智能汽车

智能汽车

车内生命体征监测“黑科技”上线,实用还是噱头?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 600 次浏览 • 2020-06-23 09:54 • 来自相关话题

长城汽车推出采用毫米波雷达的车内生命体征监测技术,并搭载于旗下量产的2021款WEY VV6车型上。 ...查看全部

长城汽车推出采用毫米波雷达的车内生命体征监测技术,并搭载于旗下量产的2021款WEY VV6车型上。

近年来,儿童滞留车内事故频发,究其原因,是由于监护人的疏忽大意导致。一旦孩子滞留在车内,除了密闭空间氧气有限,一氧化碳浓度升高会导致窒息以外,还有车内温度过高,孩子易脱水休克。这都是真实的、让人心痛的事件。
为了避免这类悲剧再发生,6月8日,长城汽车举办了“生命体征监测技术线上发布会”,重磅推出车内生命体征监测技术。据悉,该技术采用了高精度、高性能的毫米波雷达监测车内生命体征目标,一旦监测出生命体征,系统会在30秒内报警,及时提醒车主,杜绝上述事故发生。
1592877214847106.jpg
其实这项技术并不是长城汽车首创,业内一些车企也都推出过类似的安全监测技术。
例如,2020年3月21日上市的哪吒U车型,其配置的生命体征监测系统可以通过分析车内呼吸浓度,识别车内生物遗留,并及时通知车主进行处理。未来甚至可以通过OTA升级,使哪吒U具备自行处置此类险情的能力。
广汽蔚来旗下的新能源品牌——HYCAN合创汽车于2020年4月10日上市的旗下首款车型HYCAN 007也搭载了车内生命体征监测系统。该系统可根据车内二氧化碳浓度判断是否有遗忘在车内的孩子或宠物。
北京现代新一代胜达也配置了后排乘员预警系统,用于监控后排座椅情况,并将监测的信息及时上报并提醒驾驶员。
与其他车企相比,长城汽车的生命体征监测技术有何独特之处?是否能真正实现安全提醒功能?

01或将带来价格上涨

我们先从技术的角度来分析。放眼国内外,具有车内生命监测功能的技术主要有:红外线监测、摄像头监测、重力感应监测、毫米波雷达监测、后门警报系统和ROA超声波系统。
红外线监测是在车内加装了红外感应装置,一旦车辆锁闭,车内的红外感应装置便迅速启动,一旦有热源进入车内,就会触发警报。
摄像头监测,是在车内加装摄像头,用以探测驾驶员疲劳,在车辆锁闭之后也可以监测生命体征。今年3月上市的哪吒U,其配置的生命体征监测系统就是采用摄像头监测的方案。
重力感应监测,则是在座椅内增加重力感应装置,以判断乘员是否系好安全带,也可把这个作为判断车内是否有人的方法。
日产推出的后门警报系统主要是通过后门的传感器触发喇叭发出警报,并在仪表盘提示,提醒驾驶员后座遗落物品需要再次检查,降低高温天气中将儿童遗忘在车内致命的风险。该系统于2017年首次在Pathfinder中引入。日产计划到2022年旗下所有四门卡车、轿车和SUV车型均配备该系统。
现代汽车推出的ROA超声波系统,使用的是超声波传感器来监测后排座位,以检测是否有儿童运动。在司机锁车离开后,系统检测到有儿童运动,就会发出报警,同时闪光灯亮,并能通过现代的Blue Link系统向车主的智能手机发送警报信息。仪表盘上的信息也会提醒车主在下车前检查后排的座位。
毫米波雷达监测是通过采用高精度、高性能的毫米波雷达,对车内生命体征目标的心跳、脉搏、呼吸等动作进行扫描、比对、分析,最终实现对车内生命体征目标的监测。
“从实用角度来讲,我觉得是摄像头更实用,一方面性价比更高,另一方面摄像头可以识别图像(夜视摄像头具有夜视功能),实现车内遗留物种类识别,具有分类能力。毫米波雷达目前大多不具备成像能力,无法分别目标是不是人,可能会误报或漏报,且成像毫米波雷达的价格相对要高很多。” 某车企智能网联领域技术专家告诉《智能网联汽车》杂志记者。
根据长城汽车所宣传的内容来看,其毫米波雷达监测可以实现利用静止物体消除算法等关键算法,剔除虚假目标干扰,有效分类出活体与其他物体,实现对车内生命体的有效监测。对此,上述专家表示,一般的毫米波雷达并不具备这类功能,除非是专用的毫米波雷达。“比如配合生物学传感器使用,雷达负责检测是否有车内遗留物,生物学传感器负责检测遗留物的生命特征。”
但这样的话,必然会导致价格的上升。
据上述专家介绍,从量产的角度来看,单纯测距的毫米波雷达,24G的一般300元左右,77G的一般600元以上。但是像具备上述特殊功能的雷达就不好估算了。而一般带检测和识别功能的摄像头也就三五百元,甚至更便宜。
“这要看长城汽车如何控制整体的成本了。但技术还是好技术,就看是否可靠,以及价格方面消费者能否接受。”他进一步补充道。
据悉,在发布会上,长城汽车并未透露其量产车辆的售价,和是否将毫米波雷达作为标配搭载在整车上。

02识别呼吸是噱头?

此次长城汽车发布的生命体征监测技术将搭载在2021款WEY VV6车型上,长城汽车也成为首家把该技术大规模应用于旗下量产车型的厂商。那么,在实际使用中,毫米波雷达是否能准确的监测生命体征,并真正起到安全提醒的作用?还是噱头大于实际用途?
在发布会上,长城汽车表示,此款毫米波雷达作为传感器,被安装在车内左侧B柱上方,可识别出10*10*10cm以上的生命体,并宣称“即使是轻微呼吸也能识别出来。”
“对于呼吸气体,我无法想象毫米波雷达如何测量。”一位从事车用雷达研究的业内人士表示。
该业内人士谈到,即使这款毫米波雷达可以测呼吸,达到监测生命体征的作用,其精准度是否能达到官方宣传的效果,目前尚存在疑虑。“我主要是接触测距雷达,基于开普勒原理,即发射波和发射波的原理测量距离。毫米波雷达测距时,对于一些反射率不高的界面(如树叶、薄塑料体),反射波往往强度不足,会导致测量误差。”
针对目前大多数车企采用的摄像头监测方案,某车企从事智能网联研究的负责人表示,车内主要会受到光线的影响,这就需要有夜视功能的摄像头。而且现在ADAS中的驾驶员状态检测功能,就是靠摄像头检测驾驶员的脸部和身体姿态,判断是否疲劳驾驶,这一点可以扩展该功能,比较好实现对车内人员的检测。
不管怎么说,使用毫米波雷达作为车内生命体征监测手段,长城汽车也算是开了行业先河。至于效果如何,还有待量产车型上市后,市场的验证了。
随着技术的不断进步,消费者对于车辆的需求,已不仅仅是代步工具,而希望赋予它更多的职能。
“如今关于车辆智能化的发展是全领域的,除了早已形成共识的自动驾驶、智能网联技术之外,更多人性化方面的智能技术也受到更多的关注和探索,比如‘智能电子座舱’、‘智能情感座舱’、‘车内生命安全检测’等新的智能化技术。未来车辆智能化技术的发展肯定是越来越全面的。”上述负责人谈到。(作者:田野)

新基建背景下 汽车产业的发展机遇与挑战

博客自动驾驶小能手 发表了文章 • 0 个评论 • 300 次浏览 • 2020-05-15 09:59 • 来自相关话题

近年来,新型基础设施建设受到广泛关注,特别是进入2020年,多项利好政策的相继出台,不仅为我国汽车产业高质量发展奠定了基础,而且还为我国汽车产业的转型升级提供了新动 ...查看全部

近年来,新型基础设施建设受到广泛关注,特别是进入2020年,多项利好政策的相继出台,不仅为我国汽车产业高质量发展奠定了基础,而且还为我国汽车产业的转型升级提供了新动能。

围绕新基建与汽车产业之间的关系以及新基建背景下汽车产业的发展机遇与挑战的话题,5月9日,在中国电动汽车百人会召开的汽车产业形势与政策高端研讨会上,来自产学研领域的10余位相关专家、学者及企业家,在云会议上进行了精彩的讨论。

新基建与汽车产业协同发展

“汽车产业与新基建之间的关系非常密切,数字技术在汽车产业中的应用潜力巨大”,全国政协经济委员会副主任、中国发展研究基金会副理事长刘世锦如是说。他认为,最近几年我国数字技术和数字经济正在蓬勃发展,汽车行业里的“三化”(电动化、智能化、共享化),都与数字技术高度相关。例如,电池领域的分布式能源、智能领域的自动驾驶与低时延技术、共享领域的共享出行,很大部分采用的是数字技术。
“卫星互联网、新能源汽车都是新基建的建设内容,卫星互联网的发展,将传统平面网络变成立体网络,广域覆盖、宽带连接,势必将会对汽车行业产生深远影响。”在中国航天科工三院航天海鹰卫星运营事业部总经理袁鸿翼看来,随着通信导航一体化、天地网融合的发展,低轨宽带星座在汽车领域的广泛应用,可为车辆智能网联、云端协同、车路协同等创新应用场景提供通信保障。
1589507903416016.jpg
中国移动研究院研究员王泉则从新基建所涉及的具体内容,解释了新基建与汽车产业的关系。他表示,新基建主要包括5G、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网等7个领域。其中5G、大数据中心、人工智能,都属于新一代的信息基础设施,工业互联网新一代信息基础设施是在工业领域的应用,智能网联汽车属于新一代信息基础设施在汽车和交通领域的应用。
同时,他强调,新一代信息基础设施对汽车产业的影响主要包括四方面:5G、大数据中心、人工智能对汽车产业的影响以及新一代信息基础设施对汽车的制造业产生的影响。
新基建背景下汽车产业的发展机遇
“新基建主要的利好行业包括通信、软件、互联网等领域,而这些领域跟我们的汽车产业都有比较大的关联度,从这个方面来看,新基建对于汽车产业来说是比较大的利好。”在赛迪顾问软件与信息服务业研究中心的副总经理王云侯看来,基于新基建的投资,很大程度上也会促进汽车产业的转型升级。
1589507920540365.jpg
具体到工业互联网领域,他认为工业互联网能够在三方面帮助汽车生产企业转型升级。
  • 第一,工业互联网能够帮助汽车生产企业提升自主研发水平。

  • 第二,通过这种工业软件的应用或者是通过智能生产设备的应用,可以去极大的提升企业在制造过程中的生产效率。

  • 第三,面对终端的消费者,工业互联网能够帮助车企去解决供应链管理和市场销售方面的数据流通和供应链原材料采购效率的问题。

具体到信息基础设施层面,中国移动研究院研究员王泉认为,新一代信息基础设施给汽车产业提供了两大机遇。
  • 一是,新一代信息基础设施将加速推进汽车产业与汽车交通业数字化的转型升级。他指出,我国将新一代信息基础设施其中四个方面纳入了新基建战略的范畴,这就为我们国家的汽车产业和汽车交通赶超甚至引领世界先进水平提供了一个难得的发展机遇。

  • 二是,新一代信息基础设施为汽车和交通信息数据的采集、汇聚、协同、共享提供了有力的技术保障,为推动汽车交通相关的各方,包括信息通信行业、汽车制造业、交通管理、交通运输部等部门进行协同、合作和发展提供了技术保障。

中国航天科工三院航天海鹰卫星运营事业部总经理袁鸿翼认为,卫星互联网的发展将助力智能汽车产业发展,让“人 - 车- 路- 云”协同感知控制更智慧、更精细,让驾驶安全、交通效率和信息服务向更加安全、协同、智能、绿色方向发展,有效解决城市交通问题。
具体到新能源充电桩领域,国网电动汽车公司董事长、党委书记全生明表示:“这次国家将充电桩纳入新基建重点领域,它的最大意义在于解决电动汽车充电难的问题,进一步激发了新能源电动汽车消费的需求”
新基建背景下汽车产业的发展挑战
新基建与汽车产业的融合,车路协同是一个重要抓手,但中电海康集团海康智联CTO刘彦斌看来,未来通过聪明的车+智慧的路形成车路协同,汽车产业还需要解决三方面的问题。
  • 第一,对于政府层面来说,做好车路协同必须要解决行业管理的痛点,比如交通拥堵、交通违章等。

  • 第二,对B端,他认为车路协同可以构建一个产业生态,因为未来整个车端的改造升级,可能会引发新的产品和终端出现。

  • 第三,对C端的消费者来说,短期内不仅要提供更多的车路协同精准的信息服务,更长远来说,未来还要让C端车主体验到更多的出行便捷服务。

1589507942320641.jpg
对于新基建在实际落地中的问题,百度智能驾驶事业群组自动驾驶技术部副总经理陶吉认为,车路协同从示范走向规模化,要真正把这个示范当成效果体现的一个试验田,而不仅仅是去参与基建、参与把政府的投资能够分一杯羹。为此,他就车路协同实际落地过程中出现的问题,提出了两点思考。
  • 一是,基础设施建设好之后到底谁来运营。目前,国家的相关政策部门尚未明确指定谁有权限来运营这样的设施,因此,他建议各个地方的政府能够先行先试,把数据真正的融合打通去提供服务,验证商业模式,如此才能看到示范区向规模化与可持续发展的可能性。

  • 二是,光有基础设施是远远不够的。对于智能网联汽车,他表示,不能指望全中国80%的道路都铺好了再进行网联化的车辆建设,反之也不能指望网联化的车辆建设好再去铺设道路。因此,需要示范区来打破这样的死结,通过循环带动的方式推动汽车产业发展。

“在新基建道路数字化这方面,还存在无统一标准的问题。”华为车联网产业发展总监许智宇表示,在道路智能化的分级上,是一条路上建设了一个感知设备或者是一个网联设备,就叫智能化道路、数字化道路,还是要建到什么样的水平?对此,他建议联合行业的力量,共促标准的推出与应用。(作者:郭王虎/智能网联汽车杂志)

自动驾驶传感器方案全解析

博客自动驾驶小能手 发表了文章 • 0 个评论 • 188 次浏览 • 2020-04-28 09:16 • 来自相关话题

自动驾驶汽车作为汽车未来的重要发展方向,成为汽车零部件产业链的重要增长点。国内外的汽车零部件供应商积极布局自动驾驶传感器领域,在车载摄像头、毫米波雷达和激光雷达三大核心部件,以及产业链上下游的拓展为零部件供应商带来增长机遇。 ...查看全部

自动驾驶汽车作为汽车未来的重要发展方向,成为汽车零部件产业链的重要增长点。国内外的汽车零部件供应商积极布局自动驾驶传感器领域,在车载摄像头、毫米波雷达和激光雷达三大核心部件,以及产业链上下游的拓展为零部件供应商带来增长机遇。

国内外部分综合实力较强的汽车零部件公司在自动驾驶汽车传感器上进行多产品布局,可以为下游客户提供综合性的自动驾驶解决方案,形成较强的竞争力。
这些公司包括国外的博世、大陆集团、法雷奥、海拉、德尔福、富士通天、奥托立夫等公司和国内的德赛西威、华域汽车和保隆科技等公司。
国际公司中,博世的自动驾驶传感解决方案技术领先,其可以为客户提供包括近距离摄像头、多功能立体摄像头、77/79GHz毫米波雷达等多种产品,同时博世通过投资以及自主开发的方式研制激光雷达产品。
大陆集团是全球排名前五的车载摄像头模组供应商和排名前三的毫米波雷达供应商,同时其规划2020年后将实现激光雷达的量产。
法雷奥是全球排名前三的车载摄像头模组供应商,其毫米波雷达和激光雷达产品稳步发展,其中和Ibeo合作研制的激光雷达已经量产。此外,海拉、德尔福等公司的自动驾驶传感器业务也稳步发展。
国内公司中,德赛西威2017年实现高清车用摄像头的量产,毫米波雷达产品将于2019年实现量产。华域汽车前视摄像头完成综合工况道路验证测试,毫米波雷达产品已经实现量产供货。保隆科技预计将于2019年量产车载摄像头,其毫米波雷达产品也已发布。
1. 竞争格局:国际企业领先,国内企业跟进
摄像头:国际零部件公司市场份额较高
车载摄像头产业链主要涉及上游材料、中游元件和下游产品三个主要环节。上游材料中光学镜片、滤光片和保护膜等用于制造镜头组,晶圆用于制造CMOS芯片和DSP信号处理器;
在中游镜头组、CMOS芯片和胶合材料等组装成模组,并和DSP信号处理器封装成摄像头产品。在产业链的这一层,上游供应商已经可以向下游整车或一级供应商客户供应完整的摄像头产品。
在车载摄像头产业链中,摄像头和软件算法一起,构成车载摄像头解决方案,应用于自动驾驶汽车中。
车载摄像头产业链较长,上下游拥有众多环节,每个环节都涉及国内外众多厂商和公司。
相较于消费电子等所用的摄像头,车规级的摄像头对防震、稳定性、持续聚焦特性、热补偿性、杂光强光抗干扰性等都有较高的要求,因此其模组组装工艺复杂,技术堡垒较高。
从全球摄像头供应市场来看,目前国外公司松下、法雷奥、富士通天、大陆、麦格纳等厂商占据较大份额,前五大产商市场份额合计在59%左右,集中度相对较高。
目前车载摄像头市场份额较大的公司均是全球领先的一级零部件供应商,下游客户基本覆盖了全球主要的整车公司。
法雷奥的下游客户包括大众、奔驰、宝马、福特、雷诺、马自达等;大陆集团的客户包括大众、福特、通用、马自达等;富士通天的客户则以丰田为主;麦格纳的客户群体同样广泛,覆盖欧美和日韩的主要车企;日立则以日本车企为主。
2. 摄像头产业链竞争格局分析
在车载摄像头的产业链上游中,不同环节的竞争格局也有所不同。
摄像头镜头组:舜宇光学领先在车载摄像头镜头组全球市场,舜宇光学占据第一的市场份额,2015年的市场份额达到34.1%,2017年市场份额达到39%;跟随其后的主要产商包括日本世光、日本康达智、富士胶片等。
舜宇光学是全球领先的车载摄像头供应商。公司于2004年进入车载摄像头领域,2012年起出货量开始稳居全球第一位。
舜宇光学的车载摄像头产品包括前视摄像头、环视镜头、后视镜头、内视镜头等,其产品具有持续稳定的聚焦特性、良好的热补偿性、高通光性等优良的特性,可以广泛应用于各种自动驾驶场景。
舜宇光学车载摄像头产品下游客户广泛,包括奔驰、宝马、奥迪、丰田、本田、克莱斯勒、福特、通用、大众和沃尔沃等公司。2018年,舜宇光学车载摄像头出货量达到3995万颗,同比增长25.3%;2013年至2018年年均增速达到40%,增速高于行业平均水平。
摄像头COMS传感器:技术含量高,市场高度集中
COMS是一种固体成像传感器,为摄像头的核心部件。COMS的生产制造技术含量高,从全球市场来看,目前主要被外资企业所占据。
根据YoleDevelopment的数据,2017年车载摄像头COMS全球市场的前五大供应商分别为安森美半导体、豪威科技、索尼、派视尔和东芝,市场份额合计达到88%,市场高度集中;此外三星和意法半导体紧随其后。
安森美半导体目前是车载摄像头CMOS市场规模占有率最高的公司,目前其市场占有率已经超过50%。2013年,安森美收购赛普拉斯CMOS图像传感器业务部;
2014年,安森美先后收购图像传感器设备制造商TRUESENSE和AptinaImaging两家公司;这三次收购让安森美不断巩固和加强在车载摄像头CMOS市场的领先优势。
目前,安森美是唯一能够提供100/200/800万像素车载摄像头CMOS组件的制造商。不同像素级别的COMS传感器可以用于不同级别自动驾驶系统,全系列的COMS产品线可以简化汽车设计,降低制造和维护成本等,这形成安森美的竞争优势。
安森美的车载摄像头CMOS产品覆盖下游绝大部分汽车厂商,此外包括特斯拉、百度等汽车行业新进入公司也成为其客户。得益于汽车自动驾驶等行业的发展和市场份额的提升,安森美的汽车业务收入近年来快速增长,2018年收入约18.2亿美元,同比增长6.0%,2014年至2018年年均增长17%。
摄像头视觉识别:Mobileye是领先者
相较于传统的摄像头使用场景,车载摄像头的使用还需要视觉算法的支持,才能在自动驾驶汽车中应用,因此车载摄像头产业链的下游还包括视觉识别解决方案环节。目前在车载摄像头视觉识别系统产品领域,以色列公司Mobileye是领先者,其市场份额在70%以上。
Mobileye单目摄像头解决方案,算法技术全球领先;同时具备视觉处理芯片EyeQ系列的研发能力。Mobileye的车载摄像头解决方案已经为沃尔沃、大众、奥迪、现代、宝马、日产、标致、福特等众多整车厂供货。
Mobileye营业收入快速增长,从2011年的1917万美元增长到2016年的3.58亿美元,年均增长约80%。Mobileye视觉处理芯片EyeQ在2018年出货量达到1240万颗,同比增长42.5%,2014年至2018年出货量年均增长达到46%。
摄像头国内竞争格局:传统摄像头公司与零部件公司均布局
目前国内车载摄像头供应商相较于国外公司整体实力仍较弱。部分非上市公司是车载摄像头的供应商,其中包括北京经纬恒润、广州一谷电子等公司。
这些公司客户以合资和自主品牌整车厂为主,其中北京经纬恒润的客户包括上汽通用、一汽集团、上汽集团、长安汽车、广汽乘用车等,广州一谷电子的客户包括东风日产、广汽本田、广汽丰田等。
国内车载摄像头供应商配套客户情况
同时,在消费电子等领域领先的国内摄像头供应商也开始进入到车载摄像头的领域,其中包括舜宇光学、欧菲光、晶方科技等上市公司。
从包含消费电子、安防监控等全部应用领域的摄像头模组组装出货情况来看,欧菲光、舜宇光学等公司排名靠前,显示了其在摄像头领域的强大竞争力,在进入车载摄像头领域后,这些公司将成为有力的竞争者。其中,舜宇光学的车载摄像头模组部分产品2018年已经开始量产。
从摄像头的上游产业链情况来看,国内公司在镜头组领域竞争力较强,但是在CMOS图像传感器领域的竞争力仍较弱。
镜头组是国内企业具备较多优势的领域,国内市场中,舜宇光学、欧菲科技、光宝科技等国内公司市场份额居前。
2017年国内车载摄像头市场,舜宇光学的份额约31%左右,是绝对的龙头,欧菲光和光宝科技的市场份额分别为8%和7%。舜宇光学在国内外市场均占据了最大的市场份额。
国内企业在车载摄像头CMOS领域话语权较小,且主要集中在中低端领域。目前国内CMOS产商包括:格科微电子,中国领先的图像传感器芯片设计公司,但其产品主要是针对消费电子;
比亚迪旗下的比亚迪微电子,2015年比亚迪安防类COMS月均出货量达到2kk/月,车载摄像头为其下游的主要应用之一;此外,思比科微电子、锐芯微电子等也是国内重要的COMS产商。
在传统的摄像头产业链公司之外,国内众多汽车零部件公司也开始积极布局车载摄像头领域,上市公司中有德赛西威、华域汽车、保隆科技等。
德赛西威在国内汽车零部件公司中较早布局车载摄像头领域。2017年,公司投资全自动高清摄像头生产线,并在国内率先实现了高清车用摄像头和环视系统的量产。
公司在后视摄像头、倒车摄像头、环视系统、自动泊车系统、夜视系统等领域持续投入,发展车载摄像头技术。例如智能倒车摄像头(RVC)项目,可以应用于各种涉及摄像头的驾驶辅助系统;多功能髙清环视平台(AB02A)项目,可以满足未来3-5年内车厂多功能环视项目的获取等。
2018年,公司车载摄像头产品实现量产,包括高清摄像头、高清环视系统、基于高清环视系统和超声波雷达融合的全自动泊车系统、驾驶员行为监控和身份识别系统等。
华域汽车积极发展车载摄像头业务。2017年,公司自动泊车系统完成车位扫描、路径规划、整车控制、路径跟随算法等开发,前视摄像头完成综合工况道路验证测试。
2018年,公司加快360度汽车行驶环境扫描系统等产品的开发和应用,探索建立覆盖毫米波雷达、摄像头和数据融合全功能的业务发展平台。
保隆科技也在推进ADAS业务。2017年,公司加大对车载摄像头的研发投入和市场开拓力度。2019年2月,公司发布了全新汽车动态视觉系列产品,包括动态视觉传感器、双目前视系统、红外热成像夜视仪、驾驶员预警系统、车用人脸识别系统等,预计将在2019年开始批量制造车载摄像头。
3. 毫米波雷达:国外零部件公司主导,国内企业逐步量产
毫米波雷达技术壁垒较高,从全球市场情况来看,目前市场份额主要由国外零部件巨头所占据。2018年全球毫米波雷达市场前五大供应商分别为博世、大陆、海拉、富士通天、电装(Denso),合计占有了68%的市场份额。此外,TRW、德尔福、Autoliv、法雷奥等公司也是重要的毫米波雷达供应商。
从国外主要毫米波雷达供应商的产品技术参数来看,各公司在毫米波雷达发展上各有不同。
博世的毫米波雷达产品主要以76-77GHz为主,产品技术先进,主要包括MRR(中距离)和LRR(远距离)两个系列,其中LLR4产品最大探测距离可以达到250米,在同类产品中处于领先位置。
大陆的毫米波雷达产品全面覆盖24GHz和77GHz两个频率,且以77GHz产品为主,产品类别丰富,包括ARS441、ARS510、SRR520、SRR320等多个系列。
大陆ARS441远程毫米波雷达的最大探测距离可以达到250米,在同类产品中领先。大陆的毫米波雷达产品的探测视角在对比中也较为突出。
海拉同样也是毫米波雷达的最大的几家供应商之一,早在2004年,海拉的第一代24GHz毫米波雷达即进行量产。目前海拉的毫米波产品主要以24GHz为主,是市场上的重要生产商。
德尔福公司的毫米波雷达产品也主要以77GHz产品为主,从探测距离上来看主要以中近程为主。
博世毫米波雷达博世目前是全球市场中毫米波雷达技术最先进的供应商之一,博世在2013年即推出中距离雷达,截至2016年,博世已经向市场供应了超过一千万个毫米波雷达。从博世毫米波雷达的性能参数指标来看,其产品目前处于行业领先的地位。
博世最新的第四代远距离雷达传感器(LLR4)的最大探测距离可以达到250米,最大探测目标数可以达到24个。LLR4能够分辨固定障碍物,可以在高速行驶状态下使用,在选配透镜或雷达罩加热功能后可以不受天气条件影响,同时具有极高的抗震稳固性、安装便捷性等。
LLR4可以应用于预先紧急制动、自适应巡航、交通堵塞辅助、左转辅助、集成巡航辅助等自动驾驶功能。博世MMR产品分为中前和中后位置两个类别,最大探测距离分别为160米和80米,最大探测目标数都可达到32个。中前位置的MMR可以应用于预先紧急制动、自适应巡航、车距指示等自动驾驶功能,中后位置的MMR可以应用于车道变换辅助、后方交叉路口预警等自动驾驶功能。
从客户情况来看,博世的毫米波雷达下游客户分布广泛,包括大众、奥迪、奔驰、福特、日产、菲亚特和保时捷等;国内公司中吉利汽车、长安汽车等也是博世的客户。截至2017年底,国内搭载博世驾驶员辅助系统的自主品牌量产车型已多达30个以上。从市场份额上来看,2018年,博世在全球毫米波雷达的市场份额为19%,占据着第一的位置。
博世根据ADAS自动驾驶等级的需求,目前正在开发全系列的下一代传感器,包括下一代毫米波雷达、下一代前置摄像头、下一代环视系统以及正在研发的激光雷达。
博世预计2019年将推出第五代毫米波雷达,可以实现远距离探测,水平视角的增大以及探测精度的进一步提升;2021年,博世将推出配备L3及以上级别自动驾驶的毫米波雷达。
相较于第四代毫米波雷达,第五代毫米波雷达的带宽将提升50%,同时通过拓展可占用带宽获得更多的反射量,从而实现更精确的环境建模。
大陆毫米波雷达
大陆集团是全球最大的汽车零部件供应商之一,大陆集团毫米波雷达产品全面覆盖24GHz和77GHz两个频率,产品包括ARS441、ARS510、SRR520、SRR320等多个系列。
大陆集团的ARS441远程毫米波雷达最大探测距离可以达到250米,在同类产品中处于领先地位。
大陆集团的毫米波雷达产品可以实现自适应巡航、盲点警告、车道变换辅助、前后交叉交通警报(带制动装置)、后碰撞感应、横向碰撞躲避、堵塞检测等多种功能,其中自适应巡航功能的最高时速可以达到200公里/小时。
目前,大陆集团的毫米波雷达产品已经发展到第五代,第五代长距离雷达的最大探测距离可以达到300米,第五代近程雷达可以实现精确停车功能,在行业中领先。新一代的传感器还具有模块化扩展功能,可以迎合整车企业不同的产品要求及电力电子架构。
从客户情况来看,大陆集团的下游客户包括丰田、福特、通用、大众、奔驰、现代、宝马、沃尔沃、凯迪拉克等;国内公司中,广汽集团、东风汽车等也是大陆集团的客户。
在市场份额上,2018年,大陆集团在全球毫米波雷达的市场份额为16%,占据着第二的位置,仅次于博世。
海拉毫米波雷达
德国海拉同样也是毫米波雷达的最大的几家供应商之一,早在2005年,海拉的第一代24GHz毫米波雷达即进行量产。
目前海拉是24GHz毫米波雷达的重要生产商,其24GHz毫米波产品最大探测距离可以达到70米,探测视角以达到±82.5°,在同类产品中具有一定的技术优势。
海拉的24GHz毫米波产品可以采用低成本的MMIC芯片,尺寸较小因而更容易集成在车身中,可以成熟地批量生产,因此具有较高的性价比。
海拉24GHz雷达的使用范围也很广泛,可以用于盲点监测、车道变换辅助、后碰撞预警、后交叉路口交通预警等。
随着77GHz毫米波雷达的重要性提升,海拉也在这一领域持续推进,其77GHz毫米波雷达的核心射频芯片是基于RF-CMOS技术和工艺进行开发,在具有射频收发模块的基础上,集成了单片微波集成电路,在技术上具有较大优势。
海拉的客户群体广泛,主要包括奥迪、宝马、大众、马自达、起亚、标致和沃尔沃等。从市场份额上来看,2018年,海拉在全球毫米波雷达的市场份额为12%,占据着第三的位置。
富士通天、电装、德尔福等公司也是毫米波雷达领域重要的供应商。富士通天和电装毫米波雷达产品主要集中在日本市场,2016年电装收购富士通天51%的股权,加强驾驶辅助系统的研发。
在2018年的全球毫米波雷达市场中,富士通天和电装分别以11%和10%的市场份额占据第四和第五的位置。德尔福的毫米波雷达产品以77GHz为主,产品技术较为领先,其下游客户包括通用、福特等。
4. 国内毫米波雷达:部分企业已量产
车载毫米波雷达未来发展前景良好,国内有众多公司涉足。
从公司类别来看,国内涉足毫米波雷达领域的公司包括上市公司和非上市公司两类。
上市公司中部分公司自主研发生产毫米波雷达,包括德赛西威、华域汽车、保隆科技等,另一部分上市公司通过投资收购的方式进入这一领域,包括海康威视、雷科防务等。
非上市公司主要创业公司,国内目前有十几家较大的毫米波雷达非上市公司,包括北京行易道、安智杰科技等。
从财务实力来看,上市公司经营规模较大,融资便捷,因此研发投入保障充足;非上市公司等通过股权融资的方式募集资金,进行产品研发和市场开拓。
目前较多的非上市毫米波雷达公司均获得了来自PE/VC的机构的投资,例如北京行易道2017年即获得国科嘉禾资本和磐古资本的数千万元级的A轮融资;通过融资,非上市公司也获得资金投入。
非上市公司中,目前国内有众多创业企业参与到毫米雷达波的研制领域,其中较多的公司获得股权融资,其中北京行易道、深圳安智杰、厦门意行半导体等公司的产品已经获得订单或者被国内整车企业所应用。
北京行易道已研发出77GHz汽车雷达以及基于SAR的79GHz汽车雷达,其中77GHz毫米波雷达在北汽无人驾驶汽车上应用。
深圳安智杰2018年获得达晨财智5000万元的融资。目前公司已经推出共三款24GHz和三款77GHz毫米波雷达,目前已拿到8家车厂的10余个项目订单,其中部分项目计划在2018年底或2019年初量产上市。
厦门意行半导体2017年获得中国宝安和北汽产投的A轮融资。公司已经研发基于SiGe工艺24GHzMMIC套片,并被被国内整车厂应用;同时77GHz套片正在开发中。
此外,其他创业公司还包括上海矽杰微电子、北京木牛科技、深圳承泰科技、长沙莫之比智能等十多家。
从客户情况来看,国内部分毫米波雷达公司已经实现产品量产并交付下游客户。
德赛西威24GHz雷达已经获得订单并将于2019年量产,根据披露,其自动驾驶业务客户有吉利汽车等。华域汽车的24GHz后向毫米雷达波已经实现量产,2018年全年生产1.7万套,客户包括上汽荣威等。由海康威视投资的森思泰克的24GHz雷达在猎豹迈途等两款车型上量产。
雷科防务旗下的理工雷科的77GHz毫米波汽车防撞雷达产品2018年成为百度Apollo生态合作伙伴。行易道的77GHz毫米波雷达已经在北汽无人驾驶汽车上应用,公司计划在2019年年底给乘用车提供毫米波雷达。
此外,安智杰科技已拿到8家车厂的10余个项目订单,其中部分项目计划在2018年底或2019年初量产上市;厦门意行半导体的基于SiGe工艺的24GHzMMIC套片被国内整车厂应用。
5. 国内主要毫米波雷达公司
华域汽车以毫米波雷达产品为切入点,建立ADAS产品路线图。2016年,华域汽车完成24GHz后向毫米波雷达的功能样件开发和77GHz前向毫米波雷达的原理样机开发,同时进行自主设计的毫米波雷达生产线的安装调试。
通过在ADAS领域持续进行的研发和产业化投入,2017年,华域汽车24GHZ后向毫米波雷达产品研发成功,使公司成为国内首家自主研发实现量产的毫米波雷达供应商。2018年,华域汽车24GHz后向毫米波雷达实现批产供货,全年共生产16,922套。
上汽集团量产的智能汽车荣威MARVELX上就采用了华域汽车与国外公司联合研制的24GHz毫米波雷达,该后向雷达可以实现盲点监测、变道辅助、横侧向报警辅助、开门报警、后车靠近碰撞风险报警等功能。此外,荣威MARVELXPro版本上将搭载由华域汽车完全自主开发的前向角雷达。
华域汽车在77/79GHz毫米波雷达领域的研发加速推进。目前华域汽车77GHz前向、前角、后角毫米波雷达、77GHz/79GHz高分辨率多模雷达、77GHz毫米波雷达与摄像的前向融合系统等产品均取得较大突破。
德赛西威近年来自动驾驶业务发展较快。
2017年,公司在新加坡成立自动驾驶团队,并在自动驾驶感知领域投入较多的资源,涉及的技术领域包括前碰撞预警、自动紧急刹车、盲区监测等;公司在研项目中即包括毫米波雷达技术。
2018年,公司毫米波雷达生产线搭建完成并达到可量产状态;24G毫米波雷达已经获得订单并将于2019年量产;此外,77G毫米波雷达预计在2019年达到可量产状态。
在毫米波雷达等单个产品的基础上,德赛西威往自动驾驶系统集成方向发展,未来融合了高清摄像头、毫米波雷达、超声波雷达等自动驾驶传感器的解决方案将不断出现。
公司与英伟达和小鹏汽车联合开发的L3级别自动驾驶系统计划于2020年量产,将使用中央域控制器来处理毫米波雷达产生的感知数据,可以实现低速代客泊车、中速TJP塞车辅助巡航以及高速代驾三大核心L3自动驾驶智能化功能。
6. 激光雷达:零部件企业与创业公司共同竞争
国际比较:形成多家公司竞争格局
激光雷达作为自动驾驶领域技术最前沿的硬件设备之一,目前国际上已经形成多家公司竞争的格局。
Velodyne公司是目前在激光雷达领域最资深的公司之一,2005年推出第一款激光雷达传感器,2007年推出64线高性能激光雷达。目前其3D激光雷达产品种类丰富,16线、32线和64线机械式激光雷达产品均有覆盖。2017年,Velodyne推出固态汽车激光雷达Velarray,预计量产后售价将大幅下降。Velodyne公司与多个无人驾驶项目有合作关系,主要客户包括福特、谷歌、百度、日产、沃尔沃等主机厂以及众多一级零部件供应商。
Quanergy公司于2012年成立于硅谷,成立后先后获得三星电子、埃隆·马斯克、德尔福和德州仪器等投资。Quanergy公司固态激光雷达技术领先,其主要采用的技术路线是光学相控阵技术。Quanergy的合作企业包括谷歌、苹果、IBM、博世、奥迪、福特、戴姆勒等。
Ibeo公司为一家德国公司,成立于1998年,专注于车载激光雷达的应用研发。Ibeo与法雷奥联合研制的4线激光雷达ScaLa已经实现量产。2016年汽车零部件巨头采埃孚收购了Ibeo的40%股权,并开始合作研制新型固态激光雷达。Ibeo公司合作汽车制造商有宝马、大众、奥迪、通用汽车、丰田等。
此外,以色列公司Innoviz、加拿大公司LeddarTech和PhantomIntelligence以及美国公司TriLumina等都是目前国际上重要的激光雷达制造商。
传统汽车零部件龙头公司也在通过自主研发或者投资的方式全面布局激光雷达领域。
博世在基于MEMS的固态激光雷达领域已有较多的技术积累,2017年推出使用MEMS技术的兼顾激光扫描和投影的BML050方案。
同时,博世通过投资积极布局激光雷达,在2017年投资了Flash技术方向的美国固态激光雷达公司TetraVue,在2018年投资了研制全固态芯片激光雷达的ABAXSensing公司,来全面加强其固态激光雷达的研发能力。
大陆集团通过自主研发在2015年推出一款三线激光雷达SRL1,可以实现对物体的测速和测距等,但因为三维建模等方面的性能限制,无法在L3以上级别的自动驾驶中使用。
大陆集团在2016年收购了美国3DFlash方向的激光雷达公司ASC来加强研发能力。根据大陆集团的规划,其在2020年后将实现激光雷达的量产。
德尔福通过多处布局投资的方式来加强其在激光雷达领域的地位。德尔福在2015年投资了Quanergy公司;2017年德尔福投资了Leddartech公司,双方将合作开发固态激光雷达解决方案;同年,德尔福投了Innoviz公司并签署合作协议,未来将Innoviz的激光雷达传感器集成到德尔福的自动驾驶系统中。
此外,采埃孚在2016年通过直接购买Ibeo公司40%的股权的方式进入激光雷达领域;麦格纳在2017年对Innoviz公司进行战略投资,并将携手为宝马提供固态激光雷达;奥托立夫(Autoliv)则在2017年收购瑞典激光雷达公司Fotonic。
在各零部件巨头积极布局激光雷达领域的同时,法雷奥和Ibeo合作研制的激光雷达(ScaLa激光扫描仪)已经实现量产,在2017年开始配备奥迪的量产L3级别自动驾驶汽车奥迪A8。
国内比较:创业公司参与较多在激光雷达领域,国内目前也有众多创业公司参与,大部分公司都获得了大量融资,整车厂商也通过投资的方式进入这个领域。
速腾聚2018年获得来自菜鸟网络、上汽集团和北汽集团的投资,其激光雷达产品包括机械式激光雷达、MEMS固态激光雷达和相控阵固态激光雷达等,目前已经应用于菜鸟网络的无人物流车等。禾赛科技其产品包括机械激光雷达Pandar64和固态激光雷达PandarGT等。其中无人驾驶激光雷达目前已经应用百度Apollo平台,其他客户还包括京东以及欧美的一些大型OEM厂商。
北醒光子其产品包括CE30固态面阵激光雷达、TF03激光雷达长距离传感器等,目前产品主要用于物流等自动导航小车(AGV)场景,车规级领域已经开始起步。北科天绘目前已经推出多款面向车辆前装市场的C-Fans系列激光雷达产品,产品已经进入无人物流领域。此外,国内的激光雷达公司还包括镭神智能、飞芯电子和光珀智能等。
7. 国内公司突破路径,由部件拓展至系统集成配套
从单个零部件供货到拓展到系统集成配套,是国内公司在自动驾驶传感器市场取得突破,拉近与国外公司差距的重要发展路径之一。
系统集成配套发展自身也是自动驾驶汽车传感器未来的发展方向。将车载摄像头、毫米波雷达和激光雷达等传感器在系统层级进行融合使用,将各个传感器获得环境信息数据进行综合分析决策对于保证车辆对周围环境的定位和理解至关重要。
在高级别自动驾驶汽车中,这种系统集成配套的重要性将进一步提升。Mobileye以车载摄像头为基础,提供“车载摄像头+算法+视觉处理芯片”的产品组合,就是这种系统集成配套的典范。
以华域汽车和德赛西威为例,国内公司在自动驾驶汽车传感器领域已经在零部件层面已经取得重要突破,目前正在以重要零部件为基础,拓展自动驾驶汽车产品领域,提升系统集成度。
华域汽车近年来在智能互联领域持续投入,公司24GHz后向毫米波雷达在2018年已经实现了批量供货,基于77/79GHz技术的前向毫米波雷达等产品正加快研发。
在系统集成方面研发360度汽车行驶环境扫描系统等产品,搭建覆盖毫米波雷达、摄像头和数据融合全功能的发展平台。同时,公司开始进入汽车智能安全系统、智能座舱等系统集成产品领域,充分利用业务单元的协同性,提升在自动驾驶汽车中的产品渗透率。
德赛西威在2016年成立智能驾驶辅助事业单元,开始在自动驾驶的感知、决策和控制领域进行部署。近年来,公司在重要零部件方面取得突破,2017年实现高清车用摄像头和环视系统的量产,2018年公司24GHz雷达获得项目订单并将于2019年量产。
同时,公司确定智能驾驶舱、智能驾驶和车联网为未来的三大业务群,为客户提供系统级别产品。其中,公司已经开发出基于高清环视系统和超声波雷达融合的全自动泊车系统、包含多屏互动的智能驾驶舱系统、360度高清环视系统、驾驶员行为监控和身份识别系统等产品并获得了订单,系统集成度不断提升。
8. 进口替代的实现
随着国内自动驾驶汽车的快速发展,未来我国的自动驾驶汽车传感器市场规模大。而目前我国自动驾驶汽车传感器市场主要仍由国外企业所占据,随着国内公司的传感器产品技术和质量提升,凭借性价比优势,未来进口替代的空间较大。
对于国内的整车或一级零部件供应商,选择国内的传感器零部件产商,在成本控制、产能保障方面更具优势,另一方面,国内传感器供应商可以更好地配合进行技术创新和产品改进。
而国内的传感器零部件供应商也亟需下游市场来增长营收,同时不断提升自身技术,因此两者的合作意愿较强,在国外整车及一级零部件供应商的不断加强的竞争压力下,这种合作会被加快。
针对国外整车或一级零部件供应商客户,国内上游产业链公司可以从技术难度更低的产品开始做起,例如从车载摄像头镜头、毫米波雷达PCB板等部件切入供应链,然后开始供应完整产品,并最终拓展到系统集成产品。待产品技术质量得到国外厂商的要求后,发挥本地供应、成本控制等的优势,进一步扩大市场份额。
在车载摄像头领域,国内公司在镜头领域已经处于行业领先的位置,市场份额较大。目前舜宇光学、欧菲光等公司在车载摄像头模组组装领域持续布局,产业链的进口替代率进一步提升。
国内公司在消费电子CMOS图像传感器领域已经取得较大进步,未来进一步拓展车载摄像头领域后,进口替代空间较大。国内车载摄像头解决方案领域也有众多创业公司,未来有望对国外公司的产品进行替代。
在毫米波雷电领域,目前博世、大陆、海拉等国际产商占据了大部分的市场空间,但同时国内以华域汽车、德赛西威为代表的公司已经可以量产24GHz毫米波雷达产品,开始进口替代的过程。毫米波产品未来的发展方向是更高频的77GHz产品,在国内厂商达到量产条件后,进口替代将进一步加速。
在毫米波雷达核心的MMIC芯片、高频PCB板等部件,国内公司也已经成功研发相关产品,并被国内车企应用以替代进口产品。国内以厦门意行半导体为代表的公司设计制造的MMIC芯片已经被国内厂商所使用。
芯片类的核心高科技产业未来国家政策和市场投资的大力推动下,预计未来国产率将会进一步提高。PCB板近年来生产由欧美日向国内转移,国内出现大量PCB产商。
随着PCB板在汽车领域的应用大幅增长,国内包括沪电股份、生益科技等众多PCB公司开始进入汽车市场,如沪电股份已经为博世、大陆等汽车零部件巨头供应PCB板。
收购整合,技术突破通过收购整合其他公司的研发和生产资源,实现技术突破,也是国内公司在自动驾驶汽车传感器领域未来发展的重要路径之一。
目前,国内外有众多从事自动驾驶汽车传感器业务公司,其中包括很多拥有核心技术的创业公司等,通过收购整合,很多公司可以实现各自优势资源的互补,取得产品技术上的突破。
国外头部的零部件巨头在激光雷达领域就通过大量的投资收购等方式进行全面的布局,例如博世投资固态激光雷达公司TetraVue、大陆集团收购激光雷达公司ASC等。
国内公司中,德赛西威在2019年3月收购德国先进天线公司ATBB公司,用于加快公司新一代智能驾驶及车联网产品落地。
ATBB公司位于德国魏玛,是德国知名的天线技术公司,专注于高性能天线系统解决方案的研发与制造,可以为客户提供各类定制化的先进创新天线系统的解决方案,并和欧洲一级汽车市场客户有长期良好的合作关系。
目前自动驾驶汽车对高性能天线的需求与日俱增,是车辆信息交互的关键技术。通过收购,德赛西威加强了智能化产品的综合技术研发能力,推动为客户提供集成有高性能智能天线的智能化产品。
均胜电子通过收购整合海外公司促进自动驾驶和智能车联业务的发展。2016年,公司收购德国TS道恩汽车信息板块业务,利用其在汽车模块信息化开发、导航辅助驾驶以及智能车联业务上的优势,与公司原有的HMI业务充分融合,使公司目前在智能车联业务上处于行业领先地位。
目前,公司第一代V2X车端产品即将于2021年量产。2016年和2018年,均胜电子先后收购汽车安全业务的美国KSS公司和日本高田公司,将其整合成均胜安全业务。
通过整合,利用KSS和高田在主动安全领域的技术优势,公司在自动驾驶领域的驾驶员状态跟踪和识别(DMS)等解决方案陆续实现量产,为自动驾驶场景提供支持。
预计随着自动驾驶传感器的快速发展,国内仍将有整车或零部件龙头公司通过收购投资的方式整合技术研发资源,布局智能网联项目。
随着5G技术的实施及车企积极推出不同级别的自动驾驶新车,预计传感器渗透率将快速提升。国内竞争格局中,已经布局传感器的公司有望率先受益,有望通过配套自主车企逐步切换到配套合资车企等。(作者:知乎老杨)

高速公路如何建设自动驾驶之路

博客自动驾驶小能手 发表了文章 • 0 个评论 • 244 次浏览 • 2020-04-28 09:08 • 来自相关话题

当前自动驾驶概念已经全球风靡,风风火火,世界各国都纷纷发布支持政策、配套资金,鼓励自动驾驶在本国统筹布局,快速发展。这场自动驾驶的全球战役中,首先受益的是汽车制造行业,其次是软件开发、智能设备、数字媒体等领域。综合来看,自 ...查看全部

当前自动驾驶概念已经全球风靡,风风火火,世界各国都纷纷发布支持政策、配套资金,鼓励自动驾驶在本国统筹布局,快速发展。这场自动驾驶的全球战役中,首先受益的是汽车制造行业,其次是软件开发、智能设备、数字媒体等领域。综合来看,自动驾驶本身是一个系统工程项目,涉及到多个领域的协同合作,车辆作为一个载体,无非是多种技术的集成展示平台,丰富多彩的应用技术打造了一个令人神往的想象移动盒子,盒子里人可以自由地做任何事情,就是不开车。那么接下来问题来了,由造车运动引发的自动驾驶为什么一定要拽上造路运动?漂亮的车和黝黑的路什么情况下一定要协同?协同的路如何建设才能不被误伤,走出一条行而至远的聪明之路?

一、走出“有车必有路”的误区

众所周知,自动驾驶以造车运动引发,而其中感知技术是自动驾驶技术的关键。目前,一辆车的平均传感器数量在60-100个左右,附加成本至少40万元以上,随着车辆变得“更智能”,传感器数量可能会达到每辆车200个传感器,造车成本会进一步增加。如此高的造车成本,消费者无力承担,最后的造车运动就会变成烧钱运动,无人收场。即便以后传感器成本降低到消费者可以承受的程度,面对各种复杂的行驶环境,汽车总会遇到无法识别的场景。而众多的场景如何让传感器一一识别,计算机给出正确的应对措施?恐怕只靠AI识别、深度学习、打造各种场景,车辆本身并不能穷举所有情况,解决这些问题。面对这种前有未知场景,后有烧钱之坑的情况,造车运动目前进入了一个进退两难的尴尬境地。因此自动驾驶出现了寻找背锅侠的情况:一方面巨额的资金投入需要以项目名义由政府买单,因此就不断地打造各种应用场景,10种不足就创造50种、100种;一方面车辆的“稚能化”进程需要以协同的名义拉道路入场,因此就需要除了车载OBU之外的路侧RSU、MEC配合,通讯RSU不够就改造ETC、龙门架、情报板。从笔者的角度来看,此时的车路协同提出更像是造车运动乏力的接力棒,寄希望于道路的加入来提升自动驾驶的发力接力。

因此,其实无论是高速公路还是城市道路,并没有做好如何接力的准备工作。营造的一个一个场景只是出行旅程中不连续的、间断的偶遇,其成果或许无法指引自动驾驶车辆完成整个出行过程。如此看来,由车端发起的需求并不是路端的需要,由场景打造的自动驾驶也只是展示车辆功能的场地,不是道路交通的协同需求。正像(前)车-(后)路协同的提法一样,路是来协助车的,你(路)来或不来,我(车)仍在那里,测试驾驶。因此从某种程度来说,路未必一定要协同车。

二、走出“高速公路是合适的车路协同试验场”的误区

目前主流的自动驾驶技术测试场地有3种。

1、封闭区域测试场,由于测试场景可以自行设计、自行控制,只需要变换设计因素,就能实现自动驾驶某些场景的测试。

2、高速公路测试场,由于高速公路是全封闭、中央隔离的道路,路况不太复杂,又是实际车辆行驶环境,可测试场景组合可列举殆尽,因此被视为理想的实地测试场地。

3、城市道路测试场,城市是自动驾驶最难实现的场景,由于存在太多的影响因素,道路条件和交通状况都复杂难测,因此短期内适应城市的自动驾驶技术难以出现,城市道路也成为自动驾驶需要攻克的最难测试场。

俗语说,是骡子是马,总要拉出来溜溜。在封闭测试场里经过反复测试,信心满满的自动驾驶车辆们,已经不满足于天天行驶在熟悉不变的场景里,迫切需要出来到真正的道路上驰骋。于是,高速公路以其黝黑的路面,清晰的标线,封闭的环境,适量的车流成为自动驾驶车辆测试的首选之地。

但是我国的高速公路大部分是收费还贷的运营性公路,高速公路的管理单位面对的是通行费用收入和经营性支出的矛盾需求。在这个大前提下,如果自身还存在温饱顾虑,那么车路协同的参与性其实并没有那么高。如果要在高速公路实施车路协同,笔者认为需要考虑3个方面的问题。

首当其冲的是资金问题。

除非政府或其他企业愿意投入资金,作为高速公路管理公司自身难以轻易拿出一大笔钱来配合进行车路协同的测试。高速公路日常运营成本支出通常由管理费用、运行费用、养护费用、税费、还本付息组成,从笔者掌握的数据来看,一般高速公路的年支出费用主要用于还本付息,能够占到总支出的70%-75%以上,其次用于运营管理和养护支出。何况刚刚2019年完成了全国撤销省界收费站的大型系统工程,各高速公路公司能够投入到车路协同项目中的费用短期内恐难实现。再者,即便有资金愿意投入,按照现在的建设思路,势必建设大量的RSU/MEC等路侧智能设备,那么这些设备后期的运营维护维修如何处置?后续资金能够支撑设备正常运行同样是摆在管理单位面前的问题。

其次要解决立法问题。

虽然现在有些省市地区出台了允许自动驾驶的法规和政策,但这些法规适用于城市道路的低速环境,对于高速公路的自动驾驶测试立法,需要修订《公路法》第五十一条、《公路安全保护条例》第十六条等法律规定,删除或调整其中有关禁止将公路作为检验机动车制动性能试车场地的条款;修订《道路交通安全法实施条例》第八十二条,删除或调整有关禁止在高速公路上行试车的条款,为开展高速公路自动驾驶汽车测试、示范运营以及商业化提供法律依据。而这些上位法的修订,一般都需要全国人民代表大会的通过,短期内无法实现。如此一来,高速公路的自动驾驶测试尚缺乏法律支持和保障。

再者要解决技术问题。

或许有人认为唯有技术不是问题,现在涌现出这么多RSU设备、有那么多5G/LTE-V/DSRC通信技术,有不下100多种驾驶场景,有如此多高精尖智能技术都用在自动驾驶中,假以时日,L4级以上无人驾驶吹弹可破。但是反观这些技术,哪一项是属于高速公路的技术?哪一项是属于交通行业的技术?哪一台RSU是公路协同的设备?哪一台RSU是交通行业的设备?面对自动驾驶的来车汹汹,通行能力如何改变?交通态势如何变化?标志标线如何适应?人类+机器混合驾驶如何协同?从现状而言,应该由交通行业解决的这些技术尚处于混沌状态,基础研究尚属空白。即便有了资金,修订了相关法规,高速公路又拿什么来与车协同?

