汽車行業(yè)正經(jīng)歷史上最具變革性的歷程。在15年前，自動(dòng)駕駛汽車只是一個(gè)幻想，電動(dòng)汽車并不被人們所看好，汽車安全技術(shù)聚焦事故后的保護(hù)措施，而非主動(dòng)預(yù)防碰撞。如今，自動(dòng)駕駛出行服務(wù)在美國(guó)和中國(guó)的一些主要城市已面向公眾試運(yùn)營(yíng)，電動(dòng)汽車在全球范圍內(nèi)也成為了許多人的主流選擇，同時(shí)未來的汽車安全將是預(yù)防性的。本文探討了引領(lǐng)未來汽車發(fā)展的三個(gè)關(guān)鍵：傳感器、軟件和安全。

第一大要素：傳感器

雷達(dá)、攝像頭和激光雷達(dá)構(gòu)成了自動(dòng)駕駛系統(tǒng)的三大核心傳感器。這三者都隨著汽車行業(yè)的發(fā)展而不斷進(jìn)步——激光雷達(dá)的價(jià)格正降到整車廠可接受的水平，雷達(dá)的性能和實(shí)用性在不斷提升，高分辨率攝像頭技術(shù)也被用于自動(dòng)駕駛系統(tǒng)中。

也許雷達(dá)是這三個(gè)傳感器類別中最有趣的一個(gè)。雷達(dá)自本世紀(jì)初引入汽車以來，已經(jīng)取得了長(zhǎng)足的進(jìn)步。最初，車載雷達(dá)只能探測(cè)前方車輛的距離，其優(yōu)點(diǎn)主要體現(xiàn)在它能在任何天氣狀況下工作——無論是雪、雨、霧還是沙塵暴，車載雷達(dá)都不在話下。然而，對(duì)于完全自動(dòng)駕駛汽車而言，雷達(dá)的分辨率還遠(yuǎn)遠(yuǎn)不夠。

近年來，半導(dǎo)體技術(shù)的進(jìn)步和自動(dòng)駕駛行業(yè)的新興需求，在不斷推動(dòng)車載雷達(dá)的分辨率的提升。雷達(dá)發(fā)射器和接收器通道(Tx × Rx)也經(jīng)歷了從1×2到3×4的增長(zhǎng)，隨后發(fā)展到Tier 1(一級(jí)供應(yīng)商)的12×16陣列和初創(chuàng)公司的48×48陣列。這些具有多個(gè)發(fā)射和接收通道的大型天線陣列提高了現(xiàn)代雷達(dá)的分辨率。

發(fā)射和接收通道正如相機(jī)上的像素：僅增加像素并不一定能制造出成像效果更好的相機(jī)。早在2013年，諾基亞Lumia 1020就配備了4,100萬像素的攝像頭，而2022年發(fā)布的iPhone 14仍在使用1,200萬像素的傳感器。這主要是因?yàn)槭謾C(jī)相機(jī)的成像效果不僅取決于像素?cái)?shù)量，還取決于靈敏度、動(dòng)態(tài)范圍和后期處理軟件等因素。

同樣地，雷達(dá)性能也不只由發(fā)射器和接收器來衡量。目前，雷達(dá)性能的一個(gè)關(guān)鍵指標(biāo)是動(dòng)態(tài)范圍，即雷達(dá)同時(shí)檢測(cè)高反射率物體和低反射率物體的能力。舉例來說，當(dāng)一個(gè)小孩站在一輛汽車旁邊時(shí)，汽車的反射強(qiáng)度遠(yuǎn)高于小孩，雷達(dá)檢測(cè)小孩的難度就如同在陽光直射下捕捉一粒米的影像。孩子的反射信號(hào)很可能會(huì)在雷達(dá)接收到的噪聲中消失不見。

