汽車行業正經歷史上最具變革性的歷程。在15年前，自動駕駛汽車只是一個幻想，電動汽車并不被人們所看好，汽車安全技術聚焦事故后的保護措施，而非主動預防碰撞。如今，自動駕駛出行服務在美國和中國的一些主要城市已面向公眾試運營，電動汽車在全球范圍內也成為了許多人的主流選擇，同時未來的汽車安全將是預防性的。本文探討了引領未來汽車發展的三個關鍵：傳感器、軟件和安全。

第一大要素：傳感器

雷達、攝像頭和激光雷達構成了自動駕駛系統的三大核心傳感器。這三者都隨著汽車行業的發展而不斷進步——激光雷達的價格正降到整車廠可接受的水平，雷達的性能和實用性在不斷提升，高分辨率攝像頭技術也被用于自動駕駛系統中。

也許雷達是這三個傳感器類別中最有趣的一個。雷達自本世紀初引入汽車以來，已經取得了長足的進步。最初，車載雷達只能探測前方車輛的距離，其優點主要體現在它能在任何天氣狀況下工作——無論是雪、雨、霧還是沙塵暴，車載雷達都不在話下。然而，對于完全自動駕駛汽車而言，雷達的分辨率還遠遠不夠。

近年來，半導體技術的進步和自動駕駛行業的新興需求，在不斷推動車載雷達的分辨率的提升。雷達發射器和接收器通道(Tx × Rx)也經歷了從1×2到3×4的增長，隨后發展到Tier 1(一級供應商)的12×16陣列和初創公司的48×48陣列。這些具有多個發射和接收通道的大型天線陣列提高了現代雷達的分辨率。

發射和接收通道正如相機上的像素：僅增加像素并不一定能制造出成像效果更好的相機。早在2013年，諾基亞Lumia 1020就配備了4,100萬像素的攝像頭，而2022年發布的iPhone 14仍在使用1,200萬像素的傳感器。這主要是因為手機相機的成像效果不僅取決于像素數量，還取決于靈敏度、動態范圍和后期處理軟件等因素。

同樣地，雷達性能也不只由發射器和接收器來衡量。目前，雷達性能的一個關鍵指標是動態范圍，即雷達同時檢測高反射率物體和低反射率物體的能力。舉例來說，當一個小孩站在一輛汽車旁邊時，汽車的反射強度遠高于小孩，雷達檢測小孩的難度就如同在陽光直射下捕捉一粒米的影像。孩子的反射信號很可能會在雷達接收到的噪聲中消失不見。

隨著半導體技術和雷達設計領域的持續進步，雷達的動態范圍得到了顯著擴展。在CES 2024上，Mobileye公司展出了一款先進的雷達系統，它能夠在240米的距離內，成功探測到靠近金屬欄桿的木質托盤。

數據處理是提升雷達性能的另一關鍵領域。目前，行業已經開始采用“4D成像雷達”這一術語，它涵蓋了方位角(水平角度)、俯仰角(垂直角度)、距離和相對速度這四個維度。除此之外，雷達的性能還能通過另一個維度得到增強：反射強度。通過分析反射信號的強度，雷達能夠區分金屬物體(具有高反射率)和有機物質(具有低反射率)。這種區分能力使雷達成為一種更為全面的傳感器，它不僅能在各種天氣條件下低成本運行，還能提供精確的距離和速度測量，并最終實現目標的準確分類。

目前，研究人員正在積極探索強度檢測技術，預計不久的將來，這項技術將被集成到雷達系統中，或者應用于汽車的中央自動駕駛和傳感器融合計算平臺，進一步提升雷達的效用和智能車輛的安全性能。

過去，雷達系統通常在本地處理其收集的數據。對于自動緊急制動這類功能來說，這種處理方式是合理的，因為雷達僅需識別前方是否有靜止物體，并發出相應的信號以激活制動系統。

然而，車載雷達產生的數據量是巨大的。為了充分利用這些數據，一些初創公司，如Zendar和Zadar Labs，正尋求在更強大的中央計算機上進行數據處理。這些中央計算機不僅能夠處理雷達數據，還能同時接收和分析來自多個攝像頭的高分辨率視頻流、激光雷達數據等，從而實現更全面的車輛環境感知。

