自20世紀中期以來，汽車技術經歷了幾十年的緩慢發展，在過去的30到40年里，汽車制造的方式也沒有發生太大的變化。但這樣的情況正在發生根本性變化——尤其是在即將過去的2018年，這種變化非常迅速。

但技術積極導入的背后，消費者是否接受？這將直接影響供需之間的關系。

最近一項面向全球幾大國家的調查結果顯示，在回應“自動駕駛是一項明智的技術進步”這一說法時，53%的德國人和50%的美國人表示同意，而在中國，則有高達89%的人同意這一進展。

還有一個不可避免地與自動駕駛汽車有關的恐懼問題。在德國，62%的人認為“自動駕駛讓我有些害怕”。在美國，77%的人表示有恐懼。而在中國，可能感到會受驚嚇的人數只有28%。

至于這項技術將發揮多大的作用，57%的德國人認為“我不相信它會可靠地發揮作用”。在美國，77%的人感到害怕是因為他們認為這種方法行不通。同樣，中國人則更加樂觀，有40%的人關心可靠的運營。

在美國，公眾接觸自動駕駛汽車的幾率最高，但似乎并沒有讓事情變得更好，或許像Uber發生的不幸事故這樣的事情讓人們更加猶豫。

2013年的一項調查顯示，66%的美國人同意“自動駕駛有點讓我害怕”的說法，比2018年的數字反而低了11個百分點。至于“我不相信它會可靠地發揮作用”，2013年只有50%的人同意這一說法，而最新調查則高達77%。

與此同時，在中國，2013年至2018年間人們對自動駕駛的態度出現了積極的變化。在這五年里，“明智的技術進步”增加了10個百分點；稱自己有些害怕的人減少了24個百分點。

自動駕駛在中國可能會比其他國家更早更快大規模普及，至少從調查對比結果來看，應該不會有什么意外。所有，我們也有理由相信，2019年智能網聯汽車領域的更多變化，將來自中國市場。

域控制器

從L2級到L3級的演進，也是從傳統的ADAS功能向場景化自動駕駛的進化。此外，更多傳感器的融合，則更加突出域控制器的作用。

一直以來，多傳感器融合是自動駕駛落地的必備條件之一，目前的L1和不變道L2自動駕駛是單個攝像頭和雷達之間的融合，是目標層的融合；而可變道L2和L3級自動駕駛需要數據層的融合；到L4/L5階段，還需要傳感器數據和高精度地圖數據的融合。

域控制器因為有強大的硬件計算能力與豐富的軟件接口支持，使得更多核心功能模塊集中于域控制器內，系統功能集成度大大提高，這樣對于功能的感知與執行的硬件要求降低。

加之數據交互的接口標準化/網絡化，會讓這些零部件變成標準零件，從而降低這部分零部件開發/制造成本。簡而言之，外圍零件只關注本身基本功能，而中央（域）控制器關注系統級功能實現。

在傳統的ADAS功能時代，原有的一個功能對應一個ECU的分布式計算架構已經無法適應需求——比如攝像頭、毫米波雷達、激光雷達乃至GPS和輪速傳感器的數據都要在一個計算中心內進行處理以保證輸出結果的對整車自動駕駛最優。

這意味著需要有大量的運算，這時就需要有一個域控制器。同時，從ADAS級開始，傳統的分布式車載電子控制單元的使用正在讓位于集成的域控制器。

自動駕駛域控制器注重的是靈活可用，滿足B端客戶需求，因此在具體的實現方案上，會有多種選擇。域控制器在業內已經形成共識，無論主機廠還是Tier1，都在發力。在下一代的車型中，或多或少都會加入一部分域控制器的概念。

毫米波雷達

毫米波雷達作為一個傳統的感知傳感器，在汽車智能駕駛中扮演者越來越多的重要角色。據GGAI研究院預計，到2020年，全球量產新車將會至少有超過20%安裝毫米波雷達，服務于汽車安全輔助駕駛的相關功能。