隨著半導(dǎo)體技術(shù)和雷達(dá)設(shè)計(jì)領(lǐng)域的持續(xù)進(jìn)步，雷達(dá)的動(dòng)態(tài)范圍得到了顯著擴(kuò)展。在CES 2024上，Mobileye公司展出了一款先進(jìn)的雷達(dá)系統(tǒng)，它能夠在240米的距離內(nèi)，成功探測(cè)到靠近金屬欄桿的木質(zhì)托盤。

數(shù)據(jù)處理是提升雷達(dá)性能的另一關(guān)鍵領(lǐng)域。目前，行業(yè)已經(jīng)開始采用“4D成像雷達(dá)”這一術(shù)語，它涵蓋了方位角(水平角度)、俯仰角(垂直角度)、距離和相對(duì)速度這四個(gè)維度。除此之外，雷達(dá)的性能還能通過另一個(gè)維度得到增強(qiáng)：反射強(qiáng)度。通過分析反射信號(hào)的強(qiáng)度，雷達(dá)能夠區(qū)分金屬物體(具有高反射率)和有機(jī)物質(zhì)(具有低反射率)。這種區(qū)分能力使雷達(dá)成為一種更為全面的傳感器，它不僅能在各種天氣條件下低成本運(yùn)行，還能提供精確的距離和速度測(cè)量，并最終實(shí)現(xiàn)目標(biāo)的準(zhǔn)確分類。

目前，研究人員正在積極探索強(qiáng)度檢測(cè)技術(shù)，預(yù)計(jì)不久的將來，這項(xiàng)技術(shù)將被集成到雷達(dá)系統(tǒng)中，或者應(yīng)用于汽車的中央自動(dòng)駕駛和傳感器融合計(jì)算平臺(tái)，進(jìn)一步提升雷達(dá)的效用和智能車輛的安全性能。

過去，雷達(dá)系統(tǒng)通常在本地處理其收集的數(shù)據(jù)。對(duì)于自動(dòng)緊急制動(dòng)這類功能來說，這種處理方式是合理的，因?yàn)槔走_(dá)僅需識(shí)別前方是否有靜止物體，并發(fā)出相應(yīng)的信號(hào)以激活制動(dòng)系統(tǒng)。

然而，車載雷達(dá)產(chǎn)生的數(shù)據(jù)量是巨大的。為了充分利用這些數(shù)據(jù)，一些初創(chuàng)公司，如Zendar和Zadar Labs，正尋求在更強(qiáng)大的中央計(jì)算機(jī)上進(jìn)行數(shù)據(jù)處理。這些中央計(jì)算機(jī)不僅能夠處理雷達(dá)數(shù)據(jù)，還能同時(shí)接收和分析來自多個(gè)攝像頭的高分辨率視頻流、激光雷達(dá)數(shù)據(jù)等，從而實(shí)現(xiàn)更全面的車輛環(huán)境感知。

為應(yīng)對(duì)日益增長(zhǎng)的數(shù)據(jù)處理需求，行業(yè)正采用更先進(jìn)的半導(dǎo)體技術(shù)和更強(qiáng)大的系統(tǒng)級(jí)芯片(SoC)。英偉達(dá)計(jì)劃在2025年推出的智能汽車芯片Thor，便是這一發(fā)展趨勢(shì)的杰出代表。Thor芯片基于臺(tái)積電的4納米工藝，具備高達(dá)2,000TOPS的處理能力，其性能可與高端游戲PC中的處理器相媲美，遠(yuǎn)超當(dāng)前大多數(shù)汽車所使用的芯片。

隨著ChatGPT等人工智能技術(shù)的興起，以及軟件定義汽車(SDV)概念的普及，現(xiàn)代高端電動(dòng)汽車正逐漸演變成為高度智能化的計(jì)算平臺(tái)。這些車輛將不僅僅是傳統(tǒng)的交通工具，它們將集成更多類似于計(jì)算機(jī)的功能，與20年前的普通汽車形成鮮明對(duì)比。