三、走出“高速公路自动驾驶”的自主之路

但是无论如何,我国的自动驾驶发展提出了车路协同的技术路线,要求“推进智能化道路基础设施规划建设。制定智能交通发展规划,建设智慧道路及新一代国家交通控制网。分阶段、分区域推进道路基础设施的信息化、智能化和标准化建设。推动道路基础设施、智能汽车、运营服务、交通安全管理系统、交通管理指挥系统等信息互联互通“。从政策来看,结合自动驾驶的发展需求,高速公路需要继续推进智能化基础设施建设,并进而达成道路与车辆、公众服务、交通安全和指挥管理等的信息交互。那么我们或者可以从如下角度考虑如何开展基于车路协同的高速公路智能化建设:

1.定位于高速公路业务的发展需求:要明确高速公路建设自动驾驶或车路协同的目的不是为了赚眼球、当噱头,而是为了提升解决高速公路业务的处理能力。例如,如果高速公路交通控制系统建设的主要目的是防止高速公路出现拥堵,并促使交通流运行更平滑和更安全,那么通过V2V 通信和增强盲点监控功能,通过车辆系统之间的信息互通,并通过高速公路路侧固定点位的RSU获取车辆传送的信息完成整个信息流的快速传递和信息处理,并协调指挥高速公路车道管理控制,这样的路侧协同系统值得尝试。如果高速公路新型标志标线建设的目的是为了在为人类驾驶员服务的传统模式下,兼顾自动驾驶车载系统的识别要求,服务于接下来会出现人类驾驶车辆和机器驾驶车辆混行状态下的高速公路交通安全,那么这种新型标志标线值得推广。

2.放弃以场景为主的建设思路:有人认为,场景是自动驾驶测试系统中相当重要的一环,测试场景的多样性、覆盖性、典型性等能够影响到测试结果的准确性,从而保证自动驾驶的安全与质量。通常而言,场景,指的是行驶场合和驾驶情景的组合,是在一定时间和空间范围内环境与驾驶行为的综合反映,描述了道路、交通设施、气象条件、交通参与物等外部状态以及车辆驾驶任务和状态等信息。例如,在高速公路上,天气良好,光照充足,交通自由流状态,构成了自动驾驶的测试场景之一。但是我们细细品味,这里的驾驶场景作为汽车的外部环境,实则是车辆端提出的检测任务。例如自动驾驶的各种传感器,包括毫米波雷达雷达、摄像头、超声波探头、激光雷达等,需要根据物体的类别,进行大量的实时计算,预测对方下一秒的前进方向。因此就要对物体类型进行分类:如路灯、垃圾箱、路牌等,对物体移动的速度、方向、当时的光照情况进行界定。而高速公路开展的路端协同建设并不需要这种以场景为主的设计思路,高速公路需要提供道路特征数据,例如山岭重丘区、坡度、曲线半径、车道数量、设计速度和限速、路面裂缝以及可能的道路灾变等信息。换言之,既然自动驾驶车辆能够实时监测到自身的位置和所处的外部环境信息,那么以往高速公路上的被动检测车流特征信息的检测器面临逐步淘汰,更多的可以从V2I的车路信息交换中得到每一辆车的实时信息,同时,能够实施提供高速公路道路特征数据和状态信息的设备应该逐步部署,从而为车辆提供道路自身的信息。而目前,能够为自动驾驶车辆提供实时道路特征和道路健康状态的RSU尚未多见,反而认为提供实时信息的通信设备是车路协同建设的重点,难免南辕北辙,丢失方向。

3.做好高速公路的路-车协同规划:自动驾驶车辆进入高速公路的行驶环境后,自动车辆使用者(乘坐者或车辆拥有者)与高速公路管理者之间即形成了有偿使用高速公路的合同关系。即便车辆性能再强,检测手段再完备,一旦由于高速公路管理失误导致的交通事故,照样应当由高速公路运营管理单位承担,因此,车辆的自动驾驶功能强大,或许会减小人因驾驶时的反应时间,降低事故发生率和事故等级,但是基础设施本身的正常功能发挥,履行保障高速公路安全、畅通的职责,保障车辆安全通行,依旧是高速公路这个载体的管理者面对的问题。自动驾驶车辆可以实时感知高速公路基础设施上的各类道路信息、交通流信息和环境信息,但是高速公路需要为车辆提供什么信息?又同时需要从车辆端得到什么信息?恐怕还是得高速公路运营管理者更多的思考和规划,需要改变车端需求驱动的建设思路,重新开展以路-车协同为主体的规划。作为交通基础设施,一方面充分利用已有智能化系统建设成果,继续挖掘交通流监测和交通设施状态监测数据价值,一方面做好现有设施扩容增能,结合服务路-车协同需求的新型交通设备研发,构建高速公路智能基础设施协同平台。

四、结语

总而言之,高速公路在这次由自动驾驶引发的车路协同建设浪潮中面临巨大的机遇和挑战。一方面,高速公路要快速调整自身战略发展目标和规划,适应新基建的新要求;另一方面,高速公路也不应该被自动驾驶描绘的美好景象迷惑,在其中迷失方向,错误地被误导。坚持以路-车协同为主的发展思路,结合自身业务需求,方可稳而行远。

文远知行韩旭:为中国无人驾驶落地找到一条新思路

博客自动驾驶小能手 发表了文章 • 0 个评论 • 187 次浏览 • 2020-04-24 16:59 • 来自相关话题

“作为一种更安全、高效的出行方式,无人驾驶能够带来的影响远远超出人们的想象。” ...查看全部

“作为一种更安全、高效的出行方式,无人驾驶能够带来的影响远远超出人们的想象。”

1587718743127950.jpg

创业以来,我经常被问到的一个问题是:“从学者到创业者,是否面临着巨大的转变?”在外界看来,我做出这个选择也许确实不太寻常。

我成长在一个教师家庭,校园里那种自由、充满探索的氛围是我从小就熟悉和向往的。

2007年,我获得美国伊利诺伊大学厄巴纳-香槟分校的计算机工程博士学位,此后成为密苏里大学的博士生导师、终身教授,研究计算机视觉和机器学习。待在学术界,教学、做科研,这是我理想的生活状态,也非常顺理成章。

但与此同时,一个无人驾驶的时代正在拉开帷幕。在我潜心学术研究的这几年,随着大数据、深度学习的崛起,无人驾驶技术发展突飞猛进,而我所研究的计算机视觉和机器学习,成为无人驾驶的核心技术。在这个让全世界都为之兴奋的新兴领域,学术界成为AI技术商业化的中坚力量,越来越多的学术精英投身其中。

2017年底,在无人驾驶创业大潮的召唤下,我放弃终身教职,创立无人驾驶出行公司文远知行WeRide,转身成为创业者。

作为一种更安全、高效的出行方式,无人驾驶能够带来的影响远远超出人们的想象:除了带来交通方式的变革,它还将颠覆人们的工作、生活方式,重塑城市图景,甚至改变整个地球的生态环境。

根据麦肯锡未来出行研究中心发布的报告显示,中国未来可能成为全球最大的自动驾驶市场。这里汇聚着大量的人工智能人才、孕育着积极开放的法律政策,是无人驾驶技术研发和应用落地的“黄金国度”。

如何落地无人驾驶并无先例可循。在技术上保持领先的同时,我很看重找到一种适合中国市场的、切实可行的无人驾驶商业模式。要推动智能出行市场,AI技术、造车势力、出行平台、政策扶持缺一不可,这项事业需要整个出行生态圈的协同合作。幸运的是,文远知行作为一家AI科技公司,已经得到了包括头部主机厂、国有出行公司等重要合作伙伴的投资和合作。我们全球总部落户广州,得到了当地政府在各个层面的大力支持。2019年8月,我们与白云出租集团、广州科学城集团成立了中国首个落地一线城市的自动驾驶运营合资公司——文远粤行。这是全球首次自动驾驶企业和传统出租车企业的合作,是真正的 AI 赋能传统行业,可以说为中国的无人驾驶落地找到了一条新思路。

合资公司成立后,我们迅速开展了自动驾驶出租车的试运营服务。2019年11月底,自动驾驶出租车驶上广州街头,在黄埔区、开发区近145平方公里的核心城市开放道路上,推出面向市民全开放的自动驾驶出行服务。最近,我们发布了中国第一份自动驾驶出租车运营报告:首月共完成了8396个出行订单,服务订单总里程达41140公里,零安全事故,每单平均服务里程为4.9公里,日均出行服务270.8次,共服务4683名用户。

首月运营成绩给了我们极大的信心。但2020年初,这场新冠肺炎疫情,却让我意识到了无人驾驶肩负着的另一份社会责任。

疫情之下,无人驾驶的优势与社会价值尤为凸显:不仅能够有效避免交叉感染,保证疫情下的交通运输能力,并且能24小时运转,在防疫、维持城市交通运输中起到重要作用。遗憾的是,尽管载物无人车在疫情下被激发,但仍在探索商业化落地的载人无人驾驶却暂时缺席。

尽管内心无比希望在这个非常时期无人驾驶汽车上路,为一线战疫人员的出行保驾护航,但我也非常清楚,载物的低速无人驾驶和载人的无人驾驶是两个不同垂直领域,从技术难度与政策监管上,后者都要满足更为严苛的标准。

技术迭代有其本身的规律和要求,不能急于求成,行驶安全是重中之重。经此一疫,我更加坚定了决心,向着真正的全无人驾驶进发,踏实研发、不懈怠、努力创新,提供更好的无人驾驶服务。本文原载于《人民日报海外版》(作者:韩 旭 文远知行创始人兼CEO)

芯片里面100多亿晶体管是如何实现的?看这几张图就明白了!

博客自动驾驶小能手 发表了文章 • 0 个评论 • 258 次浏览 • 2020-04-22 09:29 • 来自相关话题

这是一个Top-down View 的SEM照片,可以非常清晰的看见CPU内部的层状结构,越往下线宽越窄,越靠近器件层。 ...查看全部

这是一个Top-down View 的SEM照片,可以非常清晰的看见CPU内部的层状结构,越往下线宽越窄,越靠近器件层。
这是CPU的截面视图,可以清晰的看到层状的CPU结构,芯片内部采用的是层级排列方式,这个CPU大概是有10层。其中最下层为器件层,即是MOSFET晶体管。
Mos管在芯片中放大可以看到像一个“讲台”的三维结构,晶体管是没有电感、电阻这些容易产生热量的器件的。最上面的一层是一个低电阻的电极,通过绝缘体与下面的平台隔开,它一般是采用了P型或N型的多晶硅用作栅极的原材料,下面的绝缘体就是二氧化硅。平台的两侧通过加入杂质就是源极和漏极,它们的位置可以互换,两者之间的距离就是沟道,就是这个距离决定了芯片的特性。
当然,芯片中的晶体管不仅仅只有Mos管这一种类,还有三栅极晶体管等,晶体管不是安装上去的,而是在芯片制造的时候雕刻上去的。
在进行芯片设计的时候,芯片设计师就会利用EDA工具,对芯片进行布局规划,然后走线、布线。
如果我们将设计的门电路放大,白色的点就是衬底, 还有一些绿色的边框就是掺杂层。
晶圆代工厂就是根据芯片设计师设计好的物理版图进行制造。
芯片制造的两个趋势,一个是晶圆越来越大,这样就可以切割出更多的芯片,节省效率,另外就一个就是芯片制程,制程这个概念,其实就是栅极的大小,也可以称为栅长,在晶体管结构中,电流从Source流入Drain,栅极(Gate)相当于闸门,主要负责控制两端源极和漏级的通断。电流会损耗,而栅极的宽度则决定了电流通过时的损耗,表现出来就是手机常见的发热和功耗,宽度越窄,功耗越低。而栅极的最小宽度(栅长),也就是制程。缩小纳米制程的用意,就是可以在更小的芯片中塞入更多的电晶体,让芯片不会因技术提升而变得更大。
但是我们如果将栅极变更小,源极和漏极之间流过的电流就会越快,工艺难度会更大。
芯片制造过程共分为七大生产区域,分别是扩散、光刻、刻蚀、离子注入、薄膜生长、抛光、金属化,光刻和刻蚀是其中最为核心的两个步骤。
而晶体管就是通过光刻和蚀刻雕刻出来的,光刻就是把芯片制作所需要的线路与功能区做出来。利用光刻机发出的光通过具有图形的光罩对涂有光刻胶的薄片曝光,光刻胶见光后会发生性质变化,从而使光罩上得图形复印到薄片上,从而使薄片具有电子线路图的作用。这就是光刻的作用,类似照相机照相。照相机拍摄的照片是印在底片上,而光刻刻的不是照片,而是电路图和其他电子元件。
刻蚀是使用化学或者物理方法有选择地从硅片表面去除不需要材料的过程。通常的晶圆加工流程中,刻蚀工艺位于光刻工艺之后,有图形的光刻胶层在刻蚀中不会受到腐蚀源的显著侵蚀,从而完成图形转移的工艺步骤。刻蚀环节是复制掩膜图案的关键步骤.
而其中,还涉及到的材料就是光刻胶,我们要知道电路设计图首先通过激光写在光掩模板上,然后光源通过掩模板照射到附有光刻胶的硅片表面,引起曝光区域的光刻胶发生化学效应,再通过显影技术溶解去除曝光区域或未曝光区域,使掩模板上的电路图转移到光刻胶上,最后利用刻蚀技术将图形转移到硅片上。
而光刻根据所采用正胶与负胶之分,划分为正性光刻和负性光刻两种基本工艺。在正性光刻中,正胶的曝光部分结构被破坏,被溶剂洗掉,使得光刻胶上的图形与掩模版上图形相同。相反地,在负性光刻中,负胶的曝光部分会因硬化变得不可溶解,掩模部分则会被溶剂洗掉,使得光刻胶上的图形与掩模版上图形相反。
我们可以简单地从微观上讲解这个步骤。
在涂满光刻胶的晶圆(或者叫硅片)上盖上事先做好的光刻板,然后用紫外线隔着光刻板对晶圆进行一定时间的照射。原理就是利用紫外线使部分光刻胶变质,易于腐蚀。
溶解光刻胶:光刻过程中曝光在紫外线下的光刻胶被溶解掉,清除后留下的图案和掩模上的一致。
“刻蚀”是光刻后,用腐蚀液将变质的那部分光刻胶腐蚀掉(正胶),晶圆表面就显出半导体器件及其连接的图形。然后用另一种腐蚀液对晶圆腐蚀,形成半导体器件及其电路。
清除光刻胶:蚀刻完成后,光刻胶的使命宣告完成,全部清除后就可以看到设计好的电路图案。
而100多亿个晶体管就是通过这样的方式雕刻出来的,晶体管可用于各种各样的数字和模拟功能,包括放大,开关,稳压,信号调制和振荡器。
晶体管越多就可以增加处理器的运算效率;再者,减少体积也可以降低耗电量;最后,芯片体积缩小后,更容易塞入行动装置中,满足未来轻薄化的需求。
芯片晶体管横截面
到了3nm之后,目前的晶体管已经不再适用,目前,半导体行业正在研发nanosheet FET(GAA FET)和nanowire FET(MBCFET),它们被认为是当今finFET的前进之路。
三星押注的是GAA环绕栅极晶体管技术,台积电目前还没有公布其具体工艺细节。三星在2019年抢先公布了GAA环绕栅极晶体管,根据三星官方的说法,基于全新的GAA晶体管结构,三星通过使用纳米片设备制造出MBCFET(Multi-Bridge-Channel FET,多桥-通道场效应管),该技术可以显著增强晶体管性能,取代FinFET晶体管技术。
此外,MBCFET技术还能兼容现有的FinFET制造工艺的技术及设备,从而加速工艺开发及生产。(作者:智能制造IM)

研究丨高级驾驶辅助系统标准测试场景应加快更新

博客自动驾驶小能手 发表了文章 • 0 个评论 • 190 次浏览 • 2020-04-21 09:46 • 来自相关话题

测试场景是高级驾驶辅助系统测试中必不可少的部分,然而我国相关测试标准还处于落后阶段。因此,在制定标准过程中,应基于中国交通事故数据提炼测试场景,并结合车辆技术特点设计测试案例、制定限值,以提高我国高级驾驶辅助系统测试场景的发展。 ...查看全部

测试场景是高级驾驶辅助系统测试中必不可少的部分,然而我国相关测试标准还处于落后阶段。因此,在制定标准过程中,应基于中国交通事故数据提炼测试场景,并结合车辆技术特点设计测试案例、制定限值,以提高我国高级驾驶辅助系统测试场景的发展。

1587433521770589.png

01国内外现状

对于高级驾驶辅助系统而言,国内外纷纷成立专业小组开展智能网联汽车或者自动驾驶车辆标准制定工作。UNECE的WP.29于2018年6月成立“联合国智能网联法律工作组”,专门从事智能网联汽车的相关工作。国际标准组织ISO成立TC22和TC204,分别负责道路车辆和智能交通系统,其规定的标准值是最低标准,并且还未对智能网联汽车的相关性能做出规定。中国的全国汽车标准化技术委员会成立了智能网联汽车分标委,专门从事相关标准制定工作。另外,还有SAE、E-NCAP、JT/T等非利益团体在制定或已制定更加严苛的标准法规。

目前,国内外已经针对高级驾驶辅助系统出台了若干个相关标准,主要面向碰撞预警系统FCW、车道偏离预警系统LDW、主动紧急制动系统AEB、车道保持系统LKA、自适应巡航系统ACC等辅助功能。但是,面向同一个高级辅助功能,不同标准规定的测试场景略有不同。

02测试场景分析

(1)前向碰撞预警系统和自动紧急制动系统

前向碰撞预警系统FCW和自动紧急制动系统AEB在车辆纵向进行预警或干预,提醒或辅助驾驶员控制车辆纵向参数。根据城市道路行驶工况特点,FCW和AEB的测试场景主要分为车车测试和车人测试。由于车车追尾事故是道路上最常见的事故之一,因此车车测试分为前车静止场景CCRs、前车低速行驶场景CCRm和前车制动场景CCRb。车人测试主要描述的是车辆与交通弱势群体的关系,交通弱势群体指的是行人、自行车者等道路使用群体。

GB/T 33577-2017、ECE R131-2013、E-NCAP AEB_C2C、E-NCAP AEB_VRU、JT/T 1242-2019等法规、标准分别给出了FCW、AEB的测试场景,具体测试要求见表1。

1587433283528721.png

(2)车道偏离预警系统LDW和车道保持系统LKA

车道偏离预警系统LDW和车道保持系统LKA在车辆横向进行预警或干预,提醒或辅助驾驶员控制车辆横向参数,以提示或防止车辆偏离出原行驶车道。由于道路车辆偏离是单车事故和前碰撞的主要原因,因此ISO 17361-2017、ISO 11270-2014、GB/T 26773-2011、ECE R130-2013、E-NCAP LSS等标准法规对LDW和LKA做出了相关规定,具体见表2、表3。

1587433336756180.png

(3)自适应巡航系统ACC

自适应巡航系统通过控制本车发动机或传动系统、制动器与前车保持适当的距离,以此减轻驾驶员的负担。ACC系统包括两种级别:全速自适应巡航控制(FSRA)和限速自适应巡航控制(LSRA)。FSRA可以通过控制本车发动机和(或)传动系统、制动器至车辆停止以实现与前车保持适当距离的目的,而LSRA通过控制本车发动机和(或)传动系统、制动器,使车速大于某一最小车速,以实现与前车保持适当距离的目的。目前,ISO 15622-2018、GB/T 20608-2006均对ACC的测试工况做出相应的规定,具体见表4。

1587433421538737.png

(4)测试场景分析

通过对比不同测试标准、法规的测试场景,可以看出当前国内标准几乎等效采用国外标准,且更新速度较慢。

1.测试条件更为苛刻,测试场景更加危险

以FCW测试场景为例:在实际测试中,货车、客车的前向碰撞预警通常采用JT/T 883-2014《营运车辆行驶危险预警系统技术要求和试验方法》,其中CCRb的测试工况为测试车辆和目标车均以20m/s行驶,两车保持30m间距;当行驶稳定后,目标车以0.3g制动。而在针对乘用车的E-NCAP AEB法规中,FCW的测试工况为测试车辆和目标车均以50km/h行驶,两车相距12m或40m,目标车分别以2m/s2或6m/s2制动。两辆营运车辆以高速行驶、并保持较小的车间距离,驾驶员不仅要保证测试精度,还要时刻做好接管车辆的准备以防止发生碰撞。可以看到,国标的测试条件更为苛刻,测试场景更加危险。

2.标准更新较慢

以ACC为例,在近几年时间里,ISO 15622已经迭代了2002版、2010版和2018版等3个版本。值得注意的是, ISO 15622-2018增加了ISO 22179:2009全速自适应巡航控制系统的性能要求和测试方法、取消了弯道分类及相关条文、不再禁止系统从“保持状态”自动启动,并且驾驶员能够通过车载设备控制系统(设置车速建议),提高了标准的可读性和可操作性。而国内关于ACC的测试标准依旧为引用ISO 15622-2002版本的GB/T 20608-2006,并且近几年没有开展新的修订工作。

03建议

根据上述分析,在设计场景测试案例或者制定相关标准时,应综合考虑国内车辆技术状况、道路设施条件等因素。

(1)应结合车辆特点设计测试案例、制定限值

我国车辆类型丰富多样,应结合车辆技术特点设计测试案例、制定标准限值,这有助于提升测试安全,提高高级驾驶辅助系统功能测试准确度。例如,针对危险货物运输车的FCW测试,应根据最高车速不大于75km/h、加速距离长、运输货物性质等车辆特点,设计更加合理的测试场景,并且在安全范围内制定合理的标准限值,既保证车辆高级驾驶辅助系统的功能又提高测试安全。

(2)应定期更新标准,自我迭代完善测试场景

通常,国内标准滞后于国际技术的发展水平,常常通过行业标准、团体标准或者企业标准来提高系统功能。这主要是因为国际标准在制定标准时几乎滞后于当前的技术发展,而国内标准倾向于等效采用或非等效采用国际标准。目前,E-NCAP已经推出2020年的测试规程,引领行业不断进步。因此,我国应实时跟踪新技术进展和国际标准动态,结合国内技术发展水平,提前部署标准修订工作,通过自我迭代完善测试场景。

(3)基于中国交通事故数据提炼测试场景

在高级驾驶辅助系统标准中,我国在引用国外标准时几乎没有根据国情修改测试工况或测试场景,无法体现我国特殊的交通状况特点。因此,我国在制定相关标准时,应以中国交通事故数据为基础,提炼符合国情的测试场景,并不断通过验证完善测试案例,提高车辆性能安全。

04结论

测试场景是高级驾驶辅助系统测试中必不可少的部分,然而我国相关测试标准还处于落后阶段。在制定标准过程中,应基于中国交通事故数据提炼测试场景,通过定期更新实现自我迭代,并结合车辆技术特点设计测试案例、制定限值,我国高级驾驶辅助系统测试场景将会趋于成熟。(作者:肖宇 陈传阳 肖鑫 葛炳南 马钰 孙博旸 储锦玲)

AI芯片和传统芯片到底有何区别?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 203 次浏览 • 2020-04-20 09:43 • 来自相关话题

前两天成立仅两年国内专做人工智能FPGA加速算法的初创公司深鉴科技被国际巨头赛灵思收购了,在业界引起不小的震动。目前国内做AI芯片的公司可谓不少了,AI芯片已然成为了当下芯片行业最热领域。但是大部分人对AI芯片的架构应该都不是太了解。 ...查看全部

前两天成立仅两年国内专做人工智能FPGA加速算法的初创公司深鉴科技被国际巨头赛灵思收购了,在业界引起不小的震动。目前国内做AI芯片的公司可谓不少了,AI芯片已然成为了当下芯片行业最热领域。但是大部分人对AI芯片的架构应该都不是太了解。

那么AI 芯片和传统芯片有何区别?AI芯片的架构到底是怎么样的?带着这个疑问小编搜集到了来自知乎上的一些业内行家的观点,现在整理转发给大家。先回答问题:


  • 性能与传统芯片,比如CPU、GPU有很大的区别。在执行AI算法时,更快、更节能。
  • 工艺没有区别,大家都一样。至少目前来看,都一样。


所谓的AI芯片,一般是指针对AI算法的ASIC(专用芯片)。传统的CPU、GPU都可以拿来执行AI算法,但是速度慢,性能低,无法实际商用。
比如,自动驾驶需要识别道路行人红绿灯等状况,但是如果是当前的CPU去算,那么估计车翻到河里了还没发现前方是河,这是速度慢,时间就是生命。如果用GPU,的确速度要快得多,但是,功耗大,汽车的电池估计无法长时间支撑正常使用,而且,老黄家的GPU巨贵,经常单块上万,普通消费者也用不起,还经常缺货。另外,GPU因为不是专门针对AI算法开发的ASIC,所以,说到底,速度还没到极限,还有提升空间。而类似智能驾驶这样的领域,必须快!在手机终端,可以自行人脸识别、语音识别等AI应用,这个必须功耗低,所以GPU OUT!开发ASIC就成了必然。
说说,为什么需要AI芯片。AI算法,在图像识别等领域,常用的是CNN卷积网络,语音识别、自然语言处理等领域,主要是RNN,这是两类有区别的算法。但是,他们本质上,都是矩阵或vector的乘法、加法,然后配合一些除法、指数等算法。
一个成熟的AI算法,比如YOLO-V3,就是大量的卷积、残差网络、全连接等类型的计算,本质是乘法和加法。对于YOLO-V3来说,如果确定了具体的输入图形尺寸,那么总的乘法加法计算次数是确定的。比如一万亿次。(真实的情况比这个大得多的多)
那么要快速执行一次YOLO-V3,就必须执行完一万亿次的加法乘法次数。
这个时候就来看了,比如IBM的POWER8,最先进的服务器用超标量CPU之一,4GHz,SIMD,128bit,假设是处理16bit的数据,那就是8个数,那么一个周期,最多执行8个乘加计算。一次最多执行16个操作。这还是理论上,其实是不大可能的。
那么CPU一秒钟的巅峰计算次数=16* 4Gops =64Gops。这样,可以算算CPU计算一次的时间了。同样的,换成GPU算算,也能知道执行时间。因为对GPU内部结构不熟,所以不做具体分析。
再来说说AI芯片。比如大名鼎鼎的谷歌的TPU1。TPU1,大约700M Hz,有256X256尺寸的脉动阵列,如下图所示。一共256X256=64K个乘加单元,每个单元一次可执行一个乘法和一个加法。那就是128K个操作。(乘法算一个,加法再算一个)。

另外,除了脉动阵列,还有其他模块,比如激活等,这些里面也有乘法、加法等。
所以,看看TPU1一秒钟的巅峰计算次数至少是=128K X 700MHz=89600Gops=大约90Tops。
对比一下CPU与TPU1,会发现计算能力有几个数量级的差距,这就是为啥说CPU慢。
当然,以上的数据都是完全最理想的理论值,实际情况,能够达到5%吧。因为,芯片上的存储不够大,所以数据会存储在DRAM中,从DRAM取数据很慢的,所以,乘法逻辑往往要等待。另外,AI算法有许多层网络组成,必须一层一层的算,所以,在切换层的时候,乘法逻辑又是休息的,所以,诸多因素造成了实际的芯片并不能达到利润的计算峰值,而且差距还极大。
可能有人要说,搞研究慢一点也能将就用。目前来看,神经网络的尺寸是越来越大,参数越来越多,遇到大型NN模型,训练需要花几周甚至一两个月的时候,你会耐心等待么?突然断电,一切重来?曾经动手训练一个写小说的AI,然后,一次训练(50轮)需要大约一天一夜还多,记得如果第一天早上开始训练,需要到第二天下午才可能完成,这还是模型比较简单,数据只有几万条的小模型呀。
修改了模型,需要几个星期才能知道对错,确定等得起?突然有了TPU,然后你发现,吃个午饭回来就好了,参数优化一下,继续跑,多么爽!
计算速度快,才能迅速反复迭代,研发出更强的AI模型。速度就是金钱。
GPU的内核结构不清楚,所以就不比较了。肯定的是,GPU还是比较快的,至少比CPU快得多,所以目前大多数都用GPU,这玩意随便一个都能价格轻松上万,太贵,而且,功耗高,经常缺货。不适合数据中心大量使用。
总的来说,CPU与GPU并不是AI专用芯片,为了实现其他功能,内部有大量其他逻辑,而这些逻辑对于目前的AI算法来说是完全用不上的,所以,自然造成CPU与GPU并不能达到最优的性价比。
谷歌花钱研发TPU,而且目前已经出了TPU3,用得还挺欢,都开始支持谷歌云计算服务了,貌似6点几美元每小时吧,不记得单位了,懒得查。可见,谷歌觉得很有必要自己研发TPU。
目前在图像识别、语音识别、自然语言处理等领域,精度最高的算法就是基于深度学习的,传统的机器学习的计算精度已经被超越,目前应用最广的算法,估计非深度学习莫属,而且,传统机器学习的计算量与 深度学习比起来少很多,所以,我讨论AI芯片时就针对计算量特别大的深度学习而言。毕竟,计算量小的算法,说实话,CPU已经很快了。而且,CPU适合执行调度复杂的算法,这一点是GPU与AI芯片都做不到的,所以他们三者只是针对不同的应用场景而已,都有各自的主场。
至于为何用了CPU做对比?
而没有具体说GPU。是因为,我说了,我目前没有系统查看过GPU的论文,不了解GPU的情况,故不做分析。因为积累的缘故,比较熟悉超标量CPU,所以就用熟悉的CPU做详细比较。而且,小型的网络,完全可以用CPU去训练,没啥大问题,最多慢一点。只要不是太大的网络模型。
那些AI算法公司,比如旷世、商汤等,他们的模型很大,自然也不是一块GPU就能搞定的。GPU的算力也是很有限的。
至于说CPU是串行,GPU是并行
没错,但是不全面。只说说CPU串行。这位网友估计对CPU没有非常深入的理解。我的回答中举的CPU是IBM的POWER8,百度一下就知道,这是超标量的服务器用CPU,目前来看,性能已经是非常顶级的了,主频4GHZ。不知是否注意到我说了这是SIMD?
这个SIMD,就代表他可以同时执行多条同样的指令,这就是并行,而不是串行。单个数据是128bit的,如果是16bit的精度,那么一周期理论上最多可以计算八组数据的乘法或加法,或者乘加。这还不叫并行?只是并行的程度没有GPU那么厉害而已,但是,这也是并行。
不知道为啥就不能用CPU来比较算力?
有评论很推崇GPU。说用CPU来做比较,不合适。GPU本来是从CPU中分离出来专门处理图像计算的,也就是说,GPU是专门处理图像计算的。包括各种特效的显示。这也是GPU的天生的缺陷,GPU更加针对图像的渲染等计算算法。但是,这些算法,与深度学习的算法还是有比较大的区别,而我的回答里提到的AI芯片,比如TPU,这个是专门针对CNN等典型深度学习算法而开发的。另外,寒武纪的NPU,也是专门针对神经网络的,与TPU类似。
谷歌的TPU,寒武纪的DianNao,这些AI芯片刚出道的时候,就是用CPU/GPU来对比的。
看看,谷歌TPU论文的摘要直接对比了TPU1与CPU/GPU的性能比较结果,见红色框:
这就是摘要中介绍的TPU1与CPU/GPU的性能对比。再来看看寒武纪DianNao的paper,摘要中直接就是DianNao与CPU的性能的比较,见红色框:
回顾一下历史
上个世纪出现神经网络的时候,那一定是用CPU计算的。
比特币刚出来,那也是用CPU在挖。目前已经进化成ASIC矿机了。比特大陆了解一下。
从2006年开始开启的深度学习热潮,CPU与GPU都能计算,发现GPU速度更快,但是贵啊,更多用的是CPU,而且,那时候GPU的CUDA可还不怎么样,后来,随着NN模型越来越大,GPU的优势越来越明显,CUDA也越来越6,目前就成了GPU的专场。
寒武纪2014年的DianNao(NPU)比CPU快,而且更加节能。ASIC的优势很明显啊。这也是为啥要开发ASIC的理由。
至于说很多公司的方案是可编程的,也就是大多数与FPGA配合。你说的是商汤、深鉴么?的确,他们发表的论文,就是基于FPGA的。
这些创业公司,他们更多研究的是算法,至于芯片,还不是重点,另外,他们暂时还没有那个精力与实力。FPGA非常灵活,成本不高,可以很快实现架构设计原型,所以他们自然会选择基于FPGA的方案。不过,最近他们都大力融资,官网也在招聘芯片设计岗位,所以,应该也在涉足ASIC研发了。
如果以FPGA为代表的可编程方案真的有巨大的商业价值,那他们何必砸钱去做ASIC?
说了这么多,我也是半路出家的,因为工作需要而学习的。按照我目前的理解,看TPU1的专利及论文,一步一步推导出内部的设计方法,理解了TPU1,大概就知道了所谓的AI处理器的大部分。
然后研究研究寒武纪的一系列论文,有好几种不同的架构用于不同的情况,有兴趣可以研究一下。然后就是另外几个独角兽,比如商汤、深鉴科技等,他们每年都会有论文发表,没事去看看。这些论文,大概就代表了当前最先进的AI芯片的架构设计了。

当然,最先进,别人肯定不会公开,比如谷歌就不曾公开关于TPU2和TPU3的相关专利,反正我没查到。不过,没事,目前的文献已经代表了最近几年最先进的进展了。(作者:汪鹏 来源/知乎)

疫情过后,国产MCU如何抓住“芯”机遇

博客自动驾驶小能手 发表了文章 • 0 个评论 • 240 次浏览 • 2020-04-20 09:39 • 来自相关话题

“每一次进口芯片价格的爆缺爆涨,都是给中国‘芯’机遇。”深圳市航顺芯片有限公司创始人刘吉平对记者说道。此次新型冠状病毒疫情的爆发,给各行各业都带来了巨大的冲击,半导体芯片行业也不例外,尤其是在海外疫情爆发之后,部分海外的晶圆厂/封测厂宣布停工,导致部分微 ...查看全部

“每一次进口芯片价格的爆缺爆涨,都是给中国‘芯’机遇。”深圳市航顺芯片有限公司创始人刘吉平对记者说道。此次新型冠状病毒疫情的爆发,给各行各业都带来了巨大的冲击,半导体芯片行业也不例外,尤其是在海外疫情爆发之后,部分海外的晶圆厂/封测厂宣布停工,导致部分微控制器(MCU)价格大幅上涨。然而,这也给了国产MCU一个难得的发展机会。在疫情之后,国产MCU是否将会如愿迎来更多“芯”的机遇?如何才能抓住这些机遇?

疫情导致一“芯”难求

MCU应用范围十分广泛,诸如手机、PC外围、遥控器,至汽车电子、工业上的步进马达、机器手臂的控制等,都可见到MCU的身影。然而,一直以来,国产MCU企业无论是在国际还是国内市场都面临着国际主流厂商的强力竞争。“中国对于中低端MCU,例如中低端的8位的MCU,做的还不错,但是对于中高端的产品,比如中高端8位MCU和32位MCU,比起国外来说一直没有太大优势,终端用户方面还是比较依赖进口。这是由于中国的中高端MCU起步较晚,更新迭代较少,而且国外的MCU已经牢牢占住市场,造成国产MCU一直以来机会并不多。”刘吉平和记者说道。

欧美疫情爆发以来,对MCU供应链产生了很大的影响,目前,国外MCU出货价普遍涨两三成,有的甚至涨了一倍左右。兆易创新科技股份有限公司产品市场总监金光一告诉记者,疫情对于欧美的晶圆生产和东南亚的封测产业都带来了很多不稳定的因素,这样将会进一步影响国际大厂半导体芯片的供给状况,给全球电子及半导体等产业链造成很大的压力。另外从市场需求情况来看,部分电子消费品的购买力逐渐紧缩,加上国际货运物流延迟,也将影响了部分市场采购订单和营收。

国产MCU有哪些机会?

海外MCU供应短缺、价格上涨,给了中国国产MCU发展的机会。“由于疫情影响,医疗器械的需求量大大增加,这是这次市场变化最大的一个导火索。医疗器械主要运用的是中高端8位MCU和32位的MCU,而在之前,很多本国的用户都会选择用进口的产品。这次由于疫情造成海外MCU价格爆涨并且供应严重不足,很多医疗行业开始使用国产的MCU。此外,由于我们一直以来都会提前备货,而且政府、医疗系统等都在大力支持着MCU的整个供应链,因此我们的MCU在价格上并没有很大的波动,虽然偶尔会供货不足,但是我们现在依然能够有条不紊的进行生产。这大大提升了国产MCU的使用率,也大大的推动了我们产品的市场占有率和客户认可度,也让更多的本国的用户‘看’到了我们中国芯片的质量。”刘吉平说道。

目前,中国疫情逐步得到控制,各行各业也在陆续复工复产。与此同时,海外疫情依旧形势严峻,使得很多海外芯片上下游产业依旧处于停工停产状态,金光一认为,这是逐步实现国产化替代的良机,可以有效减少信息安全隐患、降低元件供应风险、加强研制生产保障。“以我们的国产GD32MCU为例,其封装和测试均在中国国内完成,并采用多个认证工厂及生产线同时供货,从而有效规避了复工不足和物流延迟等风险。”金光一对记者说。

筑牢本土MCU供应链

在疫情过后,中国国产MCU能否延续这样的热潮,成为了人们关注的焦点。刘吉平认为,在日后国产MCU更应该把目光焦距在国内的市场,同时尝试开拓海外的市场。“目前中国国产MCU的内销只占到了大约1%~2%,可见中国还有近99%的市场份额,而且中国MCU的消耗量占到全球的2/3。而且随着近年来工业互联网的大力发展,各行各业对于MCU的需求量也会越来越大。所以我们应该更加努力去服务国内的客户,争取让更多国内的客户用上我们国产的MCU。”

此外,刘吉平还认为,在未来国产MCU的发展中,替代和创新可以同步进行。由于国外的32位MCU发展较早,更新迭代较多,市场地位比较稳固,国产MCU的创新很难在短时间内实现突破,因此最好的方式就是,在做到不侵权,性能最优成本较低的前提下,进行创新研发。例如,我们的芯片HK32MCU用Pin
to Pin软件兼容傻瓜式替代,由于软件全兼容,在使用时不用改电路板也不用改软件,非常方便,尤其在遇到像这次疫情一样的紧急情况时,进口MCU严重缺货,Pin
to Pin软件兼容能够凸显很大的优势。同时,我们的HK32F39也进行了创新,得到客户的认可。由此可见,替代和创新这两条路是可以同步走的。

山东师范大学物理与电子科学学院讲师孙建辉对于国产MCU未来的发展感到非常有信心:“这一次疫情,让很多生物医疗产业看到了中国芯片的力量,而且生物医疗产业还是一个很大的市场,不仅仅是针对疫情,MCU在未来的研发过程中同样会有很大的需求。比如,在未来要发展的红外检测便携仪器,可穿戴生物仪器等,都需要MCU的应用。由于疫情原因,如今在国内医疗行业中国产MCU得到大量应用,这是一个很好的开端。在未来,国产芯片的力量也会慢慢渗入到各行各业。”

同时,金光一提到,国产MCU在未来的发展中,也应当关注技术突破、产能扩充和人才培养方面,这样可以有效解决如今国产MCU的先进工艺、先进材料和关键产能等方面还较多依赖于国外的现象。(作者:沈丛)

小鹏汽车宣布将与英伟达继续合作 首款搭载英伟达DRIVE Xavier车型P7即将上市

博客智能网联汽车 发表了文章 • 0 个评论 • 217 次浏览 • 2020-04-16 17:28 • 来自相关话题

4月16日,小鹏汽车宣布,将与全球领先的人工智能计算制造商英伟达(NVIDIA)继续合作,其下一代智能纯电车型将继续搭载英伟达的AI自动驾驶计算平台。而不久前刚刚宣布即将在4月27日正式上市的超长 ...查看全部

4月16日,小鹏汽车宣布,将与全球领先的人工智能计算制造商英伟达(NVIDIA)继续合作,其下一代智能纯电车型将继续搭载英伟达的AI自动驾驶计算平台。而不久前刚刚宣布即将在4月27日正式上市的超长续航智能轿跑——小鹏P7,正是首款搭载 NVIDIA DRIVETM AGX Xavier平台的量产车型。 

1587029031933073.png

NVIDIA DRIVE AGX Xavier

小鹏P7所采用的NVIDIA DRIVETM AGX Xavier自动驾驶计算平台,拥有超强性能且高能效的Xavier片上系统(SoC),具备L4级自动驾驶计算能力,可实现每秒30万亿次运算,功耗仅30 瓦,能效是上一代架构的15倍。同时,Xavier是首款致力于量产级自动驾驶的片上系统,可满足当今严格安全标准和法规要求,提供处理多个传感器数据所必需的冗余和兼容性,为高度自动化的量产级自动驾驶系统提供了有力保障。

因此,拥有13个摄像头、5个毫米波雷达及12个超声波雷达的小鹏P7,其XPILOT 3.0自动驾驶辅助系统在“本土化”和“自动化”方面均实现突破,可针对中国路况同时适用于城市道路与高速公路,且具备高度自动化的优势,还可以在未来通过整车OTA不断进化,实现更多功能的解锁。其具体的自动驾驶能力,将在4月27日上市时正式揭晓。

对于双方未来的继续合作,小鹏汽车自动驾驶副总裁吴新宙博士说:“我们与英伟达的成功合作对小鹏P7的研发和生产至关重要。Xavier的性能和能源效率,加快了我们开发这款安全、智能且功能丰富的第二代智能电动车型,小鹏P7已经成为目前竞争激烈的电动汽车市场中最受关注的智能轿跑。未来,小鹏汽车将为更广泛的消费者群提供竞争力更强、更优化、更易适用而且更加安全的自动驾驶功能。我们非常期待与英伟达携手,在智能汽车的赛道上加跨步伐。”

1587088091675015.png

超长续航智能轿跑——小鹏P7即将于4月27日正式上市

英伟达自动驾驶汽车副总裁Rishi Dhall也表示: “中国的消费者很快将可体验到小鹏P7高智能的自动驾驶的功能,也可证实Xavier的超强处理能力、效率、安全性和其可扩展性。我们将与小鹏汽车紧密合作,共同搭建其下一代智能电动车架构,以助小鹏汽车巩固其在该领域的长期竞争优势。”

在英伟达AI基础架构上,小鹏汽车开发了包括深度神经网络在内的全闭环自研自动驾驶技术。在车辆内部,英伟达的开放式 NVIDIA DRIVE OS令小鹏汽车的专利自动驾驶软件XPILOT 3.0能够发挥潜力,并可以持续通过OTA更新提升车辆自动驾驶功能。鉴于英伟达最新系列 NVIDIA Orin平台及Xavier平台的强大架构兼容性,小鹏汽车将会积极探索在其未来智能车型上采用该最新技术。

解析2020智能汽车产业链发展关键突破点

博客自动驾驶小能手 发表了文章 • 0 个评论 • 230 次浏览 • 2020-04-16 10:02 • 来自相关话题

智能汽车产业链相较于传统汽车,智能网联汽车在多个系统方面均有了较大的变化和改进,涉及智能驾驶辅助系统、智能座舱系统、汽车安全系统、智能照明系统、热管理系统和其他系统等。 ...查看全部

智能汽车产业链相较于传统汽车,智能网联汽车在多个系统方面均有了较大的变化和改进,涉及智能驾驶辅助系统、智能座舱系统、汽车安全系统、智能照明系统、热管理系统和其他系统等。

