智能駕駛核心軟件產(chǎn)業(yè)研究報(bào)告

\o"點(diǎn)擊文章標(biāo)題可訪問原文章鏈接"\o"點(diǎn)擊文章標(biāo)題可訪問原文章鏈接"智能駕駛核心軟件產(chǎn)業(yè)研究報(bào)告（）

傳統(tǒng)汽車產(chǎn)業(yè)正圍繞著“軟件定義汽車”，掀起了新的轉(zhuǎn)型升級(jí)潮?？v觀汽車發(fā)展歷史，從最開始的“機(jī)械定義汽車”到“電器定義汽車”再到“電子定義汽車”，最后到現(xiàn)在的“軟件定義汽車”。軟件定義汽車（SoftwareDefinedVehicles，SDV），即軟件在車輛中扮演的角色逐步放大，在汽車中的滲入率越來越高，智能汽車成為了繼智能手機(jī)之后，IT產(chǎn)業(yè)的又一種萬億級(jí)風(fēng)口。本份報(bào)告，億歐智庫將以“軟件定義汽車”為核心，圍繞智能駕駛汽車的感知、決策、執(zhí)行以及整體的商業(yè)模式進(jìn)行分析研究。感知層：不同等級(jí)的自動(dòng)駕駛對(duì)于傳感器的數(shù)量、精度規(guī)定也不同，隨著等級(jí)的增加，呈指數(shù)增加；決策端：智能駕駛汽車推動(dòng)電子電氣架構(gòu)從分布到集中，域控制器、多域控制器替代ECU，引入高算力AI芯片；執(zhí)行端：自動(dòng)駕駛需要解耦人與車的機(jī)械連接，線控制動(dòng)、線控轉(zhuǎn)向是自動(dòng)駕駛執(zhí)行端的核心；汽車的產(chǎn)品功效被重新定義，產(chǎn)業(yè)構(gòu)造正在重構(gòu)，商業(yè)模式面臨變革，“軟件定義汽車”成為新趨勢(shì)。隨著汽車智能化、網(wǎng)聯(lián)化發(fā)展，軟件在汽車整車制造中的重要性大幅提高。從軟件代碼量對(duì)比來看，目前，高端車輛軟件代碼已經(jīng)達(dá)成1億行，高端汽車中的代碼量遠(yuǎn)多于PC和智能手機(jī)操作系統(tǒng)，且呈指數(shù)級(jí)增加中。橫向來看，常見智能手機(jī)操作系統(tǒng)安卓的代碼量為1300萬行，PC操作系統(tǒng)WindowsVista為5000萬行，而一輛高端汽車的代碼量可達(dá)1億行。將來，-2025年汽車中代碼量有望呈指數(shù)級(jí)增加，其年均復(fù)合增速約為21%。傳統(tǒng)汽車EE架構(gòu)無法實(shí)施“軟件定義”新功效：在傳統(tǒng)EE架構(gòu)中，增加一種新功效，僅僅是添加一種ECU（ElectronicControlUnit，電子控制單元），以及電線、線束布線等，但是極大地加大了系統(tǒng)的復(fù)雜性，主車企集成驗(yàn)證更為困難。如果需要實(shí)現(xiàn)較為復(fù)雜的功效，則需要多個(gè)控制器同時(shí)開發(fā)完畢才干進(jìn)行驗(yàn)證，一旦其中任意一種控制器出現(xiàn)問題，可能造成整個(gè)功效全部失效；在傳統(tǒng)分布式EE架構(gòu)之下，ECU由不同的供應(yīng)商開發(fā)，框架無法復(fù)用，無法統(tǒng)一，同時(shí)OTA外部開發(fā)者無法對(duì)ECU進(jìn)行編程，無法由軟件定義新的功效，進(jìn)行硬件升級(jí)；基于傳統(tǒng)分布式EE架構(gòu)，車企只是架構(gòu)的定義者，核心功效是由各個(gè)ECU完畢，其軟件開發(fā)工作重要是由Tier1完畢，車企只做集成的工作，軟件開發(fā)能力建設(shè)并不是車企的重點(diǎn)方向。汽車EE架構(gòu)從分布到集中式進(jìn)階：現(xiàn)在，汽車電子電氣架構(gòu)總體呈現(xiàn)分布式ECU架構(gòu)向域控制器EE架構(gòu)發(fā)展，最后演進(jìn)成中央集中式EE架構(gòu)。傳統(tǒng)汽車采用的分布式EE架構(gòu)，因計(jì)算能力局限性、通訊帶寬局限性、不便于軟件升級(jí)等缺點(diǎn)，不能滿足現(xiàn)階段汽車發(fā)展的需求，EE架構(gòu)升級(jí)已成為智能汽車發(fā)展的核心。