金准数据人工智能驾驶产业报告.docxVIP

金准数据 人工智能驾驶产业报告 汽车无人驾驶行业蓝图已现，其产业链上下游已经出现支撑公司，并在逐渐走向成熟。 一、基本概念 1、人工智能驾驶层次 通常来讲，自动驾驶技术可以划分为三个层次，感知-认知（计算平台、算法集成）-行动（车辆控制），然后不断循环。参考下面这张图，其中行动层包括转向、油门和制动三大控制器（以及执行机构）。 感知部分包括两方面，感知环境的激光雷达、毫米波雷达、摄像头、组合导航设备，感知车辆自身的包括轮速计和三大控制器的反馈量；而认知部分，包括决策和规划，是通常意义上的人工智能所在。 感知层主要可以分为传感器本身和识别算法两部分。自动驾驶汽车的传感器部分。由于各种感知方式在不同环境、不同距离、不同作用上各有所长，因此采用多传感器信息融合的方式有利于保证全方位信息的收集，进而使计算机做出更加精准的判断和规划。 2、自动驾驶分级标准 关于自动驾驶的分级，主要有SAE（美国机动车工程师学会）标准和NHTSA（国家公路交通安全管理局）两个标准；目前，前者受到大多数业内人士的认可，它从Lv0-Lv5将自动驾驶依据控制方式和适用环境分为了6个等级。 自动驾驶行业的最终目标，必然是实现真正的无人驾驶（Lv5），而实现的方式主要分为两种思路：①从Lv0逐步过渡到Lv5，通过整合集成ADAS中的控制功能，实现真正的无人驾驶②直接从Lv0跨度到Lv4，在特定的垂直领域和相对封闭的环境中推进无人驾驶，再向Lv5，也就是全环境全路况的无人驾驶普及。 根据SAE分级，不难看出，从Lv4开始，真正的控制者由人开始转为自动驾驶系统，责任主体也随之转移。因此，在设计研发之初，ADAS之中的辅助驾驶功能就与无人驾驶的目的不同，尤其在经历Lv3、Lv4这两个阶段是时，由于责任主体发生改变，因此在法律、舆论上面临着许多尚未可知的困难。 不过，ADAS的感知部分，以及不少辅助驾驶功能，例如自动巡航、自动泊车、前车碰撞紧急制动等，都可以在无人驾驶汽车当中得到应用，因此，也为无人驾驶的最终实现贡献了不小的力量。 3、产业时钟 Gartner2017年新兴技术曲线上，自动驾驶处于期望膨胀期顶端位置，整个技术产业成熟还需要10年时间。 以谷歌为例，从2009年开始研发无人车，短短8年时间，全球自动驾驶创业火爆异常。2009年，谷歌举办了一个名为“GooCamp”的技术交流活动；2010年，美国法律界人士认识到，自动驾驶汽车在路面上行驶，必然会对已有的公路交通法规、保险体系等带来新的挑战。 2012年5月，谷歌自动驾驶汽车正式获得了美国内华达州车辆管理局颁发的执照。2014年，在人工智能大发展的时代里，谷歌在自动驾驶领域最早投入研发力量，最早获得技术突破，在过去的数年间完成了累计里程最长的高级别无人驾驶道路测试。2016年12月，谷歌宣布自动驾驶团队正式分离出来，成立了一家名叫Waymo的新公司。 二、产业政策 自动驾驶的发展要求考虑如何制定相关的产业政策，包括技术路线、行业标准、安全规范、交通执法、保险责任等各个层面。目前各国及地区的相关法律法规对于自动驾驶汽车上路试验及随后的大规模推广还存在着各种障碍，自动驾驶对中国汽车行业的发展带来了新的挑战和机遇，提前判定可能发生的问题，尽早进行立法的预案工作，有助于整个产业的发展。 国内目前自动驾驶相关的产业政策： 三、产业发展技术基础 人工智能技术的发展奠定了自动驾驶很好的发展基础，同时，通信、算力、传感器、汽车工业的发展也十分重要，当然也需要大量的钞票。 1、计算平台 系统的计算量、数据流都非常大，同时又需要较快的反应速度，因此就需要匹配合适效能的计算资源，保证计算工作的正常运行。 自从吴恩达发现GPU非常适合进行深度神经网络训练以来，英伟达就在这一次的人工智能浪潮之中大发了一笔横财。目前，据不完全统计，全球已有超过1500家人工智能初创公司使用英伟达的产品，其中还有不少自动驾驶技术公司。 在2017年CES上，英伟达发布了最新的车载计算平台“XAVIER”，其512个Volta CUDA核心可提供高达30TOPS的计算性能，并且功率只有30W，远远优于Drive PX2。 而在国内，人工智能创业圈子中声名赫赫的地平线机器人，也正在研发其基于FPGA架构的大脑引擎（BPU），而代号为“高斯”的计算构架IP预计在2017年底推出。 不过，综合来看，自动驾驶计算平台的争夺战依然主要在国际巨头之间展开，除了英伟达之外、英特尔、微软、高通、Mobileye、Ceva、恩智浦、德州仪器等芯片、IP、ADAS供应商，都正在瞄准这一领域发力，未来的竞争激烈程度可见一斑。 2、车辆控制 自动驾驶汽车不仅仅是感知和算法，它还涉及到车辆控制、汽车动力学、汽车工程等诸多技术学科，同时需要汽车控制（刹车、转向、灯光、油门等）配件的支持