第二大要素：軟件

馬力的普及化正在改變汽車市場(chǎng)。相較于內(nèi)燃機(jī)(ICE)車輛，將電動(dòng)汽車(EV)的電動(dòng)機(jī)功率提升至兩到三倍，成本要低得多。曾經(jīng)只有超級(jí)跑車才能達(dá)到的性能水平，現(xiàn)在可以在不到5萬美元的電動(dòng)汽車中實(shí)現(xiàn)。此外，電動(dòng)汽車缺少內(nèi)燃機(jī)車輛的一些獨(dú)特特性，例如渦輪遲滯和獨(dú)特的排氣聲音，大多數(shù)電動(dòng)汽車甚至只配備一個(gè)檔位。簡(jiǎn)言之，未來汽車的競(jìng)爭(zhēng)將不再僅僅基于性能，而是越來越多地依賴于軟件技術(shù)。

軟件定義的車輛、連通性和自動(dòng)駕駛技術(shù)，為實(shí)現(xiàn)極致的安全提供了新的可能性。盡管最先進(jìn)的傳感器在功能上具有顯著優(yōu)勢(shì)，它們?nèi)匀淮嬖诰窒扌?，比如無法探測(cè)到視線之外的物體，例如拐角或建筑物后面的情況。無論汽車裝備了多少雷達(dá)、激光雷達(dá)(LiDAR)或攝像頭，它們都無法預(yù)見鄰近街道上可能違反交通信號(hào)燈的超速車輛。然而，聯(lián)網(wǎng)車輛技術(shù)能夠克服這一挑戰(zhàn)。

互聯(lián)性和先進(jìn)的軟件為實(shí)現(xiàn)集體感知鋪平了道路，使得汽車與交通基礎(chǔ)設(shè)施能夠共享對(duì)周圍環(huán)境的洞察。這種共享機(jī)制賦予了聯(lián)網(wǎng)汽車一種超越傳統(tǒng)傳感器局限的能力，它們能夠?qū)崟r(shí)獲取并響應(yīng)周圍道路上所有行人、騎行者和其他車輛的位置與動(dòng)向，即便是那些不在直接視線之內(nèi)的。通過將這種集體感知能力與負(fù)責(zé)任的自動(dòng)駕駛技術(shù)相結(jié)合，我們可以設(shè)想一個(gè)場(chǎng)景：全國(guó)范圍的汽車都裝備了這種系統(tǒng)，它們能夠極大地減少甚至消除交通事故。

當(dāng)然，實(shí)現(xiàn)這一愿景還有很長(zhǎng)的路要走。目前，自動(dòng)駕駛技術(shù)仍處于早期發(fā)展階段，而集體感知技術(shù)主要還停留在學(xué)術(shù)研究層面。盡管如此，自動(dòng)駕駛汽車已經(jīng)展現(xiàn)出其潛在的安全優(yōu)勢(shì)。

得益于車輛互聯(lián)性的增強(qiáng)、車載硬件性能的提升，以及全球消費(fèi)者對(duì)訂閱服務(wù)模式日益增長(zhǎng)的偏好，預(yù)計(jì)在2023年至2034年期間，軟件定義車輛市場(chǎng)的規(guī)模將實(shí)現(xiàn)顯著增長(zhǎng)。根據(jù)IDTechEx的數(shù)據(jù)，市場(chǎng)規(guī)模將從270億美元增長(zhǎng)至7,000億美元，反映出這一時(shí)期內(nèi)34%的復(fù)合年增長(zhǎng)率(CAGR)。

第三大要素：安全

在2023年10月，加利福尼亞州機(jī)動(dòng)車輛管理局(DMV)撤銷了Cruise公司的無人駕駛測(cè)試許可證，禁止其在該州公共道路上繼續(xù)運(yùn)營(yíng)無人駕駛出租車項(xiàng)目和測(cè)試車輛。官方聲明的原因是Cruise對(duì)技術(shù)的安全性進(jìn)行了“誤導(dǎo)性”的描述。這一事件以及其他類似事件表明，自動(dòng)駕駛汽車的安全聲明持續(xù)受到公眾和監(jiān)管機(jī)構(gòu)的嚴(yán)格審查。