傳統的汽車毫米波雷達配置為1+4，1為高頻的76-81Ghz的毫米波雷達，用于中遠距離的ADAS功能，而4通常為24GHz的毫米波雷達，用于近距離場景。

雷達的價格乘以數量，市場想象空間很大。面對巨大的市場，不僅國外的傳統巨頭虎視眈眈，國內新興的雷達供應商也摩拳擦掌，希望能在其中分一杯羹。

近年來，全球在毫米波雷達領域的初創公司都在嘗試向高分辨率的成像雷達技術方向拓展。他們希望能夠基于毫米波雷達不受天氣和光線影響的獨特優勢，如何最大程度改善傳統雷達分辨率低的缺點。

4D（3D空間+速度）成像毫米波雷達，被認為是趨勢之一，將分辨率提升至接近激光雷達的水平，既解決對小物體的識別，以及移動、靜止物體的跟蹤，同時，毫米波雷達的穿透力（超視距能力）是對激光雷達的缺陷彌補。

同時，4D雷達相比傳統雷達可以做到垂直方向的探測，并直接實時給出物體的移動速度，而激光雷達則需要間接計算得出。

以目前三種傳感器的測距范圍來看，毫米波雷達仍然具備優勢，這也使得在多傳感器融合的狀況下，其成為最早發現前方障礙物的傳感器。

此外，現有的24GHz，77GHz毫米波雷達仍然存在不少缺陷，比如必須在較窄的視場角提供中遠距的中低分辨率，或者寬視場角的低分辨率之間選擇。這也使得下一代雷達的突破已經成為剛需。

虛擬仿真

傳統汽車要走向自動駕駛，除了各家技術方案公司的努力，包括但不限于OEM、自動駕駛公司，還需要對實驗結果進行不斷測驗，進行對稱調試優化。

路測無疑是最直接的方式，但由于汽車的重量以及速度，在實際場景中測試有重大的安全隱患，尤其是在技術尚未成熟之前。可是沒有實際的路測，技術的更新升級似乎難度又很大。

尤其是今年上半年，UBER的自動駕駛車在美國亞利桑那州坦佩市的全球首例由自動駕駛汽車釀成的死亡事故發生之后，對于自動駕駛測試是否應該在技術未成熟之前上路測試引發了業界的反思與討論。

在不少業內人士看來，模擬測試是提高目前自動駕駛技術開發速度的關鍵工具，也是驗證產品和證明其安全的必要工具。按照行業普遍觀點，車企需要100億英里的試駕數據來優化其自動駕駛系統，若要達到該測試里程數，按照目前的實際路測能力計算，恐怕還需要耗費數年才行。

根據Waymo最新發布的數據，在過去幾年公司完成了25個城市，不同時間、不同氣候、不同道路的1000萬英里實際道路測試；而目前公司每天虛擬測試里程就可以達到1000萬英里。按照計劃，到10月底，Waymo的虛擬測試里程已經突破70億英里。

仿真環境有助于解決在現實中很少出現的極端情況。一些在實際路況中極少出現的情境，可在仿真環境中不同視角重復出現。

更為關鍵的是，隨著驗證越來越多的駕駛員輔助系統和自動駕駛功能的需求日益增長，可能的場景數量每天都在增加。

對于自動駕駛來說，仿真測試將是技術驗證、支撐系統培訓、測試和驗證的基礎技術，尤其是基于深度機器學習的系統來說，它是“必須的”，有利于在技術部署之前帶來一些急需的驗證和信心。

芯片大戰

據相關統計數據顯示，芯片在每輛汽車中的價值從2000年的250美元飆升至去年的350美元。近三年全球車用芯片市場正以超過年復合增長率30%的速度增長，2017年市場規模接近350億美元，汽車市場被認為是半導體芯片市場中成長最快的應用領域。