ADAS 系统、智能座舱是核心组成部分。汽车行业主要突破口是车载终端及软件系统随着智能网联持续发展,整车厂在整车制造中越来越多地选择配置车联网车载终端设备,以此来提升产品对消费者的吸引力。
智能驾驶辅助系统的构成主要包括感知层、决策层和执行层三大核心部分。
感知层主要传感器包括车载摄像头、毫米波雷达、超声波雷达、激光雷达、智能照明系统等。车辆自身运动信息主要通过车身上的速度传感器、角度传感器、惯性导航系统等部件获取。
决策层根据智能驾驶汽车感知层获得的信息,通过一定的模型,进行计算分析,针对不同的情况作出相应的决策判断,达到替代人类驾驶员判断的效果,决策层的核心是算法和芯片。
执行层主要包括智能驱动、智能转向和智能制动三个部分。智能驱动系统中电机系统提供动力,电控系统实现控制。智能转向系统主要包括 EPS 电子辅助转向系统、SRW 线控转向系统和 AIFS 主动前轮独立转向系统等。智能制动基本部件包括传感器、电控单元、电子真空泵等,系统级的部件包括 ESP 车身稳定系统、IBS 智能刹车系统等多个系统。
智能座舱的构成主要包括全液晶仪表、大屏中控系统、车载信息娱乐系统、抬头显示系统、流媒体后视镜等核心部件是域控制器。
智能汽车中,传统安全带和安全气囊进一步智能化,其中智能安全气囊可以根据碰撞情况、乘员情况等,调整打开时间和强度,实现最好的保护。驾驶员检测系统、胎压检测系统也逐步成为智能汽车的标配,通过车载摄像头、TPMS 部件等实现。
智能照明系统包括主动转弯照明、弯道灯照明、汽车夜视系统等;通过这些智能照明系统,驾驶员可以有效拓展视野,提升对道路上的车辆行人的辨识度,提高驾驶安全
智能网联新能源车相较于传统的汽车热管理系统,新增了电池热管理、电机电控冷却系统,同时对汽车空调系统也提出了更高的性能要求。热管理系统成为智能网联新能源车的重要组成部分。
其他的智能网联汽车系统还包括无钥匙进入/启动系统、车辆远程控制系统等。
ADAS 系统:国内企业突破口
ADAS 产业链核心点:芯片、算法、智能转向、制动、雷达
ADAS 产业链中决策层的芯片和算法,执行层中智能转向、智能制动和电控系统,是目前智能驾驶系统中技术含量较高的部分。
智能驾驶芯片的研发需要大量的资金投入、人才支持以及经验积累等,产品包括 ECU、DCU、AI 芯片等各种类型,逐渐由专用型转向通用型,行业技术持续变革。
智能驾驶算法解决方案是实现各种 ADAS 功能的核心,目前常见的 ADAS 功能包括 ACC 自适应巡航、 LKA 车道保持、LCA 变道辅助等,不同的功能均需要相对应的算法支持,复杂度高。
智能转向系统目前已经发展到 EPS、SBW、AIFS 等,技术基本由龙头供应商垄断。智能制动技术持续变革,产品包括传感器、电控单元、电子真空泵、ABS、ESP、AEB、IBS、ISA 等多种类别。电控系统的核心部件是 IGBT、功率 IC、功率分离器等半导体元器件,技术含量较高。
毫米波雷达和激光雷达的技术含量较高。车载摄像头、超声波雷达,以及执行层的电机产品的技术含量相对较低。车载摄像头领域,COMS 图像传感器对像素要求低于消费电子产品,镜头组和模组组装技术难度也相对较低。超声波雷达是一种较为常见的传感器,技术门槛相对较低。
从竞争格局分析国内企业在产业链上的突破
根据竞争格局的稳定程度和进入门槛的高低,可以将智能驾驶辅助各部件分成三类。
第一类是竞争格局较为稳定,进入门槛较高的智能制动和智能转向领域。
第二类是竞争格局尚未稳定,但进入门槛较高的的部件,主要包括决策层的芯片和算法、感知层的激光雷达和毫米波雷达。
第三类是竞争格局尚未稳定,但进入门槛较低的部件,主要包括执行层电机电控和感知层车载摄像头。在不同类别的部件领域,国内供应商面临不同的发展机会。
在执行层的智能转向和智能制动系统领域,国内外市场基本被国际龙头公司所垄断,整体格局较为稳定;且由于转向和制动系统产品需要长期的研发投入与技术累积,进入门槛较高。国内供应商以部分细分产品为突破口,有望获取一定的市场份额。
在智能转向系统领域,包括 EPS、SRW 等产品领域,国外供应商包括采埃孚、捷太格特、博世、天合等公司技术成熟先进,市场属于寡头垄断的状态。国内公司中德尔股份、北特科技等公司生产转向系统的部分部件,但在系统级别产品领域未有突破。
在智能制动系统领域,国外供应商包括采埃孚、大陆和博世等公司占据了国内外主要市场。细分产品中,国内公司在 ABS、IBS、ESP 等产品领域取得一定进展。国内公司华域汽车、拓普集团等在推进 IBS 产品的研制,伯特利等公司的 ESP 产品已经实现量产。
在决策层芯片领域,海外的英伟达、英特尔(收购 Mobileye)、高通、恩智浦、瑞萨电子、德州仪器、英飞凌、安森美等,以及国内的华为海思、寒武纪、地平线等。由于智能驾驶涉及的芯片种类较多,不同的供应商擅长的领域各有区别,同时各个厂商之间智能驾驶技术路线也各有区别,因此目前市场格局并不稳定,市场份额较为分散。从全球市场情况来看,份额最大的恩智浦也仅占 14%。 
在决策层算法领域,国内外主要参与者包括博世、大陆、安波福等零部件龙头公司,谷歌、微软、百度等互联网科技公司,特斯拉等整车厂,以及智能驾驶创业公司。行业整体处于起步阶段,因此整体竞争格局并不稳定。
由于芯片和算法都具有高技术难度的属性,所以该市场主要是龙头公司之间互相竞争。在竞争格局并不确定的情况下,国内科技龙头公司在此领域具有较大的发展机会,包括在芯片领域的华为、寒武纪、地平线,以及在算法领域的 BAT 等。
目前毫米波雷达整体处于早期发展阶段,国内外零部件供应商均有布局。从 2018 年的全球市场占有率情况来看,前五大供应商分别是括博世、大陆、海拉、富士通天、电装,但没有一家公司的市占率超过 20%,同时包括德尔福、奥托立夫、法雷奥、TRW 等公司也是重要的毫米波雷达供应商,未来市场竞争格局仍有可能发生重大变化。
国内供应商中,德赛西威和华域汽车等公司的短距 24GHz 毫米波雷达实现了量产,77GHz 毫米波雷达也稳步推进。凭借产品性价比、服务能力等,逐步扩大市场份额;然后拓展到高频率毫米波雷达市场。
目前激光雷达尚处于起步阶段,智能网联汽车尚未大规模采用,竞争格局仍未稳定。国外主要的激光雷达公司包括 Velodyne、Ibeo、Quanergy、Innoviz 和 LeddarTech 等;国内主要的激光雷达公司包括禾赛科技、北科天绘、速腾聚创、北醒光子和镭神智能等。
目前仅法雷奥和 Ibeo 合作生产的扫描式激光雷达 ScaLa 实现量产。国内公司在固态激光雷达领域积极布局,已经研制出较多的产品,部分产品技术性能在全球领先,随着激光雷达往固态化持续发展,国内激光雷达公司具备较大的发展机会。
从全球车载摄像头市场份额情况来看,目前整体竞争格局仍较为分散,除松下市场份额在 20%左右,其余主要供应商的市场份额在 8%至 11%之间,未出现具备明显优势的供应商。
由于车载摄像头技术门槛整体相对较低,国内供应商具有较大的发展机会。国内供应商主要包括同致电子、深圳豪恩、厦门辉创、苏州智华等,已经批量供应后视和环视的摄像头。
德赛西威、华域汽车等在内的汽车零部件供应商和包括舜宇光学、欧菲光等在内的光学镜头供应商也开始进入车载摄像头领域。凭借成本优势、服务反应速度优势等,未来国内供应商份额有望逐步提升。
ADAS 已经布局的公司分析
在智能驾驶辅助系统各部分,国内已经有公司产品逐步落地。
在感知层的车载摄像头部分,德赛西威在 2017 年投资了全自动高清摄像头生产线,并在国内实现了高清摄像头和环视系统的量产。华域汽车积极发展车载摄像头业务,探索建立覆盖毫米波雷达、摄像头和数据融合的全功能平台,推进包括 360 度汽车行驶环境扫描系统在内的产品开发与应用。
其他上市公司中,保隆科技 2019 年开始批量制造车载摄像头。非汽车行业的上市公司中,包括舜宇光学、欧菲光的公司也已经布局车载摄像头。非上市公司中,目前包括同致电子、深圳豪恩、厦门辉创、苏州智华等在内主要供应后视和环视摄像头。
在感知层的毫米波雷达部分,德赛西威 24GHZ 毫米波雷达已经获得量产订单,77G 毫米波雷达已达到可量产状态。华域汽车 24GHZ 后向毫米波雷达实现对上汽乘用车、上汽大通等客户供货;应用于大巴的 77GHz 前向毫米波雷达也通过国家法规测试。保隆科技稳步推进毫米波雷达研制。
在感知层的激光雷达部分,目前仍无上市公司有产品落地,国内主要是创业公司从事激光雷达研制工作,包括速腾聚创、禾赛科技、北醒光子、北科天绘、镭神智能等,但目前国内还未有实现大规模量产的激光雷达产品。
在决策层的芯片领域,目前国内主要是华为、寒武纪、地平线等公司布局;在算法领域,百度、腾讯、阿里、华为等公司联合整车企业进行智能驾驶算法开发。
在执行层的智能驱动领域,国内可以实现电机电控产品量产的上市公司包括大洋电机、正海磁材、、卧龙电驱、通达动力、英博尔等较多公司。科博达在电机控制系统、电机驱动类执行器等产品领域布局。
在执行层的智能转向领域,华域汽车的合营公司博世华域转向的 EPS 电动助力转向系统在国内占据较大市场份额。德尔股份、北特科技等公司可以量产 EPS 转向电机等智能转向系统的相关部件。
在执行层的智能制动领域,华域汽车旗下汇众汽车已经成功研发 Ebooster 等产品,并获得北汽新能源、比亚迪汽车的定点,未来有望实现量产。拓普集团同样布局研发 IBS 智能刹车系统。伯特利等公司的 ABS、ESP 等产品已经实现量产。
智能座舱系统:域控制器是核心,部分公司已布局
智能座舱系统构成:
智能座舱是未来智能网联汽车的主要组成部分之一,以座舱域控制器(DCU)为核心,推动包含液晶仪表盘、中控屏、流媒体后视镜、抬头显示系统等部件在内的多屏融合。
通过整合分散的感知能力,目前智能座舱系统已经发展到域内集中阶段。在座舱域控制器为核心的架构下,智能座舱系统各部件实现自身信息提供和人机交互功能。
从汽车整体架构来看,座舱域控制器(DCU)不仅链接传统座舱电子部件,还可以进一步整合智能辅助驾驶 ADAS 系统和车联网 V2X 系统,使得智能汽车可以进一步优化整合智能驾驶、车载互联、信息娱乐等功能。
智能座舱系统国内外差距:
国内外众多零部件供应商打造智能座舱解决方案,积极布局这一未来极具发展潜力的领域。
佛吉亚近年来打造“智享未来座舱”解决方案,并将智能座舱作为公司战略转型的重点方向,在中国市场中,一汽红旗、拜腾等车企车型将量产。大陆集团在 2017 年提出未来驾驶座舱,并可实现用域控制器集成化控制。
博世在 2018 年 CES 展上展示了全新概念智能驾驶舱,其通用掌握座舱域控制器技术。伟世通 SmartCore 座舱域控制器技术是目前主流的座舱域控制器解决方案,目前已经在多家整车制造商上实现应用。此外,包括法雷奥、采埃孚、现代摩比斯、安波福等零部件供应商均先后推出自身的智能座舱解决方案。
国内零部件供应商也积极布局智能座舱解决方案领域。华域汽车旗下延锋公司,通过与京东方、歌尔股份等公司的合作,打造智能座舱整体解决方案。德赛西威的智能驾驶舱是其核心产品线之一。 
目前,在座舱域控制器领域,国内外的差距较大,国外公司包括伟世通、博世、大陆、安波福等公司在多年前就掌握了域控制器的核心技术,且在较多客户车型上实现了量产,产品成熟度高。国内公司中,仅德赛西威、布谷鸟科技等少数公司具备座舱域控制器开发技术。如果不能采用域控制器对智能座舱系统进行架构升级,则系统将存在代际的差距。
在座舱域控制器以外的其他主要系统部件中,包括液晶仪表盘、中控屏、抬头显示系统、流媒体后视镜等,国内供应商的产品与国外也存在技术差距。
域控制器国内外竞争格局
座舱域控制器是未来智能座舱系统的核心,目前国内外多家零部件供应商进行布局,但整体能实现量产的公司仍较少,国外主要包括伟世通、博世、安波福、大陆集团和电装。
从时间上看,伟世通是最早推出座舱域控制器的供应商,其 2015 年即在 MWC 上展出的 SmartCore,这也是全球第一个座舱域控制器。继伟世通推出座舱域控制器之后,其他供应商也开始跟进。在2017 年,博世和安波福先后推出 AI Car Computer 座舱域控制器和 ICC 座舱域控制器。2019 年,大陆集团和电装先后推出集成式车身电子平台 IIP 和 Integrated HMI platform 座舱域控制器。
目前座舱域控制器在智能汽车中的应用仍处于起步阶段,未来渗透率将逐步提升。根据佐思产研的预测,座舱域控制器的出货量将从 2019 年的约 30 万套增加到 2025 年的 680 万套,年均增速达到68%。座舱域控制器在乘用车中的渗透率也将从2019 年的仅0.5%逐步提升至2025年的9.1%。
伟世通提出的 SmartCore 解决方案,将仪表盘、中控屏及其它座舱电子集成在一个系统芯片(SoC)上,对于座舱电子的智能化、网联化转型具有重要意义。伟世通的 SmartCore 以高通芯片作为计算平台,目前已经应用在奔驰、吉利、广汽、塔塔等整车客户的车型上。
博世的 AI Car Computer 座舱域控制器,基于高通的计算平台,目前已经在通用和福特的车型上实现量产。安波福的 ICC 座舱域控制器基于英特尔的计算平,ICC 集成架构通过整合 ECU,大幅降低 IVI 系统和仪表组的成本,目前已经在下游奥迪、法拉利、沃尔沃、长城等整车客户上实现量产。
大陆集团的集成式车身电子平台 IIP 基于高通/瑞萨的计算平台,最快于 2021 年实现批量生产。电装与黑莓共同研制的 Integrated HMI platform 基于英特尔计算平台,利用 QNX 的虚拟化技术,实现对车辆内部用户界面和系统的综合控制。电装的座舱域控制器已经开始量产,主要应用于丰田和斯巴鲁的部分车型上。
国内零部件供应商在座舱域控制器领域也开始逐步推进。德赛西威基于高通 820A 打造的智能座舱控制器,于 2019 年在理想汽车实现量产。非上市公司中,布谷鸟科技基于恩智浦芯片打造了 Auto Canbin 座舱域控制器,下游客户包括 4 家主机厂。
整体来看,国内供应商在座舱域控制器领域仍处于起步阶段,与国外零部件巨头在技术积累、量产应用等方面都存在较大的差距。
其它硬件产品竞争格局分析
全球液晶仪表盘市场份额集中度较高,基本被零部件龙头公司所占据,前五大供应商合计市场份额达到 80%,其中大陆集团、爱信精机、电装、伟世通和博世的市场份额分别达到 25%、17%、15%、 15%和 8%。
国内液晶仪表盘市场中,市场份额主要仍被大陆、伟世通等品牌的合资公司占据。本土供应商中,以德赛西威为代表的公司逐步获得包括吉利汽车、长城汽车、奇瑞汽车、广汽乘用车、比亚迪等自主品牌整车厂的订单,拉动市场份额的提升。
抬头显示系统在汽车中的渗透率还较低,在国际巨头零部件公司布局较早,全球市场主要被爱信精机、大陆集团、电装、伟世通和博世等零部件巨头公司所占据,市场份额分别达到 55%、18%、 16%、3%和 3%,合计达到 95%。
由于国内供应商产品成熟度较低,量产应用较少,因此主要市场份额仍被爱信精机、大陆集团等海外供应商所占据。目前国内多家本土零部件供应商布局,包括华阳集团、均胜电子、福耀玻璃、舜宇光学等。随着未来自主品牌乘用车逐渐配置抬头显示系统,国内供应商的相关业务有望迎来快速发展的机遇。
智能座舱布局的公司:德赛西威、华域汽车、均胜电子
德赛西威于 2017 年引入智能驾驶舱概念,布局域控制器,开发可同时驱动多屏、融合多摄像头的人机交互平台。2019 年 6 月,公司在上海 CES 上发布智能驾驶舱 3.0 版本,产品持续更新换代。 
公司的智能座舱通过多模态人机交互设计,提升用户在产品使用过程中的愉悦感。产品同时支持苹果、谷歌、百度等手机互联功能,通过 T-box 的集成,可以连接云端并支持第三方 APP。公司的智能座舱通过专业路试,可以为用户提供极致的信息娱乐体验。
公司在智能座舱系统的产品布局主要包括全液晶仪表盘产品、多屏互动产品、显示模组及系统、座舱域控制器等。
近年来,德赛西威智能座舱产品持续获得下游客户的订单。全液晶仪表盘客户包括比亚迪、吉利汽车、长城汽车、奇瑞汽车、广汽乘用车等整车厂。多屏互动智能驾驶舱新项目获得车和家、长安汽车和天际汽车的订单,并于 2019 年量产。具备领先光学性能的显示模组及系统客户包括一汽-大众、上汽大众、吉利汽车等整车厂。
德赛西威座舱域控制器基于高通 820A 芯片开发,可以支持同时控制多个智能座舱部件。公司为理想 One 研制的四屏互动系统产品基于该座舱域控制器,未来公司有望基于座舱域控制器开发出更多融合多设备的智能座舱产品。
华域汽车在智能座舱领域仍处于布局阶段,产品正在研制当中。
华域汽车依托子公司延锋进行智能座舱系统的研制。延锋采取跨界合作的方式,通过与京东方、歌尔股份等公司合作,共同打造智能座舱系统方案。京东方在 TFT-LCD 模组、光学贴合及曲面屏等显示产品上具备领先的技术优势,歌尔股份在声学系统、智能交互及智能传感器等方面具有较多的技术积累。华域汽车的智能座舱将以座舱域控制器为核心,主要构成包括显示屏、智能开关、HMI交互、座舱声学、智能座椅、安全系统以及其他部件。
均胜电子的智能座舱系统业务由汽车电子板块的子公司 Preh(普瑞)主导,在原有 HMI 人机交互业务的基础上逐步发展智能座舱业务。公司原有的 HMI 业务主要包括驾驶员控制系统、空调控制系统和方向盘控制器等产品,下游客户包括大众、奥迪、福特、宝马、奔驰、通用等整车厂。
均胜电子的 HMI 业务逐步向智能座舱系统延伸和转变。公司推出的智能座舱系统主要由触屏技术、全液晶仪表、抬头显示(HUD)、车载信息娱乐、人机交互、主动安全等产品或系统构成,同时具备硬件系统、软件系统和数据服务。同时,公司的智能座舱系统可以和公司的车联网系统紧密协同,为使用者提供更好的人机交互体验。
均胜电子智能座舱电子类产品目前已经逐步获得下游客户订单。公司包括 idrive 系统、电子排挡、多媒体交互触控屏、触控空调系统等在内的下一代座舱电子类产品已经开始配套新一代宝马、奥迪和新一代保时捷卡宴等。
智能网联产业链
智能网联汽车以智能驾驶技术、车联网技术为基础,构建汽车与交通服务的新业态,达到全面改善汽车驾驶感受、提升交通效率的目的。
相较于传统汽车,智能网联汽车的核心区别在于智能驾驶辅助系统、智能座舱系统和车联网系统。ADAS 系统有效解放了驾乘人员在驾驶和乘坐汽车时所受的约束,提升汽车的安全性、舒适性和便利性,降低汽车的使用门槛等。智能座舱系统将汽车从普通的乘坐出行工具打造成集出行、生活、娱乐等为一体的综合应用场景。车联网技术将汽车置身于 V2X 的网络体系中,打造更高效的汽车交通体系。
在智能网联汽车的基础上,V2X 车联网系统将各个终端连接起来。在地面上,车与车、车与人、车与路侧设备进行 V2V、V2P 和 V2I 的信息通信。通过实时获取车辆周边交通环境信息,与自身车载传感器的感知信息融合,作为车辆的决策与控制系统的输入。
导航卫星等为智能网联汽车提供高精度地图导航。云端决策平台通过 V2N 连接,对地面上各个交通设备进行全局交通规划,有效协调地面交通,从而提升整体交通效率。内容和服务提供商通过 TSP 服务集成商,再通过 V2N 链接,实现对智能网联汽车内容服务支持。
通过智能网联汽车和车联网体系构建,产业链下游可以进一步发展无人驾驶物流、共享出行等新的产业业态,从而持续扩大整个智能网联汽车体系的发展空间。
智能汽车:ADAS 系统、智能座舱是核心组成部分
车联网:汽车行业主要突破口是车载终端及软件系统
车联网产业链的核心构成:
车联网是借助新一代信息和通信技术,实现车与 X(车、路、人、云等)进行全方位网络连接,提升汽车智能化水平,同时通过网联改变汽车交通的原有业态,从而全方面提升汽车驾驶感受、交通运行效率的新产业。其中,V2X 是车联网的核心技术。
车联网产业链的上游是硬件模块和软件系统。硬件模块主要包括通信芯片、通信模组、运算处理部件、高精度定位芯片等。中游是路侧设备和车载终端设备。
路侧设备是实现车联网车路协同的核心基础设施,包括路侧 RSU 设备、边缘计算设备、高清摄像头等。车载终端设备主要包括控屏与智能车机、V2X 车载模块以及车载计算芯片等。下游主要是整车制造和通信运营等。
车联网产业链中,上游和中游硬件设备和软件系统相较于下游的通信运营及整车制造更具重要性。 
车联网产业链上游中,硬件模块是基础部件,通信芯片、通信模组、运算处理部件是最核心的组成部分。通信设备以及运算处理部件两大核心设备应用于车联网产业链中的多个其他部件。
通信芯片和通信模组构成通信设备,在中游的路侧 RSU 设备、V2X 路侧天线、V2X 车载设备等部分均需要使用。通信设备涉及 LTE-V2X 和 5G-V2X 等关键技术,是目前各方竞争的焦点。运算处理部件以芯片为核心,应用于路侧端的边缘计算设备和车载计算芯片。上游软件系统中,操作系统和高精度地图是核心部分。
车联网产业链中游中,车载终端设备中,V2X 车载模块和车载计算芯片是核心部件。V2X 车载模块是网联汽车与其他终端通信的设备,其性能决定了整体车辆网的通信效率。车载计算芯片是车联网终端的运算基础,高性能芯片开发需要基于目前最先进的半导体技术,基本由国内外半导体龙头所垄断。
路侧设备中,路侧 RSU 设备和边缘计算设备是核心部件。路侧 RSU 设备包含 V2X 路侧天线,是实现和智能网联汽车的进行信息通信的核心设备。边缘计算设备未来将成为数据计算处理的重要环节,边缘计算设备集成了服务器、储存设备和网络设备等,技术难度较高。
汽车行业在车联网产业链中的突破口
在产业链上游,汽车行业主要参与软件系统领域,硬件模块主要由通信技术行业和半导体行业所占据。高精度地图的资质原本主要掌握在少数地图供应商手中,但是随着汽车行业内的公司通过投资合作等方式,取得地图开发资质,开始涉及这一领域。
汽车公司由于掌握丰富的车辆行驶资源和数据,因此其对于开发和推广高精度地图具备较大优势,预计未来会有更多公司参与到这一领域。在应用软件领域,目前汽车行业零部件公司和整车公司根据客户或自身需求,进行汽车软件开发。
在产业链中游,汽车行业主要参与车载终端设备领域,中控屏原先即是汽车零部件的重要组成部分,在车联网中,汽车零部件供应商推进中控屏和车机的智能化、网联化,目前行业中有多家零部件公司进行中控屏和智能车机的研制销售。
V2X 车载模块是汽车行业公司切入车联网的重要领域,相较于传统的通信技术公司,汽车行业公司基于对汽车行驶、通信等方面的了解,其开发 V2X 车载模块更具优势。
目前已有部分公司完成 V2X 车载模块的量产。计算芯片主要仍由半导体龙头所垄断,但汽车行业公司可以基于外购的芯片进行车联网解决方案的开发,从而充分利用汽车行业公司对汽车相关数据的丰富积累,提升车联网系统的整体性能。
在产业链下游,汽车行业涉及整车制造环节。随着智能网联持续发展,整车厂在整车制造中越来越多地选择配置车联网车载终端设备,以此来提升产品对消费者的吸引力。
主要汽车公司车联网布局:
上市公司中,包括德赛西威、均胜电子、路畅科技、华阳集团、兴民智通、索菱股份等公司在车载终端设备以及软件系统等车联网产业链部分有产品布局。
从产品分布来看,德赛西威的产品布局较为广泛,主要类别均有对应产品;
均胜电子主要在 V2X模块和车载信息系统;路畅科技和索菱股份主要在 T-box 产品、中控屏和车机布局;华阳集团在中控屏车机、车载娱乐信息系统布局;兴民智通主要有 T-box 产品和应用软件系统。
在智能硬件终端部分,德赛西威布局的产品包括智能车机中控屏、V2X 车载模块、T-box 产品以及V2X 芯片解决方案。德赛西威的智能车机将在线音乐等多媒体聚合,智能互联网联通停车、购物、就餐等生活场景,此外还具有在线救援、路线规划等功能。 
德赛西威还基于高通 9150 C-V2X 芯片,为汽车制造商开发 LTE-V2X 解决方案。德赛西威的新解决方案可以支持 V2V 场景(如前向碰撞和交叉口移动辅助)、V2I 场景(如限速警告和信号相位和定时)以及 V2P 场景(道路用户碰撞警告等),有效增强智能网联的能力。
在软件系统领域,公司主要进行车载娱乐信息系统以及应用软件开发等。公司的车载娱乐信息系统和软件开发等主要依托于智能车机中控屏产品,为客户提供多样化的软件信息服务。 
在智能车机中控屏部分,公司2018年为一汽大众打造的智能车机正式上市,配套一汽大众高尔夫、迈腾等车型。公司 V2X 车载模块,目前已经获得国际品牌整车厂的项目定点,预计于 2020 年量产。公司 T-box 产品目前已经在包括上汽通用在内的多个国际和自主品牌车型上配套量产。
均胜电子2016年收购德国TS道恩切入智能车联业务,将TS重整为德国普瑞的全资子公司PCC,并于同年在中国成立 JPCC(均胜车联),专注于国内的车联网业务。PCC 是大众集团等知名整车厂的导航系统的发展伙伴,在车联网领域,特别是 V2X 技术领域具有较深的技术累积。
均胜电子在车联网领域的主要产品包括车载信息系统、V2X 车端产品,同时公司在以 5G 技术为基础的汽车通信、OTA 空中下载和车辆增值服务领域持续推进。
均胜电子的车载信息系统产品核心以软件为主,第一类是基于谷歌Android Auto 的车载信息系统。公司第二类车载信息系统产品是基于单芯片(System On Chip)支持双操作系统的新一代车载信息娱乐系统方案。在 V2X 产品领域,均胜电子极参与基于 5G 技术的 V2X 行业标准的制定,目前是工信部下属 C-V2X 标准制定组织重要成员。
公司为一汽大众开发的车联 CNS 3.0 系统车机,其基于单芯片,同时支持 Linux 系统和安卓系统两部分。CNS 3.0 系统车机支持远程对车辆信息的监测及控制,还集成了在线导航、音乐、电台、语音控制、智慧出行等生活娱乐服务。CNS 3.0 系统车机目前已经一汽大众迈腾车型上实现量产。
目前均胜电子车联网产品已经获得多个订单。基于谷歌 Android Auto 的车载信息系统已经获得大众和奥迪的订单,并将于 2020 年进入量产。基于单芯片支持双操作系统的新一代车载信息娱乐系统已经获得上汽大众和一汽大众 MQB 平台和全新的电动平台 MEB 平台订单。
5G 应用及特斯拉技术革新将驱动智能网联快速发展:
5G 的落地对于汽车智能网联的发展具有重要的推动作用。5G 作为最新一代蜂窝移动通信技术,经过近年来的实验室测试、场外测试、规模试验、预商用、规模部署之后,在 2020 年已实现正式商用。智能网联汽车是 5G 的核心应用领域之一,随着 5G 商用的正式落地,智能网联汽车加速发展。
5G 对于实现更高级别的智能网联汽车具有重要意义。
智能驾驶和网联化发展是紧密结合的。在部分自动驾驶阶段,要实现车道内自动驾驶、换道辅助等功能,网联化需要逐步发展到联网协同感知阶段。在有条件自动驾驶阶段和完全自动驾驶阶段,尤其是实现协同式队列驾驶、车路协同控制等方面,必须联网进行协同决策与控制。
目前的智能驾驶汽车主要为自主式智能驾驶汽车,采用车载传感器探知车辆周围的环境信息,自主做出决策判断,是独立于其他车辆的自动驾驶。进一步发展到智能网联汽车,需要与网联功能充分融合,5G 将进一步推动智能驾驶汽车的网联化。
5G 已经可以满足更高级别自动驾驶的技术要求。对自动驾驶而言,其对网络通信的传输延时和传输速率要求逐步提升。
L2 级别及以上的自动驾驶即要求传输时延在 100 毫秒以下,而目前的 4G-LTE 网络的传输时延在 98 毫秒左右,已很难满足 L2 级别自动驾驶的需求。而目前 5G 网络的传输时延是 1 毫秒,可以满足所有自动驾驶级别的时延需求,为智能网联发展提供技术先决条件。
另一方面,对于车联网 V2X 系统,5G 将推动 LTE-V2X 系统向 5G-V2X 系统全面升级。根据发改委的规划,到 2020 年,国内大城市、高速公路的车用无线通信网络(LTE-V2X) 覆盖率将达到 90%,同时加快推进 5G-V2X 系统的建设。随着 5G 商用正式落地,5G-V2X 建设有望加速。
特斯拉在智能网联汽车技术方面目前是全球领先的公司之一,未来其规模的扩大将推动智能网联的发展。
特斯拉智能网联汽车技术首先体现在其汽车电子电气架构上。特斯拉在最初研制电动车时就开始逐步摆脱传统汽车的分布式电子电气架构,尽量减少 ECU 的使用数量,从而对汽车的电子电气架构进行统一的管理。在 Model S 上,特斯拉的 ECU 数量相较于传统燃油车以及普通新能源车已经大幅下降;据统计,相同级别传统燃油车中 ECU 数量大约是 70 个,普通新能源车日产 Leaf 上有约 30 个,而 Model S 仅有 15 个左右。
Model 3 电子电气架构进一步集中化,架构仅包括 CCM(中央计算模块)、BCM LH(左车身控制模块)和 BCM RH(右车身控制模块)三个模块。其中 CCM 负责信息娱乐系统、辅助驾驶系统和车内外通信;BCM LH 和 BCM RH 负责车身、底盘、安全及动力系统等。对照博世提出汽车电子电气架构进化路线,Model 3 已经直接达到 Vehicle Computer 层级,是目前行业中最先进的汽车电子电气架构。
以集中式的电子电气架构为基础,特斯拉可以通过软件系统的 OTA 升级,实现对汽车整体功能和性能的升级。通过 OTA 技术对车载软件进行更新,实现 AP、地图、娱乐系统等功能升级,不断改善用户体验;
OTA 升级可以解决特斯拉用户遇到的汽车使用故障问题,从而避免去实体店进行维修,有效降低使用成本。OTA 升级有效提升了特斯拉的服务附加值,一定程度上改变了传统汽车的价值链。
特斯拉的智能驾驶硬件设备中,Autopilot 套件包括 8 个摄像头、12 个超声波传感器和一个增强版前向毫米波雷达。计算芯片是基于英伟达的芯片而自主研发的 Tesla FSD。FSD 采用双芯片设计,同时集成了 CPU、GPU、NPU 等核心部件,在性能上处于行业领先位置。
在智能网联方面的技术优势,使得特斯拉的车型在全球畅销,推动汽车行业持续变革。
在供应链上,特斯拉的快速发展,有望拉动包括智能驾驶传感器、车联网设备以及智能座舱系统等一系列零部件及系统的快速发展,推动零部件供应商持续变革。
特斯拉智能网联汽车的迅速发展也迫使传统车企持续进行变革,将长期发展重心转向智能网联汽车,同时更加关注消费者乘车的智能驾驶体验。特斯拉在智能网联汽车领域取得的巨大成功,吸引了大批互联网科技巨头加入,包括谷歌、微软、百度等,有利于产业的良性竞争,同时激发了更多的创业公司在智能网联行业发展。
在需求端,特斯拉的车型凭借其先进的智能网联化功能,在一定程度上改变了消费者传统的汽车消费习惯。目前消费者对汽车智能网联的需求不断提升,进一步推动相关产业的发展。
转载自东方证券、智车行家,文中观点仅供分享交流,不代表本公众号立场,如涉及版权等问题,请您告知,我们将及时处理。(文章转自:东方证券、智车行家)

深度报告详解域控制器之L3汽车时代

博客自动驾驶小能手 发表了文章 • 0 个评论 • 250 次浏览 • 2020-04-16 09:32 • 来自相关话题

无人驾驶进程中车辆电子电气架构从分散到集中,催生域控制器汽车智能网联化带来信息流大量增加,汽车电子电气(EE)架构将迎来升级,如同中国古代历史社会组织结构变化,从诸侯分封-春秋五霸-一统天下,汽车架构从分布式-域集中式-中央计算式 ...查看全部

无人驾驶进程中车辆电子电气架构从分散到集中,催生域控制器

汽车智能网联化带来信息流大量增加,汽车电子电气(EE)架构将迎来升级,如同中国古代历史社会组织结构变化,从诸侯分封-春秋五霸-一统天下,汽车架构从分布式-域集中式-中央计算式逐渐进化,当前正处于分布式向域集中式过渡阶段,从全车100 余ECU 到 5 个DCU,控制功能迅速集中,作为“地方割据势力的决策中心”的域控制器走上历史舞台。

域控制器的过去、现在和未来:ECU-经典五域-中央计算平台

ECU 是域控制器的前身,在车辆发动机、变速箱、安全气囊等各底层执行零部件中广泛应用,承担决策功能,目前大部分传统车企上都是分布ECU 搭载;往后发展,控制范围更广、算力更强的域控制器取代了原有较为独立的各 ECU 的决策功能,以博世经典的五域分类拆分整车为动力域、底盘域、座舱域/智能信息域、自动驾驶域和车身域,五域较为完备的集成了 L3+车型的所有控制功能,在极少数 L3 级别车型上(如长安UNI-T/小鹏 P7 等)进行应用;域控制器再往后发展,以特斯拉 Model 3 为代表的中央计算平台 Central & Zone Concept 是行业未来趋势。

域控制器产业链拆解

从生产流程来看,汽车电子控制器产业链主要经历了:晶圆生产、(芯片)封装测试及系统应用(MCU 及各类控制器等)。上游核心产品芯片,决定了域控制器的核心计算能力,芯片设计层面主要由海外垄断,晶圆代工和封装测试层面大部分国产化半导体龙头企业具备实力;中游核心产品MCU(海外为主),PCB 板(国产化率较高)、无源器件(一定程度国产化);下游控制器总成厂商主要是全球零部件巨头企业领先,近年来国内部分上市公司和初创企业逐渐实现了产品研发和订单斩获。

风险提示:L3 普及风险、汽车销量下行风险。

域控制器带来软硬件机遇

作为车身区域性“大脑”,DCU  向上接收来自传感器端的信号,向下发送决策信息给执行系统。DCU 的普及,将带来硬件和软件的一系列投资机遇。软件方面包括多融合传感器算法、标准化软件架构 AUTOSAR、系统安全 ASIL 升级、车内以太网应用、整车OTA 升级等等,或将带来一系列聚焦算法、安全等计算机和通信企业的发展机遇。硬件方面推荐上游芯片制造工序端的中芯国际(海外组覆盖)、封测龙头长电科技(电子组覆盖);中游PCB 沪电股份、景旺电子(均电子组覆盖);下游控制器总成企业德赛西威、科博达;执行端伯特利和星宇股份

域控制器的背景

无人驾驶是大势所趋

要理解目前的无人驾驶(智能汽车),离不开以下一个公式:出行需求=总量*里程

左边,出行需求=人数*人均出行里程。

右边第一项,总量=公共交通工具+私人交通工具。

右边第二项,里程=时间*速度。

需求方面,随着国内城市化和现代商业化的发展,一方面提高了城市人口,一方面城市半径不断提升(主要城市半径>25km),居民的生活工作出行距离增加,等式左边的出行需求是快速增加的。

出行需求的增加必将要求总量和使用效率的提升。公共交通工具方面,公交和地铁等领域存在短板,2017 年中国地铁运行线路总长度为 3881.77 公里,与美国仍有较大差距(重铁+轻铁,5799 公里)。同时主要城市每万人拥有的公共出租汽车数量呈下降趋势。私人交通工具方面,截至 2019 年底,全国机动车保有量达3.48 亿辆,其中汽车保有量达 2.6 亿辆,千人保有量达170 辆,受限于道路和停车场等土地要素的短缺,城市保有量增长存在瓶颈。

国内居民的出行需求和供给方存在着缺口,这种缺口部分程度削弱了居民的出行品质,造成拥堵的路上交通和地铁。如何提高现有资源的使用效率是解决出行矛盾的关键。智能驾驶和共享出行就是谋求提升资源使用率的供给端革命(我们在 18 年 12 月发布了共享出行行业专题-《共享汽车,非成熟条件下的模式探讨》),19 年7 月发布了智能驾驶行业专题-《ADAS+车联网,无人驾驶之路》)。20 年 3 月发布了华为汽车行业专题-《华为汽车业务现状、竞争格局和产业链机遇》。根据华为智能汽车解决方案的拆解,未来的智能驾驶产业链将从云-管- 端三大层面带来全产业链机遇。本篇域控制器深度报告就是从“端”的层面对其细分核心决策部件进行分析。

无人驾驶催生产业链新机遇

无人驾驶实现需要四步走。我们认为无人驾驶从应用层面可以分为四个阶段,阶段1 是资讯被动侦测期,该阶段主要应用于车载资讯服务;阶段2 是资讯互动交换期,也就是当前所处阶段,该阶段主要应用于 ADAS 等;阶段 3 是资讯主动传达期,该阶段主要应用为 V2V和V2I,融合传感器技术实现车路协同;阶段 4 就是终极无人驾驶期,无人驾驶背景下车辆运营效率有望大幅提升,该阶段的典型应用就是共享汽车。

无人驾驶进程中的车辆架构发生较大改变——从 EE(电子电气)到“计算+通信”。实现汽车软件义、持续创造价值。传统电子电气架构中,车辆主要由硬件定义,采用分布式的控制单元,专用传感器、专用 ECU 及算法,资源协同性不高,有一定程度的浪费;计算+通信架构中,旨在实现软件定义车,域控制器在这里发挥重要作用,通过域控制器的整合,分散的车辆硬件之间可以实现信息互联互通和资源共享,软件可升级,硬件和传感器可以更换和进行功能扩展

无人驾驶进程中车辆电子电气架构从分布到集中汽车电子电气架构奠定车辆底层框架。汽车电子电气架构(Electronic and Electrical Architecture,文中简称 EEA)是由车企所定义的一套整合方式,是一个偏宏观的概念,类似于人体结构和建筑工程图纸,也就是搭了一副骨架, 需要各种“器官”、“血液”和“神经”来填充,使其具有生命力。具体到汽车上来说, EEA 把汽车中的各类传感器、ECU(电子控制单元)、线束拓扑和电子电气分配系统完美地整合在一起,完成运算、动力和能量的分配,实现整车的各项智能化功能。

无人驾驶进程中的车辆架构从分布向集中发展。全球零部件龙头企业博世曾经 将汽车电子电气架构划分为三个大阶段:分布式电子电气架构-【跨】域集中电 子电气架构-车辆集中电子电气架构,三个大阶段之中又分别包含两大发展节点,一共六个发展节点,细化了电子电气架构将从分布式向车辆集中式演变的过程。伴随汽车自动化程度从 L0-L5 逐级提升,目前大部分的传统车企电子电气架构处在从分布式向【跨】域集中过渡的阶段。分布式的电子电气架构主要用在L0-L2 级别车型,此时车辆主要由硬件定义,采用分布式的控制单元,专用传感器、专用 ECU 及算法,资源协同性不高,有一定程度的浪费;从 L3 级别开始,【跨】域集中电子电气架构走向舞台,域控制器在这里发挥重要作用,通过域控制器的整合,分散的车辆硬件之间可以实现信息互联互通和资源共享,软件可升级, 硬件和传感器可以更换和进行功能扩展;再往后发展,以特斯拉 Model 3 领衔开发的集中式电子电气架构基本达到了车辆终极理想——也就是车载电脑级别的中央控制架构

车辆自动驾驶级别主要参照 0-5 级分类。目前全球公认的汽车自动驾驶技术分级标准主要有两个,分别是由美国高速公路安全管理局(NHTSA)和国际自动机工程师学会(SAE)提出。中国于 2020 年参考 SAE 的 0-5 级的分级框架发布了中国版《汽车驾驶自动化分级》,并结合中国当前实际情况进行了部分调整,大体上也  将自动驾驶分为 0-5 级

L3 级别是汽车自动化道路的一次跃升。从法规和技术两个维度来看,L3 级别自动驾驶都是汽车自动化道路上的一大跃升。从法规来看,SAE 和中国《汽车自动化分级》规定 L0-L2 级别均是人类主导驾驶,车辆只做辅助,L0、L1 和 L2 之间的差异主要在于搭载的 ADAS 功能的多少,而 L3 开始,人类在驾驶操作中的作用快速下降,车辆自动驾驶系统在条件许可下可以完成所有驾驶操作(作用不亚于驾驶员),驾驶员在系统失效或者超过设计运行条件时对故障汽车进行接管;从技术来看,L0-L2 主要运用的传感器有摄像头、超声波雷达和毫米波雷达,L3 及之后原有传感器配套数量上升,同时高成本的激光雷达方案难以避开,传感器之间的协同要求提升,多传感器融合算法愈发复杂,所需控制器芯片算力大幅提升

2020 年是 L3 级别车型量产年。奥迪 A8 是最早实现搭载了 L3 级别硬件的量产车型,虽然由于法律监管的约束 A8 始终无法向消费者实现 L3 级别功能落地,但其2017 年推出的 5 摄像头+12 超声波雷达+4 毫米波雷达+1 激光雷达的量产硬件方案,始终是行业的先驱者之一。奥迪之后,全球多数车企纷纷计划在 2020-2021 年开始正式量产 L3 级别车型,如宝马 iNEXT、奔驰全新 S/C 级等车型

中国的 L3 量产自 2020 年长安发布的UNI-T 车型始,2020 年是我国 L3 级别车型的量产年,将先后迎来小鹏 P7、长安 UNI-T、北汽新能源 ARCFOX ECF Concept、广汽新能源 Aion LX、奇点 iS6 等L3 级别车型的上市

域控制器自 L3 始进入市场。由于 L3 级别“人车共驾”带来的传感器数量和融合算法的增加,现有广泛使用的传统分布式电子电气架构面临 ECU 数量增加冗余成本提升、传感器数据耦合困难、布线复杂度提升、线束成本提升等问题,难以支撑车辆L3 功能的实现,【跨】域集中的电子电气架构自 L3 起进入舞台。该架构下的核心处理模块——域控制器开始进入市场。接下来的篇幅我们将围绕域控制器的定义、作用、原理、分类、结构以及产业链进行展开

域控制器的分类——经典的五域划分

核心:以博世经典的五域分类拆分整车为动力域(安全)、底盘域(车辆运动)、座舱域/智能信息域(娱乐信息)、自动驾驶域(辅助驾驶)和车身域(车身电子), 这五大域控制模块较为完备的集成了L3 及以上级别自动驾驶车辆的所有控制功能。

1、动力域(安全)动力域控制器是一种智能化的动力总成管理单元,借助 CAN/FLEXRAY 实现变速器管理、引擎管理、电池监控、交流发电机调节。其优势在于为多种动力系统单元(内燃机、电动机\发电机、电池、变速箱)计算和分配扭矩、通过预判驾驶策略实现 CO2 减排、通信网关等,主要用于动力总成的优化与控制,同时兼具电气智能故障诊断、智能节电、总线通信等功能。

未来主流的系统设计方案如下:

  • 以 Aurix 2G(387/397)为核心的智能动力域控制器软硬件平台,对动力域内子控制器进行功能整合,集成 ECU 的基本功能,集成面向动力域协同优化的 VCU, Inverter,TCU,BMS 和DCDC 等高级的域层次算法。

  • 以 ASIL-C 安全等级为目标,具备SOTA,信息安全,通讯管理等功能。

  • 支持的通讯类型包括 CAN/CAN-FD,Gigabit Ethernet 并对通讯提供 SHA-256加密算法支持。

  • 面向 CPU\GPU 发展,需要支持 Adapative Autosar 环境,主频需要提高到2G,支持 Linux 系统,目前支持 POSIX 标准接口的操作系统。

2020 年 1 月 16 日,由合众汽车工程研究院副院长邓晓光带领团队开发的动力域控制器搭载哪吒汽车成功,并成功一次通过搭载车辆测试,标志着合众 PDCS(Powertrain Domain Control System)动力域控制器正式进入量产应用阶段。合众动力域控制器系统采用英飞凌(Infineon)多核处理器 200MHz 主频,具备DSP 数字信号处理及浮点运算能力,是 Hozon PDCS 的高速处理器。同时,Hozon PDCS 三核并带锁步核的主芯片实现更高功能安全,按照 ASIL C 功能安全等级开发,仅次于飞机的 D 级,有效保证用户出行安全。V 模型开发,每一步可验证, 软件失效率低于 0.3%,兼具 AUTOSAR 架构+MBD 建模与控制,有效提高软件可靠性。可实时监控电控系统,智能协调及监控动力输出,提升驾控性能及安全。同时保护电池安全,根据系统需求,同步优化能量分配、增加续航里程

2、底盘域(车辆运动)底盘域是与汽车行驶相关,由传动系统、行驶系统、转向系统和制动系统共同构    成。传动系统负责把发动机的动力传给驱动轮,可以分为机械式、液力式和电力等,其中机械式传动系统主要由离合器、变速器、万向传动装置和驱动桥组成、液力式传动系统主要由液力变矩器、自动变速器、万向传动装置和驱动桥组成;行驶系统把汽车各个部分连成一个整体并对全车起支承作用,如车架、悬架、车轮、车 桥都是它的零件;转向系统保证汽车能按驾驶员的意愿进行直线或转向行驶;制动系统迫使路面在汽车车轮上施加一定的与汽车行驶方向相反的外力,对汽车进行一定程度的强制制动,其功用是减速停车、驻车制动。

智能化推动线控底盘发展。随着汽车智能化发展,智能汽车的感知识别、决策规划、 控制执行三个核心系统中,与汽车零部件行业最贴近的是控制执行端,也就是驱动控制、转向控制、制动控制等,需要对传统汽车的底盘进行线控改造以适用于自动驾驶。线控底盘主要有五大系统,分别为线控转向、线控制动、线控换挡、线控油门、线控悬挂,线控转向和线控制动是面向自动驾驶执行端方向最核心的产品,其 中又以制动技术难度更高。

(1) 线控制动是未来汽车制动系统的发展趋势。汽车制动系统经历了从机械到液压再到电子(ABS/ESC)的发展过程,未来将向线控制动方向发展。L2 时代的线控制动可以分为燃油车、混动、纯电三大类,燃油车基本都采用 ESP(ESC)做线控制动。混动车基本都采用高压蓄能器为核心的间接型EHB(电液压制动)。纯电车基本都采用直接型 EHB,以电机直接推动主缸活塞。在汽车智能化的趋势下,考虑到对L3 及以上等级自动驾驶汽车来说制动系统的响应时间非常关键,而线控制动执行信息由电信号传递,响应相对更快,刹车距离更短,是未来汽车智能化的长期趋势。

线控制动系统可以分为液压式线控制动 EHB、机械式线控制动 EMB 两种类型。EHB 系统由于具有备用制动系统,安全性较高,因此接受度更高,是目前主要推广量产的方案。由于缺少备用制动系统且缺少技术支持,短期内很难大批量应用,是未来发展的方向。

线控制动是汽车技术门槛较高的领域,全球主要的线控制动厂家是博世、大陆、 采埃孚等零部件企业。EHB 国外厂商技术发展已经比较成熟,但严格意义讲还不适应于 L4 自动驾驶,国内此项技术在努力追赶;EMB 还处在研究阶段,目前看较难有突破。其中,博世的 iBooster 是典型的直接型 EHB。iBooster 通常与 ESP 配套使用,ESP 在iBooster 失效时顶上。不过因为 ESP 也是一套电液压系统,也有可能失效,且 ESP 在设计之初只是为 AEB 类紧急制动场景设计的,不能做常规制动,所以博世在第二代 iBooster 推出后,着手针对 L3 和 L4 设计了一套线控制动系统,这就是 IPB+RBU。

(2) 智能化的发展催促线控转向的产生。转向系统从最初的机械式转向系统(MS)发展为液压助力转向系统(简称 HPS),之后是电控液压助力转向系统(EHPS)和电动助力转向系统(EPS)。目前乘用车上以EPS 为主流,商用车以HPS 为主流,EHPS 在大型 SUV 上比较常见,其余领域比较少见。智能化的趋势下,L3 及以上等级智能汽车要求部分或全程会脱离驾驶员的操控,对于转向系统控制精确度、可靠性要求更高高,催促线控转向(Steering By Wire, SBW)的产生。线控转向(SBW)系统是指,在驾驶员输入接口(方向盘)和执行机构(转向轮)之间是通过线控(电子信号)连接的,即在它们之间没有直接的液力或机械连接。线控转向系统是通过给助力电机发送电信号指令,从而实现对转向系统进行控制。SBW(steering by wire)的发展与 EPS 一脉相承,其系统相对于EPS 需要有冗余功能。目前SBW 系统有两种方式:1)取消方向盘与转向执行机构的机械连接,通过多个电机和控制器来增加系统的冗余度;2)在方向盘与转向执行机构之间增加一个电磁离合器作为失效备份,来增加系统的冗余度

从厂商角度看,全球 EPS 厂家以博世、捷太格特、NSK、耐世特等国际巨头为主, 其中日本厂家多以精密轴承起家,向下游拓展到 EPS 领域;美国厂家则是 tier 1厂家,横向扩展到 EPS 领域;欧洲厂家类似美国厂家,但是在上游的精密机械加工领域远比美国要强。相比之下国内企业主要有三家,包括株洲易力达、湖北恒隆和浙江世宝,但是规模都比较小,技术较落后

线控转向系统(SBW)由于技术、资本、安全等各方面的要求高,技术基本掌握在海外的零部件巨头手中,进入壁垒非常高。目前联创电子、浙江万达等国内企业开始涉足 SBW 领域,国内企业未来有望开拓 SBW 新业务

3. 座舱域/智能信息域(娱乐信息)传统座舱域是由几个分散子系统或单独模块组成,这种架构无法支持多屏联动、多屏驾驶等复杂电子座舱功能,因此催生出座舱域控制器这种域集中式的计算平台。智能座舱的构成主要包括全液晶仪表、大屏中控系统、车载信息娱乐系统、抬头显示系统、流媒体后视镜等,核心控制部件是域控制器。座舱域控制器(DCU)通过以太网/MOST/CAN,实现抬头显示、仪表盘、导航等部件的融合,不仅具有传统座舱电子部件,还进一步整合智能驾驶 ADAS 系统和车联网 V2X 系统,从而进一步优化智能驾驶、车载互联、信息娱乐等功能。智能驾驶辅助系统的构成主要包括感知层、决策层和执行层三大核心部分。感知层主要传感器包括车载摄像头、毫米波雷达、超声波雷达、激光雷达、智能照明系统等,车辆自身运动信息主要通过车身上的速度传感器、角度传感器、惯性导航系统等部件获取。而通过座舱域控制器,可以实现“独立感知”和“交互方式升级”。一方     面,车辆具有“感知”人的能力。智能座舱系统通过独立感知层,能够拿到足够的感知数据,例如车内视觉(光学)、语音(声学)以及方向盘、刹车踏板、油门踏板、档位、安全带等底盘和车身数据,利用生物识别技术(车舱内主要是人脸识别、声音识别),来综合判断驾驶员(或其他乘员)的生理状态(人像、脸部识别等)和行为状态(驾驶行为、声音、肢体行为),随后根据具体场景推送交互请求。另一方面,车内交互方式从仅有“物理按键交互”升级至“触屏交互”、“语音交互”、“手 势交互”并存的状态。此外,多模交互技术通过融合“视觉”、“语音”等模态的感知数据,做到更精准、更智能、更人性化的交互

座舱电子域控制器领域,采用伟世通 Smart Core 方案的厂家最多,其次就是Aptiv的ICC(Integrated Cockpit Controller)方案。其中伟世通的 Smart Core 旨在集成信息娱乐、仪表板、信息显示、HUD、ADAS 和网联系统。据伟世通称,它具有很高的扩展性和网络安全的程度,可实现独立的功能域。而Aptiv 的集成驾驶舱控制器(Integrated Cockpit Controller,ICC)使用最新的英特尔汽车处理器系列,可支持到四个高清显示器,可扩展,并且可以从入门级覆盖到高端产品。ICC 在图形(10x)和计算能力(5x)方面提供了实质性的改进,ICC 使用单芯片中央计算平台驱动多个驾驶舱显示器,包括仪表、HUD 和中央堆栈等

4、自动驾驶域(辅助驾驶)应用于自动驾驶领域的域控制器能够使车辆具备多传感器融合、定位、路径规划、决策控制的能力,通常需要外接多个摄像头、毫米波雷达、激光雷达等设备,完成的功能包含图像识别、数据处理等。不再需要搭载外设工控机、控制板等多种硬件,并需要匹配核心运算力强的处理器,从而提供自动驾驶不同等级的计算能力的支持,核心主要在于芯片的处理能力,最终目标是能够满足自动驾驶的算力需求,简化设 备,大大提高系统的集成度。算法实现上,自动驾驶汽车通过激光雷达、毫米波雷达、摄像头、GPS、惯导等车载传感器来感知周围环境,通过传感器数据处理及多传感器信息融合,以及适当的工作模型制定相应的策略,进行决策与规划。在规划好路径之后,控制车辆沿着期望的轨迹行驶。域控制器的输入为各项传感器的数据,所进行的算法处理涵盖了感知、决策、控制三个层面,最终将输出传送至执行机构,进行车辆的横 纵向控制。由于要完成大量运算,域控制器一般都要匹配一个核心运算力强的处理器,能够提供自动驾驶不同级别算力的支持,目前业内有 NVIDIA、华为、瑞萨、NXP、TI、Mobileye、赛灵思、地平线等多个方案。但中间也会有一些共性,比如在自动驾驶系统中,算力需求最高的当属图像识别部分,其次是多传感器的数据处理,以及融合决策。以奥地利 TTTech 公司的 zFAS(首次在 2018 款奥迪 A8 上应用)为例, 这款基于德尔福提供的域控制器设计的产品,内部集成了英伟达 Tegra K1 处理器、Mobileye 的EyeQ3 芯片,各个部分分处理不同的模块。Tegra K1 用于做4 路环视图像处理,EyeQ3 负责前向识别处理。在自动驾驶技术快速发展背景下,国内外越来越多的Tier1 和供应商都开始涉足自动驾驶域控制器

5、车身域(车身电子)随着整车发展,车身控制器越来越多,为了降低控制器成本,降低整车重量,集成化需要把所有的功能器件,从车头的部分、车中间的部分和车尾部的部分如后刹车灯、后位置灯、尾门锁、甚至双撑杆统一连接到一个总的控制器里面。车身域控制器从分散化的功能组合,逐渐过渡到集成所有车身电子的基础驱动、钥匙功能、 车灯、车门、车窗等的大控制器。车身域控制系统综合灯光、雨刮洗涤、中控门锁、车窗控制;PEPS 智能钥匙、低频天线、低频天线驱动、电子转向柱锁、IMMO 天线;网关的 CAN、可扩展CANFD 和FLEXRAY、LIN 网络、以太网接口;TPMS 和无线接收模块等进行总体开发设计。车身域控制器能够集成传统 BCM、PEPS、纹波防夹等功能。从通信角度来看,存在传统架构-混合架构-最终的 Vehicle Computer Platform 的演变过程。这里面通信速度的变化,还有带高功能安全的基础算力的价格降低是关键,未来在基础控制器的电子层面兼容不同的功能慢慢有可能实现。车身域电子系统领域不论是对国外还是国内企业,都尚处于拓荒期或成长初期。 国外企业在如 BCM、PEPS、门窗、座椅控制器等单功能产品上有深厚的技术积累,同时各大外国企业的产品线覆盖面较广,为他们做系统集成产品奠定了基础。而大多数国内企业生产的产品相对低端,且产品线单一,要从整个车身域重新布局和定义系统集成的产品就会有相当的难度。(来源 :国信证券)

汽车芯片市场残酷洗牌,NXP求生自救

博客自动驾驶小能手 发表了文章 • 0 个评论 • 261 次浏览 • 2020-04-15 09:20 • 来自相关话题

对于ADAS及自动驾驶核心处理芯片来说,大规模的并行处理架构可以保证在计算密集型实时任务方面具有强大的性能,尤其是在人工智能应用方面。过去几年,上述仅仅出现在数据中心应用上的性能要求,被越来越多的应用于车端嵌入式系统, ...查看全部

