下一代智能汽車會是什么樣的？將有哪些清晰可見的突破？
在聊智能汽車新技術展望之前，我們可以看看目前的現狀。去年開始，汽車領域的熱度逐漸被新能源霸屏，智能汽車一大賣點：自動駕駛的熱度弱了很多，從車企到資本市場，大談L4，L5自動駕駛的也少了很多，當大家深切體會到自動駕駛的實現難度之后一切都趨于理性。
一方面自動駕駛滿足最新ISO26262功能安全標準（保護人身安全）的難度似乎就是“不可能”事件。在對功能安全風險等級進行評估的時候我們主要從三個維度來進行分析，一個是這個系統失效是否會導致嚴重的人身傷害？另外一個是這個系統的功能是否會在各種場景下都使用？最后一個是當這個系統失效的時候駕駛員是否還對車輛可控？
用這三個標尺來衡量自動駕駛：自動駕駛失效會造成最嚴重的人身傷害；無限制的L5自動駕駛自然會被使用在所有的駕駛場景；最后對于L5自動駕駛來說，真諦就是方向盤剎車油門變得不再必須，這時候又怎么可能指望在系統失效的時候駕駛員對車輛還及時可控。
這三個衡量標準直接導致L4/L5自動駕駛需要滿足功能安全最高等級ASIL D的要求，而ASIL D是主機廠都想盡量避免的ASIL等級。從A到D，研發成本指數級上升：
比如所有傳感器都要滿足ASIL D要求，不同等級之間最大的區別是在失效率上，ASIL D的硬件要求隨機出錯的概率是ASIL C的1/10，具體的概率如下表顯示，可以用FIT （failure in time）來表示，1 FIT所表示的是運行10億小時出錯一次，ASIL D的要求是 10 FIT，也就是運行100億小時出錯一次。這等同于136,892輛車運行一年只有一輛出錯一次。
而目前大部分汽車上使用的零部件能達到ASIL B要求的都不多。如果達不到ASIL D，就需要用多個零部件來做同樣功能進行冗余設計。比如速度傳感器，如果一個傳感器只能達到ASIL B的要求，那么ASIL D就需要搭配兩個ASIL B的傳感器。同理如果傳感器只能滿足ASIL A的要求，那么就需要至少三個同類傳感器實現A+A+A=C，這對于車企來說就是成本上的災難，也代表著在技術上需要融合多種傳感器算法，這是目前功能安全很難滿足要求的主要原因。
另一個目前自動駕駛面臨的問題則是整個平臺算力和能耗的瓶頸。要滿足自動駕駛需要不同的傳感器來取長補短，比如雷達適合各種氣候條件下使用，也適合速度和距離的判斷。但是分辨率卻很低，也不適合物品類型的識別，這部分需要激光雷達來補充，同時還需要攝像頭來進行比如交通標識和車道的圖像識別。下表所展示得是雷達，激光雷達以及攝像頭之間的優勢和劣勢對比。
表格來自：https://www.wevolver.com/article/a.primer.on.lidar.for.autonomous.vehicles
自動駕駛中最耗費算力的就是機器視覺感知和多種傳感器信息融合這部分，下圖是激光雷達感知并構建的車輛周圍3D環境。不算激光雷達的使用，僅僅是今天市面上搭配了攝像頭和雷達的L2輔助駕駛系統，就會在30秒的周期內生成超過6GB的數據，如果添加激光雷達和其他冗余的傳感器那么這個數據量還會翻倍增加，對這些數據進行實時處理，直接挑戰的是ADAS控制器的算力以及算力對應的能耗。
一些在研的自動駕駛原型車項目，為了算力直接搭載了體積巨大的工控機，同時意味著幾千瓦的能耗。要知道車用48V電機的功率才有幾千瓦，如果按照這個能耗計算，整個自動駕駛系統對于電動車來說會意味著1/10的續航里程下降。下圖是斯坦福大學搭載在奧迪TT上的自動駕駛原型機和控制附件，鋪滿了整個后備箱。
圖片來自:https://www.wired.com/story/self-driving-cars-power-consumption-nvidia-chip/
面對上面的難點，未來的智能汽車會是什么樣？那就要看車企們是如何圍繞這些難點來進行集中攻關的。
