美国明星AI公司Wave Computing申请破产保护

4月19日,外文网站Semiwiki发表了一篇名为《Wave Computing and MIPS Wave Goodbye》的报道,文章提到,Wave Computing(以下简称“Wave”)倒闭在即,正在申请破产保护!瞬间引爆国内AI产业对Wave ...查看全部

4月19日,外文网站Semiwiki发表了一篇名为《Wave Computing and MIPS Wave Goodbye》的报道,文章提到,Wave Computing(以下简称“Wave”)倒闭在即,正在申请破产保护!瞬间引爆国内AI产业对Wave命运走向的纷纷猜测。 

美国明星AI公司Wave Computing申请破产保护,为中国AI芯敲响警钟

Wave于2008年在美国加利福尼亚坎贝尔成立,是全球知名的人工智能芯片创业公司,其使命是“通过可扩展的实时AI解决方案,从边缘到数据中心革新深度学习”,被誉为是全球最有前途的AI公司之一。

Wave创始团队中有不少人来自芯片IP公司MIPS,也许是基于这一历史的传承性,Wave于2018年6月正式收购全球4大CPU架构(ARM/MIPS/PowerPC以及X86)主导者之一的MIPS,引发了行业普遍看好Wave的发展前景。

市场认为,Wave的DPU为年轻架构,而MIPS则是成熟的计算方案,二者结合可给市场带来一个完整的计算架构。

但到了2019年9月初,随着Wave的一场CEO人事撤换,使得其客户、MIPS被许可方和“MIPS Open”社区开发人员对Wave信心大失,Wave内部正在发生改变,对MIPS难以割舍的人所剩无几。

与此同时,相比英伟达、Graphcore,Wave芯片的优势并没有得到很好的凸显,引发了前景担忧。

或许正是一连串的不如意,为 Wave今日申请破产保护埋下了祸根。根据Wave最新反馈,Wave申请破产保护并非是公司撑不下去了,而是寻求资产重组,目前也只是解雇部分员工,而非所有员工;其中中国区业务已全部关闭,40多位员工也裁撤得差不多,目前仅有几位员工在岗。

人工智能及AI芯片被认为是中美贸易摩擦升级的焦点,也被认为是中国在半导体、核心技术领域最能抵御美国制裁的关键手段。

虽然存在竞争关系,但Wave走到破产重组的地步,还是给中国同行兔死狐悲之感。

目前国内最为知名的本土AI芯片初创公司是寒武纪,该公司当前估值221.6亿元(约31.26亿美元)。

据其招股说明书显示,2017-2019年间,虽然营收在不断增长,但亏损的缺口也非常大,连续3年净利润分别为-3.8亿元、-4104万元和-11.79亿元;且研发投入还在持续加大,过去3年分别投入2986.19万元、24011.18万元和54304.54万元, 

寒武纪2017-2019年主要财务数据指标(来源:寒武纪招股说明书)

即便投入如此之大,但寒武纪推出的产品并不多,截至目前主要面向云、边、端三大场景研发了三种类型芯片,分别为终端智能处理器IP、云端智能芯片及加速卡、边缘智能芯片及加速卡,以及为这三个产品线所研发的统一基础系统软件平台。 

美国明星AI公司Wave Computing申请破产保护,为中国AI芯敲响警钟

寒武纪已开发主要产品(来源:寒武纪招股说明书)

不仅如此,华为的弃用也一定程度上影响了寒武纪在中国AI芯片市场的独享性,随着麒麟810处理器、麒麟990处理器的先后出现,华为与寒武纪的交集渐行渐远。

寒武纪IPO招股书的曝光,也透露了寒武纪并不如表面那般风光;拥有MIPS IP专利的Wave都按下了暂停键,给以寒武纪、比特大陆、华夏芯、智芯原动、平头哥等为代表的本土AI芯片创新公司敲响了警钟。

博客 自动驾驶小能手

LV5
2 天前
32

文远知行韩旭:为中国无人驾驶落地找到一条新思路

“作为一种更安全、高效的出行方式,无人驾驶能够带来的影响远远超出人们的想象。” ...查看全部

“作为一种更安全、高效的出行方式,无人驾驶能够带来的影响远远超出人们的想象。”

1587718743127950.jpg

创业以来,我经常被问到的一个问题是:“从学者到创业者,是否面临着巨大的转变?”在外界看来,我做出这个选择也许确实不太寻常。

我成长在一个教师家庭,校园里那种自由、充满探索的氛围是我从小就熟悉和向往的。

2007年,我获得美国伊利诺伊大学厄巴纳-香槟分校的计算机工程博士学位,此后成为密苏里大学的博士生导师、终身教授,研究计算机视觉和机器学习。待在学术界,教学、做科研,这是我理想的生活状态,也非常顺理成章。

但与此同时,一个无人驾驶的时代正在拉开帷幕。在我潜心学术研究的这几年,随着大数据、深度学习的崛起,无人驾驶技术发展突飞猛进,而我所研究的计算机视觉和机器学习,成为无人驾驶的核心技术。在这个让全世界都为之兴奋的新兴领域,学术界成为AI技术商业化的中坚力量,越来越多的学术精英投身其中。

2017年底,在无人驾驶创业大潮的召唤下,我放弃终身教职,创立无人驾驶出行公司文远知行WeRide,转身成为创业者。

作为一种更安全、高效的出行方式,无人驾驶能够带来的影响远远超出人们的想象:除了带来交通方式的变革,它还将颠覆人们的工作、生活方式,重塑城市图景,甚至改变整个地球的生态环境。

根据麦肯锡未来出行研究中心发布的报告显示,中国未来可能成为全球最大的自动驾驶市场。这里汇聚着大量的人工智能人才、孕育着积极开放的法律政策,是无人驾驶技术研发和应用落地的“黄金国度”。

如何落地无人驾驶并无先例可循。在技术上保持领先的同时,我很看重找到一种适合中国市场的、切实可行的无人驾驶商业模式。要推动智能出行市场,AI技术、造车势力、出行平台、政策扶持缺一不可,这项事业需要整个出行生态圈的协同合作。幸运的是,文远知行作为一家AI科技公司,已经得到了包括头部主机厂、国有出行公司等重要合作伙伴的投资和合作。我们全球总部落户广州,得到了当地政府在各个层面的大力支持。2019年8月,我们与白云出租集团、广州科学城集团成立了中国首个落地一线城市的自动驾驶运营合资公司——文远粤行。这是全球首次自动驾驶企业和传统出租车企业的合作,是真正的 AI 赋能传统行业,可以说为中国的无人驾驶落地找到了一条新思路。

合资公司成立后,我们迅速开展了自动驾驶出租车的试运营服务。2019年11月底,自动驾驶出租车驶上广州街头,在黄埔区、开发区近145平方公里的核心城市开放道路上,推出面向市民全开放的自动驾驶出行服务。最近,我们发布了中国第一份自动驾驶出租车运营报告:首月共完成了8396个出行订单,服务订单总里程达41140公里,零安全事故,每单平均服务里程为4.9公里,日均出行服务270.8次,共服务4683名用户。

首月运营成绩给了我们极大的信心。但2020年初,这场新冠肺炎疫情,却让我意识到了无人驾驶肩负着的另一份社会责任。

疫情之下,无人驾驶的优势与社会价值尤为凸显:不仅能够有效避免交叉感染,保证疫情下的交通运输能力,并且能24小时运转,在防疫、维持城市交通运输中起到重要作用。遗憾的是,尽管载物无人车在疫情下被激发,但仍在探索商业化落地的载人无人驾驶却暂时缺席。

尽管内心无比希望在这个非常时期无人驾驶汽车上路,为一线战疫人员的出行保驾护航,但我也非常清楚,载物的低速无人驾驶和载人的无人驾驶是两个不同垂直领域,从技术难度与政策监管上,后者都要满足更为严苛的标准。

技术迭代有其本身的规律和要求,不能急于求成,行驶安全是重中之重。经此一疫,我更加坚定了决心,向着真正的全无人驾驶进发,踏实研发、不懈怠、努力创新,提供更好的无人驾驶服务。本文原载于《人民日报海外版》(作者:韩 旭 文远知行创始人兼CEO)

博客 自动驾驶小能手

LV5
2 天前
25

芯片里面100多亿晶体管是如何实现的?看这几张图就明白了!

这是一个Top-down View 的SEM照片,可以非常清晰的看见CPU内部的层状结构,越往下线宽越窄,越靠近器件层。 ...查看全部

这是一个Top-down View 的SEM照片,可以非常清晰的看见CPU内部的层状结构,越往下线宽越窄,越靠近器件层。
这是CPU的截面视图,可以清晰的看到层状的CPU结构,芯片内部采用的是层级排列方式,这个CPU大概是有10层。其中最下层为器件层,即是MOSFET晶体管。
Mos管在芯片中放大可以看到像一个“讲台”的三维结构,晶体管是没有电感、电阻这些容易产生热量的器件的。最上面的一层是一个低电阻的电极,通过绝缘体与下面的平台隔开,它一般是采用了P型或N型的多晶硅用作栅极的原材料,下面的绝缘体就是二氧化硅。平台的两侧通过加入杂质就是源极和漏极,它们的位置可以互换,两者之间的距离就是沟道,就是这个距离决定了芯片的特性。
当然,芯片中的晶体管不仅仅只有Mos管这一种类,还有三栅极晶体管等,晶体管不是安装上去的,而是在芯片制造的时候雕刻上去的。
在进行芯片设计的时候,芯片设计师就会利用EDA工具,对芯片进行布局规划,然后走线、布线。
如果我们将设计的门电路放大,白色的点就是衬底, 还有一些绿色的边框就是掺杂层。
晶圆代工厂就是根据芯片设计师设计好的物理版图进行制造。
芯片制造的两个趋势,一个是晶圆越来越大,这样就可以切割出更多的芯片,节省效率,另外就一个就是芯片制程,制程这个概念,其实就是栅极的大小,也可以称为栅长,在晶体管结构中,电流从Source流入Drain,栅极(Gate)相当于闸门,主要负责控制两端源极和漏级的通断。电流会损耗,而栅极的宽度则决定了电流通过时的损耗,表现出来就是手机常见的发热和功耗,宽度越窄,功耗越低。而栅极的最小宽度(栅长),也就是制程。缩小纳米制程的用意,就是可以在更小的芯片中塞入更多的电晶体,让芯片不会因技术提升而变得更大。
但是我们如果将栅极变更小,源极和漏极之间流过的电流就会越快,工艺难度会更大。
芯片制造过程共分为七大生产区域,分别是扩散、光刻、刻蚀、离子注入、薄膜生长、抛光、金属化,光刻和刻蚀是其中最为核心的两个步骤。
而晶体管就是通过光刻和蚀刻雕刻出来的,光刻就是把芯片制作所需要的线路与功能区做出来。利用光刻机发出的光通过具有图形的光罩对涂有光刻胶的薄片曝光,光刻胶见光后会发生性质变化,从而使光罩上得图形复印到薄片上,从而使薄片具有电子线路图的作用。这就是光刻的作用,类似照相机照相。照相机拍摄的照片是印在底片上,而光刻刻的不是照片,而是电路图和其他电子元件。
刻蚀是使用化学或者物理方法有选择地从硅片表面去除不需要材料的过程。通常的晶圆加工流程中,刻蚀工艺位于光刻工艺之后,有图形的光刻胶层在刻蚀中不会受到腐蚀源的显著侵蚀,从而完成图形转移的工艺步骤。刻蚀环节是复制掩膜图案的关键步骤.
而其中,还涉及到的材料就是光刻胶,我们要知道电路设计图首先通过激光写在光掩模板上,然后光源通过掩模板照射到附有光刻胶的硅片表面,引起曝光区域的光刻胶发生化学效应,再通过显影技术溶解去除曝光区域或未曝光区域,使掩模板上的电路图转移到光刻胶上,最后利用刻蚀技术将图形转移到硅片上。
而光刻根据所采用正胶与负胶之分,划分为正性光刻和负性光刻两种基本工艺。在正性光刻中,正胶的曝光部分结构被破坏,被溶剂洗掉,使得光刻胶上的图形与掩模版上图形相同。相反地,在负性光刻中,负胶的曝光部分会因硬化变得不可溶解,掩模部分则会被溶剂洗掉,使得光刻胶上的图形与掩模版上图形相反。
我们可以简单地从微观上讲解这个步骤。
在涂满光刻胶的晶圆(或者叫硅片)上盖上事先做好的光刻板,然后用紫外线隔着光刻板对晶圆进行一定时间的照射。原理就是利用紫外线使部分光刻胶变质,易于腐蚀。
溶解光刻胶:光刻过程中曝光在紫外线下的光刻胶被溶解掉,清除后留下的图案和掩模上的一致。
“刻蚀”是光刻后,用腐蚀液将变质的那部分光刻胶腐蚀掉(正胶),晶圆表面就显出半导体器件及其连接的图形。然后用另一种腐蚀液对晶圆腐蚀,形成半导体器件及其电路。
清除光刻胶:蚀刻完成后,光刻胶的使命宣告完成,全部清除后就可以看到设计好的电路图案。
而100多亿个晶体管就是通过这样的方式雕刻出来的,晶体管可用于各种各样的数字和模拟功能,包括放大,开关,稳压,信号调制和振荡器。
晶体管越多就可以增加处理器的运算效率;再者,减少体积也可以降低耗电量;最后,芯片体积缩小后,更容易塞入行动装置中,满足未来轻薄化的需求。
芯片晶体管横截面
到了3nm之后,目前的晶体管已经不再适用,目前,半导体行业正在研发nanosheet FET(GAA FET)和nanowire FET(MBCFET),它们被认为是当今finFET的前进之路。
三星押注的是GAA环绕栅极晶体管技术,台积电目前还没有公布其具体工艺细节。三星在2019年抢先公布了GAA环绕栅极晶体管,根据三星官方的说法,基于全新的GAA晶体管结构,三星通过使用纳米片设备制造出MBCFET(Multi-Bridge-Channel FET,多桥-通道场效应管),该技术可以显著增强晶体管性能,取代FinFET晶体管技术。
此外,MBCFET技术还能兼容现有的FinFET制造工艺的技术及设备,从而加速工艺开发及生产。(作者:智能制造IM)

博客 自动驾驶小能手

LV5
4 天前
28

新基建与数字化新常态:全域化、全链路

随着一季度统计数据公布,经济受疫情冲击影响显现。在充满挑战与压力的背景下,新兴产业表现出强大的成长动力和创新活力。事实上,在全球抗击疫情的过程中,不管是在国内,还是在其他国家和地区,包括互联网在内的新兴产业都发挥了重要作用。 ...查看全部

随着一季度统计数据公布,经济受疫情冲击影响显现。在充满挑战与压力的背景下,新兴产业表现出强大的成长动力和创新活力。事实上,在全球抗击疫情的过程中,不管是在国内,还是在其他国家和地区,包括互联网在内的新兴产业都发挥了重要作用。

从助力精准防控到协调物资分配,以及利用人工智能等技术提高诊断效率,在全民全力抗疫的背景下,科技行业也充分利用自己的技术实力和产品优势,通过数字化技术提升应对疫情的防控效率、促进各社会机构复工复产。
可以说这场突然而至的疫情,正进一步加速稳步推进的数字化进程。尤其随着国内成功控制疫情、全力推进复工复产的过程中,在产业协同、社会治理、公共服务等多方面,也对数字化技术的应用提出了更高的要求。而得益于“新基建”的助力,中国的数字化进程将进入“全域化、全链路”的新常态。

数字化的三个阶段

推进产业和公共服务领域的数字化,一直是被认为是提升产业效率、满足人民群众需求的重要举措。从最早的“三金”工程、到后来的智慧城市、以及移动互联网之后各地兴起的数字政府,都相继推动了中国在公共服务和产业领域的数字化进程。尤其是随着移动互联网的发展,加快了以消费端为核心的数字化进程,并逐渐向产业互联网领域深化。
上世纪90年代启动的“三金”工程被认为是中国推进数字化战略的起点,所谓“三金”工程也即1993年国家启动的“金桥”、“金卡”和“金关”等重大信息化工程,三项工程分别服务于国家公用经济信息通信网网络建设、以外贸为核心的通关自动化和无纸贸易流程建设,以及以服务金融业务系统为核心的电子货币工程。“三金”工程的推行,拉开了国民经济信息化的序幕。
随着“金字”工程的推广,越来越多的项目逐渐被纳入其中,共同推动着信息化总体规划建设。2002年,国务院发布17号文件《我国电子政务建设指导意见》,要求启动和加快建设包括办公业务资源系统、宏观经济管理、金财、金盾、社会保障等在内的十二个重要业务系统,即“十二金”工程。以“十二金”工程为代表的信息化建设,推动了事关国民经济运行的一些重要经济管理领域的数字化进程,像海关、金融、财税等领域,都是和社会经济运行密切相关的领域。
如果“金”字号系列工程完成重要垂直管理部门的数字化,那么从2008年开启的智慧城市建设,则转向以城市为主体进行横向数字化拓展。数字化的核心也转向以提升城市治理和公共服务效率为目标的重点领域和项目。政务、能源、交通、教育、医疗成为在城市维度推进数字化的先行领域。截至目前,中国在建的智慧城市数量超过500个,占全球试点数的将近一半。
与此同时,伴随互联网行业的发展,中国居民消费、生活服务、文化娱乐行业的数字化进程也不断深化。2018年,中国电子商务交易额为31.63万亿元,其中网络零售规模、网络支付用户规模以及快递物流数量均为全球第一。而在大众文化消费和信息消费领域,数据内容消费成为了新的消费增长极。2018年,中国已拥有6.75亿网络新闻用户,6.12亿网络视频用户,5.76亿网络音乐用户,及4.32亿网络文学用户等,在整体网民中占比均过半。
在政务、城市、消费等领域不断推进数字化的过程中,有关数字化的宏观战略也在不断演进。而在十九大报告中,有关“数字中国”、“智慧社会”的新目标,则成为下一步数字化建设的重要方向。

疫情下的加速度

从中国整体的数字化进程来看,在国家政策和商业机构的推动下,基于区域化、行业化的数字化网络相继组建完成。尤其是在移动互联网推动下,数字进程不断提速,数字化应用和创新不断。在政务服务领域,不少城市都在借助移动互联网、大数据、人工智能等技术,实现了“零跑动”、“指尖办”、“秒审批”等服务。
但疫情的出现也为数字化的推进提出了新的考验:在生产和服务领域还存在一些数字化“断点”现象,在城市之间还存在数字化“断头路”问题,在不同领域之间还存在数字化孤岛问题。城市运行的数字化主干道虽然已畅通无阻,但在连接社区、企业等主体机构的时候,还需要解决数字化最后一公里问题。
作为城市最小的治理单元,社区在数字化技术和工具的使用上,属于数字化薄弱环节。在城市的日常运营中,这种数字化的不足,影响尚不明显。但在城市进入疫情防控状态时,出于防疫需求的“数据统计、居民服务”等面临较大压力,传统的运行方式难以应对“大规模、及时性”的管理需求。
不过对大多数城市而言,得益于城市内部已搭建畅通的数字化主干道,在疫情期间的一些数字化短板很快被打通。以“健康码”为例,成为打通社区数字化管理的关键一环。目前,全国约有22省份上线了包括健康申报在内的疫情专区功能。此外随着推进企业复工复产进程的加快,省内一体化、全国一体化的健康码也对省内或省际信息互认和人员流动提供了便利。
在促进生产协同方面,工信部推出的“国家重点医疗物资保障调度平台”小程序则围绕应急需求,帮助快速完成防疫物资的调度。该小程序上线的“疫情防疫物资生产运输数据采集平台”,对于协助各级政府部门确定应急物资重点联系企业,摸清物资生产供应情况、对物资的调配工作进行跟踪和决策起到重要的支撑作用。
企业生产与运营层面,受疫情影响,一些对线下运营具有较强依赖的场景,也加速了数字化进程。远程办公即为代表性场景,这一原本普及率并不高的工作方式,在疫情期间却出现了需求暴涨。根据艾瑞咨询的调研,春节后超过1800万家企业、近3亿人采用了远程办公模式。
除了企业之外,一些重要国际会议也开启远程模式。联合国75周年(UN75)的数千场活动,也将借助腾讯会议、企业微信等工具搬到线上进行。已经连续举办60多年120多届的全球贸易盛会“广交会”,也将在由腾讯提供整体技术支持、平台研发服务与云资源支撑下,搬上云端。并且,根据线上的特点,“广交会”将进行全新的结构设计和流程再造。
疫情之下的数字化加速举措,虽有解决应急之需的考虑,但也必将对未来的日常运行产生深刻影响。从公共服务的视角看,将形成从城市到乡村,从主干网到连接最后一公里的全域化数字服务网络;从产业视角看,将形成覆盖从企业生产、运营、管理,到产业链协同的全链路数字化链条。

新基建助力

对于推进数字化新常态建设而言,新基建显然具有非同一般的意义。
2020年3月4日召开的中央政治局常务会议指出,要加大公共卫生服务,应急物资保障领域投入,加快5G网络、数据中心等新型基础设施建设进度。而在3月21日,工信部发布《关于推动工业互联网加快发展的通知》中,将“加快新型基础设施建设”作为首条任务,并为配合加快新基建进程出台了20项具体举措。
随着新基建的推进,将为推动“全域化、全链路”的数字化新常态建设提供重要的技术支撑。从新基建涉及的领域来看,基本包括了过近几年出现的新兴热门技术,新基建的推进首先是会加大这些前沿行业本身的发展,而这些前沿技术的应用和普及,将是构建“全域化、全链路”数字化新常态的重要支撑。以5G技术为例,其低时延、高通量的特性,将是交通、医疗、工业制造等领域数字化的重要基础。
除了加快技术层面的普及和应用之外,新基建还将有助于相关配套机制的完善。以在此次在抗击疫情中发挥重要作用的人工智能影像识别系统为例,在患者CT检查后最快2秒就能完成AI模式识别,1分钟内即可为医生提供辅助诊断参考。大大减轻了抗疫前线医生的工作量,提升了检查效率。
但要想把人工智能技术应用于具体的疾病诊断、识别,就需要大量的数据做支撑。从单个的试点领域扩大到更广泛的范围,显然就需要相应的制度、机制,以确保具体应用的“可知、可控、可用、可靠”。因此,未来人工智能技术在医疗领域的应用要从影像识别融入更多诊治环节,就需要相关的制度作为配套。
从某种程度来看,如果说过去十多年的数字化进程,无论是从政务领域的信息化,还是智慧城市、包括产业领域的数字化转型,都有比较多的国际经验和案例可供参考。那么在新基建背景下,如何构建数字化的新常态,则面临着诸多新的挑战和机遇。这其中既包含了技术的突破,也包含配套机制的建设。
因此,新基建将从两个维度促进数字化新常态的建设,一是通过各种措施和投资,大力推进新技术、新产业本身的发展;二是完善相关制度建设,为新技术与其他行业、领域的融合提供制度和机制保障。
总体来看,“新基建”是要把垂直技术领域的优势,推向更广泛的社会普惠的范畴,让更多行业和领域享受新技术的红利,并在此基础上构建面向未来的数字化新常态的底层操作系统。(作者 : 刘金松  吴心悦 )

