2022年自動駕駛行業(yè)發(fā)展現(xiàn)狀及趨勢分析

1、2022年自動駕駛行業(yè)發(fā)展現(xiàn)狀及趨勢分析1. 控制器硬件從一體機邁向中央計算平臺，主控芯片效率成為核心勝負(fù)手1.1. 分布式 E/E 架構(gòu)之下：ADAS 硬件以一體機方案為主，且相互獨立、功能單一傳統(tǒng)汽車采用分布式的 E/E 架構(gòu)，單車功能的升級僅依賴于 ECU 數(shù)量的疊加。ECU 是集成 電路技術(shù)應(yīng)用于汽車領(lǐng)域的重要成果，同時亦是推動汽車電子化的核心元件。與其他工業(yè)領(lǐng) 域中的電子控制單元類似，ECU 的主要物理結(jié)構(gòu)為“單片機+外圍電路”。其中，單片機是 將中央處理器、存儲器、輸入/輸出接口等集成到一塊硅片上構(gòu)成的微型計算機系統(tǒng)。而外圍 電路則包含電容、電阻、電感等，與單片機共同集成于單個電路

2、板之上，并最終被安裝于一 個鋁質(zhì)盒內(nèi)，通過卡扣或者螺釘方便安裝于車身鈑金上。根據(jù) ECU 實際應(yīng)用領(lǐng)域的不同， 傳統(tǒng)汽車中的 ECU 可分為發(fā)動機控制、無極變速器控制、自動變速箱控制、主動安全控制、 汽車儀表控制等幾十種分類，單車整體功能體系的豐富度依賴于車身所搭載的 ECU 類型。 同時，在傳統(tǒng)汽車的分布式 E/E 架構(gòu)之下，單個 ECU 僅對應(yīng)實現(xiàn)某一種功能，且軟硬件強 耦合（軟件升級難度大），因而單車功能的升級方式也僅依賴于 ECU 數(shù)量的增加。具體至自動駕駛領(lǐng)域而言，在傳統(tǒng)分布式架構(gòu)之下整車自動駕駛系統(tǒng)亦由幾個相互獨立的子 系統(tǒng)構(gòu)建而成，且每個子系統(tǒng)中的 ECU 獨占其所配套的傳感器，

3、產(chǎn)品形態(tài)通常以“傳感器+ 控制器”的一體機方案為主。同時，根據(jù)控制模塊可實現(xiàn)功能的不同，各個子系統(tǒng)具體可分 為前向 ADAS 系統(tǒng)、側(cè)后 ADAS 系統(tǒng)、自動泊車系統(tǒng)、全景環(huán)視系統(tǒng)共四大類，所對應(yīng)的 可實現(xiàn)部分 L2 級及以下自動駕駛功能。（1） 前向 ADAS 系統(tǒng)：以前視攝像頭模塊（FCM）或前視雷達(dá)模塊（FCR）兩種方案為 主。其中，前視攝像頭模塊根據(jù)所搭載攝像頭數(shù)量的不同，又可分為單目、雙目、雙焦、三焦共四種形態(tài)。舉例來看，經(jīng)緯恒潤的先進(jìn)輔助駕駛系統(tǒng) ADAS，即為典型的 單目一體機方案，控制器主板上包含兩顆芯片，一顆為 Mobileye EyeQ4 負(fù)責(zé)完成視 覺算法計算（包括圖像預(yù)

4、處理、樣本采集標(biāo)記、樣本訓(xùn)練及分類等）；另一顆為英飛 凌 TC297 負(fù)責(zé)邏輯控制，同時進(jìn)行安全冗余。此外，若搭配前視雷達(dá)模塊，形成 1V1R 的傳感器方案，則可支持交通擁堵輔助、智能巡航輔助等行車輔助駕駛功能。同時， 由于多數(shù)傳統(tǒng)主機廠在面向低階自動駕駛領(lǐng)域時主要也以解決行車輔助駕駛功能為 主，因此相比較其他子系統(tǒng)，前向 ADAS 系統(tǒng)當(dāng)前在前裝領(lǐng)域的滲透率最高。根據(jù) 佐思汽研的統(tǒng)計數(shù)據(jù)，2020 年中國乘用車新車前視系統(tǒng)（即公司 ADAS 產(chǎn)品）滲透 率為 26.4%，預(yù)計到 2025 年，我國乘用車前視系統(tǒng)裝配量將達(dá)到 1630.5 萬輛，滲 配率將達(dá)到 65.0%。（2） 側(cè)后 ADA

