“全球领袖”鲁冠球走了，逝者已矣，造车梦不灭。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。下面以一张全景图来浅析无人驾驶产业链。

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。参考上面一张图，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。

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、。

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。

（自动驾驶产业链结构图）

下面，本文将会对产业链上的各个部分进行单独剖析。

感知层

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，主要由摄像头、激光雷达、毫米波雷达、超声波雷达等多种方式共同组成。

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。

目前，激光雷达的生产厂商集中在国外，包括美国Velodyne公司、Quanegy公司以及德国的Ibeo公司等， 目前造价都比较高，一是因为激光雷达属于高精密仪器，另外一个因素是激光雷达单一型号需求量小，量产困难。激光雷达的高昂造价导致自动驾驶团队选择型号的时候会有所顾虑，如Volvo高端自动驾驶汽车XC90也只在前面放了一个一线。这块目前比较火的是Quenergy，打算直接做固态激光雷达， 国内激光雷达初创公司也在尽力追赶。

激光雷达的穿透距离远，高性能激光雷达可以实现200米范围内，精度高达厘米级的3D场景扫描重现，从而帮助自动驾驶系统实现提前行驶路线规划。

目前来看，多线激光雷达很有可能是未来无人车的必备传感器，并且与高精度地图及驾驶系统核心算法紧密相关。目前，多线激光雷达还没有针对车规级的成熟量产方案，机械旋转式多线激光雷达虽然已在普遍应用，但体积较大且价格过于昂贵，更小型更低成本的纯固态激光雷达还未见到成熟产品。

除了激光雷达之外，近年来毫米波雷达和超声波雷达也逐渐成为自动驾驶汽车中，参与多传感器信息融合感知设备。其中，最为知名的例子就是特斯拉在其智能汽车中，完全没有使用激光雷达，而采用毫米波雷达+摄像头的方案，有多年渐进式的装车经验和规模。

另外，类似博世、Delphi、大陆三家智能辅助驾驶巨头供应商，也在毫米波雷达和超声波雷达这样成本较低传感器设备上，拥有比较深刻的技术积累和应用经验。

而在国内，像行易道这样的毫米波雷达厂商，也在积极进行技术开发，追赶国际巨头水平。

不过，归根结底，特斯拉还只是高级辅助驾驶系统（ADAS），而当操作主体，也就是责任主体向机器转移时，仅仅通过摄像头和毫米波雷达实现自动驾驶功能是不够的，激光雷达所带来的功能性安全冗余非常必要。

目前，通过摄像头进行拍摄，在进行图像和视频识别，确定车辆前方环境，是自动驾驶汽车的主要感知途径，这也是很多无人驾驶公司的主要研发内容之一。

不过，在这一方面，ADAS要先于无人驾驶汽车向市场推广，因此在数据收集反馈、工程化等方面，ADAS公司也处于领先地位。

国内双目ADAS公司中科慧眼CTO崔峰就表示，在未来无人驾驶汽车中，摄像头（双目）将成为重要的感知部分，中科慧眼未来努力的目标，也是为自动驾驶汽车，乃至各类出行机器人提供机器视觉方面的技术支持。摄像头供应商Mobileye是，因为是跟算法集成到一块的，Mobileye CTO特地在一次演讲中提到端到端学习。车载摄像头的供应商众多，比如Omni、PointGrey、大恒和微视，都是做通用摄像头很多年的公司。

双目摄像头基于视差原理，可以在数据量不足的情况下，测定车辆前方环境（树木、行人、车辆、坑洞等），并且获得准确的距离数据，用以提供给自动驾驶系统进行车辆控制。

而单目摄像头，主要基于机器学习原理，使用大量数据进行训练，进行环境识别。尽管需要大量数据支持，且在恶劣光线条件下的表现不如双目摄像头，但其相对便宜的价格以及成熟的技术也获得了一部分公司的青睐。

在单目ADAS领域，以色列公司Mobileye是世界最顶尖的企业，而中国公司与这样的国外巨头依然存在一定的差距。

目前，大多数踏入自动驾驶行业的初创公司，可以看作算法集成层面的公司。他们利用高精度地图进行路线规划，采用新型计算平台，整合多传感器信息，开发相应的车辆控制算法对汽车进行行为控制。

