的水平，好的发动机+动力总成技术），2000台我们假设这样组成，新能源车型占有量12%（符合国家高期望值，其实远远达不到这个销量，甚至补贴退坡后销量只会降低，更低！），那其中新能源车型240台，传统车型为1760台，那这个企业平均油耗我们大概计算下来是7L/100km，如何达到平均5L/100km，根本无法实现，主要的原因是新能源车销量很难提升，所以中大型传统车型必须也面临着进一步降低油耗技术的应用，那如果在这种中大型SUV中采用了高效深度米勒技术+48V技术，既能保证车型动力性不会降低，同时这两种技术联合应用油耗可以达到近20%降低，这样这种传统车型油耗就可以降低到6.4L/100km左右。这样该企业平均油耗才能接近5L/100km的目标，仅需再努力一点点就可以达到油耗标准，接下来就是一件很容易的事情了。在此做个体会总结，没有任何一种技术能够100%最优解决所有问题，技术提升一定是循序渐进的过程，一定不会有那种一步到位的，也更不会有那种弯道超车的技术，技术需要沉淀，经验需要积累！
4. 传统车型电气化程度慢慢增加，包括电动空调、ESP、智能化、超级数值化、电控悬架等等，哪一种不是要电来支持，传统的12V铅酸电池压力越来越大，已经被超载的透支了，48V技术的应用，也是这些高端电气使用的有利保障，也许不久的将来，国外的高端车，奥迪、宝马、奔驰都会采用48V技术，也许这个技术在这些高端车型上是一种标配。举个小例子，大家都熟悉启停技术吧，目前基本成为各个档次车型的标配，低端车型可能不那么强调NVH效果，但是高端车型呢，采用这种启停技术真是一个鸡肋，很多高端车型车主有这个功能也要关掉，因为太影响舒适性了，但是48V技术的应用，可以让这个烦躁大大改善，甚至让你安静的感觉不到发动机这种启停过程，NVH大幅度提升。目前有几款国内48V车型也上市了，有吉利的博瑞、江淮的48V获得了“中国心”十佳机型，匹配的瑞风也已上市、通用五菱的宝骏系列采用的48V也已上市。

最后，大家有时间可以去试乘试驾一下吉利博瑞GE的MHEV(48V系统)，一定会让你有不一样的认识，也一定会让你对48V系统的看法有个重新认识。48V技术系统，我个人认为一定是传统车型降油耗必经的一项技术，48V技术的推广和应用是未来发展更先进节能减排必须的基础，技术对于任何汽车厂家都是公平的，技术需要一代代去累积，技术不能被逾越，未来最先进、最突出的、最合适的技术一定是经历了几代、甚至十几代的不屑努力和研发，当然48V技术也是您不可逾越的！

【赛迪网美国报道】汽车技术供应商法雷奥（Valeo）近日宣布，采用英特尔的自动驾驶汽车安全决策模型，即责任敏感安全模型（RSS）。此外，百度已于今年早些时候宣布，将RSS应用于其自动驾驶汽车开源项目Apollo——这也是该技术的首个开源实现。与此同时，多国政府和行业也已将RSS视为自动驾驶汽车安全的典范。
“我们的全球合作伙伴采用RSS模型，并愿意在基于RSS模型的安全标准上投资，这说明，他们非常看好安全自动驾驶的未来前景。”
——英特尔资深首席工程师、Mobileye自动驾驶汽车标准副总裁Jack Weast
为何重要：安全成为公众接受自动驾驶汽车的最大障碍之一，汽车行业越发需要建立一个强大、透明且技术中立的自动驾驶汽车安全标准，而这正是英特尔RSS模型在全球供应商中备受推崇的重要原因。
法国顶级汽车零部件供应商法雷奥与英特尔公司子公司Mobileye达成了一项合作协议，双方将联手制定和推广一个基于RSS、技术中立且由行业主导的全新自动驾驶汽车安全标准。法雷奥将与Mobileye在策略和技术上展开合作，以促进欧洲、美国和中国采用基于RSS的技术标准。双方合作的内容包括：起草安全自动驾驶汽车的验证和商业部署框架，资助有关RSS模型的公共研究，协助标准起草以及加入标准组织的核心委员会和工作组。
安全至上的法雷奥将凭借其全球领先的环境感知和传感器专长以及其在全球安全和监管工作组中的合作，继续为完善RSS模型做出贡献。
发展进程：自去年推出以来，RSS模型已获得全球范围内相关单位的认可：
•   百度去年公布了在其Apollo项目中采用RSS的计划。今天早些时候，该公司在国际消费电子展新闻发布会上展示了RSS的成功应用案例。作为世界上首个RSS的开源实现，百度成功证明了RSS是一项真正具有技术中立性的安全解决方案——不管有没有Mobileye的技术和支持，它都能发挥作用。
•   2018年10月，亚利桑那州自动驾驶移动出行研究所（IAM）成立，其主要任务是探索和实现安全自动驾驶。其中，IAM将以RSS作为其研究和测试自动驾驶汽车安全的基础。
•   在最近的一份报告中，领先的智囊机构兰德公司指出，RSS是实现“安全信封”的一种方式，并称“安全信封”是让自动驾驶汽车掌握公路驾车技能的必要因素。
•   Mobileye、大众汽车、Champion Motors以及北京公交集团联合宣布的全新“出行即服务”（Mobilityas a Service，MAAS）合作项目，也将使用RSS模型来确保车队行驶安全。
特别之处: RSS最初由Mobileye首席执行官AmnonShashua教授和首席技术官Shai Shalev-Shwartz教授于2017年提出。该模型具有技术中立性，这能够使全行业以此为出发点，来统一对安全自动驾驶的认识。
RSS将人类安全驾驶概念具化为一个可验证的模型，该模型具有逻辑上可验证的规则，并定义了恰当的响应行为。RSS有别于目前基于概率人工智能的自动驾驶汽车安全决策系统。由于人工智能的概率性，英特尔建议，采用一个具有确定性的独立层——或称为“安全信封”，它可以根据通俗易懂的安全驾驶定义，来检查自动驾驶汽车的决策是否安全。该模型对安全做出了规定，而且车辆无需数百万英里的里程积累就能学会如何安全的行驶。

     "应把创新作为汽车智能网联的第一动力"，经济学家任玉岭近日表示，要搞好智能网联汽车，一定要创新思维、创新技术、创新管理、创新物流，特别在传感器、识别技术、动力技术等方面要有大的突破。

                                                                             
      日前在京举行的第二届中国汽车智能网联高峰论坛上，任玉岭表示，以"互联网 "为基础的智能化是推动新一轮技术革命的强大动力，必将更广范围内提升国家的生产力、文化力、影响力。"我们在汽车方面有2000万辆的生产规模，不仅需要大力发展新能源汽车，更需要发展无人驾驶汽车。为此，必须加大资金投入、人才投入，要使创新的土壤更肥沃，创新能力更坚强。"
      在论坛上，传统汽车企业与造车新势力"谁是未来智能网联汽车的王者?"引发广泛讨论，中国汽车工业咨询委员会主任安庆衡表示，长安、上汽、吉利、广汽等全国各大车企，积极布局智能网联汽车，发布产品智能化长远计划，迎接汽车智能化时代的到来。
      据介绍，目前我国已建成或筹建上海、北京、重庆、长春、武汉五处国家级智能网联汽车示范区;杭州、深圳等超过16个地区投入建设智能网联汽车测评示范区;以工信部、中国汽车工程学会牵头的国家智能网联创新中心正在筹建。