01 分级和典型功能

SAE（美国汽车工程师学会）在J3016标准中，定义了自动驾驶技术的六个级别，从L0到L5。

每个级别代表了自动驾驶系统的不同等级，每个等级对应系统不同的自主性，以及需要驾驶员不同的参与程度。

在不同自动驾驶等级中，人类驾驶员和自动驾驶系统的驾驶工作占比：

主要自动驾驶功能的分级概览：

随着自动驾驶等级的提升，限制条件越来越多，可激活区域越来越小，如下图所示：

L0 - 无自动化

驾驶员完全负责车辆的操控，系统只实现报警、提醒类功能，不做任何的车辆控制。在使用L0驾驶辅助功能时，驾驶员需要全神贯注地驾驶车辆，借助L0系统的提示，提前识别环境风险，提升驾驶的安全性。

典型功能：

FCW（Forward Collision Warning，前向碰撞预警），通过摄像头或者雷达识别前向目标，当识别到有碰撞风险时，通过声音或者震动的方式，提示驾驶员。

图片来源：威马

LDW（Lane Departure Warning，车道偏离预警），LDW系统通过摄像头监测车道线，当车辆无意识地偏离车道时，系统会发出警告，提醒驾驶员注意车道位置。

图片来源：威马

BSD（Blind Spot Detection，盲点监测系统），BSD持续监测盲区，如果有车辆位于车辆盲区时，BSD将点亮盲区警告指示灯和组合仪表获得相关警告提示。如果有车辆目标在盲区中，驾驶员打转向灯，一般情况下BSD会进行升级报警，一般是指示灯闪烁，或者增加声音报警。

LCA（Lane Change Alert，变线警告），当驾驶员向一侧车道变道时，LCA监测该车道后方快速接近本车的车辆，如果有碰撞风险，则LCA通过报警的方式提示驾驶员。

图片来源：Carhs

DOW（Door Open Warning，开门报警），DOW持续监测自车两侧后方目标，当有行人或者车辆快速接近时，DOW进行提示或者报警，以避免开门时发生碰撞。

FCTA（Front Cross Traffic Alert，前方穿行交通报警），当车辆在低速前进时，FCTA监测车辆前部接近的横向穿行道路使用者，当可能发生碰撞时，FCTA发出警告信息。

RCTA（Rear Cross Traffic Alert，后方穿行交通报警），和FCTA功能类似，只不过RCTA是监测车辆后方的横穿目标。

图片来源：VOLVO

360影像或者倒车影像，由环视摄像头或者后视摄像头实现。

低速碰撞预警，由超声波雷达检测车辆和周围目标距离，当距离过近时，发出声音提示。

图片来源：NISSAN

L1 - 驾驶员辅助

L1辅助驾驶系统可以提供纵向或者横向中的1个方向的自动控制，此时驾驶员仍然需要全程关注车辆状态和环境信息，不过可以不用踩加速/制动踏板，或者转动转向盘。L1辅助驾驶系统可以一定程度地降低驾驶员驾驶负荷，减轻驾驶疲劳。

典型功能：

CC（Cruise Control，巡航控制），一般也称为定速巡航，CC可以自动控制车辆在设定的速度下匀速行驶，驾驶员不需要踩加速踏板。该功能无法识别前方目标，无法自动减速。

ACC（Adaptive Cruise Control，自适应巡航控制），ACC可以自动控制车辆在设定的速度下匀速行驶，驾驶员不需要踩加速踏板。同时，ACC可以识别并跟随前方目标，并保持一个合适的安全距离。例如，当距离前方目标过近时，ACC控制自车自动减速，当前方目标到停止时，ACC也可以刹停自车，当前方目标再次启动时，ACC可以控制自车自动起步。

图片来源：Carhs

EBA（Emergency Breaking Assistant，紧急制动辅助），通过摄像头或者雷达识别前向目标，当识别到驾驶员的制动力不足，有碰撞风险时，通过施加辅助制动力，从而避免碰撞。

