自动驾驶作为一个可能比智能手机大得多的风口，机会究竟在哪里？

智能驾驶甚至自动驾驶的实现，将深远地改变我们生活的方方面面。麦肯锡的研究表明，未来十年智能驾驶市场的年化增速将达到67%，到2030年这个市场将达到4万亿美金的规模。那么如此巨大的增量市场，自然也就孕育着巨大的职业发展与创业机遇。要能捕捉这些机遇，首先要了解这个行业究竟是做什么的，才能谈如何去寻找或捕捉机会。本文就带你系统地挖掘一下这个行业的方方面面。

智能驾驶分为6个不同的级别。

0级对应的是人工控制，所有的行为，如转向，加速，刹车等均由驾驶员完成。

1级意味着该车辆具有至少一种自动化系统，比如车辆可以通过巡航来控制速度。

2级即部分自动，即我们相对比较熟悉的辅助驾驶(ADAS)，意味着车辆可以转向，也可以加速，但驾驶员依然需要控制所有的驾驶任务，并可以在任何时候重掌控制权。

3级又叫条件自动，相比2级在技术上有一个很大的跨越，尽管这个变化对人类来说并不那么明显。3级具有“环境探测”功能，并能够自主地觉得，比如对某一辆前面行驶速度过慢的汽车进行超车。但是3级依然需要驾驶员的时刻警惕与实时把控。

4级称为高度自动驾驶，即车辆可以在某些特定环境下执行所有行驶任务。在驾驶过程中需要“地理围栏(Geo-fencing)”，是用一个虚拟的栅栏围出一个虚拟地理便捷，当手机进入，离开某个特定地理区域，或在该区域内活动时，手机可以接收自动通知和警告。有了地理围栏技术，位置社交网站就可以帮助客户在进入某一地区时自动登记。当然，4级虽然达到高度自动驾驶，但仍然需要驾驶员的关注，如果有必要，人类驾驶员可以选择主动驾驶。

5级也就是智能驾驶的黄金标准—完全自动驾驶了。在这种驾驶情况下，汽车执行所有行驶任务，不需要任何的人类注意或交互。目前没有任何车种可以达到这个程度，但一旦实现，将对人类出行，交互，生活产生非常深远的影响。

传统汽车产业正围绕着“软件定义汽车“，掀起了新的转型升级潮。纵观汽车发展历史，从最开始的“机械定义汽车”到“电气定义汽车”再到“电子定义汽车”最后到如今的“软件定义汽车”。软件定义汽车应为称为Software Defined Vehicles，即软件在车辆中扮演的角色逐步放大，在汽车中的渗透率越来越高。

对于软件定义汽车来说，有三个核心要素，即该智能驾驶汽车的感知，决策，和执行。这三个层级各具特点。

对感知层来说，不同等级的自动驾驶对于传感器的数量，精度要求各不相同。随着等级的增加，呈指数增长。

随着感知要求的增加，算法算力的需求值也不断增加。从2级向上，几乎每个阶梯都需要算力十倍增加。目前从芯片角度看，只有英伟达的Orin(256 TOPS)和高通的Snapdragon Ride(700 TOPS)可以达到400 TOPS的四级计算算力要求，距离五级还有很大的距离。【注：这里TOPS的意思是，每一秒钟能够执行1012次计算。一般而言，计算次数越多，相应的功耗也就越大。】

决策端最大的变化，在于智能驾驶汽车推动电子电器架构从分布到集中，域控制器，多域控制器替代ECU（电子控制单元），引入高算力AI芯片。

在执行端，自动驾驶需要解耦人与车的机械连接，在这个板块，线控制动和线控转向是自动驾驶执行端的核心。所谓线控转向，指的是完全由电信号实现转向的信息传递和控制，节省空间，取代转向盘与转向轮间的机械连接，实现轻量化。

