自动驾驶汽车似乎还依然存在于科幻电影中，但殊不知，其实它的产业链上下游已经出现支撑公司，并在逐渐走向成熟。
自动驾驶分级标准
关于自动驾驶的分级，主要有SAE（美国机动车工程师学会）标准和NHTSA（国家公路交通安全管理局）两个标准;目前，前者受到大多数业内人士的认可，它从Lv0-Lv5将自动驾驶依据控制方式和适用环境分为了6个等级。
自动驾驶行业的最终目标，必然是实现真正的无人驾驶（Lv5），而实现的方式主要分为两种思路：①从Lv0逐步过渡到Lv5，通过整合集成ADAS中的控制功能，实现真正的无人驾驶②直接从Lv0跨度到Lv4，在特定的垂直领域和相对封闭的环境中推进无人驾驶，再向Lv5，也就是全环境全路况的无人驾驶普及。
根据SAE分级，不难看出，从Lv4开始，真正的控制者由人开始转为自动驾驶系统，责任主体也随之转移。因此，在设计研发之初，ADAS之中的辅助驾驶功能就与无人驾驶的目的不同，尤其在经历Lv3、Lv4这两个阶段是时，由于责任主体发生改变，因此在法律、舆论上面临着许多尚未可知的困难。
不过，ADAS的感知部分，以及不少辅助驾驶功能，例如自动巡航、自动泊车、前车碰撞紧急制动等，都可以在无人驾驶汽车当中得到应用，因此，也为无人驾驶的最终实现贡献了不小的力量。
自动驾驶汽车产业链剖析
为了推动无人驾驶汽车行业的进步，方便大家参考，亿欧对自动驾驶汽车行业进行了产业链分析，主要从产业上下游将其分为了感知、计算平台、算法集成、车辆控制、汽车通讯、无人驾驶汽车运营等六个方面。
（自动驾驶产业链结构图）
下面，本文将会对产业链上的各个部分进行单独剖析。
感知
自动驾驶汽车的感知部分，主要由摄像头、激光雷达、毫米波雷达、超声波雷达等多种方式共同组成。
由于各种感知方式在不同环境、不同距离、不同作用上各有所长，因此采用多传感器信息融合的方式有利于保证全方位信息的收集，进而使计算机做出更加精准的判断和规划。
激光雷达
目前，激光雷达的生产厂商集中在国外，包括美国Velodyne公司、Quanegy公司以及德国的Ibeo公司等，国内激光雷达初创公司也在尽力追赶。
激光雷达的穿透距离远，高性能激光雷达可以实现200米范围内，精度高达厘米级的3D场景扫描重现，从而帮助自动驾驶系统实现提前行驶路线规划。
目前来看，多线激光雷达很有可能是未来无人车的必备传感器，并且与高精度地图及驾驶系统核心算法紧密相关。目前，多线激光雷达还没有针对车规级的成熟量产方案，机械旋转式多线激光雷达虽然已在普遍应用，但体积较大且价格过于昂贵，更小型更低成本的纯固态激光雷达还未见到成熟产品。
国内有不亚于国外的光机电技术基础，产业链比较完整，因此，诸多深耕激光雷达领域的公司还有不小的机会。
毫米波雷达、超声波雷达
除了激光雷达之外，近年来毫米波雷达和超声波雷达也逐渐成为自动驾驶汽车中，参与多传感器信息融合感知设备。其中，最为知名的例子就是特斯拉在其智能汽车中，完全没有使用激光雷达，而采用毫米波雷达+摄像头的方案。
另外，类似博世、大陆这样的智能辅助驾驶巨头，也在毫米波雷达和超声波雷达这样成本较低传感器设备上，拥有比较深刻的技术积累和应用经验。
而在国内，像行易道这样的毫米波雷达厂商，也在积极进行技术开发，追赶国际巨头水平。
不过，归根结底，特斯拉还只是高级辅助驾驶系统（ADAS），而当操作主体，也就是责任主体向机器转移时，仅仅通过摄像头和毫米波雷达实现自动驾驶功能是不够的，激光雷达所带来的功能性安全冗余非常必要。
摄像头（计算机视觉）