对于ADAS及自动驾驶核心处理芯片来说,大规模的并行处理架构可以保证在计算密集型实时任务方面具有强大的性能,尤其是在人工智能应用方面。

过去几年,上述仅仅出现在数据中心应用上的性能要求,被越来越多的应用于车端嵌入式系统,也带动了汽车芯片市场的大变革。
考虑到传统汽车芯片巨头这么多年遗留下来的系统架构、生态系统和软件开发模式,使得这种变革对于他们来说,将是一场噩梦。
Mobileye在ADAS领域的快速崛起以及包括英特尔、英伟达、高通等传统非汽车领域芯片巨头的快速进入,汽车芯片这个被视为未来智能汽车大脑的细分市场,变数不断。
NXP和许多传统汽车半导体公司面临的挑战是,在应对当前汽车销量下滑的同时,为未来ADAS和自动驾驶汽车的增长做好准备。
就在近日,NXP宣布对人工智能处理器公司Kalray战略投资800万欧元(约合900万美元),加速开发安全、可靠和可伸缩的智能计算处理解决方案。


考虑到未来数年,ADAS渗透率将进入快速上升周期,NXP此举无疑是为了在被Mobileye等汽车行业新进入者快速拉开市场份额差距的当下,寻求突破。
一、补齐短板
一直以来,NXP缺乏高性能的并行处理器产品,使得其现有的芯片无法高效处理来自摄像头、雷达及其他传感器的融合数据。
“我们一直在制定B计划,以防收购交易失败。”NXP高级驾驶员辅助系统总经理卡迈勒•库里(Kamal Khouri)表示,而且必须弯道超车。
2018年,原本对未来汽车芯片市场格局产生重大影响的“高通收购NXP事件”告一段落。这场历时2年的马拉松最终没能达到终点。
随后,NXP宣布和Kalray(一家成立于2008年,早期服务航空航天领域的并行计算芯片厂商)合作开发面向人工智能时代的自动驾驶计算平台。
按照NXP的计划,未来将Kalray的大规模并行处理器阵列集成到自己的BlueBox中央域控制器。
Kalray的MPPA(大规模并行处理器阵列)处理器将处理自动驾驶的感知和建模阶段,使用传感器融合、目标检测和其他人工智能技术对汽车周围环境进行建模。


按照目前行业的共识,L2级数据处理的每秒运算量约为一万亿次(1 TOPS),还需要每秒执行20 MIPS用于规划路线的算法。而L3级自动驾驶汽车则需要50 TOPS和100 MIPS的计算能力。
目前,Kalray的MPPA处理器支持ASIL B/C,符合ISO 26262标准。更关键的是能耗可以低至现有解决方案的十分之一,并且由于MPPA的可编程性,用户可以轻松定制和更新。
此前,Kalray已经参与了多家汽车制造商的预研项目,雷诺是其公开披露的一个合作案例。搭载的Kalray处理器采用台积电的16nm制程,功耗只有20到30W。
彼时,Kalray宣布正计划进一步改进第一代处理器芯片的性能,下一代芯片的计算能力应该会增加一倍,最多达到50TOPS。
今年早些时候,该公司展示了最新的处理器Cooldige,可进行大规模的并行处理,集成了5个计算集群,每个集群有16个核和16个协处理器。
后者被设计为卷积神经网络(CNNs)的硬件加速器,能够并行处理相应数量的AI任务。同时,可以运行标准操作系统,如QNX或Linux,也可以运行实时操作系统(RTOS)。
一年前,NXP和Kalray宣布开发和部署的L2-L5的硬件和软件平台,集成CPU、神经网络计算、功能性安全功能和优化的工具链。
而新一代的NXP BlueBox自动驾驶参考平台与NXP的S32系列安全汽车处理器和汽车级Layerscape®处理器将整合Kalray的MPPA©智能处理器。
最新一代的MPPA©智能处理器,也被命名为Cooldige二代,拥有80个核,提供异构计算能力,能够同时执行多个独立的应用程序和同一个应用程序的多个线程。
此外,MPPA提供了一个优化的工具和库,允许深度学习或视觉类型算法实现最佳性能。MPPA体系结构固有的可伸缩性进一步允许架构师根据需要的性能级别使用一个、两个或多个MPPA处理器。
目前,MPPA处理器支持ASIL B/C,符合ISO 26262标准。下游客户可以开发非常密集的多芯片系统,不需要增加额外的冷却系统。
二、不能错过下一个五年的红利
2019年对Kalray来说是关键的一年,该公司完成了第三代Coolidge™处理器的开发,大规模生产计划将于2020年第二季度开始。
到目前为止,Coolidge™的表现符合Kalray公司的预期,尤其是此次NXP的战略投资,为其注入了更大的市场信心。
第三代处理器在MPPA®技术的使用上,性能是第二代的25倍,扩展了人工智能能力,更容易编程,速度更快。同时,借助NXP处理器的决策能力和相关功能安全经验,在后者的Bluebox车载自动驾驶平台上进行量产落地。
作为一家汽车AI芯片行业的新进入者,该公司的目标是到2022年实现1亿欧元的收入。
目前,Coolidge™的首批样品已经从本月初开始外发,一些数据中心和汽车行业的潜在客户正在部署开发应用。
该公司去年的营收为126.5万欧元,较2018年的77.5万欧元增长63%。这些收入主要来自于一些预研开发以及部分授权许可的服务合同。
尽管已经错失了第一波ADAS市场红利,但Kalray和NXP的信心,来自于基于未来下一代电子架构的机会。
比如,越来越多的传感器,需要处理、分析和融合的感知数据越多越多,以及功能安全和联网安全等等新的变化。此外,高性能的视觉处理、深度学习仍会持续影响新系统架构所需的处理能力。
在Kalray的首席执行官看来,现在的汽车制造商和一线汽车零部件供应商还没有特别清晰、明确的自动驾驶汽车系统架构设计概念。
一些业内人士表示,大多数企业也都是在摸着石头过河,至少到目前为止,特斯拉仍然是相对激进的厂商。通用已经发布了自己的下一代电子架构,大众则仍然受困于新的电子架构的软件开发问题。
而Kalray早期设定的288个核的大规模并行处理器阵列(MPPA)目标是用于极端功能计算,比如最初为法国原子能委员会的原子弹模拟而设计。后来,该公司开始聚焦航空航天和云计算领域,直到近几年开始关注嵌入式汽车市场。
该公司负责人表示,汽车行业需要“新一代处理器,能够处理多领域功能集成,并在极高的运算性能上执行实时任务。”
三、从传统霸主,到求生自救
而NXP的另一大优势就是联网芯片。
基于先进的专利IP架构保护汽车解决方案免受安全漏洞的攻击,这是NXP在过去数年申请的超过500项专利的结果。
NXP试图从另一些目前还不受行业关注但未来至关重要的领域进行提前布局。这些芯片将被用在网关中,作为汽车的中央通信节点,协调汽车中的所有CAN和其他网络。


这款名为S32G的芯片性能是NXP当前类似芯片的15倍,同时降低了功耗。S32G将被用于所有新网关不仅在汽车传输数据,而且利用数据支持的高级驾驶员辅助系统以及服务在线诊断到更新软件的云。
S32G基于Cortex-M7微控制器和Cortex-A53微处理器的锁步集群,可以支持ASIL-D标准,还配备了专用的网络加速器和加密核心,可以在车内通过CAN、以太网和其他网络发送和保护数据。


该芯片集成了20个CAN接口,而当前这一代汽车网络芯片只有8个。该芯片还具有4个千兆以太网接口,在当前的网关处理器范围内从100兆以太网增加到4千兆以太网。
它还支持嵌入式电子产品的最高功能安全标准ASIL-D,高于上一代的ASIL-C。NXP表示,已开始向包括奥迪在内的早期客户供应这种新型芯片。
该芯片还具有用于千兆以太网以及CAN、LIN、FlexRay等传统车辆网络标准的网络加速器,从而“承担”了大部分工作负载,增强其他芯片的处理效率。
S32G同时负责整合来自摄像头、雷达和汽车周围其他传感器的所有数据,并将所有数据提供给ADAS安全控制器。
NXP表示,该芯片有PCIe Gen 3接口,因此它可以作为其他芯片的协处理器,在车内执行人工智能任务。为了防止故障,协同处理器必须在引导车辆脱离故障之前验证其对应的结果。
作为全球最大的汽车芯片供应商,NXP一直在规划其在即将到来的自动驾驶汽车时代的未来。
此前,高通未能成功收购NXP,令后者一度陷入困境。过去几年,NXP一直在寻求击退英特尔和英伟达等强劲竞争对手,这些公司在人工智能方面已超越NXP。
同时,NXP还需要与英飞凌、德州仪器和瑞萨等传统汽车芯片同行展开竞争。而高通也在努力抢占汽车市场份额。该公司在今年初的CES展上首次发布了应用于ADAS及自动驾驶领域的Snapdragon Ride计算平台。
德州仪器还推出了其最新提供人工智能处理能力的ADAS SoC系列TDAx4,并计划在2020年底前开始量产供货,以及另一种同样用于高性能网关的芯片。


如今,汽车制造商正试图将所有过去隔离的电子ECU集成到3-5个强大的中央域计算单元,并通过千兆以太网共享数据。
NXP表示,这将有助于减少汽车中昂贵的线束使用量。每个ECU盒子里的微控制器将被微处理器取代,随着时间的推移,微处理器可以重新编程,向汽车推出新的功能。
更为重要的是,S32G是该公司S32平台的一部分,该平台基于一个通用的架构,因此客户可以将软件从上一代转移到下一代平台,并重用高达90%的软件开发工作。
S32平台的意义在于降低成本,以前所未有的速度向大众市场推出更安全、更能够应对“软件升级”的汽车。如今,加上对Kalray的战略投资,让NXP有了抢占未来汽车AI芯片市场的可能性。
但如今的汽车芯片市场,已经异常拥挤,任何一家企业的错误决策和固守传统思维,都有可能亲手葬送自己的未来。(作者:高工智能汽车)

突破|阿里公布自研ISP处理器,自动驾驶有了新突破!

博客自动驾驶小能手 发表了文章 • 0 个评论 • 279 次浏览 • 2020-04-13 09:02 • 来自相关话题

4月8日,阿里达摩院宣布研发出全新的ISP处理器,可以让自动驾驶车辆拥有更好的夜间“视力”。 ...查看全部

4月8日,阿里达摩院宣布研发出全新的ISP处理器,可以让自动驾驶车辆拥有更好的夜间“视力”。

车辆使用安装了新ISP处理器的车载摄像头,即便在夜间或雨天等恶劣环境下也能看得清,目前该款处理器已应用于自动驾驶物流车,大幅提升了自动驾驶的安全性。

各位感受一下清晰度:

ISP处理器决定汽车的“视力”

据了解,新ISP处理器可将夜间图像识别精准率提升10%。

千万别小瞧这10%,背后是深层算法的创新。

ISP(Image Signal Processor),全称是影像处理器,是车载摄像头的重要构成组件,主要作用是对前端图像传感器CMOS输出的信号进行运算处理。

我们现在使用的很多设备都带有摄像头,比如手机、电脑、监控设备、智能驾驶,作为摄像头的组件之一,ISP决定着图像和视频效果的好坏。

以智能手机为例,当我们按下自拍按钮的一瞬间,设备会执行数以亿计的算术运算,以保证照片有着令人满意的对焦、曝光、白平衡等效果,这就是图像信号处理器的作用。

自动驾驶也是一样,依赖于ISP处理器,车辆才能借助摄像头“看”到周围的环境,正确的做出下一步决策。

阿里达摩院此次发布的ISP处理器,采用了达摩院独有的3D降噪和图像增强算法,让扮演自动驾驶车辆“眼睛”角色的摄像头,拥有更好的“视力”,提高了自动驾驶的检测识别能力,进一步保障了自动驾驶的安全性。

ISP处理器已应用于自动驾驶物流车

2013年,阿里云和华为一道,成为首批通过ISP牌照评测的企业。

从此,阿里在自研ISP处理器这条赛道上持续深耕。

达摩院推出的这款 ISP 处理器,首先是为了满足自身自动驾驶业务的需求。

每当夜色降临,达摩院自动驾驶实验室的无人车便上路,这些搭载着阿里自研 ISP 芯片的车辆,就在夜路上逐步优化升级。

目前,此款 ISP 芯片已用于阿里的自动驾驶物流车,可支撑无人物流车全天候运营。

最先选择物流场景落地的原因是阿里拥有丰富的物流场景,淘宝、饿了么、盒马等业务都离不开物流配送,菜鸟也是一个智慧物流平台,这为自动驾驶研发团队提供了大量场景经验。

从评测结果来看,达摩院的自研ISP芯片已经跻身业界一流水平。

未来, ISP 芯片还可能在新零售如自动收银机、智能家居等场景落地。

有行业专家指出,由于成本较低、技术成熟,车载摄像头已成为自动驾驶市场上应用最广泛的传感器。

智能芯片赋能无人驾驶

达摩院此次研发出的ISP处理器,标志着阿里在自动驾驶领域达到了新高度。

2018年,阿里开始进军自动驾驶领域,在其发展路线中,物流一直是一个重点,这与其对于物流的巨大需求有着密切的关系。

为何要从 ISP 芯片角度切入研发呢?

按照当前市面上已有的车规级图像处理器的图像处理效果,已经不能满足自动驾驶深度学习算法的需求了,而这款自研芯片,可以解决现有硬件方案性能不足的问题。

行业专家指出,性能强大的ISP处理器将提升自动驾驶产业链的智能化水平。

随着智能汽车的高速发展,除了阿里、百度等互联网巨头在汽车智能芯片上的发力,国内还有如地平线、商汤科技、寒武纪等30多家初创企业,都在开发和自动驾驶汽车相关的AI芯片。

未来自动驾驶各方面的技术日渐成熟,相信“吃着火锅,坐着车”将很快成为现实。

不妨畅想一下,汽车将成为我们的专属私密空间,可以打造成移动办公室、休闲娱乐室、私人影院等,这样,在汽车开动时,我们就可以一边行进,一边听音乐或者睡觉了。

你所期待的无人驾驶时代,是什么样的呢?(作者:首创高科)

特斯拉交通信号识别功能上线,离完全自动驾驶又近了一步?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 287 次浏览 • 2020-04-07 09:22 • 来自相关话题

虽然工厂已经开始转产呼吸机,但特斯拉可不想在自动驾驶领域停下脚步。最近,网上流传的一段视频就显示,Model 3 已经可以自动识别红绿灯并做出相应反应了。显然,特斯拉又离「功能完整」的全自动驾驶近了一步。 ...查看全部

虽然工厂已经开始转产呼吸机,但特斯拉可不想在自动驾驶领域停下脚步。最近,网上流传的一段视频就显示,Model 3 已经可以自动识别红绿灯并做出相应反应了。显然,特斯拉又离「功能完整」的全自动驾驶近了一步。

事实上,特斯拉的 FSD 付费升级包中本就包含这项功能,不过一年多了也没推送,现在看来,用户提前交的升级包钱终于要回点本了。

著名特斯拉黑客 Greentheonly 还公布了这项新功能的完整手册。特斯拉在手册中明确提醒用户,该功能依然处在 beta 状态,司机应全程负责驾驶:“驾驶员应始终注意行车道,并准备好采取及时行动。司机有责任确定是在十字路口停车还是继续前进。千万不要依靠交通信号灯/停车标志停车功能来确定何时安全和/或适合停车,亦或继续通过十字路口。”

1你在日常行车中会闯红灯吗?

对人类来说,识别交通信号灯并不是什么难事。不过,当驾驶员分心时,他们还是会一不小心闯了红灯。当然,有时候也不是驾驶员不专心,也可能是对那段路不太熟,看到信号灯时已经晚了。有时候,驾驶员闯红灯还是因为信号灯有些模糊,比如当天有大雨或大雪,而这些都是影响司机判断的因素。

一些驾驶员喜欢在红绿灯前玩老鹰捉小鸡的游戏,远远看到红灯后他们就会慢下来,赌自己能蠕行到绿灯亮起,这样就不用停车了。不过,有时候他们会判断错误,车辆要么停下,要么就不小心闯了红灯。

最后,还有些“艺高人胆大”的,这些驾驶员很清楚哪里有监控摄像头,他们会选择性闯红灯。这些人最在乎的是是否会被抓,而非自己的行为是否会创造更大风险。

这样一来,那些守规矩的人就倒霉了,因为他们可能会在某个路口被其他冒冒失失的驾驶员追了尾。简言之,我们只能开车时多观察,帮助这些人承担一部分安全成本。

好在,因为红绿灯造成丧生的人数并不多。从数据上来看,美国每年在红绿灯上丢掉性命的只有 1000 人左右,比普通交通事故概率低的多。要知道,美国人每年要行驶 3.2 万亿英里,而全国至少有 30 万个交通信号灯。幸运的是,各种因素交错下,那些闯红灯的疯子们没有变成“大规模杀伤性武器”。不过,他们确实是一大安全漏洞。

一份针对美国驾驶员的民调显示,有三成人坦诚,自己在过去三十天里闯过红灯,是不是够吓人了?

不过,更可怕的是,受访驾驶员中有 40% 都认为自己偶尔闯红灯不会被警察逮到。

当然,如果从另一个角度来看,每年你花在红灯前的等待时间可能高达 60 小时,那些分分钟“挣几百万”的大忙人们当然不愿意等了。

显然,从理论上来说,如果特斯拉这些新功能大规模落地,我们就能抑制人性中的弱点,消除那些不安全因素。

可惜,现实要残酷的多。处在 Beta 版的它可能会好心办坏事。

一旦由于驾驶员过于依赖在红灯前无所作为而造成伤亡事故,就可能"反噬"特斯拉自身,甚至冲击自动驾驶汽车的根基。

所以,我们今天讨论的问题就是,Autopilot 更新的红灯自动停车功能会带来什么负面后果吗?

2自动驾驶汽车与自动停车功能

如果是 L4 或 L5 全自动驾驶汽车,驾驶员这个角色就不存在了,所有车上的人都是乘客,AI 才是司机。

不过,特斯拉 Autopilot 可没这么高级别,它最多能算 L 2.5。也就是说,驾驶员依旧是这辆车的主心骨,在大事上还得驾驶员来拍板。

那么面对红灯,如果驾驶员不愿干预且车辆传感器工作正常,那么车辆会自动停下。不过,如果传感器没探测到红灯呢?这时就要看驾驶员是否精力集中了。按照以往经验,依赖惯了各种高科技功能的他们可没这个觉悟,毕竟这是每个人都有的人性弱点。

显然,赌自动停车功能 100% 有效不太明智。

当然,如果 V2I 技术未来能普及,车辆就肯定能准确辨别红绿灯了,不过这都是后话,至少现在的特斯拉没这个待遇,Autopilot 依旧是个半吊子的 L 2.5。

如果还是执意要把这项功能当保护神,那么一旦出了事故,驾驶员就得负责,特斯拉只会感叹受害者的不幸。而且别忘了,坐在车里的司机和乘客也会有危险。数据显示,闯红灯造成的死亡事故中,有 30% 是车内人员。

总结

关于这项功能,需要考虑的因素还很多。

举例来说,如果传感器探测到的所谓红灯并非来自交通信号灯怎么办?要知道特斯拉的路标识别系统用一台廉价的投影仪就能骗过。

显然,此时车辆的刹停动作可能会造成后车追尾或失控,因为驾驶员注意力不集中可能没有足够时间对车辆进行干预。从以往经验来看见,放松注意力是大多数人与 L2 系统的“相处之道”。

最后,除了人命问题,一些专家还担心,一旦出了重大事故,公众和监管者可懒得去追寻背后的复杂原因。它们会直接玩一刀切,甚至彻底掐灭自动驾驶的火苗。

因此,一些人认为,在全自动驾驶成熟前,红灯识别自动停车这种功能就不该普及。至于到底谁对谁错,只有时间能给我们答案了。(作者:大壮旅

透明A柱、互动呼吸灯等黑科技加持,哪吒U上市13.98万元起售

博客智能网联汽车 发表了文章 • 0 个评论 • 288 次浏览 • 2020-03-22 11:30 • 来自相关话题

2020年3月21日,哪吒汽车第二款量产车情感科技纯电SUV——哪吒U叱咤上市,是哪吒汽车在智能纯电动汽车领域的旗舰产品,它的出现将进一步夯实哪吒汽车的行业标杆地位。哪吒U将提供500km+长续航和400km+标准续航两种版本,共计六款车型 ...查看全部

2020年3月21日,哪吒汽车第二款量产车情感科技纯电SUV——哪吒U叱咤上市,是哪吒汽车在智能纯电动汽车领域的旗舰产品,它的出现将进一步夯实哪吒汽车的行业标杆地位。

哪吒U将提供500km+长续航和400km+标准续航两种版本,共计六款车型,补贴后官方指导价区间为13.98-19.98万元。哪吒U的上市标志着哪吒汽车开始向更高级别的细分市场迈进,进入持续深化产品、营销和服务的2.0时代!

1584847182857779.png 

【补贴后官方指导价+上市政策】

此次哪吒U上市以“云”发布的创新形式,特邀著名演员王自健、时尚超模陆仙人、中国科技第一IP王自如全程参与,嘉宾鲜明个性与品牌精神深度融合,肆意诠释了哪吒精神的“自我”、“敢为”与“无畏”,让消费者切实感受到哪吒U的情感科技魅力。

哪吒U的到来,丰富了哪吒汽车在A+级SUV细分市场的产品布局,进一步满足了用户的差异化需求,更为当前车市注入了一针“强心剂”,增强了市场及行业的信心,展现出哪吒汽车逆中求变、勇于创新、敢为无畏的态度与担当。“秉承为用户造好车的初心,我们希望哪吒汽车能够成为智能纯电动汽车的普及者和先锋者。”合众公司联合创始人兼首席执行官张勇如是说。

发布会现场,哪吒汽车宣布向用户提供“尊享礼遇”,包括5年返5万、7天无理由退换、7*24h尊享到家服务、免费赠送充电桩、尊享多重金融方案等权益。

哪吒U基础参数

版型

400 U行

400 U创

400 U享

520 U行

520 U创

520 U享

长×宽×高mm

4530*1860*1628

4530*1860*1628

轴距mm

2770

2770

电池类型

三元锂

三元锂

电机类型

永磁同步电机

永磁同步电机

工况续航里程(km)

≥400

≥500

峰值功率(kw)

120

150

150

150

150

150

最大扭矩(N•m)

210

310

310

310

310

310

最高车速(km/h)

≥150

≥155

≥155

≥155

≥155

≥155

加速性能( 0-100km/h)

≤10

<7

<7

<7

<7

<7

车载充电机(kw)

6.6

6.6

慢充时间h

≤8.5h

≤10h

快充时间(30%-80%)

30min

30min

【产品参数】

极优品质

极智科技

极美设计

产品续航+产品性能+产品安全

智能座舱+智能驾驶+智能云平台

自·信·在设计

NEDC续航里程>500km
百公里加速<7s(同级最优)
高比能量811恒温电池系统

国际UL2580认证
Hozon EPT2.0 自主研发恒温电池管理系统
C-NCAP五星安全车身设计
N95级空气净化系统
PEV专业级底盘系统(独立悬挂)

“透明”A柱
IME互动呼吸灯
小You智能机器人(V2H智能家居互联)
车内生命体征监测系统
L2+级自动驾驶辅助(AEB+APA+IACC)
(Mobileye EyeQ4顶级视觉处理芯片,22个高精雷达传感器)
人脸识别+疲劳驾驶监测

自·信·在设计语言
宽体式车身设计
“极地之光”全LED灯组
车内无极变色多彩氛围灯
多屏联动智能座舱
2770mm超长轴距(同级最大)
酷炫车身色彩(7种车身颜色)
超跑风格一体式皮座椅

【产品亮点】

续航无忧,哪吒U同级最可靠

得益于“三电”系统的技术优势,哪吒U拥有领先同级的续航能力。基于Hozon EPT2.0动力总成平台,哪吒U采用高比能量NCM811 电池,NEDC续航里程大于500km,最高可达660km,完全匹配一二线城市的用车需求,扩大旅程半径,从根本上解决用户的里程焦虑问题。

新车搭载的电机最大功率150 kW,最大扭矩310N·m,两驱版百公里加速不到7s,四驱版车型百公里加速时间仅为4.9s,性能可与主流3.0T涡轮增压发动机相媲美,让年轻用户的驾控激情彻底释放。

1584847286679681.png 

【哪吒U】

哪吒U搭载自主研发的Hozon EPT2.0恒温电池管理系统,可实现全工况范围内95%恒温占比,让电池始终工作在15-45度的循环区间,严寒到黑河,酷热到吐鲁番,仅有5%的里程损耗。此外,该系统还可实时估算电池可用容量、健康状态等关键参数,对电池进行充放电及故障管理;车辆行驶15万公里,电池损耗在5%以内。

1584847345313582.png 

【哪吒U】

智能先行,哪吒U兼备情感与温度

作为一辆有“情感”、有“温度”的智能座驾,哪吒U基于对用户情感需求的洞察,摒弃了智能科技的冰冷叠加,赋予智能科技更多温度。全球首搭量产“透明”A柱、生命体征监测系统,以及同级独有的小You智能机器人、IME互动呼吸灯等情感科技的加持,让哪吒U实现了从出行工具到出行伙伴的跨越。

1584847400728533.png 

【“透明”A柱】

1584847430906109.png 

【小You智能机器人】

哪吒U将智能安全理念贯彻始终,真正做到让用户解放双手,实现行车无忧。其配备了L2+级自动驾驶辅助系统,搭载Mobileye EyeQ4顶级视觉芯片以及20余项自动驾驶辅助配置,包含14个计算核心、22个传感器、千万行代码;涵盖AEB自动紧急制动、APA一键式自动泊车、IACC智能自适应巡航、FCW前防撞预警、LKA车道保持、BSD盲区检测、TJA交通拥堵辅助等功能,可以在高速和低速拥堵路况下,无需驾驶者控制方向、油门和刹车,自动保证车辆在车道中间行驶,有效降低驾驶疲劳并提高了行车安全,让出行更从容。

全车AI语音控制系统,为用户带来安全、便捷、趣味十足的驾乘体验。其在准确率和功能性上均处于行业领先水平,具备音乐、天气、闹钟、限行、出行、翻译等众多功能。通过Nuance离线语音引擎,全车AI语音系统在无网络时,仍可提供流畅及精准的语音体验,让出行更惬意。

坚守初心,始终将用户健康放在首位。全系标配的N95级HEPA滤芯,能够有效隔绝外部污染空气,确保座舱内部空气质量,为用户带来更安心、更安全的出行体验。

颜值在线,哪吒U堪比“时尚秀场”

作为一辆真正意义上的“高颜值”智能汽车,哪吒U以独特的科技美学,大胆诠释了哪吒汽车对未来汽车工业设计美学的洞察与探索。沿袭哪吒汽车“自·信·在”设计哲学,哪吒U的整车造型轻盈矫健,每一条曲面的发起、延展和收敛都恰到好处,直接有力量。大尺寸的轮毂,精致的轮胎,为整车的站姿贡献强大的支撑感,以不容置疑的姿态彰显了一种雷厉果敢的气魄。在色彩搭配上,哪吒U采用7种外观配色、2种内饰配色方案,营造出令人愉悦的视觉享受,完美契合当代年轻消费群体个性、时尚的多元化消费需求。

1584847592828718.png 

【哪吒U】

在内饰设计上,哪吒U以人为本,将科技和奢华的驾乘氛围相融合,打造出极具未来感的“智能座舱”。双12.3寸+8寸一体式三联屏设计使用便利,配合哪吒U的智能网联功能,是互联网人群的绝佳生活拍档。

1584847734888967.png 

【智能座舱】

自预售以来,凭借超强的产品实力和多项同级唯一的科技装备,哪吒U获得了媒体和用户的广泛关注和好评,收获数千订单。未来,秉承“让高品质智能电动汽车触手可及”的企业愿景,哪吒汽车将聚势突破、向新发展,依托雄厚的企业实力,领先的智能科技和强势产品力,持续布局新能源汽车市场,不断拓展创新营销布局。以用户需求为中心,夯实汽车消费全价值链服务体系,打造未来出行新典范,为用户带来极致出行体验,不断引领中国新能源汽车产业向上。

自动驾驶的自主研发是场持久战

博客自动驾驶小能手 发表了文章 • 0 个评论 • 270 次浏览 • 2020-03-20 16:42 • 来自相关话题

16年多的时间,马斯克将自己打造成了硅谷的钢铁侠。众所周知,特斯拉自动驾驶技术一直在市场上处于遥遥领先的地位。那么是什么原因成就了今天的特斯拉自动驾驶技术的领先地位呢? ...查看全部

16年多的时间,马斯克将自己打造成了硅谷的钢铁侠。众所周知,特斯拉自动驾驶技术一直在市场上处于遥遥领先的地位。那么是什么原因成就了今天的特斯拉自动驾驶技术的领先地位呢?

也许“自主研发”这四个字可以为我们解答其中缘由。

特斯拉的自动驾驶系统大部分是自己研发的,包括已经实现的远远领先业界的FSD芯片,集中式电子电气架构,自动驾驶算法等。

在软硬件结合上,特斯拉一直在走自主研发的道路,因此相对于对手在自动驾驶和车辆升级上有多年的领先优势。

这样来看,在财大气粗的传统厂商面前,特斯拉的技术优势有可能会迅速拔高。除此之外,特斯拉是一家高度垂直整合的公司,因此在人工智能方面,它拥有完全的自主控制能力。

某种程度上来说,特斯拉在自动驾驶领域犹如标杆一样存在,无论是豪车三巨头,还是比亚迪、吉利等中国传统车企或蔚来、小鹏等造车新势力,以及本土的自动驾驶创业公司几乎都以特斯拉作为研发对标。

谁能挑战特斯拉?

1车企的自动驾驶演进之路

所有汽车公司都要做两道难解的题目:造什么样的新能源汽车、自动驾驶怎么做。

如何选择新能源产品路线,是决定汽车公司,特别是新造车企业能不能活下来的关键。而自动驾驶战略方向的选择,决定了多年后的生存能力,同时也是能不能成为千亿市值公司的关键。

目前来看,蔚来、小鹏、威马是新造车公司里在自动驾驶领域投入比较大的选手,他们能够一定程度上反映出国内车企的自动驾驶演进之路。

蔚来过去是坚持自研的代表之一:跳过 L3,自研 L2/L4。早期时候,蔚来在国内外都设立了规模庞大的研发团队,并在去年6月向用户推送了NIO Pilot 升级包,提供自主研发的L2 级别辅助驾驶功能。不过,去年11月份,蔚来调整了此前的自动驾驶策略,选择和Mobileye合作。也就是说,蔚来将软硬件研发的重心由自主研发改为与自动驾驶供应商合作。

自打创立时主打自动驾驶的小鹏汽车,在2019年底时自动驾驶的团队已经达到190人的规模,中美两个团队同步研发。核心算法团队在美国,工作覆盖从算法运研到数据训练到模型优化到硬件落地,以及定位、激光雷达的处理、雷达的处理等。按照他们的规划,在下一款E28实现SOP时将实现完全自主研发的L2级自动驾驶推送,将感知技术由供应商方案变更为自主研发;2024年左右,L4级的自动驾驶方案将会搭载小鹏的汽车上。

同样,选择与供应商合作的还有威马汽车,他们的 Living Pilot 是与博世联合进行开发,提供 L2 级别的自动驾驶。威马在上海有软件研发,在德国、美国硅谷也设有研发机构,并在2019年1月与百度成立了“智能汽车全球联合技术研发中心”。据早期公布的信息,威马计划在2021年量产L3级别自动驾驶车型。

由此可见,有的车企坚持供应链模式,有的车企选择自主研发。站的角度不同,想法和路线自然不同。对于主机厂来说,自研自动驾驶可以和其他主机厂拉开差异化竞争,但同样自研也是资本投入巨大的事情。

在2020年这个关口,对于选择自研的车企来说,面临巨大的挑战。因为好不容易熬过了艰难的2019,这一年,行业洗牌已经开始,有的车企已经掉队。在更加严寒的2020年里,并不富裕的大家能做的就是继续奔跑。

在自动驾驶赛道上,其实车企无论是选择自研还是与供应商合作,目的都是在智能化转型的道路上寻求更大的胜算。

值得注意的是,选择「与供应商合作研发」的车企,并非全然没有自主研发,而是认可1+1>2的合作方式而选择强强联手,他们对于供应商也是有严苛的要求的,基于「自主研发」积累的深厚实力是关键之一。

例如蔚来选择与世界顶级 ADAS 霸主 Mobileye 达成战略合作,威马选择与百年ADAS巨头博世合作。在暂不具备独立开发完整自动驾驶系统能力的情况下,与强大的「自主研发」伙伴合作,基于此再做好差异化,这是一条可行、高效的路线。

同时,这也对自动驾驶方案提供商的创业公司折射出一个信号,必须依靠自主研发形成核心的技术能力,才能在行业中赢得青睐。

随着自动驾驶的比重逐步加大,未来汽车市场的竞争将会更加激烈。中国汽车品牌能否占住一席之地,甚至是形成自己的优势,避免被强势车企兼并重组,加大研发已是重中之中。

在未来,合作研发仍可能会是行业主流的选择,一定意义上,汽车的竞争力,归根结底或许会是背后供应商的竞争力。

2与时间赛跑,创业公司的自主研发

特斯拉的 Autopilot 并不是业内最早量产的自动驾驶系统。

但在 2014 年发布以后,Autopilot 凭借完善的功能定义、依靠众包数据不断学习的算法,以及通过 OTA 实现的软件升级,已经成为全球范围内部署规模最大、运行里程最长的(单一)自动驾驶系统。

最终,坚持自主研发的特斯拉,正逐渐成为「汽车界的苹果」。

对于创业公司来说,要想拿出这样出色的自动驾驶产品方案丝毫不容易,关键也是集中精力做好自主研发。

在自动驾驶路线上,从来就不缺乏对标特斯拉的中国力量,除了车厂外同样也有创业公司,其中就包括从特斯拉走出来的关键技术人物。徐雷是原特斯拉计算机视觉高级工程师,曾任TeslaVision深度学习负责人,研究成果直接向马斯克汇报,他从零开始领导搭建了TeslaVision的深度学习网络,成功取代了第一代产品中的Mobileye视觉系统。

2016年底,他与同在特斯拉效力的宋新雨创立了纽劢科技,宋新雨是特斯拉供应链及产品高级经理,期间为Autopilot和娱乐系统项目开发团队骨干成员,参与了Autopilot 1.0和Autopilot 2.0的产品化全过程,拥有十年以上丰富的汽车产品工程化经验。

2019年6月份,纽劢正式发布了面向量产的自动驾驶全栈解决方案,可以实现包括高速代驾、拥堵跟车、自主泊车等在内的多项功能。纽劢特别强调,这套以视觉感知为主的量产方案是完全自主研发,包括感知、规划、控制,以及专门的自动驾驶平台MaxOS——全部代码自主开发,无第三方依赖,标准化接口,因此能够为客户提供自定义的方案。

虽然不像特斯拉一样连计算平台都进行了自主研发,但是纽劢将自己所需的软件算法全部进行了自研,包括产品背后的仿真系统、集成测试系统、版本发布系统。

除了少数这样特斯拉背景的公司,国内不少的创业公司同样重视自主研发。

定位于打造自动驾驶大脑的Momenta的自主研发能力也不容小觑。相继发布了高速自动驾驶(Mpilot Highway)、自主泊车(Mpilot Parking)、L4级无人驾驶技术 MSD 等方案,背后是Momenta利用数千块GPU搭建的计算集群并自主研发了深度学习系统软件ROCS,用于实现多机多卡之间的快速通信,从而加速深度学习的训练和算法迭代。

这只是部分为车厂提供软件技术方案的创业公司,事实上国内还有不少创业公司在Robotaxi、低速物流等等细分领域通过自主研发形成了积累的技术深厚。

瞄准“自动驾驶方案提供商”的企业很多,他们大都也对标特斯拉。对于创业公司而言,他们希望赶上甚至是高于特斯拉,现在他们是否已经形成了一些这样的基础呢?

对比特斯拉的Autopilot来看,答案是有。

完善的功能定义、成规模的部署、可观的运行里程,虽然创业公司无法全部独自完成,但是这在和车企的量产过程中可以得到解决;而依靠众包数据不断学习的算法以及通过 OTA 实现的软件升级,不少的创业公司已经做到了:纽劢发布的量产方案具有影子系统这样的学习能力,Momenta也是在持续研发数据驱动的核心算法,打造闭环自动化工程体系。

在软件算法层面而言,自动驾驶系统研发的关键大体在于感知、规划、控制以及系统平台。如果具备了这一整套的技术能力,从根本上来说也就具备了开发一套好方案的基础。因此,国内一些企业坚持的正是全栈的自主研发。

全栈自研意味着方案可以做到完全自主可控,减少对第三方的依赖,在后期的技术迭代中不会受制于人。作为全栈自研的典型代表,特斯拉的成功已经充分诠释了这一点,特斯拉背景的纽劢科技,也是认准了这一点。国内可以提供全栈解决方案的企业,还包括有小马智行、元戎启行等等创业公司。

值得一提的是,视觉感知或许是不少公司的研发短板,包括部分的车企、传统Tier1以及自动驾驶公司,因此这也是一些创业公司重点攻关的方向。国内以视觉感知见长的自动驾驶公司,将Mobileye、特斯拉作为对标的对象,已经能够提供一些在中国环境下相当甚至是更出色的感知技术。

因地制宜,更懂中国,是国内创业公司的一大优势。自动驾驶具有很强的“本地属性”,它的实际效果与当地的交通系统、生活习惯、商业环境等等各个方面息息相关,需要因地制宜地设计、调整和部署。本地自主研发的创业公司,几乎都在这一点上做出了自己的特色。

如果说中国车企起步晚,终于在经过几十年的发展后追赶上了国外的对手们,那么中国的自动驾驶创业公司相对是幸运的,因为他们几乎是与各地的竞争者在同一起跑线出发。而且凭借中国在政策、市场等方面的优势,中国的自动驾驶公司有可能在未来快速地取得应用层面的突破。

中国作为全球最大汽车市场,从产业基础到政策扶持,从技术积淀到人才储备,各个方面都在共同催生自动驾驶市场爆发的火种。创业公司可以与本土的车企形成合力,在国内甚至是更大应用范围上实现技术的量产。

3自研不是泡沫

自主研发是泡沫吗?

马斯克曾说过,「一套昂贵的设备,其中大部分都使汽车变得昂贵、丑陋和不必要」,特斯拉其实走的是更艰难的道路,他想要一个更好的系统,即使没有庞大和昂贵的硬件,他将用自研的技术掌握真正的自动驾驶。

反观国内,不少的造车新势力,尤其是自动驾驶创业公司,都走自研自动驾驶策略,是为了吸引资本?

针对这个问题,雷锋网同时采访了六位学术界、工业界领头人,得到的答案比较一致:不是吸引资本。是学特斯拉快速迭代,一般供应商不会这么配合,或收取迭代开发费用。

其中一位业内人称,汽车界早已经抛弃了垂直整合模式,通用剥离德尔福,福特剥离伟世通就是经典案例。智能汽车重新冒出这个争论,是因为快速迭代OTA理念出来,不垂直整合就快不了,比如特斯拉,我的问题是,别人学习特斯拉,就一定能成功?毕竟世界上像马斯克这样的具备“asshole”天马独行执行力和想象力的人只有一个。

那么,自己干VS供应链干?

其实,无论打法如何各异,套路逻辑却是一致的。这和创新有关系,创新就会有成功和不成功。

能做到像特斯拉一样的车企是少数,如果无法独立搞定自动驾驶这个庞大复杂的系统,借助供应链上的力量来走得更快更好,不失为一个明智的选择。尤其是自动驾驶创业公司在创新上、在快速迭代上具有先天的优势,融入汽车供应链后与车企、传统供应商形成的新供应链关系,可以迸发出更强的产品活力。

通过观察这些造车新势力,不难发现,经过几年发展,他们正在由PPT造车,进化为将车交付到用户手中,通过一批批海量用户来进行检验。由此积累下的大量数据,成为其改进问题的发展模式。这也是造车新势力,与传统燃油车企对比中最大的硬伤。几十甚至上百年的行业沉淀,除了人才、技术、渠道市场,传统车企还拥有着海量各维度的硬性核心数据和软性经验积累,这是产品质量的重要基石之一。

然而,自动驾驶是一项综合要求相当高的技术,运用到汽车行业,更是一个战线周期长的事情。正如李书福所言,“炒作是炒不出高质量发展的。实业就是实业,实业是挣不来快钱的。”总之,时间是把杀猪刀,这也将考验着“自研话语权”的争夺能否笑到最后。

自主研发的优势未来会进一步促进中国汽车行业的发展,由自主技术构成的供应链也将让中国的自动驾驶产业发展得更加稳固。在经历阵痛或者是震荡时中掌握主动,在长远发展中而不受制于人。(作者:利荣)

车企按下自动驾驶暂停键

博客自动驾驶小能手 发表了文章 • 0 个评论 • 272 次浏览 • 2020-03-19 16:01 • 来自相关话题

汽车无人驾驶,目前的确已经来到了一个十字路口!在2月底,沃尔沃汽车一场普通的对外宣布其推出的下一代XC90所搭载的软硬件的发布会,虽然下一代XC90具备了在高速公路或者某些特定条件下的无人驾驶技术,但这都不足以引起多少人的关注。只是其宣称永 ...查看全部

汽车无人驾驶,目前的确已经来到了一个十字路口!

在2月底,沃尔沃汽车一场普通的对外宣布其推出的下一代XC90所搭载的软硬件的发布会,虽然下一代XC90具备了在高速公路或者某些特定条件下的无人驾驶技术,但这都不足以引起多少人的关注。只是其宣称永远不会有一个系统可以让汽车全程实现无人全自动,却让举座皆惊。这其实已经宣告了这家北欧豪华品牌巨头在高等级无人驾驶技术上按下了暂停键。

其实沃尔沃汽车在无人驾驶技术上向来比较激进,且一直处于市场的前列。无论是其提供给Uber做无人驾驶原型车的XC90,还是其和Autoliv合资的无人驾驶软件算法平台公司Zenuity,沃尔沃汽车在传统车企中在无人驾驶领域起步是比较早的,也用最经济实惠的方式,做到了一家传统车企可以做到的极致。但一方面是无力砸入数以百亿美元计的持续投入,另外一方面可能是评估下来高等级无人驾驶技术短期之内无法商业化落地,所以通过这种方法按下暂停键,对于沃尔沃汽车来说,可能是最好的也是最体面的一种做法。

无独有偶,全球豪华品牌汽车巨头奔驰公司,日前也对其自身无人驾驶项目踩了一脚刹车。据外媒报道,梅赛德斯-奔驰决定推迟自动驾驶乘用车的研发工作,转而将重心放在发展电动车和自动驾驶卡车上。这种做法其实和福特旗下无人驾驶部门Argo AI把无人驾驶方案率先部署到全顺商用车的做法如出一辙。对于奔驰我们没有看到更多关于无人驾驶的新闻,但其与宝马成立的无人驾驶领域的合资公司应该依然处于运行的过程中。而通过与宝马在成本上的分摊,可以帮助这家豪华汽车巨头降低高昂的无人驾驶成本的投入。

对于商用车,其所面临的工况和路况相比于乘用车来说要简单很多,而且行驶路线相对比较固定。因此在商用车上部署L4甚至L5级别的无人驾驶技术,所受到的传感器和执行器方面的制约会小很多。而且商用车的利润较高,其产品利润能够支撑无人驾驶技术在单件成本上的投入;且使用无人驾驶技术,可以省去在国外同样花费不菲的司机成本,而且也能通过提升的安全驾驶水平来降低保费。所以福特和戴姆勒的做法是非常明智,且比较容易实现的。

沃尔沃和奔驰都是明着宣布,而美国通用汽车的官宣就显得隐晦了很多。之前为了Cruise而在全球卖卖卖,只保留了北美和中国两大市场的通用汽车,在最近的一次EV Day上,公布了自己在电动车领域的勃勃雄心。200亿美元巨资砸向电动车和无人驾驶领域,其中在2023年前推出20款电动车型以及BEV3的纯电动平台应该会占据200亿美元投资中的绝大部分。

在北美市场上和通用、福特针锋相对的特斯拉,在2019年的市值已经超过通用和福特之和。对于一家无论是历史、销量还是造车经验以及体系网络布局来说,都远远不如通用、福特这样的百年老店的特斯拉来说,足以让通用审视自己战略上的不足。而降低无人驾驶技术的投入,通过在纯电动平台上投入更多的资金,来迅速拉近和特斯拉在电动车上的差距,通用及时调整自己的方向,为修补自己的市值进行努力的最好做法。

其实在谷歌Waymo实际的路测里程突破2000万英里之后,仍然无法实现L4的落地,让很多主机厂对于无人驾驶技术在短期内的商业化部署持有一个更加理性和审慎的态度。单车零件成本的高企以及控制器训练程度上依旧不足都需要各大主机厂投入更多的资源去解决。不仅Waymo,国内无人驾驶技术最为领先的百度,其在2019年就对内部组织架构进行了调整,而其调整的核心其实和目前国外巨头如出一辙,将负责L4级的无人驾驶团队更多的去充实其在低级别驾驶辅助团队的人员,让自动泊车或者最后一公里实现所有场景下的技术可行,其实更有商业化部署前景。

汽车无人驾驶,目前的确已经来到了一个十字路口!

新冠疫情下——智能健康座舱专题报告发布

博客自动驾驶小能手 发表了文章 • 0 个评论 • 284 次浏览 • 2020-03-19 15:59 • 来自相关话题

新冠肺炎疫情以来,大众出行受到巨大冲击,口罩成为全民必备的稀缺物资。一方面,广大车主及潜在消费者对汽车是否能防疫存在担心,出现诸如“汽车防疫黑科技到底行不行?”、“如何理性看待N95空滤”的讨论;另一方面,疫情凸显私家车出行的便利,各大车企陆续推出“科技 ...查看全部

新冠肺炎疫情以来,大众出行受到巨大冲击,口罩成为全民必备的稀缺物资。一方面,广大车主及潜在消费者对汽车是否能防疫存在担心,出现诸如“汽车防疫黑科技到底行不行?”、“如何理性看待N95空滤”的讨论;另一方面,疫情凸显私家车出行的便利,各大车企陆续推出“科技抗疫”的健康座舱方案。

车云研究院以汽车智能科技为主要方向,主要研究领域是智能座舱,未来将发布智能座舱系列研究。基于此,车云研究院围绕智能健康座舱开展专题研究,洞察疫情下的汽车科技抗疫现状及健康汽车创新趋势。
《新冠疫情下——智能健康座舱专题报告》内容如下:

1584362417395.jpg

15843624251312.jpg

15843624344142.jpg

15843624423736.jpg

15843624496606.jpg

15843624567202.jpg

15843624648735.jpg

15843626109063.jpg

15843626279237.jpg

15843626343113.jpg

15843626428711.jpg

15843626503199.jpg

1584362657839.jpg

15843626664961.jpg

15843626745951.jpg

15843626824983.jpg

15843626935055.jpg

15843629198404.jpg

15843629275375.jpg

15843629345990.jpg

15843629403070.jpg

15843629957793.jpg

15843630141950.jpg

15843630215597.jpg

15843630326115.jpg

15843630397874.jpg

15843630652547.jpg

15843630748886.jpg

15843630826971.jpg

15843630942963.jpg

15843631011089.jpg

15843631081697.jpg

15843631713073.jpg

15843631777891.jpg

室内配送机器人吹响无人战“疫”冲锋号

博客自动驾驶小能手 发表了文章 • 0 个评论 • 289 次浏览 • 2020-03-17 17:57 • 来自相关话题

为贯彻落实党中央、国务院关于疫情防控工作的总体部署,充分发挥国家机器人检验检测公共服务平台和国家机器人质量监督检验中心(北京)在试验验证、信息服务等方面的作用,全力支撑疫情防控工作,赛迪机器人将聚焦疫情中的机器人钢铁战士,将现有应用的产品分为消毒、导诊、 ...查看全部

为贯彻落实党中央、国务院关于疫情防控工作的总体部署,充分发挥国家机器人检验检测公共服务平台和国家机器人质量监督检验中心(北京)在试验验证、信息服务等方面的作用,全力支撑疫情防控工作,赛迪机器人将聚焦疫情中的机器人钢铁战士,将现有应用的产品分为消毒、导诊、配送、巡控、远程诊断、测温、陪护、清洁、物流、生产制造十大类别,分类盘点机器人在抗击疫情工作中发挥的重要作用,并对疫情过后医疗领域服务机器人的发展方向进行分析和展望。

室内配送机器人

主要是用于室内无人配送,根据用户的配送需求,自主完成药品、餐食、医疗物资等物品的配送服务。具有自主行走、自主避障、语音提示、自主搭乘电梯、自主充电等功能。医疗机构使用配送机器人,可以避免医护人员与患者或隔离人员的密切接触,降低感染的风险。

01应用场景

配送机器人主要用于医疗机构、酒店、餐厅等公共场所,为用户提供各种物资配送服务。

02产品核心技术

1配送机器人核心技术包括:

自主移动技术、环境感知技术、语音语义技术、多机调度技术、物联网技术等相关核心技术。

2自主移动技术:

通过自主定位导航和SLAM技术,实现机器人定位、运动控制以及在未知环境中运行时即时定位与地图构建功能。

3环境感知技术:

通过多传感融合的方式,包括视觉识别、结构光、毫米波雷达、超声波、激光雷达等,使机器人具备环境感知能力。 

4语音语义技术:

通过模式识别、语义分析等技术,使机器人能够对使用者语音中包含的要求或询问做出正确的动作反应或语言反应。

5多机调度技术:

通过多机协同路径规划,使多个机器人在执行配送任务时实现协同统一。

6物联网技术:

通过智能终端与所在工作区域形成物联网系统,从而实现自主通过闸机,搭乘电梯以及在楼宇内自主移动等功能。

03产品国内外发展情况

国外产品情况

国内产品情况

国内外产品水平综合对比

国外配送机器人的研发和试点应用起步较早,但与国内配送机器人相比,室外配送机器人占据了极大比重,室内配送机器人的商业化应用大部分处于试点阶段,离真正的商业化落地还有一定的距离。

国内室内配送机器人目前不仅在国内大范围落地,甚至将产品输出到海外。

但是在实际应用中仍存在诸多问题:在室内行走时,遇到地毯或坡面等不平坦道路的运行稳定性和行走能力问题,多机协作过程中的避障及路线实时规划问题,环境人为(或非人为)发生改变后的适应性问题等。

04未来发展趋势

随着AGV技术的不断成熟,其应用范围也在不断扩大。物流配送机器人一直是机器人领域市场增速最快的品类之一,医院也正成为继工业和电商之后的又一大热门应用领域,也带来了更为广阔的市场空间。

在疫情爆发的背景下,配送机器人也能更好的实现非接触式传送物品,减少人员感染的几率。随着云计算、计算机视觉、AI技术、物联网技术的不断发展,配送机器人在功能和应用场景上将日益完善。

例如:

1

与无人仓储、无人超市和智能楼宇相结合,解决“最后几百米”的配送需求。

2

提升运动性能、可靠性和行为分析能力,可以在餐厅、医院、酒店人员密集且人员移动随机性高的场合,对人员运动行为进行准确预测,提升不同路面的通过稳定性。

3

建立云端调度中心,实现多种类配送机器人多机协作配送,提升机器人群体配送效率。在送餐场景,增加食品安全性保障措施,并可集合点餐结算、餐具回收功能,真正实现智慧餐厅的落地。

4

在药品和医疗器械配送场景,具备基础运输能力的同时,增加自动消毒、冷热分离储藏等功能,同时建立配送物资追踪验证系统,可全程追踪物品位置信息,确保运送物品安全等。

5

在机场、车站等公共场所的配送场景,可以与自主搬运、人员跟随及其他导引、巡检类功能相结合,形成具有行李搬运、迎宾导引、安防巡检等综合性能力的公共服务机器人。 

车内生命体征监测“黑科技”上线,实用还是噱头?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 600 次浏览 • 2020-06-23 09:54 • 来自相关话题

长城汽车推出采用毫米波雷达的车内生命体征监测技术,并搭载于旗下量产的2021款WEY VV6车型上。 ...查看全部

长城汽车推出采用毫米波雷达的车内生命体征监测技术,并搭载于旗下量产的2021款WEY VV6车型上。

近年来,儿童滞留车内事故频发,究其原因,是由于监护人的疏忽大意导致。一旦孩子滞留在车内,除了密闭空间氧气有限,一氧化碳浓度升高会导致窒息以外,还有车内温度过高,孩子易脱水休克。这都是真实的、让人心痛的事件。
为了避免这类悲剧再发生,6月8日,长城汽车举办了“生命体征监测技术线上发布会”,重磅推出车内生命体征监测技术。据悉,该技术采用了高精度、高性能的毫米波雷达监测车内生命体征目标,一旦监测出生命体征,系统会在30秒内报警,及时提醒车主,杜绝上述事故发生。
1592877214847106.jpg
其实这项技术并不是长城汽车首创,业内一些车企也都推出过类似的安全监测技术。
例如,2020年3月21日上市的哪吒U车型,其配置的生命体征监测系统可以通过分析车内呼吸浓度,识别车内生物遗留,并及时通知车主进行处理。未来甚至可以通过OTA升级,使哪吒U具备自行处置此类险情的能力。
广汽蔚来旗下的新能源品牌——HYCAN合创汽车于2020年4月10日上市的旗下首款车型HYCAN 007也搭载了车内生命体征监测系统。该系统可根据车内二氧化碳浓度判断是否有遗忘在车内的孩子或宠物。
北京现代新一代胜达也配置了后排乘员预警系统,用于监控后排座椅情况,并将监测的信息及时上报并提醒驾驶员。
与其他车企相比,长城汽车的生命体征监测技术有何独特之处?是否能真正实现安全提醒功能?