AEB（Autonomous Emergency Breaking，自动紧急制动），通过摄像头或者雷达识别前向目标，当识别到驾驶员的制动力不足或者完全没有制动动作时，有碰撞风险时，自动施加制动力，从而避免碰撞。

图片来源：戴姆勒

FCTB（Front Cross Traffic Braking，前方穿行交通制动），在车辆低速前进时，实时监测车辆前部横向接近的其他道路使用者，并在可能发生碰撞风险时自动启用车辆制动系统使车辆减速，以避免碰撞或减轻碰撞后果。

RCTB（Rear Cross Traffic Braking，后方穿行交通制动），和FCTB功能类似，只不过RCTA是监测车辆后方的横穿目标。

LDP（Lane Departure Prevention，道偏离预防系统），LDP是LDW的进阶版本，不仅提供预警，还能在必要时自动进行小幅度的转向调整，帮助车辆回到车道中心。LDP有时和ELK（Emergency Line Keeping，紧急车道保持）是同一含义。

图片来源：戴姆勒

LKA（Lane Keeping Assist，车道保持辅助），LKA通过摄像头监测车道线，通过自动进行转向调整，控制车辆行驶在车道中间行驶。LKA有时和LKS（Lane Keeping System，车道保持系统），以及LCC（Line Centering Control，车道居中辅助）是同一含义。

图片来源：奥迪

ALC（Automatic Line Change，自动变道辅助），ALC可以按照驾驶员的变道指令，自动控制车辆进行变道，ALC工作时，驾驶员仅需要拨动转向杆，之后的变道操作由ALC自动完成。

S-APA（Semi-Automatic Parking Assist，半自动泊车辅助），S-APA基于车辆的超声波传感器实现车位感知，向驾驶员提供车位信息，并进行路径规划，系统自动控制车辆转向系统，驾驶员仅需按照仪表盘的提示对车辆纵向进行控制（控制加速踏板和制动踏板即可）。半自动泊车需要驾驶员实时监督，并控制档位、加速和减速，对驾驶过程要求较高，且操作流程复杂，用户体验较差。

TSR（Traffic sign recognition，交通标志识别），TSR识别路边交通标志牌，例如限速标志和停止标志，如果自车车速过高，会警示驾驶员，或者自动控制车辆车速，达到速度限制要求。

图片来源：Carhs

IHC（Intelligent High-beam Control，智能远光灯控制），也叫AHBC，Automated High-Beam Control。在检测到对面有来车时，自动将自车的远光灯切换为近光灯，当对面来车通过后，再自动切换回远光灯。在更高级一些的车辆中，安装矩阵大灯，实现ADB（Adaptive Driving Beam，自适应远光灯），可以实现更精确的前向照明控制。

图片来源：戴姆勒

L2 - 部分自动化

L2辅助驾驶系统可以同时提供纵向和横向2个方向的自动控制，此时驾驶员不用控制踏板和方向盘，但仍然需要关注车辆状态和环境信息，眼睛需要实时观察路况，手不可以离开方向盘。L2辅助驾驶系统进一步降低驾驶员驾驶负荷，提升驾驶舒适性，不过在L2系统无法应对所有环境，驾驶员需要“随时”接管。

典型功能：

TJA（Traffic Jam Assistant，交通拥堵辅助），TJA可以在60kph以下的堵车工况，为驾驶员提供一定的辅助系统，通过同时控制车辆纵向和横向运动，自动跟车，缓解驾驶员的疲劳。

图片来源：网络

HWA（High Way Assistant，高速公路辅助），和TJA类似，只不过HWA是工作在60kph以上，同时控制车辆纵向和横向运动，控制车辆保持在车道内居中行驶，当前方有车辆时，可以自动保持安全距离。HWA和ICA（Integrated Cruise Assist，集成式巡航辅助系统）含义相同。

ICC（Integrated Adaptive Cruise Control，智能自适应巡航），可以认为是HWA和TJA的结合，可以在全车速范围内同时控制车辆的纵向运动和横向运动。