博客 自动驾驶小能手

LV5
4 天前
57

最新报告 | 5G新型智慧城镇白皮书2020年

不久前,中国移动发布了2020年5G新型智慧城镇白皮书,以下为报 ...查看全部


不久前,中国移动发布了2020年5G新型智慧城镇白皮书,以下为报告内容:


受篇幅限制,仅列举部分资料

欲获取完整版,请关注并按步骤获取

1587435361286803.png

资料来源:中国移动

博客 自动驾驶小能手

LV5
5 天前
54

研究丨高级驾驶辅助系统标准测试场景应加快更新

测试场景是高级驾驶辅助系统测试中必不可少的部分,然而我国相关测试标准还处于落后阶段。因此,在制定标准过程中,应基于中国交通事故数据提炼测试场景,并结合车辆技术特点设计测试案例、制定限值,以提高我 ...查看全部

测试场景是高级驾驶辅助系统测试中必不可少的部分,然而我国相关测试标准还处于落后阶段。因此,在制定标准过程中,应基于中国交通事故数据提炼测试场景,并结合车辆技术特点设计测试案例、制定限值,以提高我国高级驾驶辅助系统测试场景的发展。

1587433521770589.png

01国内外现状

对于高级驾驶辅助系统而言,国内外纷纷成立专业小组开展智能网联汽车或者自动驾驶车辆标准制定工作。UNECE的WP.29于2018年6月成立“联合国智能网联法律工作组”,专门从事智能网联汽车的相关工作。国际标准组织ISO成立TC22和TC204,分别负责道路车辆和智能交通系统,其规定的标准值是最低标准,并且还未对智能网联汽车的相关性能做出规定。中国的全国汽车标准化技术委员会成立了智能网联汽车分标委,专门从事相关标准制定工作。另外,还有SAE、E-NCAP、JT/T等非利益团体在制定或已制定更加严苛的标准法规。

目前,国内外已经针对高级驾驶辅助系统出台了若干个相关标准,主要面向碰撞预警系统FCW、车道偏离预警系统LDW、主动紧急制动系统AEB、车道保持系统LKA、自适应巡航系统ACC等辅助功能。但是,面向同一个高级辅助功能,不同标准规定的测试场景略有不同。

02测试场景分析

(1)前向碰撞预警系统和自动紧急制动系统

前向碰撞预警系统FCW和自动紧急制动系统AEB在车辆纵向进行预警或干预,提醒或辅助驾驶员控制车辆纵向参数。根据城市道路行驶工况特点,FCW和AEB的测试场景主要分为车车测试和车人测试。由于车车追尾事故是道路上最常见的事故之一,因此车车测试分为前车静止场景CCRs、前车低速行驶场景CCRm和前车制动场景CCRb。车人测试主要描述的是车辆与交通弱势群体的关系,交通弱势群体指的是行人、自行车者等道路使用群体。

GB/T 33577-2017、ECE R131-2013、E-NCAP AEB_C2C、E-NCAP AEB_VRU、JT/T 1242-2019等法规、标准分别给出了FCW、AEB的测试场景,具体测试要求见表1。

1587433283528721.png

(2)车道偏离预警系统LDW和车道保持系统LKA

车道偏离预警系统LDW和车道保持系统LKA在车辆横向进行预警或干预,提醒或辅助驾驶员控制车辆横向参数,以提示或防止车辆偏离出原行驶车道。由于道路车辆偏离是单车事故和前碰撞的主要原因,因此ISO 17361-2017、ISO 11270-2014、GB/T 26773-2011、ECE R130-2013、E-NCAP LSS等标准法规对LDW和LKA做出了相关规定,具体见表2、表3。

1587433336756180.png

(3)自适应巡航系统ACC

自适应巡航系统通过控制本车发动机或传动系统、制动器与前车保持适当的距离,以此减轻驾驶员的负担。ACC系统包括两种级别:全速自适应巡航控制(FSRA)和限速自适应巡航控制(LSRA)。FSRA可以通过控制本车发动机和(或)传动系统、制动器至车辆停止以实现与前车保持适当距离的目的,而LSRA通过控制本车发动机和(或)传动系统、制动器,使车速大于某一最小车速,以实现与前车保持适当距离的目的。目前,ISO 15622-2018、GB/T 20608-2006均对ACC的测试工况做出相应的规定,具体见表4。

1587433421538737.png

(4)测试场景分析

通过对比不同测试标准、法规的测试场景,可以看出当前国内标准几乎等效采用国外标准,且更新速度较慢。

1.测试条件更为苛刻,测试场景更加危险

以FCW测试场景为例:在实际测试中,货车、客车的前向碰撞预警通常采用JT/T 883-2014《营运车辆行驶危险预警系统技术要求和试验方法》,其中CCRb的测试工况为测试车辆和目标车均以20m/s行驶,两车保持30m间距;当行驶稳定后,目标车以0.3g制动。而在针对乘用车的E-NCAP AEB法规中,FCW的测试工况为测试车辆和目标车均以50km/h行驶,两车相距12m或40m,目标车分别以2m/s2或6m/s2制动。两辆营运车辆以高速行驶、并保持较小的车间距离,驾驶员不仅要保证测试精度,还要时刻做好接管车辆的准备以防止发生碰撞。可以看到,国标的测试条件更为苛刻,测试场景更加危险。

2.标准更新较慢

以ACC为例,在近几年时间里,ISO 15622已经迭代了2002版、2010版和2018版等3个版本。值得注意的是, ISO 15622-2018增加了ISO 22179:2009全速自适应巡航控制系统的性能要求和测试方法、取消了弯道分类及相关条文、不再禁止系统从“保持状态”自动启动,并且驾驶员能够通过车载设备控制系统(设置车速建议),提高了标准的可读性和可操作性。而国内关于ACC的测试标准依旧为引用ISO 15622-2002版本的GB/T 20608-2006,并且近几年没有开展新的修订工作。

03建议

根据上述分析,在设计场景测试案例或者制定相关标准时,应综合考虑国内车辆技术状况、道路设施条件等因素。

(1)应结合车辆特点设计测试案例、制定限值

我国车辆类型丰富多样,应结合车辆技术特点设计测试案例、制定标准限值,这有助于提升测试安全,提高高级驾驶辅助系统功能测试准确度。例如,针对危险货物运输车的FCW测试,应根据最高车速不大于75km/h、加速距离长、运输货物性质等车辆特点,设计更加合理的测试场景,并且在安全范围内制定合理的标准限值,既保证车辆高级驾驶辅助系统的功能又提高测试安全。

(2)应定期更新标准,自我迭代完善测试场景

通常,国内标准滞后于国际技术的发展水平,常常通过行业标准、团体标准或者企业标准来提高系统功能。这主要是因为国际标准在制定标准时几乎滞后于当前的技术发展,而国内标准倾向于等效采用或非等效采用国际标准。目前,E-NCAP已经推出2020年的测试规程,引领行业不断进步。因此,我国应实时跟踪新技术进展和国际标准动态,结合国内技术发展水平,提前部署标准修订工作,通过自我迭代完善测试场景。

(3)基于中国交通事故数据提炼测试场景

在高级驾驶辅助系统标准中,我国在引用国外标准时几乎没有根据国情修改测试工况或测试场景,无法体现我国特殊的交通状况特点。因此,我国在制定相关标准时,应以中国交通事故数据为基础,提炼符合国情的测试场景,并不断通过验证完善测试案例,提高车辆性能安全。

04结论

测试场景是高级驾驶辅助系统测试中必不可少的部分,然而我国相关测试标准还处于落后阶段。在制定标准过程中,应基于中国交通事故数据提炼测试场景,通过定期更新实现自我迭代,并结合车辆技术特点设计测试案例、制定限值,我国高级驾驶辅助系统测试场景将会趋于成熟。(作者:肖宇 陈传阳 肖鑫 葛炳南 马钰 孙博旸 储锦玲)

博客 自动驾驶小能手

LV5
5 天前
27

AI芯片和传统芯片到底有何区别?

前两天成立仅两年国内专做人工智能FPGA加速算法的初创公司深鉴科技被国际巨头赛灵思收购了,在业界引起不小的震动。目前国内做AI芯片的公司可谓不少了,AI芯片已然成为了当下芯片行业最热领域。但是大部分人对AI芯片的架构应该都不是太了解。 ...查看全部

前两天成立仅两年国内专做人工智能FPGA加速算法的初创公司深鉴科技被国际巨头赛灵思收购了,在业界引起不小的震动。目前国内做AI芯片的公司可谓不少了,AI芯片已然成为了当下芯片行业最热领域。但是大部分人对AI芯片的架构应该都不是太了解。

那么AI 芯片和传统芯片有何区别?AI芯片的架构到底是怎么样的?带着这个疑问小编搜集到了来自知乎上的一些业内行家的观点,现在整理转发给大家。先回答问题:


  • 性能与传统芯片,比如CPU、GPU有很大的区别。在执行AI算法时,更快、更节能。
  • 工艺没有区别,大家都一样。至少目前来看,都一样。


所谓的AI芯片,一般是指针对AI算法的ASIC(专用芯片)。传统的CPU、GPU都可以拿来执行AI算法,但是速度慢,性能低,无法实际商用。
比如,自动驾驶需要识别道路行人红绿灯等状况,但是如果是当前的CPU去算,那么估计车翻到河里了还没发现前方是河,这是速度慢,时间就是生命。如果用GPU,的确速度要快得多,但是,功耗大,汽车的电池估计无法长时间支撑正常使用,而且,老黄家的GPU巨贵,经常单块上万,普通消费者也用不起,还经常缺货。另外,GPU因为不是专门针对AI算法开发的ASIC,所以,说到底,速度还没到极限,还有提升空间。而类似智能驾驶这样的领域,必须快!在手机终端,可以自行人脸识别、语音识别等AI应用,这个必须功耗低,所以GPU OUT!开发ASIC就成了必然。
说说,为什么需要AI芯片。AI算法,在图像识别等领域,常用的是CNN卷积网络,语音识别、自然语言处理等领域,主要是RNN,这是两类有区别的算法。但是,他们本质上,都是矩阵或vector的乘法、加法,然后配合一些除法、指数等算法。
一个成熟的AI算法,比如YOLO-V3,就是大量的卷积、残差网络、全连接等类型的计算,本质是乘法和加法。对于YOLO-V3来说,如果确定了具体的输入图形尺寸,那么总的乘法加法计算次数是确定的。比如一万亿次。(真实的情况比这个大得多的多)
那么要快速执行一次YOLO-V3,就必须执行完一万亿次的加法乘法次数。
这个时候就来看了,比如IBM的POWER8,最先进的服务器用超标量CPU之一,4GHz,SIMD,128bit,假设是处理16bit的数据,那就是8个数,那么一个周期,最多执行8个乘加计算。一次最多执行16个操作。这还是理论上,其实是不大可能的。
那么CPU一秒钟的巅峰计算次数=16* 4Gops =64Gops。这样,可以算算CPU计算一次的时间了。同样的,换成GPU算算,也能知道执行时间。因为对GPU内部结构不熟,所以不做具体分析。
再来说说AI芯片。比如大名鼎鼎的谷歌的TPU1。TPU1,大约700M Hz,有256X256尺寸的脉动阵列,如下图所示。一共256X256=64K个乘加单元,每个单元一次可执行一个乘法和一个加法。那就是128K个操作。(乘法算一个,加法再算一个)。

另外,除了脉动阵列,还有其他模块,比如激活等,这些里面也有乘法、加法等。
所以,看看TPU1一秒钟的巅峰计算次数至少是=128K X 700MHz=89600Gops=大约90Tops。
对比一下CPU与TPU1,会发现计算能力有几个数量级的差距,这就是为啥说CPU慢。
当然,以上的数据都是完全最理想的理论值,实际情况,能够达到5%吧。因为,芯片上的存储不够大,所以数据会存储在DRAM中,从DRAM取数据很慢的,所以,乘法逻辑往往要等待。另外,AI算法有许多层网络组成,必须一层一层的算,所以,在切换层的时候,乘法逻辑又是休息的,所以,诸多因素造成了实际的芯片并不能达到利润的计算峰值,而且差距还极大。
可能有人要说,搞研究慢一点也能将就用。目前来看,神经网络的尺寸是越来越大,参数越来越多,遇到大型NN模型,训练需要花几周甚至一两个月的时候,你会耐心等待么?突然断电,一切重来?曾经动手训练一个写小说的AI,然后,一次训练(50轮)需要大约一天一夜还多,记得如果第一天早上开始训练,需要到第二天下午才可能完成,这还是模型比较简单,数据只有几万条的小模型呀。
修改了模型,需要几个星期才能知道对错,确定等得起?突然有了TPU,然后你发现,吃个午饭回来就好了,参数优化一下,继续跑,多么爽!
计算速度快,才能迅速反复迭代,研发出更强的AI模型。速度就是金钱。
GPU的内核结构不清楚,所以就不比较了。肯定的是,GPU还是比较快的,至少比CPU快得多,所以目前大多数都用GPU,这玩意随便一个都能价格轻松上万,太贵,而且,功耗高,经常缺货。不适合数据中心大量使用。
总的来说,CPU与GPU并不是AI专用芯片,为了实现其他功能,内部有大量其他逻辑,而这些逻辑对于目前的AI算法来说是完全用不上的,所以,自然造成CPU与GPU并不能达到最优的性价比。
谷歌花钱研发TPU,而且目前已经出了TPU3,用得还挺欢,都开始支持谷歌云计算服务了,貌似6点几美元每小时吧,不记得单位了,懒得查。可见,谷歌觉得很有必要自己研发TPU。
目前在图像识别、语音识别、自然语言处理等领域,精度最高的算法就是基于深度学习的,传统的机器学习的计算精度已经被超越,目前应用最广的算法,估计非深度学习莫属,而且,传统机器学习的计算量与 深度学习比起来少很多,所以,我讨论AI芯片时就针对计算量特别大的深度学习而言。毕竟,计算量小的算法,说实话,CPU已经很快了。而且,CPU适合执行调度复杂的算法,这一点是GPU与AI芯片都做不到的,所以他们三者只是针对不同的应用场景而已,都有各自的主场。
至于为何用了CPU做对比?
而没有具体说GPU。是因为,我说了,我目前没有系统查看过GPU的论文,不了解GPU的情况,故不做分析。因为积累的缘故,比较熟悉超标量CPU,所以就用熟悉的CPU做详细比较。而且,小型的网络,完全可以用CPU去训练,没啥大问题,最多慢一点。只要不是太大的网络模型。
那些AI算法公司,比如旷世、商汤等,他们的模型很大,自然也不是一块GPU就能搞定的。GPU的算力也是很有限的。
至于说CPU是串行,GPU是并行
没错,但是不全面。只说说CPU串行。这位网友估计对CPU没有非常深入的理解。我的回答中举的CPU是IBM的POWER8,百度一下就知道,这是超标量的服务器用CPU,目前来看,性能已经是非常顶级的了,主频4GHZ。不知是否注意到我说了这是SIMD?
这个SIMD,就代表他可以同时执行多条同样的指令,这就是并行,而不是串行。单个数据是128bit的,如果是16bit的精度,那么一周期理论上最多可以计算八组数据的乘法或加法,或者乘加。这还不叫并行?只是并行的程度没有GPU那么厉害而已,但是,这也是并行。
不知道为啥就不能用CPU来比较算力?
有评论很推崇GPU。说用CPU来做比较,不合适。GPU本来是从CPU中分离出来专门处理图像计算的,也就是说,GPU是专门处理图像计算的。包括各种特效的显示。这也是GPU的天生的缺陷,GPU更加针对图像的渲染等计算算法。但是,这些算法,与深度学习的算法还是有比较大的区别,而我的回答里提到的AI芯片,比如TPU,这个是专门针对CNN等典型深度学习算法而开发的。另外,寒武纪的NPU,也是专门针对神经网络的,与TPU类似。
谷歌的TPU,寒武纪的DianNao,这些AI芯片刚出道的时候,就是用CPU/GPU来对比的。
看看,谷歌TPU论文的摘要直接对比了TPU1与CPU/GPU的性能比较结果,见红色框:
这就是摘要中介绍的TPU1与CPU/GPU的性能对比。再来看看寒武纪DianNao的paper,摘要中直接就是DianNao与CPU的性能的比较,见红色框:
回顾一下历史
上个世纪出现神经网络的时候,那一定是用CPU计算的。
比特币刚出来,那也是用CPU在挖。目前已经进化成ASIC矿机了。比特大陆了解一下。
从2006年开始开启的深度学习热潮,CPU与GPU都能计算,发现GPU速度更快,但是贵啊,更多用的是CPU,而且,那时候GPU的CUDA可还不怎么样,后来,随着NN模型越来越大,GPU的优势越来越明显,CUDA也越来越6,目前就成了GPU的专场。
寒武纪2014年的DianNao(NPU)比CPU快,而且更加节能。ASIC的优势很明显啊。这也是为啥要开发ASIC的理由。
至于说很多公司的方案是可编程的,也就是大多数与FPGA配合。你说的是商汤、深鉴么?的确,他们发表的论文,就是基于FPGA的。
这些创业公司,他们更多研究的是算法,至于芯片,还不是重点,另外,他们暂时还没有那个精力与实力。FPGA非常灵活,成本不高,可以很快实现架构设计原型,所以他们自然会选择基于FPGA的方案。不过,最近他们都大力融资,官网也在招聘芯片设计岗位,所以,应该也在涉足ASIC研发了。
如果以FPGA为代表的可编程方案真的有巨大的商业价值,那他们何必砸钱去做ASIC?
说了这么多,我也是半路出家的,因为工作需要而学习的。按照我目前的理解,看TPU1的专利及论文,一步一步推导出内部的设计方法,理解了TPU1,大概就知道了所谓的AI处理器的大部分。
然后研究研究寒武纪的一系列论文,有好几种不同的架构用于不同的情况,有兴趣可以研究一下。然后就是另外几个独角兽,比如商汤、深鉴科技等,他们每年都会有论文发表,没事去看看。这些论文,大概就代表了当前最先进的AI芯片的架构设计了。

当然,最先进,别人肯定不会公开,比如谷歌就不曾公开关于TPU2和TPU3的相关专利,反正我没查到。不过,没事,目前的文献已经代表了最近几年最先进的进展了。(作者:汪鹏 来源/知乎)

博客 自动驾驶小能手

LV5
6 天前
46

疫情过后,国产MCU如何抓住“芯”机遇

“每一次进口芯片价格的爆缺爆涨,都是给中国‘芯’机遇。”深圳市航顺芯片有限公司创始人刘吉平对记者说道。此次新型冠状病毒疫情的爆发,给各行各业都带来了巨大的冲击,半导体芯片行业也不例外,尤其是在海外疫情爆发之后,部分海外的晶圆厂/封测厂宣布停工,导致部分微 ...查看全部

“每一次进口芯片价格的爆缺爆涨,都是给中国‘芯’机遇。”深圳市航顺芯片有限公司创始人刘吉平对记者说道。此次新型冠状病毒疫情的爆发,给各行各业都带来了巨大的冲击,半导体芯片行业也不例外,尤其是在海外疫情爆发之后,部分海外的晶圆厂/封测厂宣布停工,导致部分微控制器(MCU)价格大幅上涨。然而,这也给了国产MCU一个难得的发展机会。在疫情之后,国产MCU是否将会如愿迎来更多“芯”的机遇?如何才能抓住这些机遇?

疫情导致一“芯”难求

MCU应用范围十分广泛,诸如手机、PC外围、遥控器,至汽车电子、工业上的步进马达、机器手臂的控制等,都可见到MCU的身影。然而,一直以来,国产MCU企业无论是在国际还是国内市场都面临着国际主流厂商的强力竞争。“中国对于中低端MCU,例如中低端的8位的MCU,做的还不错,但是对于中高端的产品,比如中高端8位MCU和32位MCU,比起国外来说一直没有太大优势,终端用户方面还是比较依赖进口。这是由于中国的中高端MCU起步较晚,更新迭代较少,而且国外的MCU已经牢牢占住市场,造成国产MCU一直以来机会并不多。”刘吉平和记者说道。

欧美疫情爆发以来,对MCU供应链产生了很大的影响,目前,国外MCU出货价普遍涨两三成,有的甚至涨了一倍左右。兆易创新科技股份有限公司产品市场总监金光一告诉记者,疫情对于欧美的晶圆生产和东南亚的封测产业都带来了很多不稳定的因素,这样将会进一步影响国际大厂半导体芯片的供给状况,给全球电子及半导体等产业链造成很大的压力。另外从市场需求情况来看,部分电子消费品的购买力逐渐紧缩,加上国际货运物流延迟,也将影响了部分市场采购订单和营收。

国产MCU有哪些机会?