01或将带来价格上涨

我们先从技术的角度来分析。放眼国内外,具有车内生命监测功能的技术主要有:红外线监测、摄像头监测、重力感应监测、毫米波雷达监测、后门警报系统和ROA超声波系统。
红外线监测是在车内加装了红外感应装置,一旦车辆锁闭,车内的红外感应装置便迅速启动,一旦有热源进入车内,就会触发警报。
摄像头监测,是在车内加装摄像头,用以探测驾驶员疲劳,在车辆锁闭之后也可以监测生命体征。今年3月上市的哪吒U,其配置的生命体征监测系统就是采用摄像头监测的方案。
重力感应监测,则是在座椅内增加重力感应装置,以判断乘员是否系好安全带,也可把这个作为判断车内是否有人的方法。
日产推出的后门警报系统主要是通过后门的传感器触发喇叭发出警报,并在仪表盘提示,提醒驾驶员后座遗落物品需要再次检查,降低高温天气中将儿童遗忘在车内致命的风险。该系统于2017年首次在Pathfinder中引入。日产计划到2022年旗下所有四门卡车、轿车和SUV车型均配备该系统。
现代汽车推出的ROA超声波系统,使用的是超声波传感器来监测后排座位,以检测是否有儿童运动。在司机锁车离开后,系统检测到有儿童运动,就会发出报警,同时闪光灯亮,并能通过现代的Blue Link系统向车主的智能手机发送警报信息。仪表盘上的信息也会提醒车主在下车前检查后排的座位。
毫米波雷达监测是通过采用高精度、高性能的毫米波雷达,对车内生命体征目标的心跳、脉搏、呼吸等动作进行扫描、比对、分析,最终实现对车内生命体征目标的监测。
“从实用角度来讲,我觉得是摄像头更实用,一方面性价比更高,另一方面摄像头可以识别图像(夜视摄像头具有夜视功能),实现车内遗留物种类识别,具有分类能力。毫米波雷达目前大多不具备成像能力,无法分别目标是不是人,可能会误报或漏报,且成像毫米波雷达的价格相对要高很多。” 某车企智能网联领域技术专家告诉《智能网联汽车》杂志记者。
根据长城汽车所宣传的内容来看,其毫米波雷达监测可以实现利用静止物体消除算法等关键算法,剔除虚假目标干扰,有效分类出活体与其他物体,实现对车内生命体的有效监测。对此,上述专家表示,一般的毫米波雷达并不具备这类功能,除非是专用的毫米波雷达。“比如配合生物学传感器使用,雷达负责检测是否有车内遗留物,生物学传感器负责检测遗留物的生命特征。”
但这样的话,必然会导致价格的上升。
据上述专家介绍,从量产的角度来看,单纯测距的毫米波雷达,24G的一般300元左右,77G的一般600元以上。但是像具备上述特殊功能的雷达就不好估算了。而一般带检测和识别功能的摄像头也就三五百元,甚至更便宜。
“这要看长城汽车如何控制整体的成本了。但技术还是好技术,就看是否可靠,以及价格方面消费者能否接受。”他进一步补充道。
据悉,在发布会上,长城汽车并未透露其量产车辆的售价,和是否将毫米波雷达作为标配搭载在整车上。

02识别呼吸是噱头?

此次长城汽车发布的生命体征监测技术将搭载在2021款WEY VV6车型上,长城汽车也成为首家把该技术大规模应用于旗下量产车型的厂商。那么,在实际使用中,毫米波雷达是否能准确的监测生命体征,并真正起到安全提醒的作用?还是噱头大于实际用途?
在发布会上,长城汽车表示,此款毫米波雷达作为传感器,被安装在车内左侧B柱上方,可识别出10*10*10cm以上的生命体,并宣称“即使是轻微呼吸也能识别出来。”
“对于呼吸气体,我无法想象毫米波雷达如何测量。”一位从事车用雷达研究的业内人士表示。
该业内人士谈到,即使这款毫米波雷达可以测呼吸,达到监测生命体征的作用,其精准度是否能达到官方宣传的效果,目前尚存在疑虑。“我主要是接触测距雷达,基于开普勒原理,即发射波和发射波的原理测量距离。毫米波雷达测距时,对于一些反射率不高的界面(如树叶、薄塑料体),反射波往往强度不足,会导致测量误差。”
针对目前大多数车企采用的摄像头监测方案,某车企从事智能网联研究的负责人表示,车内主要会受到光线的影响,这就需要有夜视功能的摄像头。而且现在ADAS中的驾驶员状态检测功能,就是靠摄像头检测驾驶员的脸部和身体姿态,判断是否疲劳驾驶,这一点可以扩展该功能,比较好实现对车内人员的检测。
不管怎么说,使用毫米波雷达作为车内生命体征监测手段,长城汽车也算是开了行业先河。至于效果如何,还有待量产车型上市后,市场的验证了。
随着技术的不断进步,消费者对于车辆的需求,已不仅仅是代步工具,而希望赋予它更多的职能。
“如今关于车辆智能化的发展是全领域的,除了早已形成共识的自动驾驶、智能网联技术之外,更多人性化方面的智能技术也受到更多的关注和探索,比如‘智能电子座舱’、‘智能情感座舱’、‘车内生命安全检测’等新的智能化技术。未来车辆智能化技术的发展肯定是越来越全面的。”上述负责人谈到。(作者:田野)

新基建背景下 汽车产业的发展机遇与挑战

博客自动驾驶小能手 发表了文章 • 0 个评论 • 300 次浏览 • 2020-05-15 09:59 • 来自相关话题

近年来,新型基础设施建设受到广泛关注,特别是进入2020年,多项利好政策的相继出台,不仅为我国汽车产业高质量发展奠定了基础,而且还为我国汽车产业的转型升级提供了新动 ...查看全部

近年来,新型基础设施建设受到广泛关注,特别是进入2020年,多项利好政策的相继出台,不仅为我国汽车产业高质量发展奠定了基础,而且还为我国汽车产业的转型升级提供了新动能。

围绕新基建与汽车产业之间的关系以及新基建背景下汽车产业的发展机遇与挑战的话题,5月9日,在中国电动汽车百人会召开的汽车产业形势与政策高端研讨会上,来自产学研领域的10余位相关专家、学者及企业家,在云会议上进行了精彩的讨论。

新基建与汽车产业协同发展

“汽车产业与新基建之间的关系非常密切,数字技术在汽车产业中的应用潜力巨大”,全国政协经济委员会副主任、中国发展研究基金会副理事长刘世锦如是说。他认为,最近几年我国数字技术和数字经济正在蓬勃发展,汽车行业里的“三化”(电动化、智能化、共享化),都与数字技术高度相关。例如,电池领域的分布式能源、智能领域的自动驾驶与低时延技术、共享领域的共享出行,很大部分采用的是数字技术。
“卫星互联网、新能源汽车都是新基建的建设内容,卫星互联网的发展,将传统平面网络变成立体网络,广域覆盖、宽带连接,势必将会对汽车行业产生深远影响。”在中国航天科工三院航天海鹰卫星运营事业部总经理袁鸿翼看来,随着通信导航一体化、天地网融合的发展,低轨宽带星座在汽车领域的广泛应用,可为车辆智能网联、云端协同、车路协同等创新应用场景提供通信保障。
1589507903416016.jpg
中国移动研究院研究员王泉则从新基建所涉及的具体内容,解释了新基建与汽车产业的关系。他表示,新基建主要包括5G、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网等7个领域。其中5G、大数据中心、人工智能,都属于新一代的信息基础设施,工业互联网新一代信息基础设施是在工业领域的应用,智能网联汽车属于新一代信息基础设施在汽车和交通领域的应用。
同时,他强调,新一代信息基础设施对汽车产业的影响主要包括四方面:5G、大数据中心、人工智能对汽车产业的影响以及新一代信息基础设施对汽车的制造业产生的影响。
新基建背景下汽车产业的发展机遇
“新基建主要的利好行业包括通信、软件、互联网等领域,而这些领域跟我们的汽车产业都有比较大的关联度,从这个方面来看,新基建对于汽车产业来说是比较大的利好。”在赛迪顾问软件与信息服务业研究中心的副总经理王云侯看来,基于新基建的投资,很大程度上也会促进汽车产业的转型升级。
1589507920540365.jpg
具体到工业互联网领域,他认为工业互联网能够在三方面帮助汽车生产企业转型升级。
  • 第一,工业互联网能够帮助汽车生产企业提升自主研发水平。

  • 第二,通过这种工业软件的应用或者是通过智能生产设备的应用,可以去极大的提升企业在制造过程中的生产效率。

  • 第三,面对终端的消费者,工业互联网能够帮助车企去解决供应链管理和市场销售方面的数据流通和供应链原材料采购效率的问题。

具体到信息基础设施层面,中国移动研究院研究员王泉认为,新一代信息基础设施给汽车产业提供了两大机遇。
  • 一是,新一代信息基础设施将加速推进汽车产业与汽车交通业数字化的转型升级。他指出,我国将新一代信息基础设施其中四个方面纳入了新基建战略的范畴,这就为我们国家的汽车产业和汽车交通赶超甚至引领世界先进水平提供了一个难得的发展机遇。

  • 二是,新一代信息基础设施为汽车和交通信息数据的采集、汇聚、协同、共享提供了有力的技术保障,为推动汽车交通相关的各方,包括信息通信行业、汽车制造业、交通管理、交通运输部等部门进行协同、合作和发展提供了技术保障。

中国航天科工三院航天海鹰卫星运营事业部总经理袁鸿翼认为,卫星互联网的发展将助力智能汽车产业发展,让“人 - 车- 路- 云”协同感知控制更智慧、更精细,让驾驶安全、交通效率和信息服务向更加安全、协同、智能、绿色方向发展,有效解决城市交通问题。
具体到新能源充电桩领域,国网电动汽车公司董事长、党委书记全生明表示:“这次国家将充电桩纳入新基建重点领域,它的最大意义在于解决电动汽车充电难的问题,进一步激发了新能源电动汽车消费的需求”
新基建背景下汽车产业的发展挑战
新基建与汽车产业的融合,车路协同是一个重要抓手,但中电海康集团海康智联CTO刘彦斌看来,未来通过聪明的车+智慧的路形成车路协同,汽车产业还需要解决三方面的问题。
  • 第一,对于政府层面来说,做好车路协同必须要解决行业管理的痛点,比如交通拥堵、交通违章等。

  • 第二,对B端,他认为车路协同可以构建一个产业生态,因为未来整个车端的改造升级,可能会引发新的产品和终端出现。

  • 第三,对C端的消费者来说,短期内不仅要提供更多的车路协同精准的信息服务,更长远来说,未来还要让C端车主体验到更多的出行便捷服务。

1589507942320641.jpg
对于新基建在实际落地中的问题,百度智能驾驶事业群组自动驾驶技术部副总经理陶吉认为,车路协同从示范走向规模化,要真正把这个示范当成效果体现的一个试验田,而不仅仅是去参与基建、参与把政府的投资能够分一杯羹。为此,他就车路协同实际落地过程中出现的问题,提出了两点思考。
  • 一是,基础设施建设好之后到底谁来运营。目前,国家的相关政策部门尚未明确指定谁有权限来运营这样的设施,因此,他建议各个地方的政府能够先行先试,把数据真正的融合打通去提供服务,验证商业模式,如此才能看到示范区向规模化与可持续发展的可能性。

  • 二是,光有基础设施是远远不够的。对于智能网联汽车,他表示,不能指望全中国80%的道路都铺好了再进行网联化的车辆建设,反之也不能指望网联化的车辆建设好再去铺设道路。因此,需要示范区来打破这样的死结,通过循环带动的方式推动汽车产业发展。

“在新基建道路数字化这方面,还存在无统一标准的问题。”华为车联网产业发展总监许智宇表示,在道路智能化的分级上,是一条路上建设了一个感知设备或者是一个网联设备,就叫智能化道路、数字化道路,还是要建到什么样的水平?对此,他建议联合行业的力量,共促标准的推出与应用。(作者:郭王虎/智能网联汽车杂志)

自动驾驶传感器方案全解析

博客自动驾驶小能手 发表了文章 • 0 个评论 • 188 次浏览 • 2020-04-28 09:16 • 来自相关话题

自动驾驶汽车作为汽车未来的重要发展方向,成为汽车零部件产业链的重要增长点。国内外的汽车零部件供应商积极布局自动驾驶传感器领域,在车载摄像头、毫米波雷达和激光雷达三大核心部件,以及产业链上下游的拓展为零部件供应商带来增长机遇。 ...查看全部

自动驾驶汽车作为汽车未来的重要发展方向,成为汽车零部件产业链的重要增长点。国内外的汽车零部件供应商积极布局自动驾驶传感器领域,在车载摄像头、毫米波雷达和激光雷达三大核心部件,以及产业链上下游的拓展为零部件供应商带来增长机遇。

国内外部分综合实力较强的汽车零部件公司在自动驾驶汽车传感器上进行多产品布局,可以为下游客户提供综合性的自动驾驶解决方案,形成较强的竞争力。
这些公司包括国外的博世、大陆集团、法雷奥、海拉、德尔福、富士通天、奥托立夫等公司和国内的德赛西威、华域汽车和保隆科技等公司。
国际公司中,博世的自动驾驶传感解决方案技术领先,其可以为客户提供包括近距离摄像头、多功能立体摄像头、77/79GHz毫米波雷达等多种产品,同时博世通过投资以及自主开发的方式研制激光雷达产品。
大陆集团是全球排名前五的车载摄像头模组供应商和排名前三的毫米波雷达供应商,同时其规划2020年后将实现激光雷达的量产。
法雷奥是全球排名前三的车载摄像头模组供应商,其毫米波雷达和激光雷达产品稳步发展,其中和Ibeo合作研制的激光雷达已经量产。此外,海拉、德尔福等公司的自动驾驶传感器业务也稳步发展。
国内公司中,德赛西威2017年实现高清车用摄像头的量产,毫米波雷达产品将于2019年实现量产。华域汽车前视摄像头完成综合工况道路验证测试,毫米波雷达产品已经实现量产供货。保隆科技预计将于2019年量产车载摄像头,其毫米波雷达产品也已发布。
1. 竞争格局:国际企业领先,国内企业跟进
摄像头:国际零部件公司市场份额较高
车载摄像头产业链主要涉及上游材料、中游元件和下游产品三个主要环节。上游材料中光学镜片、滤光片和保护膜等用于制造镜头组,晶圆用于制造CMOS芯片和DSP信号处理器;
在中游镜头组、CMOS芯片和胶合材料等组装成模组,并和DSP信号处理器封装成摄像头产品。在产业链的这一层,上游供应商已经可以向下游整车或一级供应商客户供应完整的摄像头产品。
在车载摄像头产业链中,摄像头和软件算法一起,构成车载摄像头解决方案,应用于自动驾驶汽车中。
车载摄像头产业链较长,上下游拥有众多环节,每个环节都涉及国内外众多厂商和公司。
相较于消费电子等所用的摄像头,车规级的摄像头对防震、稳定性、持续聚焦特性、热补偿性、杂光强光抗干扰性等都有较高的要求,因此其模组组装工艺复杂,技术堡垒较高。
从全球摄像头供应市场来看,目前国外公司松下、法雷奥、富士通天、大陆、麦格纳等厂商占据较大份额,前五大产商市场份额合计在59%左右,集中度相对较高。
目前车载摄像头市场份额较大的公司均是全球领先的一级零部件供应商,下游客户基本覆盖了全球主要的整车公司。
法雷奥的下游客户包括大众、奔驰、宝马、福特、雷诺、马自达等;大陆集团的客户包括大众、福特、通用、马自达等;富士通天的客户则以丰田为主;麦格纳的客户群体同样广泛,覆盖欧美和日韩的主要车企;日立则以日本车企为主。
2. 摄像头产业链竞争格局分析
在车载摄像头的产业链上游中,不同环节的竞争格局也有所不同。
摄像头镜头组:舜宇光学领先在车载摄像头镜头组全球市场,舜宇光学占据第一的市场份额,2015年的市场份额达到34.1%,2017年市场份额达到39%;跟随其后的主要产商包括日本世光、日本康达智、富士胶片等。
舜宇光学是全球领先的车载摄像头供应商。公司于2004年进入车载摄像头领域,2012年起出货量开始稳居全球第一位。
舜宇光学的车载摄像头产品包括前视摄像头、环视镜头、后视镜头、内视镜头等,其产品具有持续稳定的聚焦特性、良好的热补偿性、高通光性等优良的特性,可以广泛应用于各种自动驾驶场景。
舜宇光学车载摄像头产品下游客户广泛,包括奔驰、宝马、奥迪、丰田、本田、克莱斯勒、福特、通用、大众和沃尔沃等公司。2018年,舜宇光学车载摄像头出货量达到3995万颗,同比增长25.3%;2013年至2018年年均增速达到40%,增速高于行业平均水平。
摄像头COMS传感器:技术含量高,市场高度集中
COMS是一种固体成像传感器,为摄像头的核心部件。COMS的生产制造技术含量高,从全球市场来看,目前主要被外资企业所占据。
根据YoleDevelopment的数据,2017年车载摄像头COMS全球市场的前五大供应商分别为安森美半导体、豪威科技、索尼、派视尔和东芝,市场份额合计达到88%,市场高度集中;此外三星和意法半导体紧随其后。
安森美半导体目前是车载摄像头CMOS市场规模占有率最高的公司,目前其市场占有率已经超过50%。2013年,安森美收购赛普拉斯CMOS图像传感器业务部;
2014年,安森美先后收购图像传感器设备制造商TRUESENSE和AptinaImaging两家公司;这三次收购让安森美不断巩固和加强在车载摄像头CMOS市场的领先优势。
目前,安森美是唯一能够提供100/200/800万像素车载摄像头CMOS组件的制造商。不同像素级别的COMS传感器可以用于不同级别自动驾驶系统,全系列的COMS产品线可以简化汽车设计,降低制造和维护成本等,这形成安森美的竞争优势。
安森美的车载摄像头CMOS产品覆盖下游绝大部分汽车厂商,此外包括特斯拉、百度等汽车行业新进入公司也成为其客户。得益于汽车自动驾驶等行业的发展和市场份额的提升,安森美的汽车业务收入近年来快速增长,2018年收入约18.2亿美元,同比增长6.0%,2014年至2018年年均增长17%。
摄像头视觉识别:Mobileye是领先者
相较于传统的摄像头使用场景,车载摄像头的使用还需要视觉算法的支持,才能在自动驾驶汽车中应用,因此车载摄像头产业链的下游还包括视觉识别解决方案环节。目前在车载摄像头视觉识别系统产品领域,以色列公司Mobileye是领先者,其市场份额在70%以上。
Mobileye单目摄像头解决方案,算法技术全球领先;同时具备视觉处理芯片EyeQ系列的研发能力。Mobileye的车载摄像头解决方案已经为沃尔沃、大众、奥迪、现代、宝马、日产、标致、福特等众多整车厂供货。
Mobileye营业收入快速增长,从2011年的1917万美元增长到2016年的3.58亿美元,年均增长约80%。Mobileye视觉处理芯片EyeQ在2018年出货量达到1240万颗,同比增长42.5%,2014年至2018年出货量年均增长达到46%。
摄像头国内竞争格局:传统摄像头公司与零部件公司均布局
目前国内车载摄像头供应商相较于国外公司整体实力仍较弱。部分非上市公司是车载摄像头的供应商,其中包括北京经纬恒润、广州一谷电子等公司。
这些公司客户以合资和自主品牌整车厂为主,其中北京经纬恒润的客户包括上汽通用、一汽集团、上汽集团、长安汽车、广汽乘用车等,广州一谷电子的客户包括东风日产、广汽本田、广汽丰田等。
国内车载摄像头供应商配套客户情况
同时,在消费电子等领域领先的国内摄像头供应商也开始进入到车载摄像头的领域,其中包括舜宇光学、欧菲光、晶方科技等上市公司。
从包含消费电子、安防监控等全部应用领域的摄像头模组组装出货情况来看,欧菲光、舜宇光学等公司排名靠前,显示了其在摄像头领域的强大竞争力,在进入车载摄像头领域后,这些公司将成为有力的竞争者。其中,舜宇光学的车载摄像头模组部分产品2018年已经开始量产。
从摄像头的上游产业链情况来看,国内公司在镜头组领域竞争力较强,但是在CMOS图像传感器领域的竞争力仍较弱。
镜头组是国内企业具备较多优势的领域,国内市场中,舜宇光学、欧菲科技、光宝科技等国内公司市场份额居前。
2017年国内车载摄像头市场,舜宇光学的份额约31%左右,是绝对的龙头,欧菲光和光宝科技的市场份额分别为8%和7%。舜宇光学在国内外市场均占据了最大的市场份额。
国内企业在车载摄像头CMOS领域话语权较小,且主要集中在中低端领域。目前国内CMOS产商包括:格科微电子,中国领先的图像传感器芯片设计公司,但其产品主要是针对消费电子;
比亚迪旗下的比亚迪微电子,2015年比亚迪安防类COMS月均出货量达到2kk/月,车载摄像头为其下游的主要应用之一;此外,思比科微电子、锐芯微电子等也是国内重要的COMS产商。
在传统的摄像头产业链公司之外,国内众多汽车零部件公司也开始积极布局车载摄像头领域,上市公司中有德赛西威、华域汽车、保隆科技等。
德赛西威在国内汽车零部件公司中较早布局车载摄像头领域。2017年,公司投资全自动高清摄像头生产线,并在国内率先实现了高清车用摄像头和环视系统的量产。
公司在后视摄像头、倒车摄像头、环视系统、自动泊车系统、夜视系统等领域持续投入,发展车载摄像头技术。例如智能倒车摄像头(RVC)项目,可以应用于各种涉及摄像头的驾驶辅助系统;多功能髙清环视平台(AB02A)项目,可以满足未来3-5年内车厂多功能环视项目的获取等。
2018年,公司车载摄像头产品实现量产,包括高清摄像头、高清环视系统、基于高清环视系统和超声波雷达融合的全自动泊车系统、驾驶员行为监控和身份识别系统等。
华域汽车积极发展车载摄像头业务。2017年,公司自动泊车系统完成车位扫描、路径规划、整车控制、路径跟随算法等开发,前视摄像头完成综合工况道路验证测试。
2018年,公司加快360度汽车行驶环境扫描系统等产品的开发和应用,探索建立覆盖毫米波雷达、摄像头和数据融合全功能的业务发展平台。
保隆科技也在推进ADAS业务。2017年,公司加大对车载摄像头的研发投入和市场开拓力度。2019年2月,公司发布了全新汽车动态视觉系列产品,包括动态视觉传感器、双目前视系统、红外热成像夜视仪、驾驶员预警系统、车用人脸识别系统等,预计将在2019年开始批量制造车载摄像头。
3. 毫米波雷达:国外零部件公司主导,国内企业逐步量产
毫米波雷达技术壁垒较高,从全球市场情况来看,目前市场份额主要由国外零部件巨头所占据。2018年全球毫米波雷达市场前五大供应商分别为博世、大陆、海拉、富士通天、电装(Denso),合计占有了68%的市场份额。此外,TRW、德尔福、Autoliv、法雷奥等公司也是重要的毫米波雷达供应商。
从国外主要毫米波雷达供应商的产品技术参数来看,各公司在毫米波雷达发展上各有不同。
博世的毫米波雷达产品主要以76-77GHz为主,产品技术先进,主要包括MRR(中距离)和LRR(远距离)两个系列,其中LLR4产品最大探测距离可以达到250米,在同类产品中处于领先位置。
大陆的毫米波雷达产品全面覆盖24GHz和77GHz两个频率,且以77GHz产品为主,产品类别丰富,包括ARS441、ARS510、SRR520、SRR320等多个系列。
大陆ARS441远程毫米波雷达的最大探测距离可以达到250米,在同类产品中领先。大陆的毫米波雷达产品的探测视角在对比中也较为突出。
海拉同样也是毫米波雷达的最大的几家供应商之一,早在2004年,海拉的第一代24GHz毫米波雷达即进行量产。目前海拉的毫米波产品主要以24GHz为主,是市场上的重要生产商。
德尔福公司的毫米波雷达产品也主要以77GHz产品为主,从探测距离上来看主要以中近程为主。
博世毫米波雷达博世目前是全球市场中毫米波雷达技术最先进的供应商之一,博世在2013年即推出中距离雷达,截至2016年,博世已经向市场供应了超过一千万个毫米波雷达。从博世毫米波雷达的性能参数指标来看,其产品目前处于行业领先的地位。
博世最新的第四代远距离雷达传感器(LLR4)的最大探测距离可以达到250米,最大探测目标数可以达到24个。LLR4能够分辨固定障碍物,可以在高速行驶状态下使用,在选配透镜或雷达罩加热功能后可以不受天气条件影响,同时具有极高的抗震稳固性、安装便捷性等。
LLR4可以应用于预先紧急制动、自适应巡航、交通堵塞辅助、左转辅助、集成巡航辅助等自动驾驶功能。博世MMR产品分为中前和中后位置两个类别,最大探测距离分别为160米和80米,最大探测目标数都可达到32个。中前位置的MMR可以应用于预先紧急制动、自适应巡航、车距指示等自动驾驶功能,中后位置的MMR可以应用于车道变换辅助、后方交叉路口预警等自动驾驶功能。
从客户情况来看,博世的毫米波雷达下游客户分布广泛,包括大众、奥迪、奔驰、福特、日产、菲亚特和保时捷等;国内公司中吉利汽车、长安汽车等也是博世的客户。截至2017年底,国内搭载博世驾驶员辅助系统的自主品牌量产车型已多达30个以上。从市场份额上来看,2018年,博世在全球毫米波雷达的市场份额为19%,占据着第一的位置。
博世根据ADAS自动驾驶等级的需求,目前正在开发全系列的下一代传感器,包括下一代毫米波雷达、下一代前置摄像头、下一代环视系统以及正在研发的激光雷达。
博世预计2019年将推出第五代毫米波雷达,可以实现远距离探测,水平视角的增大以及探测精度的进一步提升;2021年,博世将推出配备L3及以上级别自动驾驶的毫米波雷达。
相较于第四代毫米波雷达,第五代毫米波雷达的带宽将提升50%,同时通过拓展可占用带宽获得更多的反射量,从而实现更精确的环境建模。
大陆毫米波雷达
大陆集团是全球最大的汽车零部件供应商之一,大陆集团毫米波雷达产品全面覆盖24GHz和77GHz两个频率,产品包括ARS441、ARS510、SRR520、SRR320等多个系列。
大陆集团的ARS441远程毫米波雷达最大探测距离可以达到250米,在同类产品中处于领先地位。
大陆集团的毫米波雷达产品可以实现自适应巡航、盲点警告、车道变换辅助、前后交叉交通警报(带制动装置)、后碰撞感应、横向碰撞躲避、堵塞检测等多种功能,其中自适应巡航功能的最高时速可以达到200公里/小时。
目前,大陆集团的毫米波雷达产品已经发展到第五代,第五代长距离雷达的最大探测距离可以达到300米,第五代近程雷达可以实现精确停车功能,在行业中领先。新一代的传感器还具有模块化扩展功能,可以迎合整车企业不同的产品要求及电力电子架构。
从客户情况来看,大陆集团的下游客户包括丰田、福特、通用、大众、奔驰、现代、宝马、沃尔沃、凯迪拉克等;国内公司中,广汽集团、东风汽车等也是大陆集团的客户。
在市场份额上,2018年,大陆集团在全球毫米波雷达的市场份额为16%,占据着第二的位置,仅次于博世。
海拉毫米波雷达
德国海拉同样也是毫米波雷达的最大的几家供应商之一,早在2005年,海拉的第一代24GHz毫米波雷达即进行量产。
目前海拉是24GHz毫米波雷达的重要生产商,其24GHz毫米波产品最大探测距离可以达到70米,探测视角以达到±82.5°,在同类产品中具有一定的技术优势。
海拉的24GHz毫米波产品可以采用低成本的MMIC芯片,尺寸较小因而更容易集成在车身中,可以成熟地批量生产,因此具有较高的性价比。
海拉24GHz雷达的使用范围也很广泛,可以用于盲点监测、车道变换辅助、后碰撞预警、后交叉路口交通预警等。
随着77GHz毫米波雷达的重要性提升,海拉也在这一领域持续推进,其77GHz毫米波雷达的核心射频芯片是基于RF-CMOS技术和工艺进行开发,在具有射频收发模块的基础上,集成了单片微波集成电路,在技术上具有较大优势。
海拉的客户群体广泛,主要包括奥迪、宝马、大众、马自达、起亚、标致和沃尔沃等。从市场份额上来看,2018年,海拉在全球毫米波雷达的市场份额为12%,占据着第三的位置。
富士通天、电装、德尔福等公司也是毫米波雷达领域重要的供应商。富士通天和电装毫米波雷达产品主要集中在日本市场,2016年电装收购富士通天51%的股权,加强驾驶辅助系统的研发。
在2018年的全球毫米波雷达市场中,富士通天和电装分别以11%和10%的市场份额占据第四和第五的位置。德尔福的毫米波雷达产品以77GHz为主,产品技术较为领先,其下游客户包括通用、福特等。
4. 国内毫米波雷达:部分企业已量产
车载毫米波雷达未来发展前景良好,国内有众多公司涉足。
从公司类别来看,国内涉足毫米波雷达领域的公司包括上市公司和非上市公司两类。
上市公司中部分公司自主研发生产毫米波雷达,包括德赛西威、华域汽车、保隆科技等,另一部分上市公司通过投资收购的方式进入这一领域,包括海康威视、雷科防务等。
非上市公司主要创业公司,国内目前有十几家较大的毫米波雷达非上市公司,包括北京行易道、安智杰科技等。
从财务实力来看,上市公司经营规模较大,融资便捷,因此研发投入保障充足;非上市公司等通过股权融资的方式募集资金,进行产品研发和市场开拓。
目前较多的非上市毫米波雷达公司均获得了来自PE/VC的机构的投资,例如北京行易道2017年即获得国科嘉禾资本和磐古资本的数千万元级的A轮融资;通过融资,非上市公司也获得资金投入。
非上市公司中,目前国内有众多创业企业参与到毫米雷达波的研制领域,其中较多的公司获得股权融资,其中北京行易道、深圳安智杰、厦门意行半导体等公司的产品已经获得订单或者被国内整车企业所应用。
北京行易道已研发出77GHz汽车雷达以及基于SAR的79GHz汽车雷达,其中77GHz毫米波雷达在北汽无人驾驶汽车上应用。
深圳安智杰2018年获得达晨财智5000万元的融资。目前公司已经推出共三款24GHz和三款77GHz毫米波雷达,目前已拿到8家车厂的10余个项目订单,其中部分项目计划在2018年底或2019年初量产上市。
厦门意行半导体2017年获得中国宝安和北汽产投的A轮融资。公司已经研发基于SiGe工艺24GHzMMIC套片,并被被国内整车厂应用;同时77GHz套片正在开发中。
此外,其他创业公司还包括上海矽杰微电子、北京木牛科技、深圳承泰科技、长沙莫之比智能等十多家。
从客户情况来看,国内部分毫米波雷达公司已经实现产品量产并交付下游客户。
德赛西威24GHz雷达已经获得订单并将于2019年量产,根据披露,其自动驾驶业务客户有吉利汽车等。华域汽车的24GHz后向毫米雷达波已经实现量产,2018年全年生产1.7万套,客户包括上汽荣威等。由海康威视投资的森思泰克的24GHz雷达在猎豹迈途等两款车型上量产。
雷科防务旗下的理工雷科的77GHz毫米波汽车防撞雷达产品2018年成为百度Apollo生态合作伙伴。行易道的77GHz毫米波雷达已经在北汽无人驾驶汽车上应用,公司计划在2019年年底给乘用车提供毫米波雷达。
此外,安智杰科技已拿到8家车厂的10余个项目订单,其中部分项目计划在2018年底或2019年初量产上市;厦门意行半导体的基于SiGe工艺的24GHzMMIC套片被国内整车厂应用。
5. 国内主要毫米波雷达公司
华域汽车以毫米波雷达产品为切入点,建立ADAS产品路线图。2016年,华域汽车完成24GHz后向毫米波雷达的功能样件开发和77GHz前向毫米波雷达的原理样机开发,同时进行自主设计的毫米波雷达生产线的安装调试。
通过在ADAS领域持续进行的研发和产业化投入,2017年,华域汽车24GHZ后向毫米波雷达产品研发成功,使公司成为国内首家自主研发实现量产的毫米波雷达供应商。2018年,华域汽车24GHz后向毫米波雷达实现批产供货,全年共生产16,922套。
上汽集团量产的智能汽车荣威MARVELX上就采用了华域汽车与国外公司联合研制的24GHz毫米波雷达,该后向雷达可以实现盲点监测、变道辅助、横侧向报警辅助、开门报警、后车靠近碰撞风险报警等功能。此外,荣威MARVELXPro版本上将搭载由华域汽车完全自主开发的前向角雷达。
华域汽车在77/79GHz毫米波雷达领域的研发加速推进。目前华域汽车77GHz前向、前角、后角毫米波雷达、77GHz/79GHz高分辨率多模雷达、77GHz毫米波雷达与摄像的前向融合系统等产品均取得较大突破。
德赛西威近年来自动驾驶业务发展较快。
2017年,公司在新加坡成立自动驾驶团队,并在自动驾驶感知领域投入较多的资源,涉及的技术领域包括前碰撞预警、自动紧急刹车、盲区监测等;公司在研项目中即包括毫米波雷达技术。
2018年,公司毫米波雷达生产线搭建完成并达到可量产状态;24G毫米波雷达已经获得订单并将于2019年量产;此外,77G毫米波雷达预计在2019年达到可量产状态。
在毫米波雷达等单个产品的基础上,德赛西威往自动驾驶系统集成方向发展,未来融合了高清摄像头、毫米波雷达、超声波雷达等自动驾驶传感器的解决方案将不断出现。
公司与英伟达和小鹏汽车联合开发的L3级别自动驾驶系统计划于2020年量产,将使用中央域控制器来处理毫米波雷达产生的感知数据,可以实现低速代客泊车、中速TJP塞车辅助巡航以及高速代驾三大核心L3自动驾驶智能化功能。
6. 激光雷达:零部件企业与创业公司共同竞争
国际比较:形成多家公司竞争格局
激光雷达作为自动驾驶领域技术最前沿的硬件设备之一,目前国际上已经形成多家公司竞争的格局。
Velodyne公司是目前在激光雷达领域最资深的公司之一,2005年推出第一款激光雷达传感器,2007年推出64线高性能激光雷达。目前其3D激光雷达产品种类丰富,16线、32线和64线机械式激光雷达产品均有覆盖。2017年,Velodyne推出固态汽车激光雷达Velarray,预计量产后售价将大幅下降。Velodyne公司与多个无人驾驶项目有合作关系,主要客户包括福特、谷歌、百度、日产、沃尔沃等主机厂以及众多一级零部件供应商。
Quanergy公司于2012年成立于硅谷,成立后先后获得三星电子、埃隆·马斯克、德尔福和德州仪器等投资。Quanergy公司固态激光雷达技术领先,其主要采用的技术路线是光学相控阵技术。Quanergy的合作企业包括谷歌、苹果、IBM、博世、奥迪、福特、戴姆勒等。
Ibeo公司为一家德国公司,成立于1998年,专注于车载激光雷达的应用研发。Ibeo与法雷奥联合研制的4线激光雷达ScaLa已经实现量产。2016年汽车零部件巨头采埃孚收购了Ibeo的40%股权,并开始合作研制新型固态激光雷达。Ibeo公司合作汽车制造商有宝马、大众、奥迪、通用汽车、丰田等。
此外,以色列公司Innoviz、加拿大公司LeddarTech和PhantomIntelligence以及美国公司TriLumina等都是目前国际上重要的激光雷达制造商。
传统汽车零部件龙头公司也在通过自主研发或者投资的方式全面布局激光雷达领域。
博世在基于MEMS的固态激光雷达领域已有较多的技术积累,2017年推出使用MEMS技术的兼顾激光扫描和投影的BML050方案。
同时,博世通过投资积极布局激光雷达,在2017年投资了Flash技术方向的美国固态激光雷达公司TetraVue,在2018年投资了研制全固态芯片激光雷达的ABAXSensing公司,来全面加强其固态激光雷达的研发能力。
大陆集团通过自主研发在2015年推出一款三线激光雷达SRL1,可以实现对物体的测速和测距等,但因为三维建模等方面的性能限制,无法在L3以上级别的自动驾驶中使用。
大陆集团在2016年收购了美国3DFlash方向的激光雷达公司ASC来加强研发能力。根据大陆集团的规划,其在2020年后将实现激光雷达的量产。
德尔福通过多处布局投资的方式来加强其在激光雷达领域的地位。德尔福在2015年投资了Quanergy公司;2017年德尔福投资了Leddartech公司,双方将合作开发固态激光雷达解决方案;同年,德尔福投了Innoviz公司并签署合作协议,未来将Innoviz的激光雷达传感器集成到德尔福的自动驾驶系统中。
此外,采埃孚在2016年通过直接购买Ibeo公司40%的股权的方式进入激光雷达领域;麦格纳在2017年对Innoviz公司进行战略投资,并将携手为宝马提供固态激光雷达;奥托立夫(Autoliv)则在2017年收购瑞典激光雷达公司Fotonic。
在各零部件巨头积极布局激光雷达领域的同时,法雷奥和Ibeo合作研制的激光雷达(ScaLa激光扫描仪)已经实现量产,在2017年开始配备奥迪的量产L3级别自动驾驶汽车奥迪A8。
国内比较:创业公司参与较多在激光雷达领域,国内目前也有众多创业公司参与,大部分公司都获得了大量融资,整车厂商也通过投资的方式进入这个领域。
速腾聚2018年获得来自菜鸟网络、上汽集团和北汽集团的投资,其激光雷达产品包括机械式激光雷达、MEMS固态激光雷达和相控阵固态激光雷达等,目前已经应用于菜鸟网络的无人物流车等。禾赛科技其产品包括机械激光雷达Pandar64和固态激光雷达PandarGT等。其中无人驾驶激光雷达目前已经应用百度Apollo平台,其他客户还包括京东以及欧美的一些大型OEM厂商。
北醒光子其产品包括CE30固态面阵激光雷达、TF03激光雷达长距离传感器等,目前产品主要用于物流等自动导航小车(AGV)场景,车规级领域已经开始起步。北科天绘目前已经推出多款面向车辆前装市场的C-Fans系列激光雷达产品,产品已经进入无人物流领域。此外,国内的激光雷达公司还包括镭神智能、飞芯电子和光珀智能等。
7. 国内公司突破路径,由部件拓展至系统集成配套
从单个零部件供货到拓展到系统集成配套,是国内公司在自动驾驶传感器市场取得突破,拉近与国外公司差距的重要发展路径之一。
系统集成配套发展自身也是自动驾驶汽车传感器未来的发展方向。将车载摄像头、毫米波雷达和激光雷达等传感器在系统层级进行融合使用,将各个传感器获得环境信息数据进行综合分析决策对于保证车辆对周围环境的定位和理解至关重要。
在高级别自动驾驶汽车中,这种系统集成配套的重要性将进一步提升。Mobileye以车载摄像头为基础,提供“车载摄像头+算法+视觉处理芯片”的产品组合,就是这种系统集成配套的典范。
以华域汽车和德赛西威为例,国内公司在自动驾驶汽车传感器领域已经在零部件层面已经取得重要突破,目前正在以重要零部件为基础,拓展自动驾驶汽车产品领域,提升系统集成度。
华域汽车近年来在智能互联领域持续投入,公司24GHz后向毫米波雷达在2018年已经实现了批量供货,基于77/79GHz技术的前向毫米波雷达等产品正加快研发。
在系统集成方面研发360度汽车行驶环境扫描系统等产品,搭建覆盖毫米波雷达、摄像头和数据融合全功能的发展平台。同时,公司开始进入汽车智能安全系统、智能座舱等系统集成产品领域,充分利用业务单元的协同性,提升在自动驾驶汽车中的产品渗透率。
德赛西威在2016年成立智能驾驶辅助事业单元,开始在自动驾驶的感知、决策和控制领域进行部署。近年来,公司在重要零部件方面取得突破,2017年实现高清车用摄像头和环视系统的量产,2018年公司24GHz雷达获得项目订单并将于2019年量产。
同时,公司确定智能驾驶舱、智能驾驶和车联网为未来的三大业务群,为客户提供系统级别产品。其中,公司已经开发出基于高清环视系统和超声波雷达融合的全自动泊车系统、包含多屏互动的智能驾驶舱系统、360度高清环视系统、驾驶员行为监控和身份识别系统等产品并获得了订单,系统集成度不断提升。
8. 进口替代的实现
随着国内自动驾驶汽车的快速发展,未来我国的自动驾驶汽车传感器市场规模大。而目前我国自动驾驶汽车传感器市场主要仍由国外企业所占据,随着国内公司的传感器产品技术和质量提升,凭借性价比优势,未来进口替代的空间较大。
对于国内的整车或一级零部件供应商,选择国内的传感器零部件产商,在成本控制、产能保障方面更具优势,另一方面,国内传感器供应商可以更好地配合进行技术创新和产品改进。
而国内的传感器零部件供应商也亟需下游市场来增长营收,同时不断提升自身技术,因此两者的合作意愿较强,在国外整车及一级零部件供应商的不断加强的竞争压力下,这种合作会被加快。
针对国外整车或一级零部件供应商客户,国内上游产业链公司可以从技术难度更低的产品开始做起,例如从车载摄像头镜头、毫米波雷达PCB板等部件切入供应链,然后开始供应完整产品,并最终拓展到系统集成产品。待产品技术质量得到国外厂商的要求后,发挥本地供应、成本控制等的优势,进一步扩大市场份额。
在车载摄像头领域,国内公司在镜头领域已经处于行业领先的位置,市场份额较大。目前舜宇光学、欧菲光等公司在车载摄像头模组组装领域持续布局,产业链的进口替代率进一步提升。
国内公司在消费电子CMOS图像传感器领域已经取得较大进步,未来进一步拓展车载摄像头领域后,进口替代空间较大。国内车载摄像头解决方案领域也有众多创业公司,未来有望对国外公司的产品进行替代。
在毫米波雷电领域,目前博世、大陆、海拉等国际产商占据了大部分的市场空间,但同时国内以华域汽车、德赛西威为代表的公司已经可以量产24GHz毫米波雷达产品,开始进口替代的过程。毫米波产品未来的发展方向是更高频的77GHz产品,在国内厂商达到量产条件后,进口替代将进一步加速。
在毫米波雷达核心的MMIC芯片、高频PCB板等部件,国内公司也已经成功研发相关产品,并被国内车企应用以替代进口产品。国内以厦门意行半导体为代表的公司设计制造的MMIC芯片已经被国内厂商所使用。
芯片类的核心高科技产业未来国家政策和市场投资的大力推动下,预计未来国产率将会进一步提高。PCB板近年来生产由欧美日向国内转移,国内出现大量PCB产商。
随着PCB板在汽车领域的应用大幅增长,国内包括沪电股份、生益科技等众多PCB公司开始进入汽车市场,如沪电股份已经为博世、大陆等汽车零部件巨头供应PCB板。
收购整合,技术突破通过收购整合其他公司的研发和生产资源,实现技术突破,也是国内公司在自动驾驶汽车传感器领域未来发展的重要路径之一。
目前,国内外有众多从事自动驾驶汽车传感器业务公司,其中包括很多拥有核心技术的创业公司等,通过收购整合,很多公司可以实现各自优势资源的互补,取得产品技术上的突破。
国外头部的零部件巨头在激光雷达领域就通过大量的投资收购等方式进行全面的布局,例如博世投资固态激光雷达公司TetraVue、大陆集团收购激光雷达公司ASC等。
国内公司中,德赛西威在2019年3月收购德国先进天线公司ATBB公司,用于加快公司新一代智能驾驶及车联网产品落地。
ATBB公司位于德国魏玛,是德国知名的天线技术公司,专注于高性能天线系统解决方案的研发与制造,可以为客户提供各类定制化的先进创新天线系统的解决方案,并和欧洲一级汽车市场客户有长期良好的合作关系。
目前自动驾驶汽车对高性能天线的需求与日俱增,是车辆信息交互的关键技术。通过收购,德赛西威加强了智能化产品的综合技术研发能力,推动为客户提供集成有高性能智能天线的智能化产品。
均胜电子通过收购整合海外公司促进自动驾驶和智能车联业务的发展。2016年,公司收购德国TS道恩汽车信息板块业务,利用其在汽车模块信息化开发、导航辅助驾驶以及智能车联业务上的优势,与公司原有的HMI业务充分融合,使公司目前在智能车联业务上处于行业领先地位。
目前,公司第一代V2X车端产品即将于2021年量产。2016年和2018年,均胜电子先后收购汽车安全业务的美国KSS公司和日本高田公司,将其整合成均胜安全业务。
通过整合,利用KSS和高田在主动安全领域的技术优势,公司在自动驾驶领域的驾驶员状态跟踪和识别(DMS)等解决方案陆续实现量产,为自动驾驶场景提供支持。
预计随着自动驾驶传感器的快速发展,国内仍将有整车或零部件龙头公司通过收购投资的方式整合技术研发资源,布局智能网联项目。
随着5G技术的实施及车企积极推出不同级别的自动驾驶新车,预计传感器渗透率将快速提升。国内竞争格局中,已经布局传感器的公司有望率先受益,有望通过配套自主车企逐步切换到配套合资车企等。(作者:知乎老杨)

高速公路如何建设自动驾驶之路

博客自动驾驶小能手 发表了文章 • 0 个评论 • 244 次浏览 • 2020-04-28 09:08 • 来自相关话题

当前自动驾驶概念已经全球风靡,风风火火,世界各国都纷纷发布支持政策、配套资金,鼓励自动驾驶在本国统筹布局,快速发展。这场自动驾驶的全球战役中,首先受益的是汽车制造行业,其次是软件开发、智能设备、数字媒体等领域。综合来看,自 ...查看全部

当前自动驾驶概念已经全球风靡,风风火火,世界各国都纷纷发布支持政策、配套资金,鼓励自动驾驶在本国统筹布局,快速发展。这场自动驾驶的全球战役中,首先受益的是汽车制造行业,其次是软件开发、智能设备、数字媒体等领域。综合来看,自动驾驶本身是一个系统工程项目,涉及到多个领域的协同合作,车辆作为一个载体,无非是多种技术的集成展示平台,丰富多彩的应用技术打造了一个令人神往的想象移动盒子,盒子里人可以自由地做任何事情,就是不开车。那么接下来问题来了,由造车运动引发的自动驾驶为什么一定要拽上造路运动?漂亮的车和黝黑的路什么情况下一定要协同?协同的路如何建设才能不被误伤,走出一条行而至远的聪明之路?

一、走出“有车必有路”的误区

众所周知,自动驾驶以造车运动引发,而其中感知技术是自动驾驶技术的关键。目前,一辆车的平均传感器数量在60-100个左右,附加成本至少40万元以上,随着车辆变得“更智能”,传感器数量可能会达到每辆车200个传感器,造车成本会进一步增加。如此高的造车成本,消费者无力承担,最后的造车运动就会变成烧钱运动,无人收场。即便以后传感器成本降低到消费者可以承受的程度,面对各种复杂的行驶环境,汽车总会遇到无法识别的场景。而众多的场景如何让传感器一一识别,计算机给出正确的应对措施?恐怕只靠AI识别、深度学习、打造各种场景,车辆本身并不能穷举所有情况,解决这些问题。面对这种前有未知场景,后有烧钱之坑的情况,造车运动目前进入了一个进退两难的尴尬境地。因此自动驾驶出现了寻找背锅侠的情况:一方面巨额的资金投入需要以项目名义由政府买单,因此就不断地打造各种应用场景,10种不足就创造50种、100种;一方面车辆的“稚能化”进程需要以协同的名义拉道路入场,因此就需要除了车载OBU之外的路侧RSU、MEC配合,通讯RSU不够就改造ETC、龙门架、情报板。从笔者的角度来看,此时的车路协同提出更像是造车运动乏力的接力棒,寄希望于道路的加入来提升自动驾驶的发力接力。

因此,其实无论是高速公路还是城市道路,并没有做好如何接力的准备工作。营造的一个一个场景只是出行旅程中不连续的、间断的偶遇,其成果或许无法指引自动驾驶车辆完成整个出行过程。如此看来,由车端发起的需求并不是路端的需要,由场景打造的自动驾驶也只是展示车辆功能的场地,不是道路交通的协同需求。正像(前)车-(后)路协同的提法一样,路是来协助车的,你(路)来或不来,我(车)仍在那里,测试驾驶。因此从某种程度来说,路未必一定要协同车。

二、走出“高速公路是合适的车路协同试验场”的误区

目前主流的自动驾驶技术测试场地有3种。

1、封闭区域测试场,由于测试场景可以自行设计、自行控制,只需要变换设计因素,就能实现自动驾驶某些场景的测试。

2、高速公路测试场,由于高速公路是全封闭、中央隔离的道路,路况不太复杂,又是实际车辆行驶环境,可测试场景组合可列举殆尽,因此被视为理想的实地测试场地。

3、城市道路测试场,城市是自动驾驶最难实现的场景,由于存在太多的影响因素,道路条件和交通状况都复杂难测,因此短期内适应城市的自动驾驶技术难以出现,城市道路也成为自动驾驶需要攻克的最难测试场。

俗语说,是骡子是马,总要拉出来溜溜。在封闭测试场里经过反复测试,信心满满的自动驾驶车辆们,已经不满足于天天行驶在熟悉不变的场景里,迫切需要出来到真正的道路上驰骋。于是,高速公路以其黝黑的路面,清晰的标线,封闭的环境,适量的车流成为自动驾驶车辆测试的首选之地。

但是我国的高速公路大部分是收费还贷的运营性公路,高速公路的管理单位面对的是通行费用收入和经营性支出的矛盾需求。在这个大前提下,如果自身还存在温饱顾虑,那么车路协同的参与性其实并没有那么高。如果要在高速公路实施车路协同,笔者认为需要考虑3个方面的问题。

首当其冲的是资金问题。

除非政府或其他企业愿意投入资金,作为高速公路管理公司自身难以轻易拿出一大笔钱来配合进行车路协同的测试。高速公路日常运营成本支出通常由管理费用、运行费用、养护费用、税费、还本付息组成,从笔者掌握的数据来看,一般高速公路的年支出费用主要用于还本付息,能够占到总支出的70%-75%以上,其次用于运营管理和养护支出。何况刚刚2019年完成了全国撤销省界收费站的大型系统工程,各高速公路公司能够投入到车路协同项目中的费用短期内恐难实现。再者,即便有资金愿意投入,按照现在的建设思路,势必建设大量的RSU/MEC等路侧智能设备,那么这些设备后期的运营维护维修如何处置?后续资金能够支撑设备正常运行同样是摆在管理单位面前的问题。

其次要解决立法问题。

虽然现在有些省市地区出台了允许自动驾驶的法规和政策,但这些法规适用于城市道路的低速环境,对于高速公路的自动驾驶测试立法,需要修订《公路法》第五十一条、《公路安全保护条例》第十六条等法律规定,删除或调整其中有关禁止将公路作为检验机动车制动性能试车场地的条款;修订《道路交通安全法实施条例》第八十二条,删除或调整有关禁止在高速公路上行试车的条款,为开展高速公路自动驾驶汽车测试、示范运营以及商业化提供法律依据。而这些上位法的修订,一般都需要全国人民代表大会的通过,短期内无法实现。如此一来,高速公路的自动驾驶测试尚缺乏法律支持和保障。

再者要解决技术问题。

或许有人认为唯有技术不是问题,现在涌现出这么多RSU设备、有那么多5G/LTE-V/DSRC通信技术,有不下100多种驾驶场景,有如此多高精尖智能技术都用在自动驾驶中,假以时日,L4级以上无人驾驶吹弹可破。但是反观这些技术,哪一项是属于高速公路的技术?哪一项是属于交通行业的技术?哪一台RSU是公路协同的设备?哪一台RSU是交通行业的设备?面对自动驾驶的来车汹汹,通行能力如何改变?交通态势如何变化?标志标线如何适应?人类+机器混合驾驶如何协同?从现状而言,应该由交通行业解决的这些技术尚处于混沌状态,基础研究尚属空白。即便有了资金,修订了相关法规,高速公路又拿什么来与车协同?