視覺處理芯片是自動駕駛芯片陣列中重要的一環，由于可以同雷達等傳感器形成互補，基于深度學習的視覺識別處理，在道路、交通標志、障礙物、行人等識別中重要性愈發凸顯。

因此各大廠商也都在爭相占領高地，NVIDIA和Mobileye目前是市場翹楚，占據了較大的份額，二者在汽車芯片領域，都是新生。其它傳統汽車芯片廠商，正在迎頭趕上。

賽靈思在加大投入，開始重視汽車市場，安霸借著原有汽車市場的一些經驗，也在意圖更多CV市場份額。高通則在座艙及5G、V2X芯片領域占據優勢。傳統的NXP、瑞薩、TI等在價格、功耗、量產經驗上，都占優勢。

自動駕駛視覺處理芯片的賽跑，才剛剛開始，領頭羊、傳統勢力、新入局者各自的節奏都不一樣的，但市場一致——我們目力所及的汽車，ADAS還遠未普及。誰能掌握真正的話語權，在于占領足夠大的市場，而這些故事，將會在接下來的5-10年完成。

同時，與其他市場應用相比，汽車對芯片的要求更為嚴格。目前，半導體行業對擴大芯片產能仍持謹慎態度，預計未來兩年分配給汽車行業的產能不會有較大幅度增長，因此可能出現供不應求的局面。

與此同時，汽車客戶希望能夠確定芯片的潛在故障率。這就需要代工廠使用更多的檢查、測試和模擬，所有這些都需要時間并增加工藝的成本。

諸如人工智能、機器學習和自動駕駛這樣的未來趨勢將在芯片制造領域產生新的贏家和輸家。“現在才剛剛開始上半場的比賽，那些大玩家可能會變得更大。”一位業內人士表示。

5G+V2X

在傳統的2/3/4G時代，車聯網的概念就已經存在，但經過了十年，應用最廣泛的，還是客車、貨車被強制安裝的行車記錄儀，車機等設備，在乘用車領域聯網設備的安裝率較低，但二者都有一個共同點：幾乎無存在感。

5G時代的到來，依靠的是更密集基站的部署，任大凱表示，5G基站的密度，將會是4G基站的2.5倍，4G基站現在約有200多萬個，因此未來5G基站的數量，將會達到約700萬個。

完整部署后的5G基站網，通訊速率可達GB/S級，時延可保持在10ms以下，為無人駕駛、V2X的應用提供了技術保障。

彼時，無人駕駛的端智能還受制于感知、傳感器、算力、深度學習等因素的限制，無法具備足夠的上路能力，但5G可以通過V2X，弱化對車輛端智能的要求，就能使得汽車擁有超視距的感知，信息獲取能力。

5G讓單車從環境感知進入了共享模式，從信息論的角度，信息量的多項式模式增長可以讓信息不準確度呈指數級下降，由此，基于5G的環境感知共享模式將會大大提高環境感知的準確度，為智能駕駛分析決策提供最高質量的參考數據，給智能駕駛提供最高的穩定性分析。

車輛編隊控制在近年來已經成為廣受關注的一個問題，尤其在客運、貨運和港口物流等場景中，編隊模式下兩輛車或多輛車同向行駛，前車作為領航車，有人駕駛，后車為完全無人駕駛。5G在該應用場景中，5毫秒以內的端到端低時延以及99.999%的可靠性，是安全高效車輛編隊行駛的關鍵。

對于遠程駕駛，駕駛員必須直接根據傳回的多路高清視頻進行駕駛操作，對方向盤、剎車和油門的每一個動作都要在10毫秒之內完成操作，才能保證遠程駕駛車輛平穩安全高效的行駛。能支持高清視頻的及時傳入、控制信號及時傳出的通訊網絡，唯有5G網絡的大帶寬、低時延才能滿足。

從各個芯片廠商的計劃可以看出，大家都瞄準了5G在2019年的商用，與運營商的計劃幾乎神同步。供應商和運營商誰先誰后現在還不確定，但相應的產品和服務，肯定只能在2020年后才能見到。