海外MCU供应短缺、价格上涨,给了中国国产MCU发展的机会。“由于疫情影响,医疗器械的需求量大大增加,这是这次市场变化最大的一个导火索。医疗器械主要运用的是中高端8位MCU和32位的MCU,而在之前,很多本国的用户都会选择用进口的产品。这次由于疫情造成海外MCU价格爆涨并且供应严重不足,很多医疗行业开始使用国产的MCU。此外,由于我们一直以来都会提前备货,而且政府、医疗系统等都在大力支持着MCU的整个供应链,因此我们的MCU在价格上并没有很大的波动,虽然偶尔会供货不足,但是我们现在依然能够有条不紊的进行生产。这大大提升了国产MCU的使用率,也大大的推动了我们产品的市场占有率和客户认可度,也让更多的本国的用户‘看’到了我们中国芯片的质量。”刘吉平说道。

目前,中国疫情逐步得到控制,各行各业也在陆续复工复产。与此同时,海外疫情依旧形势严峻,使得很多海外芯片上下游产业依旧处于停工停产状态,金光一认为,这是逐步实现国产化替代的良机,可以有效减少信息安全隐患、降低元件供应风险、加强研制生产保障。“以我们的国产GD32MCU为例,其封装和测试均在中国国内完成,并采用多个认证工厂及生产线同时供货,从而有效规避了复工不足和物流延迟等风险。”金光一对记者说。

筑牢本土MCU供应链

在疫情过后,中国国产MCU能否延续这样的热潮,成为了人们关注的焦点。刘吉平认为,在日后国产MCU更应该把目光焦距在国内的市场,同时尝试开拓海外的市场。“目前中国国产MCU的内销只占到了大约1%~2%,可见中国还有近99%的市场份额,而且中国MCU的消耗量占到全球的2/3。而且随着近年来工业互联网的大力发展,各行各业对于MCU的需求量也会越来越大。所以我们应该更加努力去服务国内的客户,争取让更多国内的客户用上我们国产的MCU。”

此外,刘吉平还认为,在未来国产MCU的发展中,替代和创新可以同步进行。由于国外的32位MCU发展较早,更新迭代较多,市场地位比较稳固,国产MCU的创新很难在短时间内实现突破,因此最好的方式就是,在做到不侵权,性能最优成本较低的前提下,进行创新研发。例如,我们的芯片HK32MCU用Pin
to Pin软件兼容傻瓜式替代,由于软件全兼容,在使用时不用改电路板也不用改软件,非常方便,尤其在遇到像这次疫情一样的紧急情况时,进口MCU严重缺货,Pin
to Pin软件兼容能够凸显很大的优势。同时,我们的HK32F39也进行了创新,得到客户的认可。由此可见,替代和创新这两条路是可以同步走的。

山东师范大学物理与电子科学学院讲师孙建辉对于国产MCU未来的发展感到非常有信心:“这一次疫情,让很多生物医疗产业看到了中国芯片的力量,而且生物医疗产业还是一个很大的市场,不仅仅是针对疫情,MCU在未来的研发过程中同样会有很大的需求。比如,在未来要发展的红外检测便携仪器,可穿戴生物仪器等,都需要MCU的应用。由于疫情原因,如今在国内医疗行业中国产MCU得到大量应用,这是一个很好的开端。在未来,国产芯片的力量也会慢慢渗入到各行各业。”

同时,金光一提到,国产MCU在未来的发展中,也应当关注技术突破、产能扩充和人才培养方面,这样可以有效解决如今国产MCU的先进工艺、先进材料和关键产能等方面还较多依赖于国外的现象。(作者:沈丛)

博客 自动驾驶小能手

LV5
6 天前
55

重新思考卡车自动驾驶的未来

过去几年,随着Robotaxi的成本和大规模商业化部署时间超出预期,卡车自动驾驶已经成为自动驾驶汽车行业越来越活跃的一个细分领域。此前,包括Waymo、戴姆勒和沃尔沃都表达了类似的看法,卡车自动驾驶运输是其进入市场的最 ...查看全部

过去几年,随着Robotaxi的成本和大规模商业化部署时间超出预期,卡车自动驾驶已经成为自动驾驶汽车行业越来越活跃的一个细分领域。

此前,包括Waymo、戴姆勒和沃尔沃都表达了类似的看法,卡车自动驾驶运输是其进入市场的最快途径。
卡车制造商也正在探索自动驾驶如何能比人们预期的更早地投入商业应用。特别是在码头、矿山等行业。

37岁的Nancy Sun是卡车自动驾驶初创公司Ike的首席工程师。2018年,她在离开Uber自动驾驶汽车部门后,和另外两位联合创始人一起创办现在这家公司。
作为一名麻省理工学院培养的工程师,曾在2016年加入安东尼·莱万多夫斯基(Anthony Levandowski)的Otto公司(后来被Uber收购),Nancy Sun一直从事自动驾驶卡车研发。
在此之前,她还在苹果公司的泰坦项目(自动驾驶研发)工作过一段时间,对于自动驾驶的现状和未来,她深有感触。“尽管过去几年,仍有不断涌现的自动驾驶卡车公司,但这个行业的未来也是不确定的。”
上个月,一家卡车自动驾驶初创公司Starsky Robotics在运行了四年之后宣布倒闭。该公司创始人在一篇文章中写道,“监督式机器学习并没有达到宣传的效果。”
自动驾驶汽车面临的最大障碍是技术和场景的复杂性,十字路口的密集交通、自行车、行人以及某些非结构化道路等限制因素都带来了挑战。
换句话说,“机器人做的决定越多,就越困难,也越昂贵。”
今年以来,全球新冠疫情大爆发,增加了该行业面临的挑战,但也潜在地增加了对部分领域自动驾驶技术的需求。
一、高速公路自动驾驶+短途人工接驳
去年,Ike宣布完成新一轮由贝恩资本牵头的5200万美元融资。单笔融资金额在行业处于不确定性背景下,并不算少。
这家总部位于旧金山的公司最初使用的软件是从另一家自动驾驶初创公司Nuro提供授权。现在,这两家公司仍是独立运营,Nuro主攻最后一英里配送,Ike则主攻长途卡车运输。
Nuro已经获得了美国加州无人驾驶测试资格,并被准许在一些公开道路运营不超过5000辆无人配送外卖车R2。
去年,该公司获得了软银9.4亿美元的投资,单笔融资金额超过了很多早期的同行,公司估值接近30亿美元。
而Ike目前重心在高速公路自动驾驶,由人类司机完成最后的短途接驳。不过,在Nancy Sun看来,这一愿景仍需数年时间才能实现。
和很多公司不同,Ike采取的是真实数据+模拟仿真策略。这家公司的车辆并没有在公共道路上进行自动驾驶测试,也没有像其他同行那样提供运输商业货物的测试服务。
该公司主要把自动驾驶测试分为两部分。先是在公共道路上手动驾驶采集数据。然而,在其封闭测试轨道上做的所有测试。
Nancy Sun表示,我们没有在任何公共道路上以自动模式操作车辆。工程团队主要使用模拟和测试轨道来进行自动化测试,并基于真实世界的人工里程数据来满足这两个需求。
“在某种程度上,我们需要更多的真实数据,但在可预见的未来,我们完全没问题。”Nancy Sun表示,他们的团队一直在思考,怎样才能帮助卡车司机,而不是取代他们。
这个行业的每个人都应该问这个问题。我们和卡车司机相处了很长时间。从他们那里听到的是:高速公路是旅途中最艰难的部分。
在Nancy Sun看来,实际上,这是一个创造更多短途工作岗位的机会,因为自动化在长途运输中带来了更高的效率。另一方面是能够增加固定资产(卡车)的利用率。
更安全,更有生产力,才有更高的价值。而对于所有的同行来说,我们必须面对的现实之一就是重新设定商业化时间点。
二、自动驾驶需要新的衡量标准
把一些东西(软件、硬件、车辆)拼凑在一起,让它很快地运行起来,并不难。但是要真正构建一个自动化卡车运输系统是非常困难的,需要做很多工作来构建真正的系统。
Nancy Sun认为,这往往就是一种不切实际的诱惑——我们过去也曾这样做过。但很快,我们发现,衡量真正产品的进展有多重要。
这其中,不仅仅包括实际行驶的里程数,车队里有多少辆车,也不是简单的通过为公司带来的收入来衡量。在不久的将来,我们将更多地讨论我们的衡量标准。
就在今年美国加州机动车辆管理局发布2019年自动驾驶汽车测试脱离数据报告之后,各家参与测试的自动驾驶公司都提出了对现有测试衡量标准的质疑。
一些公司认为,随着时间的推移,脱离接触的数字并不能充分反映出系统改进的效果。
比如,对于脱离标准的界定:一种是认为可能会发生不安全的情况而脱离,另一种是在系统还没有学会处理道路情况之前就主动脱离。
Aurora公司相关负责人表示,如果我们在平坦、干燥的地区行驶1亿英里,没有其他车辆或行人,十字路口也很少,那么我们的脱离次数实际反正的效果,仅仅相当于在繁忙、复杂的城市行驶100英里。
“解决自动驾驶可能面临的所有类型的天气、路况和驾驶场景,至关重要。”另一家头部卡车自动驾驶公司PlusAI(智加科技)正在部署一个广泛的测试项目,到2020年底将覆盖美国所有允许路测的州。
同时,重点解决自动驾驶需要暴露在各种各样的长尾场景中的处理机制。通过未来一年的密集测试,Plus.ai还在开发新的指标,以衡量自动驾驶系统在商业部署方面的准备情况。
当然,更为重要的是,考虑到自动驾驶是一个非常长期的创业马拉松,能否获得足够的融资支持,至关重要。
已经宣布倒闭的Starsky Robotics,在该公司创始人的回忆录中这样写道,很多投资机构更愿意看到一些光鲜的数据和指标,但很多人并不理解技术难度和难点在哪里。
以安全这个最重要的自动驾驶指标为例,Starsky Robotics曾尝试通过发布自愿安全自我评估(VSSA)报告,来吸引投资机构的注意。
“这是一份高度技术性的文件,详细说明了我们是如何采取安全措施的,包括数据记录和修复系统故障方面做的努力。“然而,结果却让这位创始人非常失望和不解。因为投资机构并没有看到这种工作的价值。
Starsky Robotics的商业模式是基于远程操控的自动驾驶,这和取代司机的无人驾驶赛道有所不同。但对于投资机构来说,取代而不是重新定位司机的潜力可以创造巨大的市场规模。
三、行业整合将成为常态
在谈及公司的未来商业模式,Nancy Sun表示,大多数同行都在专注于组建一支自动驾驶运输车队,甚至直接参与运营。这对于一家初创公司来说,往往会被重资产模式压垮。
lke选择了轻资产的模式,与现有行业生态企业合作,包括汽车制造商、车队和业主单位。“我们希望与他们合作,开发出他们认为真正有用的产品。”
对于自动驾驶卡车的未来,Nancy Sun认为,从长远来看,大家的想法肯定是能够在所有范围内部署这项技术。但在短期内,为了进入市场,仍然需要限制部署场景。
对于行业的下一步走向,Nancy Sun认为,自动驾驶领域的创业很困难。随着时间的推移,我们将看到更多行业开始兼并购和整合。

这些变化,或许不是很多自动驾驶初创公司愿意看到的,但是的确就是正在发生的事情。
去年,戴姆勒就收购了自动驾驶技术开发商Torc Robotics,后者将被整合进戴姆勒卡车自动驾驶技术集团。
戴姆勒卡车公司是在去年9月宣布独立自动驾驶研发部门,并希望在十年内实现L4目标。为此,该公司还宣布继续投入超过5亿美元用于技术研发和测试。
另外一个非常重要的问题,就是卡车自动驾驶的商业化路线图。接下来对于很多初创公司来说,走好这一步,至关重要。
从目前的行业共识来看,一些汽车制造商和一级供应商已经明确表示,L3级是不符合商业逻辑的。
一方面,从L2过渡到L3,技术复杂性和成本会大幅增加,这对于卡车车队及运营商来说,也是一笔不小的开支,但实际能够给运输行业带来的增值并不会大幅增加。
比如,司机占了目前车队运营中的相当大的比例成本——大约为30%。而自动驾驶可以优化燃油消耗(7%-10%),并减少轮胎磨损。
此外,由于道路法规对于卡车司机工作时间和行驶时间的特殊要求,这是另一个主要的挑战。
另一方面,现有卡车ADAS的路径,和乘用车非常类似,就是短期内将重点放在L0-L2的普及(尤其是法规监管的要求正在不断提升)。
同时,继续增加ADAS功能的数量和体验(比如,L2.5或者通常说的L2.99),设计系统和开发路径则为L4做好准备。比如,利用机器学习和司机数据在事故发生前预测事故。
在这一点上,PlusAI就选择了两步走策略,与一汽解放成立合资公司,共同开发自动驾驶卡车。第一步,双方推出了首款名为一汽解放J7的L2级自动辅助驾驶商用卡车。
同时,双方继续计划在三到五年内推出完全自动驾驶的L4级商用卡车。
而在商业模式的选择上,目前主要有三种方式,一是类似传统Tier1,提供解决方案和技术输出;二是销售自动驾驶卡车;三是基于“运输即服务”的模式为车队提供服务,按照每公里收费。
最后一种方式,可能会降低商业化部署的门槛,以及更快的上路时间和产生收入。同时,也为后续技术研发提供了收集数据、迭代和改进算法的机会。
但,这将需要充足的资金来支持卡车自动驾驶初创公司在整车、自动驾驶零部件采购以及整车定制生产上的成本和资金周转风险。
总之,高级驾驶员辅助(ADAS)功能将在未来五年内成为商用车行业的标准。自动驾驶可能需要更长的时间才能成为常态。
实事求是的说,这将是一个缓慢的演变,而不是一场革命。对于初创公司来说,停下脚步好好思考一下前行方向,为时不晚。(作者:高工智能汽车)

博客 自动驾驶小能手

LV5
2020-04-17 09:47
44

小鹏汽车宣布将与英伟达继续合作 首款搭载英伟达DRIVE Xavier车型P7即将上市

4月16日,小鹏汽车宣布,将与全球领先的人工智能计算制造商英伟达(NVIDIA)继续合作,其下一代智能纯电车型将继续搭载英伟达的AI自动 ...查看全部

4月16日,小鹏汽车宣布,将与全球领先的人工智能计算制造商英伟达(NVIDIA)继续合作,其下一代智能纯电车型将继续搭载英伟达的AI自动驾驶计算平台。而不久前刚刚宣布即将在4月27日正式上市的超长续航智能轿跑——小鹏P7,正是首款搭载 NVIDIA DRIVETM AGX Xavier平台的量产车型。 

1587029031933073.png

NVIDIA DRIVE AGX Xavier

小鹏P7所采用的NVIDIA DRIVETM AGX Xavier自动驾驶计算平台,拥有超强性能且高能效的Xavier片上系统(SoC),具备L4级自动驾驶计算能力,可实现每秒30万亿次运算,功耗仅30 瓦,能效是上一代架构的15倍。同时,Xavier是首款致力于量产级自动驾驶的片上系统,可满足当今严格安全标准和法规要求,提供处理多个传感器数据所必需的冗余和兼容性,为高度自动化的量产级自动驾驶系统提供了有力保障。

因此,拥有13个摄像头、5个毫米波雷达及12个超声波雷达的小鹏P7,其XPILOT 3.0自动驾驶辅助系统在“本土化”和“自动化”方面均实现突破,可针对中国路况同时适用于城市道路与高速公路,且具备高度自动化的优势,还可以在未来通过整车OTA不断进化,实现更多功能的解锁。其具体的自动驾驶能力,将在4月27日上市时正式揭晓。

对于双方未来的继续合作,小鹏汽车自动驾驶副总裁吴新宙博士说:“我们与英伟达的成功合作对小鹏P7的研发和生产至关重要。Xavier的性能和能源效率,加快了我们开发这款安全、智能且功能丰富的第二代智能电动车型,小鹏P7已经成为目前竞争激烈的电动汽车市场中最受关注的智能轿跑。未来,小鹏汽车将为更广泛的消费者群提供竞争力更强、更优化、更易适用而且更加安全的自动驾驶功能。我们非常期待与英伟达携手,在智能汽车的赛道上加跨步伐。”

1587088091675015.png

超长续航智能轿跑——小鹏P7即将于4月27日正式上市

英伟达自动驾驶汽车副总裁Rishi Dhall也表示: “中国的消费者很快将可体验到小鹏P7高智能的自动驾驶的功能,也可证实Xavier的超强处理能力、效率、安全性和其可扩展性。我们将与小鹏汽车紧密合作,共同搭建其下一代智能电动车架构,以助小鹏汽车巩固其在该领域的长期竞争优势。”

在英伟达AI基础架构上,小鹏汽车开发了包括深度神经网络在内的全闭环自研自动驾驶技术。在车辆内部,英伟达的开放式 NVIDIA DRIVE OS令小鹏汽车的专利自动驾驶软件XPILOT 3.0能够发挥潜力,并可以持续通过OTA更新提升车辆自动驾驶功能。鉴于英伟达最新系列 NVIDIA Orin平台及Xavier平台的强大架构兼容性,小鹏汽车将会积极探索在其未来智能车型上采用该最新技术。

博客 智能网联汽车

LV1
2020-04-16 17:28
56

解析2020智能汽车产业链发展关键突破点

智能汽车产业链相较于传统汽车,智能网联汽车在多个系统方面均有了较大的变化和改进,涉及智能驾驶辅助系统、智能座舱系统、汽车安全系统、智能照明系统、热管理系统和其他系统等。 ...查看全部

智能汽车产业链相较于传统汽车,智能网联汽车在多个系统方面均有了较大的变化和改进,涉及智能驾驶辅助系统、智能座舱系统、汽车安全系统、智能照明系统、热管理系统和其他系统等。