三、走出“高速公路自动驾驶”的自主之路

但是无论如何,我国的自动驾驶发展提出了车路协同的技术路线,要求“推进智能化道路基础设施规划建设。制定智能交通发展规划,建设智慧道路及新一代国家交通控制网。分阶段、分区域推进道路基础设施的信息化、智能化和标准化建设。推动道路基础设施、智能汽车、运营服务、交通安全管理系统、交通管理指挥系统等信息互联互通“。从政策来看,结合自动驾驶的发展需求,高速公路需要继续推进智能化基础设施建设,并进而达成道路与车辆、公众服务、交通安全和指挥管理等的信息交互。那么我们或者可以从如下角度考虑如何开展基于车路协同的高速公路智能化建设:

1.定位于高速公路业务的发展需求:要明确高速公路建设自动驾驶或车路协同的目的不是为了赚眼球、当噱头,而是为了提升解决高速公路业务的处理能力。例如,如果高速公路交通控制系统建设的主要目的是防止高速公路出现拥堵,并促使交通流运行更平滑和更安全,那么通过V2V 通信和增强盲点监控功能,通过车辆系统之间的信息互通,并通过高速公路路侧固定点位的RSU获取车辆传送的信息完成整个信息流的快速传递和信息处理,并协调指挥高速公路车道管理控制,这样的路侧协同系统值得尝试。如果高速公路新型标志标线建设的目的是为了在为人类驾驶员服务的传统模式下,兼顾自动驾驶车载系统的识别要求,服务于接下来会出现人类驾驶车辆和机器驾驶车辆混行状态下的高速公路交通安全,那么这种新型标志标线值得推广。

2.放弃以场景为主的建设思路:有人认为,场景是自动驾驶测试系统中相当重要的一环,测试场景的多样性、覆盖性、典型性等能够影响到测试结果的准确性,从而保证自动驾驶的安全与质量。通常而言,场景,指的是行驶场合和驾驶情景的组合,是在一定时间和空间范围内环境与驾驶行为的综合反映,描述了道路、交通设施、气象条件、交通参与物等外部状态以及车辆驾驶任务和状态等信息。例如,在高速公路上,天气良好,光照充足,交通自由流状态,构成了自动驾驶的测试场景之一。但是我们细细品味,这里的驾驶场景作为汽车的外部环境,实则是车辆端提出的检测任务。例如自动驾驶的各种传感器,包括毫米波雷达雷达、摄像头、超声波探头、激光雷达等,需要根据物体的类别,进行大量的实时计算,预测对方下一秒的前进方向。因此就要对物体类型进行分类:如路灯、垃圾箱、路牌等,对物体移动的速度、方向、当时的光照情况进行界定。而高速公路开展的路端协同建设并不需要这种以场景为主的设计思路,高速公路需要提供道路特征数据,例如山岭重丘区、坡度、曲线半径、车道数量、设计速度和限速、路面裂缝以及可能的道路灾变等信息。换言之,既然自动驾驶车辆能够实时监测到自身的位置和所处的外部环境信息,那么以往高速公路上的被动检测车流特征信息的检测器面临逐步淘汰,更多的可以从V2I的车路信息交换中得到每一辆车的实时信息,同时,能够实施提供高速公路道路特征数据和状态信息的设备应该逐步部署,从而为车辆提供道路自身的信息。而目前,能够为自动驾驶车辆提供实时道路特征和道路健康状态的RSU尚未多见,反而认为提供实时信息的通信设备是车路协同建设的重点,难免南辕北辙,丢失方向。

3.做好高速公路的路-车协同规划:自动驾驶车辆进入高速公路的行驶环境后,自动车辆使用者(乘坐者或车辆拥有者)与高速公路管理者之间即形成了有偿使用高速公路的合同关系。即便车辆性能再强,检测手段再完备,一旦由于高速公路管理失误导致的交通事故,照样应当由高速公路运营管理单位承担,因此,车辆的自动驾驶功能强大,或许会减小人因驾驶时的反应时间,降低事故发生率和事故等级,但是基础设施本身的正常功能发挥,履行保障高速公路安全、畅通的职责,保障车辆安全通行,依旧是高速公路这个载体的管理者面对的问题。自动驾驶车辆可以实时感知高速公路基础设施上的各类道路信息、交通流信息和环境信息,但是高速公路需要为车辆提供什么信息?又同时需要从车辆端得到什么信息?恐怕还是得高速公路运营管理者更多的思考和规划,需要改变车端需求驱动的建设思路,重新开展以路-车协同为主体的规划。作为交通基础设施,一方面充分利用已有智能化系统建设成果,继续挖掘交通流监测和交通设施状态监测数据价值,一方面做好现有设施扩容增能,结合服务路-车协同需求的新型交通设备研发,构建高速公路智能基础设施协同平台。

四、结语

总而言之,高速公路在这次由自动驾驶引发的车路协同建设浪潮中面临巨大的机遇和挑战。一方面,高速公路要快速调整自身战略发展目标和规划,适应新基建的新要求;另一方面,高速公路也不应该被自动驾驶描绘的美好景象迷惑,在其中迷失方向,错误地被误导。坚持以路-车协同为主的发展思路,结合自身业务需求,方可稳而行远。

文远知行韩旭:为中国无人驾驶落地找到一条新思路

博客自动驾驶小能手 发表了文章 • 0 个评论 • 187 次浏览 • 2020-04-24 16:59 • 来自相关话题

“作为一种更安全、高效的出行方式,无人驾驶能够带来的影响远远超出人们的想象。” ...查看全部

“作为一种更安全、高效的出行方式,无人驾驶能够带来的影响远远超出人们的想象。”

1587718743127950.jpg

创业以来,我经常被问到的一个问题是:“从学者到创业者,是否面临着巨大的转变?”在外界看来,我做出这个选择也许确实不太寻常。

我成长在一个教师家庭,校园里那种自由、充满探索的氛围是我从小就熟悉和向往的。

2007年,我获得美国伊利诺伊大学厄巴纳-香槟分校的计算机工程博士学位,此后成为密苏里大学的博士生导师、终身教授,研究计算机视觉和机器学习。待在学术界,教学、做科研,这是我理想的生活状态,也非常顺理成章。

但与此同时,一个无人驾驶的时代正在拉开帷幕。在我潜心学术研究的这几年,随着大数据、深度学习的崛起,无人驾驶技术发展突飞猛进,而我所研究的计算机视觉和机器学习,成为无人驾驶的核心技术。在这个让全世界都为之兴奋的新兴领域,学术界成为AI技术商业化的中坚力量,越来越多的学术精英投身其中。

2017年底,在无人驾驶创业大潮的召唤下,我放弃终身教职,创立无人驾驶出行公司文远知行WeRide,转身成为创业者。

作为一种更安全、高效的出行方式,无人驾驶能够带来的影响远远超出人们的想象:除了带来交通方式的变革,它还将颠覆人们的工作、生活方式,重塑城市图景,甚至改变整个地球的生态环境。

根据麦肯锡未来出行研究中心发布的报告显示,中国未来可能成为全球最大的自动驾驶市场。这里汇聚着大量的人工智能人才、孕育着积极开放的法律政策,是无人驾驶技术研发和应用落地的“黄金国度”。

如何落地无人驾驶并无先例可循。在技术上保持领先的同时,我很看重找到一种适合中国市场的、切实可行的无人驾驶商业模式。要推动智能出行市场,AI技术、造车势力、出行平台、政策扶持缺一不可,这项事业需要整个出行生态圈的协同合作。幸运的是,文远知行作为一家AI科技公司,已经得到了包括头部主机厂、国有出行公司等重要合作伙伴的投资和合作。我们全球总部落户广州,得到了当地政府在各个层面的大力支持。2019年8月,我们与白云出租集团、广州科学城集团成立了中国首个落地一线城市的自动驾驶运营合资公司——文远粤行。这是全球首次自动驾驶企业和传统出租车企业的合作,是真正的 AI 赋能传统行业,可以说为中国的无人驾驶落地找到了一条新思路。

合资公司成立后,我们迅速开展了自动驾驶出租车的试运营服务。2019年11月底,自动驾驶出租车驶上广州街头,在黄埔区、开发区近145平方公里的核心城市开放道路上,推出面向市民全开放的自动驾驶出行服务。最近,我们发布了中国第一份自动驾驶出租车运营报告:首月共完成了8396个出行订单,服务订单总里程达41140公里,零安全事故,每单平均服务里程为4.9公里,日均出行服务270.8次,共服务4683名用户。

首月运营成绩给了我们极大的信心。但2020年初,这场新冠肺炎疫情,却让我意识到了无人驾驶肩负着的另一份社会责任。

疫情之下,无人驾驶的优势与社会价值尤为凸显:不仅能够有效避免交叉感染,保证疫情下的交通运输能力,并且能24小时运转,在防疫、维持城市交通运输中起到重要作用。遗憾的是,尽管载物无人车在疫情下被激发,但仍在探索商业化落地的载人无人驾驶却暂时缺席。

尽管内心无比希望在这个非常时期无人驾驶汽车上路,为一线战疫人员的出行保驾护航,但我也非常清楚,载物的低速无人驾驶和载人的无人驾驶是两个不同垂直领域,从技术难度与政策监管上,后者都要满足更为严苛的标准。

技术迭代有其本身的规律和要求,不能急于求成,行驶安全是重中之重。经此一疫,我更加坚定了决心,向着真正的全无人驾驶进发,踏实研发、不懈怠、努力创新,提供更好的无人驾驶服务。本文原载于《人民日报海外版》(作者:韩 旭 文远知行创始人兼CEO)

芯片里面100多亿晶体管是如何实现的?看这几张图就明白了!

博客自动驾驶小能手 发表了文章 • 0 个评论 • 258 次浏览 • 2020-04-22 09:29 • 来自相关话题

这是一个Top-down View 的SEM照片,可以非常清晰的看见CPU内部的层状结构,越往下线宽越窄,越靠近器件层。 ...查看全部

这是一个Top-down View 的SEM照片,可以非常清晰的看见CPU内部的层状结构,越往下线宽越窄,越靠近器件层。
这是CPU的截面视图,可以清晰的看到层状的CPU结构,芯片内部采用的是层级排列方式,这个CPU大概是有10层。其中最下层为器件层,即是MOSFET晶体管。
Mos管在芯片中放大可以看到像一个“讲台”的三维结构,晶体管是没有电感、电阻这些容易产生热量的器件的。最上面的一层是一个低电阻的电极,通过绝缘体与下面的平台隔开,它一般是采用了P型或N型的多晶硅用作栅极的原材料,下面的绝缘体就是二氧化硅。平台的两侧通过加入杂质就是源极和漏极,它们的位置可以互换,两者之间的距离就是沟道,就是这个距离决定了芯片的特性。
当然,芯片中的晶体管不仅仅只有Mos管这一种类,还有三栅极晶体管等,晶体管不是安装上去的,而是在芯片制造的时候雕刻上去的。
在进行芯片设计的时候,芯片设计师就会利用EDA工具,对芯片进行布局规划,然后走线、布线。
如果我们将设计的门电路放大,白色的点就是衬底, 还有一些绿色的边框就是掺杂层。
晶圆代工厂就是根据芯片设计师设计好的物理版图进行制造。
芯片制造的两个趋势,一个是晶圆越来越大,这样就可以切割出更多的芯片,节省效率,另外就一个就是芯片制程,制程这个概念,其实就是栅极的大小,也可以称为栅长,在晶体管结构中,电流从Source流入Drain,栅极(Gate)相当于闸门,主要负责控制两端源极和漏级的通断。电流会损耗,而栅极的宽度则决定了电流通过时的损耗,表现出来就是手机常见的发热和功耗,宽度越窄,功耗越低。而栅极的最小宽度(栅长),也就是制程。缩小纳米制程的用意,就是可以在更小的芯片中塞入更多的电晶体,让芯片不会因技术提升而变得更大。
但是我们如果将栅极变更小,源极和漏极之间流过的电流就会越快,工艺难度会更大。
芯片制造过程共分为七大生产区域,分别是扩散、光刻、刻蚀、离子注入、薄膜生长、抛光、金属化,光刻和刻蚀是其中最为核心的两个步骤。
而晶体管就是通过光刻和蚀刻雕刻出来的,光刻就是把芯片制作所需要的线路与功能区做出来。利用光刻机发出的光通过具有图形的光罩对涂有光刻胶的薄片曝光,光刻胶见光后会发生性质变化,从而使光罩上得图形复印到薄片上,从而使薄片具有电子线路图的作用。这就是光刻的作用,类似照相机照相。照相机拍摄的照片是印在底片上,而光刻刻的不是照片,而是电路图和其他电子元件。
刻蚀是使用化学或者物理方法有选择地从硅片表面去除不需要材料的过程。通常的晶圆加工流程中,刻蚀工艺位于光刻工艺之后,有图形的光刻胶层在刻蚀中不会受到腐蚀源的显著侵蚀,从而完成图形转移的工艺步骤。刻蚀环节是复制掩膜图案的关键步骤.
而其中,还涉及到的材料就是光刻胶,我们要知道电路设计图首先通过激光写在光掩模板上,然后光源通过掩模板照射到附有光刻胶的硅片表面,引起曝光区域的光刻胶发生化学效应,再通过显影技术溶解去除曝光区域或未曝光区域,使掩模板上的电路图转移到光刻胶上,最后利用刻蚀技术将图形转移到硅片上。
而光刻根据所采用正胶与负胶之分,划分为正性光刻和负性光刻两种基本工艺。在正性光刻中,正胶的曝光部分结构被破坏,被溶剂洗掉,使得光刻胶上的图形与掩模版上图形相同。相反地,在负性光刻中,负胶的曝光部分会因硬化变得不可溶解,掩模部分则会被溶剂洗掉,使得光刻胶上的图形与掩模版上图形相反。
我们可以简单地从微观上讲解这个步骤。
在涂满光刻胶的晶圆(或者叫硅片)上盖上事先做好的光刻板,然后用紫外线隔着光刻板对晶圆进行一定时间的照射。原理就是利用紫外线使部分光刻胶变质,易于腐蚀。
溶解光刻胶:光刻过程中曝光在紫外线下的光刻胶被溶解掉,清除后留下的图案和掩模上的一致。
“刻蚀”是光刻后,用腐蚀液将变质的那部分光刻胶腐蚀掉(正胶),晶圆表面就显出半导体器件及其连接的图形。然后用另一种腐蚀液对晶圆腐蚀,形成半导体器件及其电路。
清除光刻胶:蚀刻完成后,光刻胶的使命宣告完成,全部清除后就可以看到设计好的电路图案。
而100多亿个晶体管就是通过这样的方式雕刻出来的,晶体管可用于各种各样的数字和模拟功能,包括放大,开关,稳压,信号调制和振荡器。
晶体管越多就可以增加处理器的运算效率;再者,减少体积也可以降低耗电量;最后,芯片体积缩小后,更容易塞入行动装置中,满足未来轻薄化的需求。
芯片晶体管横截面
到了3nm之后,目前的晶体管已经不再适用,目前,半导体行业正在研发nanosheet FET(GAA FET)和nanowire FET(MBCFET),它们被认为是当今finFET的前进之路。
三星押注的是GAA环绕栅极晶体管技术,台积电目前还没有公布其具体工艺细节。三星在2019年抢先公布了GAA环绕栅极晶体管,根据三星官方的说法,基于全新的GAA晶体管结构,三星通过使用纳米片设备制造出MBCFET(Multi-Bridge-Channel FET,多桥-通道场效应管),该技术可以显著增强晶体管性能,取代FinFET晶体管技术。
此外,MBCFET技术还能兼容现有的FinFET制造工艺的技术及设备,从而加速工艺开发及生产。(作者:智能制造IM)

研究丨高级驾驶辅助系统标准测试场景应加快更新

博客自动驾驶小能手 发表了文章 • 0 个评论 • 190 次浏览 • 2020-04-21 09:46 • 来自相关话题

测试场景是高级驾驶辅助系统测试中必不可少的部分,然而我国相关测试标准还处于落后阶段。因此,在制定标准过程中,应基于中国交通事故数据提炼测试场景,并结合车辆技术特点设计测试案例、制定限值,以提高我国高级驾驶辅助系统测试场景的发展。 ...查看全部

测试场景是高级驾驶辅助系统测试中必不可少的部分,然而我国相关测试标准还处于落后阶段。因此,在制定标准过程中,应基于中国交通事故数据提炼测试场景,并结合车辆技术特点设计测试案例、制定限值,以提高我国高级驾驶辅助系统测试场景的发展。

1587433521770589.png

01国内外现状

对于高级驾驶辅助系统而言,国内外纷纷成立专业小组开展智能网联汽车或者自动驾驶车辆标准制定工作。UNECE的WP.29于2018年6月成立“联合国智能网联法律工作组”,专门从事智能网联汽车的相关工作。国际标准组织ISO成立TC22和TC204,分别负责道路车辆和智能交通系统,其规定的标准值是最低标准,并且还未对智能网联汽车的相关性能做出规定。中国的全国汽车标准化技术委员会成立了智能网联汽车分标委,专门从事相关标准制定工作。另外,还有SAE、E-NCAP、JT/T等非利益团体在制定或已制定更加严苛的标准法规。

目前,国内外已经针对高级驾驶辅助系统出台了若干个相关标准,主要面向碰撞预警系统FCW、车道偏离预警系统LDW、主动紧急制动系统AEB、车道保持系统LKA、自适应巡航系统ACC等辅助功能。但是,面向同一个高级辅助功能,不同标准规定的测试场景略有不同。

02测试场景分析

(1)前向碰撞预警系统和自动紧急制动系统

前向碰撞预警系统FCW和自动紧急制动系统AEB在车辆纵向进行预警或干预,提醒或辅助驾驶员控制车辆纵向参数。根据城市道路行驶工况特点,FCW和AEB的测试场景主要分为车车测试和车人测试。由于车车追尾事故是道路上最常见的事故之一,因此车车测试分为前车静止场景CCRs、前车低速行驶场景CCRm和前车制动场景CCRb。车人测试主要描述的是车辆与交通弱势群体的关系,交通弱势群体指的是行人、自行车者等道路使用群体。

GB/T 33577-2017、ECE R131-2013、E-NCAP AEB_C2C、E-NCAP AEB_VRU、JT/T 1242-2019等法规、标准分别给出了FCW、AEB的测试场景,具体测试要求见表1。

1587433283528721.png

(2)车道偏离预警系统LDW和车道保持系统LKA

车道偏离预警系统LDW和车道保持系统LKA在车辆横向进行预警或干预,提醒或辅助驾驶员控制车辆横向参数,以提示或防止车辆偏离出原行驶车道。由于道路车辆偏离是单车事故和前碰撞的主要原因,因此ISO 17361-2017、ISO 11270-2014、GB/T 26773-2011、ECE R130-2013、E-NCAP LSS等标准法规对LDW和LKA做出了相关规定,具体见表2、表3。

1587433336756180.png

(3)自适应巡航系统ACC

自适应巡航系统通过控制本车发动机或传动系统、制动器与前车保持适当的距离,以此减轻驾驶员的负担。ACC系统包括两种级别:全速自适应巡航控制(FSRA)和限速自适应巡航控制(LSRA)。FSRA可以通过控制本车发动机和(或)传动系统、制动器至车辆停止以实现与前车保持适当距离的目的,而LSRA通过控制本车发动机和(或)传动系统、制动器,使车速大于某一最小车速,以实现与前车保持适当距离的目的。目前,ISO 15622-2018、GB/T 20608-2006均对ACC的测试工况做出相应的规定,具体见表4。

1587433421538737.png

(4)测试场景分析

通过对比不同测试标准、法规的测试场景,可以看出当前国内标准几乎等效采用国外标准,且更新速度较慢。

1.测试条件更为苛刻,测试场景更加危险

以FCW测试场景为例:在实际测试中,货车、客车的前向碰撞预警通常采用JT/T 883-2014《营运车辆行驶危险预警系统技术要求和试验方法》,其中CCRb的测试工况为测试车辆和目标车均以20m/s行驶,两车保持30m间距;当行驶稳定后,目标车以0.3g制动。而在针对乘用车的E-NCAP AEB法规中,FCW的测试工况为测试车辆和目标车均以50km/h行驶,两车相距12m或40m,目标车分别以2m/s2或6m/s2制动。两辆营运车辆以高速行驶、并保持较小的车间距离,驾驶员不仅要保证测试精度,还要时刻做好接管车辆的准备以防止发生碰撞。可以看到,国标的测试条件更为苛刻,测试场景更加危险。

2.标准更新较慢

以ACC为例,在近几年时间里,ISO 15622已经迭代了2002版、2010版和2018版等3个版本。值得注意的是, ISO 15622-2018增加了ISO 22179:2009全速自适应巡航控制系统的性能要求和测试方法、取消了弯道分类及相关条文、不再禁止系统从“保持状态”自动启动,并且驾驶员能够通过车载设备控制系统(设置车速建议),提高了标准的可读性和可操作性。而国内关于ACC的测试标准依旧为引用ISO 15622-2002版本的GB/T 20608-2006,并且近几年没有开展新的修订工作。

03建议

根据上述分析,在设计场景测试案例或者制定相关标准时,应综合考虑国内车辆技术状况、道路设施条件等因素。

(1)应结合车辆特点设计测试案例、制定限值

我国车辆类型丰富多样,应结合车辆技术特点设计测试案例、制定标准限值,这有助于提升测试安全,提高高级驾驶辅助系统功能测试准确度。例如,针对危险货物运输车的FCW测试,应根据最高车速不大于75km/h、加速距离长、运输货物性质等车辆特点,设计更加合理的测试场景,并且在安全范围内制定合理的标准限值,既保证车辆高级驾驶辅助系统的功能又提高测试安全。

(2)应定期更新标准,自我迭代完善测试场景

通常,国内标准滞后于国际技术的发展水平,常常通过行业标准、团体标准或者企业标准来提高系统功能。这主要是因为国际标准在制定标准时几乎滞后于当前的技术发展,而国内标准倾向于等效采用或非等效采用国际标准。目前,E-NCAP已经推出2020年的测试规程,引领行业不断进步。因此,我国应实时跟踪新技术进展和国际标准动态,结合国内技术发展水平,提前部署标准修订工作,通过自我迭代完善测试场景。

(3)基于中国交通事故数据提炼测试场景

在高级驾驶辅助系统标准中,我国在引用国外标准时几乎没有根据国情修改测试工况或测试场景,无法体现我国特殊的交通状况特点。因此,我国在制定相关标准时,应以中国交通事故数据为基础,提炼符合国情的测试场景,并不断通过验证完善测试案例,提高车辆性能安全。

04结论

测试场景是高级驾驶辅助系统测试中必不可少的部分,然而我国相关测试标准还处于落后阶段。在制定标准过程中,应基于中国交通事故数据提炼测试场景,通过定期更新实现自我迭代,并结合车辆技术特点设计测试案例、制定限值,我国高级驾驶辅助系统测试场景将会趋于成熟。(作者:肖宇 陈传阳 肖鑫 葛炳南 马钰 孙博旸 储锦玲)

AI芯片和传统芯片到底有何区别?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 203 次浏览 • 2020-04-20 09:43 • 来自相关话题

前两天成立仅两年国内专做人工智能FPGA加速算法的初创公司深鉴科技被国际巨头赛灵思收购了,在业界引起不小的震动。目前国内做AI芯片的公司可谓不少了,AI芯片已然成为了当下芯片行业最热领域。但是大部分人对AI芯片的架构应该都不是太了解。 ...查看全部

前两天成立仅两年国内专做人工智能FPGA加速算法的初创公司深鉴科技被国际巨头赛灵思收购了,在业界引起不小的震动。目前国内做AI芯片的公司可谓不少了,AI芯片已然成为了当下芯片行业最热领域。但是大部分人对AI芯片的架构应该都不是太了解。

那么AI 芯片和传统芯片有何区别?AI芯片的架构到底是怎么样的?带着这个疑问小编搜集到了来自知乎上的一些业内行家的观点,现在整理转发给大家。先回答问题:


  • 性能与传统芯片,比如CPU、GPU有很大的区别。在执行AI算法时,更快、更节能。
  • 工艺没有区别,大家都一样。至少目前来看,都一样。


所谓的AI芯片,一般是指针对AI算法的ASIC(专用芯片)。传统的CPU、GPU都可以拿来执行AI算法,但是速度慢,性能低,无法实际商用。
比如,自动驾驶需要识别道路行人红绿灯等状况,但是如果是当前的CPU去算,那么估计车翻到河里了还没发现前方是河,这是速度慢,时间就是生命。如果用GPU,的确速度要快得多,但是,功耗大,汽车的电池估计无法长时间支撑正常使用,而且,老黄家的GPU巨贵,经常单块上万,普通消费者也用不起,还经常缺货。另外,GPU因为不是专门针对AI算法开发的ASIC,所以,说到底,速度还没到极限,还有提升空间。而类似智能驾驶这样的领域,必须快!在手机终端,可以自行人脸识别、语音识别等AI应用,这个必须功耗低,所以GPU OUT!开发ASIC就成了必然。
说说,为什么需要AI芯片。AI算法,在图像识别等领域,常用的是CNN卷积网络,语音识别、自然语言处理等领域,主要是RNN,这是两类有区别的算法。但是,他们本质上,都是矩阵或vector的乘法、加法,然后配合一些除法、指数等算法。
一个成熟的AI算法,比如YOLO-V3,就是大量的卷积、残差网络、全连接等类型的计算,本质是乘法和加法。对于YOLO-V3来说,如果确定了具体的输入图形尺寸,那么总的乘法加法计算次数是确定的。比如一万亿次。(真实的情况比这个大得多的多)
那么要快速执行一次YOLO-V3,就必须执行完一万亿次的加法乘法次数。
这个时候就来看了,比如IBM的POWER8,最先进的服务器用超标量CPU之一,4GHz,SIMD,128bit,假设是处理16bit的数据,那就是8个数,那么一个周期,最多执行8个乘加计算。一次最多执行16个操作。这还是理论上,其实是不大可能的。
那么CPU一秒钟的巅峰计算次数=16* 4Gops =64Gops。这样,可以算算CPU计算一次的时间了。同样的,换成GPU算算,也能知道执行时间。因为对GPU内部结构不熟,所以不做具体分析。
再来说说AI芯片。比如大名鼎鼎的谷歌的TPU1。TPU1,大约700M Hz,有256X256尺寸的脉动阵列,如下图所示。一共256X256=64K个乘加单元,每个单元一次可执行一个乘法和一个加法。那就是128K个操作。(乘法算一个,加法再算一个)。

另外,除了脉动阵列,还有其他模块,比如激活等,这些里面也有乘法、加法等。
所以,看看TPU1一秒钟的巅峰计算次数至少是=128K X 700MHz=89600Gops=大约90Tops。
对比一下CPU与TPU1,会发现计算能力有几个数量级的差距,这就是为啥说CPU慢。
当然,以上的数据都是完全最理想的理论值,实际情况,能够达到5%吧。因为,芯片上的存储不够大,所以数据会存储在DRAM中,从DRAM取数据很慢的,所以,乘法逻辑往往要等待。另外,AI算法有许多层网络组成,必须一层一层的算,所以,在切换层的时候,乘法逻辑又是休息的,所以,诸多因素造成了实际的芯片并不能达到利润的计算峰值,而且差距还极大。
可能有人要说,搞研究慢一点也能将就用。目前来看,神经网络的尺寸是越来越大,参数越来越多,遇到大型NN模型,训练需要花几周甚至一两个月的时候,你会耐心等待么?突然断电,一切重来?曾经动手训练一个写小说的AI,然后,一次训练(50轮)需要大约一天一夜还多,记得如果第一天早上开始训练,需要到第二天下午才可能完成,这还是模型比较简单,数据只有几万条的小模型呀。
修改了模型,需要几个星期才能知道对错,确定等得起?突然有了TPU,然后你发现,吃个午饭回来就好了,参数优化一下,继续跑,多么爽!
计算速度快,才能迅速反复迭代,研发出更强的AI模型。速度就是金钱。
GPU的内核结构不清楚,所以就不比较了。肯定的是,GPU还是比较快的,至少比CPU快得多,所以目前大多数都用GPU,这玩意随便一个都能价格轻松上万,太贵,而且,功耗高,经常缺货。不适合数据中心大量使用。
总的来说,CPU与GPU并不是AI专用芯片,为了实现其他功能,内部有大量其他逻辑,而这些逻辑对于目前的AI算法来说是完全用不上的,所以,自然造成CPU与GPU并不能达到最优的性价比。
谷歌花钱研发TPU,而且目前已经出了TPU3,用得还挺欢,都开始支持谷歌云计算服务了,貌似6点几美元每小时吧,不记得单位了,懒得查。可见,谷歌觉得很有必要自己研发TPU。
目前在图像识别、语音识别、自然语言处理等领域,精度最高的算法就是基于深度学习的,传统的机器学习的计算精度已经被超越,目前应用最广的算法,估计非深度学习莫属,而且,传统机器学习的计算量与 深度学习比起来少很多,所以,我讨论AI芯片时就针对计算量特别大的深度学习而言。毕竟,计算量小的算法,说实话,CPU已经很快了。而且,CPU适合执行调度复杂的算法,这一点是GPU与AI芯片都做不到的,所以他们三者只是针对不同的应用场景而已,都有各自的主场。
至于为何用了CPU做对比?
而没有具体说GPU。是因为,我说了,我目前没有系统查看过GPU的论文,不了解GPU的情况,故不做分析。因为积累的缘故,比较熟悉超标量CPU,所以就用熟悉的CPU做详细比较。而且,小型的网络,完全可以用CPU去训练,没啥大问题,最多慢一点。只要不是太大的网络模型。
那些AI算法公司,比如旷世、商汤等,他们的模型很大,自然也不是一块GPU就能搞定的。GPU的算力也是很有限的。
至于说CPU是串行,GPU是并行
没错,但是不全面。只说说CPU串行。这位网友估计对CPU没有非常深入的理解。我的回答中举的CPU是IBM的POWER8,百度一下就知道,这是超标量的服务器用CPU,目前来看,性能已经是非常顶级的了,主频4GHZ。不知是否注意到我说了这是SIMD?
这个SIMD,就代表他可以同时执行多条同样的指令,这就是并行,而不是串行。单个数据是128bit的,如果是16bit的精度,那么一周期理论上最多可以计算八组数据的乘法或加法,或者乘加。这还不叫并行?只是并行的程度没有GPU那么厉害而已,但是,这也是并行。
不知道为啥就不能用CPU来比较算力?
有评论很推崇GPU。说用CPU来做比较,不合适。GPU本来是从CPU中分离出来专门处理图像计算的,也就是说,GPU是专门处理图像计算的。包括各种特效的显示。这也是GPU的天生的缺陷,GPU更加针对图像的渲染等计算算法。但是,这些算法,与深度学习的算法还是有比较大的区别,而我的回答里提到的AI芯片,比如TPU,这个是专门针对CNN等典型深度学习算法而开发的。另外,寒武纪的NPU,也是专门针对神经网络的,与TPU类似。
谷歌的TPU,寒武纪的DianNao,这些AI芯片刚出道的时候,就是用CPU/GPU来对比的。
看看,谷歌TPU论文的摘要直接对比了TPU1与CPU/GPU的性能比较结果,见红色框:
这就是摘要中介绍的TPU1与CPU/GPU的性能对比。再来看看寒武纪DianNao的paper,摘要中直接就是DianNao与CPU的性能的比较,见红色框:
回顾一下历史
上个世纪出现神经网络的时候,那一定是用CPU计算的。
比特币刚出来,那也是用CPU在挖。目前已经进化成ASIC矿机了。比特大陆了解一下。
从2006年开始开启的深度学习热潮,CPU与GPU都能计算,发现GPU速度更快,但是贵啊,更多用的是CPU,而且,那时候GPU的CUDA可还不怎么样,后来,随着NN模型越来越大,GPU的优势越来越明显,CUDA也越来越6,目前就成了GPU的专场。
寒武纪2014年的DianNao(NPU)比CPU快,而且更加节能。ASIC的优势很明显啊。这也是为啥要开发ASIC的理由。
至于说很多公司的方案是可编程的,也就是大多数与FPGA配合。你说的是商汤、深鉴么?的确,他们发表的论文,就是基于FPGA的。
这些创业公司,他们更多研究的是算法,至于芯片,还不是重点,另外,他们暂时还没有那个精力与实力。FPGA非常灵活,成本不高,可以很快实现架构设计原型,所以他们自然会选择基于FPGA的方案。不过,最近他们都大力融资,官网也在招聘芯片设计岗位,所以,应该也在涉足ASIC研发了。
如果以FPGA为代表的可编程方案真的有巨大的商业价值,那他们何必砸钱去做ASIC?
说了这么多,我也是半路出家的,因为工作需要而学习的。按照我目前的理解,看TPU1的专利及论文,一步一步推导出内部的设计方法,理解了TPU1,大概就知道了所谓的AI处理器的大部分。
然后研究研究寒武纪的一系列论文,有好几种不同的架构用于不同的情况,有兴趣可以研究一下。然后就是另外几个独角兽,比如商汤、深鉴科技等,他们每年都会有论文发表,没事去看看。这些论文,大概就代表了当前最先进的AI芯片的架构设计了。

当然,最先进,别人肯定不会公开,比如谷歌就不曾公开关于TPU2和TPU3的相关专利,反正我没查到。不过,没事,目前的文献已经代表了最近几年最先进的进展了。(作者:汪鹏 来源/知乎)

疫情过后,国产MCU如何抓住“芯”机遇

博客自动驾驶小能手 发表了文章 • 0 个评论 • 240 次浏览 • 2020-04-20 09:39 • 来自相关话题

“每一次进口芯片价格的爆缺爆涨,都是给中国‘芯’机遇。”深圳市航顺芯片有限公司创始人刘吉平对记者说道。此次新型冠状病毒疫情的爆发,给各行各业都带来了巨大的冲击,半导体芯片行业也不例外,尤其是在海外疫情爆发之后,部分海外的晶圆厂/封测厂宣布停工,导致部分微 ...查看全部

“每一次进口芯片价格的爆缺爆涨,都是给中国‘芯’机遇。”深圳市航顺芯片有限公司创始人刘吉平对记者说道。此次新型冠状病毒疫情的爆发,给各行各业都带来了巨大的冲击,半导体芯片行业也不例外,尤其是在海外疫情爆发之后,部分海外的晶圆厂/封测厂宣布停工,导致部分微控制器(MCU)价格大幅上涨。然而,这也给了国产MCU一个难得的发展机会。在疫情之后,国产MCU是否将会如愿迎来更多“芯”的机遇?如何才能抓住这些机遇?

疫情导致一“芯”难求

MCU应用范围十分广泛,诸如手机、PC外围、遥控器,至汽车电子、工业上的步进马达、机器手臂的控制等,都可见到MCU的身影。然而,一直以来,国产MCU企业无论是在国际还是国内市场都面临着国际主流厂商的强力竞争。“中国对于中低端MCU,例如中低端的8位的MCU,做的还不错,但是对于中高端的产品,比如中高端8位MCU和32位MCU,比起国外来说一直没有太大优势,终端用户方面还是比较依赖进口。这是由于中国的中高端MCU起步较晚,更新迭代较少,而且国外的MCU已经牢牢占住市场,造成国产MCU一直以来机会并不多。”刘吉平和记者说道。

欧美疫情爆发以来,对MCU供应链产生了很大的影响,目前,国外MCU出货价普遍涨两三成,有的甚至涨了一倍左右。兆易创新科技股份有限公司产品市场总监金光一告诉记者,疫情对于欧美的晶圆生产和东南亚的封测产业都带来了很多不稳定的因素,这样将会进一步影响国际大厂半导体芯片的供给状况,给全球电子及半导体等产业链造成很大的压力。另外从市场需求情况来看,部分电子消费品的购买力逐渐紧缩,加上国际货运物流延迟,也将影响了部分市场采购订单和营收。

国产MCU有哪些机会?

海外MCU供应短缺、价格上涨,给了中国国产MCU发展的机会。“由于疫情影响,医疗器械的需求量大大增加,这是这次市场变化最大的一个导火索。医疗器械主要运用的是中高端8位MCU和32位的MCU,而在之前,很多本国的用户都会选择用进口的产品。这次由于疫情造成海外MCU价格爆涨并且供应严重不足,很多医疗行业开始使用国产的MCU。此外,由于我们一直以来都会提前备货,而且政府、医疗系统等都在大力支持着MCU的整个供应链,因此我们的MCU在价格上并没有很大的波动,虽然偶尔会供货不足,但是我们现在依然能够有条不紊的进行生产。这大大提升了国产MCU的使用率,也大大的推动了我们产品的市场占有率和客户认可度,也让更多的本国的用户‘看’到了我们中国芯片的质量。”刘吉平说道。

目前,中国疫情逐步得到控制,各行各业也在陆续复工复产。与此同时,海外疫情依旧形势严峻,使得很多海外芯片上下游产业依旧处于停工停产状态,金光一认为,这是逐步实现国产化替代的良机,可以有效减少信息安全隐患、降低元件供应风险、加强研制生产保障。“以我们的国产GD32MCU为例,其封装和测试均在中国国内完成,并采用多个认证工厂及生产线同时供货,从而有效规避了复工不足和物流延迟等风险。”金光一对记者说。

筑牢本土MCU供应链

在疫情过后,中国国产MCU能否延续这样的热潮,成为了人们关注的焦点。刘吉平认为,在日后国产MCU更应该把目光焦距在国内的市场,同时尝试开拓海外的市场。“目前中国国产MCU的内销只占到了大约1%~2%,可见中国还有近99%的市场份额,而且中国MCU的消耗量占到全球的2/3。而且随着近年来工业互联网的大力发展,各行各业对于MCU的需求量也会越来越大。所以我们应该更加努力去服务国内的客户,争取让更多国内的客户用上我们国产的MCU。”

此外,刘吉平还认为,在未来国产MCU的发展中,替代和创新可以同步进行。由于国外的32位MCU发展较早,更新迭代较多,市场地位比较稳固,国产MCU的创新很难在短时间内实现突破,因此最好的方式就是,在做到不侵权,性能最优成本较低的前提下,进行创新研发。例如,我们的芯片HK32MCU用Pin
to Pin软件兼容傻瓜式替代,由于软件全兼容,在使用时不用改电路板也不用改软件,非常方便,尤其在遇到像这次疫情一样的紧急情况时,进口MCU严重缺货,Pin
to Pin软件兼容能够凸显很大的优势。同时,我们的HK32F39也进行了创新,得到客户的认可。由此可见,替代和创新这两条路是可以同步走的。

山东师范大学物理与电子科学学院讲师孙建辉对于国产MCU未来的发展感到非常有信心:“这一次疫情,让很多生物医疗产业看到了中国芯片的力量,而且生物医疗产业还是一个很大的市场,不仅仅是针对疫情,MCU在未来的研发过程中同样会有很大的需求。比如,在未来要发展的红外检测便携仪器,可穿戴生物仪器等,都需要MCU的应用。由于疫情原因,如今在国内医疗行业中国产MCU得到大量应用,这是一个很好的开端。在未来,国产芯片的力量也会慢慢渗入到各行各业。”

同时,金光一提到,国产MCU在未来的发展中,也应当关注技术突破、产能扩充和人才培养方面,这样可以有效解决如今国产MCU的先进工艺、先进材料和关键产能等方面还较多依赖于国外的现象。(作者:沈丛)

小鹏汽车宣布将与英伟达继续合作 首款搭载英伟达DRIVE Xavier车型P7即将上市

博客智能网联汽车 发表了文章 • 0 个评论 • 217 次浏览 • 2020-04-16 17:28 • 来自相关话题

4月16日,小鹏汽车宣布,将与全球领先的人工智能计算制造商英伟达(NVIDIA)继续合作,其下一代智能纯电车型将继续搭载英伟达的AI自动驾驶计算平台。而不久前刚刚宣布即将在4月27日正式上市的超长 ...查看全部

4月16日,小鹏汽车宣布,将与全球领先的人工智能计算制造商英伟达(NVIDIA)继续合作,其下一代智能纯电车型将继续搭载英伟达的AI自动驾驶计算平台。而不久前刚刚宣布即将在4月27日正式上市的超长续航智能轿跑——小鹏P7,正是首款搭载 NVIDIA DRIVETM AGX Xavier平台的量产车型。 

1587029031933073.png

NVIDIA DRIVE AGX Xavier

小鹏P7所采用的NVIDIA DRIVETM AGX Xavier自动驾驶计算平台,拥有超强性能且高能效的Xavier片上系统(SoC),具备L4级自动驾驶计算能力,可实现每秒30万亿次运算,功耗仅30 瓦,能效是上一代架构的15倍。同时,Xavier是首款致力于量产级自动驾驶的片上系统,可满足当今严格安全标准和法规要求,提供处理多个传感器数据所必需的冗余和兼容性,为高度自动化的量产级自动驾驶系统提供了有力保障。

因此,拥有13个摄像头、5个毫米波雷达及12个超声波雷达的小鹏P7,其XPILOT 3.0自动驾驶辅助系统在“本土化”和“自动化”方面均实现突破,可针对中国路况同时适用于城市道路与高速公路,且具备高度自动化的优势,还可以在未来通过整车OTA不断进化,实现更多功能的解锁。其具体的自动驾驶能力,将在4月27日上市时正式揭晓。

对于双方未来的继续合作,小鹏汽车自动驾驶副总裁吴新宙博士说:“我们与英伟达的成功合作对小鹏P7的研发和生产至关重要。Xavier的性能和能源效率,加快了我们开发这款安全、智能且功能丰富的第二代智能电动车型,小鹏P7已经成为目前竞争激烈的电动汽车市场中最受关注的智能轿跑。未来,小鹏汽车将为更广泛的消费者群提供竞争力更强、更优化、更易适用而且更加安全的自动驾驶功能。我们非常期待与英伟达携手,在智能汽车的赛道上加跨步伐。”

1587088091675015.png

超长续航智能轿跑——小鹏P7即将于4月27日正式上市

英伟达自动驾驶汽车副总裁Rishi Dhall也表示: “中国的消费者很快将可体验到小鹏P7高智能的自动驾驶的功能,也可证实Xavier的超强处理能力、效率、安全性和其可扩展性。我们将与小鹏汽车紧密合作,共同搭建其下一代智能电动车架构,以助小鹏汽车巩固其在该领域的长期竞争优势。”

在英伟达AI基础架构上,小鹏汽车开发了包括深度神经网络在内的全闭环自研自动驾驶技术。在车辆内部,英伟达的开放式 NVIDIA DRIVE OS令小鹏汽车的专利自动驾驶软件XPILOT 3.0能够发挥潜力,并可以持续通过OTA更新提升车辆自动驾驶功能。鉴于英伟达最新系列 NVIDIA Orin平台及Xavier平台的强大架构兼容性,小鹏汽车将会积极探索在其未来智能车型上采用该最新技术。

解析2020智能汽车产业链发展关键突破点

博客自动驾驶小能手 发表了文章 • 0 个评论 • 230 次浏览 • 2020-04-16 10:02 • 来自相关话题

智能汽车产业链相较于传统汽车,智能网联汽车在多个系统方面均有了较大的变化和改进,涉及智能驾驶辅助系统、智能座舱系统、汽车安全系统、智能照明系统、热管理系统和其他系统等。 ...查看全部

智能汽车产业链相较于传统汽车,智能网联汽车在多个系统方面均有了较大的变化和改进,涉及智能驾驶辅助系统、智能座舱系统、汽车安全系统、智能照明系统、热管理系统和其他系统等。