目前，通过摄像头进行拍摄，在进行图像和视频识别，确定车辆前方环境，是自动驾驶汽车的主要感知途径，这也是很多无人驾驶公司的主要研发内容之一。
不过，在这一方面，ADAS要先于无人驾驶汽车向市场推广，因此在数据收集反馈、工程化等方面，ADAS公司也处于领先地位。
国内双目ADAS公司中科慧眼CTO崔峰就表示，在未来无人驾驶汽车中，摄像头（双目）将成为重要的感知部分，中科慧眼未来努力的目标，也是为自动驾驶汽车，乃至各类出行机器人提供机器视觉方面的技术支持。
目前，车载摄像头主要分为单目和双目两种。
双目摄像头基于视差原理，可以在数据量不足的情况下，测定车辆前方环境（树木、行人、车辆、坑洞等），并且获得准确的距离数据，用以提供给自动驾驶系统进行车辆控制。
而单目摄像头，主要基于机器学习原理，使用大量数据进行训练，进行环境识别。尽管需要大量数据支持，且在恶劣光线条件下的表现不如双目摄像头，但其相对便宜的价格以及成熟的技术也获得了一部分公司的青睐。
在单目ADAS领域，以色列公司Mobileye是世界最顶尖的企业，而中国公司与这样的国外巨头依然存在一定的差距。
汽车通讯
汽车通讯主要可以分为两个方面。
第一，是车联网系统。
通过车载通讯设备，完成人与车、车与车、车与环境的信息交互，一方面可以完善运营车辆（出租车、网约车、公交车、物流货车等）和道路交通（如红绿灯）的调度安排，另一方面可以减少车辆的感知设备投入，将车辆及环境采集到的信息与车辆自身采集的信息相融合，从而实现自动驾驶功能。
不过，车联网（包括V2X，车辆对外界信息交换）的发展，除了需要大大小小各家公司的努力之外，同样需要政府和相关机构的帮助。
首先是制定V2X通讯标准，欧美在此前就已经将DSRC标准列为了其车辆通讯标准，而国内则是LTE-V标准的呼声比较高。
另外，车联网不仅仅局限于车辆上的通讯系统配备，还涉及到道路交通基础设施建设。目前，杭州、南京、北京等地，都已经开始了智慧城市和智慧交通的试点。
车联网技术的前身，TelemaTIcs（远距离通信与信息科学），在很早以前就已经出现，而大概在四五年前，由于物联网的兴起，出现了“车联网”这个词。其更大的作用，不仅限于保证自动驾驶功能运行，而在于未来车辆中内容行业的发展。
第二，是高精度地图。
高精度地图是自动驾驶汽车实现路线规划的基础，这些年，卫星导航和基于激光雷达的3D环境建模技术日益成熟，高精度地图测绘质量逐步提升，这为自动驾驶的研发提供了不小的助力。
国内高精度地图，以百度地图、高德地图、四维图新等公司为主力;而国外方面，Here、TomTom等公司一直备受称赞。
计算平台
自动驾驶系统的计算量、数据流都非常大，同时又需要较快的反应速度，因此就需要匹配合适效能的计算资源，保证计算工作的正常运行。
自从吴恩达发现GPU非常适合进行深度神经网络训练以来，英伟达就在这一次的人工智能浪潮之中大发了一笔横财。目前，据不完全统计，全球已有超过1500家人工智能初创公司使用英伟达的产品，其中还有不少自动驾驶技术公司。
在2017年CES上，英伟达发布了最新的车载计算平台“XAVIER”，其512 个Volta CUDA 核心可提供高达30TOPS的计算性能，并且功率只有30W，远远优于Drive PX2。
而在国内，人工智能创业圈子中声名赫赫的地平线机器人，也正在研发其基于FPGA架构的大脑引擎（BPU），而代号为“高斯”的计算构架IP预计在2017年底推出。