傳統(tǒng)軟硬件高度嵌套，無法實(shí)現(xiàn)個(gè)性化開發(fā)和深層OTA：在傳統(tǒng)汽車中，硬件和軟件的關(guān)系是強(qiáng)耦合狀態(tài)，軟件功效的實(shí)現(xiàn)更加依賴于硬件，簡(jiǎn)言之就是是硬件決定軟件功效，并且硬件之間難以形成較強(qiáng)的協(xié)同性，汽車軟件的可復(fù)用性和OTA升級(jí)能力整體較弱。而在軟件定義汽車的共識(shí)下，車企資源向軟件傾斜，軟硬件解耦造成研發(fā)迭代加速。面對(duì)將來汽車服務(wù)，整車軟件架構(gòu)需支持SOA：汽車正加緊智能化進(jìn)程，傳統(tǒng)通訊網(wǎng)絡(luò)及軟件架構(gòu)設(shè)計(jì)中擴(kuò)展性差、升級(jí)和移植成本高等問題日益凸顯。為了實(shí)現(xiàn)軟件定義汽車，智能汽車軟件架構(gòu)需向SOA（Service-OrientedArchitecture，面對(duì)服務(wù)的分布式架構(gòu)）轉(zhuǎn)型升級(jí)。其中，中央集中化的E/E架構(gòu)是實(shí)現(xiàn)軟件定義汽車的硬件基礎(chǔ)，SOA架構(gòu)則是實(shí)現(xiàn)軟件定義汽車的軟件基礎(chǔ)。SOA軟件架構(gòu)下的底層軟件含有接口原則化、互相獨(dú)立、松耦合三大特點(diǎn)：各個(gè)“服務(wù)”間含有界定清晰的功效范疇，并且留予原則化的訪問接口；每個(gè)服務(wù)之間互相獨(dú)立且唯一，均屬于汽車軟件架構(gòu)中的基礎(chǔ)軟件，因此若想升級(jí)或新增某項(xiàng)功效只需通過原則化的接口進(jìn)行調(diào)用即可；含有松耦合的特性，獨(dú)立于車型、硬件平臺(tái)、操作系統(tǒng)以及編程語言。能夠?qū)鹘y(tǒng)中間件編程從業(yè)務(wù)邏輯分離，允許開發(fā)人員集中精力編寫上層的應(yīng)用算法，而不必將大量的時(shí)間耗費(fèi)在底層的技術(shù)實(shí)現(xiàn)上。汽車加速智能，感知先行：在軟件定義汽車過程中，自動(dòng)駕駛感知層的硬件及算法是整車智能化的基礎(chǔ)。傳感器作為自動(dòng)駕駛汽車的“眼睛”和“耳朵”，現(xiàn)在主流的自動(dòng)駕駛傳感器以攝像頭和雷達(dá)為主，其中，雷達(dá)可分為毫米波雷達(dá)、激光雷達(dá)以及超聲波雷達(dá)，攝像頭則按其安裝位置不同，可分為前視、側(cè)視、后視和內(nèi)置四種類型。在傳感層的軟件體系中，攝像頭傳感器通過視覺算法，攝像頭可對(duì)車道、路邊、障礙物、行人進(jìn)行有效識(shí)別，局限性在于識(shí)別范疇受限、穩(wěn)定性差。為了提高雷達(dá)性能，其軟件算法也需要不停提高，例如，毫米波雷達(dá)和攝像頭同樣，在單獨(dú)工作時(shí)都需要運(yùn)行目的檢測(cè)和目的跟蹤，不停提高這部分算法的可靠性和精確性是難點(diǎn)所在，同時(shí)，單傳感器提供精確的檢測(cè)信號(hào)也是后續(xù)融合信號(hào)與否會(huì)更加精確的基礎(chǔ)，因此對(duì)于毫米波雷達(dá)和攝像頭的數(shù)據(jù)解決算法開發(fā)，是需要大量的思考、設(shè)計(jì)、仿真和測(cè)實(shí)驗(yàn)證來持續(xù)改善。多傳感融合驅(qū)動(dòng)自動(dòng)駕駛落地，技術(shù)路線：視覺主導(dǎo)方案VS激光雷達(dá)主導(dǎo)方案：現(xiàn)在自動(dòng)駕駛傳感器的選擇存在兩種不同的途徑：一種以攝像頭主導(dǎo)，搭配毫米波雷達(dá)，使用先進(jìn)的計(jì)算機(jī)視覺算法實(shí)現(xiàn)全自動(dòng)駕駛，典型代表有特斯拉、Moblieye以及百度ApolloLite；另一種則以激光雷達(dá)為主，同時(shí)搭載毫米波雷達(dá)、超聲波傳感器和攝像頭，遠(yuǎn)距離全方位探測(cè)能力強(qiáng)，但成本相對(duì)較高，典型代表為谷歌Waymo、百度Apollo、文遠(yuǎn)知行等主流無人駕駛公司?