ADAS 系统、智能座舱是核心组成部分。汽车行业主要突破口是车载终端及软件系统随着智能网联持续发展,整车厂在整车制造中越来越多地选择配置车联网车载终端设备,以此来提升产品对消费者的吸引力。
智能驾驶辅助系统的构成主要包括感知层、决策层和执行层三大核心部分。
感知层主要传感器包括车载摄像头、毫米波雷达、超声波雷达、激光雷达、智能照明系统等。车辆自身运动信息主要通过车身上的速度传感器、角度传感器、惯性导航系统等部件获取。
决策层根据智能驾驶汽车感知层获得的信息,通过一定的模型,进行计算分析,针对不同的情况作出相应的决策判断,达到替代人类驾驶员判断的效果,决策层的核心是算法和芯片。
执行层主要包括智能驱动、智能转向和智能制动三个部分。智能驱动系统中电机系统提供动力,电控系统实现控制。智能转向系统主要包括 EPS 电子辅助转向系统、SRW 线控转向系统和 AIFS 主动前轮独立转向系统等。智能制动基本部件包括传感器、电控单元、电子真空泵等,系统级的部件包括 ESP 车身稳定系统、IBS 智能刹车系统等多个系统。
智能座舱的构成主要包括全液晶仪表、大屏中控系统、车载信息娱乐系统、抬头显示系统、流媒体后视镜等核心部件是域控制器。
智能汽车中,传统安全带和安全气囊进一步智能化,其中智能安全气囊可以根据碰撞情况、乘员情况等,调整打开时间和强度,实现最好的保护。驾驶员检测系统、胎压检测系统也逐步成为智能汽车的标配,通过车载摄像头、TPMS 部件等实现。
智能照明系统包括主动转弯照明、弯道灯照明、汽车夜视系统等;通过这些智能照明系统,驾驶员可以有效拓展视野,提升对道路上的车辆行人的辨识度,提高驾驶安全
智能网联新能源车相较于传统的汽车热管理系统,新增了电池热管理、电机电控冷却系统,同时对汽车空调系统也提出了更高的性能要求。热管理系统成为智能网联新能源车的重要组成部分。
其他的智能网联汽车系统还包括无钥匙进入/启动系统、车辆远程控制系统等。
ADAS 系统:国内企业突破口
ADAS 产业链核心点:芯片、算法、智能转向、制动、雷达
ADAS 产业链中决策层的芯片和算法,执行层中智能转向、智能制动和电控系统,是目前智能驾驶系统中技术含量较高的部分。
智能驾驶芯片的研发需要大量的资金投入、人才支持以及经验积累等,产品包括 ECU、DCU、AI 芯片等各种类型,逐渐由专用型转向通用型,行业技术持续变革。
智能驾驶算法解决方案是实现各种 ADAS 功能的核心,目前常见的 ADAS 功能包括 ACC 自适应巡航、 LKA 车道保持、LCA 变道辅助等,不同的功能均需要相对应的算法支持,复杂度高。
智能转向系统目前已经发展到 EPS、SBW、AIFS 等,技术基本由龙头供应商垄断。智能制动技术持续变革,产品包括传感器、电控单元、电子真空泵、ABS、ESP、AEB、IBS、ISA 等多种类别。电控系统的核心部件是 IGBT、功率 IC、功率分离器等半导体元器件,技术含量较高。
毫米波雷达和激光雷达的技术含量较高。车载摄像头、超声波雷达,以及执行层的电机产品的技术含量相对较低。车载摄像头领域,COMS 图像传感器对像素要求低于消费电子产品,镜头组和模组组装技术难度也相对较低。超声波雷达是一种较为常见的传感器,技术门槛相对较低。
从竞争格局分析国内企业在产业链上的突破
根据竞争格局的稳定程度和进入门槛的高低,可以将智能驾驶辅助各部件分成三类。
第一类是竞争格局较为稳定,进入门槛较高的智能制动和智能转向领域。
第二类是竞争格局尚未稳定,但进入门槛较高的的部件,主要包括决策层的芯片和算法、感知层的激光雷达和毫米波雷达。
第三类是竞争格局尚未稳定,但进入门槛较低的部件,主要包括执行层电机电控和感知层车载摄像头。在不同类别的部件领域,国内供应商面临不同的发展机会。
在执行层的智能转向和智能制动系统领域,国内外市场基本被国际龙头公司所垄断,整体格局较为稳定;且由于转向和制动系统产品需要长期的研发投入与技术累积,进入门槛较高。国内供应商以部分细分产品为突破口,有望获取一定的市场份额。
在智能转向系统领域,包括 EPS、SRW 等产品领域,国外供应商包括采埃孚、捷太格特、博世、天合等公司技术成熟先进,市场属于寡头垄断的状态。国内公司中德尔股份、北特科技等公司生产转向系统的部分部件,但在系统级别产品领域未有突破。
在智能制动系统领域,国外供应商包括采埃孚、大陆和博世等公司占据了国内外主要市场。细分产品中,国内公司在 ABS、IBS、ESP 等产品领域取得一定进展。国内公司华域汽车、拓普集团等在推进 IBS 产品的研制,伯特利等公司的 ESP 产品已经实现量产。
在决策层芯片领域,海外的英伟达、英特尔(收购 Mobileye)、高通、恩智浦、瑞萨电子、德州仪器、英飞凌、安森美等,以及国内的华为海思、寒武纪、地平线等。由于智能驾驶涉及的芯片种类较多,不同的供应商擅长的领域各有区别,同时各个厂商之间智能驾驶技术路线也各有区别,因此目前市场格局并不稳定,市场份额较为分散。从全球市场情况来看,份额最大的恩智浦也仅占 14%。 
在决策层算法领域,国内外主要参与者包括博世、大陆、安波福等零部件龙头公司,谷歌、微软、百度等互联网科技公司,特斯拉等整车厂,以及智能驾驶创业公司。行业整体处于起步阶段,因此整体竞争格局并不稳定。
由于芯片和算法都具有高技术难度的属性,所以该市场主要是龙头公司之间互相竞争。在竞争格局并不确定的情况下,国内科技龙头公司在此领域具有较大的发展机会,包括在芯片领域的华为、寒武纪、地平线,以及在算法领域的 BAT 等。
目前毫米波雷达整体处于早期发展阶段,国内外零部件供应商均有布局。从 2018 年的全球市场占有率情况来看,前五大供应商分别是括博世、大陆、海拉、富士通天、电装,但没有一家公司的市占率超过 20%,同时包括德尔福、奥托立夫、法雷奥、TRW 等公司也是重要的毫米波雷达供应商,未来市场竞争格局仍有可能发生重大变化。
国内供应商中,德赛西威和华域汽车等公司的短距 24GHz 毫米波雷达实现了量产,77GHz 毫米波雷达也稳步推进。凭借产品性价比、服务能力等,逐步扩大市场份额;然后拓展到高频率毫米波雷达市场。
目前激光雷达尚处于起步阶段,智能网联汽车尚未大规模采用,竞争格局仍未稳定。国外主要的激光雷达公司包括 Velodyne、Ibeo、Quanergy、Innoviz 和 LeddarTech 等;国内主要的激光雷达公司包括禾赛科技、北科天绘、速腾聚创、北醒光子和镭神智能等。
目前仅法雷奥和 Ibeo 合作生产的扫描式激光雷达 ScaLa 实现量产。国内公司在固态激光雷达领域积极布局,已经研制出较多的产品,部分产品技术性能在全球领先,随着激光雷达往固态化持续发展,国内激光雷达公司具备较大的发展机会。
从全球车载摄像头市场份额情况来看,目前整体竞争格局仍较为分散,除松下市场份额在 20%左右,其余主要供应商的市场份额在 8%至 11%之间,未出现具备明显优势的供应商。
由于车载摄像头技术门槛整体相对较低,国内供应商具有较大的发展机会。国内供应商主要包括同致电子、深圳豪恩、厦门辉创、苏州智华等,已经批量供应后视和环视的摄像头。
德赛西威、华域汽车等在内的汽车零部件供应商和包括舜宇光学、欧菲光等在内的光学镜头供应商也开始进入车载摄像头领域。凭借成本优势、服务反应速度优势等,未来国内供应商份额有望逐步提升。
ADAS 已经布局的公司分析
在智能驾驶辅助系统各部分,国内已经有公司产品逐步落地。
在感知层的车载摄像头部分,德赛西威在 2017 年投资了全自动高清摄像头生产线,并在国内实现了高清摄像头和环视系统的量产。华域汽车积极发展车载摄像头业务,探索建立覆盖毫米波雷达、摄像头和数据融合的全功能平台,推进包括 360 度汽车行驶环境扫描系统在内的产品开发与应用。
其他上市公司中,保隆科技 2019 年开始批量制造车载摄像头。非汽车行业的上市公司中,包括舜宇光学、欧菲光的公司也已经布局车载摄像头。非上市公司中,目前包括同致电子、深圳豪恩、厦门辉创、苏州智华等在内主要供应后视和环视摄像头。
在感知层的毫米波雷达部分,德赛西威 24GHZ 毫米波雷达已经获得量产订单,77G 毫米波雷达已达到可量产状态。华域汽车 24GHZ 后向毫米波雷达实现对上汽乘用车、上汽大通等客户供货;应用于大巴的 77GHz 前向毫米波雷达也通过国家法规测试。保隆科技稳步推进毫米波雷达研制。
在感知层的激光雷达部分,目前仍无上市公司有产品落地,国内主要是创业公司从事激光雷达研制工作,包括速腾聚创、禾赛科技、北醒光子、北科天绘、镭神智能等,但目前国内还未有实现大规模量产的激光雷达产品。
在决策层的芯片领域,目前国内主要是华为、寒武纪、地平线等公司布局;在算法领域,百度、腾讯、阿里、华为等公司联合整车企业进行智能驾驶算法开发。
在执行层的智能驱动领域,国内可以实现电机电控产品量产的上市公司包括大洋电机、正海磁材、、卧龙电驱、通达动力、英博尔等较多公司。科博达在电机控制系统、电机驱动类执行器等产品领域布局。
在执行层的智能转向领域,华域汽车的合营公司博世华域转向的 EPS 电动助力转向系统在国内占据较大市场份额。德尔股份、北特科技等公司可以量产 EPS 转向电机等智能转向系统的相关部件。
在执行层的智能制动领域,华域汽车旗下汇众汽车已经成功研发 Ebooster 等产品,并获得北汽新能源、比亚迪汽车的定点,未来有望实现量产。拓普集团同样布局研发 IBS 智能刹车系统。伯特利等公司的 ABS、ESP 等产品已经实现量产。
智能座舱系统:域控制器是核心,部分公司已布局
智能座舱系统构成:
智能座舱是未来智能网联汽车的主要组成部分之一,以座舱域控制器(DCU)为核心,推动包含液晶仪表盘、中控屏、流媒体后视镜、抬头显示系统等部件在内的多屏融合。
通过整合分散的感知能力,目前智能座舱系统已经发展到域内集中阶段。在座舱域控制器为核心的架构下,智能座舱系统各部件实现自身信息提供和人机交互功能。
从汽车整体架构来看,座舱域控制器(DCU)不仅链接传统座舱电子部件,还可以进一步整合智能辅助驾驶 ADAS 系统和车联网 V2X 系统,使得智能汽车可以进一步优化整合智能驾驶、车载互联、信息娱乐等功能。
智能座舱系统国内外差距:
国内外众多零部件供应商打造智能座舱解决方案,积极布局这一未来极具发展潜力的领域。
佛吉亚近年来打造“智享未来座舱”解决方案,并将智能座舱作为公司战略转型的重点方向,在中国市场中,一汽红旗、拜腾等车企车型将量产。大陆集团在 2017 年提出未来驾驶座舱,并可实现用域控制器集成化控制。
博世在 2018 年 CES 展上展示了全新概念智能驾驶舱,其通用掌握座舱域控制器技术。伟世通 SmartCore 座舱域控制器技术是目前主流的座舱域控制器解决方案,目前已经在多家整车制造商上实现应用。此外,包括法雷奥、采埃孚、现代摩比斯、安波福等零部件供应商均先后推出自身的智能座舱解决方案。
国内零部件供应商也积极布局智能座舱解决方案领域。华域汽车旗下延锋公司,通过与京东方、歌尔股份等公司的合作,打造智能座舱整体解决方案。德赛西威的智能驾驶舱是其核心产品线之一。 
目前,在座舱域控制器领域,国内外的差距较大,国外公司包括伟世通、博世、大陆、安波福等公司在多年前就掌握了域控制器的核心技术,且在较多客户车型上实现了量产,产品成熟度高。国内公司中,仅德赛西威、布谷鸟科技等少数公司具备座舱域控制器开发技术。如果不能采用域控制器对智能座舱系统进行架构升级,则系统将存在代际的差距。
在座舱域控制器以外的其他主要系统部件中,包括液晶仪表盘、中控屏、抬头显示系统、流媒体后视镜等,国内供应商的产品与国外也存在技术差距。
域控制器国内外竞争格局
座舱域控制器是未来智能座舱系统的核心,目前国内外多家零部件供应商进行布局,但整体能实现量产的公司仍较少,国外主要包括伟世通、博世、安波福、大陆集团和电装。
从时间上看,伟世通是最早推出座舱域控制器的供应商,其 2015 年即在 MWC 上展出的 SmartCore,这也是全球第一个座舱域控制器。继伟世通推出座舱域控制器之后,其他供应商也开始跟进。在2017 年,博世和安波福先后推出 AI Car Computer 座舱域控制器和 ICC 座舱域控制器。2019 年,大陆集团和电装先后推出集成式车身电子平台 IIP 和 Integrated HMI platform 座舱域控制器。
目前座舱域控制器在智能汽车中的应用仍处于起步阶段,未来渗透率将逐步提升。根据佐思产研的预测,座舱域控制器的出货量将从 2019 年的约 30 万套增加到 2025 年的 680 万套,年均增速达到68%。座舱域控制器在乘用车中的渗透率也将从2019 年的仅0.5%逐步提升至2025年的9.1%。
伟世通提出的 SmartCore 解决方案,将仪表盘、中控屏及其它座舱电子集成在一个系统芯片(SoC)上,对于座舱电子的智能化、网联化转型具有重要意义。伟世通的 SmartCore 以高通芯片作为计算平台,目前已经应用在奔驰、吉利、广汽、塔塔等整车客户的车型上。
博世的 AI Car Computer 座舱域控制器,基于高通的计算平台,目前已经在通用和福特的车型上实现量产。安波福的 ICC 座舱域控制器基于英特尔的计算平,ICC 集成架构通过整合 ECU,大幅降低 IVI 系统和仪表组的成本,目前已经在下游奥迪、法拉利、沃尔沃、长城等整车客户上实现量产。
大陆集团的集成式车身电子平台 IIP 基于高通/瑞萨的计算平台,最快于 2021 年实现批量生产。电装与黑莓共同研制的 Integrated HMI platform 基于英特尔计算平台,利用 QNX 的虚拟化技术,实现对车辆内部用户界面和系统的综合控制。电装的座舱域控制器已经开始量产,主要应用于丰田和斯巴鲁的部分车型上。
国内零部件供应商在座舱域控制器领域也开始逐步推进。德赛西威基于高通 820A 打造的智能座舱控制器,于 2019 年在理想汽车实现量产。非上市公司中,布谷鸟科技基于恩智浦芯片打造了 Auto Canbin 座舱域控制器,下游客户包括 4 家主机厂。
整体来看,国内供应商在座舱域控制器领域仍处于起步阶段,与国外零部件巨头在技术积累、量产应用等方面都存在较大的差距。
其它硬件产品竞争格局分析
全球液晶仪表盘市场份额集中度较高,基本被零部件龙头公司所占据,前五大供应商合计市场份额达到 80%,其中大陆集团、爱信精机、电装、伟世通和博世的市场份额分别达到 25%、17%、15%、 15%和 8%。
国内液晶仪表盘市场中,市场份额主要仍被大陆、伟世通等品牌的合资公司占据。本土供应商中,以德赛西威为代表的公司逐步获得包括吉利汽车、长城汽车、奇瑞汽车、广汽乘用车、比亚迪等自主品牌整车厂的订单,拉动市场份额的提升。
抬头显示系统在汽车中的渗透率还较低,在国际巨头零部件公司布局较早,全球市场主要被爱信精机、大陆集团、电装、伟世通和博世等零部件巨头公司所占据,市场份额分别达到 55%、18%、 16%、3%和 3%,合计达到 95%。
由于国内供应商产品成熟度较低,量产应用较少,因此主要市场份额仍被爱信精机、大陆集团等海外供应商所占据。目前国内多家本土零部件供应商布局,包括华阳集团、均胜电子、福耀玻璃、舜宇光学等。随着未来自主品牌乘用车逐渐配置抬头显示系统,国内供应商的相关业务有望迎来快速发展的机遇。
智能座舱布局的公司:德赛西威、华域汽车、均胜电子
德赛西威于 2017 年引入智能驾驶舱概念,布局域控制器,开发可同时驱动多屏、融合多摄像头的人机交互平台。2019 年 6 月,公司在上海 CES 上发布智能驾驶舱 3.0 版本,产品持续更新换代。 
公司的智能座舱通过多模态人机交互设计,提升用户在产品使用过程中的愉悦感。产品同时支持苹果、谷歌、百度等手机互联功能,通过 T-box 的集成,可以连接云端并支持第三方 APP。公司的智能座舱通过专业路试,可以为用户提供极致的信息娱乐体验。
公司在智能座舱系统的产品布局主要包括全液晶仪表盘产品、多屏互动产品、显示模组及系统、座舱域控制器等。
近年来,德赛西威智能座舱产品持续获得下游客户的订单。全液晶仪表盘客户包括比亚迪、吉利汽车、长城汽车、奇瑞汽车、广汽乘用车等整车厂。多屏互动智能驾驶舱新项目获得车和家、长安汽车和天际汽车的订单,并于 2019 年量产。具备领先光学性能的显示模组及系统客户包括一汽-大众、上汽大众、吉利汽车等整车厂。
德赛西威座舱域控制器基于高通 820A 芯片开发,可以支持同时控制多个智能座舱部件。公司为理想 One 研制的四屏互动系统产品基于该座舱域控制器,未来公司有望基于座舱域控制器开发出更多融合多设备的智能座舱产品。
华域汽车在智能座舱领域仍处于布局阶段,产品正在研制当中。
华域汽车依托子公司延锋进行智能座舱系统的研制。延锋采取跨界合作的方式,通过与京东方、歌尔股份等公司合作,共同打造智能座舱系统方案。京东方在 TFT-LCD 模组、光学贴合及曲面屏等显示产品上具备领先的技术优势,歌尔股份在声学系统、智能交互及智能传感器等方面具有较多的技术积累。华域汽车的智能座舱将以座舱域控制器为核心,主要构成包括显示屏、智能开关、HMI交互、座舱声学、智能座椅、安全系统以及其他部件。
均胜电子的智能座舱系统业务由汽车电子板块的子公司 Preh(普瑞)主导,在原有 HMI 人机交互业务的基础上逐步发展智能座舱业务。公司原有的 HMI 业务主要包括驾驶员控制系统、空调控制系统和方向盘控制器等产品,下游客户包括大众、奥迪、福特、宝马、奔驰、通用等整车厂。
均胜电子的 HMI 业务逐步向智能座舱系统延伸和转变。公司推出的智能座舱系统主要由触屏技术、全液晶仪表、抬头显示(HUD)、车载信息娱乐、人机交互、主动安全等产品或系统构成,同时具备硬件系统、软件系统和数据服务。同时,公司的智能座舱系统可以和公司的车联网系统紧密协同,为使用者提供更好的人机交互体验。
均胜电子智能座舱电子类产品目前已经逐步获得下游客户订单。公司包括 idrive 系统、电子排挡、多媒体交互触控屏、触控空调系统等在内的下一代座舱电子类产品已经开始配套新一代宝马、奥迪和新一代保时捷卡宴等。
智能网联产业链
智能网联汽车以智能驾驶技术、车联网技术为基础,构建汽车与交通服务的新业态,达到全面改善汽车驾驶感受、提升交通效率的目的。
相较于传统汽车,智能网联汽车的核心区别在于智能驾驶辅助系统、智能座舱系统和车联网系统。ADAS 系统有效解放了驾乘人员在驾驶和乘坐汽车时所受的约束,提升汽车的安全性、舒适性和便利性,降低汽车的使用门槛等。智能座舱系统将汽车从普通的乘坐出行工具打造成集出行、生活、娱乐等为一体的综合应用场景。车联网技术将汽车置身于 V2X 的网络体系中,打造更高效的汽车交通体系。
在智能网联汽车的基础上,V2X 车联网系统将各个终端连接起来。在地面上,车与车、车与人、车与路侧设备进行 V2V、V2P 和 V2I 的信息通信。通过实时获取车辆周边交通环境信息,与自身车载传感器的感知信息融合,作为车辆的决策与控制系统的输入。
导航卫星等为智能网联汽车提供高精度地图导航。云端决策平台通过 V2N 连接,对地面上各个交通设备进行全局交通规划,有效协调地面交通,从而提升整体交通效率。内容和服务提供商通过 TSP 服务集成商,再通过 V2N 链接,实现对智能网联汽车内容服务支持。
通过智能网联汽车和车联网体系构建,产业链下游可以进一步发展无人驾驶物流、共享出行等新的产业业态,从而持续扩大整个智能网联汽车体系的发展空间。
智能汽车:ADAS 系统、智能座舱是核心组成部分
车联网:汽车行业主要突破口是车载终端及软件系统
车联网产业链的核心构成:
车联网是借助新一代信息和通信技术,实现车与 X(车、路、人、云等)进行全方位网络连接,提升汽车智能化水平,同时通过网联改变汽车交通的原有业态,从而全方面提升汽车驾驶感受、交通运行效率的新产业。其中,V2X 是车联网的核心技术。
车联网产业链的上游是硬件模块和软件系统。硬件模块主要包括通信芯片、通信模组、运算处理部件、高精度定位芯片等。中游是路侧设备和车载终端设备。
路侧设备是实现车联网车路协同的核心基础设施,包括路侧 RSU 设备、边缘计算设备、高清摄像头等。车载终端设备主要包括控屏与智能车机、V2X 车载模块以及车载计算芯片等。下游主要是整车制造和通信运营等。
车联网产业链中,上游和中游硬件设备和软件系统相较于下游的通信运营及整车制造更具重要性。 
车联网产业链上游中,硬件模块是基础部件,通信芯片、通信模组、运算处理部件是最核心的组成部分。通信设备以及运算处理部件两大核心设备应用于车联网产业链中的多个其他部件。
通信芯片和通信模组构成通信设备,在中游的路侧 RSU 设备、V2X 路侧天线、V2X 车载设备等部分均需要使用。通信设备涉及 LTE-V2X 和 5G-V2X 等关键技术,是目前各方竞争的焦点。运算处理部件以芯片为核心,应用于路侧端的边缘计算设备和车载计算芯片。上游软件系统中,操作系统和高精度地图是核心部分。
车联网产业链中游中,车载终端设备中,V2X 车载模块和车载计算芯片是核心部件。V2X 车载模块是网联汽车与其他终端通信的设备,其性能决定了整体车辆网的通信效率。车载计算芯片是车联网终端的运算基础,高性能芯片开发需要基于目前最先进的半导体技术,基本由国内外半导体龙头所垄断。
路侧设备中,路侧 RSU 设备和边缘计算设备是核心部件。路侧 RSU 设备包含 V2X 路侧天线,是实现和智能网联汽车的进行信息通信的核心设备。边缘计算设备未来将成为数据计算处理的重要环节,边缘计算设备集成了服务器、储存设备和网络设备等,技术难度较高。
汽车行业在车联网产业链中的突破口
在产业链上游,汽车行业主要参与软件系统领域,硬件模块主要由通信技术行业和半导体行业所占据。高精度地图的资质原本主要掌握在少数地图供应商手中,但是随着汽车行业内的公司通过投资合作等方式,取得地图开发资质,开始涉及这一领域。
汽车公司由于掌握丰富的车辆行驶资源和数据,因此其对于开发和推广高精度地图具备较大优势,预计未来会有更多公司参与到这一领域。在应用软件领域,目前汽车行业零部件公司和整车公司根据客户或自身需求,进行汽车软件开发。
在产业链中游,汽车行业主要参与车载终端设备领域,中控屏原先即是汽车零部件的重要组成部分,在车联网中,汽车零部件供应商推进中控屏和车机的智能化、网联化,目前行业中有多家零部件公司进行中控屏和智能车机的研制销售。
V2X 车载模块是汽车行业公司切入车联网的重要领域,相较于传统的通信技术公司,汽车行业公司基于对汽车行驶、通信等方面的了解,其开发 V2X 车载模块更具优势。
目前已有部分公司完成 V2X 车载模块的量产。计算芯片主要仍由半导体龙头所垄断,但汽车行业公司可以基于外购的芯片进行车联网解决方案的开发,从而充分利用汽车行业公司对汽车相关数据的丰富积累,提升车联网系统的整体性能。
在产业链下游,汽车行业涉及整车制造环节。随着智能网联持续发展,整车厂在整车制造中越来越多地选择配置车联网车载终端设备,以此来提升产品对消费者的吸引力。
主要汽车公司车联网布局:
上市公司中,包括德赛西威、均胜电子、路畅科技、华阳集团、兴民智通、索菱股份等公司在车载终端设备以及软件系统等车联网产业链部分有产品布局。
从产品分布来看,德赛西威的产品布局较为广泛,主要类别均有对应产品;
均胜电子主要在 V2X模块和车载信息系统;路畅科技和索菱股份主要在 T-box 产品、中控屏和车机布局;华阳集团在中控屏车机、车载娱乐信息系统布局;兴民智通主要有 T-box 产品和应用软件系统。
在智能硬件终端部分,德赛西威布局的产品包括智能车机中控屏、V2X 车载模块、T-box 产品以及V2X 芯片解决方案。德赛西威的智能车机将在线音乐等多媒体聚合,智能互联网联通停车、购物、就餐等生活场景,此外还具有在线救援、路线规划等功能。 
德赛西威还基于高通 9150 C-V2X 芯片,为汽车制造商开发 LTE-V2X 解决方案。德赛西威的新解决方案可以支持 V2V 场景(如前向碰撞和交叉口移动辅助)、V2I 场景(如限速警告和信号相位和定时)以及 V2P 场景(道路用户碰撞警告等),有效增强智能网联的能力。
在软件系统领域,公司主要进行车载娱乐信息系统以及应用软件开发等。公司的车载娱乐信息系统和软件开发等主要依托于智能车机中控屏产品,为客户提供多样化的软件信息服务。 
在智能车机中控屏部分,公司2018年为一汽大众打造的智能车机正式上市,配套一汽大众高尔夫、迈腾等车型。公司 V2X 车载模块,目前已经获得国际品牌整车厂的项目定点,预计于 2020 年量产。公司 T-box 产品目前已经在包括上汽通用在内的多个国际和自主品牌车型上配套量产。
均胜电子2016年收购德国TS道恩切入智能车联业务,将TS重整为德国普瑞的全资子公司PCC,并于同年在中国成立 JPCC(均胜车联),专注于国内的车联网业务。PCC 是大众集团等知名整车厂的导航系统的发展伙伴,在车联网领域,特别是 V2X 技术领域具有较深的技术累积。
均胜电子在车联网领域的主要产品包括车载信息系统、V2X 车端产品,同时公司在以 5G 技术为基础的汽车通信、OTA 空中下载和车辆增值服务领域持续推进。
均胜电子的车载信息系统产品核心以软件为主,第一类是基于谷歌Android Auto 的车载信息系统。公司第二类车载信息系统产品是基于单芯片(System On Chip)支持双操作系统的新一代车载信息娱乐系统方案。在 V2X 产品领域,均胜电子极参与基于 5G 技术的 V2X 行业标准的制定,目前是工信部下属 C-V2X 标准制定组织重要成员。
公司为一汽大众开发的车联 CNS 3.0 系统车机,其基于单芯片,同时支持 Linux 系统和安卓系统两部分。CNS 3.0 系统车机支持远程对车辆信息的监测及控制,还集成了在线导航、音乐、电台、语音控制、智慧出行等生活娱乐服务。CNS 3.0 系统车机目前已经一汽大众迈腾车型上实现量产。
目前均胜电子车联网产品已经获得多个订单。基于谷歌 Android Auto 的车载信息系统已经获得大众和奥迪的订单,并将于 2020 年进入量产。基于单芯片支持双操作系统的新一代车载信息娱乐系统已经获得上汽大众和一汽大众 MQB 平台和全新的电动平台 MEB 平台订单。
5G 应用及特斯拉技术革新将驱动智能网联快速发展:
5G 的落地对于汽车智能网联的发展具有重要的推动作用。5G 作为最新一代蜂窝移动通信技术,经过近年来的实验室测试、场外测试、规模试验、预商用、规模部署之后,在 2020 年已实现正式商用。智能网联汽车是 5G 的核心应用领域之一,随着 5G 商用的正式落地,智能网联汽车加速发展。
5G 对于实现更高级别的智能网联汽车具有重要意义。
智能驾驶和网联化发展是紧密结合的。在部分自动驾驶阶段,要实现车道内自动驾驶、换道辅助等功能,网联化需要逐步发展到联网协同感知阶段。在有条件自动驾驶阶段和完全自动驾驶阶段,尤其是实现协同式队列驾驶、车路协同控制等方面,必须联网进行协同决策与控制。
目前的智能驾驶汽车主要为自主式智能驾驶汽车,采用车载传感器探知车辆周围的环境信息,自主做出决策判断,是独立于其他车辆的自动驾驶。进一步发展到智能网联汽车,需要与网联功能充分融合,5G 将进一步推动智能驾驶汽车的网联化。
5G 已经可以满足更高级别自动驾驶的技术要求。对自动驾驶而言,其对网络通信的传输延时和传输速率要求逐步提升。
L2 级别及以上的自动驾驶即要求传输时延在 100 毫秒以下,而目前的 4G-LTE 网络的传输时延在 98 毫秒左右,已很难满足 L2 级别自动驾驶的需求。而目前 5G 网络的传输时延是 1 毫秒,可以满足所有自动驾驶级别的时延需求,为智能网联发展提供技术先决条件。
另一方面,对于车联网 V2X 系统,5G 将推动 LTE-V2X 系统向 5G-V2X 系统全面升级。根据发改委的规划,到 2020 年,国内大城市、高速公路的车用无线通信网络(LTE-V2X) 覆盖率将达到 90%,同时加快推进 5G-V2X 系统的建设。随着 5G 商用正式落地,5G-V2X 建设有望加速。
特斯拉在智能网联汽车技术方面目前是全球领先的公司之一,未来其规模的扩大将推动智能网联的发展。
特斯拉智能网联汽车技术首先体现在其汽车电子电气架构上。特斯拉在最初研制电动车时就开始逐步摆脱传统汽车的分布式电子电气架构,尽量减少 ECU 的使用数量,从而对汽车的电子电气架构进行统一的管理。在 Model S 上,特斯拉的 ECU 数量相较于传统燃油车以及普通新能源车已经大幅下降;据统计,相同级别传统燃油车中 ECU 数量大约是 70 个,普通新能源车日产 Leaf 上有约 30 个,而 Model S 仅有 15 个左右。
Model 3 电子电气架构进一步集中化,架构仅包括 CCM(中央计算模块)、BCM LH(左车身控制模块)和 BCM RH(右车身控制模块)三个模块。其中 CCM 负责信息娱乐系统、辅助驾驶系统和车内外通信;BCM LH 和 BCM RH 负责车身、底盘、安全及动力系统等。对照博世提出汽车电子电气架构进化路线,Model 3 已经直接达到 Vehicle Computer 层级,是目前行业中最先进的汽车电子电气架构。
以集中式的电子电气架构为基础,特斯拉可以通过软件系统的 OTA 升级,实现对汽车整体功能和性能的升级。通过 OTA 技术对车载软件进行更新,实现 AP、地图、娱乐系统等功能升级,不断改善用户体验;
OTA 升级可以解决特斯拉用户遇到的汽车使用故障问题,从而避免去实体店进行维修,有效降低使用成本。OTA 升级有效提升了特斯拉的服务附加值,一定程度上改变了传统汽车的价值链。
特斯拉的智能驾驶硬件设备中,Autopilot 套件包括 8 个摄像头、12 个超声波传感器和一个增强版前向毫米波雷达。计算芯片是基于英伟达的芯片而自主研发的 Tesla FSD。FSD 采用双芯片设计,同时集成了 CPU、GPU、NPU 等核心部件,在性能上处于行业领先位置。
在智能网联方面的技术优势,使得特斯拉的车型在全球畅销,推动汽车行业持续变革。
在供应链上,特斯拉的快速发展,有望拉动包括智能驾驶传感器、车联网设备以及智能座舱系统等一系列零部件及系统的快速发展,推动零部件供应商持续变革。
特斯拉智能网联汽车的迅速发展也迫使传统车企持续进行变革,将长期发展重心转向智能网联汽车,同时更加关注消费者乘车的智能驾驶体验。特斯拉在智能网联汽车领域取得的巨大成功,吸引了大批互联网科技巨头加入,包括谷歌、微软、百度等,有利于产业的良性竞争,同时激发了更多的创业公司在智能网联行业发展。
在需求端,特斯拉的车型凭借其先进的智能网联化功能,在一定程度上改变了消费者传统的汽车消费习惯。目前消费者对汽车智能网联的需求不断提升,进一步推动相关产业的发展。
转载自东方证券、智车行家,文中观点仅供分享交流,不代表本公众号立场,如涉及版权等问题,请您告知,我们将及时处理。(文章转自:东方证券、智车行家)

深度报告详解域控制器之L3汽车时代

博客自动驾驶小能手 发表了文章 • 0 个评论 • 250 次浏览 • 2020-04-16 09:32 • 来自相关话题

无人驾驶进程中车辆电子电气架构从分散到集中,催生域控制器汽车智能网联化带来信息流大量增加,汽车电子电气(EE)架构将迎来升级,如同中国古代历史社会组织结构变化,从诸侯分封-春秋五霸-一统天下,汽车架构从分布式-域集中式-中央计算式 ...查看全部

无人驾驶进程中车辆电子电气架构从分散到集中,催生域控制器

汽车智能网联化带来信息流大量增加,汽车电子电气(EE)架构将迎来升级,如同中国古代历史社会组织结构变化,从诸侯分封-春秋五霸-一统天下,汽车架构从分布式-域集中式-中央计算式逐渐进化,当前正处于分布式向域集中式过渡阶段,从全车100 余ECU 到 5 个DCU,控制功能迅速集中,作为“地方割据势力的决策中心”的域控制器走上历史舞台。

域控制器的过去、现在和未来:ECU-经典五域-中央计算平台

ECU 是域控制器的前身,在车辆发动机、变速箱、安全气囊等各底层执行零部件中广泛应用,承担决策功能,目前大部分传统车企上都是分布ECU 搭载;往后发展,控制范围更广、算力更强的域控制器取代了原有较为独立的各 ECU 的决策功能,以博世经典的五域分类拆分整车为动力域、底盘域、座舱域/智能信息域、自动驾驶域和车身域,五域较为完备的集成了 L3+车型的所有控制功能,在极少数 L3 级别车型上(如长安UNI-T/小鹏 P7 等)进行应用;域控制器再往后发展,以特斯拉 Model 3 为代表的中央计算平台 Central & Zone Concept 是行业未来趋势。

域控制器产业链拆解

从生产流程来看,汽车电子控制器产业链主要经历了:晶圆生产、(芯片)封装测试及系统应用(MCU 及各类控制器等)。上游核心产品芯片,决定了域控制器的核心计算能力,芯片设计层面主要由海外垄断,晶圆代工和封装测试层面大部分国产化半导体龙头企业具备实力;中游核心产品MCU(海外为主),PCB 板(国产化率较高)、无源器件(一定程度国产化);下游控制器总成厂商主要是全球零部件巨头企业领先,近年来国内部分上市公司和初创企业逐渐实现了产品研发和订单斩获。

风险提示:L3 普及风险、汽车销量下行风险。

域控制器带来软硬件机遇

作为车身区域性“大脑”,DCU  向上接收来自传感器端的信号,向下发送决策信息给执行系统。DCU 的普及,将带来硬件和软件的一系列投资机遇。软件方面包括多融合传感器算法、标准化软件架构 AUTOSAR、系统安全 ASIL 升级、车内以太网应用、整车OTA 升级等等,或将带来一系列聚焦算法、安全等计算机和通信企业的发展机遇。硬件方面推荐上游芯片制造工序端的中芯国际(海外组覆盖)、封测龙头长电科技(电子组覆盖);中游PCB 沪电股份、景旺电子(均电子组覆盖);下游控制器总成企业德赛西威、科博达;执行端伯特利和星宇股份

域控制器的背景

无人驾驶是大势所趋

要理解目前的无人驾驶(智能汽车),离不开以下一个公式:出行需求=总量*里程

左边,出行需求=人数*人均出行里程。

右边第一项,总量=公共交通工具+私人交通工具。

右边第二项,里程=时间*速度。

需求方面,随着国内城市化和现代商业化的发展,一方面提高了城市人口,一方面城市半径不断提升(主要城市半径>25km),居民的生活工作出行距离增加,等式左边的出行需求是快速增加的。

出行需求的增加必将要求总量和使用效率的提升。公共交通工具方面,公交和地铁等领域存在短板,2017 年中国地铁运行线路总长度为 3881.77 公里,与美国仍有较大差距(重铁+轻铁,5799 公里)。同时主要城市每万人拥有的公共出租汽车数量呈下降趋势。私人交通工具方面,截至 2019 年底,全国机动车保有量达3.48 亿辆,其中汽车保有量达 2.6 亿辆,千人保有量达170 辆,受限于道路和停车场等土地要素的短缺,城市保有量增长存在瓶颈。

国内居民的出行需求和供给方存在着缺口,这种缺口部分程度削弱了居民的出行品质,造成拥堵的路上交通和地铁。如何提高现有资源的使用效率是解决出行矛盾的关键。智能驾驶和共享出行就是谋求提升资源使用率的供给端革命(我们在 18 年 12 月发布了共享出行行业专题-《共享汽车,非成熟条件下的模式探讨》),19 年7 月发布了智能驾驶行业专题-《ADAS+车联网,无人驾驶之路》)。20 年 3 月发布了华为汽车行业专题-《华为汽车业务现状、竞争格局和产业链机遇》。根据华为智能汽车解决方案的拆解,未来的智能驾驶产业链将从云-管- 端三大层面带来全产业链机遇。本篇域控制器深度报告就是从“端”的层面对其细分核心决策部件进行分析。

无人驾驶催生产业链新机遇

无人驾驶实现需要四步走。我们认为无人驾驶从应用层面可以分为四个阶段,阶段1 是资讯被动侦测期,该阶段主要应用于车载资讯服务;阶段2 是资讯互动交换期,也就是当前所处阶段,该阶段主要应用于 ADAS 等;阶段 3 是资讯主动传达期,该阶段主要应用为 V2V和V2I,融合传感器技术实现车路协同;阶段 4 就是终极无人驾驶期,无人驾驶背景下车辆运营效率有望大幅提升,该阶段的典型应用就是共享汽车。

无人驾驶进程中的车辆架构发生较大改变——从 EE(电子电气)到“计算+通信”。实现汽车软件义、持续创造价值。传统电子电气架构中,车辆主要由硬件定义,采用分布式的控制单元,专用传感器、专用 ECU 及算法,资源协同性不高,有一定程度的浪费;计算+通信架构中,旨在实现软件定义车,域控制器在这里发挥重要作用,通过域控制器的整合,分散的车辆硬件之间可以实现信息互联互通和资源共享,软件可升级,硬件和传感器可以更换和进行功能扩展

无人驾驶进程中车辆电子电气架构从分布到集中汽车电子电气架构奠定车辆底层框架。汽车电子电气架构(Electronic and Electrical Architecture,文中简称 EEA)是由车企所定义的一套整合方式,是一个偏宏观的概念,类似于人体结构和建筑工程图纸,也就是搭了一副骨架, 需要各种“器官”、“血液”和“神经”来填充,使其具有生命力。具体到汽车上来说, EEA 把汽车中的各类传感器、ECU(电子控制单元)、线束拓扑和电子电气分配系统完美地整合在一起,完成运算、动力和能量的分配,实现整车的各项智能化功能。

无人驾驶进程中的车辆架构从分布向集中发展。全球零部件龙头企业博世曾经 将汽车电子电气架构划分为三个大阶段:分布式电子电气架构-【跨】域集中电 子电气架构-车辆集中电子电气架构,三个大阶段之中又分别包含两大发展节点,一共六个发展节点,细化了电子电气架构将从分布式向车辆集中式演变的过程。伴随汽车自动化程度从 L0-L5 逐级提升,目前大部分的传统车企电子电气架构处在从分布式向【跨】域集中过渡的阶段。分布式的电子电气架构主要用在L0-L2 级别车型,此时车辆主要由硬件定义,采用分布式的控制单元,专用传感器、专用 ECU 及算法,资源协同性不高,有一定程度的浪费;从 L3 级别开始,【跨】域集中电子电气架构走向舞台,域控制器在这里发挥重要作用,通过域控制器的整合,分散的车辆硬件之间可以实现信息互联互通和资源共享,软件可升级, 硬件和传感器可以更换和进行功能扩展;再往后发展,以特斯拉 Model 3 领衔开发的集中式电子电气架构基本达到了车辆终极理想——也就是车载电脑级别的中央控制架构

车辆自动驾驶级别主要参照 0-5 级分类。目前全球公认的汽车自动驾驶技术分级标准主要有两个,分别是由美国高速公路安全管理局(NHTSA)和国际自动机工程师学会(SAE)提出。中国于 2020 年参考 SAE 的 0-5 级的分级框架发布了中国版《汽车驾驶自动化分级》,并结合中国当前实际情况进行了部分调整,大体上也  将自动驾驶分为 0-5 级

L3 级别是汽车自动化道路的一次跃升。从法规和技术两个维度来看,L3 级别自动驾驶都是汽车自动化道路上的一大跃升。从法规来看,SAE 和中国《汽车自动化分级》规定 L0-L2 级别均是人类主导驾驶,车辆只做辅助,L0、L1 和 L2 之间的差异主要在于搭载的 ADAS 功能的多少,而 L3 开始,人类在驾驶操作中的作用快速下降,车辆自动驾驶系统在条件许可下可以完成所有驾驶操作(作用不亚于驾驶员),驾驶员在系统失效或者超过设计运行条件时对故障汽车进行接管;从技术来看,L0-L2 主要运用的传感器有摄像头、超声波雷达和毫米波雷达,L3 及之后原有传感器配套数量上升,同时高成本的激光雷达方案难以避开,传感器之间的协同要求提升,多传感器融合算法愈发复杂,所需控制器芯片算力大幅提升

2020 年是 L3 级别车型量产年。奥迪 A8 是最早实现搭载了 L3 级别硬件的量产车型,虽然由于法律监管的约束 A8 始终无法向消费者实现 L3 级别功能落地,但其2017 年推出的 5 摄像头+12 超声波雷达+4 毫米波雷达+1 激光雷达的量产硬件方案,始终是行业的先驱者之一。奥迪之后,全球多数车企纷纷计划在 2020-2021 年开始正式量产 L3 级别车型,如宝马 iNEXT、奔驰全新 S/C 级等车型

中国的 L3 量产自 2020 年长安发布的UNI-T 车型始,2020 年是我国 L3 级别车型的量产年,将先后迎来小鹏 P7、长安 UNI-T、北汽新能源 ARCFOX ECF Concept、广汽新能源 Aion LX、奇点 iS6 等L3 级别车型的上市

域控制器自 L3 始进入市场。由于 L3 级别“人车共驾”带来的传感器数量和融合算法的增加,现有广泛使用的传统分布式电子电气架构面临 ECU 数量增加冗余成本提升、传感器数据耦合困难、布线复杂度提升、线束成本提升等问题,难以支撑车辆L3 功能的实现,【跨】域集中的电子电气架构自 L3 起进入舞台。该架构下的核心处理模块——域控制器开始进入市场。接下来的篇幅我们将围绕域控制器的定义、作用、原理、分类、结构以及产业链进行展开

域控制器的分类——经典的五域划分

核心:以博世经典的五域分类拆分整车为动力域(安全)、底盘域(车辆运动)、座舱域/智能信息域(娱乐信息)、自动驾驶域(辅助驾驶)和车身域(车身电子), 这五大域控制模块较为完备的集成了L3 及以上级别自动驾驶车辆的所有控制功能。

1、动力域(安全)动力域控制器是一种智能化的动力总成管理单元,借助 CAN/FLEXRAY 实现变速器管理、引擎管理、电池监控、交流发电机调节。其优势在于为多种动力系统单元(内燃机、电动机\发电机、电池、变速箱)计算和分配扭矩、通过预判驾驶策略实现 CO2 减排、通信网关等,主要用于动力总成的优化与控制,同时兼具电气智能故障诊断、智能节电、总线通信等功能。

未来主流的系统设计方案如下:

  • 以 Aurix 2G(387/397)为核心的智能动力域控制器软硬件平台,对动力域内子控制器进行功能整合,集成 ECU 的基本功能,集成面向动力域协同优化的 VCU, Inverter,TCU,BMS 和DCDC 等高级的域层次算法。

  • 以 ASIL-C 安全等级为目标,具备SOTA,信息安全,通讯管理等功能。

  • 支持的通讯类型包括 CAN/CAN-FD,Gigabit Ethernet 并对通讯提供 SHA-256加密算法支持。

  • 面向 CPU\GPU 发展,需要支持 Adapative Autosar 环境,主频需要提高到2G,支持 Linux 系统,目前支持 POSIX 标准接口的操作系统。

2020 年 1 月 16 日,由合众汽车工程研究院副院长邓晓光带领团队开发的动力域控制器搭载哪吒汽车成功,并成功一次通过搭载车辆测试,标志着合众 PDCS(Powertrain Domain Control System)动力域控制器正式进入量产应用阶段。合众动力域控制器系统采用英飞凌(Infineon)多核处理器 200MHz 主频,具备DSP 数字信号处理及浮点运算能力,是 Hozon PDCS 的高速处理器。同时,Hozon PDCS 三核并带锁步核的主芯片实现更高功能安全,按照 ASIL C 功能安全等级开发,仅次于飞机的 D 级,有效保证用户出行安全。V 模型开发,每一步可验证, 软件失效率低于 0.3%,兼具 AUTOSAR 架构+MBD 建模与控制,有效提高软件可靠性。可实时监控电控系统,智能协调及监控动力输出,提升驾控性能及安全。同时保护电池安全,根据系统需求,同步优化能量分配、增加续航里程

2、底盘域(车辆运动)底盘域是与汽车行驶相关,由传动系统、行驶系统、转向系统和制动系统共同构    成。传动系统负责把发动机的动力传给驱动轮,可以分为机械式、液力式和电力等,其中机械式传动系统主要由离合器、变速器、万向传动装置和驱动桥组成、液力式传动系统主要由液力变矩器、自动变速器、万向传动装置和驱动桥组成;行驶系统把汽车各个部分连成一个整体并对全车起支承作用,如车架、悬架、车轮、车 桥都是它的零件;转向系统保证汽车能按驾驶员的意愿进行直线或转向行驶;制动系统迫使路面在汽车车轮上施加一定的与汽车行驶方向相反的外力,对汽车进行一定程度的强制制动,其功用是减速停车、驻车制动。

智能化推动线控底盘发展。随着汽车智能化发展,智能汽车的感知识别、决策规划、 控制执行三个核心系统中,与汽车零部件行业最贴近的是控制执行端,也就是驱动控制、转向控制、制动控制等,需要对传统汽车的底盘进行线控改造以适用于自动驾驶。线控底盘主要有五大系统,分别为线控转向、线控制动、线控换挡、线控油门、线控悬挂,线控转向和线控制动是面向自动驾驶执行端方向最核心的产品,其 中又以制动技术难度更高。

(1) 线控制动是未来汽车制动系统的发展趋势。汽车制动系统经历了从机械到液压再到电子(ABS/ESC)的发展过程,未来将向线控制动方向发展。L2 时代的线控制动可以分为燃油车、混动、纯电三大类,燃油车基本都采用 ESP(ESC)做线控制动。混动车基本都采用高压蓄能器为核心的间接型EHB(电液压制动)。纯电车基本都采用直接型 EHB,以电机直接推动主缸活塞。在汽车智能化的趋势下,考虑到对L3 及以上等级自动驾驶汽车来说制动系统的响应时间非常关键,而线控制动执行信息由电信号传递,响应相对更快,刹车距离更短,是未来汽车智能化的长期趋势。

线控制动系统可以分为液压式线控制动 EHB、机械式线控制动 EMB 两种类型。EHB 系统由于具有备用制动系统,安全性较高,因此接受度更高,是目前主要推广量产的方案。由于缺少备用制动系统且缺少技术支持,短期内很难大批量应用,是未来发展的方向。

线控制动是汽车技术门槛较高的领域,全球主要的线控制动厂家是博世、大陆、 采埃孚等零部件企业。EHB 国外厂商技术发展已经比较成熟,但严格意义讲还不适应于 L4 自动驾驶,国内此项技术在努力追赶;EMB 还处在研究阶段,目前看较难有突破。其中,博世的 iBooster 是典型的直接型 EHB。iBooster 通常与 ESP 配套使用,ESP 在iBooster 失效时顶上。不过因为 ESP 也是一套电液压系统,也有可能失效,且 ESP 在设计之初只是为 AEB 类紧急制动场景设计的,不能做常规制动,所以博世在第二代 iBooster 推出后,着手针对 L3 和 L4 设计了一套线控制动系统,这就是 IPB+RBU。

(2) 智能化的发展催促线控转向的产生。转向系统从最初的机械式转向系统(MS)发展为液压助力转向系统(简称 HPS),之后是电控液压助力转向系统(EHPS)和电动助力转向系统(EPS)。目前乘用车上以EPS 为主流,商用车以HPS 为主流,EHPS 在大型 SUV 上比较常见,其余领域比较少见。智能化的趋势下,L3 及以上等级智能汽车要求部分或全程会脱离驾驶员的操控,对于转向系统控制精确度、可靠性要求更高高,催促线控转向(Steering By Wire, SBW)的产生。线控转向(SBW)系统是指,在驾驶员输入接口(方向盘)和执行机构(转向轮)之间是通过线控(电子信号)连接的,即在它们之间没有直接的液力或机械连接。线控转向系统是通过给助力电机发送电信号指令,从而实现对转向系统进行控制。SBW(steering by wire)的发展与 EPS 一脉相承,其系统相对于EPS 需要有冗余功能。目前SBW 系统有两种方式:1)取消方向盘与转向执行机构的机械连接,通过多个电机和控制器来增加系统的冗余度;2)在方向盘与转向执行机构之间增加一个电磁离合器作为失效备份,来增加系统的冗余度

从厂商角度看,全球 EPS 厂家以博世、捷太格特、NSK、耐世特等国际巨头为主, 其中日本厂家多以精密轴承起家,向下游拓展到 EPS 领域;美国厂家则是 tier 1厂家,横向扩展到 EPS 领域;欧洲厂家类似美国厂家,但是在上游的精密机械加工领域远比美国要强。相比之下国内企业主要有三家,包括株洲易力达、湖北恒隆和浙江世宝,但是规模都比较小,技术较落后

线控转向系统(SBW)由于技术、资本、安全等各方面的要求高,技术基本掌握在海外的零部件巨头手中,进入壁垒非常高。目前联创电子、浙江万达等国内企业开始涉足 SBW 领域,国内企业未来有望开拓 SBW 新业务

3. 座舱域/智能信息域(娱乐信息)传统座舱域是由几个分散子系统或单独模块组成,这种架构无法支持多屏联动、多屏驾驶等复杂电子座舱功能,因此催生出座舱域控制器这种域集中式的计算平台。智能座舱的构成主要包括全液晶仪表、大屏中控系统、车载信息娱乐系统、抬头显示系统、流媒体后视镜等,核心控制部件是域控制器。座舱域控制器(DCU)通过以太网/MOST/CAN,实现抬头显示、仪表盘、导航等部件的融合,不仅具有传统座舱电子部件,还进一步整合智能驾驶 ADAS 系统和车联网 V2X 系统,从而进一步优化智能驾驶、车载互联、信息娱乐等功能。智能驾驶辅助系统的构成主要包括感知层、决策层和执行层三大核心部分。感知层主要传感器包括车载摄像头、毫米波雷达、超声波雷达、激光雷达、智能照明系统等,车辆自身运动信息主要通过车身上的速度传感器、角度传感器、惯性导航系统等部件获取。而通过座舱域控制器,可以实现“独立感知”和“交互方式升级”。一方     面,车辆具有“感知”人的能力。智能座舱系统通过独立感知层,能够拿到足够的感知数据,例如车内视觉(光学)、语音(声学)以及方向盘、刹车踏板、油门踏板、档位、安全带等底盘和车身数据,利用生物识别技术(车舱内主要是人脸识别、声音识别),来综合判断驾驶员(或其他乘员)的生理状态(人像、脸部识别等)和行为状态(驾驶行为、声音、肢体行为),随后根据具体场景推送交互请求。另一方面,车内交互方式从仅有“物理按键交互”升级至“触屏交互”、“语音交互”、“手 势交互”并存的状态。此外,多模交互技术通过融合“视觉”、“语音”等模态的感知数据,做到更精准、更智能、更人性化的交互

座舱电子域控制器领域,采用伟世通 Smart Core 方案的厂家最多,其次就是Aptiv的ICC(Integrated Cockpit Controller)方案。其中伟世通的 Smart Core 旨在集成信息娱乐、仪表板、信息显示、HUD、ADAS 和网联系统。据伟世通称,它具有很高的扩展性和网络安全的程度,可实现独立的功能域。而Aptiv 的集成驾驶舱控制器(Integrated Cockpit Controller,ICC)使用最新的英特尔汽车处理器系列,可支持到四个高清显示器,可扩展,并且可以从入门级覆盖到高端产品。ICC 在图形(10x)和计算能力(5x)方面提供了实质性的改进,ICC 使用单芯片中央计算平台驱动多个驾驶舱显示器,包括仪表、HUD 和中央堆栈等

4、自动驾驶域(辅助驾驶)应用于自动驾驶领域的域控制器能够使车辆具备多传感器融合、定位、路径规划、决策控制的能力,通常需要外接多个摄像头、毫米波雷达、激光雷达等设备,完成的功能包含图像识别、数据处理等。不再需要搭载外设工控机、控制板等多种硬件,并需要匹配核心运算力强的处理器,从而提供自动驾驶不同等级的计算能力的支持,核心主要在于芯片的处理能力,最终目标是能够满足自动驾驶的算力需求,简化设 备,大大提高系统的集成度。算法实现上,自动驾驶汽车通过激光雷达、毫米波雷达、摄像头、GPS、惯导等车载传感器来感知周围环境,通过传感器数据处理及多传感器信息融合,以及适当的工作模型制定相应的策略,进行决策与规划。在规划好路径之后,控制车辆沿着期望的轨迹行驶。域控制器的输入为各项传感器的数据,所进行的算法处理涵盖了感知、决策、控制三个层面,最终将输出传送至执行机构,进行车辆的横 纵向控制。由于要完成大量运算,域控制器一般都要匹配一个核心运算力强的处理器,能够提供自动驾驶不同级别算力的支持,目前业内有 NVIDIA、华为、瑞萨、NXP、TI、Mobileye、赛灵思、地平线等多个方案。但中间也会有一些共性,比如在自动驾驶系统中,算力需求最高的当属图像识别部分,其次是多传感器的数据处理,以及融合决策。以奥地利 TTTech 公司的 zFAS(首次在 2018 款奥迪 A8 上应用)为例, 这款基于德尔福提供的域控制器设计的产品,内部集成了英伟达 Tegra K1 处理器、Mobileye 的EyeQ3 芯片,各个部分分处理不同的模块。Tegra K1 用于做4 路环视图像处理,EyeQ3 负责前向识别处理。在自动驾驶技术快速发展背景下,国内外越来越多的Tier1 和供应商都开始涉足自动驾驶域控制器

5、车身域(车身电子)随着整车发展,车身控制器越来越多,为了降低控制器成本,降低整车重量,集成化需要把所有的功能器件,从车头的部分、车中间的部分和车尾部的部分如后刹车灯、后位置灯、尾门锁、甚至双撑杆统一连接到一个总的控制器里面。车身域控制器从分散化的功能组合,逐渐过渡到集成所有车身电子的基础驱动、钥匙功能、 车灯、车门、车窗等的大控制器。车身域控制系统综合灯光、雨刮洗涤、中控门锁、车窗控制;PEPS 智能钥匙、低频天线、低频天线驱动、电子转向柱锁、IMMO 天线;网关的 CAN、可扩展CANFD 和FLEXRAY、LIN 网络、以太网接口;TPMS 和无线接收模块等进行总体开发设计。车身域控制器能够集成传统 BCM、PEPS、纹波防夹等功能。从通信角度来看,存在传统架构-混合架构-最终的 Vehicle Computer Platform 的演变过程。这里面通信速度的变化,还有带高功能安全的基础算力的价格降低是关键,未来在基础控制器的电子层面兼容不同的功能慢慢有可能实现。车身域电子系统领域不论是对国外还是国内企业,都尚处于拓荒期或成长初期。 国外企业在如 BCM、PEPS、门窗、座椅控制器等单功能产品上有深厚的技术积累,同时各大外国企业的产品线覆盖面较广,为他们做系统集成产品奠定了基础。而大多数国内企业生产的产品相对低端,且产品线单一,要从整个车身域重新布局和定义系统集成的产品就会有相当的难度。(来源 :国信证券)

汽车芯片市场残酷洗牌,NXP求生自救

博客自动驾驶小能手 发表了文章 • 0 个评论 • 261 次浏览 • 2020-04-15 09:20 • 来自相关话题

对于ADAS及自动驾驶核心处理芯片来说,大规模的并行处理架构可以保证在计算密集型实时任务方面具有强大的性能,尤其是在人工智能应用方面。过去几年,上述仅仅出现在数据中心应用上的性能要求,被越来越多的应用于车端嵌入式系统, ...查看全部