5、S 系統(tǒng)：主要由兩個側(cè)后向24G 毫米波雷達(dá)模塊組成，通常輔以前視 ADAS 系統(tǒng)搭配上車，用以實現(xiàn)部分橫向輔助駕駛功能，例如變道盲區(qū)預(yù)警、開門預(yù)警、變 道輔助功能等。（3） 泊車輔助系統(tǒng)：主要由泊車控制器及 12 顆超聲波雷達(dá)共同組成（8 顆安裝于車前/ 后、4 顆安裝于車兩側(cè)）。根據(jù)可實現(xiàn)泊車功能等級的不同，泊車輔助系統(tǒng)大致可分 為三個級別：最低級的輔助泊車系統(tǒng)僅實現(xiàn) APA 功能，也即當(dāng)汽車在低速巡航時， 將使用超聲波雷達(dá)感知周圍環(huán)境，幫助駕駛員找到尺寸合適的空車位，并在駕駛員發(fā) 送泊車指令后，將汽車泊入車位。更高一階的泊車輔助系統(tǒng)則增加了車載藍(lán)牙通訊模 塊，可實現(xiàn) RPA 遠(yuǎn)程遙控泊車

6、功能。而最高階的輔助泊車系統(tǒng)可結(jié)合前視 ADAS 系 統(tǒng)、全景環(huán)視系統(tǒng)實現(xiàn) AVP 代客泊車功能。典型的輔助泊車系統(tǒng)為德賽西威基于 Jacinto TDA4 打造的 IPU02，低階版本可實現(xiàn) APA 功能并融合 AVM（此前被命名 為 IPU01）；高階版本可實現(xiàn) AVP 代客泊車功能，并已在吉利星越 L 等車型上規(guī)模 化量產(chǎn)。從滲透率角度來看，如前文所述，由于當(dāng)前行業(yè)整體自動駕駛滲透率較低， 尤其在面向中低端車型時，主機廠對自動駕駛硬件成本敏感度較高，往往僅選擇解決 行車功能的輔助駕駛系統(tǒng)，因而泊車系統(tǒng)當(dāng)前成體滲透率仍然較低。根據(jù)高工智能汽 車研究院監(jiān)測數(shù)據(jù)顯示，2021 年中國市場（不含

7、進(jìn)出口）乘用車新車前裝標(biāo)配搭載 APA 上險量為 243.26 萬輛，滲透率僅為 11.93%，遠(yuǎn)低于前向 ADAS 系統(tǒng)。從競爭 格局角度來看，目前國內(nèi) 80%以上的市場份額由外資 Tier1 壟斷，德賽西威則憑借 IPU02 在內(nèi)資廠商中排名第一（市占率 6.49%）。（4）全景環(huán)視系統(tǒng)：主要由全景環(huán)視控制器及 4 顆環(huán)視攝像頭組成。同時，由于 4 顆環(huán)視 攝像頭亦可一定程度上彌補傳統(tǒng)泊車輔助系統(tǒng)車位線識別能力不足的缺陷，因而目前全景環(huán) 視控制器已多與泊車輔助控制器融合。例如，經(jīng)緯恒潤基于“TC297+TDA2”芯片方案的泊 車控制器，即可同時實現(xiàn)自動泊車及全景環(huán)視功能。1.2. 域集中

