自動(dòng)駕駛汽車的概念可以追溯到二十世紀(jì)五十年代，人們?cè)O(shè)想可以坐在車?yán)飱蕵?，車輛的加速和轉(zhuǎn)向由電子設(shè)備自動(dòng)控制，沒有擁堵、沒有碰撞、沒有疲勞駕駛。
2009年1月17日，Google自動(dòng)駕駛項(xiàng)目Project Chauffeur正式啟動(dòng)，在一輛豐田Prius（普銳斯）上安裝激光雷達(dá)、3D相機(jī)、GNSS-RTK和慣性導(dǎo)航系統(tǒng)等設(shè)備來追蹤行人和物體；年底，Google第一代自動(dòng)駕駛汽車Prius完成100英里（約161km的無人接管自動(dòng)駕駛?cè)蝿?wù)。
ADAS高級(jí)駕駛輔助系統(tǒng)主要分為兩部分——軟件和硬件
感知硬件上，遍布車身的攝像頭負(fù)責(zé)視覺識(shí)別，通過視覺算法進(jìn)行物體識(shí)別、車道線檢測和交通標(biāo)志識(shí)別等任務(wù)；
超聲波雷達(dá)負(fù)責(zé)短距離的障礙物探測，主要功能是低速泊車場景；
毫米波雷達(dá)用于中遠(yuǎn)距離的障礙物探測、速度測量及目標(biāo)跟蹤；
激光雷達(dá)發(fā)射激光脈沖并接收反射信號(hào)，生成三維點(diǎn)云數(shù)據(jù)，實(shí)現(xiàn)精確的距離測量和環(huán)境建模；
其它設(shè)備還包括高精度定位設(shè)備、慣性測量單元（IMU）等，提供車輛的姿態(tài)信息，結(jié)合衛(wèi)星導(dǎo)航、基站定位等多源定位技術(shù)，實(shí)現(xiàn)厘米級(jí)的車輛定位服務(wù)。
計(jì)算與決策
在具備眾多感知設(shè)備后，汽車獲得的數(shù)據(jù)也呈指數(shù)級(jí)增長，海量的圖片、視頻需要強(qiáng)大的車載計(jì)算機(jī)來處理。
國家工業(yè)信息安全發(fā)展研究中心副總工程師黃鵬在2021中國汽車論壇“智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)發(fā)展與安全分論壇”上公開表示：一輛智能網(wǎng)聯(lián)汽車每天至少收集10TB的數(shù)據(jù)。這些數(shù)據(jù)不僅包含車輛地理位置、車內(nèi)及車外環(huán)境數(shù)據(jù)、車聯(lián)網(wǎng)使用數(shù)據(jù)等，還包括駕乘人員的面部表情、動(dòng)作、目光、聲音數(shù)據(jù)。
耳熟能詳?shù)挠ミ_(dá)OrinX、英特爾的mobileye、華為的MDC810等，都屬于智駕計(jì)算平臺(tái)，提供實(shí)時(shí)數(shù)據(jù)處理能力和深度學(xué)習(xí)推理能力，支撐高級(jí)駕駛輔助系統(tǒng)（ADAS）和自動(dòng)駕駛系統(tǒng)（ADS）的決策過程。
執(zhí)行層面
電驅(qū)系統(tǒng)、制動(dòng)系統(tǒng)、轉(zhuǎn)向系統(tǒng)等，用于執(zhí)行指令，實(shí)現(xiàn)自動(dòng)化駕駛。
上述層面都是硬件部分，屬于基礎(chǔ)，想要輔助駕駛能真正輔助人類駕駛員行車，還要依賴軟件的支持，也就是算法。而算法也更大程度上決定了ADAS（高級(jí)駕駛輔助系統(tǒng)）能力的上限。
我國于2021年8月發(fā)布《汽車駕駛自動(dòng)化分級(jí)》GB/T 40429-2021，2022年3月1日起實(shí)施，根據(jù)該規(guī)定，將汽車駕駛自動(dòng)化從0級(jí)到5級(jí)共劃分為六個(gè)等級(jí)，目前已經(jīng)商用落地的，為2級(jí)（部分自動(dòng)化）及以下等級(jí)。
分布式ADAS架構(gòu)
大概十多年前，部分高檔轎車，如奔馳、奧迪、沃爾沃等，搭載的自適應(yīng)巡航系統(tǒng)、變道提示輔助系統(tǒng)以及自動(dòng)剎車就屬于1級(jí)自動(dòng)化。