ADAS 系统、智能座舱是核心组成部分。汽车行业主要突破口是车载终端及软件系统随着智能网联持续发展,整车厂在整车制造中越来越多地选择配置车联网车载终端设备,以此来提升产品对消费者的吸引力。
智能驾驶辅助系统的构成主要包括感知层、决策层和执行层三大核心部分。
感知层主要传感器包括车载摄像头、毫米波雷达、超声波雷达、激光雷达、智能照明系统等。车辆自身运动信息主要通过车身上的速度传感器、角度传感器、惯性导航系统等部件获取。
决策层根据智能驾驶汽车感知层获得的信息,通过一定的模型,进行计算分析,针对不同的情况作出相应的决策判断,达到替代人类驾驶员判断的效果,决策层的核心是算法和芯片。
执行层主要包括智能驱动、智能转向和智能制动三个部分。智能驱动系统中电机系统提供动力,电控系统实现控制。智能转向系统主要包括 EPS 电子辅助转向系统、SRW 线控转向系统和 AIFS 主动前轮独立转向系统等。智能制动基本部件包括传感器、电控单元、电子真空泵等,系统级的部件包括 ESP 车身稳定系统、IBS 智能刹车系统等多个系统。
智能座舱的构成主要包括全液晶仪表、大屏中控系统、车载信息娱乐系统、抬头显示系统、流媒体后视镜等核心部件是域控制器。
智能汽车中,传统安全带和安全气囊进一步智能化,其中智能安全气囊可以根据碰撞情况、乘员情况等,调整打开时间和强度,实现最好的保护。驾驶员检测系统、胎压检测系统也逐步成为智能汽车的标配,通过车载摄像头、TPMS 部件等实现。
智能照明系统包括主动转弯照明、弯道灯照明、汽车夜视系统等;通过这些智能照明系统,驾驶员可以有效拓展视野,提升对道路上的车辆行人的辨识度,提高驾驶安全
智能网联新能源车相较于传统的汽车热管理系统,新增了电池热管理、电机电控冷却系统,同时对汽车空调系统也提出了更高的性能要求。热管理系统成为智能网联新能源车的重要组成部分。
其他的智能网联汽车系统还包括无钥匙进入/启动系统、车辆远程控制系统等。
ADAS 系统:国内企业突破口
ADAS 产业链核心点:芯片、算法、智能转向、制动、雷达
ADAS 产业链中决策层的芯片和算法,执行层中智能转向、智能制动和电控系统,是目前智能驾驶系统中技术含量较高的部分。
智能驾驶芯片的研发需要大量的资金投入、人才支持以及经验积累等,产品包括 ECU、DCU、AI 芯片等各种类型,逐渐由专用型转向通用型,行业技术持续变革。
智能驾驶算法解决方案是实现各种 ADAS 功能的核心,目前常见的 ADAS 功能包括 ACC 自适应巡航、 LKA 车道保持、LCA 变道辅助等,不同的功能均需要相对应的算法支持,复杂度高。
智能转向系统目前已经发展到 EPS、SBW、AIFS 等,技术基本由龙头供应商垄断。智能制动技术持续变革,产品包括传感器、电控单元、电子真空泵、ABS、ESP、AEB、IBS、ISA 等多种类别。电控系统的核心部件是 IGBT、功率 IC、功率分离器等半导体元器件,技术含量较高。
毫米波雷达和激光雷达的技术含量较高。车载摄像头、超声波雷达,以及执行层的电机产品的技术含量相对较低。车载摄像头领域,COMS 图像传感器对像素要求低于消费电子产品,镜头组和模组组装技术难度也相对较低。超声波雷达是一种较为常见的传感器,技术门槛相对较低。
从竞争格局分析国内企业在产业链上的突破
根据竞争格局的稳定程度和进入门槛的高低,可以将智能驾驶辅助各部件分成三类。
第一类是竞争格局较为稳定,进入门槛较高的智能制动和智能转向领域。
第二类是竞争格局尚未稳定,但进入门槛较高的的部件,主要包括决策层的芯片和算法、感知层的激光雷达和毫米波雷达。
第三类是竞争格局尚未稳定,但进入门槛较低的部件,主要包括执行层电机电控和感知层车载摄像头。在不同类别的部件领域,国内供应商面临不同的发展机会。
在执行层的智能转向和智能制动系统领域,国内外市场基本被国际龙头公司所垄断,整体格局较为稳定;且由于转向和制动系统产品需要长期的研发投入与技术累积,进入门槛较高。国内供应商以部分细分产品为突破口,有望获取一定的市场份额。
在智能转向系统领域,包括 EPS、SRW 等产品领域,国外供应商包括采埃孚、捷太格特、博世、天合等公司技术成熟先进,市场属于寡头垄断的状态。国内公司中德尔股份、北特科技等公司生产转向系统的部分部件,但在系统级别产品领域未有突破。
在智能制动系统领域,国外供应商包括采埃孚、大陆和博世等公司占据了国内外主要市场。细分产品中,国内公司在 ABS、IBS、ESP 等产品领域取得一定进展。国内公司华域汽车、拓普集团等在推进 IBS 产品的研制,伯特利等公司的 ESP 产品已经实现量产。
在决策层芯片领域,海外的英伟达、英特尔(收购 Mobileye)、高通、恩智浦、瑞萨电子、德州仪器、英飞凌、安森美等,以及国内的华为海思、寒武纪、地平线等。由于智能驾驶涉及的芯片种类较多,不同的供应商擅长的领域各有区别,同时各个厂商之间智能驾驶技术路线也各有区别,因此目前市场格局并不稳定,市场份额较为分散。从全球市场情况来看,份额最大的恩智浦也仅占 14%。 
在决策层算法领域,国内外主要参与者包括博世、大陆、安波福等零部件龙头公司,谷歌、微软、百度等互联网科技公司,特斯拉等整车厂,以及智能驾驶创业公司。行业整体处于起步阶段,因此整体竞争格局并不稳定。
由于芯片和算法都具有高技术难度的属性,所以该市场主要是龙头公司之间互相竞争。在竞争格局并不确定的情况下,国内科技龙头公司在此领域具有较大的发展机会,包括在芯片领域的华为、寒武纪、地平线,以及在算法领域的 BAT 等。
目前毫米波雷达整体处于早期发展阶段,国内外零部件供应商均有布局。从 2018 年的全球市场占有率情况来看,前五大供应商分别是括博世、大陆、海拉、富士通天、电装,但没有一家公司的市占率超过 20%,同时包括德尔福、奥托立夫、法雷奥、TRW 等公司也是重要的毫米波雷达供应商,未来市场竞争格局仍有可能发生重大变化。
国内供应商中,德赛西威和华域汽车等公司的短距 24GHz 毫米波雷达实现了量产,77GHz 毫米波雷达也稳步推进。凭借产品性价比、服务能力等,逐步扩大市场份额;然后拓展到高频率毫米波雷达市场。
目前激光雷达尚处于起步阶段,智能网联汽车尚未大规模采用,竞争格局仍未稳定。国外主要的激光雷达公司包括 Velodyne、Ibeo、Quanergy、Innoviz 和 LeddarTech 等;国内主要的激光雷达公司包括禾赛科技、北科天绘、速腾聚创、北醒光子和镭神智能等。
目前仅法雷奥和 Ibeo 合作生产的扫描式激光雷达 ScaLa 实现量产。国内公司在固态激光雷达领域积极布局,已经研制出较多的产品,部分产品技术性能在全球领先,随着激光雷达往固态化持续发展,国内激光雷达公司具备较大的发展机会。
从全球车载摄像头市场份额情况来看,目前整体竞争格局仍较为分散,除松下市场份额在 20%左右,其余主要供应商的市场份额在 8%至 11%之间,未出现具备明显优势的供应商。
由于车载摄像头技术门槛整体相对较低,国内供应商具有较大的发展机会。国内供应商主要包括同致电子、深圳豪恩、厦门辉创、苏州智华等,已经批量供应后视和环视的摄像头。
德赛西威、华域汽车等在内的汽车零部件供应商和包括舜宇光学、欧菲光等在内的光学镜头供应商也开始进入车载摄像头领域。凭借成本优势、服务反应速度优势等,未来国内供应商份额有望逐步提升。
ADAS 已经布局的公司分析
在智能驾驶辅助系统各部分,国内已经有公司产品逐步落地。
在感知层的车载摄像头部分,德赛西威在 2017 年投资了全自动高清摄像头生产线,并在国内实现了高清摄像头和环视系统的量产。华域汽车积极发展车载摄像头业务,探索建立覆盖毫米波雷达、摄像头和数据融合的全功能平台,推进包括 360 度汽车行驶环境扫描系统在内的产品开发与应用。
其他上市公司中,保隆科技 2019 年开始批量制造车载摄像头。非汽车行业的上市公司中,包括舜宇光学、欧菲光的公司也已经布局车载摄像头。非上市公司中,目前包括同致电子、深圳豪恩、厦门辉创、苏州智华等在内主要供应后视和环视摄像头。
在感知层的毫米波雷达部分,德赛西威 24GHZ 毫米波雷达已经获得量产订单,77G 毫米波雷达已达到可量产状态。华域汽车 24GHZ 后向毫米波雷达实现对上汽乘用车、上汽大通等客户供货;应用于大巴的 77GHz 前向毫米波雷达也通过国家法规测试。保隆科技稳步推进毫米波雷达研制。
在感知层的激光雷达部分,目前仍无上市公司有产品落地,国内主要是创业公司从事激光雷达研制工作,包括速腾聚创、禾赛科技、北醒光子、北科天绘、镭神智能等,但目前国内还未有实现大规模量产的激光雷达产品。
在决策层的芯片领域,目前国内主要是华为、寒武纪、地平线等公司布局;在算法领域,百度、腾讯、阿里、华为等公司联合整车企业进行智能驾驶算法开发。
在执行层的智能驱动领域,国内可以实现电机电控产品量产的上市公司包括大洋电机、正海磁材、、卧龙电驱、通达动力、英博尔等较多公司。科博达在电机控制系统、电机驱动类执行器等产品领域布局。
在执行层的智能转向领域,华域汽车的合营公司博世华域转向的 EPS 电动助力转向系统在国内占据较大市场份额。德尔股份、北特科技等公司可以量产 EPS 转向电机等智能转向系统的相关部件。
在执行层的智能制动领域,华域汽车旗下汇众汽车已经成功研发 Ebooster 等产品,并获得北汽新能源、比亚迪汽车的定点,未来有望实现量产。拓普集团同样布局研发 IBS 智能刹车系统。伯特利等公司的 ABS、ESP 等产品已经实现量产。
智能座舱系统:域控制器是核心,部分公司已布局
智能座舱系统构成:
智能座舱是未来智能网联汽车的主要组成部分之一,以座舱域控制器(DCU)为核心,推动包含液晶仪表盘、中控屏、流媒体后视镜、抬头显示系统等部件在内的多屏融合。
通过整合分散的感知能力,目前智能座舱系统已经发展到域内集中阶段。在座舱域控制器为核心的架构下,智能座舱系统各部件实现自身信息提供和人机交互功能。
从汽车整体架构来看,座舱域控制器(DCU)不仅链接传统座舱电子部件,还可以进一步整合智能辅助驾驶 ADAS 系统和车联网 V2X 系统,使得智能汽车可以进一步优化整合智能驾驶、车载互联、信息娱乐等功能。
智能座舱系统国内外差距:
国内外众多零部件供应商打造智能座舱解决方案,积极布局这一未来极具发展潜力的领域。
佛吉亚近年来打造“智享未来座舱”解决方案,并将智能座舱作为公司战略转型的重点方向,在中国市场中,一汽红旗、拜腾等车企车型将量产。大陆集团在 2017 年提出未来驾驶座舱,并可实现用域控制器集成化控制。
博世在 2018 年 CES 展上展示了全新概念智能驾驶舱,其通用掌握座舱域控制器技术。伟世通 SmartCore 座舱域控制器技术是目前主流的座舱域控制器解决方案,目前已经在多家整车制造商上实现应用。此外,包括法雷奥、采埃孚、现代摩比斯、安波福等零部件供应商均先后推出自身的智能座舱解决方案。
国内零部件供应商也积极布局智能座舱解决方案领域。华域汽车旗下延锋公司,通过与京东方、歌尔股份等公司的合作,打造智能座舱整体解决方案。德赛西威的智能驾驶舱是其核心产品线之一。 
目前,在座舱域控制器领域,国内外的差距较大,国外公司包括伟世通、博世、大陆、安波福等公司在多年前就掌握了域控制器的核心技术,且在较多客户车型上实现了量产,产品成熟度高。国内公司中,仅德赛西威、布谷鸟科技等少数公司具备座舱域控制器开发技术。如果不能采用域控制器对智能座舱系统进行架构升级,则系统将存在代际的差距。
在座舱域控制器以外的其他主要系统部件中,包括液晶仪表盘、中控屏、抬头显示系统、流媒体后视镜等,国内供应商的产品与国外也存在技术差距。
域控制器国内外竞争格局
座舱域控制器是未来智能座舱系统的核心,目前国内外多家零部件供应商进行布局,但整体能实现量产的公司仍较少,国外主要包括伟世通、博世、安波福、大陆集团和电装。
从时间上看,伟世通是最早推出座舱域控制器的供应商,其 2015 年即在 MWC 上展出的 SmartCore,这也是全球第一个座舱域控制器。继伟世通推出座舱域控制器之后,其他供应商也开始跟进。在2017 年,博世和安波福先后推出 AI Car Computer 座舱域控制器和 ICC 座舱域控制器。2019 年,大陆集团和电装先后推出集成式车身电子平台 IIP 和 Integrated HMI platform 座舱域控制器。
目前座舱域控制器在智能汽车中的应用仍处于起步阶段,未来渗透率将逐步提升。根据佐思产研的预测,座舱域控制器的出货量将从 2019 年的约 30 万套增加到 2025 年的 680 万套,年均增速达到68%。座舱域控制器在乘用车中的渗透率也将从2019 年的仅0.5%逐步提升至2025年的9.1%。
伟世通提出的 SmartCore 解决方案,将仪表盘、中控屏及其它座舱电子集成在一个系统芯片(SoC)上,对于座舱电子的智能化、网联化转型具有重要意义。伟世通的 SmartCore 以高通芯片作为计算平台,目前已经应用在奔驰、吉利、广汽、塔塔等整车客户的车型上。
博世的 AI Car Computer 座舱域控制器,基于高通的计算平台,目前已经在通用和福特的车型上实现量产。安波福的 ICC 座舱域控制器基于英特尔的计算平,ICC 集成架构通过整合 ECU,大幅降低 IVI 系统和仪表组的成本,目前已经在下游奥迪、法拉利、沃尔沃、长城等整车客户上实现量产。
大陆集团的集成式车身电子平台 IIP 基于高通/瑞萨的计算平台,最快于 2021 年实现批量生产。电装与黑莓共同研制的 Integrated HMI platform 基于英特尔计算平台,利用 QNX 的虚拟化技术,实现对车辆内部用户界面和系统的综合控制。电装的座舱域控制器已经开始量产,主要应用于丰田和斯巴鲁的部分车型上。
国内零部件供应商在座舱域控制器领域也开始逐步推进。德赛西威基于高通 820A 打造的智能座舱控制器,于 2019 年在理想汽车实现量产。非上市公司中,布谷鸟科技基于恩智浦芯片打造了 Auto Canbin 座舱域控制器,下游客户包括 4 家主机厂。
整体来看,国内供应商在座舱域控制器领域仍处于起步阶段,与国外零部件巨头在技术积累、量产应用等方面都存在较大的差距。
其它硬件产品竞争格局分析
全球液晶仪表盘市场份额集中度较高,基本被零部件龙头公司所占据,前五大供应商合计市场份额达到 80%,其中大陆集团、爱信精机、电装、伟世通和博世的市场份额分别达到 25%、17%、15%、 15%和 8%。
国内液晶仪表盘市场中,市场份额主要仍被大陆、伟世通等品牌的合资公司占据。本土供应商中,以德赛西威为代表的公司逐步获得包括吉利汽车、长城汽车、奇瑞汽车、广汽乘用车、比亚迪等自主品牌整车厂的订单,拉动市场份额的提升。
抬头显示系统在汽车中的渗透率还较低,在国际巨头零部件公司布局较早,全球市场主要被爱信精机、大陆集团、电装、伟世通和博世等零部件巨头公司所占据,市场份额分别达到 55%、18%、 16%、3%和 3%,合计达到 95%。
由于国内供应商产品成熟度较低,量产应用较少,因此主要市场份额仍被爱信精机、大陆集团等海外供应商所占据。目前国内多家本土零部件供应商布局,包括华阳集团、均胜电子、福耀玻璃、舜宇光学等。随着未来自主品牌乘用车逐渐配置抬头显示系统,国内供应商的相关业务有望迎来快速发展的机遇。
智能座舱布局的公司:德赛西威、华域汽车、均胜电子
德赛西威于 2017 年引入智能驾驶舱概念,布局域控制器,开发可同时驱动多屏、融合多摄像头的人机交互平台。2019 年 6 月,公司在上海 CES 上发布智能驾驶舱 3.0 版本,产品持续更新换代。 
公司的智能座舱通过多模态人机交互设计,提升用户在产品使用过程中的愉悦感。产品同时支持苹果、谷歌、百度等手机互联功能,通过 T-box 的集成,可以连接云端并支持第三方 APP。公司的智能座舱通过专业路试,可以为用户提供极致的信息娱乐体验。
公司在智能座舱系统的产品布局主要包括全液晶仪表盘产品、多屏互动产品、显示模组及系统、座舱域控制器等。
近年来,德赛西威智能座舱产品持续获得下游客户的订单。全液晶仪表盘客户包括比亚迪、吉利汽车、长城汽车、奇瑞汽车、广汽乘用车等整车厂。多屏互动智能驾驶舱新项目获得车和家、长安汽车和天际汽车的订单,并于 2019 年量产。具备领先光学性能的显示模组及系统客户包括一汽-大众、上汽大众、吉利汽车等整车厂。
德赛西威座舱域控制器基于高通 820A 芯片开发,可以支持同时控制多个智能座舱部件。公司为理想 One 研制的四屏互动系统产品基于该座舱域控制器,未来公司有望基于座舱域控制器开发出更多融合多设备的智能座舱产品。
华域汽车在智能座舱领域仍处于布局阶段,产品正在研制当中。
华域汽车依托子公司延锋进行智能座舱系统的研制。延锋采取跨界合作的方式,通过与京东方、歌尔股份等公司合作,共同打造智能座舱系统方案。京东方在 TFT-LCD 模组、光学贴合及曲面屏等显示产品上具备领先的技术优势,歌尔股份在声学系统、智能交互及智能传感器等方面具有较多的技术积累。华域汽车的智能座舱将以座舱域控制器为核心,主要构成包括显示屏、智能开关、HMI交互、座舱声学、智能座椅、安全系统以及其他部件。
均胜电子的智能座舱系统业务由汽车电子板块的子公司 Preh(普瑞)主导,在原有 HMI 人机交互业务的基础上逐步发展智能座舱业务。公司原有的 HMI 业务主要包括驾驶员控制系统、空调控制系统和方向盘控制器等产品,下游客户包括大众、奥迪、福特、宝马、奔驰、通用等整车厂。
均胜电子的 HMI 业务逐步向智能座舱系统延伸和转变。公司推出的智能座舱系统主要由触屏技术、全液晶仪表、抬头显示(HUD)、车载信息娱乐、人机交互、主动安全等产品或系统构成,同时具备硬件系统、软件系统和数据服务。同时,公司的智能座舱系统可以和公司的车联网系统紧密协同,为使用者提供更好的人机交互体验。
均胜电子智能座舱电子类产品目前已经逐步获得下游客户订单。公司包括 idrive 系统、电子排挡、多媒体交互触控屏、触控空调系统等在内的下一代座舱电子类产品已经开始配套新一代宝马、奥迪和新一代保时捷卡宴等。
智能网联产业链
智能网联汽车以智能驾驶技术、车联网技术为基础,构建汽车与交通服务的新业态,达到全面改善汽车驾驶感受、提升交通效率的目的。
相较于传统汽车,智能网联汽车的核心区别在于智能驾驶辅助系统、智能座舱系统和车联网系统。ADAS 系统有效解放了驾乘人员在驾驶和乘坐汽车时所受的约束,提升汽车的安全性、舒适性和便利性,降低汽车的使用门槛等。智能座舱系统将汽车从普通的乘坐出行工具打造成集出行、生活、娱乐等为一体的综合应用场景。车联网技术将汽车置身于 V2X 的网络体系中,打造更高效的汽车交通体系。
在智能网联汽车的基础上,V2X 车联网系统将各个终端连接起来。在地面上,车与车、车与人、车与路侧设备进行 V2V、V2P 和 V2I 的信息通信。通过实时获取车辆周边交通环境信息,与自身车载传感器的感知信息融合,作为车辆的决策与控制系统的输入。
导航卫星等为智能网联汽车提供高精度地图导航。云端决策平台通过 V2N 连接,对地面上各个交通设备进行全局交通规划,有效协调地面交通,从而提升整体交通效率。内容和服务提供商通过 TSP 服务集成商,再通过 V2N 链接,实现对智能网联汽车内容服务支持。
通过智能网联汽车和车联网体系构建,产业链下游可以进一步发展无人驾驶物流、共享出行等新的产业业态,从而持续扩大整个智能网联汽车体系的发展空间。
智能汽车:ADAS 系统、智能座舱是核心组成部分
车联网:汽车行业主要突破口是车载终端及软件系统
车联网产业链的核心构成:
车联网是借助新一代信息和通信技术,实现车与 X(车、路、人、云等)进行全方位网络连接,提升汽车智能化水平,同时通过网联改变汽车交通的原有业态,从而全方面提升汽车驾驶感受、交通运行效率的新产业。其中,V2X 是车联网的核心技术。
车联网产业链的上游是硬件模块和软件系统。硬件模块主要包括通信芯片、通信模组、运算处理部件、高精度定位芯片等。中游是路侧设备和车载终端设备。
路侧设备是实现车联网车路协同的核心基础设施,包括路侧 RSU 设备、边缘计算设备、高清摄像头等。车载终端设备主要包括控屏与智能车机、V2X 车载模块以及车载计算芯片等。下游主要是整车制造和通信运营等。
车联网产业链中,上游和中游硬件设备和软件系统相较于下游的通信运营及整车制造更具重要性。 
车联网产业链上游中,硬件模块是基础部件,通信芯片、通信模组、运算处理部件是最核心的组成部分。通信设备以及运算处理部件两大核心设备应用于车联网产业链中的多个其他部件。
通信芯片和通信模组构成通信设备,在中游的路侧 RSU 设备、V2X 路侧天线、V2X 车载设备等部分均需要使用。通信设备涉及 LTE-V2X 和 5G-V2X 等关键技术,是目前各方竞争的焦点。运算处理部件以芯片为核心,应用于路侧端的边缘计算设备和车载计算芯片。上游软件系统中,操作系统和高精度地图是核心部分。
车联网产业链中游中,车载终端设备中,V2X 车载模块和车载计算芯片是核心部件。V2X 车载模块是网联汽车与其他终端通信的设备,其性能决定了整体车辆网的通信效率。车载计算芯片是车联网终端的运算基础,高性能芯片开发需要基于目前最先进的半导体技术,基本由国内外半导体龙头所垄断。
路侧设备中,路侧 RSU 设备和边缘计算设备是核心部件。路侧 RSU 设备包含 V2X 路侧天线,是实现和智能网联汽车的进行信息通信的核心设备。边缘计算设备未来将成为数据计算处理的重要环节,边缘计算设备集成了服务器、储存设备和网络设备等,技术难度较高。
汽车行业在车联网产业链中的突破口
在产业链上游,汽车行业主要参与软件系统领域,硬件模块主要由通信技术行业和半导体行业所占据。高精度地图的资质原本主要掌握在少数地图供应商手中,但是随着汽车行业内的公司通过投资合作等方式,取得地图开发资质,开始涉及这一领域。
汽车公司由于掌握丰富的车辆行驶资源和数据,因此其对于开发和推广高精度地图具备较大优势,预计未来会有更多公司参与到这一领域。在应用软件领域,目前汽车行业零部件公司和整车公司根据客户或自身需求,进行汽车软件开发。
在产业链中游,汽车行业主要参与车载终端设备领域,中控屏原先即是汽车零部件的重要组成部分,在车联网中,汽车零部件供应商推进中控屏和车机的智能化、网联化,目前行业中有多家零部件公司进行中控屏和智能车机的研制销售。
V2X 车载模块是汽车行业公司切入车联网的重要领域,相较于传统的通信技术公司,汽车行业公司基于对汽车行驶、通信等方面的了解,其开发 V2X 车载模块更具优势。
目前已有部分公司完成 V2X 车载模块的量产。计算芯片主要仍由半导体龙头所垄断,但汽车行业公司可以基于外购的芯片进行车联网解决方案的开发,从而充分利用汽车行业公司对汽车相关数据的丰富积累,提升车联网系统的整体性能。
在产业链下游,汽车行业涉及整车制造环节。随着智能网联持续发展,整车厂在整车制造中越来越多地选择配置车联网车载终端设备,以此来提升产品对消费者的吸引力。
主要汽车公司车联网布局:
上市公司中,包括德赛西威、均胜电子、路畅科技、华阳集团、兴民智通、索菱股份等公司在车载终端设备以及软件系统等车联网产业链部分有产品布局。
从产品分布来看,德赛西威的产品布局较为广泛,主要类别均有对应产品;
均胜电子主要在 V2X模块和车载信息系统;路畅科技和索菱股份主要在 T-box 产品、中控屏和车机布局;华阳集团在中控屏车机、车载娱乐信息系统布局;兴民智通主要有 T-box 产品和应用软件系统。
在智能硬件终端部分,德赛西威布局的产品包括智能车机中控屏、V2X 车载模块、T-box 产品以及V2X 芯片解决方案。德赛西威的智能车机将在线音乐等多媒体聚合,智能互联网联通停车、购物、就餐等生活场景,此外还具有在线救援、路线规划等功能。 
德赛西威还基于高通 9150 C-V2X 芯片,为汽车制造商开发 LTE-V2X 解决方案。德赛西威的新解决方案可以支持 V2V 场景(如前向碰撞和交叉口移动辅助)、V2I 场景(如限速警告和信号相位和定时)以及 V2P 场景(道路用户碰撞警告等),有效增强智能网联的能力。
在软件系统领域,公司主要进行车载娱乐信息系统以及应用软件开发等。公司的车载娱乐信息系统和软件开发等主要依托于智能车机中控屏产品,为客户提供多样化的软件信息服务。 
在智能车机中控屏部分,公司2018年为一汽大众打造的智能车机正式上市,配套一汽大众高尔夫、迈腾等车型。公司 V2X 车载模块,目前已经获得国际品牌整车厂的项目定点,预计于 2020 年量产。公司 T-box 产品目前已经在包括上汽通用在内的多个国际和自主品牌车型上配套量产。
均胜电子2016年收购德国TS道恩切入智能车联业务,将TS重整为德国普瑞的全资子公司PCC,并于同年在中国成立 JPCC(均胜车联),专注于国内的车联网业务。PCC 是大众集团等知名整车厂的导航系统的发展伙伴,在车联网领域,特别是 V2X 技术领域具有较深的技术累积。
均胜电子在车联网领域的主要产品包括车载信息系统、V2X 车端产品,同时公司在以 5G 技术为基础的汽车通信、OTA 空中下载和车辆增值服务领域持续推进。
均胜电子的车载信息系统产品核心以软件为主,第一类是基于谷歌Android Auto 的车载信息系统。公司第二类车载信息系统产品是基于单芯片(System On Chip)支持双操作系统的新一代车载信息娱乐系统方案。在 V2X 产品领域,均胜电子极参与基于 5G 技术的 V2X 行业标准的制定,目前是工信部下属 C-V2X 标准制定组织重要成员。
公司为一汽大众开发的车联 CNS 3.0 系统车机,其基于单芯片,同时支持 Linux 系统和安卓系统两部分。CNS 3.0 系统车机支持远程对车辆信息的监测及控制,还集成了在线导航、音乐、电台、语音控制、智慧出行等生活娱乐服务。CNS 3.0 系统车机目前已经一汽大众迈腾车型上实现量产。
目前均胜电子车联网产品已经获得多个订单。基于谷歌 Android Auto 的车载信息系统已经获得大众和奥迪的订单,并将于 2020 年进入量产。基于单芯片支持双操作系统的新一代车载信息娱乐系统已经获得上汽大众和一汽大众 MQB 平台和全新的电动平台 MEB 平台订单。
5G 应用及特斯拉技术革新将驱动智能网联快速发展:
5G 的落地对于汽车智能网联的发展具有重要的推动作用。5G 作为最新一代蜂窝移动通信技术,经过近年来的实验室测试、场外测试、规模试验、预商用、规模部署之后,在 2020 年已实现正式商用。智能网联汽车是 5G 的核心应用领域之一,随着 5G 商用的正式落地,智能网联汽车加速发展。
5G 对于实现更高级别的智能网联汽车具有重要意义。
智能驾驶和网联化发展是紧密结合的。在部分自动驾驶阶段,要实现车道内自动驾驶、换道辅助等功能,网联化需要逐步发展到联网协同感知阶段。在有条件自动驾驶阶段和完全自动驾驶阶段,尤其是实现协同式队列驾驶、车路协同控制等方面,必须联网进行协同决策与控制。
目前的智能驾驶汽车主要为自主式智能驾驶汽车,采用车载传感器探知车辆周围的环境信息,自主做出决策判断,是独立于其他车辆的自动驾驶。进一步发展到智能网联汽车,需要与网联功能充分融合,5G 将进一步推动智能驾驶汽车的网联化。
5G 已经可以满足更高级别自动驾驶的技术要求。对自动驾驶而言,其对网络通信的传输延时和传输速率要求逐步提升。
L2 级别及以上的自动驾驶即要求传输时延在 100 毫秒以下,而目前的 4G-LTE 网络的传输时延在 98 毫秒左右,已很难满足 L2 级别自动驾驶的需求。而目前 5G 网络的传输时延是 1 毫秒,可以满足所有自动驾驶级别的时延需求,为智能网联发展提供技术先决条件。
另一方面,对于车联网 V2X 系统,5G 将推动 LTE-V2X 系统向 5G-V2X 系统全面升级。根据发改委的规划,到 2020 年,国内大城市、高速公路的车用无线通信网络(LTE-V2X) 覆盖率将达到 90%,同时加快推进 5G-V2X 系统的建设。随着 5G 商用正式落地,5G-V2X 建设有望加速。
特斯拉在智能网联汽车技术方面目前是全球领先的公司之一,未来其规模的扩大将推动智能网联的发展。
特斯拉智能网联汽车技术首先体现在其汽车电子电气架构上。特斯拉在最初研制电动车时就开始逐步摆脱传统汽车的分布式电子电气架构,尽量减少 ECU 的使用数量,从而对汽车的电子电气架构进行统一的管理。在 Model S 上,特斯拉的 ECU 数量相较于传统燃油车以及普通新能源车已经大幅下降;据统计,相同级别传统燃油车中 ECU 数量大约是 70 个,普通新能源车日产 Leaf 上有约 30 个,而 Model S 仅有 15 个左右。
Model 3 电子电气架构进一步集中化,架构仅包括 CCM(中央计算模块)、BCM LH(左车身控制模块)和 BCM RH(右车身控制模块)三个模块。其中 CCM 负责信息娱乐系统、辅助驾驶系统和车内外通信;BCM LH 和 BCM RH 负责车身、底盘、安全及动力系统等。对照博世提出汽车电子电气架构进化路线,Model 3 已经直接达到 Vehicle Computer 层级,是目前行业中最先进的汽车电子电气架构。
以集中式的电子电气架构为基础,特斯拉可以通过软件系统的 OTA 升级,实现对汽车整体功能和性能的升级。通过 OTA 技术对车载软件进行更新,实现 AP、地图、娱乐系统等功能升级,不断改善用户体验;
OTA 升级可以解决特斯拉用户遇到的汽车使用故障问题,从而避免去实体店进行维修,有效降低使用成本。OTA 升级有效提升了特斯拉的服务附加值,一定程度上改变了传统汽车的价值链。
特斯拉的智能驾驶硬件设备中,Autopilot 套件包括 8 个摄像头、12 个超声波传感器和一个增强版前向毫米波雷达。计算芯片是基于英伟达的芯片而自主研发的 Tesla FSD。FSD 采用双芯片设计,同时集成了 CPU、GPU、NPU 等核心部件,在性能上处于行业领先位置。
在智能网联方面的技术优势,使得特斯拉的车型在全球畅销,推动汽车行业持续变革。
在供应链上,特斯拉的快速发展,有望拉动包括智能驾驶传感器、车联网设备以及智能座舱系统等一系列零部件及系统的快速发展,推动零部件供应商持续变革。
特斯拉智能网联汽车的迅速发展也迫使传统车企持续进行变革,将长期发展重心转向智能网联汽车,同时更加关注消费者乘车的智能驾驶体验。特斯拉在智能网联汽车领域取得的巨大成功,吸引了大批互联网科技巨头加入,包括谷歌、微软、百度等,有利于产业的良性竞争,同时激发了更多的创业公司在智能网联行业发展。
在需求端,特斯拉的车型凭借其先进的智能网联化功能,在一定程度上改变了消费者传统的汽车消费习惯。目前消费者对汽车智能网联的需求不断提升,进一步推动相关产业的发展。
转载自东方证券、智车行家,文中观点仅供分享交流,不代表本公众号立场,如涉及版权等问题,请您告知,我们将及时处理。(文章转自:东方证券、智车行家)

