EEPW论坛

虽然今年以来中国汽车市场销量有下滑趋势，但汽车的电子化进程却并未发生改变，未来汽车中将会有更多电子化的产品，这包括汽车信息娱乐系统、辅助驾驶、车联网、自动驾驶等等。目前，不管是传统汽车制造商，还是造车新势力，都将自动驾驶作为其未来车型的重要发展方向。

而汽车的电子化，离不开半导体厂商的支持，最近半导体公司恩智浦在青岛举办了一场围绕技术的交流与分享活动，会后恩智浦资深副总裁兼首席技术官Lars Reger接受了媒体采访，他透露了恩智浦在汽车领域的布局和对自动驾驶的看法。

在Lars Reger看来，现在谈完全自动驾驶，即L5级自动驾驶，还为时尚早，至少还需要5年以上的时间。虽然一直以来，恩智浦都在从事自动驾驶方面的研究，但目前主要还是在L3和L4级自动驾驶方面，在这两个级别，开始有一些比较成熟的解决方案出来了。特别是L3级自动驾驶，可以说是已经相当成熟了，一些国家也已经对允许多大程度的自动驾驶汽车上路开始了立法工作。未来一两年内L3级别的自动驾驶应该就会普及开来。

但L4及后面的L5级自动驾驶则需要等待更长时间，因为要实现全路况、全天候的自动驾驶，目前难度很大。一是因为城市和乡间的路况非常复杂，二是目前的技术还不能支撑L5级别的自动驾驶，三是目前人们的需要也没有那么迫切。

L3级别的自动驾驶对普通人而言即可适用，但L4、L5级别的自动驾驶更多的是偏向出租车公司这类的商业用途，对普通用户的吸引力其实并不大。

讲到L5级自动驾驶系统落地的挑战，Lars Reger认为一个关键难点就是传感器。“过去很多自动驾驶车的路测出现了严重的车祸，原因在于传感的功能不够强，所以在开车的过程中没有注意到行人或者误判了对象。因此，我们需要让传感器做到非常完善的程度，像人的感官一样。”

在他看来，自动驾驶汽车至少要配备三个类型的传感器：第一个类型是人在驾车时，身体感知的一些势能、动能，如转向和压力；第二个类型是驾驶员能看到的视线范围所及的路径，它可以涉及三类，激光雷达、雷达、摄像头，就像人的眼睛能看到的视线一样；第三个类型是人现在不具备的，就是在视线以外车跟车之间的通讯。

他举例说，“一个人驾驶的车即将要到一个十字路口，另外一个方向有一辆救护车即将赶到，路灯可能会立刻变红，驾驶员需要紧急刹车而不能再向前行驶。但有了传感之后，救护车在开近之前就能告诉驾驶员的车，汽车就可以提前做好准备，避免出现紧急刹车的意外情况，这是人眼看不到的传感。”

据Lars Reger介绍，恩智浦在这三个领域都有技术和产品的储备，包括动能、势能，还有微处理单元，服务于摄像头和雷达系统。最近，大众高尔夫8代最新的量产车也是发布了一款片上系统车联网的芯片，能够实现刚才讲到的第三种类别的传感。

在传感器融合方面，恩智浦S32G的姊妹产品，如S32R雷达产品，能实现一些传感器数据的融合。除此之外，“我们也有做传感器数据前端的融合，这些信息通过以太网的光纤输送到BlueBox的平台上，然后在功能安全性和AI加速这两块传感的信息能够进行融合。” Lars Reger表示。

“关于预融合，正如人脑，如果在路上的自动驾驶车的雷达、摄像头都看到了前面有路障，那它肯定就会执行一个紧急制动的操作，之后才会启动策略的思考，研究到底前面的车是拥堵的车还是停在路边的车，并确定是否绕过去。”他进一步指出。

他还指出了业界一个普遍的误解，那就是认为自动驾驶车就是轮子上的智脑，“实际并非这样，在轮子跟智脑之间还有车身，正如人还有躯干一样，躯干会做出一些应激反应，会有保证安全的机制。车身的硬件、基础设施也可以有这样的效果保证安全驾乘，同时能让自动驾驶的成本较低。”

除了自己的传感器，恩智浦也投资了一些传感器厂商，比如，今年上半年，恩智浦与南京隼眼电子科技有限公司（简称“隼眼”）签署了战略合作伙伴与投资协议。隼眼是依托东南大学毫米波国家重点实验室成立的一家创业公司，在77GHz雷达领域拥有深厚的专业知识和高素质的工程人才。恩智浦认为，77GHz汽车雷达传感器将对ADAS下一阶段的发展起到关键作用，发展为成像雷达后，可结合摄像头与V2X技术，取代激光雷达。

另外，在芯片方面，Lars Reger也觉得目前的AI芯片性能和功耗都还不能满足自动驾驶的需求，未来3nm的AI芯片出现时，可能才能实现L5级自动驾驶。

除了上面提到的一些技术难点，还与社会环境密切相关，Lars Reger举例说，他们在自动驾驶路测时在很多地方都碰到了一个情况，那就是总有些年轻人看到自动驾驶车过来后，会故意挡在汽车的前面，反复几次汽车就被困在了路中间。因此，如果目前要做到车里面完全没有驾驶员，那么就没有办法把这些路测完全顺利地开展下去。

他认为在中国会有不同的结果，因为中国的城市有非常严格的社会监控体系，相比欧洲各地的监控都要更加普及，对于上述有类似行为的人，可能会有相应的处罚。因此，Lars Reger认为，一方面自动驾驶的机器人要学好这些培训的内容，另一方面路测需要时间，也需要一个良好的社会监管环境。因此，他认为中国可能会更快实现完全自动驾驶。