单独做机器视觉算法集成的公司比较多，因为单独做机器视觉算法实验（简称实验）目标只是给出语义识别的结果，实验跟车辆控制没有关系，并不需要一辆可控车辆。实验相对容易，容易收集数据，容易看Demo效果，还容易通过KITTI车辆数据集跟同行比较。那么低门槛带来的问题就是市场红海，只能真刀真枪PK，拼算法准确性，拼跟车企的合作落地。从业比较资深的机器视觉算法集成的公司有中科慧眼、地平线、东软和Minieye等。

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。

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。

目前，自动驾驶执行相关的技术和部件产品将依然长期掌控在车企和大型Tier1手中。如博世、大陆、Delphi等传统的Tier1掌握的执行控制专利技术已经可以支撑到自动驾驶阶段，无论在性能还是价格上都有绝对的优势。

从Tire1供应商的角度来讲，作为Tire1供应商提供控制接口，还不如提供自动驾驶解决方案，当做未来布局。速度快者如博世（Bosch），依托其多年对EPS、ESP和ABS等系统的经营积累，通过开发iBooster等新技术，跟多家车企展开了自动驾驶系统的合作。国内由于多年无人车未来挑战赛的需求，也存在几个类似的团队，凭借跟车企和供应商的良好关系，集成一套行动层平台，这都算是个面向自动驾驶团队的Tire1吧。

由于电动汽车技术的快速革新，传统汽车制造业受到了冲击，此前发动机和变速箱等壁垒技术，逐渐被车辆电控、电动机、电池等技术取代。这种变革，让创业团队自己造车成为了可能。

因此，国内外众多电动汽车、互联网造车、智能汽车企业极有可能成为自动驾驶汽车行业的新贵。比较著名的如蔚来汽车、小鹏汽车、智车优行、乐视等自己造车，掌握平台。

智车优行CEO沈海寅曾表示，在智车优行未来战略规划中，自动驾驶是关键一环。目标是在三到四年内在一些局部路况下的全自动驾驶。

另一个是成为Tire1供应商本身，由于汽车工业发展本身的原因，国外的供应商分布很早就变成巨头格局，而国内则由于价格、技术迭代和适配等原因，许多国产供应商反而拿到了许多车企的合同得以生存，如此前新闻中提过跟奇瑞合作的亚太，以及源自清华和吉大汽车系的团队。总之，目前国内自动驾驶技术还是比较依赖车企或者供应商提供平台的，因此投资人想要知道团队技术水平如何，一方面是看Demo，另一方面或可通过行动层提供方来侧面了解。

目前，大多数踏入自动驾驶行业的初创公司，可以看作算法集成层面的公司。他们利用高精度地图进行路线规划，采用新型计算平台，整合多传感器信息，开发相应的车辆控制算法对汽车进行行为控制。

目前，自动驾驶技术公司的两级分化比较严重，一方面是看准时间和角度切入的初创企业，另一方面则是大型互联网科技巨头，如谷歌、百度、Uber等。此外，像博世这样，少量拥有相对完整的产业链结构的Tier1，也在踏足这一领域。

不过，这些进行无人驾驶汽车研发的公司，大多有更深的想法，它们并不把自己看做单纯的技术提供方，而是希望深入到运营中去。例如智行者希望能够首先在低速园区内进行无人驾驶运营，而图森互联则在一开始就瞄准了长途高速货运。Uber与其收购的Otto也将目光分别聚焦在了无人驾驶共享出行和长途货运上。

图森互联CEO陈默表示，相比于卖车，运营服务公司是更靠近产业链下游和利益链顶端的方式。

自动驾驶汽车的另一个特点，就是解放了我们在出行过程中的双手、眼睛和大脑，因此车内活动也有了更多的想象空间。驭势科技CEO吴甘沙曾在多次公开演讲中表示，未来，自动驾驶汽车很有可能成为新的商业场景，为人们提供出行时的观影、办公、餐饮服务。

与自动驾驶相对应的，是自动驾驶+共享经济的出行模式，C端用户消费的将不再是汽车，还是出行服务。

业内人士普遍认为，在自动驾驶时代，汽车利用率将直线上升而销量必定下降，车厂的选择，一是尽快寻求合作，进行技术开发，向自动驾驶领域转型；二则是沦为自动驾驶汽车的代工厂和供应商。

因此，大多数车厂更希望看到的是Lv4甚至以下等级的自动驾驶技术，而不是Lv5状态下的全路况无人驾驶汽车。

目前，包括福特、宝马、沃尔沃在内的整车厂商，也都在进行自动驾驶技术的研发。