針對功能安全的短板，現在最直接的解決方案是布置冗余的傳感器，除了使用更多的傳統攝像頭和雷達，最新的趨勢將是搭配激光雷達和高精地圖。激光雷達比起攝像頭可以構建更真實的3D環境，而比起雷達又具有更準
確的物體識別能力。隨著更多的供應商開始參與到量產化研發，激光雷達的成本也在快速降低。比如大疆投資的Livox去年推出的Livox Mid-40，只要3999，相對動輒幾萬幾十萬的激光雷達，已經是白菜價，雖然Field of View只有38.4度。
今年CES展上，Livox更是展出了針對自動駕駛系統的Horizon產品，水平視場（HFOV）為81.7°，可以輕松覆蓋10米外的4條車道，使用五個Horizon傳感器組合即可實現360°覆蓋，而總成本僅為64線機械激光雷達的5％(https://zhuanlan.zhihu.com/p/101341002)
圖片來自：https://zhuanlan.zhihu.com/p/101341002
另一個明確的方向是搭配高精地圖。在氣象條件有限的情況下比如大霧天氣，攝像頭和激光雷達的感知能力都會極大受限，這個時候需要有可以配合雷達進行基礎車道和交通標識識別的其他工具，高精地圖是目前最佳的解決方案。通過分米甚至厘米級的地圖精度，ADAS系統可以有效實現精準的車道定位。當然高精地圖本身因為巨大的數據量需要有5G網絡的加持，這也是為什么我一直認為自動駕駛和車聯網/物聯網一樣，都需要5G技術 的支持，同理5G基礎設施的完善反過來會對自動駕駛的實現起到極大的推動作用。
圖片來自: https://zhuanlan.zhihu.com/p/99886859
回到車企端，廣州車展上小鵬發布了下一代智能平臺，也是圍繞著這幾個方向部署了新產品，包括我第一次見到在量產車上使用基于激光雷達的32個傳感器自動駕駛系統，以及基于5G的高精地圖定位功能。
聊完了功能安全部分的前景，再看在ADAS平臺算力和能耗控制上的未來展望。目前各個大廠在做的量產方案都是融合了多核CPU和GPU的SoC芯片系統方案，在滿足上文提到的自動駕駛算力需求的同時相對工控機大幅降低能耗。2019年特斯拉開始量產以自研 FSD 芯片為核心的 Hardware3.0 硬件，算力達到 144Tops（1TOPS代表處理器每秒鐘可進行一萬億次（10^12）操作）。據報道，預計于2021年底特斯拉還將量產 下一代Hardware4.0 ，算力將是上一代的3倍（https://electrek.co/2020/08/18/tesla-hw-4-0-self-driving-chip-tsmc-for-mass-production-q4-2021-report/amp/)。Nvidia規劃的下一代自動駕駛芯片系統，甚至通過多個芯片組合將達到2000Tops的算力，在滿足L5等級自動駕駛算力需求的同時功耗只有800W。
圖片來自：https://zhuanlan.zhihu.com/p/141403316
同樣在國內，小鵬作為主打智能的新能源品牌，在廣州車展發布的下一代自動駕駛算法平臺從上一代Xavier 30Tops的算力進化為508Tops的集成化芯片系統，實現了十倍以上的算力提升，用來滿足包括激光雷達在內的32個ADAS傳感器融合，同時能耗只有100W左右。這種算力提升的另一大好處就是可以將以往分散的感知，規劃以及動作執行軟件都繼承在單一的XCU上，通過減少控制器數目以及控制器之間的通訊線束來降低成本，由此在實現下一代輔助或者自動駕駛功能的同時不會大幅增加整車成本。
那么下一代智能汽車究竟會是什么樣的？更強大的輔助甚至自動駕駛將是最大的一個可以期待的特質。而要滿足這個特質，我們正在進行一系列技術突破，包括激光雷達在內的多傳感器融合，基于5G的高精地圖使用，以及具有超高集成度，超高算力，低能耗的ADAS控制系統。在汽車研發領域我們已經硬件先行，軟件算法包括5G基礎設施跟上之后通過OTA軟件隔空推送，低階的L2輔助駕駛到L3高階輔助甚至L4-L5的自動駕駛，會比你想象中來得快。