不过，综合来看，自动驾驶计算平台的争夺战依然主要在国际巨头之间展开，除了英伟达之外、英特尔、微软、Ceva、Mobileye、恩智浦、德州仪器、高通等芯片、IP、ADAS供应商，都正在瞄准这一领域发力，未来的竞争激烈程度可见一斑。
车辆控制
自动驾驶汽车不仅仅是感知和算法，它还涉及到车辆控制、汽车动力学、汽车工程等诸多技术学科，同时需要汽车控制（刹车、转向、灯光、油门等）配件的支持。
目前，自动驾驶执行相关的技术和部件产品将依然长期掌控在大型Tier1手中。如博世、大陆、Delphi等传统的Tier1掌握的执行控制专利技术已经可以支撑到自动驾驶阶段，无论在性能还是价格上都有绝对的优势。
此外，由于电动汽车技术的快速革新，传统汽车制造业受到了冲击，此前发动机和变速箱等壁垒技术，逐渐被车辆电控、电动机、电池等技术取代。这种变革，让创业团队自己造车成为了可能。
因此，国内外众多电动汽车、互联网造车、智能汽车企业极有可能成为自动驾驶汽车行业的新贵。
智车优行CEO沈海寅曾表示，在智车优行未来战略规划中，自动驾驶是关键一环。目标是在三到四年内在一些局部路况下的全自动驾驶。
算法与自动驾驶汽车运营
目前，大多数踏入自动驾驶行业的初创公司，可以看作算法集成层面的公司。
他们利用高精度地图进行路线规划，采用新型计算平台，整合多传感器信息，开发相应的车辆控制算法对汽车进行行为控制。
目前，自动驾驶技术公司的两级分化比较严重，一方面是看准时间和角度切入的初创企业，另一方面则是大型互联网科技巨头，如谷歌、百度、Uber等。此外，像博世这样，少量拥有相对完整的产业链结构的Tier1，也在踏足这一领域。
不过，这些进行无人驾驶汽车研发的公司，大多有更深的想法，它们并不把自己看做单纯的技术提供方，而是希望深入到运营中去。例如智行者希望能够首先在低速园区内进行无人驾驶运营，而图森互联则在一开始就瞄准了长途高速货运。Uber与其收购的Otto也将目光分别聚焦在了无人驾驶共享出行和长途货运上。
图森互联CEO陈默表示，相比于卖车，运营服务公司是更靠近产业链下游和利益链顶端的方式。
自动驾驶汽车的另一个特点，就是解放了我们在出行过程中的双手、眼睛和大脑，因此车内活动也有了更多的想象空间。驭势科技CEO吴甘沙曾在多次公开演讲中表示，未来，自动驾驶汽车很有可能成为新的商业场景，为人们提供出行时的观影、办公、餐饮服务。
传统车厂去了哪里？
与自动驾驶相对应的，是自动驾驶+共享经济的出行模式，C端用户消费的将不再是汽车，还是出行服务。
业内人士普遍认为，在自动驾驶时代，汽车利用率将直线上升而销量必定下降，车厂的选择，一是尽快寻求合作，进行技术开发，向自动驾驶领域转型;二则是沦为自动驾驶汽车的代工厂和供应商。
因此，大多数车厂更希望看到的是Lv4甚至以下等级的自动驾驶技术，而不是Lv5状态下的全路况无人驾驶汽车。
目前，包括福特、宝马、沃尔沃在内的整车厂商，也都在进行自动驾驶技术的研发。
自动驾驶的实现，任重道远
虽然自动驾驶在产业链的各个层次上，均有不错的公司提供支撑，基本形成了上下游产业格局，但依然存在以下问题需要解决：
①道路基础设施不完善，需要进行智慧城市及智慧交通等基础设施建设。
②法律法规不明确，目前，亟待出现相关法律法规，以供相关公司制定安全及设计标准。
③算法不可解释，大多自动驾驶控制程序采用“端到端”的训练方式，这当中的策略规划有许多不透明的区域。
④设备价格昂贵，无论是激光雷达还是计算平台，目前价格不能满足大规模推广的要求。
因此，要真正实现自动驾驶乃至无人驾驶，我们依然任重道远。
（责任编辑：网络）