為應對日益增長的數據處理需求，行業正采用更先進的半導體技術和更強大的系統級芯片(SoC)。英偉達計劃在2025年推出的智能汽車芯片Thor，便是這一發展趨勢的杰出代表。Thor芯片基于臺積電的4納米工藝，具備高達2,000TOPS的處理能力，其性能可與高端游戲PC中的處理器相媲美，遠超當前大多數汽車所使用的芯片。

隨著ChatGPT等人工智能技術的興起，以及軟件定義汽車(SDV)概念的普及，現代高端電動汽車正逐漸演變成為高度智能化的計算平臺。這些車輛將不僅僅是傳統的交通工具，它們將集成更多類似于計算機的功能，與20年前的普通汽車形成鮮明對比。

第二大要素：軟件

馬力的普及化正在改變汽車市場。相較于內燃機(ICE)車輛，將電動汽車(EV)的電動機功率提升至兩到三倍，成本要低得多。曾經只有超級跑車才能達到的性能水平，現在可以在不到5萬美元的電動汽車中實現。此外，電動汽車缺少內燃機車輛的一些獨特特性，例如渦輪遲滯和獨特的排氣聲音，大多數電動汽車甚至只配備一個檔位。簡言之，未來汽車的競爭將不再僅僅基于性能，而是越來越多地依賴于軟件技術。

軟件定義的車輛、連通性和自動駕駛技術，為實現極致的安全提供了新的可能性。盡管最先進的傳感器在功能上具有顯著優勢，它們仍然存在局限性，比如無法探測到視線之外的物體，例如拐角或建筑物后面的情況。無論汽車裝備了多少雷達、激光雷達(LiDAR)或攝像頭，它們都無法預見鄰近街道上可能違反交通信號燈的超速車輛。然而，聯網車輛技術能夠克服這一挑戰。

互聯性和先進的軟件為實現集體感知鋪平了道路，使得汽車與交通基礎設施能夠共享對周圍環境的洞察。這種共享機制賦予了聯網汽車一種超越傳統傳感器局限的能力，它們能夠實時獲取并響應周圍道路上所有行人、騎行者和其他車輛的位置與動向，即便是那些不在直接視線之內的。通過將這種集體感知能力與負責任的自動駕駛技術相結合，我們可以設想一個場景：全國范圍的汽車都裝備了這種系統，它們能夠極大地減少甚至消除交通事故。

當然，實現這一愿景還有很長的路要走。目前，自動駕駛技術仍處于早期發展階段，而集體感知技術主要還停留在學術研究層面。盡管如此，自動駕駛汽車已經展現出其潛在的安全優勢。

得益于車輛互聯性的增強、車載硬件性能的提升，以及全球消費者對訂閱服務模式日益增長的偏好，預計在2023年至2034年期間，軟件定義車輛市場的規模將實現顯著增長。根據IDTechEx的數據，市場規模將從270億美元增長至7,000億美元，反映出這一時期內34%的復合年增長率(CAGR)。

第三大要素：安全

在2023年10月，加利福尼亞州機動車輛管理局(DMV)撤銷了Cruise公司的無人駕駛測試許可證，禁止其在該州公共道路上繼續運營無人駕駛出租車項目和測試車輛。官方聲明的原因是Cruise對技術的安全性進行了“誤導性”的描述。這一事件以及其他類似事件表明，自動駕駛汽車的安全聲明持續受到公眾和監管機構的嚴格審查。

這些事件強調了自動駕駛汽車行業在安全和透明度方面的責任。公眾監督的目的是為了推動技術的改進和提升，確保自動駕駛汽車在推向市場前能夠達到預期的安全標準。這種監督并不是為了否定自動駕駛汽車或質疑其潛在的安全性，而是為了促進其健康發展，通過持續的評估和反饋來優化技術。

與涉及人類駕駛員的交通事故不同，自動駕駛汽車可以從單一碰撞事故中收集數據，并通過空中下載軟件更新(OTA)迅速將所學應用到整個車隊的改進之中。這意味著，一旦發生碰撞，所獲得的數據可以用來更新所有車輛的系統，以避免類似事件再次發生。這種能力遠遠超出了人類駕駛員的范疇，因為人類駕駛員無法將個人經驗直接傳遞給其他駕駛員或車輛。

