2024年自动驾驶产业化的三大核心因素：传感器、软件和安全

汽车行业正在经历其历史上最具变革性的旅程。仅仅15年前，自动驾驶汽车还只是一个白日梦;电动汽车曾是人们的笑柄;安全是被动的，目的是尽量减少碰撞的后果，而不是预防它们。到2024年，自动驾驶出行服务将在美国和中国向公众开放;电动汽车是理想的主流选择;未来的安全是预防性的，试图确保事故永远不会发生。本文考虑了未来汽车的三个关键方面:传感器、软件和安全。

传感器雷达、摄像头和激光雷达构成了自动驾驶的核心三大传感器。这三者都在汽车行业不断发展，并将继续进步。激光雷达的价格正逐渐降至oem厂商更愿意接受的水平，雷达的性能和用途也在不断发展，而智能手机摄像头的高分辨率摄像头技术也正被用于自动驾驶系统。雷达可能是这三个类别中最有趣的。汽车雷达自世纪之交被引入汽车以来，已经走过了漫长的道路。那时候，雷达能很好地探测到前方车辆的距离，仅此而已。它的主要优点是在汽车可能遇到的任何天气条件下都能工作。雪、雨、雾、沙尘暴——雷达根本不在乎。然而，对于完全自动驾驶来说，它的分辨率还不够。

近年来，半导体技术的进步和自动驾驶行业的新兴需求迫使雷达不断发展。它已经萌发了更多的发射和接收通道(Tx × Rx)，从1 × 2增长到3 × 4，然后从领先的一级公司增长到12 × 16，从领先的初创公司增长到48 × 48阵列。具有多个发射和接收通道的大型天线阵列提高了现代雷达的分辨率。然而，发送和接收通道就像相机上的像素:简单地增加更多的像素并不一定会使相机更好。早在2013年，诺基亚Lumina 1020就配备了4100万像素的摄像头，而2022年的iPhone 14则使用了1200万像素的传感器。哪个能拍出更好的照片?除了像素数，还有更多因素在起作用。灵敏度、动态范围和后处理软件对最终图像有很大的影响。同样，雷达性能不仅仅是对发射器和接收器的衡量。雷达的一个新兴优先事项是动态范围，或者雷达同时检测高反射率目标和低反射率目标的能力。举个例子，一个小孩站在汽车旁边。汽车反射出来的光比孩子反射出来的要亮几个数量级。对于雷达来说，探测孩子就像试图在太阳前拍摄一粒米。孩子的倒影很容易被噪音掩盖。半导体技术和雷达设计的进步正在改善雷达的动态范围。例如，在CES 2024上，Mobileye展示了一种雷达的例子，它可以探测到近240米外金属栏杆旁边的木托盘。雷达被用于自适应巡航控制。处理是雷达效用可以改进的另一个领域。业界已经开始使用“4D成像雷达”这一术语，指的是方位角(水平角度)、仰角(垂直角度)、距离和相对速度。但雷达还有另一个维度可以进一步提高其性能:强度，或反射强度。通过考虑反射的强度，雷达可以确定物体是金属的(高反射率)还是有机的(低反射率)。有了这个区别，雷达将成为一个更完整的传感器，提供低成本，在所有天气条件下操作，准确的测距和速度，最后是准确的目标分类。研究人员目前正在研究强度检测功能，这项技术可能很快就会应用到雷达上，或者应用到汽车的中央自动驾驶和传感器融合计算机上。

以前，雷达数据是在雷达本身上处理的。本地处理对于自动紧急制动这样的任务是有意义的，它只需要一个标志，表明车辆前方有东西停了下来。但雷达数据是如此丰富，以至于像Zendar、Zadar Labs和其他初创公司都希望在一台功能强大得多的中央计算机上处理这些数据。这种机器不仅可以处理雷达数据，还可以接收来自多个摄像头的高分辨率视频、激光雷达数据等。

由于有如此多的数据需要处理，该行业正在转向更先进的半导体和更强大的片上系统。预计将于2025年推出的英伟达(Nvidia)的Thor就是最好的例子。这款SoC拥有2000 TOPS的处理能力，并采用了台积电的4nm节点技术，与当今大多数消费汽车上运行的芯片相比，它更像高端游戏PC。随着ChatGPT的出现、汽车对人工智能的需求以及软件定义汽车的出现，一辆现代高端电动汽车将比20年前的普通汽车更接近电脑。

软件
马力正在变得大众化。将电动机的马力增加一倍或三倍比将内燃机的输出功率增加一倍要便宜得多。那些会让过去的超级跑车相形见绌的汽车现在以不到5万美元的价格进入市场。再加上这一点，电动汽车不具备发动机的区别特性。他们没有涡轮滞后或不同的排气笔记;大多数甚至没有超过一个齿轮。简而言之，未来汽车的区别将不在于性能，而在于软件。

