1

　　自動駕駛車輛的骨骼——線控底盤技術

　　作為自動駕駛車輛，首先最根本的車輛底盤就和傳統的汽車有著巨大的差異。作為智能駕駛的主要載體，自動駕駛車輛使用了汽車線控底盤技術，而未來高階自動駕駛將基于線控化的底盤來實現。沒錯，傳統而笨重的“鐵家伙”們將要被以電信號驅動的傳感器、控制單元及電磁執行機構取代了。

　　線控技術是指由“電線”或者電信號來傳遞控制，取代傳統機械連接裝置的“硬”連接來實現操控的一種技術。線控底盤由轉向、制動、換擋、油門、懸架五大系統構成。線控系統取消了部分笨重且精度較低的氣動、液壓及機械連接，取而代之以電信號驅動的傳感器、控制單元及電磁執行機構，因此具有結構緊湊、可控性好、響應速度快等優勢。

　　在未來，隨著三電技術逐步成熟化，充電便利性大幅提升，且安全性、可靠性問題基本解決，線控底盤技術也將逐漸成熟，引領汽車產業的革命。

　　2

　　自動駕駛車輛的雙眼——傳感器

　　提起自動駕駛的硬件系統，其中最為重要的便是作為外界信息感知的各類傳感器了，憑借著傳感器對世界各類信息的收集，算法才能更好地讀懂外界的場景與情況，這也直接決定了自動駕駛系統的最終穩定性與安全性。

　　目前自動駕駛車輛上配備的傳感器主要有這么幾類，包括激光雷達、毫米波雷達、攝像頭、超聲波雷達等等，而各類傳感器都有著其鮮明的特點以及適用的場景。攝像頭技術成熟且成本低，成為率先裝車且用量最大的感知硬件。車載攝像頭是 ADAS 系統的主要視覺傳感器，也是最為成熟的車載傳感器之一。然而由于攝像頭與人眼一樣，屬于被動地接收可見光，因此在逆光或者光影復雜的情況下視覺效果較差，且易受惡劣天氣影響。

　　毫米波雷達受天氣環境的影響最小，全天候性能最佳。毫米波雷達與激光雷達工作原理相似，目前車載領域常用的毫米波雷達頻段為 24GHz、77GHz 和 79GHz，分別對應短、長、中距離雷達。毫米波雷達由于波長夠長，繞物能力好，受天氣環境的影響最小，但同時由于波長過長，探測精度大大下降。

　　激光雷達精度最佳，滿足 L3-L5 自動駕駛需求。激光雷達以激光作為載波，波長比毫米波更短，因此探測精度高、距離遠。激光雷達還能通過回收不同方向激光尺的信息，形成障礙物 3D “點云”圖像。受限于技術難度大、成本高，目前還未實現大規模裝車，隨著未來產業鏈的日趨成熟，成本下探后，激光雷達產業或將迎來爆發。

　　由于各類傳感器的特點鮮明以及成本原因，目前市面上能量產的車型上較多都是只配備了車載攝像頭，最終自動駕駛車輛傳感器的布局以及選型還有待時間的檢驗，但無論如何，未來對于傳感器的需求肯定是上升的，也將隨著傳感器精度的逐步提升，成本的逐漸下探，將對自動駕駛技術帶來質的改變。

　　3

　　自動駕駛的大腦——計算平臺及芯片

　　進入自動駕駛時代，汽車架構和主控芯片都將出現顯著的集中化趨勢，其中汽車架構將從分布式E/E架構向中央計算式架構方向發展，主控芯片從單一CPU轉變為包含AI模塊的SoC芯片。具體而言，控制器需要接受、分析和處理的信號大量且復雜，智能汽車系統需要處理大量圖片、視頻等非結構化數據，原有對應一個ECU的分布式計算架構或者單一分模塊的域控制器無法適應未來的需求，中央計算式架構將成為主要發展趨勢。中央計算式架構可以利用一臺電腦控制整車，更便捷的實現整車OTA軟件升級，因此具備高算力、低延遲特征的自動駕駛SoC芯片在未來具備較大成長空間。

　　汽車數據處理芯片主要包含MCU(芯片級芯片)和SoC(系統級芯片)兩種類型。MCU結構簡單，只包含CPU一個處理器單元(CPU+存儲+接口單元)，其將CPU頻率和規格適當縮減，并將內存、接口等結構整合到單一芯片，主要用于ECU中進行控制指令計算;SoC包括多個處理器單元(CPU+GPU+DSP+NPU+存儲+接口單元)，集成度較高，未來汽車智能化趨勢，對汽車的智能架構和算法算力，帶來了數量級的提升需要，推動汽車芯片快速轉向搭載算力更強的SOC芯片。

　　目前自動駕駛芯片市場主要被國外的龍頭所壟斷，因特爾旗下mobileye是最早量產并上車使用自動駕駛芯片產品的公司，隨后英偉達推出性能更好的自動駕駛芯片產品，作為整車廠的特斯拉也迅速推出供自己電動汽車使用的自動駕駛芯片產品，地平線的芯片目前是國內唯一量產上車的產品，華為、黑芝麻由于其芯片出色的性能也處于國內的第一梯隊，另外，深鑒科技、寒武紀、西井科技等公司也紛紛加入國內自動駕駛芯片行業的角逐。在未來，自動駕駛芯片領域的發展將直接決定了市場的規模與企業的成敗。

　　4

　　總結

　　以上就分析完了目前自動駕駛車輛上所擁有的的主要的幾種硬件，它們對于未來的自動駕駛技術的發展將起到關鍵的作用，硬件的功能性、安全性、穩定性也將直接影響到自動駕駛市場的規模與群眾的接受程度。隨著硬件技術的逐漸成熟完善，成本價格的逐漸下探，未來也將幫助自動駕駛軟件算法完成更多更復雜更安全的行為操作，也將決定了自動駕駛未來發展的上限。