從各項指標來看，自動駕駛汽車的安全性正在不斷提升。加利福尼亞州的統計數據為這一趨勢提供了有力證據。回顧2015年，即該州首次記錄自動駕駛汽車數據時，這些車輛在沒有安全駕駛員干預的情況下幾乎無法行駛1,000英里。然而，到了2023年，Cruise公司報告稱，其自動駕駛汽車在沒有干預的情況下行駛了57.6萬英里，且未發生任何事故。相比之下，IDTechEx的估計顯示，美國人類駕駛員大約每行駛5萬英里就會遭遇一次碰撞事故，在像舊金山這樣的城市環境中，這一頻率可能更高。

這些數據表明，在某些情況下，自動駕駛汽車的安全性可能已經超越了人類駕駛員。盡管如此，自動駕駛技術仍在不斷發展之中，行業仍在努力提高其性能，以確保在更廣泛的條件下實現安全可靠的行駛。

另一方面，對無人駕駛自動駕駛汽車的數據分析顯示，Waymo的無人駕駛汽車平均每行駛5.2萬英里就會發生一次碰撞事故，而Cruise的表現略好，每行駛6.3萬英里才會發生碰撞。這表明它們的碰撞率大約是舊金山地區普通駕駛員的兩倍。然而，這一數據并不完整。在涉及Cruise無人駕駛汽車的33起碰撞事故中，只有6起可以歸因于自動駕駛系統本身，這意味著系統平均每行駛34.4萬英里才會引發一次事故。對于Waymo而言，其自動駕駛系統大約涉及5起碰撞事故，相當于每23.8萬英里發生一次。根據這些更細致的標準來看，自動駕駛汽車在某些情況下的安全性再次顯示出可能超越了普通人類駕駛員。

另一個衡量自動駕駛汽車安全性的重要指標是它們在致命和嚴重傷害事故中的發生率，這一比率通常低于人類駕駛員的相應比率。

然而，討論自動駕駛汽車安全性時，存在一個框架性問題，即如何定義“平均水平”的人類駕駛員。駕駛員的技能和行為差異很大，從那些經常超速、分心駕駛的人，到那些極為謹慎、從未發生過事故的駕駛員，以及所有介于兩者之間的人。這就引出了一個問題：自動駕駛汽車應該與哪一類人類駕駛員進行比較？

如果自動駕駛汽車比90%的人類駕駛員更安全，這是否意味著它們已經足夠安全？或者，我們是否期望它們比所有人類駕駛員都更安全？但“所有”人類駕駛員的安全標準又該如何界定？例如，一個剛拿到駕照、從未發生過事故的17歲青少年，盡管經驗不足，但他的事故記錄在統計上可能看起來比經驗豐富的駕駛員更好，因為他的行駛里程還很少。

然而，衡量人類駕駛安全的真正挑戰在于，并非所有事故都得到報告，且許多潛在危險事件并未轉化為實際碰撞。盡管通過監控碰撞、傷害和死亡的比率，汽車行業能夠對一般駕駛安全水平有所了解，但目前的數據收集和分析手段還不足以全面捕捉人類駕駛行為的復雜性，與評估自動駕駛汽車的安全性相比，人類駕駛的安全評估還不夠深入和全面。

確立自動駕駛汽車超越一般人類駕駛員的安全性，需要依賴數據和定量分析。目前，評估自動駕駛汽車的安全性通常基于其避免近距離碰撞的能力。然而，要全面證明它們比所有人類駕駛員都安全，我們需要采用更廣泛的評估標準。

除了碰撞避免，其他關鍵指標也應納入考量，包括：

• 駕駛員闖紅燈的頻率。

• 跟車距離過近的頻率。

• 違反交通規則的頻率。

• 超速行駛的頻率。

通過綜合這些指標，我們能更全面地評估人類駕駛員的安全表現，并與自動駕駛汽車進行有效比較。這不僅有助于展示自動駕駛汽車的潛在優勢，也為行業提供了一個更精確的基準，以推動技術進步和提高道路安全。

汽車行業正處于一個充滿激動人心的創新時代，特別是在傳感器技術、軟件開發和安全性能方面。近年來，自動駕駛汽車的興起標志著一個歷史性的轉折點。展望未來，一百年后，今天的自動駕駛汽車和無人駕駛出租車可能會作為汽車行業邁向無懈可擊的道路安全之路的重要里程碑，被珍藏在博物館中，展示給后人。

本文翻譯自《國際電子商情》姊妹平臺EETimes Europe，原文標題：The Autonomous Car Industry in 2024: Sensors, Software and Safety