博客 自动驾驶小能手

LV5
2020-04-16 10:02
49

深度报告详解域控制器之L3汽车时代

无人驾驶进程中车辆电子电气架构从分散到集中,催生域控制器汽车智能网联化带来信息流大量增加,汽车电子电气(EE)架构将迎来升级,如同中国古代历史社会组织结构变化,从诸侯分封-春秋五霸-一统天下,汽车架构从分布式-域集中式-中央计算式 ...查看全部

无人驾驶进程中车辆电子电气架构从分散到集中,催生域控制器

汽车智能网联化带来信息流大量增加,汽车电子电气(EE)架构将迎来升级,如同中国古代历史社会组织结构变化,从诸侯分封-春秋五霸-一统天下,汽车架构从分布式-域集中式-中央计算式逐渐进化,当前正处于分布式向域集中式过渡阶段,从全车100 余ECU 到 5 个DCU,控制功能迅速集中,作为“地方割据势力的决策中心”的域控制器走上历史舞台。

域控制器的过去、现在和未来:ECU-经典五域-中央计算平台

ECU 是域控制器的前身,在车辆发动机、变速箱、安全气囊等各底层执行零部件中广泛应用,承担决策功能,目前大部分传统车企上都是分布ECU 搭载;往后发展,控制范围更广、算力更强的域控制器取代了原有较为独立的各 ECU 的决策功能,以博世经典的五域分类拆分整车为动力域、底盘域、座舱域/智能信息域、自动驾驶域和车身域,五域较为完备的集成了 L3+车型的所有控制功能,在极少数 L3 级别车型上(如长安UNI-T/小鹏 P7 等)进行应用;域控制器再往后发展,以特斯拉 Model 3 为代表的中央计算平台 Central & Zone Concept 是行业未来趋势。

域控制器产业链拆解

从生产流程来看,汽车电子控制器产业链主要经历了:晶圆生产、(芯片)封装测试及系统应用(MCU 及各类控制器等)。上游核心产品芯片,决定了域控制器的核心计算能力,芯片设计层面主要由海外垄断,晶圆代工和封装测试层面大部分国产化半导体龙头企业具备实力;中游核心产品MCU(海外为主),PCB 板(国产化率较高)、无源器件(一定程度国产化);下游控制器总成厂商主要是全球零部件巨头企业领先,近年来国内部分上市公司和初创企业逐渐实现了产品研发和订单斩获。

风险提示:L3 普及风险、汽车销量下行风险。

域控制器带来软硬件机遇

作为车身区域性“大脑”,DCU  向上接收来自传感器端的信号,向下发送决策信息给执行系统。DCU 的普及,将带来硬件和软件的一系列投资机遇。软件方面包括多融合传感器算法、标准化软件架构 AUTOSAR、系统安全 ASIL 升级、车内以太网应用、整车OTA 升级等等,或将带来一系列聚焦算法、安全等计算机和通信企业的发展机遇。硬件方面推荐上游芯片制造工序端的中芯国际(海外组覆盖)、封测龙头长电科技(电子组覆盖);中游PCB 沪电股份、景旺电子(均电子组覆盖);下游控制器总成企业德赛西威、科博达;执行端伯特利和星宇股份

域控制器的背景

无人驾驶是大势所趋

要理解目前的无人驾驶(智能汽车),离不开以下一个公式:出行需求=总量*里程

左边,出行需求=人数*人均出行里程。

右边第一项,总量=公共交通工具+私人交通工具。

右边第二项,里程=时间*速度。

需求方面,随着国内城市化和现代商业化的发展,一方面提高了城市人口,一方面城市半径不断提升(主要城市半径>25km),居民的生活工作出行距离增加,等式左边的出行需求是快速增加的。

出行需求的增加必将要求总量和使用效率的提升。公共交通工具方面,公交和地铁等领域存在短板,2017 年中国地铁运行线路总长度为 3881.77 公里,与美国仍有较大差距(重铁+轻铁,5799 公里)。同时主要城市每万人拥有的公共出租汽车数量呈下降趋势。私人交通工具方面,截至 2019 年底,全国机动车保有量达3.48 亿辆,其中汽车保有量达 2.6 亿辆,千人保有量达170 辆,受限于道路和停车场等土地要素的短缺,城市保有量增长存在瓶颈。

国内居民的出行需求和供给方存在着缺口,这种缺口部分程度削弱了居民的出行品质,造成拥堵的路上交通和地铁。如何提高现有资源的使用效率是解决出行矛盾的关键。智能驾驶和共享出行就是谋求提升资源使用率的供给端革命(我们在 18 年 12 月发布了共享出行行业专题-《共享汽车,非成熟条件下的模式探讨》),19 年7 月发布了智能驾驶行业专题-《ADAS+车联网,无人驾驶之路》)。20 年 3 月发布了华为汽车行业专题-《华为汽车业务现状、竞争格局和产业链机遇》。根据华为智能汽车解决方案的拆解,未来的智能驾驶产业链将从云-管- 端三大层面带来全产业链机遇。本篇域控制器深度报告就是从“端”的层面对其细分核心决策部件进行分析。

无人驾驶催生产业链新机遇

无人驾驶实现需要四步走。我们认为无人驾驶从应用层面可以分为四个阶段,阶段1 是资讯被动侦测期,该阶段主要应用于车载资讯服务;阶段2 是资讯互动交换期,也就是当前所处阶段,该阶段主要应用于 ADAS 等;阶段 3 是资讯主动传达期,该阶段主要应用为 V2V和V2I,融合传感器技术实现车路协同;阶段 4 就是终极无人驾驶期,无人驾驶背景下车辆运营效率有望大幅提升,该阶段的典型应用就是共享汽车。

无人驾驶进程中的车辆架构发生较大改变——从 EE(电子电气)到“计算+通信”。实现汽车软件义、持续创造价值。传统电子电气架构中,车辆主要由硬件定义,采用分布式的控制单元,专用传感器、专用 ECU 及算法,资源协同性不高,有一定程度的浪费;计算+通信架构中,旨在实现软件定义车,域控制器在这里发挥重要作用,通过域控制器的整合,分散的车辆硬件之间可以实现信息互联互通和资源共享,软件可升级,硬件和传感器可以更换和进行功能扩展

无人驾驶进程中车辆电子电气架构从分布到集中汽车电子电气架构奠定车辆底层框架。汽车电子电气架构(Electronic and Electrical Architecture,文中简称 EEA)是由车企所定义的一套整合方式,是一个偏宏观的概念,类似于人体结构和建筑工程图纸,也就是搭了一副骨架, 需要各种“器官”、“血液”和“神经”来填充,使其具有生命力。具体到汽车上来说, EEA 把汽车中的各类传感器、ECU(电子控制单元)、线束拓扑和电子电气分配系统完美地整合在一起,完成运算、动力和能量的分配,实现整车的各项智能化功能。

无人驾驶进程中的车辆架构从分布向集中发展。全球零部件龙头企业博世曾经 将汽车电子电气架构划分为三个大阶段:分布式电子电气架构-【跨】域集中电 子电气架构-车辆集中电子电气架构,三个大阶段之中又分别包含两大发展节点,一共六个发展节点,细化了电子电气架构将从分布式向车辆集中式演变的过程。伴随汽车自动化程度从 L0-L5 逐级提升,目前大部分的传统车企电子电气架构处在从分布式向【跨】域集中过渡的阶段。分布式的电子电气架构主要用在L0-L2 级别车型,此时车辆主要由硬件定义,采用分布式的控制单元,专用传感器、专用 ECU 及算法,资源协同性不高,有一定程度的浪费;从 L3 级别开始,【跨】域集中电子电气架构走向舞台,域控制器在这里发挥重要作用,通过域控制器的整合,分散的车辆硬件之间可以实现信息互联互通和资源共享,软件可升级, 硬件和传感器可以更换和进行功能扩展;再往后发展,以特斯拉 Model 3 领衔开发的集中式电子电气架构基本达到了车辆终极理想——也就是车载电脑级别的中央控制架构

车辆自动驾驶级别主要参照 0-5 级分类。目前全球公认的汽车自动驾驶技术分级标准主要有两个,分别是由美国高速公路安全管理局(NHTSA)和国际自动机工程师学会(SAE)提出。中国于 2020 年参考 SAE 的 0-5 级的分级框架发布了中国版《汽车驾驶自动化分级》,并结合中国当前实际情况进行了部分调整,大体上也  将自动驾驶分为 0-5 级

L3 级别是汽车自动化道路的一次跃升。从法规和技术两个维度来看,L3 级别自动驾驶都是汽车自动化道路上的一大跃升。从法规来看,SAE 和中国《汽车自动化分级》规定 L0-L2 级别均是人类主导驾驶,车辆只做辅助,L0、L1 和 L2 之间的差异主要在于搭载的 ADAS 功能的多少,而 L3 开始,人类在驾驶操作中的作用快速下降,车辆自动驾驶系统在条件许可下可以完成所有驾驶操作(作用不亚于驾驶员),驾驶员在系统失效或者超过设计运行条件时对故障汽车进行接管;从技术来看,L0-L2 主要运用的传感器有摄像头、超声波雷达和毫米波雷达,L3 及之后原有传感器配套数量上升,同时高成本的激光雷达方案难以避开,传感器之间的协同要求提升,多传感器融合算法愈发复杂,所需控制器芯片算力大幅提升

2020 年是 L3 级别车型量产年。奥迪 A8 是最早实现搭载了 L3 级别硬件的量产车型,虽然由于法律监管的约束 A8 始终无法向消费者实现 L3 级别功能落地,但其2017 年推出的 5 摄像头+12 超声波雷达+4 毫米波雷达+1 激光雷达的量产硬件方案,始终是行业的先驱者之一。奥迪之后,全球多数车企纷纷计划在 2020-2021 年开始正式量产 L3 级别车型,如宝马 iNEXT、奔驰全新 S/C 级等车型

中国的 L3 量产自 2020 年长安发布的UNI-T 车型始,2020 年是我国 L3 级别车型的量产年,将先后迎来小鹏 P7、长安 UNI-T、北汽新能源 ARCFOX ECF Concept、广汽新能源 Aion LX、奇点 iS6 等L3 级别车型的上市

域控制器自 L3 始进入市场。由于 L3 级别“人车共驾”带来的传感器数量和融合算法的增加,现有广泛使用的传统分布式电子电气架构面临 ECU 数量增加冗余成本提升、传感器数据耦合困难、布线复杂度提升、线束成本提升等问题,难以支撑车辆L3 功能的实现,【跨】域集中的电子电气架构自 L3 起进入舞台。该架构下的核心处理模块——域控制器开始进入市场。接下来的篇幅我们将围绕域控制器的定义、作用、原理、分类、结构以及产业链进行展开

域控制器的分类——经典的五域划分

核心:以博世经典的五域分类拆分整车为动力域(安全)、底盘域(车辆运动)、座舱域/智能信息域(娱乐信息)、自动驾驶域(辅助驾驶)和车身域(车身电子), 这五大域控制模块较为完备的集成了L3 及以上级别自动驾驶车辆的所有控制功能。

1、动力域(安全)动力域控制器是一种智能化的动力总成管理单元,借助 CAN/FLEXRAY 实现变速器管理、引擎管理、电池监控、交流发电机调节。其优势在于为多种动力系统单元(内燃机、电动机\发电机、电池、变速箱)计算和分配扭矩、通过预判驾驶策略实现 CO2 减排、通信网关等,主要用于动力总成的优化与控制,同时兼具电气智能故障诊断、智能节电、总线通信等功能。

未来主流的系统设计方案如下:

  • 以 Aurix 2G(387/397)为核心的智能动力域控制器软硬件平台,对动力域内子控制器进行功能整合,集成 ECU 的基本功能,集成面向动力域协同优化的 VCU, Inverter,TCU,BMS 和DCDC 等高级的域层次算法。

  • 以 ASIL-C 安全等级为目标,具备SOTA,信息安全,通讯管理等功能。

  • 支持的通讯类型包括 CAN/CAN-FD,Gigabit Ethernet 并对通讯提供 SHA-256加密算法支持。

  • 面向 CPU\GPU 发展,需要支持 Adapative Autosar 环境,主频需要提高到2G,支持 Linux 系统,目前支持 POSIX 标准接口的操作系统。

2020 年 1 月 16 日,由合众汽车工程研究院副院长邓晓光带领团队开发的动力域控制器搭载哪吒汽车成功,并成功一次通过搭载车辆测试,标志着合众 PDCS(Powertrain Domain Control System)动力域控制器正式进入量产应用阶段。合众动力域控制器系统采用英飞凌(Infineon)多核处理器 200MHz 主频,具备DSP 数字信号处理及浮点运算能力,是 Hozon PDCS 的高速处理器。同时,Hozon PDCS 三核并带锁步核的主芯片实现更高功能安全,按照 ASIL C 功能安全等级开发,仅次于飞机的 D 级,有效保证用户出行安全。V 模型开发,每一步可验证, 软件失效率低于 0.3%,兼具 AUTOSAR 架构+MBD 建模与控制,有效提高软件可靠性。可实时监控电控系统,智能协调及监控动力输出,提升驾控性能及安全。同时保护电池安全,根据系统需求,同步优化能量分配、增加续航里程

2、底盘域(车辆运动)底盘域是与汽车行驶相关,由传动系统、行驶系统、转向系统和制动系统共同构    成。传动系统负责把发动机的动力传给驱动轮,可以分为机械式、液力式和电力等,其中机械式传动系统主要由离合器、变速器、万向传动装置和驱动桥组成、液力式传动系统主要由液力变矩器、自动变速器、万向传动装置和驱动桥组成;行驶系统把汽车各个部分连成一个整体并对全车起支承作用,如车架、悬架、车轮、车 桥都是它的零件;转向系统保证汽车能按驾驶员的意愿进行直线或转向行驶;制动系统迫使路面在汽车车轮上施加一定的与汽车行驶方向相反的外力,对汽车进行一定程度的强制制动,其功用是减速停车、驻车制动。

智能化推动线控底盘发展。随着汽车智能化发展,智能汽车的感知识别、决策规划、 控制执行三个核心系统中,与汽车零部件行业最贴近的是控制执行端,也就是驱动控制、转向控制、制动控制等,需要对传统汽车的底盘进行线控改造以适用于自动驾驶。线控底盘主要有五大系统,分别为线控转向、线控制动、线控换挡、线控油门、线控悬挂,线控转向和线控制动是面向自动驾驶执行端方向最核心的产品,其 中又以制动技术难度更高。

(1) 线控制动是未来汽车制动系统的发展趋势。汽车制动系统经历了从机械到液压再到电子(ABS/ESC)的发展过程,未来将向线控制动方向发展。L2 时代的线控制动可以分为燃油车、混动、纯电三大类,燃油车基本都采用 ESP(ESC)做线控制动。混动车基本都采用高压蓄能器为核心的间接型EHB(电液压制动)。纯电车基本都采用直接型 EHB,以电机直接推动主缸活塞。在汽车智能化的趋势下,考虑到对L3 及以上等级自动驾驶汽车来说制动系统的响应时间非常关键,而线控制动执行信息由电信号传递,响应相对更快,刹车距离更短,是未来汽车智能化的长期趋势。