NOA（Navigate on Autopilot，自动辅助导航驾驶），NOA在ICC的基础上，增加了自动变道、自动进出匝道功能，是目前等级较高的L2自动驾驶功能。目前各家对NOA的名称稍有区别，例如特斯拉/理想/智己是NOA，小鹏是XNGP，蔚来是NOP，长城是NOH等。

根据应用场景不同，可以在快速路上使用的NOA称为高速NOA：

可以在城区道路使用的，称为城区NOA。城区由于环境更为复杂，因此城区NOA的实现难度要高于高速NOA。

记忆行车，或者通勤模式。在不依赖高精地图的情况下，通过在线实时感知，对固定路线进行记忆，之后可以使用该路线进行自动驾驶功能。该功能由于使用了“记忆路线”，实现难度比城市NOA稍低。

APA（Automatic Parking Assist，全自动泊车系统），APA可以实现对车辆的横向和纵向控制，自动完成泊车操作，驾驶员只需监控和特定情况下接管即可。按照传感器组成的不同，全自动泊车分为基于超声波雷达的全自动泊车、基于超声波与视觉融合的全自动融合泊车。APA还有一种产品形态是RPA（Remote Parking Assist，遥控泊车）。RPA在APA 的基础上增加了遥控部分，允许驾驶员在车外一定可视范围内使用遥控装置（手机APP或遥控钥匙）控制车辆实现泊入、泊出、直进、直出等功能。

L3 - 有限自动化

L3级自动驾驶功能可以在某些特定条件下，完全承担驾驶任务，但在系统失效或者系统无法应对的复杂环境时，驾驶员需要进行接管控制。在L3系统激活时，驾驶员可以将注意力暂时转移到其他事务，眼睛可以不看前方，手可以不放置在方向盘上，但是不能睡觉，需要在系统提示，对车辆进行接管。

从L3级开始，车辆事故责任的认定会出现明显的不同。

对于L0~L2的驾驶辅助系统，在任何情况下，责任都由驾驶员承担。而在L3功能激活时，以及在一定的接管时间内（一般是10s），车辆责任由L3辅助驾驶系统承担，其他时间的责任由驾驶员承担。

典型功能：

TJP（Traffic Jam Pilot，交通拥堵领航），功能和TJA类似，只不过功能激活时，驾驶员不再需要关注路面。

图片来源：BMW

HWP（High Way Pilot，高速公路领航），功能和HWA类似，只不过功能激活时，驾驶员不再需要关注路面。

VPA（Valet Parking Assist，记忆泊车），VPA可以按照用户设定的路线，辅助驾驶员将车辆从设定路线的起点，开往设定路线的终点，期间可以实现智能调节车速、转弯、绕行障碍物、会车、停车避让行人以及避让出入库车辆等功能，并泊入终点附近已被系统记忆的车位。记忆泊车系统应用区域不需要提前采集高精地图，适用于高频、高重复性的泊车行为。（注意：有些厂家的VPA功能要求驾驶员时刻注视路面，此时VPA仍然为L2功能）

L4 - 高度自动化

L4级别自动驾驶车辆能够在特定的环境和条件下，完全自主地执行驾驶任务，而无需驾驶员的干预。

但在某些情况下，例如系统故障、天气恶劣或交通状况复杂时，可能需要驾驶员接管控制，驾驶员可以根据情况判断是否需要接管。如果驾驶员不接管，L4系统所具备的冗余系统也可以实现继续驾驶或者安全停车。在任何驾驶员没有接管车辆的时间中，车辆责任均由L4自动驾驶系统承担。

L4车辆在运行时，驾驶员可以不在车内。

L4级别自动驾驶功能（图片来源：网络）

典型功能：

AVP（Automated Valet Parking，自主代客泊车），AVP系统工作时，用户在指定点下车，通过手机下达泊车指令，车辆在收到指令后，自动行驶到停车位，不需要用户操纵与监控。用户通过手机下达取车指令，车辆在接收到指令后可以从停车位自动行驶到指定上客点，该功能也被称为召唤（summon）。AVP最显著的特点是车内无人，车辆自动完成行驶、泊入和泊出动作。