在传感器方面，主要有两个技术流派，分别是特斯拉与谷歌旗下的Waymo所代表。特斯拉使用摄像头加毫米波雷达，配合AI芯片和深度神经网络；谷歌以激光雷达为主，摄像头为辅，模拟仿真配合实车测试。目前看，谷歌已经实现了四级自动驾驶，而特斯拉与Mobileye（隶属英特尔）还停留在三级。这两个流派都需要不同类型的传感器进行融合。多传感器信息融合(Multi-sensor Information Fusion/MSIF)指将自动驾驶摄像头，激光雷达，毫米波雷达及超声波雷达等多种传感器各自分别收集到的数据进行融合，然后利用计算机技术将来自多传感器或多源的信息和数据在一定准则下加以自动分析和综合以完成所需要的决策和估计，更准确可靠地描述外界环境，提高系统决策的正确性。多传感器提供了系统冗余度，让自动驾驶的安全性能有了保障。

那么摄像头，毫米波雷达，激光雷达等感知元件有什么异同呢？

简单说，Waymo虽然能实现四级自动驾驶，但代价是不得不使用价格极为昂贵的激光雷达(LiDAR)进行融合。谷歌等企业希望随着激光雷达的大规模生产与普及，成本能够快速随着莱特定理的曲线而不断下降，让这种方法具有竞争力。特斯拉则不同，其使用的摄像头加毫米波雷达对成本的要求很低，但对算力的要求特别高 – 毫无疑问，特斯拉有自信在自动驾驶和算力上实现巨大的突破，尽管其实现所需要的算法和算力远高于激光雷达加摄像头的技术。

在控制领域，当前汽车电子电气架构总体呈现分布式电子控制单元（ECU）架构向域控制器EE架构发展，最后演进成中央集中式EE架构。传统汽车采用的分布式EE计算能力不足，通讯带宽不足，不便于软件升级，不能满足现阶段汽车发展的需求，EE架构升级已成为智能汽车发展的关键。

在传统电子电气(EE)架构中，增加一个新功能，比如仅仅是增加一个ECU，以及电线，线束布线等，就要极大地增加系统的复杂性，主车企集成验证更为困难。如果需要实现较为复杂的功能，需要多个控制器同时开发才能进行验证，一旦其中任意一个控制器出现问题，可能导致整个功能全部失效；在传统分布式EE架构下，ECU由不同供应商开发，框架无法复用，无法统一，同时OTA外部开发者无法对ECU进行编程，无法由软件定义新功能进行硬件升级；基于传统分布式EE架构，车企知识架构定义这，核心功能由各个ECU完成，起软件开发工作主要由一级供应商完成，车企只做集成工作，软件开发能力建设不是车企的重点方向。

新一代中央集中式EE架构是软件定义汽车重要的硬件基础。特斯拉的Model 3就通过其算力强大的中央控制器对不同的域处理器和ECU进行统一管理，将整车的电子电器架构分为三大部分，包括中央计算模块，左车身控制模块，和右车身控制模块，而中央计算模块又进一步整合了车上的驾驶辅助系统，信息娱乐系统和外部链接和车内通信系统域功能，极大缩减整车上的ECU数量，同时实现域内算力有效利用，核心计算性能大幅提升，复杂功能开发难度大幅下降。

执行端的线控制动也是电动化的关键技术之一。执行控制好比“驾驶员的手脚”，是自动驾驶真正落地的基础。汽车早期依赖液压制动，随后慢慢把电控整合到液压制动，最后完全转化为线控制动。线控制动以液压助力取代了真空助力器和真空泵，具有集成度高，总体重量轻，制动反应时间短，支持紧急自主制动等功能的优势，对于从二级升到三级智能驾驶至关重要。目前智能辅助驾驶与制动系统高度关联的功能模块包括车身稳定系统（ESP），自动泊车（AP），自适应巡航（ACC），和自动紧急制动（AEB）等。当前，高级别自动驾驶的实现，离不开汽车制动系统的全面电子化升级，而先空制动是汽车制动系统电子化的核心解决方案，是支撑汽车走向更高级别自动驾驶的制动系统的发展方向。

智能手机行业催生了全球市值最大的公司苹果。与之对应的，智能汽车行业的市场规模可能更大，是否会催生市值更大的公司呢？智能汽车就像智能手机一样，离不开芯片，操作系统，汽车厂商。

相对应的工作岗位也更加丰富，从算法工程师到优化运筹，从制动技术到半导体芯片，从雷达系统到三电（电机电控电池）制造，找准了里面的一个方向去深耕，相信都会在这个水大鱼大的行业中，拼搏出一片属于自己的天地的！