8、E/E 架構(gòu)之下：ADAS 硬件升級為域控制器，主控芯片性能決定智駕功能等級在汽車智能化升級趨勢下，若仍采用傳統(tǒng)分布式架構(gòu)，則單車 ECU 數(shù)量將成倍增加，伴之 而來的將是整車線束長度及成本增加、系統(tǒng)性升級難度大、難以自動化生產(chǎn)等問題。因此， 在全球頭部主機廠與 Tier1 的引領(lǐng)下，汽車 E/E 架構(gòu)正由分布式走向域集中，所對應(yīng)的 ECU 也將多合一融合為域控制器。而當(dāng)域控制器成為實現(xiàn)整車功能的核心硬件時，單車功能升級 的根本邏輯亦從原本純粹的累加 ECU 數(shù)量，轉(zhuǎn)為提升域控制器主控芯片的算力及其所驅(qū)動 的算法。換言之，域控制器主控芯片的性能將一定程度決定單車智能化功能的等級。可以看 到，在

9、特斯拉的引領(lǐng)下。目前，域控制器中主控芯片多以“MCU+GPU+DSP/ISP+XPU+外圍電路”的多芯片組合的 SoC 為主，其中各類芯片各司其職，涵蓋控制、計算、加速三個單元。分別來看：（1）MCU 實際就是將 CPU、RAM、ROM、定時器和輸入輸出 I/O 引腳集成在一顆芯片之上，其中 CPU 為核心運算單元。同時，由于 CPU 遵循馮諾依曼架構(gòu)（存儲程序并順序執(zhí)行），因而在 SoC 主要對應(yīng)控制單元，主要負(fù)責(zé)自動駕駛規(guī)化、控制及決策算法。（2）GPU 從物理結(jié)構(gòu)上與CPU 有本質(zhì)的不同，ALU 計算單元占比更大，因此更適合并行計算（也即將計算任務(wù)分割 成若干子任務(wù)，可在同一時間或空間內(nèi)

10、完成多個子任務(wù)運算，從而快速完成該項計算任務(wù)； 與之相對應(yīng)的是 CPU 擅長的串行計算），主要負(fù)責(zé)完成圖像感知、SLAM 構(gòu)圖等算法。（3） XPU 指針對于某特定領(lǐng)域的計算所開發(fā)的一類專用芯片（或稱為加速器）。當(dāng)其運用在自動 駕駛領(lǐng)域時，可根據(jù)芯片架構(gòu)設(shè)計思路的不同，分為谷歌專門為加速深層神經(jīng)網(wǎng)絡(luò)運算能力 而研發(fā)的 TPU、寒武紀(jì)等公司專門為加速神經(jīng)網(wǎng)絡(luò)模型的 NPU、地平線基于自研貝葉斯架 構(gòu)而研發(fā)的 BPU 等。（4）DSP 和 ISP 是在模擬信號變換成數(shù)字信號以后進(jìn)行高速實時處理 的專用芯片，其中 DSP 擅長聲音領(lǐng)域加速；ISP 擅長圖像領(lǐng)域加速，其主要功能包括 AE（自 動曝光）

11、、AF（自動對焦）、AWB（自動白平衡）、去除圖像噪聲等，通過 ISP 可以得到更好 的圖像效果。我們以英偉達(dá) Orin 為例，進(jìn)一步說明當(dāng)前車載主控芯片結(jié)構(gòu)。Orin SoC 集成了 GPU、CPU、 深度學(xué)習(xí)加速器 DLA、視覺加速器 PVA、視頻編解碼器、ISP 等，同時引入了車規(guī)級的安全 島 Safety Island 設(shè)計。其中，GPU 對應(yīng)運算單元、CPU 對應(yīng)控制單元、ACCEL 對應(yīng)加速 單元。GPU 采用英偉達(dá)自研的 Ampere 架構(gòu)，其中包含 2048 個 CUDA Core 和 64 個 Tensor Core，是提供算力的核心硬件單元。CPU 采用 ARM Corte