BOSCH和奔驰研发的AVP系统：

图片来源：BOSCH、奔驰

TESLA的召唤功能：

图片来源：TESLA

L5 - 完全自动化

这是最高级别的自动驾驶功能，车辆完全能够在任何条件下执行所有驾驶任务，无需驾驶员介入。

L5级别的自动驾驶汽车没有方向盘和加速制动踏板：

图片来源：网络

目前还没有任何车辆可以实现L5级别自动驾驶功能。

02 系统方案

一个完整的自动驾驶系统一般包括“云端”和“车端”：

图片来源：亿欧智库

本文主要介绍自动驾驶“车端”的系统架构，主要是感知和决策部分（这部分通常被认为是自动驾驶系统的核心），其他内容会在后续文章中再详细展开。

L0-L4级别自动驾驶传感器和执行器的一般应用方案：

1）L0和L1系统方案

L0和L1系统发展较早，功能相对简单，因此这类系统的感知和控制一般由一个电子控制器完成。感知器件主要以毫米波雷达、超声波雷达和摄像头为主。

主要架构示意如下：

例如，BSD主要由毫米波雷达实现，常见的基本架构如下：

LKA主要由摄像头实现，常见的基本架构如下：

2）L2系统方案

L2系统方案目前并不完全统一，在感知单元的配置方案以及域控制器的芯片选择上有所不同，主要取决于L2系统支持功能的多少，以及技术路线的不同。

L2系统的感知单元通常按照下面方式布置（实际情况会有所增减）：

图片来源：安波福

L2自动驾驶系统的感知和控制单元BOM成本大概在1~2万RMB左右，比例大致如下（由于方案的不同，成本和占比有可能差异较大）：

2.1）特斯拉

特斯拉的自动驾驶系统经历了从1.0、2.0、2.5、3.0，直至最新4.0的发展历程。其中HW1.0~3.0的系统配置如下：

特斯拉在HW3.0进行了硬件的重大革新，首次采用了自研的自动驾驶芯片FSD。

资料来源：中城康帕斯科技发展(深圳)有限公司，中信证券研究部，TESLA

HW 3.0的传感器配置：

图片来源：特斯拉

特斯拉HW 4.0域控制器依然采用2片FSD芯片，性能比上一代有所提升。

特斯拉自动驾驶功能的迭代进程：

图片来源：基于网络数据整理

目前，特斯拉Autopilot选装包共有三种：

基础版 Autopilot（BAP），针对全系车型免费，主要实现主动安全和主动巡航等基本功能；

增强版自动辅助驾驶（EAP），主要包含：自动辅助变道、高速NOA、APA、智能召唤等；

完全自动驾驶（FSD），可以实现全部自动驾驶功能；

目前由于数据的问题，特斯在国内还无法使用FSD功能。不过近期频繁传出特斯拉在国内即将落地FSD的消息，非常期待FSD在国内可以落地使用，终于可以和华为、小鹏等国内自动驾驶头部品牌做正面PK。

2.2）小鹏

2018年，小鹏首个自动驾驶系统Xpilot 2.0在小鹏G3上首发。此后，小鹏汽车通过OTA为小鹏G3开放了TJA、ACC、ALC等智能驾驶能力，进入XPilot 2.5。

