過去幾年，以特斯拉 CEO 馬斯克爲代表，全球多家汽車廠商高管把自家的輔助駕駛技術（ADAS）說得神乎其神，然而，現實當中的事故和事故隐患此起彼伏，并且出現了多起大規模汽車召回事件。這些讓人們看得越來越清楚，ADAS 技術還不成熟，有很多問題需要解決。
3 月 12 日，美國公路安全保險協會（IIHS）發布的最新研究顯示，特斯拉的自動輔助駕駛（Autopilot）和全自動駕駛技術（FSD），以及其它幾家主要汽車制造商銷售的輔助駕駛系統都獲得 " 很差 " 的評級。目前，美國國家公路交通安全管理局（NHTSA）沒有正式的标準來管理高級駕駛輔助系統，IIHS 根據其制訂的标準對 9 家汽車制造商的 14 套輔助駕駛系統進行了評級。
在 IIHS 測試的系統中，隻有一款獲得 " 可接受 " 評級。IIHS 指出，特斯拉、梅賽德斯奔馳、寶馬、日産、福特、通用汽車、現代汽車和吉利旗下的沃爾沃汽車品牌的輔助駕駛系統，總體評級爲 " 較差 "，它們隻在 IIHS 測試的某些要素上獲得 " 良好 " 的分數，但總體得分都較低。
據悉，美國聯邦監管機構正在調查近 1000 起使用特斯拉輔助駕駛的事故。特斯拉将撞車事故歸咎于那些在使用輔助駕駛或全自動駕駛技術時，沒有聽從車商警告注意道路狀況的駕駛人。
最近，NHTSA 表示，由于警示燈字體大小不正确，會增加車禍的風險，特斯拉召回了 220 萬輛電動車，這一數字涵蓋了幾乎所有在美國的車輛，包括 Model S、Model X、2017~2023 年的 Model 3、Model Y 和 2024 年的 Cybertruck。3 個月前，特斯拉在美國召回了 203 萬輛電動車。
ADAS 是一套非常複雜的軟硬件系統，要想實現安全的輔助駕駛，是一件很難的事情，并不像當下車商宣傳的那麽厲害。要想實現真正的 L3，甚至是 L4 級輔助駕駛，還需要解決很多問題，例如，核心處理器的算力及其軟件配套能力，與 ADAS 相關的其它零部件性能和可靠性的提升，感知技術的成熟，以及法規的完善和技術标準體系的統一。
核心處理器還在叠代
随着輔助駕駛級别逐步提升，應用功能越來越豐富，汽車對芯片算力的要求越來越高。特别是在安全性和實時性方面，ADAS 的要求很高，需要系統具備更高的認知與推理能力。
目前，以 Mobileye、英偉達、特斯拉爲代表的廠商在 ADAS 計算芯片方面走在了市場前列，相關産品已在中高端和新勢力車型中廣泛應用。
Mobileye 是 L2 及以下級别輔助駕駛的龍頭，也是汽車 ADAS 技術的奠基者和引領者，在英偉達和特斯拉崛起之前，Mobileye 一直是 ADAS 行業的龍頭。
Mobileye 以視覺方案起家，現在也研發帶激光雷達的融合方案。Mobileye 給車企提供的是芯片加感知算法的輔助駕駛解決方案，主芯片爲 EyeQ，内部寫好了感知算法，EyeQ 可以直接輸出對車道線和車輛等目标的感知結果，車企的算法基于這些結果做出駕駛決策。這樣做的好處是提升了尋求智能化轉型車企的量産速度，但是，這樣做，算力升級叠代速度慢，難以滿足車企的定制化需求，最終導緻其産品差異化能力不足，難以滿足高速發展的輔助駕駛市場需求。
由于短闆明顯，從 2020 年開始，EyeQ 芯片出貨量增速明顯下滑，特别是在智能化水平很高的電動車領域，而 Mobileye 的封閉生态模式，難以滿足發展要求。近兩年，Mobileye 也意識到了問題所在，宣稱 EyeQ5 會向用戶開放部分算法，但其開放程度并未明确。
目前，在很多傳統車企的車型中，依然在采用 Mobileye 的方案，在軟硬件達不到先進輔助駕駛要求的情況下，再加上駕駛人的疏忽大意，難免會發生事故。
英偉達集成了一些特殊功能的 GPU 和輔助芯片，推出的初代車載芯片爲 Drive 系列。随着車載系統需求的發展，Drive 系統也在不斷升級，例如 Drive PX Xavier 配備了一塊 Xavier 芯片，适用于 L2 級輔助駕駛，對于更高級别應用，僅一個 Xavier 芯片的算力不夠，可以采用兩個 Xavier 加上兩個圖靈架構的 GPU。另外，英偉達還推出了獨立的 Orin 芯片，去年，該公司新推出了算力達到 2000 TOPS 的 Thor，單顆算力爲 Orin 的 8 倍。這樣，客戶可以根據不同使用場景選擇适合的芯片。