线控制动系统可以分为液压式线控制动 EHB、机械式线控制动 EMB 两种类型。EHB 系统由于具有备用制动系统,安全性较高,因此接受度更高,是目前主要推广量产的方案。由于缺少备用制动系统且缺少技术支持,短期内很难大批量应用,是未来发展的方向。

线控制动是汽车技术门槛较高的领域,全球主要的线控制动厂家是博世、大陆、 采埃孚等零部件企业。EHB 国外厂商技术发展已经比较成熟,但严格意义讲还不适应于 L4 自动驾驶,国内此项技术在努力追赶;EMB 还处在研究阶段,目前看较难有突破。其中,博世的 iBooster 是典型的直接型 EHB。iBooster 通常与 ESP 配套使用,ESP 在iBooster 失效时顶上。不过因为 ESP 也是一套电液压系统,也有可能失效,且 ESP 在设计之初只是为 AEB 类紧急制动场景设计的,不能做常规制动,所以博世在第二代 iBooster 推出后,着手针对 L3 和 L4 设计了一套线控制动系统,这就是 IPB+RBU。

(2) 智能化的发展催促线控转向的产生。转向系统从最初的机械式转向系统(MS)发展为液压助力转向系统(简称 HPS),之后是电控液压助力转向系统(EHPS)和电动助力转向系统(EPS)。目前乘用车上以EPS 为主流,商用车以HPS 为主流,EHPS 在大型 SUV 上比较常见,其余领域比较少见。智能化的趋势下,L3 及以上等级智能汽车要求部分或全程会脱离驾驶员的操控,对于转向系统控制精确度、可靠性要求更高高,催促线控转向(Steering By Wire, SBW)的产生。线控转向(SBW)系统是指,在驾驶员输入接口(方向盘)和执行机构(转向轮)之间是通过线控(电子信号)连接的,即在它们之间没有直接的液力或机械连接。线控转向系统是通过给助力电机发送电信号指令,从而实现对转向系统进行控制。SBW(steering by wire)的发展与 EPS 一脉相承,其系统相对于EPS 需要有冗余功能。目前SBW 系统有两种方式:1)取消方向盘与转向执行机构的机械连接,通过多个电机和控制器来增加系统的冗余度;2)在方向盘与转向执行机构之间增加一个电磁离合器作为失效备份,来增加系统的冗余度

从厂商角度看,全球 EPS 厂家以博世、捷太格特、NSK、耐世特等国际巨头为主, 其中日本厂家多以精密轴承起家,向下游拓展到 EPS 领域;美国厂家则是 tier 1厂家,横向扩展到 EPS 领域;欧洲厂家类似美国厂家,但是在上游的精密机械加工领域远比美国要强。相比之下国内企业主要有三家,包括株洲易力达、湖北恒隆和浙江世宝,但是规模都比较小,技术较落后

线控转向系统(SBW)由于技术、资本、安全等各方面的要求高,技术基本掌握在海外的零部件巨头手中,进入壁垒非常高。目前联创电子、浙江万达等国内企业开始涉足 SBW 领域,国内企业未来有望开拓 SBW 新业务

3. 座舱域/智能信息域(娱乐信息)传统座舱域是由几个分散子系统或单独模块组成,这种架构无法支持多屏联动、多屏驾驶等复杂电子座舱功能,因此催生出座舱域控制器这种域集中式的计算平台。智能座舱的构成主要包括全液晶仪表、大屏中控系统、车载信息娱乐系统、抬头显示系统、流媒体后视镜等,核心控制部件是域控制器。座舱域控制器(DCU)通过以太网/MOST/CAN,实现抬头显示、仪表盘、导航等部件的融合,不仅具有传统座舱电子部件,还进一步整合智能驾驶 ADAS 系统和车联网 V2X 系统,从而进一步优化智能驾驶、车载互联、信息娱乐等功能。智能驾驶辅助系统的构成主要包括感知层、决策层和执行层三大核心部分。感知层主要传感器包括车载摄像头、毫米波雷达、超声波雷达、激光雷达、智能照明系统等,车辆自身运动信息主要通过车身上的速度传感器、角度传感器、惯性导航系统等部件获取。而通过座舱域控制器,可以实现“独立感知”和“交互方式升级”。一方     面,车辆具有“感知”人的能力。智能座舱系统通过独立感知层,能够拿到足够的感知数据,例如车内视觉(光学)、语音(声学)以及方向盘、刹车踏板、油门踏板、档位、安全带等底盘和车身数据,利用生物识别技术(车舱内主要是人脸识别、声音识别),来综合判断驾驶员(或其他乘员)的生理状态(人像、脸部识别等)和行为状态(驾驶行为、声音、肢体行为),随后根据具体场景推送交互请求。另一方面,车内交互方式从仅有“物理按键交互”升级至“触屏交互”、“语音交互”、“手 势交互”并存的状态。此外,多模交互技术通过融合“视觉”、“语音”等模态的感知数据,做到更精准、更智能、更人性化的交互

座舱电子域控制器领域,采用伟世通 Smart Core 方案的厂家最多,其次就是Aptiv的ICC(Integrated Cockpit Controller)方案。其中伟世通的 Smart Core 旨在集成信息娱乐、仪表板、信息显示、HUD、ADAS 和网联系统。据伟世通称,它具有很高的扩展性和网络安全的程度,可实现独立的功能域。而Aptiv 的集成驾驶舱控制器(Integrated Cockpit Controller,ICC)使用最新的英特尔汽车处理器系列,可支持到四个高清显示器,可扩展,并且可以从入门级覆盖到高端产品。ICC 在图形(10x)和计算能力(5x)方面提供了实质性的改进,ICC 使用单芯片中央计算平台驱动多个驾驶舱显示器,包括仪表、HUD 和中央堆栈等

4、自动驾驶域(辅助驾驶)应用于自动驾驶领域的域控制器能够使车辆具备多传感器融合、定位、路径规划、决策控制的能力,通常需要外接多个摄像头、毫米波雷达、激光雷达等设备,完成的功能包含图像识别、数据处理等。不再需要搭载外设工控机、控制板等多种硬件,并需要匹配核心运算力强的处理器,从而提供自动驾驶不同等级的计算能力的支持,核心主要在于芯片的处理能力,最终目标是能够满足自动驾驶的算力需求,简化设 备,大大提高系统的集成度。算法实现上,自动驾驶汽车通过激光雷达、毫米波雷达、摄像头、GPS、惯导等车载传感器来感知周围环境,通过传感器数据处理及多传感器信息融合,以及适当的工作模型制定相应的策略,进行决策与规划。在规划好路径之后,控制车辆沿着期望的轨迹行驶。域控制器的输入为各项传感器的数据,所进行的算法处理涵盖了感知、决策、控制三个层面,最终将输出传送至执行机构,进行车辆的横 纵向控制。由于要完成大量运算,域控制器一般都要匹配一个核心运算力强的处理器,能够提供自动驾驶不同级别算力的支持,目前业内有 NVIDIA、华为、瑞萨、NXP、TI、Mobileye、赛灵思、地平线等多个方案。但中间也会有一些共性,比如在自动驾驶系统中,算力需求最高的当属图像识别部分,其次是多传感器的数据处理,以及融合决策。以奥地利 TTTech 公司的 zFAS(首次在 2018 款奥迪 A8 上应用)为例, 这款基于德尔福提供的域控制器设计的产品,内部集成了英伟达 Tegra K1 处理器、Mobileye 的EyeQ3 芯片,各个部分分处理不同的模块。Tegra K1 用于做4 路环视图像处理,EyeQ3 负责前向识别处理。在自动驾驶技术快速发展背景下,国内外越来越多的Tier1 和供应商都开始涉足自动驾驶域控制器

5、车身域(车身电子)随着整车发展,车身控制器越来越多,为了降低控制器成本,降低整车重量,集成化需要把所有的功能器件,从车头的部分、车中间的部分和车尾部的部分如后刹车灯、后位置灯、尾门锁、甚至双撑杆统一连接到一个总的控制器里面。车身域控制器从分散化的功能组合,逐渐过渡到集成所有车身电子的基础驱动、钥匙功能、 车灯、车门、车窗等的大控制器。车身域控制系统综合灯光、雨刮洗涤、中控门锁、车窗控制;PEPS 智能钥匙、低频天线、低频天线驱动、电子转向柱锁、IMMO 天线;网关的 CAN、可扩展CANFD 和FLEXRAY、LIN 网络、以太网接口;TPMS 和无线接收模块等进行总体开发设计。车身域控制器能够集成传统 BCM、PEPS、纹波防夹等功能。从通信角度来看,存在传统架构-混合架构-最终的 Vehicle Computer Platform 的演变过程。这里面通信速度的变化,还有带高功能安全的基础算力的价格降低是关键,未来在基础控制器的电子层面兼容不同的功能慢慢有可能实现。车身域电子系统领域不论是对国外还是国内企业,都尚处于拓荒期或成长初期。 国外企业在如 BCM、PEPS、门窗、座椅控制器等单功能产品上有深厚的技术积累,同时各大外国企业的产品线覆盖面较广,为他们做系统集成产品奠定了基础。而大多数国内企业生产的产品相对低端,且产品线单一,要从整个车身域重新布局和定义系统集成的产品就会有相当的难度。(来源 :国信证券)

博客 自动驾驶小能手

LV5
2020-04-16 09:32
46

“ 端、网、云、用 ”——工业互联网平台发展四大方向

当前,新冠肺炎疫情在中国逐步得到控制,但在全球呈现出扩散迹象。在外防输入、内防反弹的防控要求下,很多企业复工复产面临用工荒等问题,但也将工业领域“机器换人”的话题推向了高潮。通过这次疫情,中国传统制造业充分认识到数字化、网络化、智能化生产方式的重要性和大 ...查看全部

当前,新冠肺炎疫情在中国逐步得到控制,但在全球呈现出扩散迹象。在外防输入、内防反弹的防控要求下,很多企业复工复产面临用工荒等问题,但也将工业领域“机器换人”的话题推向了高潮。通过这次疫情,中国传统制造业充分认识到数字化、网络化、智能化生产方式的重要性和大数据平台、工业互联网平台建设的真正价值。但传统制造业转型和升级,既是攻坚战,也是持久战。

智能制造是制造体系的全面升级,涉及产业链的各个环节,贯穿于产品生命周期的每个阶段(设计→生产→物流→销售→服务)。我国智能制造将工业互联网作为重要基础设施。此次疫情背景下,工业互联网和5G、人工智能、大数据中心一起,成为国内“新基建”投入的重点,为工业智能化提供共性的基础设施和能力支撑。

工业互联网通过构建网络、平台、安全三大功能体系,打造人、机、物全面互联的新型网络基础设施。网络体系是基础,涉及人、机、法、料、环全要素和产品生命周期各环节,将工业全系统、全产业链、全价值链深度互联。平台体系是核心,在传统工业云平台的基础上,通过物联网、大数据、人工智能等技术的应用,实现制造能力开放、知识经验复用和开发者集聚。安全体系是保障,可以识别和抵御安全威胁、化解各种安全风险。

工业互联网用三句话概括:数据采集是基础,工业PaaS(平台即服务)是核心,工业APP是关键,即通过大范围和深层次的数据采集,构建工业大数据管理和服务平台,形成满足不同行业、不同场景的应用服务。在“数字基建”推动下,通过构建“端、网、云、用”的网络集聚生态,工业互联网平台可以细化为智能感知、互联互通、数据中台、模式创新四大方向。

“端”——智能感知。数据采集是工业互联网的基础,车间是制造企业使用与产生数据的重要场所,传感器无处不在。工业互联网一方面给传感器企业带来了机会,另一方面,也对传感器的灵敏度、稳定性等提出了更高的要求。传感器既有轻量化、低功耗、低成本的要求,也有网络化、集成化、智能化的要求。国内传感器产业要聚焦工业物联网领域,以工业传感芯片、模块和终端设计为核心技术,打造具备物联网智能芯片、智能电子设备、物联网智能应用解决方案的生态系统。

“网”——互联互通。连接即服务,工业互联网与5G的融合是今年的看点。5G高带宽、低时延、支持海量接入等方面的优势,具备与工业互联网深度融合的潜力。信息技术与操作技术的融合,在通讯机制和数据结构层面,实现了真正意义上的互联互通。工厂内部网络呈现出扁平化、IP化、无线化及灵活组网的发展趋势,并逐步融合为同一张全互联网络。工厂外部网络则呈现出工业生产信息系统与互联网的深度协同与融合,包括IT(信息技术)系统与互联网的融合、OT(操作技术)系统与互联网的协同、企业专网与互联网的融合、产品服务与互联网的融合。

“云”——数据中台。工业互联网中数据的价值与作用将越来越凸显,数据分析将向工业各环节渗透,预测、决策、控制等更智能的应用成为发展方向。数据中台提供对海量工业大数据进行采集、计算、存储、加工的一系列技术集合,包括数据模型、算法服务、数据产品、数据管理等。工业机理建模对工业技术原理、行业知识、基础工艺、模型工具等进行自主挖掘和高效表示,支持面向工业领域的状态感知、实时分析、科学决策、精准执行。工业PaaS平台同时提供云服务所必需的各种中间件、分层的动态扩展机制、开发和运维等支撑能力。

“用”——模式创新。工业互联网主要是数据驱动的工业智能,通过特定应用场景的工业APP体系,重点支撑网络化协同、智能化生产、个性化定制和服务化延伸。5G与工业互联网的融合,可以全面推动5G与垂直行业的研发设计、生产制造、管理服务等生产流程的深刻变革。典型的八大类5G+工业互联网融合应用,包括5G+超高清视频、5G+AR、5G+VR、5G+无人机、5G+云端机器人、5G+远程控制、5G+机器视觉以及5G+云化AGV(自动引导运输车)。

工业互联网行业正在进入快速发展期,未来,工业互联网平台将重构现代工业技术体系,并将立足垂直行业需求,加快应用创新和推广。(作者:孙为军  广东工业大学自动化学院物联网与大数据系副主任)

博客 自动驾驶小能手

LV5
2020-04-15 10:04
101

汽车芯片市场残酷洗牌,NXP求生自救

对于ADAS及自动驾驶核心处理芯片来说,大规模的并行处理架构可以保证在计算密集型实时任务方面具有强大的性能,尤其是在人工智能应用方面。过去几年,上述仅仅出现在数据中心应用上的性能要求,被越来越多的应用于车端嵌入式系统, ...查看全部

对于ADAS及自动驾驶核心处理芯片来说,大规模的并行处理架构可以保证在计算密集型实时任务方面具有强大的性能,尤其是在人工智能应用方面。

过去几年,上述仅仅出现在数据中心应用上的性能要求,被越来越多的应用于车端嵌入式系统,也带动了汽车芯片市场的大变革。
考虑到传统汽车芯片巨头这么多年遗留下来的系统架构、生态系统和软件开发模式,使得这种变革对于他们来说,将是一场噩梦。
Mobileye在ADAS领域的快速崛起以及包括英特尔、英伟达、高通等传统非汽车领域芯片巨头的快速进入,汽车芯片这个被视为未来智能汽车大脑的细分市场,变数不断。
NXP和许多传统汽车半导体公司面临的挑战是,在应对当前汽车销量下滑的同时,为未来ADAS和自动驾驶汽车的增长做好准备。
就在近日,NXP宣布对人工智能处理器公司Kalray战略投资800万欧元(约合900万美元),加速开发安全、可靠和可伸缩的智能计算处理解决方案。


考虑到未来数年,ADAS渗透率将进入快速上升周期,NXP此举无疑是为了在被Mobileye等汽车行业新进入者快速拉开市场份额差距的当下,寻求突破。
一、补齐短板
一直以来,NXP缺乏高性能的并行处理器产品,使得其现有的芯片无法高效处理来自摄像头、雷达及其他传感器的融合数据。
“我们一直在制定B计划,以防收购交易失败。”NXP高级驾驶员辅助系统总经理卡迈勒•库里(Kamal Khouri)表示,而且必须弯道超车。
2018年,原本对未来汽车芯片市场格局产生重大影响的“高通收购NXP事件”告一段落。这场历时2年的马拉松最终没能达到终点。
随后,NXP宣布和Kalray(一家成立于2008年,早期服务航空航天领域的并行计算芯片厂商)合作开发面向人工智能时代的自动驾驶计算平台。
按照NXP的计划,未来将Kalray的大规模并行处理器阵列集成到自己的BlueBox中央域控制器。
Kalray的MPPA(大规模并行处理器阵列)处理器将处理自动驾驶的感知和建模阶段,使用传感器融合、目标检测和其他人工智能技术对汽车周围环境进行建模。


按照目前行业的共识,L2级数据处理的每秒运算量约为一万亿次(1 TOPS),还需要每秒执行20 MIPS用于规划路线的算法。而L3级自动驾驶汽车则需要50 TOPS和100 MIPS的计算能力。
目前,Kalray的MPPA处理器支持ASIL B/C,符合ISO 26262标准。更关键的是能耗可以低至现有解决方案的十分之一,并且由于MPPA的可编程性,用户可以轻松定制和更新。
此前,Kalray已经参与了多家汽车制造商的预研项目,雷诺是其公开披露的一个合作案例。搭载的Kalray处理器采用台积电的16nm制程,功耗只有20到30W。
彼时,Kalray宣布正计划进一步改进第一代处理器芯片的性能,下一代芯片的计算能力应该会增加一倍,最多达到50TOPS。
今年早些时候,该公司展示了最新的处理器Cooldige,可进行大规模的并行处理,集成了5个计算集群,每个集群有16个核和16个协处理器。
后者被设计为卷积神经网络(CNNs)的硬件加速器,能够并行处理相应数量的AI任务。同时,可以运行标准操作系统,如QNX或Linux,也可以运行实时操作系统(RTOS)。
一年前,NXP和Kalray宣布开发和部署的L2-L5的硬件和软件平台,集成CPU、神经网络计算、功能性安全功能和优化的工具链。
而新一代的NXP BlueBox自动驾驶参考平台与NXP的S32系列安全汽车处理器和汽车级Layerscape®处理器将整合Kalray的MPPA©智能处理器。
最新一代的MPPA©智能处理器,也被命名为Cooldige二代,拥有80个核,提供异构计算能力,能够同时执行多个独立的应用程序和同一个应用程序的多个线程。
此外,MPPA提供了一个优化的工具和库,允许深度学习或视觉类型算法实现最佳性能。MPPA体系结构固有的可伸缩性进一步允许架构师根据需要的性能级别使用一个、两个或多个MPPA处理器。
目前,MPPA处理器支持ASIL B/C,符合ISO 26262标准。下游客户可以开发非常密集的多芯片系统,不需要增加额外的冷却系统。
二、不能错过下一个五年的红利
2019年对Kalray来说是关键的一年,该公司完成了第三代Coolidge™处理器的开发,大规模生产计划将于2020年第二季度开始。
到目前为止,Coolidge™的表现符合Kalray公司的预期,尤其是此次NXP的战略投资,为其注入了更大的市场信心。
第三代处理器在MPPA®技术的使用上,性能是第二代的25倍,扩展了人工智能能力,更容易编程,速度更快。同时,借助NXP处理器的决策能力和相关功能安全经验,在后者的Bluebox车载自动驾驶平台上进行量产落地。
作为一家汽车AI芯片行业的新进入者,该公司的目标是到2022年实现1亿欧元的收入。
目前,Coolidge™的首批样品已经从本月初开始外发,一些数据中心和汽车行业的潜在客户正在部署开发应用。
该公司去年的营收为126.5万欧元,较2018年的77.5万欧元增长63%。这些收入主要来自于一些预研开发以及部分授权许可的服务合同。
尽管已经错失了第一波ADAS市场红利,但Kalray和NXP的信心,来自于基于未来下一代电子架构的机会。
比如,越来越多的传感器,需要处理、分析和融合的感知数据越多越多,以及功能安全和联网安全等等新的变化。此外,高性能的视觉处理、深度学习仍会持续影响新系统架构所需的处理能力。
在Kalray的首席执行官看来,现在的汽车制造商和一线汽车零部件供应商还没有特别清晰、明确的自动驾驶汽车系统架构设计概念。
一些业内人士表示,大多数企业也都是在摸着石头过河,至少到目前为止,特斯拉仍然是相对激进的厂商。通用已经发布了自己的下一代电子架构,大众则仍然受困于新的电子架构的软件开发问题。
而Kalray早期设定的288个核的大规模并行处理器阵列(MPPA)目标是用于极端功能计算,比如最初为法国原子能委员会的原子弹模拟而设计。后来,该公司开始聚焦航空航天和云计算领域,直到近几年开始关注嵌入式汽车市场。
该公司负责人表示,汽车行业需要“新一代处理器,能够处理多领域功能集成,并在极高的运算性能上执行实时任务。”
三、从传统霸主,到求生自救
而NXP的另一大优势就是联网芯片。
基于先进的专利IP架构保护汽车解决方案免受安全漏洞的攻击,这是NXP在过去数年申请的超过500项专利的结果。
NXP试图从另一些目前还不受行业关注但未来至关重要的领域进行提前布局。这些芯片将被用在网关中,作为汽车的中央通信节点,协调汽车中的所有CAN和其他网络。


这款名为S32G的芯片性能是NXP当前类似芯片的15倍,同时降低了功耗。S32G将被用于所有新网关不仅在汽车传输数据,而且利用数据支持的高级驾驶员辅助系统以及服务在线诊断到更新软件的云。
S32G基于Cortex-M7微控制器和Cortex-A53微处理器的锁步集群,可以支持ASIL-D标准,还配备了专用的网络加速器和加密核心,可以在车内通过CAN、以太网和其他网络发送和保护数据。