12、x-A78 架構(gòu)，合計包含 12 個 CPU 內(nèi)核，最大 CPU 頻率達(dá)到了 2.2GHz。DLA 全稱為 Deep Learning Accelerator，顧名思義 即用于加速在自動駕駛領(lǐng)域中常用的卷積神經(jīng)網(wǎng)絡(luò)模型（CNN），其設(shè)計原理也完全依照于卷積神經(jīng)網(wǎng)絡(luò)模型的運算原理，也即對乘和累加運算單元的堆砌，但有效提高了整體運算效 率，釋放了 GPU 來運行用戶所執(zhí)行的更復(fù)雜的網(wǎng)絡(luò)和動態(tài)任務(wù)。PVA 則主要負(fù)責(zé)對視覺相 關(guān)算法加速，尤其針對濾波、扭曲、圖形三角生成、特征檢測、FFT 等矢量運算，具體應(yīng)用 主要是立體雙目、特征檢測器、特征追蹤、目標(biāo)追蹤。2. 控制器軟件從強耦合邁向 SOA 軟件

13、架構(gòu)軟件在智能車全生命周期過程中地位越來越重要，涵蓋定義、開發(fā)、驗證、銷售、服務(wù)所有 環(huán)節(jié)，同時當(dāng)硬件配臵逐漸趨同時，軟件算法將成為各主機廠間追求差異化的戰(zhàn)略要塞。軟 件定義汽車”的概念最早于 2007 年 4 月份的 IEEE 會議論文中被提出，而后于 2016 年被百 度自動駕駛事業(yè)部總經(jīng)理再次提及，隨之這一概念開始在產(chǎn)業(yè)界廣為流傳，并已逐步成為產(chǎn) 業(yè)界對于智能汽車演進(jìn)方向的共識。可以看到，在智能汽車的全生命周期中，定義、開發(fā)、 驗證、銷售、服務(wù)每個環(huán)節(jié)中軟件的地位均越來越重。當(dāng)硬件配臵競賽達(dá)到白熱化階段時， 軟件層面的競爭則更能體現(xiàn)差異化競爭力。同時，軟件的邊際開發(fā)成本更低，更易滿足用戶

14、 千人千面的需求，且完善的軟件生態(tài)亦可為整車廠樹立更加牢固的護(hù)城河、打造更為差異化 的品牌特征，從而反向推動新車的銷量。根據(jù) McKinsey analysis 數(shù)據(jù)預(yù)計，2030 年全球車 載軟件市場規(guī)模將有望達(dá)到 500 億美元。為實現(xiàn)真正的軟件定義汽車，智能汽車軟件架構(gòu)向 SOA 轉(zhuǎn)型升級，提升軟件開發(fā)效率、降 低邊際開發(fā)成本、實現(xiàn)軟硬件松耦 合。如果說集中化的 E/E 架構(gòu)是實現(xiàn)軟件定義汽車的硬件基礎(chǔ)，那 SOA 架構(gòu)則是實現(xiàn)軟件定義汽車的軟件基礎(chǔ)。在傳統(tǒng)的整車功能開發(fā)中，開發(fā)過程基于總線信號，將每個功能都部 署在具體的 ECU 中，這個 ECU 是軟硬一體的黑盒子交付，如果要新增或升

15、級某項功能，除 了要修改與該信號相關(guān)的所有 ECU 軟件外，還需要對總線的網(wǎng)關(guān)配臵、節(jié)點的數(shù)量等進(jìn)行 修改。而在 SOA 架構(gòu)下，本質(zhì)上是將本質(zhì)上是將整車的功能分解為多個微服務(wù)（例如語音 功能服務(wù)、導(dǎo)航功能服務(wù)、藍(lán)牙功能服務(wù)等），其中每個微服務(wù)都可視為一個高內(nèi)聚、低耦 合、相互獨立的軟件模塊，并且對外提供標(biāo)準(zhǔn)化服務(wù)的接口（不依賴于硬件平臺）。對于后 期進(jìn)行功能開發(fā)工程師而言，僅需要簡單的調(diào)用這些標(biāo)準(zhǔn)服務(wù)接口并有序的排列組合，即可 便捷的持續(xù)開發(fā)新應(yīng)用、并一定程度上實現(xiàn)對軟件功能的復(fù)用，降低邊際開發(fā)成本。我們以疲勞駕駛檢測和人車共舞兩個功能的實現(xiàn)，來舉例說明 SOA架構(gòu)下應(yīng)用的開發(fā)原理。 如前文