和1級(jí)自動(dòng)化相匹配的ADAS系統(tǒng)稱為分布式ADAS架構(gòu)，這種架構(gòu)和傳統(tǒng)燃油車一樣，由分布于車內(nèi)的多個(gè)控制器獨(dú)立運(yùn)行，各司其職。
如環(huán)視攝像頭和超聲波雷達(dá)只服務(wù)于泊車功能；Y軸ADAS功能由前毫米波雷達(dá)實(shí)現(xiàn)，X軸ADAS功能由視覺攝像頭實(shí)現(xiàn)。在這個(gè)框架下，不同功能相互獨(dú)立，需要通過服務(wù)或接口來調(diào)用，傳感器耦合度很低，是典型的分布式開發(fā)，也叫1R1V架構(gòu)。此架構(gòu)十分依賴供應(yīng)商，主機(jī)廠在掌控力方面基本沒有話語權(quán)，屬于給什么方案用什么方案，沒有太大自主權(quán)。
分布式ADAS架構(gòu)優(yōu)點(diǎn)缺點(diǎn)都很明顯。優(yōu)點(diǎn)方面，由于功能相對(duì)獨(dú)立，整個(gè)系統(tǒng)的集成難度低，可移植性強(qiáng)，開發(fā)周期較短，能以較低成本實(shí)現(xiàn)較高的收益。
但缺點(diǎn)也很明顯，由于過分依賴供應(yīng)商的方案，主機(jī)廠往往只能打包購買供應(yīng)商的方案，假如想要省點(diǎn)成本自己“DIY”，兼容性可能會(huì)受到影響，同時(shí)開發(fā)費(fèi)用和研發(fā)周期也會(huì)大幅增加。最重要的是，此架構(gòu)下，主機(jī)廠依然還是“組裝廠”的定位，利潤大頭都被供應(yīng)商拿走了，并且ADAS的上限低，用戶體驗(yàn)不夠好。
域控/跨域式ADAS架構(gòu)
隨著技術(shù)的進(jìn)步，汽車單位時(shí)間內(nèi)產(chǎn)生的數(shù)據(jù)量大增，需要的芯片算力越來越強(qiáng)，分布式ADAS架構(gòu)的性能無法滿足需求，域控/跨域式ADAS架構(gòu)就誕生了。
相比分布式ADAS架構(gòu)，域控式架構(gòu)增加了域控制器（相當(dāng)于一個(gè)功能全面的CPU），算法上，將傳感器端上移到域控制器端，傳感器只負(fù)責(zé)感知，域控制器負(fù)責(zé)融合算法，提高了功能可用性；整合后，性能的帶寬大幅增加，能并行處理多個(gè)感知設(shè)備的數(shù)據(jù)，同時(shí)控制能力上，也能實(shí)現(xiàn) “一鍵多用”；此外，主機(jī)廠可以根據(jù)自己的需求定制功能開發(fā)，打破了供應(yīng)商的封鎖。
比較有名的一個(gè)案例就是英特爾的mobileye，由于其采用“黑盒方案”，即給什么用什么，主機(jī)廠很難開發(fā)自己需要的功能，積累的駕駛數(shù)據(jù)也不能為己所用，雖然很早就搭載于特斯拉、理想、極氪等多個(gè)主機(jī)廠的車型上，有著先發(fā)優(yōu)勢，但由于“黑盒方案”的局限性無法滿足主機(jī)廠的競爭需求，現(xiàn)在市占率已經(jīng)遠(yuǎn)遠(yuǎn)落后于其他同類企業(yè)。
而英偉達(dá)則反其道而行，自己僅負(fù)責(zé)研發(fā)硬件，并提供開發(fā)平臺(tái)，需求和功能，乃至算法開發(fā)能完全由主機(jī)廠自己掌握。除了硬件（算力）上的優(yōu)勢，由于其獨(dú)特的開放性，目前國內(nèi)很多廠家都以英偉達(dá)作為自己ADAS平臺(tái)的硬件。
硬件平臺(tái)的性能上來后，輔助駕駛的上限則由算法來決定，而算法也分三六九等。如此前的模塊化算法，到BEV+Transformer，再到現(xiàn)在的端到端（End-to-End），而端到端也可以按照架構(gòu)分為感知“端到端”、決策規(guī)劃模型化、模塊化端到端和One Model單一模型端到端。在AI和大模型的助力下，智駕算法正從機(jī)器駕駛走向擬人駕駛，直至超越人類的駕駛。（朋月）