该芯片集成了20个CAN接口,而当前这一代汽车网络芯片只有8个。该芯片还具有4个千兆以太网接口,在当前的网关处理器范围内从100兆以太网增加到4千兆以太网。
它还支持嵌入式电子产品的最高功能安全标准ASIL-D,高于上一代的ASIL-C。NXP表示,已开始向包括奥迪在内的早期客户供应这种新型芯片。
该芯片还具有用于千兆以太网以及CAN、LIN、FlexRay等传统车辆网络标准的网络加速器,从而“承担”了大部分工作负载,增强其他芯片的处理效率。
S32G同时负责整合来自摄像头、雷达和汽车周围其他传感器的所有数据,并将所有数据提供给ADAS安全控制器。
NXP表示,该芯片有PCIe Gen 3接口,因此它可以作为其他芯片的协处理器,在车内执行人工智能任务。为了防止故障,协同处理器必须在引导车辆脱离故障之前验证其对应的结果。
作为全球最大的汽车芯片供应商,NXP一直在规划其在即将到来的自动驾驶汽车时代的未来。
此前,高通未能成功收购NXP,令后者一度陷入困境。过去几年,NXP一直在寻求击退英特尔和英伟达等强劲竞争对手,这些公司在人工智能方面已超越NXP。
同时,NXP还需要与英飞凌、德州仪器和瑞萨等传统汽车芯片同行展开竞争。而高通也在努力抢占汽车市场份额。该公司在今年初的CES展上首次发布了应用于ADAS及自动驾驶领域的Snapdragon Ride计算平台。
德州仪器还推出了其最新提供人工智能处理能力的ADAS SoC系列TDAx4,并计划在2020年底前开始量产供货,以及另一种同样用于高性能网关的芯片。


如今,汽车制造商正试图将所有过去隔离的电子ECU集成到3-5个强大的中央域计算单元,并通过千兆以太网共享数据。
NXP表示,这将有助于减少汽车中昂贵的线束使用量。每个ECU盒子里的微控制器将被微处理器取代,随着时间的推移,微处理器可以重新编程,向汽车推出新的功能。
更为重要的是,S32G是该公司S32平台的一部分,该平台基于一个通用的架构,因此客户可以将软件从上一代转移到下一代平台,并重用高达90%的软件开发工作。
S32平台的意义在于降低成本,以前所未有的速度向大众市场推出更安全、更能够应对“软件升级”的汽车。如今,加上对Kalray的战略投资,让NXP有了抢占未来汽车AI芯片市场的可能性。
但如今的汽车芯片市场,已经异常拥挤,任何一家企业的错误决策和固守传统思维,都有可能亲手葬送自己的未来。(作者:高工智能汽车)

博客 自动驾驶小能手

LV5
2020-04-15 09:20
73

机器学习算法在自动驾驶领域的应用

将汽车内外传感器的数据进行融合,借此评估驾驶员情况、进行驾驶场景分类,都要用到机器学习。本文中,我们讲解了不同的自动驾驶算法。自动驾驶汽车的设计制造面临着诸多挑战,如今,各大公司已经广泛采用机器学习寻找相应的解决方案。 ...查看全部

将汽车内外传感器的数据进行融合,借此评估驾驶员情况、进行驾驶场景分类,都要用到机器学习。本文中,我们讲解了不同的自动驾驶算法。

自动驾驶汽车的设计制造面临着诸多挑战,如今,各大公司已经广泛采用机器学习寻找相应的解决方案。汽车中的ECU(电子控制单元)已经整合了传感器数据处理,如何充分利用机器学习完成新的任务,变得至关重要。潜在的应用包括将汽车内外传感器的数据进行融合,借此评估驾驶员情况、进行驾驶场景分类。这些传感器包括像激光雷达,雷达,摄像头或者是物联网。
车载信息娱乐系统所运行的应用,能从传感器数据融合系统中获取数据。举个例子,如果系统察觉驾驶员发生状况,有能力把车开到医院。基于机器学习的应用,还包括对驾驶员的语言和手势识别以及语言翻译。相关的算法被分类为非监督和监督算法。它们两者的区别在于学习的方式。


  • 监督学习算法使用训练数据集学习,并且能够持续学习直到达到设定的置信水平(最小化出错概率)。监督学习算法分为回归、分类和异常检测以及数据降维。
  • 无监督学习算法,则尝试挖掘有限数据的价值。这意味着,算法会在可用数据内建立关系,以检测模式或者将数据集分成子类(取决于之间的相似度)。从广义上,无监督算法可以可分为关联规则学习和聚类。
  • 增强学习算法是另外一种机器学习算法,介于非监督学习和监督学习之间。对于所有训练的例子,监督学习中有目标标签,无监督学习中却完全没有标签。强化学习有延迟的、稀疏的标签——未来的奖励。


根据这些奖励,智能体学习做出恰当行为。去理解算法的局限性和优点,开发更加高效的学习算法,是增强学习的目标。增强学习可以解决大量实际应用,从AI的问题到控制工程或操作研究——所有这些都与开发自动驾驶汽车相关。这可以被分为间接学习和直接学习。
在独自动驾驶汽车上,机器学习算法的一个主要任务是持续渲染周围的环境,以及预测可能发生的变化。这些任务可以分为四个子任务:


  • 目标检测
  • 目标识别或分类
  • 目标定位
  • 运动预测


机器学习算法可以简单地分为4类:决策矩阵算法、聚类算法、模式识别算法和回归算法。可以利用一类机器学习算法来完成两个以上的子任务。例如,回归算法能够用于物体定位和目标识别或者是运动预测。

决策矩阵算法


决策矩阵算法系统地分析、识别和评估信息集和值之间关系的表现。这些算法主要用于决策。车是否需要刹车或者左转都是基于算法根据识别、分类和预测对象的下一个动作给出的置信水平。矩阵决策算法由各种独立训练的决策模型组合而成。用某种方式,这些预测整合起来进行总体预测,同时降低决策错误的可能性。AdaBoosting 是最常用的算法。

AdaBoosting


Adaptive Boosting或称为AdaBoost,是一种多种学习算法的融合。它可用于回归或者分类算法。相比其他机器学习算法,它克服了过拟合,并通常对异常值和噪声数据敏感。为了创建一个强大的复合学习器,AdaBoost使用了多次迭代。因此,它又被称为 “Adaptive Boosting”。通过迭代添加弱学习器,AdaBoost创建了一个强学习器。一个新的弱学习器加到实体上,并且调整加权向量,作为对前一轮中错误分类的样例的回应。得到的结果,是一个比弱学习者分类器有更高准确性的分类器。

AdaBoost有助于将弱阈值的分类器提升为强分类器。上面的图像描述了AdaBoost的执行,只用了简单易于理解的代码在一个文件中就实现了。这个函数包含一个弱分类器和boosting组件。弱分类器在一维的数据中尝试去寻找最理想的阈值来将数据分离为两类。boosting组件迭代调用分类器,经过每一步分类,它改变了错误分类示例的权重。因此,创建了一个级联的弱分类器,它的行为就像一个强分类器。

聚类算法


有时,系统获取的图片不是很清晰,使得物体难以定位检测。有时,分类算法有丢失检测物体的可能,这样就不能分类和报告给系统。这些可能是不连续的数据造成的,数据点太少了,或者图片分辨率太低了。聚类算法的特点在于从数据点中发现模式。像回归分析一样,聚类算法是指一类方法和问题。典型的聚类算法有层次聚类,基于质心的聚类算法。这些算法都关注数据的内在模式,完美地把数据分解成拥有最大相似性的簇。K-均值,多分类神经网络(Multi-class Neural Network)是最常用的算法。

K-均值算法


K-均值是著名聚类算法,它找出代表聚类结构的k个质心。如果有一个点到某一质心的距离比到其他质心都近,这个点则指派到这个最近的质心所代表的簇。依次,利用当前已聚类的数据点找出一个新质心,再利用质心给新的数据指派一个簇。

K-均值算法——在上图中用“x"表示 聚类质心,用点表示训练样本。(a) 原始数据集。(b) 随机初始化聚类质心。(c-f) k-均值迭代2次的示意图。在每次迭代中每个训练样例都指派到一个最近的聚类质心,每个聚类质心被移动到分配给它的点的平均值。

模式识别算法(分类模型)


在高级辅助驾驶系统(ADAS)中,利用感应器获取的图像包含各种各样的环境数据。对图像进行过滤变得十分必要,以剔除一些不相关的样本得到用于分类的实例数据。在分类前,关键步骤是在一个数据集上的模式识别。这类算法称为数据约简算法。
数据约简算法有助于降低数据集的边缘、对象的直线(拟合出来的线段)和圆弧的边缘。线段与边缘匹配,到直角后,该匹配会产生一段线段。和弧线一样,圆弧与一串直线段匹配。用不同的方式,图像特征(圆弧和线段)组合起来形成特征,用来判断对象。

利用PCA(主成分分析)和HOG(方向梯度直方图),SVM(支持向量机)通常在ADAS中用做识别算法。也会用K-邻近(KNN)和贝叶斯决策规则。

支持向量机(SVM)


SVM依赖于决策平面概念,后者定义了决策边界。决策平面可以把明显有类关系的对象分隔开. 如下图示。这张图片中,对象分为红色和绿色两类。分离的边界线把红色和绿色的对象分离了。落在线左边的新对象标记为红色类,落在右边标为绿色。

回归算法


这类算法善于做事件预测。回归分析评估两个或两个以上变量的关系,以及变量在不同尺度上的贡献,主要受三个指标影响:
1、 回归线的形状
2、非独立变量的类型
3、独立变量的数量
(摄像头或者雷达收集到的)图像在ADAS的驱动和定位上起了重要作用。对于任一算法,最大的挑战是利用基于图像的模型来做特征选择和预测。
环境的可重复性,对回归算法为图像和该图像中某物体位置之间的关系,构建统计模型起了杠杆作用。利用采样图像的统计模型,可以快速在线识别和离线学习。这个模型可以进一步延伸到不需要大量人类建模的其他对象。算法返回的对象位置,作为在线阶段的输出和对象出现的概率。

回归算法能够用来短程预测和长程训练。这类回归算法中用到自动驾驶上,有决策森林回归、神经网络回归、贝叶斯回归等等。

神经网络回归模型


神经网络可以用到回归、分类或者其他无监督学习上,来汇总没有标记的数据,分类这些数据,或者在监督学习后预测一个连续值。神经网络常在最后一层用逻辑斯特回归把连续值转换成形如1或0的变量(二值变量)。
在上图中,“x”是输入,特征从前一层神经元传播而来。到最后隐藏层的每个神经元,有很多’x'会喂进来,每个'x',乘以相应的权重w。对于偏置,乘积求和后加上偏置,然后输入到激活函数。激活函数常用的是ReLU(修正线性单元),因为它不会像sigmoid激活函数在浅层梯度膨胀。ReLU在隐藏层输出的激活值a,经过求和后成为输出层的输出。这暗示:一个神经网络用做回归时只有一个输出节点。这个节点把激活值求和后乘以1向量。网络的估计值,‘y帕’作为结果。‘Y帕’是所有'x'映射出来的独立变量。你可以这样用神经网络得到与‘x’(多个非独立向量)相关的函数,可以求出你要预测的'y'(独立变量)。(作者:猛狮无人驾驶实验室 )

博客 自动驾驶小能手

LV5
2020-04-14 09:24
109

如何看待Waymo的自动驾驶套件和商业策略的改变?

自动驾驶产业其实一直在变化和发展中,随着Waymo拿到新的投资,在运营自身的项目的同时,开始转向乙方以一个软硬件技术解决方案提供商的形式出现在车企和自动驾驶商业版图中,这个市场开始往聚合发展。烧钱烧到一定程度,各方面都要进行收敛和合作,以合适的资金找到自 ...查看全部

自动驾驶产业其实一直在变化和发展中,随着Waymo拿到新的投资,在运营自身的项目的同时,开始转向乙方以一个软硬件技术解决方案提供商的形式出现在车企和自动驾驶商业版图中,这个市场开始往聚合发展。烧钱烧到一定程度,各方面都要进行收敛和合作,以合适的资金找到自己的定位。

Waymo的定位                            

Waymo在获得22.5亿美元的投后,总的发展方向开始改变其战略,吸引和汽车企业的合作, Waymo将努力提供其第五代的自动驾驶套件(Waymo Driver),把自动驾驶整体运营和搭配的很多东西开放给车企。Waymo原本的合作模式,是完全的甲方,与FCA和捷豹路虎达成合作,开始的理解是Waymo作为采购方,自2018年开始采购2万台捷豹I-PACE和向FCA采购62,000辆Pacifica。从未来的考虑,Waymo是根据这两台车设计套件,而整体的车辆部署和尝试运营,这么大的车队可能并不能成型。Waymo后续还与雷诺·日产(Renault Nissan)建立了伙伴关系,主要在法国和日本地区,进行无人驾驶服务,这种模式则以之前的合作为蓝本,通过这个Waymo Driver作为一个技术解决方案。合作中不采用Waymo One品牌,并且雷诺汽车公司和日产汽车将为其提供“客户接驳点”

图1 Waymo的自动驾驶套件 Waymo Driver 

从这个意义上来说,Waymo的测试车队将局限在Waymo One和Waymo Via,前者主要在凤凰城运营无人驾驶的载人出行服务,后者关注于无人货运的服务,分别测试SUV、MPV和货运大卡车的运行,对软硬件和车辆运行管理进行调整。从一定程度上来看,Waymo从买车自己干,到作为一个软硬件的提供商,某种意义上是把自己的技术和能力限制在一定的范围内,来调动产业相关方的积极性和资源,这个转变其实真的很大,折射出想要实现自动驾驶在商业层面的运营,即使是在美国这样的高人力成本的社会也并不容易。

图2 Waymo的测试车队按照目前的情况将局限于较小的范围 

第五代自动驾驶平台Waymo Driver

在油管上面,有第五代Waymo设计语言的详细介绍,感兴趣的同志可以仔细看一下这个视频 

这套系统主要包含激光雷达、摄像头和毫米波雷达,并且把自动驾驶平台集成在了这个 

  • 这套系统,我们可以看到一个很有趣的地方,这些套件是建立在可以做配置,对车辆的改动也比较小,考虑了把这些自动驾驶的传感器比较容易的安装在车上。这里有个核心的问题,如果出现事故和碰撞,按照这样的模块化设计,传感器可以进行替换和维修。

  • 这些感知的零部件都有Waymo独特的标志,从设计语言来说都是统一化的风格

图3 Waymo的感知套件和整体系统 

  • 这套系统,是充分考虑各种天气,包括传感器的清洁系统(雨刮和排气),有加热和冷却系统,对于防尘防水、老化和紫外线、耐久性和高温适应性都做了充分的考虑。

图4 Waymo的套件的工程化考虑 

1)激光雷达:这套系统核心是包含1个自研的360度的激光雷达(可探测300米以外的物体),在车辆的四周也安装了四个近距离激光雷达,增加探测的视野范围检测正在靠近车辆的物体。这个激光雷达和计算平台是整合在整体的安装支架平台上面,在这个解决方案中,感知和计算平台嵌入在下方的单层计算平板,然后形成冷却和加热的模式,可以和外界的温度进行隔绝处理。这里最大的疑问,就是Waymo没有对这里的自动驾驶平台进行深入的展开阐述。

图5 雷达和计算平台 

2)视觉系统由29个摄像头组成,分为长距离探测,主要探测停车标志和前方物体,摄像头是存在视野重叠和冗余备份的 

3)毫米波雷达:高分辨率成像雷达分别安装在车辆的六个位置,可追踪静态和动态的物体、还可以看到远处的小物体,对间隔较近的物体加以区分 


图6 Waymo的视觉和毫米波雷达套件 

这套系统,还是存在在不同的车辆兼容能力,Waymo并没有细节的谈这套系统的电子电气的接口需求和软件控制方面的交互。小结:我觉得Waymo往后退,将使得自动驾驶方面的投资更加集中,烧了这么钱花费这么多时间,也没办法独立铺开自动驾驶服务,往自动驾驶里面投入更多的资金很难短期内获得回报。这条赛道上可以预见的是,所需要的资金和时间还要继续延长,随着全球在资金层面的削减,合作是必然的。

小结:我觉得Waymo往后退,将使得自动驾驶方面的投资更加集中,烧了这么钱花费这么多时间,也没办法独立铺开自动驾驶服务,往自动驾驶里面投入更多的资金很难短期内获得回报。这条赛道上可以预见的是,所需要的资金和时间还要继续延长,随着全球在资金层面的削减,在合作层面产生新的化学反应是必然的。(作者:朱玉龙)

博客 自动驾驶小能手

LV5
2020-04-14 09:14
208

ASAM正在成为自动驾驶场景模拟仿真测试标准引领者

围绕智能汽车发展,各项测试标准的构建正处于关键期,这不仅决定着相关技术的发展水平,也攸关各国家(地区)智能汽车未来的发展格局。围绕智能汽车发展,各项测试标准的构建正处于关键期,这不仅决定着相关技术的发展水平,也攸关各国 ...查看全部

围绕智能汽车发展,各项测试标准的构建正处于关键期,这不仅决定着相关技术的发展水平,也攸关各国家(地区)智能汽车未来的发展格局。

围绕智能汽车发展,各项测试标准的构建正处于关键期,这不仅决定着相关技术的发展水平,也攸关各国家(地区)智能汽车未来的发展格局。而从目前的发展态势看,中国汽车技术研究中心有限公司(以下简称“中汽中心”)深入研究的由ASAM(德国自动化及测量系统标准协会)制订并推广的OpenX标准正在引领自动驾驶场景模拟仿真测试标准的发展。为何ASAM及OpenX标准在场景仿真领域拥有如此强的吸引力?这要先从ASAM的发展说起。 
ASAM协会:制定、协调仿真领域自动驾驶标准 
德国自动化及测量系统标准协会(ASAM)是一家非政府的汽车领域标准化制定机构,1998年由数位行业专家为标准化ECU开发与测试中的数据交互而创立,致力于实现开发流程中各环节的数据信息自由交换。截至2019年,共有来自亚洲、欧洲、北美洲的295家主机厂、供应商及科研机构加入成为会员。ASAM推出的标准涉及多个汽车标准领域,包括仿真、车联网、测量与校准、诊断、自动化测试、软件开发、ECU网络和数据管理与分析等。 
2016年,德国联邦经济与能源部(BMWi)启动PEGASUS项目,旨在开发一套自动驾驶功能测试程序,以促进自动驾驶技术的快速落地。PEGASUS项目内容包括定义自动驾驶车辆在仿真、测试场地以及实际环境中的测试与实验标准流程;开发一个持续的和灵活的工具链以维护自动驾驶开发与验证;在开发过程的早期阶段集成测试;创建跨整车厂的方法来维护高度自动驾驶的功能等。
PEGASUS项目于2019年5月结项,其中一项重要研究成果就是OpenCRG、OpenDRIVE、OpenSCENARIO驾驶场景仿真格式标准。该标准已于2018年正式从戴姆勒和VIRES转交ASAM进行下一步标准维护与开发。以此为契机,ASAM于2018年新开一类标准领域——仿真,用来制定和协调仿真领域的自动驾驶相关标准。 
随着自动驾驶技术的发展,仿真测试对于自动驾驶安全落地的重要度在开发与验证领域越发明显,ASAM的OpenX标准得到了全球广泛的关注,热度逐渐提升。成员单位提出希望制定更多的仿真领域标准,并以OpenX命名,其中就包括OpenLABEL等。2019年10月,由宝马开发的OSI标准也正式移交ASAM进行维护与开发。至此,ASAM目前已启动的OpenX标准项目总计5项,同时随着全球自动驾驶的需求提升,更多的标准提案与计划也已经提上日程。2020年将不仅仅是自动驾驶元年,也将是OpenX标准的元年。 
OpenX系列标准:五大板块统一仿真格式标准 
在推动自动驾驶落地的过程中,仿真是目前国际上测试与验证的重要途径。但在实际发展过程中,各整车厂、供应商以及仿真工具商使用的数据格式与接口五花八门,制定统一的仿真格式标准势在必行。自ASAM推出OpenX系列格式标准以来,全球已有超过100家企业参与了该系列标准制定,包括了欧美日的主要整车厂、一级供应商等。 
目前,在ASAM仿真验证领域,OpenX系列标准主要包括OpenDRIVE、OpenSCENARIO、Open Simulation Interface(OSI)、OpenLABEL和OpenCRG五大板块。在仿真测试的整体流程中,OpenDRIVE和OpenSCENARIO针对仿真场景的不同数据格式进行统一;OpenLABEL将对于原始数据和场景给出统一的标定方法;OSI连接了自动驾驶功能与仿真工具,同时集成了多种传感器;OpenCRG则实现了路面物理信息与静态道路场景的交互。 
OpenDRIVE标准定义了静态场景的描述方法。经视觉传感器或激光雷达采集得到的的高精度地图,可以通过OpenDRIVE格式表述出来。由于该标准发布时间较早,目前已广泛被奥迪、博世、四维图新、百度等厂商应用。语法方面,OpenDRIVE采用了应用较广泛的XML格式语法。
内容方面,在符合XML格式基本框架的前提下,OpenDRIVE标准对需要描述的地图、道路、以及建筑物的内容节点进行了定义,使用者可对于该节点进行扩充。在道路信息描述中,主要包含参考线、车道线、道路横向与纵向坡度、侧面形状、路网的联结与路口信息、相邻车道信息、路面信息和铁路信息等大类以及更多细小的子类信息,使用者需按分类填写相应数据。OpenDRIVE标准使静态场景数据中的内容条目与格式实现了统一,利于不同仿真软件实现对同一场景文件的兼容。 
Open Curved Regular Grid(简称OpenCRG)主要关注道路表面的相关物理信息描述,主要用于轮胎和地面接触中与摩擦相关的问题。OpenCRG将允许在仿真软件中对于道路路面的真实3D渲染,并将包括路面的摩擦系数和灰度等信息。通过弯曲的网格状分割,OpenCRG将实现对道路的高精度描述,并降低内存占有率和计算时间。同时,OpenCRG支持与OpenDRIVE格式静态场景和OSI中动力学模型的交互,并与MATLAB等软件相兼容。 
OpenSCENARIO标准定义的内容主要覆盖动态场景描述,包括主车的位置与速度等信息,及其他交通参与者的信息。目前,OpenSCENARIO主要发布了V1.0和V2.0 Concept两个版本。V1.0中,动态场景信息被描述于XML格式的数据中。该版本定义了“事件板”式的动态场景信息描述方式,包括故事、活动、顺序、动作、事件和行动六个环节,而车辆速度、位置、加速度等一系列主要信息将被分类写入基于XML格式的“事件版”中。
在OpenSCENARIO V2.0中,逻辑场景的概念被广泛应用。所有输入的动态场景被整理成一系列不可再分的基本动作,如循线行驶、加速、减速等;再通过组合各基本动作,形成较复杂的逻辑场景,如左侧超车,右前方车辆并线等。这些基本逻辑场景仅对场景中的动作进行归纳和分类,使用者需结合实际情况将原始数据填入对应动作条目内。OpenSCENARIO V2.0使海量数据的标准化处理成为可能,有利于将采集得到的原始数据转换成标准化、有逻辑、易归纳的动态场景文件。 
Open Simulation Interface(简称OSI)标准定义了一个通用的接口,用来连接自动驾驶功能的开发和各种驾驶模拟框架,以实现兼容性。其愿景是能够使各种自动驾驶功能与任何仿真工具连接,同时能够集成各种传感器模型。OSI的传感器相关的仿真交互界面中,主要包括基于所要呈现场景的真实信息和相应传感器中所呈现的信息两部分内容。此外,OSI标准还将添加车辆动力学模型相关接口内容,并解决传感器数据传输问题和OSI与其他OpenX系列标准的交互问题。 
OpenLABEL标准主要关注数据标注相关问题。目前该项目刚刚启动,拟关注的内容包括如何将相应的数据标签分配给已采集的原始数据;如何为带有目标物标签的场景文件标注标签;如何为逻辑场景标注标签等。据了解,该项目组的工作将从标签与目标物的区别、目标标注、场景标注等方面加以分工,深入研究标注方法和标注格式。
C-ASAM工作组:ASAM标准的中国化 
中国的驾驶场景极具特色,不仅道路结构、交通标志、交通信号灯等形态各异,人车混流的交通状况也为动态场景增加了许多难度。为了更有针对性地解决与中国特色场景相关的诸多问题,ASAM标准协会于2018年就与中汽中心下属中汽数据有限公司(以下简称“中汽数据”)开展了技术交流。中汽数据在驾驶场景、模拟仿真等领域取得的技术进展得到了ASAM的高度认可。 
早在2018年4月,中汽中心驾驶场景及仿真测试团队就在支撑国际标准化组织ISO/TC22/SC33/WG9自动驾驶测试场景工作组标准制修订工作,这是关于驾驶场景概念分类与评价的第一项国际标准。2018年10月,ASAM邀请中汽数据专家参加了OpenDRIVE、OpenSCENARIO标准项目启动大会并发表演讲,这是中国场景第一次在世界自动驾驶开发者面前亮相,得到了包括奥迪、大众、沃尔沃等整车企业的持续关注。 
C-ASAM工作组正式成立 
2019年9月,中汽数据与ASAM联合发表声明,共同组建C-ASAM工作组。C-ASAM作为ASAM中国区唯一官方代表单位,全权负责统筹管理中国区ASAM会员、举办C-ASAM相关会议和培训、并由深度参与ASAM标准制定的中汽数据代表定期向成员更新ASAM标准研究进展、促进成员参与国际标准制定以及国际合作等相关事务。
针对ASAM OpenX模拟仿真测试场景标准,XIL在环测试标准, ODS数据管理工具,C-ASAM成员积极开展研究与开发工作。C-ASAM工作组将整合中国智能网联汽车行业,利用国际合作平台价值,实现互通互利,携手共进,达成共赢的局面。 
基于数据接口和格式等仿真验证领域的共性问题,ASAM引入的OpenX系列标准从多个角度填补了行业空白。该系列标准的推出与完善,使得仿真测试场景中各要素之间的隔阂逐渐被打破,原本孤立的各环节的贯通与交互成为可能。以宝马、大众、博世领衔的百余家国际厂商,已纷纷参与到该系列标准的制定与使用中。而随着国内如上汽、百度等企业不断加入C-ASAM工作组,我国汽车仿真验证领域的国际化接轨进程将加快,OpenX系列标准的影响也将不断扩展。 (作者:王金玉)