除了算力，英偉達還很重視軟件工具的開發，先後推出了 DRIVE OS、DRIVEWORKS、DRIVE AV、DRIVE IX。
雖然英偉達的方案相對于傳統軟硬件系統更加智能和靈活，但在紛繁複雜的路面上，依然不能完全保證絕對的可靠性。也正是因爲如此，該公司一直在加大核心處理器算力方面下功夫，同時，不斷完善軟件功能。
正是看到了以 Mobileye、英偉達爲代表的第三方核心處理器供應商在軟硬件産品方面的弱點，特斯拉選擇自研 ADAS 核心處理器和軟件算法。
特斯拉的 ADAS 處理器名爲 FSD，用以替代原來使用的 EyeQ3 和 Drive 平台。FSD 從算法需求出發，采用了全新的芯片架構設計，其核心是兩個 NPU 組成的 NNA（Neural Network Accelerator，神經網絡加速單元）。從算法出發設計芯片架構，使其能耗比更優；可以更激進地嘗試新方案，不需要通過第三方車規級認證等複雜流程。另外，軟硬件都通過自研完成，可以加快整車研發叠代速度，效率高于外購芯片模式。
從軟硬件架構和性能方面看，特斯拉自研的 ADAS 系統有很強的創新性，也更适合當今的輔助駕駛系統，但是，該公司的策略比較激進，在未取得足夠測試數據的情況下，就将它們的想法和系統用在了車上，引起了不少争議，同時，交通事故也在接連發生。
總體來看，對于自動駕駛系統來說，軟、硬件都發揮着非常重要的作用，缺一不可。
随着 AI 技術廣泛應用，自動駕駛也進入了 AI 芯片時代，算力已不是衡量自動駕駛水平的唯一指标，還要看有沒有針對某個特定領域的算法，也稱爲特異性算法，這也給後發芯片廠商在特定領域追趕頭部企業提供了更多機會，即使算力拼不過，也可以在特異性算法上做更好的優化，從而在整體性能上實現趕超。
對于車企而言，由于輔助駕駛級别還未達到 L3，廠商不會一味追求高算力芯片或平台，而是要綜合考慮輔助駕駛芯片的算力和效率、适配性、軟件開發難度、車規級安全認證等級、靈活性和能效比等指标，根據車型的價位選擇最具性價比的芯片。
特别是在安全性和實時性方面，輔助駕駛的要求很高，需要系統具備更高的認知與推理能力。此時，軟件和算法的重要性日益突出，也是車企的核心競争力，例如，用于傳感器數據處理和融合的視覺算法、雷達算法，以及路徑規劃、行爲決策等。
各種零部件性能和可靠性有待提升
高級别輔助駕駛系統需要相應零部件性能升級，如攝像頭、激光雷達、車控芯片、線控制動系統、DMS（駕駛員監控系統）等。
高級别輔助駕駛應用的前提是車輛感知能力的增強，其對于攝像頭、毫米波雷達、激光雷達等感知設備的裝配量與性能要求将提升。其中，攝像頭将由低像素向高像素演進，裝配量也将在 360 度環視成像需求推動下增加。毫米波雷達和激光雷達可以在純視覺方案尚未成熟時爲高級輔助駕駛系統提供更強的道路信息收集能力。
高級别輔助駕駛系統更爲智能化，底層芯片需要具有更高的算力，同時功耗、兼容性要求也将提升。此外，高級别輔助駕駛系統的電子電氣（E/E）架構也将趨于集中化，以單個 SoC 芯片爲基礎的智能駕駛域控制器、中央計算中心将逐漸替代傳統的分散式 ECU，系統對域控制器、中央計算中心産品的性能和可靠性提出了更高要求。
與傳統機械液壓制動、轉向相比，線控制動、轉向具有反應速度快，與電氣化架構兼容程度高、能量回收、可配置多套冗餘機制等優點，更适用于高級别輔助駕駛汽車。目前，線控制動、轉向技術和産品還未完全滿足安全應用要求。
DMS 主要用于實現對駕駛員的身份識别、疲勞駕駛和危險行爲的檢測。對于 L3 級智能駕駛車輛而言，仍要求駕駛員在特殊情況下接手操控汽車行駛，部分國家法規也對駕駛員在 L3 輔助駕駛條件下能否接打手機、觀看娛樂系統等做出了相關規定。這些都需要車輛配置 DMS，以在事故發生時确定責任。目前的 DMS 難以滿足 L3 級輔助駕駛的要求。
産業鏈需要調整
随着更高級别輔助駕駛技術的成熟，會對相關芯片零部件産業鏈産生較大影響，甚至會重新整合産業鏈。