对于ADAS及自动驾驶核心处理芯片来说,大规模的并行处理架构可以保证在计算密集型实时任务方面具有强大的性能,尤其是在人工智能应用方面。

过去几年,上述仅仅出现在数据中心应用上的性能要求,被越来越多的应用于车端嵌入式系统,也带动了汽车芯片市场的大变革。
考虑到传统汽车芯片巨头这么多年遗留下来的系统架构、生态系统和软件开发模式,使得这种变革对于他们来说,将是一场噩梦。
Mobileye在ADAS领域的快速崛起以及包括英特尔、英伟达、高通等传统非汽车领域芯片巨头的快速进入,汽车芯片这个被视为未来智能汽车大脑的细分市场,变数不断。
NXP和许多传统汽车半导体公司面临的挑战是,在应对当前汽车销量下滑的同时,为未来ADAS和自动驾驶汽车的增长做好准备。
就在近日,NXP宣布对人工智能处理器公司Kalray战略投资800万欧元(约合900万美元),加速开发安全、可靠和可伸缩的智能计算处理解决方案。


考虑到未来数年,ADAS渗透率将进入快速上升周期,NXP此举无疑是为了在被Mobileye等汽车行业新进入者快速拉开市场份额差距的当下,寻求突破。
一、补齐短板
一直以来,NXP缺乏高性能的并行处理器产品,使得其现有的芯片无法高效处理来自摄像头、雷达及其他传感器的融合数据。
“我们一直在制定B计划,以防收购交易失败。”NXP高级驾驶员辅助系统总经理卡迈勒•库里(Kamal Khouri)表示,而且必须弯道超车。
2018年,原本对未来汽车芯片市场格局产生重大影响的“高通收购NXP事件”告一段落。这场历时2年的马拉松最终没能达到终点。
随后,NXP宣布和Kalray(一家成立于2008年,早期服务航空航天领域的并行计算芯片厂商)合作开发面向人工智能时代的自动驾驶计算平台。
按照NXP的计划,未来将Kalray的大规模并行处理器阵列集成到自己的BlueBox中央域控制器。
Kalray的MPPA(大规模并行处理器阵列)处理器将处理自动驾驶的感知和建模阶段,使用传感器融合、目标检测和其他人工智能技术对汽车周围环境进行建模。


按照目前行业的共识,L2级数据处理的每秒运算量约为一万亿次(1 TOPS),还需要每秒执行20 MIPS用于规划路线的算法。而L3级自动驾驶汽车则需要50 TOPS和100 MIPS的计算能力。
目前,Kalray的MPPA处理器支持ASIL B/C,符合ISO 26262标准。更关键的是能耗可以低至现有解决方案的十分之一,并且由于MPPA的可编程性,用户可以轻松定制和更新。
此前,Kalray已经参与了多家汽车制造商的预研项目,雷诺是其公开披露的一个合作案例。搭载的Kalray处理器采用台积电的16nm制程,功耗只有20到30W。
彼时,Kalray宣布正计划进一步改进第一代处理器芯片的性能,下一代芯片的计算能力应该会增加一倍,最多达到50TOPS。
今年早些时候,该公司展示了最新的处理器Cooldige,可进行大规模的并行处理,集成了5个计算集群,每个集群有16个核和16个协处理器。
后者被设计为卷积神经网络(CNNs)的硬件加速器,能够并行处理相应数量的AI任务。同时,可以运行标准操作系统,如QNX或Linux,也可以运行实时操作系统(RTOS)。
一年前,NXP和Kalray宣布开发和部署的L2-L5的硬件和软件平台,集成CPU、神经网络计算、功能性安全功能和优化的工具链。
而新一代的NXP BlueBox自动驾驶参考平台与NXP的S32系列安全汽车处理器和汽车级Layerscape®处理器将整合Kalray的MPPA©智能处理器。
最新一代的MPPA©智能处理器,也被命名为Cooldige二代,拥有80个核,提供异构计算能力,能够同时执行多个独立的应用程序和同一个应用程序的多个线程。
此外,MPPA提供了一个优化的工具和库,允许深度学习或视觉类型算法实现最佳性能。MPPA体系结构固有的可伸缩性进一步允许架构师根据需要的性能级别使用一个、两个或多个MPPA处理器。
目前,MPPA处理器支持ASIL B/C,符合ISO 26262标准。下游客户可以开发非常密集的多芯片系统,不需要增加额外的冷却系统。
二、不能错过下一个五年的红利
2019年对Kalray来说是关键的一年,该公司完成了第三代Coolidge™处理器的开发,大规模生产计划将于2020年第二季度开始。
到目前为止,Coolidge™的表现符合Kalray公司的预期,尤其是此次NXP的战略投资,为其注入了更大的市场信心。
第三代处理器在MPPA®技术的使用上,性能是第二代的25倍,扩展了人工智能能力,更容易编程,速度更快。同时,借助NXP处理器的决策能力和相关功能安全经验,在后者的Bluebox车载自动驾驶平台上进行量产落地。
作为一家汽车AI芯片行业的新进入者,该公司的目标是到2022年实现1亿欧元的收入。
目前,Coolidge™的首批样品已经从本月初开始外发,一些数据中心和汽车行业的潜在客户正在部署开发应用。
该公司去年的营收为126.5万欧元,较2018年的77.5万欧元增长63%。这些收入主要来自于一些预研开发以及部分授权许可的服务合同。
尽管已经错失了第一波ADAS市场红利,但Kalray和NXP的信心,来自于基于未来下一代电子架构的机会。
比如,越来越多的传感器,需要处理、分析和融合的感知数据越多越多,以及功能安全和联网安全等等新的变化。此外,高性能的视觉处理、深度学习仍会持续影响新系统架构所需的处理能力。
在Kalray的首席执行官看来,现在的汽车制造商和一线汽车零部件供应商还没有特别清晰、明确的自动驾驶汽车系统架构设计概念。
一些业内人士表示,大多数企业也都是在摸着石头过河,至少到目前为止,特斯拉仍然是相对激进的厂商。通用已经发布了自己的下一代电子架构,大众则仍然受困于新的电子架构的软件开发问题。
而Kalray早期设定的288个核的大规模并行处理器阵列(MPPA)目标是用于极端功能计算,比如最初为法国原子能委员会的原子弹模拟而设计。后来,该公司开始聚焦航空航天和云计算领域,直到近几年开始关注嵌入式汽车市场。
该公司负责人表示,汽车行业需要“新一代处理器,能够处理多领域功能集成,并在极高的运算性能上执行实时任务。”
三、从传统霸主,到求生自救
而NXP的另一大优势就是联网芯片。
基于先进的专利IP架构保护汽车解决方案免受安全漏洞的攻击,这是NXP在过去数年申请的超过500项专利的结果。
NXP试图从另一些目前还不受行业关注但未来至关重要的领域进行提前布局。这些芯片将被用在网关中,作为汽车的中央通信节点,协调汽车中的所有CAN和其他网络。


这款名为S32G的芯片性能是NXP当前类似芯片的15倍,同时降低了功耗。S32G将被用于所有新网关不仅在汽车传输数据,而且利用数据支持的高级驾驶员辅助系统以及服务在线诊断到更新软件的云。
S32G基于Cortex-M7微控制器和Cortex-A53微处理器的锁步集群,可以支持ASIL-D标准,还配备了专用的网络加速器和加密核心,可以在车内通过CAN、以太网和其他网络发送和保护数据。


该芯片集成了20个CAN接口,而当前这一代汽车网络芯片只有8个。该芯片还具有4个千兆以太网接口,在当前的网关处理器范围内从100兆以太网增加到4千兆以太网。
它还支持嵌入式电子产品的最高功能安全标准ASIL-D,高于上一代的ASIL-C。NXP表示,已开始向包括奥迪在内的早期客户供应这种新型芯片。
该芯片还具有用于千兆以太网以及CAN、LIN、FlexRay等传统车辆网络标准的网络加速器,从而“承担”了大部分工作负载,增强其他芯片的处理效率。
S32G同时负责整合来自摄像头、雷达和汽车周围其他传感器的所有数据,并将所有数据提供给ADAS安全控制器。
NXP表示,该芯片有PCIe Gen 3接口,因此它可以作为其他芯片的协处理器,在车内执行人工智能任务。为了防止故障,协同处理器必须在引导车辆脱离故障之前验证其对应的结果。
作为全球最大的汽车芯片供应商,NXP一直在规划其在即将到来的自动驾驶汽车时代的未来。
此前,高通未能成功收购NXP,令后者一度陷入困境。过去几年,NXP一直在寻求击退英特尔和英伟达等强劲竞争对手,这些公司在人工智能方面已超越NXP。
同时,NXP还需要与英飞凌、德州仪器和瑞萨等传统汽车芯片同行展开竞争。而高通也在努力抢占汽车市场份额。该公司在今年初的CES展上首次发布了应用于ADAS及自动驾驶领域的Snapdragon Ride计算平台。
德州仪器还推出了其最新提供人工智能处理能力的ADAS SoC系列TDAx4,并计划在2020年底前开始量产供货,以及另一种同样用于高性能网关的芯片。


如今,汽车制造商正试图将所有过去隔离的电子ECU集成到3-5个强大的中央域计算单元,并通过千兆以太网共享数据。
NXP表示,这将有助于减少汽车中昂贵的线束使用量。每个ECU盒子里的微控制器将被微处理器取代,随着时间的推移,微处理器可以重新编程,向汽车推出新的功能。
更为重要的是,S32G是该公司S32平台的一部分,该平台基于一个通用的架构,因此客户可以将软件从上一代转移到下一代平台,并重用高达90%的软件开发工作。
S32平台的意义在于降低成本,以前所未有的速度向大众市场推出更安全、更能够应对“软件升级”的汽车。如今,加上对Kalray的战略投资,让NXP有了抢占未来汽车AI芯片市场的可能性。
但如今的汽车芯片市场,已经异常拥挤,任何一家企业的错误决策和固守传统思维,都有可能亲手葬送自己的未来。(作者:高工智能汽车)

突破|阿里公布自研ISP处理器,自动驾驶有了新突破!

博客自动驾驶小能手 发表了文章 • 0 个评论 • 279 次浏览 • 2020-04-13 09:02 • 来自相关话题

4月8日,阿里达摩院宣布研发出全新的ISP处理器,可以让自动驾驶车辆拥有更好的夜间“视力”。 ...查看全部

4月8日,阿里达摩院宣布研发出全新的ISP处理器,可以让自动驾驶车辆拥有更好的夜间“视力”。

车辆使用安装了新ISP处理器的车载摄像头,即便在夜间或雨天等恶劣环境下也能看得清,目前该款处理器已应用于自动驾驶物流车,大幅提升了自动驾驶的安全性。

各位感受一下清晰度:

ISP处理器决定汽车的“视力”

据了解,新ISP处理器可将夜间图像识别精准率提升10%。

千万别小瞧这10%,背后是深层算法的创新。

ISP(Image Signal Processor),全称是影像处理器,是车载摄像头的重要构成组件,主要作用是对前端图像传感器CMOS输出的信号进行运算处理。

我们现在使用的很多设备都带有摄像头,比如手机、电脑、监控设备、智能驾驶,作为摄像头的组件之一,ISP决定着图像和视频效果的好坏。

以智能手机为例,当我们按下自拍按钮的一瞬间,设备会执行数以亿计的算术运算,以保证照片有着令人满意的对焦、曝光、白平衡等效果,这就是图像信号处理器的作用。

自动驾驶也是一样,依赖于ISP处理器,车辆才能借助摄像头“看”到周围的环境,正确的做出下一步决策。

阿里达摩院此次发布的ISP处理器,采用了达摩院独有的3D降噪和图像增强算法,让扮演自动驾驶车辆“眼睛”角色的摄像头,拥有更好的“视力”,提高了自动驾驶的检测识别能力,进一步保障了自动驾驶的安全性。

ISP处理器已应用于自动驾驶物流车

2013年,阿里云和华为一道,成为首批通过ISP牌照评测的企业。

从此,阿里在自研ISP处理器这条赛道上持续深耕。

达摩院推出的这款 ISP 处理器,首先是为了满足自身自动驾驶业务的需求。

每当夜色降临,达摩院自动驾驶实验室的无人车便上路,这些搭载着阿里自研 ISP 芯片的车辆,就在夜路上逐步优化升级。

目前,此款 ISP 芯片已用于阿里的自动驾驶物流车,可支撑无人物流车全天候运营。

最先选择物流场景落地的原因是阿里拥有丰富的物流场景,淘宝、饿了么、盒马等业务都离不开物流配送,菜鸟也是一个智慧物流平台,这为自动驾驶研发团队提供了大量场景经验。

从评测结果来看,达摩院的自研ISP芯片已经跻身业界一流水平。

未来, ISP 芯片还可能在新零售如自动收银机、智能家居等场景落地。

有行业专家指出,由于成本较低、技术成熟,车载摄像头已成为自动驾驶市场上应用最广泛的传感器。

智能芯片赋能无人驾驶

达摩院此次研发出的ISP处理器,标志着阿里在自动驾驶领域达到了新高度。

2018年,阿里开始进军自动驾驶领域,在其发展路线中,物流一直是一个重点,这与其对于物流的巨大需求有着密切的关系。

为何要从 ISP 芯片角度切入研发呢?

按照当前市面上已有的车规级图像处理器的图像处理效果,已经不能满足自动驾驶深度学习算法的需求了,而这款自研芯片,可以解决现有硬件方案性能不足的问题。

行业专家指出,性能强大的ISP处理器将提升自动驾驶产业链的智能化水平。

随着智能汽车的高速发展,除了阿里、百度等互联网巨头在汽车智能芯片上的发力,国内还有如地平线、商汤科技、寒武纪等30多家初创企业,都在开发和自动驾驶汽车相关的AI芯片。

未来自动驾驶各方面的技术日渐成熟,相信“吃着火锅,坐着车”将很快成为现实。

不妨畅想一下,汽车将成为我们的专属私密空间,可以打造成移动办公室、休闲娱乐室、私人影院等,这样,在汽车开动时,我们就可以一边行进,一边听音乐或者睡觉了。

你所期待的无人驾驶时代,是什么样的呢?(作者:首创高科)

特斯拉交通信号识别功能上线,离完全自动驾驶又近了一步?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 287 次浏览 • 2020-04-07 09:22 • 来自相关话题

虽然工厂已经开始转产呼吸机,但特斯拉可不想在自动驾驶领域停下脚步。最近,网上流传的一段视频就显示,Model 3 已经可以自动识别红绿灯并做出相应反应了。显然,特斯拉又离「功能完整」的全自动驾驶近了一步。 ...查看全部

虽然工厂已经开始转产呼吸机,但特斯拉可不想在自动驾驶领域停下脚步。最近,网上流传的一段视频就显示,Model 3 已经可以自动识别红绿灯并做出相应反应了。显然,特斯拉又离「功能完整」的全自动驾驶近了一步。

事实上,特斯拉的 FSD 付费升级包中本就包含这项功能,不过一年多了也没推送,现在看来,用户提前交的升级包钱终于要回点本了。

著名特斯拉黑客 Greentheonly 还公布了这项新功能的完整手册。特斯拉在手册中明确提醒用户,该功能依然处在 beta 状态,司机应全程负责驾驶:“驾驶员应始终注意行车道,并准备好采取及时行动。司机有责任确定是在十字路口停车还是继续前进。千万不要依靠交通信号灯/停车标志停车功能来确定何时安全和/或适合停车,亦或继续通过十字路口。”

1你在日常行车中会闯红灯吗?

对人类来说,识别交通信号灯并不是什么难事。不过,当驾驶员分心时,他们还是会一不小心闯了红灯。当然,有时候也不是驾驶员不专心,也可能是对那段路不太熟,看到信号灯时已经晚了。有时候,驾驶员闯红灯还是因为信号灯有些模糊,比如当天有大雨或大雪,而这些都是影响司机判断的因素。

一些驾驶员喜欢在红绿灯前玩老鹰捉小鸡的游戏,远远看到红灯后他们就会慢下来,赌自己能蠕行到绿灯亮起,这样就不用停车了。不过,有时候他们会判断错误,车辆要么停下,要么就不小心闯了红灯。

最后,还有些“艺高人胆大”的,这些驾驶员很清楚哪里有监控摄像头,他们会选择性闯红灯。这些人最在乎的是是否会被抓,而非自己的行为是否会创造更大风险。

这样一来,那些守规矩的人就倒霉了,因为他们可能会在某个路口被其他冒冒失失的驾驶员追了尾。简言之,我们只能开车时多观察,帮助这些人承担一部分安全成本。

好在,因为红绿灯造成丧生的人数并不多。从数据上来看,美国每年在红绿灯上丢掉性命的只有 1000 人左右,比普通交通事故概率低的多。要知道,美国人每年要行驶 3.2 万亿英里,而全国至少有 30 万个交通信号灯。幸运的是,各种因素交错下,那些闯红灯的疯子们没有变成“大规模杀伤性武器”。不过,他们确实是一大安全漏洞。

一份针对美国驾驶员的民调显示,有三成人坦诚,自己在过去三十天里闯过红灯,是不是够吓人了?

不过,更可怕的是,受访驾驶员中有 40% 都认为自己偶尔闯红灯不会被警察逮到。

当然,如果从另一个角度来看,每年你花在红灯前的等待时间可能高达 60 小时,那些分分钟“挣几百万”的大忙人们当然不愿意等了。

显然,从理论上来说,如果特斯拉这些新功能大规模落地,我们就能抑制人性中的弱点,消除那些不安全因素。

可惜,现实要残酷的多。处在 Beta 版的它可能会好心办坏事。

一旦由于驾驶员过于依赖在红灯前无所作为而造成伤亡事故,就可能"反噬"特斯拉自身,甚至冲击自动驾驶汽车的根基。

所以,我们今天讨论的问题就是,Autopilot 更新的红灯自动停车功能会带来什么负面后果吗?

2自动驾驶汽车与自动停车功能

如果是 L4 或 L5 全自动驾驶汽车,驾驶员这个角色就不存在了,所有车上的人都是乘客,AI 才是司机。

不过,特斯拉 Autopilot 可没这么高级别,它最多能算 L 2.5。也就是说,驾驶员依旧是这辆车的主心骨,在大事上还得驾驶员来拍板。

那么面对红灯,如果驾驶员不愿干预且车辆传感器工作正常,那么车辆会自动停下。不过,如果传感器没探测到红灯呢?这时就要看驾驶员是否精力集中了。按照以往经验,依赖惯了各种高科技功能的他们可没这个觉悟,毕竟这是每个人都有的人性弱点。

显然,赌自动停车功能 100% 有效不太明智。

当然,如果 V2I 技术未来能普及,车辆就肯定能准确辨别红绿灯了,不过这都是后话,至少现在的特斯拉没这个待遇,Autopilot 依旧是个半吊子的 L 2.5。

如果还是执意要把这项功能当保护神,那么一旦出了事故,驾驶员就得负责,特斯拉只会感叹受害者的不幸。而且别忘了,坐在车里的司机和乘客也会有危险。数据显示,闯红灯造成的死亡事故中,有 30% 是车内人员。

总结

关于这项功能,需要考虑的因素还很多。

举例来说,如果传感器探测到的所谓红灯并非来自交通信号灯怎么办?要知道特斯拉的路标识别系统用一台廉价的投影仪就能骗过。

显然,此时车辆的刹停动作可能会造成后车追尾或失控,因为驾驶员注意力不集中可能没有足够时间对车辆进行干预。从以往经验来看见,放松注意力是大多数人与 L2 系统的“相处之道”。

最后,除了人命问题,一些专家还担心,一旦出了重大事故,公众和监管者可懒得去追寻背后的复杂原因。它们会直接玩一刀切,甚至彻底掐灭自动驾驶的火苗。

因此,一些人认为,在全自动驾驶成熟前,红灯识别自动停车这种功能就不该普及。至于到底谁对谁错,只有时间能给我们答案了。(作者:大壮旅

透明A柱、互动呼吸灯等黑科技加持,哪吒U上市13.98万元起售

博客智能网联汽车 发表了文章 • 0 个评论 • 288 次浏览 • 2020-03-22 11:30 • 来自相关话题

2020年3月21日,哪吒汽车第二款量产车情感科技纯电SUV——哪吒U叱咤上市,是哪吒汽车在智能纯电动汽车领域的旗舰产品,它的出现将进一步夯实哪吒汽车的行业标杆地位。哪吒U将提供500km+长续航和400km+标准续航两种版本,共计六款车型 ...查看全部

2020年3月21日,哪吒汽车第二款量产车情感科技纯电SUV——哪吒U叱咤上市,是哪吒汽车在智能纯电动汽车领域的旗舰产品,它的出现将进一步夯实哪吒汽车的行业标杆地位。

哪吒U将提供500km+长续航和400km+标准续航两种版本,共计六款车型,补贴后官方指导价区间为13.98-19.98万元。哪吒U的上市标志着哪吒汽车开始向更高级别的细分市场迈进,进入持续深化产品、营销和服务的2.0时代!

1584847182857779.png 

【补贴后官方指导价+上市政策】

此次哪吒U上市以“云”发布的创新形式,特邀著名演员王自健、时尚超模陆仙人、中国科技第一IP王自如全程参与,嘉宾鲜明个性与品牌精神深度融合,肆意诠释了哪吒精神的“自我”、“敢为”与“无畏”,让消费者切实感受到哪吒U的情感科技魅力。

哪吒U的到来,丰富了哪吒汽车在A+级SUV细分市场的产品布局,进一步满足了用户的差异化需求,更为当前车市注入了一针“强心剂”,增强了市场及行业的信心,展现出哪吒汽车逆中求变、勇于创新、敢为无畏的态度与担当。“秉承为用户造好车的初心,我们希望哪吒汽车能够成为智能纯电动汽车的普及者和先锋者。”合众公司联合创始人兼首席执行官张勇如是说。

发布会现场,哪吒汽车宣布向用户提供“尊享礼遇”,包括5年返5万、7天无理由退换、7*24h尊享到家服务、免费赠送充电桩、尊享多重金融方案等权益。

哪吒U基础参数

版型

400 U行

400 U创

400 U享

520 U行

520 U创

520 U享

长×宽×高mm

4530*1860*1628

4530*1860*1628

轴距mm

2770

2770

电池类型

三元锂

三元锂

电机类型

永磁同步电机

永磁同步电机

工况续航里程(km)

≥400

≥500

峰值功率(kw)

120

150

150

150

150

150

最大扭矩(N•m)

210

310

310

310

310

310

最高车速(km/h)

≥150

≥155

≥155

≥155

≥155

≥155

加速性能( 0-100km/h)

≤10

<7

<7

<7

<7

<7

车载充电机(kw)

6.6

6.6

慢充时间h

≤8.5h

≤10h

快充时间(30%-80%)

30min

30min

【产品参数】

极优品质

极智科技

极美设计

产品续航+产品性能+产品安全

智能座舱+智能驾驶+智能云平台

自·信·在设计

NEDC续航里程>500km
百公里加速<7s(同级最优)
高比能量811恒温电池系统

国际UL2580认证
Hozon EPT2.0 自主研发恒温电池管理系统
C-NCAP五星安全车身设计
N95级空气净化系统
PEV专业级底盘系统(独立悬挂)

“透明”A柱
IME互动呼吸灯
小You智能机器人(V2H智能家居互联)
车内生命体征监测系统
L2+级自动驾驶辅助(AEB+APA+IACC)
(Mobileye EyeQ4顶级视觉处理芯片,22个高精雷达传感器)
人脸识别+疲劳驾驶监测

自·信·在设计语言
宽体式车身设计
“极地之光”全LED灯组
车内无极变色多彩氛围灯
多屏联动智能座舱
2770mm超长轴距(同级最大)
酷炫车身色彩(7种车身颜色)
超跑风格一体式皮座椅

【产品亮点】

续航无忧,哪吒U同级最可靠

得益于“三电”系统的技术优势,哪吒U拥有领先同级的续航能力。基于Hozon EPT2.0动力总成平台,哪吒U采用高比能量NCM811 电池,NEDC续航里程大于500km,最高可达660km,完全匹配一二线城市的用车需求,扩大旅程半径,从根本上解决用户的里程焦虑问题。

新车搭载的电机最大功率150 kW,最大扭矩310N·m,两驱版百公里加速不到7s,四驱版车型百公里加速时间仅为4.9s,性能可与主流3.0T涡轮增压发动机相媲美,让年轻用户的驾控激情彻底释放。

1584847286679681.png 

【哪吒U】

哪吒U搭载自主研发的Hozon EPT2.0恒温电池管理系统,可实现全工况范围内95%恒温占比,让电池始终工作在15-45度的循环区间,严寒到黑河,酷热到吐鲁番,仅有5%的里程损耗。此外,该系统还可实时估算电池可用容量、健康状态等关键参数,对电池进行充放电及故障管理;车辆行驶15万公里,电池损耗在5%以内。

1584847345313582.png 

【哪吒U】

智能先行,哪吒U兼备情感与温度

作为一辆有“情感”、有“温度”的智能座驾,哪吒U基于对用户情感需求的洞察,摒弃了智能科技的冰冷叠加,赋予智能科技更多温度。全球首搭量产“透明”A柱、生命体征监测系统,以及同级独有的小You智能机器人、IME互动呼吸灯等情感科技的加持,让哪吒U实现了从出行工具到出行伙伴的跨越。

1584847400728533.png 

【“透明”A柱】

1584847430906109.png 

【小You智能机器人】

哪吒U将智能安全理念贯彻始终,真正做到让用户解放双手,实现行车无忧。其配备了L2+级自动驾驶辅助系统,搭载Mobileye EyeQ4顶级视觉芯片以及20余项自动驾驶辅助配置,包含14个计算核心、22个传感器、千万行代码;涵盖AEB自动紧急制动、APA一键式自动泊车、IACC智能自适应巡航、FCW前防撞预警、LKA车道保持、BSD盲区检测、TJA交通拥堵辅助等功能,可以在高速和低速拥堵路况下,无需驾驶者控制方向、油门和刹车,自动保证车辆在车道中间行驶,有效降低驾驶疲劳并提高了行车安全,让出行更从容。

全车AI语音控制系统,为用户带来安全、便捷、趣味十足的驾乘体验。其在准确率和功能性上均处于行业领先水平,具备音乐、天气、闹钟、限行、出行、翻译等众多功能。通过Nuance离线语音引擎,全车AI语音系统在无网络时,仍可提供流畅及精准的语音体验,让出行更惬意。

坚守初心,始终将用户健康放在首位。全系标配的N95级HEPA滤芯,能够有效隔绝外部污染空气,确保座舱内部空气质量,为用户带来更安心、更安全的出行体验。

颜值在线,哪吒U堪比“时尚秀场”

作为一辆真正意义上的“高颜值”智能汽车,哪吒U以独特的科技美学,大胆诠释了哪吒汽车对未来汽车工业设计美学的洞察与探索。沿袭哪吒汽车“自·信·在”设计哲学,哪吒U的整车造型轻盈矫健,每一条曲面的发起、延展和收敛都恰到好处,直接有力量。大尺寸的轮毂,精致的轮胎,为整车的站姿贡献强大的支撑感,以不容置疑的姿态彰显了一种雷厉果敢的气魄。在色彩搭配上,哪吒U采用7种外观配色、2种内饰配色方案,营造出令人愉悦的视觉享受,完美契合当代年轻消费群体个性、时尚的多元化消费需求。

1584847592828718.png 

【哪吒U】

在内饰设计上,哪吒U以人为本,将科技和奢华的驾乘氛围相融合,打造出极具未来感的“智能座舱”。双12.3寸+8寸一体式三联屏设计使用便利,配合哪吒U的智能网联功能,是互联网人群的绝佳生活拍档。

1584847734888967.png 

【智能座舱】

自预售以来,凭借超强的产品实力和多项同级唯一的科技装备,哪吒U获得了媒体和用户的广泛关注和好评,收获数千订单。未来,秉承“让高品质智能电动汽车触手可及”的企业愿景,哪吒汽车将聚势突破、向新发展,依托雄厚的企业实力,领先的智能科技和强势产品力,持续布局新能源汽车市场,不断拓展创新营销布局。以用户需求为中心,夯实汽车消费全价值链服务体系,打造未来出行新典范,为用户带来极致出行体验,不断引领中国新能源汽车产业向上。

自动驾驶的自主研发是场持久战

博客自动驾驶小能手 发表了文章 • 0 个评论 • 270 次浏览 • 2020-03-20 16:42 • 来自相关话题

16年多的时间,马斯克将自己打造成了硅谷的钢铁侠。众所周知,特斯拉自动驾驶技术一直在市场上处于遥遥领先的地位。那么是什么原因成就了今天的特斯拉自动驾驶技术的领先地位呢? ...查看全部

16年多的时间,马斯克将自己打造成了硅谷的钢铁侠。众所周知,特斯拉自动驾驶技术一直在市场上处于遥遥领先的地位。那么是什么原因成就了今天的特斯拉自动驾驶技术的领先地位呢?

也许“自主研发”这四个字可以为我们解答其中缘由。

特斯拉的自动驾驶系统大部分是自己研发的,包括已经实现的远远领先业界的FSD芯片,集中式电子电气架构,自动驾驶算法等。

在软硬件结合上,特斯拉一直在走自主研发的道路,因此相对于对手在自动驾驶和车辆升级上有多年的领先优势。

这样来看,在财大气粗的传统厂商面前,特斯拉的技术优势有可能会迅速拔高。除此之外,特斯拉是一家高度垂直整合的公司,因此在人工智能方面,它拥有完全的自主控制能力。

某种程度上来说,特斯拉在自动驾驶领域犹如标杆一样存在,无论是豪车三巨头,还是比亚迪、吉利等中国传统车企或蔚来、小鹏等造车新势力,以及本土的自动驾驶创业公司几乎都以特斯拉作为研发对标。

谁能挑战特斯拉?

1车企的自动驾驶演进之路

所有汽车公司都要做两道难解的题目:造什么样的新能源汽车、自动驾驶怎么做。

如何选择新能源产品路线,是决定汽车公司,特别是新造车企业能不能活下来的关键。而自动驾驶战略方向的选择,决定了多年后的生存能力,同时也是能不能成为千亿市值公司的关键。

目前来看,蔚来、小鹏、威马是新造车公司里在自动驾驶领域投入比较大的选手,他们能够一定程度上反映出国内车企的自动驾驶演进之路。

蔚来过去是坚持自研的代表之一:跳过 L3,自研 L2/L4。早期时候,蔚来在国内外都设立了规模庞大的研发团队,并在去年6月向用户推送了NIO Pilot 升级包,提供自主研发的L2 级别辅助驾驶功能。不过,去年11月份,蔚来调整了此前的自动驾驶策略,选择和Mobileye合作。也就是说,蔚来将软硬件研发的重心由自主研发改为与自动驾驶供应商合作。

自打创立时主打自动驾驶的小鹏汽车,在2019年底时自动驾驶的团队已经达到190人的规模,中美两个团队同步研发。核心算法团队在美国,工作覆盖从算法运研到数据训练到模型优化到硬件落地,以及定位、激光雷达的处理、雷达的处理等。按照他们的规划,在下一款E28实现SOP时将实现完全自主研发的L2级自动驾驶推送,将感知技术由供应商方案变更为自主研发;2024年左右,L4级的自动驾驶方案将会搭载小鹏的汽车上。

同样,选择与供应商合作的还有威马汽车,他们的 Living Pilot 是与博世联合进行开发,提供 L2 级别的自动驾驶。威马在上海有软件研发,在德国、美国硅谷也设有研发机构,并在2019年1月与百度成立了“智能汽车全球联合技术研发中心”。据早期公布的信息,威马计划在2021年量产L3级别自动驾驶车型。

由此可见,有的车企坚持供应链模式,有的车企选择自主研发。站的角度不同,想法和路线自然不同。对于主机厂来说,自研自动驾驶可以和其他主机厂拉开差异化竞争,但同样自研也是资本投入巨大的事情。

在2020年这个关口,对于选择自研的车企来说,面临巨大的挑战。因为好不容易熬过了艰难的2019,这一年,行业洗牌已经开始,有的车企已经掉队。在更加严寒的2020年里,并不富裕的大家能做的就是继续奔跑。

在自动驾驶赛道上,其实车企无论是选择自研还是与供应商合作,目的都是在智能化转型的道路上寻求更大的胜算。

值得注意的是,选择「与供应商合作研发」的车企,并非全然没有自主研发,而是认可1+1>2的合作方式而选择强强联手,他们对于供应商也是有严苛的要求的,基于「自主研发」积累的深厚实力是关键之一。

例如蔚来选择与世界顶级 ADAS 霸主 Mobileye 达成战略合作,威马选择与百年ADAS巨头博世合作。在暂不具备独立开发完整自动驾驶系统能力的情况下,与强大的「自主研发」伙伴合作,基于此再做好差异化,这是一条可行、高效的路线。

同时,这也对自动驾驶方案提供商的创业公司折射出一个信号,必须依靠自主研发形成核心的技术能力,才能在行业中赢得青睐。

随着自动驾驶的比重逐步加大,未来汽车市场的竞争将会更加激烈。中国汽车品牌能否占住一席之地,甚至是形成自己的优势,避免被强势车企兼并重组,加大研发已是重中之中。

在未来,合作研发仍可能会是行业主流的选择,一定意义上,汽车的竞争力,归根结底或许会是背后供应商的竞争力。

2与时间赛跑,创业公司的自主研发

特斯拉的 Autopilot 并不是业内最早量产的自动驾驶系统。

但在 2014 年发布以后,Autopilot 凭借完善的功能定义、依靠众包数据不断学习的算法,以及通过 OTA 实现的软件升级,已经成为全球范围内部署规模最大、运行里程最长的(单一)自动驾驶系统。

最终,坚持自主研发的特斯拉,正逐渐成为「汽车界的苹果」。

对于创业公司来说,要想拿出这样出色的自动驾驶产品方案丝毫不容易,关键也是集中精力做好自主研发。

在自动驾驶路线上,从来就不缺乏对标特斯拉的中国力量,除了车厂外同样也有创业公司,其中就包括从特斯拉走出来的关键技术人物。徐雷是原特斯拉计算机视觉高级工程师,曾任TeslaVision深度学习负责人,研究成果直接向马斯克汇报,他从零开始领导搭建了TeslaVision的深度学习网络,成功取代了第一代产品中的Mobileye视觉系统。

2016年底,他与同在特斯拉效力的宋新雨创立了纽劢科技,宋新雨是特斯拉供应链及产品高级经理,期间为Autopilot和娱乐系统项目开发团队骨干成员,参与了Autopilot 1.0和Autopilot 2.0的产品化全过程,拥有十年以上丰富的汽车产品工程化经验。

2019年6月份,纽劢正式发布了面向量产的自动驾驶全栈解决方案,可以实现包括高速代驾、拥堵跟车、自主泊车等在内的多项功能。纽劢特别强调,这套以视觉感知为主的量产方案是完全自主研发,包括感知、规划、控制,以及专门的自动驾驶平台MaxOS——全部代码自主开发,无第三方依赖,标准化接口,因此能够为客户提供自定义的方案。

虽然不像特斯拉一样连计算平台都进行了自主研发,但是纽劢将自己所需的软件算法全部进行了自研,包括产品背后的仿真系统、集成测试系统、版本发布系统。

除了少数这样特斯拉背景的公司,国内不少的创业公司同样重视自主研发。

定位于打造自动驾驶大脑的Momenta的自主研发能力也不容小觑。相继发布了高速自动驾驶(Mpilot Highway)、自主泊车(Mpilot Parking)、L4级无人驾驶技术 MSD 等方案,背后是Momenta利用数千块GPU搭建的计算集群并自主研发了深度学习系统软件ROCS,用于实现多机多卡之间的快速通信,从而加速深度学习的训练和算法迭代。

这只是部分为车厂提供软件技术方案的创业公司,事实上国内还有不少创业公司在Robotaxi、低速物流等等细分领域通过自主研发形成了积累的技术深厚。

瞄准“自动驾驶方案提供商”的企业很多,他们大都也对标特斯拉。对于创业公司而言,他们希望赶上甚至是高于特斯拉,现在他们是否已经形成了一些这样的基础呢?

对比特斯拉的Autopilot来看,答案是有。

完善的功能定义、成规模的部署、可观的运行里程,虽然创业公司无法全部独自完成,但是这在和车企的量产过程中可以得到解决;而依靠众包数据不断学习的算法以及通过 OTA 实现的软件升级,不少的创业公司已经做到了:纽劢发布的量产方案具有影子系统这样的学习能力,Momenta也是在持续研发数据驱动的核心算法,打造闭环自动化工程体系。

在软件算法层面而言,自动驾驶系统研发的关键大体在于感知、规划、控制以及系统平台。如果具备了这一整套的技术能力,从根本上来说也就具备了开发一套好方案的基础。因此,国内一些企业坚持的正是全栈的自主研发。

全栈自研意味着方案可以做到完全自主可控,减少对第三方的依赖,在后期的技术迭代中不会受制于人。作为全栈自研的典型代表,特斯拉的成功已经充分诠释了这一点,特斯拉背景的纽劢科技,也是认准了这一点。国内可以提供全栈解决方案的企业,还包括有小马智行、元戎启行等等创业公司。

值得一提的是,视觉感知或许是不少公司的研发短板,包括部分的车企、传统Tier1以及自动驾驶公司,因此这也是一些创业公司重点攻关的方向。国内以视觉感知见长的自动驾驶公司,将Mobileye、特斯拉作为对标的对象,已经能够提供一些在中国环境下相当甚至是更出色的感知技术。

因地制宜,更懂中国,是国内创业公司的一大优势。自动驾驶具有很强的“本地属性”,它的实际效果与当地的交通系统、生活习惯、商业环境等等各个方面息息相关,需要因地制宜地设计、调整和部署。本地自主研发的创业公司,几乎都在这一点上做出了自己的特色。

如果说中国车企起步晚,终于在经过几十年的发展后追赶上了国外的对手们,那么中国的自动驾驶创业公司相对是幸运的,因为他们几乎是与各地的竞争者在同一起跑线出发。而且凭借中国在政策、市场等方面的优势,中国的自动驾驶公司有可能在未来快速地取得应用层面的突破。

中国作为全球最大汽车市场,从产业基础到政策扶持,从技术积淀到人才储备,各个方面都在共同催生自动驾驶市场爆发的火种。创业公司可以与本土的车企形成合力,在国内甚至是更大应用范围上实现技术的量产。

3自研不是泡沫

自主研发是泡沫吗?

马斯克曾说过,「一套昂贵的设备,其中大部分都使汽车变得昂贵、丑陋和不必要」,特斯拉其实走的是更艰难的道路,他想要一个更好的系统,即使没有庞大和昂贵的硬件,他将用自研的技术掌握真正的自动驾驶。

反观国内,不少的造车新势力,尤其是自动驾驶创业公司,都走自研自动驾驶策略,是为了吸引资本?

针对这个问题,雷锋网同时采访了六位学术界、工业界领头人,得到的答案比较一致:不是吸引资本。是学特斯拉快速迭代,一般供应商不会这么配合,或收取迭代开发费用。

其中一位业内人称,汽车界早已经抛弃了垂直整合模式,通用剥离德尔福,福特剥离伟世通就是经典案例。智能汽车重新冒出这个争论,是因为快速迭代OTA理念出来,不垂直整合就快不了,比如特斯拉,我的问题是,别人学习特斯拉,就一定能成功?毕竟世界上像马斯克这样的具备“asshole”天马独行执行力和想象力的人只有一个。

那么,自己干VS供应链干?

其实,无论打法如何各异,套路逻辑却是一致的。这和创新有关系,创新就会有成功和不成功。

能做到像特斯拉一样的车企是少数,如果无法独立搞定自动驾驶这个庞大复杂的系统,借助供应链上的力量来走得更快更好,不失为一个明智的选择。尤其是自动驾驶创业公司在创新上、在快速迭代上具有先天的优势,融入汽车供应链后与车企、传统供应商形成的新供应链关系,可以迸发出更强的产品活力。

通过观察这些造车新势力,不难发现,经过几年发展,他们正在由PPT造车,进化为将车交付到用户手中,通过一批批海量用户来进行检验。由此积累下的大量数据,成为其改进问题的发展模式。这也是造车新势力,与传统燃油车企对比中最大的硬伤。几十甚至上百年的行业沉淀,除了人才、技术、渠道市场,传统车企还拥有着海量各维度的硬性核心数据和软性经验积累,这是产品质量的重要基石之一。

然而,自动驾驶是一项综合要求相当高的技术,运用到汽车行业,更是一个战线周期长的事情。正如李书福所言,“炒作是炒不出高质量发展的。实业就是实业,实业是挣不来快钱的。”总之,时间是把杀猪刀,这也将考验着“自研话语权”的争夺能否笑到最后。

自主研发的优势未来会进一步促进中国汽车行业的发展,由自主技术构成的供应链也将让中国的自动驾驶产业发展得更加稳固。在经历阵痛或者是震荡时中掌握主动,在长远发展中而不受制于人。(作者:利荣)

车企按下自动驾驶暂停键

博客自动驾驶小能手 发表了文章 • 0 个评论 • 272 次浏览 • 2020-03-19 16:01 • 来自相关话题

汽车无人驾驶,目前的确已经来到了一个十字路口!在2月底,沃尔沃汽车一场普通的对外宣布其推出的下一代XC90所搭载的软硬件的发布会,虽然下一代XC90具备了在高速公路或者某些特定条件下的无人驾驶技术,但这都不足以引起多少人的关注。只是其宣称永 ...查看全部

汽车无人驾驶,目前的确已经来到了一个十字路口!

在2月底,沃尔沃汽车一场普通的对外宣布其推出的下一代XC90所搭载的软硬件的发布会,虽然下一代XC90具备了在高速公路或者某些特定条件下的无人驾驶技术,但这都不足以引起多少人的关注。只是其宣称永远不会有一个系统可以让汽车全程实现无人全自动,却让举座皆惊。这其实已经宣告了这家北欧豪华品牌巨头在高等级无人驾驶技术上按下了暂停键。

其实沃尔沃汽车在无人驾驶技术上向来比较激进,且一直处于市场的前列。无论是其提供给Uber做无人驾驶原型车的XC90,还是其和Autoliv合资的无人驾驶软件算法平台公司Zenuity,沃尔沃汽车在传统车企中在无人驾驶领域起步是比较早的,也用最经济实惠的方式,做到了一家传统车企可以做到的极致。但一方面是无力砸入数以百亿美元计的持续投入,另外一方面可能是评估下来高等级无人驾驶技术短期之内无法商业化落地,所以通过这种方法按下暂停键,对于沃尔沃汽车来说,可能是最好的也是最体面的一种做法。

无独有偶,全球豪华品牌汽车巨头奔驰公司,日前也对其自身无人驾驶项目踩了一脚刹车。据外媒报道,梅赛德斯-奔驰决定推迟自动驾驶乘用车的研发工作,转而将重心放在发展电动车和自动驾驶卡车上。这种做法其实和福特旗下无人驾驶部门Argo AI把无人驾驶方案率先部署到全顺商用车的做法如出一辙。对于奔驰我们没有看到更多关于无人驾驶的新闻,但其与宝马成立的无人驾驶领域的合资公司应该依然处于运行的过程中。而通过与宝马在成本上的分摊,可以帮助这家豪华汽车巨头降低高昂的无人驾驶成本的投入。

对于商用车,其所面临的工况和路况相比于乘用车来说要简单很多,而且行驶路线相对比较固定。因此在商用车上部署L4甚至L5级别的无人驾驶技术,所受到的传感器和执行器方面的制约会小很多。而且商用车的利润较高,其产品利润能够支撑无人驾驶技术在单件成本上的投入;且使用无人驾驶技术,可以省去在国外同样花费不菲的司机成本,而且也能通过提升的安全驾驶水平来降低保费。所以福特和戴姆勒的做法是非常明智,且比较容易实现的。

沃尔沃和奔驰都是明着宣布,而美国通用汽车的官宣就显得隐晦了很多。之前为了Cruise而在全球卖卖卖,只保留了北美和中国两大市场的通用汽车,在最近的一次EV Day上,公布了自己在电动车领域的勃勃雄心。200亿美元巨资砸向电动车和无人驾驶领域,其中在2023年前推出20款电动车型以及BEV3的纯电动平台应该会占据200亿美元投资中的绝大部分。

在北美市场上和通用、福特针锋相对的特斯拉,在2019年的市值已经超过通用和福特之和。对于一家无论是历史、销量还是造车经验以及体系网络布局来说,都远远不如通用、福特这样的百年老店的特斯拉来说,足以让通用审视自己战略上的不足。而降低无人驾驶技术的投入,通过在纯电动平台上投入更多的资金,来迅速拉近和特斯拉在电动车上的差距,通用及时调整自己的方向,为修补自己的市值进行努力的最好做法。

其实在谷歌Waymo实际的路测里程突破2000万英里之后,仍然无法实现L4的落地,让很多主机厂对于无人驾驶技术在短期内的商业化部署持有一个更加理性和审慎的态度。单车零件成本的高企以及控制器训练程度上依旧不足都需要各大主机厂投入更多的资源去解决。不仅Waymo,国内无人驾驶技术最为领先的百度,其在2019年就对内部组织架构进行了调整,而其调整的核心其实和目前国外巨头如出一辙,将负责L4级的无人驾驶团队更多的去充实其在低级别驾驶辅助团队的人员,让自动泊车或者最后一公里实现所有场景下的技术可行,其实更有商业化部署前景。

汽车无人驾驶,目前的确已经来到了一个十字路口!

新冠疫情下——智能健康座舱专题报告发布

博客自动驾驶小能手 发表了文章 • 0 个评论 • 284 次浏览 • 2020-03-19 15:59 • 来自相关话题

新冠肺炎疫情以来,大众出行受到巨大冲击,口罩成为全民必备的稀缺物资。一方面,广大车主及潜在消费者对汽车是否能防疫存在担心,出现诸如“汽车防疫黑科技到底行不行?”、“如何理性看待N95空滤”的讨论;另一方面,疫情凸显私家车出行的便利,各大车企陆续推出“科技 ...查看全部

新冠肺炎疫情以来,大众出行受到巨大冲击,口罩成为全民必备的稀缺物资。一方面,广大车主及潜在消费者对汽车是否能防疫存在担心,出现诸如“汽车防疫黑科技到底行不行?”、“如何理性看待N95空滤”的讨论;另一方面,疫情凸显私家车出行的便利,各大车企陆续推出“科技抗疫”的健康座舱方案。

车云研究院以汽车智能科技为主要方向,主要研究领域是智能座舱,未来将发布智能座舱系列研究。基于此,车云研究院围绕智能健康座舱开展专题研究,洞察疫情下的汽车科技抗疫现状及健康汽车创新趋势。
《新冠疫情下——智能健康座舱专题报告》内容如下:

1584362417395.jpg

15843624251312.jpg

15843624344142.jpg

15843624423736.jpg

15843624496606.jpg

15843624567202.jpg

15843624648735.jpg

15843626109063.jpg

15843626279237.jpg

15843626343113.jpg

15843626428711.jpg

15843626503199.jpg

1584362657839.jpg

15843626664961.jpg

15843626745951.jpg

15843626824983.jpg

15843626935055.jpg

15843629198404.jpg

15843629275375.jpg

15843629345990.jpg

15843629403070.jpg

15843629957793.jpg

15843630141950.jpg

15843630215597.jpg

15843630326115.jpg

15843630397874.jpg

15843630652547.jpg

15843630748886.jpg

15843630826971.jpg

15843630942963.jpg

15843631011089.jpg

15843631081697.jpg

15843631713073.jpg

15843631777891.jpg

室内配送机器人吹响无人战“疫”冲锋号

博客自动驾驶小能手 发表了文章 • 0 个评论 • 289 次浏览 • 2020-03-17 17:57 • 来自相关话题

为贯彻落实党中央、国务院关于疫情防控工作的总体部署,充分发挥国家机器人检验检测公共服务平台和国家机器人质量监督检验中心(北京)在试验验证、信息服务等方面的作用,全力支撑疫情防控工作,赛迪机器人将聚焦疫情中的机器人钢铁战士,将现有应用的产品分为消毒、导诊、 ...查看全部

为贯彻落实党中央、国务院关于疫情防控工作的总体部署,充分发挥国家机器人检验检测公共服务平台和国家机器人质量监督检验中心(北京)在试验验证、信息服务等方面的作用,全力支撑疫情防控工作,赛迪机器人将聚焦疫情中的机器人钢铁战士,将现有应用的产品分为消毒、导诊、配送、巡控、远程诊断、测温、陪护、清洁、物流、生产制造十大类别,分类盘点机器人在抗击疫情工作中发挥的重要作用,并对疫情过后医疗领域服务机器人的发展方向进行分析和展望。

室内配送机器人

主要是用于室内无人配送,根据用户的配送需求,自主完成药品、餐食、医疗物资等物品的配送服务。具有自主行走、自主避障、语音提示、自主搭乘电梯、自主充电等功能。医疗机构使用配送机器人,可以避免医护人员与患者或隔离人员的密切接触,降低感染的风险。

01应用场景

配送机器人主要用于医疗机构、酒店、餐厅等公共场所,为用户提供各种物资配送服务。

02产品核心技术

1配送机器人核心技术包括:

自主移动技术、环境感知技术、语音语义技术、多机调度技术、物联网技术等相关核心技术。

2自主移动技术:

通过自主定位导航和SLAM技术,实现机器人定位、运动控制以及在未知环境中运行时即时定位与地图构建功能。

3环境感知技术:

通过多传感融合的方式,包括视觉识别、结构光、毫米波雷达、超声波、激光雷达等,使机器人具备环境感知能力。 

4语音语义技术:

通过模式识别、语义分析等技术,使机器人能够对使用者语音中包含的要求或询问做出正确的动作反应或语言反应。

5多机调度技术:

通过多机协同路径规划,使多个机器人在执行配送任务时实现协同统一。

6物联网技术:

通过智能终端与所在工作区域形成物联网系统,从而实现自主通过闸机,搭乘电梯以及在楼宇内自主移动等功能。

03产品国内外发展情况

国外产品情况

国内产品情况

国内外产品水平综合对比

国外配送机器人的研发和试点应用起步较早,但与国内配送机器人相比,室外配送机器人占据了极大比重,室内配送机器人的商业化应用大部分处于试点阶段,离真正的商业化落地还有一定的距离。

国内室内配送机器人目前不仅在国内大范围落地,甚至将产品输出到海外。

但是在实际应用中仍存在诸多问题:在室内行走时,遇到地毯或坡面等不平坦道路的运行稳定性和行走能力问题,多机协作过程中的避障及路线实时规划问题,环境人为(或非人为)发生改变后的适应性问题等。

04未来发展趋势

随着AGV技术的不断成熟,其应用范围也在不断扩大。物流配送机器人一直是机器人领域市场增速最快的品类之一,医院也正成为继工业和电商之后的又一大热门应用领域,也带来了更为广阔的市场空间。

在疫情爆发的背景下,配送机器人也能更好的实现非接触式传送物品,减少人员感染的几率。随着云计算、计算机视觉、AI技术、物联网技术的不断发展,配送机器人在功能和应用场景上将日益完善。

例如:

1

与无人仓储、无人超市和智能楼宇相结合,解决“最后几百米”的配送需求。

2

提升运动性能、可靠性和行为分析能力,可以在餐厅、医院、酒店人员密集且人员移动随机性高的场合,对人员运动行为进行准确预测,提升不同路面的通过稳定性。

3

建立云端调度中心,实现多种类配送机器人多机协作配送,提升机器人群体配送效率。在送餐场景,增加食品安全性保障措施,并可集合点餐结算、餐具回收功能,真正实现智慧餐厅的落地。

4

在药品和医疗器械配送场景,具备基础运输能力的同时,增加自动消毒、冷热分离储藏等功能,同时建立配送物资追踪验证系统,可全程追踪物品位置信息,确保运送物品安全等。

5

在机场、车站等公共场所的配送场景,可以与自主搬运、人员跟随及其他导引、巡检类功能相结合,形成具有行李搬运、迎宾导引、安防巡检等综合性能力的公共服务机器人。