博客 自动驾驶小能手

LV5
2020-04-13 09:16
132

突破|阿里公布自研ISP处理器,自动驾驶有了新突破!

4月8日,阿里达摩院宣布研发出全新的ISP处理器,可以让自动驾驶车辆拥有更好的夜间“视力”。 ...查看全部

4月8日,阿里达摩院宣布研发出全新的ISP处理器,可以让自动驾驶车辆拥有更好的夜间“视力”。

车辆使用安装了新ISP处理器的车载摄像头,即便在夜间或雨天等恶劣环境下也能看得清,目前该款处理器已应用于自动驾驶物流车,大幅提升了自动驾驶的安全性。

各位感受一下清晰度:

ISP处理器决定汽车的“视力”

据了解,新ISP处理器可将夜间图像识别精准率提升10%。

千万别小瞧这10%,背后是深层算法的创新。

ISP(Image Signal Processor),全称是影像处理器,是车载摄像头的重要构成组件,主要作用是对前端图像传感器CMOS输出的信号进行运算处理。

我们现在使用的很多设备都带有摄像头,比如手机、电脑、监控设备、智能驾驶,作为摄像头的组件之一,ISP决定着图像和视频效果的好坏。

以智能手机为例,当我们按下自拍按钮的一瞬间,设备会执行数以亿计的算术运算,以保证照片有着令人满意的对焦、曝光、白平衡等效果,这就是图像信号处理器的作用。

自动驾驶也是一样,依赖于ISP处理器,车辆才能借助摄像头“看”到周围的环境,正确的做出下一步决策。

阿里达摩院此次发布的ISP处理器,采用了达摩院独有的3D降噪和图像增强算法,让扮演自动驾驶车辆“眼睛”角色的摄像头,拥有更好的“视力”,提高了自动驾驶的检测识别能力,进一步保障了自动驾驶的安全性。

ISP处理器已应用于自动驾驶物流车

2013年,阿里云和华为一道,成为首批通过ISP牌照评测的企业。

从此,阿里在自研ISP处理器这条赛道上持续深耕。

达摩院推出的这款 ISP 处理器,首先是为了满足自身自动驾驶业务的需求。

每当夜色降临,达摩院自动驾驶实验室的无人车便上路,这些搭载着阿里自研 ISP 芯片的车辆,就在夜路上逐步优化升级。

目前,此款 ISP 芯片已用于阿里的自动驾驶物流车,可支撑无人物流车全天候运营。

最先选择物流场景落地的原因是阿里拥有丰富的物流场景,淘宝、饿了么、盒马等业务都离不开物流配送,菜鸟也是一个智慧物流平台,这为自动驾驶研发团队提供了大量场景经验。

从评测结果来看,达摩院的自研ISP芯片已经跻身业界一流水平。

未来, ISP 芯片还可能在新零售如自动收银机、智能家居等场景落地。

有行业专家指出,由于成本较低、技术成熟,车载摄像头已成为自动驾驶市场上应用最广泛的传感器。

智能芯片赋能无人驾驶

达摩院此次研发出的ISP处理器,标志着阿里在自动驾驶领域达到了新高度。

2018年,阿里开始进军自动驾驶领域,在其发展路线中,物流一直是一个重点,这与其对于物流的巨大需求有着密切的关系。

为何要从 ISP 芯片角度切入研发呢?

按照当前市面上已有的车规级图像处理器的图像处理效果,已经不能满足自动驾驶深度学习算法的需求了,而这款自研芯片,可以解决现有硬件方案性能不足的问题。

行业专家指出,性能强大的ISP处理器将提升自动驾驶产业链的智能化水平。

随着智能汽车的高速发展,除了阿里、百度等互联网巨头在汽车智能芯片上的发力,国内还有如地平线、商汤科技、寒武纪等30多家初创企业,都在开发和自动驾驶汽车相关的AI芯片。

未来自动驾驶各方面的技术日渐成熟,相信“吃着火锅,坐着车”将很快成为现实。

不妨畅想一下,汽车将成为我们的专属私密空间,可以打造成移动办公室、休闲娱乐室、私人影院等,这样,在汽车开动时,我们就可以一边行进,一边听音乐或者睡觉了。

你所期待的无人驾驶时代,是什么样的呢?(作者:首创高科)

博客 自动驾驶小能手

LV5
2020-04-13 09:02
141

沃尔沃拆分Zenuity背后,或是吉利自动驾驶业务的关键

上周周四,沃尔沃与瑞典供应商Veoneer发表声明称将拆分其汽车软件合资公司Zenuity。据协议显示,Zenuity将被拆分成两个部分,一部分为L4级别以上的自动驾驶软件的开发和商业化,归属于沃尔沃,并成立一家新的独 ...查看全部

上周周四,沃尔沃与瑞典供应商Veoneer发表声明称将拆分其汽车软件合资公司Zenuity。

据协议显示,Zenuity将被拆分成两个部分,一部分为L4级别以上的自动驾驶软件的开发和商业化,归属于沃尔沃,并成立一家新的独立公司。另一部分则是专注于高及辅助驾驶系统(ADAS)软件的开发和商业化,归属于Veoneer,整合进自身业务当中。
此次沃尔沃选择拆分Zenuity,可以说是收回了自身在自动驾驶软件系统开发上的自主权。但从另一方面来说,我们不要忘了,就在2月份,吉利已经宣布将与沃尔沃重组,重组的目的之一,就是“实现成本结构与新技术开发的协同,以应对未来的挑战”。
虽然吉利在自动驾驶领域已经自主研发了“爬行者智能系统”,但面向未来L4/L5级别的自动驾驶,吉利还是有一定的短板。不过,通过与沃尔沃重组,并间接控制新成立的自动驾驶公司,则可以使其与自身自动驾驶业务进行协同,从而补足自身在自动驾驶业务上的短板。

被拆分的Zenuity

2016年9月,沃尔沃与瑞典汽车零部件供应商Veoneer的母公司Autoliv宣布组建合资公司,共同研发自动驾驶软件,双方各持股50%。
其中,Autoliv提供了约1.26亿美元的资金,这是大部分初始现金投入,当然,也包含部分知识产权。而沃尔沃则主要提供的是知识产权和工程人才。
这家合资公司就是Zenuity,其总部位于瑞典哥德堡,专注于研发自动驾驶软件系统。虽然Zenuity是由沃尔沃和Veoneer共同组成,但其对自身未来的定位并不仅仅局限于为沃尔沃一家车企服务,而是还会为其他第三方汽车厂商打造定制化的自动驾驶软件,以及提供一系列的自动数据采集系统。
或许,这也是沃尔沃决定要拆分这家公司的主要原因之一,毕竟,吉利已经开始与沃尔沃进行重组,自动驾驶软件系统这么重要的核心技术,当然是要掌握在自己的手中,才能够与自身业务协同发展。
此外,据Veoneer首席技术官Nishant Bata在接受外媒采访时表示:“沃尔沃希望成为自动驾驶领域的领导者,而我们的目标则是在协作驾驶领域更有效的追求我们所谓的高级ADAS。”
也就是说,沃尔沃与Veoneer在对自动驾驶发展理念上出现了差异,前者希望能够研究真正的自动驾驶技术,即L4/L5级自动驾驶,而Veoneer则希望能够寻求更快进行商业化的ADAS辅助驾驶系统。发展理念的差异,势必会阻碍公司正常的发展,此时选择分拆,或许是最好的选择。
据了解,作为分拆协议的一部分,Zenuity在瑞典哥德堡和中国上海的业务和人员将转移至沃尔沃的新公司,而位于德国和美国的业务和人员则转移到Veoneer。对此,两公司表示,预计分拆将最迟在第三季度完成。

吉利自动驾驶布局

如果说,吉利凭借自主研发完成了对L1/L2级别自动驾驶的布局,那么,沃尔沃将帮助吉利完成L4/L5级别自动驾驶技术的实现。
事实上,长久以来,外界对吉利汽车的关注更多的局限在传统汽车生产、制造与销售等层面,对吉利在自动驾驶技术方面的积累和储备知之甚少。直到去年5月,吉利完整的披露了自身在自动驾驶领域的布局,才引发外界对其广泛关注。
据吉利汽车集团CTO、路特斯集团全球CEO冯擎峰介绍,吉利在自动驾驶领域的发展按照从“初步解放脚”到“迈入全面自动驾驶”共分为五个阶段:
第一个阶段是初步解放脚,从2014年开始,吉利主要实现了ACC自适应巡航、AEB自动紧急制动、LDW车道偏离预警等功能,目前已经被搭载于吉利博越、博越、帝豪GS\GL等车型上;第二阶段是全面解放脚,即车辆可以实现特定环境下的自动驾驶能力,如单车道集成式巡航,自动泊车等。
目前,吉利正朝着3.0阶段迈进,即在2020年实现L3级车型量产,在局部环境下实现L3级的高度自动驾驶。2022年,吉利计划实现在5G协同下的高速自动驾驶,在2030年之前实现5G、NR+边缘计算同时城市自动巡航,分布进入自动驾驶4.0、5.0阶段。
在对外详细介绍自身自动驾驶发展规划的同时,吉利还对外发布了“爬行者智能系统”,其是基于现有量产传感器配置,用V2X技术,接入车端、云端、厂端辅助设施,依托5G网络实现全路况、全场景、无缝高速连接的自动驾驶技术。
据悉,其核心算法完全由吉利自主研发。该系统目前具备自动泊车入库、后台预定车位、一键取车/泊车、信号灯识别、障碍物探测、行人避让、障碍物绕行等八大功能。
然而,即使目前吉利已经依靠自身力量实现了L2级别的自动驾驶,但相较于科技公司、其他车企巨头,吉利的底蕴并不足以支撑其继续像L4\L5级别自动驾驶迈进,尤其是在自动驾驶系统软件部分,而沃尔沃则成为了吉利的机会。
前文有所言,吉利与沃尔沃重组的目的之一,就是实现成本结构与新技术开发的协同,以应对未来的挑战。
事实上,虽然10年前吉利就已经并购了沃尔沃,但双方真正的相互融合却是在近两年出现的,据悉,去年双方率先推动了发动机业务的合并。双方在业务合并方面的尝试,也意味着即使未来各自的汽车品牌仍然独立,但在原本相互独立的研发技术层面上,可以协同发展,从而促进自身在自动驾驶领域的发展。
沃尔沃此次拆分Zenuity,并将其业务重组成一个新公司,则很有可能是服务于重组后的吉利和沃尔沃。与此同时,重组后的新公司也将补足吉利在自动驾驶软件系统方面的不足。
一方面,Zenuity很早就提出了“自动驾驶通用软件”的概念,并且只专注于软件的开发,在该领域拥有一定的技术优势。另一方面,不管是沃尔沃,还是吉利,其在自动驾驶领域的最终目标都是实现最高级别的自动驾驶,并且,一个专注于研发自动驾驶软件系统,一个从5G-V2X-单车智能角度出发,双方可以相互协调,共同发展。
基于此,我们不难看出,未来会有很大的概率,沃尔沃与吉利旗下的汽车品牌将共用同一平台。

小结:

不管是过去、现在,还是未来,一家企业,只有掌握自身的核心技术才能决战未来。于吉利而言,经过数十年的摸牌滚打,成为中国自主品牌的领军者之一。而在面对“新四化”的发展趋势,吉利谋求的,并不仅仅是紧随潮流,而是做领军者。
在智能网联领域,业内皆知,吉利独资成立的亿咖通,将车联网技术的核心掌握在自己的手中。而在自动驾驶领域,前文也有所言,其系统的核心算法皆是自主研发。沃尔沃拆分的Zenuity,未来有很大的可能其业务将会与吉利自动驾驶业务合并重组,协同发展,这样,吉利才能让自身在自动驾驶领域的话语权更进一步。(作者:车云)


博客 自动驾驶小能手

LV5
2020-04-10 16:56
146

中国智能交通的最优解?百度正式发布“ACE交通引擎”

作为国内外第一个车路行融合的全栈式智能交通解决方案,百度“ACE交通引擎”是中国特色智能交通建设的最优解 ...查看全部

作为国内外第一个车路行融合的全栈式智能交通解决方案,百度“ACE交通引擎”是中国特色智能交通建设的最优解。交通是兴国之要,强国之基。在当下各地积极推动“新基建”的背景下,4月9日,百度Apollo发布了智能交通白皮书,正式披露了Apollo智能交通解决方案——“ACE交通引擎”,并系统解读了百度在人工智能、自动驾驶、车路协同方面的业务规划。 

报告指出,百度“ACE交通引擎”是中国特色智能交通建设的最优解。目前,百度“ACE交通引擎”综合解决方案已在北京、长沙、保定等10余个城市落地实践并显露头角。
百度副总裁、智能驾驶事业群组总经理李震宇表示,“ACE交通引擎”依托百度多年在人工智能、自动驾驶、车路协同方面的深厚积累和领先实践,集自动驾驶生态和百度AI能力全力赋能城市交通。在这个全面走向智能化的时代,百度希望以科技公司的力量,助力城市抢先一步落实新基建,加速交通强国建设。
一、车路智行是交通的未来
车路智行是指以车路云为基础、以自动驾驶和车路协同等人工智能技术为引擎、以传感数据为燃料、以通信网络为纽带、以产品服务为应用的新一代智能交通技术。通过采用先进的自动驾驶、车路协同、无线通信和新一代互联网技术,实现人、车、路、云、图等交通要素的交互融合,由车辆智能化、道路智能化、运输智能化三个维度组成,遵循数字化、网联化、自动化三个阶段的发展路线,是可持续的交通承载形态。
报告指出,与传统交通相比,基于车路智行的智能交通具有高级别自动驾驶车辆、全息全量感知的新一代交通信息基础设施、共享便捷的门到门出行、端到端的低成本货物运输等特征,因而具备更高的安全等级、出行体验、通行效率等特点,是新时代产业和消费升级的重要着力点。
1586508552118674.png
按照报告的说法,车路智行将是交通的未来,是带动有效投资的关键投入、释放经济活力的强劲动能、实施智能引领的关键路径、提供灾害防护的新保障、建设交通强国的重要支撑以及助力交通科学治理的新手段。

二、“ACE交通引擎”是中国特色智能交通建设最优解

对于如何打造车路智行,报告指出,百度“ACE交通引擎”是中国特色智能交通建设的最优解。“ACE交通引擎”将利用百度Apollo在自动驾驶、车路协同方面的领先优势,推动人工智能与基础设施、运输装备、运输服务、行业治理的深度融合,通过大数据、云计算、人工智能等手段不断提升城市治理体系和治理能力现代化水平,构建实时感知、瞬时响应、智能决策的现代化智能交通体系,让城市的运行更顺畅,生活更加美好。
据了解,百度“ACE交通引擎”采用了“1+2+N”的系统架构,即“一大数字底座、两大智能引擎、N大应用生态”:
一大数字底座指“车”、“路”、“云”、“图”等数字交通基础设施,包括小度车载OS、飞桨、百度智能云、百度地图;
两大智能引擎分别是Apollo自动驾驶引擎和车路协同引擎;
N大应用生态,包括智能信控、智能停车、交通治理、智能公交、智能货运、智能车联、智能出租、自主泊车和园区物种等。
目前,百度“ACE交通引擎”综合解决方案已在北京、长沙、保定等10余个城市落地实践并显露头角。
在北京,Apollo连续两年蝉联北京自动驾驶路测报告头名,是在京所有测试企业中投入车辆最多、测试里程最长的企业。此外,百度还是首个在京开展自动驾驶载人测试的企业,并获得了中国最高级别、最高标准的T4自动驾驶牌照;
在长沙,Apollo落地了国内首个Robotaxi试运营车队,普通市民通过手机App即可以预约试乘体验。截至2019年12月底,长沙累计实现一万次以上的安全载客出行。同时,长沙100公里的城市道路实现车路协同改造后,路段的通行效率整体提升了30%;
在保定,百度智能信控系统能有效降低路口和干线交通延误,主干线道路最高行程延误时间下降达30%。
截至目前,Apollo 拥有自动驾驶路测牌照数150张、全球智能驾驶专利1800件、测试里程300万公里、全球开发者36000余名、生态合作伙伴178家、开源了56万行代码。在技术、生态等多个领域,Apollo凭借十项“第一”全面引领中国交通出行产业智能化前进步伐。国家智能交通系统工程技术中心首席科学家王笑京也曾表示:百度是国内领先的AI领军企业,“ACE交通引擎”解决方案符合世界智能交通的趋势和潮流。
1586508603277944.png
三、车路智行将向数字化、网联化、自动化转型
车路智行将遵循全球主流的技术发展规律,沿着“数字化升级、网联化转型、自动化变革”的发展路径,逐步完成品牌内核与社会价值的实现。同时,报告还发布了车路智行近、中、远期的发展目标。
近期目标:预计到2025年,车路智行完成数字化转型,有条件智能驾驶车辆规模化生产,高度自动驾驶车辆形成区域化市场应用,新型交通信息基础设施覆盖全国主要城市和典型场景,出行智能化服务全程覆盖,物流服务进入一体化平台发展新阶段,交通治理和服务能力显著提升。
中期目标:预计到2035年,车路智行完成网联化转型。高级别 自动驾驶车辆实现大规模商用,新型交通信息基础设施基本实现全域覆盖,一站式出行技术和产品惠及普通大众,智能交通技术自主可控且位列全球第一方阵,产业发展世界领先。
远期目标:预计到本世纪中叶,车路智行完成自动化变革。人民满意、保障有力、世界前列的车路智行系统全面建成,车路智行基础设施规模质量、技术装备、科技创新能力、智能化与绿色化综合实力位居全球前列,交通安全水平、治理能力、文明程度、国家竞争力及影响力达到国际先进水平。(文/郭王虎)

博客 智能网联汽车

LV1
2020-04-10 16:51
121