在傳統分布式 E/E 架構下，整車輔助駕駛系統由幾個相互獨立的子系統（前向 ADAS、側後 ADAS、泊車輔助系統、全景環視系統）構成，每個子系統中都有一個 ECU，而 ECU 的主要物理結構是單片機 + 外圍電路。在這種架構下，軟硬件是強耦合的，Tier1 将軟硬件打包以 " 黑盒 " 交付的形式提供給主機廠。随着整車 E/E 架構從分布式走向集中式，輔助駕駛子系統所對應的 ECU 也融合成輔助駕駛域控制器，主控芯片從 MCU 演變成更高性能的 SoC 異構芯片，軟件架構也随之向 SOA 升級，即系統軟件（虛拟機，系統内核，中間件）、算法模塊和應用程序層三部分，實現了軟硬件解耦。因此，整個輔助駕駛系統産業鏈環節也随之分解爲芯片、硬件集成及生産、軟件開發、算法開發、應用程序幾大環節。
在行業變革初期，芯片、中間件、算法開發等環節都單獨衍生出一批創業公司，此時，相關公司的核心壁壘在于是否在各自環節具備充足的開發能力和量産經驗，例如，近幾年，德賽西威憑借基于對英偉達 Orin 芯片的輔助駕駛域控制器量産經驗，斬獲衆多車企訂單。然而，随着部分中低算力平台的智駕域控制器逐步走向标準化，對優秀 Tier1 企業（包括芯片供應商，集成供應商，算法供應商等）而言，對其能力的要求已不僅僅局限于産業鏈單一環節，更多的是需要憑借現階段的領先優勢來充分整合産業鏈上下遊，盡可能具備集芯片、算法、制造等爲一體的綜合供應能力。
感知算法和軟件技術還需進步
在特斯拉的引領下，主機廠，特别是中國相關廠商自 2022 年以來紛紛重新構建感知架構，并相繼提出 " 重感知，輕地圖 " 技術方案。但是，即便是在全新感知架構的加持下，智能駕駛系統仍無法像人類一樣僅依賴于普通導航地圖，目前僅是降低對高精度地圖的依賴，而非徹底抛棄對任何形式地圖的使用。高精度地圖包含的增量信息可分爲兩類：一類是高精度道路幾何數據（如路寬、 路線曲率半徑等），部分智駕廠商已經可以通過 BEV 實時感知補齊這類信息；另一類是道路拓撲結構（如車道間的連接關系，路口紅綠燈和相應車道的綁定等），智駕廠商暫時無法僅通過 BEV 網絡架構補齊上述信息。
基于神經網絡的輔助駕駛模型由工程師設定算法框架，依靠大量數據進行參數的更新和調優。因此，主機廠智能駕駛水平 = 算法構建能力 * 數據訓練效率，其中，算法構建能力由模型本身的選擇、技術路線等因素決定，數據訓練效率則由主機廠數據閉環能力決定。當前，各個主機廠數據閉環搭建的成熟度、叠代效率等仍存在較大差異，因此，數據閉環能力将直接決定主機廠的智能駕駛水平。
主機廠數據閉環的效率将由其工程化能力決定。整個數據閉環體系包括數據獲取、數據預處理、标注、仿真、模型部署等，每個環節都存在大量需要優化的工程問題。
完善法規，統一标準
目前的智能駕駛技術處于 L2 階段，正在向 L3 演進。與 L2 不同，L3 不再被視爲輔助駕駛，而是有條件的自動駕駛，駕駛員無需時刻觀察周圍路況準備随時接管，此時，駕駛車輛的責任更多地由車輛本身承擔，因此，自動駕駛系統正常運行時出現的交通事故理應由車輛生産廠商負責。但就當前各國交通政策來看，L3 自動駕駛技術并未得到廣泛認可，交通事故的第一責任人大多明确認定爲駕駛員。可見，各國政府對自動駕駛落地持謹慎态度，相關法律法規的出台節奏較爲緩慢，這在一定程度上限制了高級别自動駕駛技術的發展。
高級别自動駕駛的落地還需要各國出台相關政策對自動駕駛的認定标準、技術規範、專業術語、評價體系等做出明确解答，并建立标準體系。标準體系的建立十分繁瑣且需要持續優化，這對各國政府來說都是不小的挑戰。
ADAS 技術已經發展了很多年，路上跑的、具備該功能的汽車也越來越多，但安全問題并未得到解決。而且，有些車輛和 ADAS 系統在某種程度上是在公路上 " 做實驗 "，危險系數不小。
随着輔助駕駛級别的提升，安全問題的重要性也越來越凸出，要想将 ADAS 系統提升到更高應用水平，各種各樣的軟硬件問題、智能感知問題，以及法規和行業标準制定問題，都必須得到徹底解決。
當然，要想在未來的家用車上實現 L4、甚至是 L5 級駕駛功能，除了技術攻關，成本是一個繞不開的難題，因爲要實現 L5 級駕駛，車上需要搭載的硬件種類很多，且都很昂貴，而且，軟件服務也不會便宜，這樣的成本能否普及到廣大消費者的生活中，是一個問題。