，F(xiàn)在，兩種途徑各有利弊，仍舊存在分歧：現(xiàn)在兩種途徑尚未分出勝負(fù)，隨著自動(dòng)駕駛技術(shù)的發(fā)展，激光雷達(dá)的價(jià)格有望下降，其全方位探測(cè)能力和不易受環(huán)境影響的優(yōu)勢(shì)將逐步顯現(xiàn)出來，有望成為將來自動(dòng)駕駛汽車主流的配備。視覺主導(dǎo)方案：攝像頭獲取的視頻數(shù)據(jù)與人眼感知的真實(shí)世界最為相似，靠近人類駕駛的形態(tài)。并且，在現(xiàn)在激光雷達(dá)價(jià)格居高不下的狀況下，僅使用攝像頭更容易控制成本；激光雷達(dá)主導(dǎo)方案：“雷達(dá)+視覺”方案的優(yōu)勢(shì)是監(jiān)測(cè)的距離更長(zhǎng)、精度更高、響應(yīng)更快，且不受環(huán)境影響。其對(duì)三維信息的解決，例如物體大小、移動(dòng)速度的計(jì)算都有著非常優(yōu)秀的體現(xiàn)。傳感器融合軟件算法是提高精度的重要途徑：多傳感器信息融合（Multi-sensorInformationFusion，MSIF），指將自動(dòng)駕駛攝像頭、激光雷達(dá)、毫米波雷達(dá)以及超聲波雷達(dá)等多個(gè)傳感器各自分別收集到的數(shù)據(jù)進(jìn)行融合，然后運(yùn)用計(jì)算機(jī)技術(shù)將來自多傳感器或多源的信息和數(shù)據(jù)，在一定的準(zhǔn)則下加以自動(dòng)分析和綜合，以完畢所需要的決策和預(yù)計(jì)而進(jìn)行的信息解決過程，方便更加精確可靠地描述外界環(huán)境，提高系統(tǒng)決策的對(duì)的性。自動(dòng)駕駛算法覆蓋感知、決策、執(zhí)行三個(gè)層次：感知類算法，涉及SLAM算法、自動(dòng)駕駛感知算法；決策類算法涉及自動(dòng)駕駛規(guī)劃算法、自動(dòng)駕駛決策算法；執(zhí)行類算法重要為自動(dòng)駕駛控制算法。多傳感器信息融合技術(shù)的基本原理與人腦綜合解決信息的過程相似，在此過程中，智能駕駛汽車要充足地運(yùn)用多源數(shù)據(jù)進(jìn)行合理支配與使用，而信息融合的最后目的則是基于各傳感器獲得的分離觀察信息，通過對(duì)信息多級(jí)別、多方面組合導(dǎo)出更多有用信息。這不僅是運(yùn)用了多個(gè)傳感器互相協(xié)同操作的優(yōu)勢(shì)，并且也綜合解決了其它信息源的數(shù)據(jù)來提高整個(gè)傳感器系統(tǒng)的智能化。芯片是軟件定義汽車生態(tài)發(fā)展的核心：在“軟件定義汽車”趨勢(shì)下，芯片、操作系統(tǒng)、算法、數(shù)據(jù)共同構(gòu)成了智能駕駛汽車的計(jì)算生態(tài)閉環(huán)，其中芯片是智能駕駛汽車生態(tài)發(fā)展的核心。以特斯拉為代表的汽車電子電氣架構(gòu)改革先鋒率先采用中央集中式架構(gòu)，即用一種電腦控制整車，域控制器逐步集成前期的傳感器、數(shù)據(jù)融合、途徑規(guī)劃、決策等運(yùn)算解決器功效，因此對(duì)域控制器芯片算力需求大幅提高。汽車芯片算力需求加大，高級(jí)別自動(dòng)駕駛SoC芯片拉開商業(yè)大戰(zhàn)：隨著自動(dòng)駕駛等級(jí)的提高，研發(fā)投入與技術(shù)難度也在提高，對(duì)芯片算力的需求也越來越大。芯片是智能駕駛汽車必不可少的核心零部件，現(xiàn)在，按照不同功效可將其為三類：第一類是傳統(tǒng)的IVI芯片；第二類是負(fù)責(zé)自動(dòng)駕駛功效的芯片：第三類是車身控制MCU芯片。現(xiàn)在，全球汽車MCU芯片市場(chǎng)始終被恩智浦、德州儀器等汽車芯片巨頭所壟斷。隨著汽車行業(yè)加速進(jìn)入智能化變革，一場(chǎng)以高級(jí)別自動(dòng)駕駛SoC芯片為核心的商業(yè)大戰(zhàn)已經(jīng)拉開序幕，英特爾、英偉達(dá)、高通、華為等消費(fèi)電子巨頭紛紛下場(chǎng)，中國(guó)的地平線、黑芝麻智能科技