2021年1月，XPilot 3.0在P7智尊版以及鹏翼版首发，开放NGP。

2021年9月，XPilot 3.5在P5上发布。

2022年Q3，XPilot 4.0发布，搭载在G9和G6。

XPilot具体系统方案如下：

小鹏自动驾驶功能的迭代进程：

图片来源：基于网络数据整理

2.3）蔚来

2017年12月，蔚来首次发布驾驶辅助系统 NIO Pilot，并搭载于 ES8，ES6，EC6 三款车型。

2021年1月，蔚来发布自动驾驶系统NAD，包含NIO Aquila蔚来超感系统和NIO Adam蔚来超算平台，建立了全栈自动驾驶技术能力。

具体系统方案如下：

NIO Adam蔚来超算平台：

图片来源：蔚来

NIO Adam平台采用了4颗英伟达Orin-X，算力合计1016TOPS，4颗芯片分工如下：

2颗主控：实现NAD算法的全栈运算，包含多方案相互校验感知，多源的高精度定位，多模态的预测与决策；

1颗冗余备份：任何一个主芯片失效，使用这颗冗余芯片以确保安全；

1颗群体智能与个性训练专用：可以加快NAD的进化进度，同时又可以针对每个用户的用车环境进行个性化的本地训练，提升每位用户的自动驾驶体验。

NIO Adam平台的电源、影像和主控系统均采用了热备份设计。

蔚来自动驾驶功能的迭代路径：

图片来源：基于网络数据整理

2.4）理想

2019年，理想ONE标配辅助驾驶系统，采用EyeQ4，主要实现基本L2级驾驶辅助功能。

在2021款理想One和L9上，分别部署了理想AD和AD Max自动驾驶系统，相关硬件配置进行了升级。

具体系统方案如下：

理想自动驾驶功能迭代路径：

图片来源：基于网络数据整理

2.5）华为

华为智能汽车解决方案布局如下所示：

图片来源：华为

华为智能驾驶汽车中包含四个核心子系统：计算平台、传感器、执行器与应用算法。

其中，自动驾驶计算平台是华为MDC：

图片来源：华为

具体系统方案如下：

2.6）其他

其他还有许多厂家有自己的L2系统方案，例如Momenta、大疆、元戎启行等，这些放到后面文章中再仔细展开。

3）L3系统方案

L3系统在激活之后（驾驶员未接管前），安全责任将由L3系统承担，因此安全设计对于L3系统来说非常重要。

L3系统的工作过程和安全责任分工如下：

相对应的，对于L2系统：

L3系统安全主要是考虑2点：1）当系统没有失效时，如何保证安全（预期功能安全）；2）当系统存在失效时，如何保证安全（功能安全）。

因此为了保证充分的安全性，在L3的系统设计中，往往需要进行大量的冗余设计，包括感知冗余、控制冗余和执行冗余。因此L3系统的复杂性往往远高于L2系统。

（由于篇幅原因，本文只主要介绍主流厂家的L3系统方案。下一篇内容单独介绍L3系统的冗余原理和设计要点。）

3.1）BMW

2020年，宝马公布了其SAE L3系统的概念系统架构，称为hPAD。

宝马的L3系统ODD是：封闭道路（例如有清晰车道线的高速公路，不包括匝道），晴天（光照>50 lux），车速低于60km/h，可激活城市限制，驾驶员需要坐在座位上（不能睡觉）。

宝马强调多样化冗余的必要性，主通道和辅助通道本身都是冗余的，并且有自己的诊断单元。如果故障同时影响主通道和辅助通道，则第三个安全通道接管（SAFE Fail-Degraded Channel），以达到最小风险条件。

BMW L3的架构思路：

图片来源：BMW

宝马的L3架构采用类似Doer/Checker/Fallback架构。其中，“MAIN”通道类似于“Doer”，“SAFE”通道类似于“Checker”，而“SAFE fail-degraded”通道类似于“Fallback”。宝马的L3架构属于非对称通道级冗余架构，并采用了Doer/Checker以及Active and Standby的安全设计方法。

BMW的传感器接入方案：

图片来源：BMW

BMW的控制器芯片方案：

图片来源：BMW

3.2）Mobileye

Mobileye采用被动传感器系统（Camera）以及主动传感器系统（Radar+Lidar）双冗余系统设计。正常情况下，两个子系统融合工作，实现异构传感器最大程度的优势互补，当失效时，每个子系统都可以独立工作。