這些事件強(qiáng)調(diào)了自動(dòng)駕駛汽車行業(yè)在安全和透明度方面的責(zé)任。公眾監(jiān)督的目的是為了推動(dòng)技術(shù)的改進(jìn)和提升，確保自動(dòng)駕駛汽車在推向市場(chǎng)前能夠達(dá)到預(yù)期的安全標(biāo)準(zhǔn)。這種監(jiān)督并不是為了否定自動(dòng)駕駛汽車或質(zhì)疑其潛在的安全性，而是為了促進(jìn)其健康發(fā)展，通過持續(xù)的評(píng)估和反饋來優(yōu)化技術(shù)。

與涉及人類駕駛員的交通事故不同，自動(dòng)駕駛汽車可以從單一碰撞事故中收集數(shù)據(jù)，并通過空中下載軟件更新(OTA)迅速將所學(xué)應(yīng)用到整個(gè)車隊(duì)的改進(jìn)之中。這意味著，一旦發(fā)生碰撞，所獲得的數(shù)據(jù)可以用來更新所有車輛的系統(tǒng)，以避免類似事件再次發(fā)生。這種能力遠(yuǎn)遠(yuǎn)超出了人類駕駛員的范疇，因?yàn)槿祟愸{駛員無法將個(gè)人經(jīng)驗(yàn)直接傳遞給其他駕駛員或車輛。

從各項(xiàng)指標(biāo)來看，自動(dòng)駕駛汽車的安全性正在不斷提升。加利福尼亞州的統(tǒng)計(jì)數(shù)據(jù)為這一趨勢(shì)提供了有力證據(jù)。回顧2015年，即該州首次記錄自動(dòng)駕駛汽車數(shù)據(jù)時(shí)，這些車輛在沒有安全駕駛員干預(yù)的情況下幾乎無法行駛1,000英里。然而，到了2023年，Cruise公司報(bào)告稱，其自動(dòng)駕駛汽車在沒有干預(yù)的情況下行駛了57.6萬英里，且未發(fā)生任何事故。相比之下，IDTechEx的估計(jì)顯示，美國(guó)人類駕駛員大約每行駛5萬英里就會(huì)遭遇一次碰撞事故，在像舊金山這樣的城市環(huán)境中，這一頻率可能更高。

這些數(shù)據(jù)表明，在某些情況下，自動(dòng)駕駛汽車的安全性可能已經(jīng)超越了人類駕駛員。盡管如此，自動(dòng)駕駛技術(shù)仍在不斷發(fā)展之中，行業(yè)仍在努力提高其性能，以確保在更廣泛的條件下實(shí)現(xiàn)安全可靠的行駛。

另一方面，對(duì)無人駕駛自動(dòng)駕駛汽車的數(shù)據(jù)分析顯示，Waymo的無人駕駛汽車平均每行駛5.2萬英里就會(huì)發(fā)生一次碰撞事故，而Cruise的表現(xiàn)略好，每行駛6.3萬英里才會(huì)發(fā)生碰撞。這表明它們的碰撞率大約是舊金山地區(qū)普通駕駛員的兩倍。然而，這一數(shù)據(jù)并不完整。在涉及Cruise無人駕駛汽車的33起碰撞事故中，只有6起可以歸因于自動(dòng)駕駛系統(tǒng)本身，這意味著系統(tǒng)平均每行駛34.4萬英里才會(huì)引發(fā)一次事故。對(duì)于Waymo而言，其自動(dòng)駕駛系統(tǒng)大約涉及5起碰撞事故，相當(dāng)于每23.8萬英里發(fā)生一次。根據(jù)這些更細(xì)致的標(biāo)準(zhǔn)來看，自動(dòng)駕駛汽車在某些情況下的安全性再次顯示出可能超越了普通人類駕駛員。