软件定义的车辆、互联和自动驾驶也为实现完美的安全提供了一条途径。传感器的问题是，即使是最好、最先进的传感器，它们也无法看到拐角处或穿过建筑物。无论汽车上安装了多少雷达、激光雷达或摄像装置，它们都无法看到邻近城市街道上一辆超速行驶的汽车即将闯红灯。但联网汽车可以。

互联和软件提供了一种集体感知的途径，在这种途径中，汽车和基础设施将相互分享它们的环境知识。有了这些信息，联网汽车可以对周围道路上的每一个行人、骑自行车的人和车辆的位置和运动做出适当的反应，包括那些超出其视线范围的车辆。将集体意识与负责任的自动驾驶司机结合起来，一个到处都是自动驾驶汽车的国家可能会彻底消除道路交通事故。

当然，这种情况还有很长的路要走;道路上的自动驾驶还处于早期阶段，集体感知是一个大学研究项目。然而，自动驾驶汽车已经开始显示出其潜在的安全优势。

安全
2023年10月，加州车管所吊销了克鲁斯的无人驾驶测试许可证，禁止其运营无人驾驶出租车项目，也禁止在加州的公共道路上测试汽车。声明的原因是克鲁斯“歪曲”了该技术的安全性。从这起事件和其他事件中可以清楚地看出，自动驾驶汽车的安全声明将永远而且应该永远受到公众的审查。然而，这并不是贬低自动驾驶汽车或其安全性。相反，公共监督不应该以消除自动驾驶汽车为动机，而应该以改进自动驾驶汽车为目的。

与涉及人类驾驶员的事故不同，从一次自动驾驶汽车碰撞中收集的情报可以产生改进，并通过无线更新推广到整个车队。在这种情况下，碰撞提供了一个防止此类碰撞再次发生的机会，这远远超出了人类驾驶员的能力。

从所有指标来看，自动驾驶汽车的安全性都在不断提高。来自加州的数据也说明了这一点。回到2015年，当记录首次保存时，如果没有安全驾驶员的干预，自动驾驶汽车几乎无法行驶1000英里。快进到2023年，克鲁斯提交了576,000英里的驾驶里程，没有一次脱离。相比之下，IDTechEx估计，在美国，人类司机大约每20万英里发生一次碰撞，而在旧金山等城市，这一比例几乎翻了一番。因此，也许有人会说，自动驾驶汽车已经比人类司机更安全了。

另一方面，浏览一下无人驾驶自动驾驶汽车的数据就会发现，平均每5.2万英里，一辆无人驾驶的Waymo就会发生一次碰撞。邮轮票价稍好一些，每63,000英里发生一次碰撞。因此，他们的碰撞率大约是旧金山普通司机的两倍。但是，这并不是故事的全部。在33起涉及无人驾驶巡航车辆的记录碰撞中，只有6起可归咎于自动驾驶系统，相当于每34.4万英里发生一次。同样，Waymo的自动驾驶系统可能要为大约五次碰撞负责，相当于每23.8万英里发生一次碰撞。因此，按照这个标准，自动驾驶汽车再次比普通人类司机更安全。

另一个应该考虑的指标是自动驾驶汽车发生死亡和严重伤害的比率。同样，自动驾驶汽车的这一比例低于人类司机。

然而，这个讨论的框架存在一个大问题，它涉及“普通”人类司机。显然，人类驾驶的熟练程度是一个范围，包括那些不能保持在限速以下并且不玩手机的人，那些从未发生过事故的超级警惕类型，以及介于两者之间的所有人。那么问题来了，自动驾驶汽车应该与哪些人类驾驶员进行比较。当自动驾驶汽车比90%的人类司机更安全时，它们是否足够安全?它们应该比人类司机更好吗?但是如何定义呢?一个17岁的人有了新驾照可能永远不会撞车，也就是说，每无限英里发生一次碰撞。

更复杂的是，人类驾驶的真正安全记录尚不完全清楚。并不是所有的碰撞都有报告，也不是所有的危险情况或险些发生碰撞。该行业通过测量人们撞车、造成伤害和死亡的比率，大致掌握了普通人的安全程度。然而，目前还没有足够的数据来全面了解人类驾驶安全，其深度与自动驾驶安全相同。

重要的是要用数据和数字来证明自动驾驶汽车可以超过普通人类司机的驾驶标准。然而，要超越这一点，并表明自动驾驶汽车比任何人类驾驶员都更安全，基准将需要改变或发展。除了“险些”之外，还有很多指标可以用来更好地了解人类的驾驶安全，比如司机闯红灯的频率、追尾的频率、违反交通规则的频率、超速的频率等等。有了这些指标，业界可以更好地了解人类驾驶表现，并进行可靠的比较，以证明自动驾驶汽车更安全。

在传感器、软件和安全之间，这是汽车行业激动人心的时刻。近年来，自动驾驶汽车的出现是一个划时代的时刻。100年后，今天的自动驾驶汽车和机器人出租车的例子将在博物馆展出，作为汽车行业如何遵循绝对安全道路的故事的一部分。