16、所述，SOA 軟件架構(gòu)下將整車功能分解為若干微服務(wù)模塊。而每個服務(wù)模塊包含三大 要素：（1）所需調(diào)用的具體設(shè)備或網(wǎng)絡(luò)；（2）可實現(xiàn)的某類功能；（3）可輸出的數(shù)值或狀態(tài)。 例如對于單一的 DMS 服務(wù)模塊而言，所對應(yīng)的三大要素就是座艙內(nèi)視攝像頭、檢測駕駛員 面部、駕駛員疲勞狀態(tài)。而當(dāng)我們要開發(fā)一個完整的疲勞檢測功能時，則需要將 DMS、導(dǎo) 航、音樂播放等微服務(wù)模塊通過邏輯組合關(guān)系構(gòu)建為一個疲勞檢測功能。類似的，當(dāng)我們要 推送人車共舞功能時，則需要調(diào)用攝像頭、音樂微服務(wù)等，僅需要參考各類微服務(wù)所包含的 要素，并按一定邏輯組合即可實現(xiàn)該功能。進(jìn)一步來看，若分層拆解 SOA 軟件架構(gòu)，自下而上可分為四

17、大層級，相對應(yīng)的技術(shù)壁壘依 次降低、但價值量依次遞增。（1）系統(tǒng)內(nèi)核、虛擬機：該層級在開發(fā)時與整車的產(chǎn)品定義以及所采用的硬件平臺均無關(guān)， 為所有汽車軟件架構(gòu)中最為基礎(chǔ)以及必不可少的部分。其中，系統(tǒng)內(nèi)核是軟件架構(gòu)中直接且 唯一可對接硬件資源的部分，具備調(diào)度硬件的作用。而虛擬機（或稱為虛擬化平臺）的主要 作用為將有限的硬件資源進(jìn)行抽象化并按需求再次分配，例如座艙內(nèi)“一芯多屏”的實現(xiàn)即 依賴于虛擬機將單顆芯片的硬件資源劃分為兩個區(qū)域，以便不同安全功能等級的操作系統(tǒng)運 行（中控往往采用安全功能等級較低的安卓系統(tǒng)、儀表則需采用安全功能等級較高的 QNX 系統(tǒng)等）。目前可自研系統(tǒng)內(nèi)核的廠商僅有特斯拉、華為

18、、QNX 等；而虛擬機技術(shù)則多由內(nèi) 核供應(yīng)商或芯片廠商提供。（2）中間件：該層級在開發(fā)時需考慮整車的產(chǎn)品定義以及所采用的硬件平臺，但與該車型 智能駕駛功能水平無關(guān)。中間件泛指一類提供系統(tǒng)軟件和應(yīng)用軟件之間連接、便于軟件各部 件之間溝通的軟件，是實現(xiàn)軟硬件解耦、構(gòu)建 SOA 軟件架構(gòu)的核心環(huán)節(jié)。通過對底層軟件 模塊的封裝和接口標(biāo)準(zhǔn)化（也即上文所提到的將整車功能分解為若干個微服務(wù)），可以將硬 件功能抽象化并將其通過標(biāo)準(zhǔn)化接口提供給上層軟件開發(fā)者，實現(xiàn)軟硬件分離。同時推動跨 平臺開發(fā)，減少設(shè)計的復(fù)雜性，從而消除了多次重新開發(fā)相同軟件的問題。（3）功能軟件及算法模塊：該層級與整車產(chǎn)品定義、硬件平臺、智能駕駛功能水平均有關(guān)，但與具體要實現(xiàn)某項智能駕駛功能無關(guān)。該層級也可以理解為一類中間件，只不過是特定針 對于自動駕駛領(lǐng)域的一類，例如感知算法、SLAM 建模算法、控制算法等。由于智能駕駛涵 蓋多種跨行業(yè)技術(shù)，單一廠商很難在系統(tǒng)軟件之上完成端到端的設(shè)計，因此只有實現(xiàn)功能軟 件化、模塊化、標(biāo)準(zhǔn)化，使得產(chǎn)業(yè)鏈各方力量各抒己長（例