另一個(gè)衡量自動(dòng)駕駛汽車安全性的重要指標(biāo)是它們?cè)谥旅蛧?yán)重傷害事故中的發(fā)生率，這一比率通常低于人類駕駛員的相應(yīng)比率。

然而，討論自動(dòng)駕駛汽車安全性時(shí)，存在一個(gè)框架性問題，即如何定義“平均水平”的人類駕駛員。駕駛員的技能和行為差異很大，從那些經(jīng)常超速、分心駕駛的人，到那些極為謹(jǐn)慎、從未發(fā)生過事故的駕駛員，以及所有介于兩者之間的人。這就引出了一個(gè)問題：自動(dòng)駕駛汽車應(yīng)該與哪一類人類駕駛員進(jìn)行比較？

如果自動(dòng)駕駛汽車比90%的人類駕駛員更安全，這是否意味著它們已經(jīng)足夠安全？或者，我們是否期望它們比所有人類駕駛員都更安全？但“所有”人類駕駛員的安全標(biāo)準(zhǔn)又該如何界定？例如，一個(gè)剛拿到駕照、從未發(fā)生過事故的17歲青少年，盡管經(jīng)驗(yàn)不足，但他的事故記錄在統(tǒng)計(jì)上可能看起來比經(jīng)驗(yàn)豐富的駕駛員更好，因?yàn)樗男旭偫锍踢€很少。

然而，衡量人類駕駛安全的真正挑戰(zhàn)在于，并非所有事故都得到報(bào)告，且許多潛在危險(xiǎn)事件并未轉(zhuǎn)化為實(shí)際碰撞。盡管通過監(jiān)控碰撞、傷害和死亡的比率，汽車行業(yè)能夠?qū)σ话泷{駛安全水平有所了解，但目前的數(shù)據(jù)收集和分析手段還不足以全面捕捉人類駕駛行為的復(fù)雜性，與評(píng)估自動(dòng)駕駛汽車的安全性相比，人類駕駛的安全評(píng)估還不夠深入和全面。

確立自動(dòng)駕駛汽車超越一般人類駕駛員的安全性，需要依賴數(shù)據(jù)和定量分析。目前，評(píng)估自動(dòng)駕駛汽車的安全性通?；谄浔苊饨嚯x碰撞的能力。然而，要全面證明它們比所有人類駕駛員都安全，我們需要采用更廣泛的評(píng)估標(biāo)準(zhǔn)。

除了碰撞避免，其他關(guān)鍵指標(biāo)也應(yīng)納入考量，包括：

• 駕駛員闖紅燈的頻率。

• 跟車距離過近的頻率。

• 違反交通規(guī)則的頻率。

• 超速行駛的頻率。

通過綜合這些指標(biāo)，我們能更全面地評(píng)估人類駕駛員的安全表現(xiàn)，并與自動(dòng)駕駛汽車進(jìn)行有效比較。這不僅有助于展示自動(dòng)駕駛汽車的潛在優(yōu)勢(shì)，也為行業(yè)提供了一個(gè)更精確的基準(zhǔn)，以推動(dòng)技術(shù)進(jìn)步和提高道路安全。

汽車行業(yè)正處于一個(gè)充滿激動(dòng)人心的創(chuàng)新時(shí)代，特別是在傳感器技術(shù)、軟件開發(fā)和安全性能方面。近年來，自動(dòng)駕駛汽車的興起標(biāo)志著一個(gè)歷史性的轉(zhuǎn)折點(diǎn)。展望未來，一百年后，今天的自動(dòng)駕駛汽車和無人駕駛出租車可能會(huì)作為汽車行業(yè)邁向無懈可擊的道路安全之路的重要里程碑，被珍藏在博物館中，展示給后人。

本文翻譯自《國(guó)際電子商情》姊妹平臺(tái)EETimes Europe，原文標(biāo)題：The Autonomous Car Industry in 2024: Sensors, Software and Safety