Mobileye的L3设计思路：

图片来源：Mobileye

两个独立子系统的传感器配置：

图片来源：Mobileye

Mobileye的L3系统架构：

Mobileye的L3方案采用“舒适通道”和“安全通道”方案，其中“舒适通道”采用全量的视觉、毫米波雷达和激光雷达信息，通过融合综合所有传感器的信号，进行车辆控制。该通道是系统正常时的工作模式。

“安全通道”校验舒适通道的工作状态，如发现异常，则将自动驾驶系统由“舒适通道”切换为“安全通道”。“安全通道”分别由相互独立的“视觉冗余通道”和“雷达冗余通道”组成，前者主要基于视觉进行独立的识别、定位和车辆控制，后者主要基于激光雷达和毫米波雷达进行独立的识别、定位和车辆控制。

在硬件部署方面，域控制器采用两块板子，集成在一个控制器盒子中，如下所示：

图片来源：Mobileye

3.3）奔驰

2021年，奔驰Drive Pilot系统通过了德国联邦机动车运输管理局（KBA）审批，成为全球首个获得联合国法规UN-R157认证的汽车企业。2023年，奔驰获得美国监管部门的批准，在加利福尼亚州和内华达州部署L3级自动驾驶系统。奔驰的Drive Pilot系统支持最高车速为60公里/小时，实现TJP功能，该系统主要部署在奔驰S级轿车和EQS汽车上。

奔驰的Drive Pilot系统的域控制器采用的SoC方案是：Xavier/Xilinx，以及英特尔Denverton/双Orin-X。

传感器方案是：1个激光雷达（法雷奥、安装在前格栅），1个前向毫米波雷达，4个角雷达，1个前向双目摄像头，1个后摄像头，1个驾驶员监控摄像头，4个环视摄像头，12个超声波雷达。

此外，还有安装在车轮附近的湿度传感器，以及车外麦克风。

图片来源：奔驰

3.4）本田

2021年，Honda发布Elite L3产品，该产品仅用于高精度地图覆盖的快速路，车速低于50km/h，主要实现类似TJP的功能。本田自动驾驶系统具备激光雷达、毫米波雷达、摄像头、超声波雷达等多种类型的传感器，使用多传感器融合技术。同时在底盘硬件上增加冗余，配置运行双 ECU 的双电源和自动刹车、自动转向的独立并行系统。

本田方案采用的SoC是R-Car V3U（96K DMIPS，60TOPS，ASIL-D）。

传感器方案是：5个激光雷达，1个前向毫米波雷达，4个角雷达，1个前向双目摄像头，1个驾驶员监控摄像头，4个环视摄像头，12个超声波雷达。

本田L3系统架构如下：

图片来源：类星频道，本田

本田自动驾驶的逻辑概念：

图片来源：本田专利

4）L4系统方案

目前L4主要应用低速泊车场景。

从系统方案角度，L4和L3的设计思路比较接近，主要区别在于L4需要提供更强的冗余系统，在即便是驾驶员不接管时，也可以安全的降级运行或者安全停车。

由于市场案例还不多，这部分内容待后续文章中再补充。

03 发展趋势

1）自动驾驶的应用趋势

下图是来自于YOLO在2015年的一个分析报告，虽然时间已经较早了，但是当时做的推测放到在今天的实际发展来看，依然是比较准确的。

图片来源：YOLO

目前L0-L1已经比较普及，L2系统正在从高端汽车上快速的向中低端汽车渗透，L3系统应用还较少。

图片来源：YOLO

随着自动驾驶等级的提升，往往要求的更多的传感单元。

图片来源：YOLO

2）EE架构的演进

随着智能汽车的发展和自动驾驶技术的演进，整车EE架构也在逐渐从分立式向集中式演进。

下面BOSCH这张著名的EE架构演进图，在几乎所有讨论EE架构演进的PPT中，基本都会引用：

图片来源：BOSCH

翻译成中文，如下：

图片来源：亿欧智库

大陆也有类似判断：

图片来源：Continental

其中核心观点是，汽车上的控制器会逐渐的整合，由之前的多个独立控制器，整合为几个主要的域控制器，由域控制器再融合为算力更大的中央计算控制器。

EE架构之所以有这个发展趋势，其主要原因由如下几个：

电子控制器越来越多，保持分立控制的话，布置越来越困难、整车线束越来越长，网络通信越来越复杂，成本难以控制；

芯片制程越来越高，使得大算力芯片在汽车上部署成为可能，整合若干个小控制器为1个大控制器（或者域控制器）可以有效降低控制器和线束成本；

OTA是智能网联汽车的一个重要特性，使用少量的几个集成化控制器，可以极大的方便软件升级，降低车辆售后成本；

集成化使得控制器之间的通信，变成了板间通信、片间通信、甚至片内通信，可以大大提升数据带宽以及抗干扰能力，方便各控制单元之间快速可靠的传输大量数据，进而提升整车功能的整体性能；

新势力、部分自主车企（长城、比亚迪、吉利等）已率先进入域集中架构阶段，合资、外资车企陆续跟进，当中部分领先企业已开始尝试探索跨域融合架构与中央计算架构。

图片来源：亿欧智库

3）由单域到跨域融合

L0和L1不需要独立的域控制器，从L2开始，车辆配置专用的自动驾驶域控制器。L3及以上还需要多个智能驾驶域控制器用于冗余备份。

根据汽车电子部件功能，通常将整车域划分为五大域：智能座舱域、车身控制域、动力总成域、底盘域以及智能驾驶域。

图片来源：亿欧智库

目前，五大功能域之间开始尝试进行跨域融合，由于座舱域和智驾域都有智能化的需求，因此当前主要以舱驾融合为主。

根据亿欧智库的分析，舱驾融合一般路径是：“功能应用层的融合”（Two Box）→“物理硬件的融合”（One Box）→“单芯片的融合”（One Chip）：

图片来源：亿欧智库

目前有多个厂家已经发布支持舱驾融合的大算力芯片，例如英伟达的算力达到2000TOPS的Thor，以及高通的Snapdragon Ride Flex SoC。

图片来源：英伟达

图片来源：英伟达

不过舱驾融合还有许多挑战，例如：

域控制器硬件开发更为复杂；

智驾和智舱的功能安全等级、OTA升级策略差别较大，需要设计更为复杂的功能隔离和管理机制；

舱驾融合后耦合性增强，集成测试和回归测试工作量大幅提升；

智驾和智舱往往分属不同的开发部门，整合之后的职责分工将带来新的挑战等等。

舱驾融合方案目前大部分还在论证和开发中，量产车还不多。

4）感知架构的演进

随着域控制器的集成度越来越高，为了进一步降低成本和提升感知性能，许多感知单元的算力也逐渐往域控制器集成。

例如，4D成像雷达数据处理工作量的大幅增加，对算力需求增加。因此，将雷达算力在从雷达转移到域控制器上，雷达只做基础信号处理算法甚至只收集原始数据，而雷达信号及信息处理、AI算法在域控制器上运行，从而实现更好雷达感知效果。

图片来源：川速微波

将雷达的MMIC和处理器彻底分离，雷达成为仅含有MMIC的“雷达头”。示意图：

激光雷达的线束数越来越多，点频越来越高，数据量也越来越大，信号处理算力也会逐渐往域控制器集成。

摄像头像素数会继续提升，12M甚至17M像素的摄像头，在未来应该会逐渐量产。

随着城市NOA的推进，以及端到端大模型的逐渐落地，高精地图由于制作成本和更新频率的问题，使用场景可能会越来越少。

04 结语

对于各级别自动驾驶的系统方案：

L0-L1系统：方案已经非常成熟，未来将主要用于低配车型；

L2系统：在传感器的配置、域控制器形态等方面方案众多，百花齐放，百家争鸣。在性能逐渐提升的同时，系统成本逐渐降低；

L3系统：还在早期的方案探索阶段。

L4系统：在泊车等封闭场景探索量产可行性。