研判丨自动驾驶的关键是硬件还是软件？又如何去判断好坏？

文/土木

近几年来，新能源电动汽车和汽车驾驶智能化在汽车的产业更新上一直处在热门话题中心。前者伴随着电池、能源补充技术的更新普及迅速成长；后者伴随着汽车主动安全和高阶智能驾驶呈现出越来越大的科技吸引力。

从最近的上海车展也是能够看出，各大车企和解决方案供应商的智能驾驶军备竞赛已经走向高潮，激光雷达、4D成像雷达、高算力芯片上车，从高速领航向城市域延伸，似乎真正的自动驾驶离我们不远了。

同时也催生出了很多的相关疑问，哪家的技术更硬？2023还会有哪些方面的突破？还有我们今天讨论的问题：自动驾驶，是硬件重要还是软件重要？

硬件重要？

虽然现在“软件定义汽车”的呼声越来越高，但只要仔细观察一下车企的动态就能发现，它们在硬件方面的投入和升级从来没有停止过。

比如车载摄像头，早年的摄像头像素非常低可能也就在一百万上下，但再看现在将辅助驾驶作为主要卖点的车型，前置车载摄像头基本都是800万像素起步，侧视和后视摄像头最少也得两三百万像素。这个道理很简单，摄像头的像素越高，那么相同距离下它看得就越清楚，能看到物体的极限距离就越远。

再比如现在被炒得非常火热的激光雷达，在上海车展的现场就能发现像沃尔沃、奇瑞、比亚迪等等品牌都已经推出或者规划了搭载激光雷达的车型，其他几乎所有在自动驾驶领域或者想要在自动驾驶领域做出成绩的车企基本都是清一色的激光雷达。

当然，这个市场上还有一个特斯拉存在，纯视觉算法不是不可行，但这条路线天生就是有局限性的。比如视觉感知是一种被动感知方法，它非常容易被欺骗；单目摄像头天生不擅长测距和测速；当前的AI没有泛化能力，没有在训练中出行的物体基本识别不了，但激光雷达是一种主动感知传感器，遇到没见过的东西，它也知道是一个不明身份的障碍物，不会直接撞上去，可以和视觉感知进行互补。

还有芯片，为什么现在的主流车企都在强调芯片的算力，包括特斯拉，就是因为传感器变多了，视野范围内的目标也越多，感知算法和预测算法需要的算力就越高，所以需要不断迭代高算力的芯片的支撑。

所以我们可以理解为，只有在车辆上搭载的雷达与摄像头够先进、够全面，芯片够强大，才能在自动驾驶领域取得更优秀的成绩，让用户有更优质的驾驶体验。

软件重要？

汽车上的雷达、摄像头就像人的眼睛一样，能看到周围的物体，但眼睛并不能区分这些东西，它需要大脑对这些数据进行处理，识别它们。比如毫米波雷达不能识别静止物体的情况，就是感知算法不够先进导致的。从产品的基本属性来说，毫米波雷达因为是基于电磁波传感器原理（发射电磁波-反射电磁波-接收电磁波），它是能识别静态物体的。

为什么又会出现不能识别的情况？是因为在实际工作中，毫米波对于目标类别无法准确识别，它会过滤掉一些静止目标点，比如去除大量路沿点、井盖等静止物，而传统的检测算法需要人工设计特征，这就给研究者增加了极大的计算量，所以无法识别的情况也不少见。

再比如AEB功能最入门的模式就是毫米波雷达模式，使用毫米波雷达的工作上限一般在30km/h。要解决这一问题，就需要通过SAR算法提升识别能力，它是一种深度学习技术，能对物体进行检测、判别以及分类，识别能力很好。当然，这里面还有很多细节需要工程师不断补充，想要提高模型的泛化能力（机器学习算法对新鲜样本的适应能力），需要通过数据增强、扩充训练集等方法，而这些都属于“算法”的范畴。

同样以特斯拉举例，它力图通过摄像头来代替所有的雷达，而在这种感知技术有一定差距的情况下，就更需要软件和算法的强大了。至少从特斯拉目前的表现来看，效果也还不错。

所以，要想自动驾驶能力突出，思路是基于深度学习算法，通过海量的数据训练进行学习和优化，也就是软件需要强大。

软硬件缺一不可

其实以上将软、硬件对立的情况是完全不合理的，因为无论是哪一家车企或者供应商，即便是非常极端的特斯拉都不可能抛弃一方只谈另一方。

自动驾驶汽车的本质属性仍然是车。自动驾驶技术终究需要车作为载体，同时出行服务也需要落实到车这个终端上。

其次，随着行业的进步，也逐步认识到自动驾驶是一个软硬件强耦合的系统工程，所以说车辆硬件和软件算法是鱼和水的共生关系。

但在可见的未来里，软件在智能驾驶中的地位变得越来越重要，所以这也就要求了车商必须与硬件同时开发，而不是在孤立的业务单元中开发。

因为硬件系统的设计要考虑各种情况，而软件设计中也要考虑各种BUG，对于自动驾驶来说两个都是系统级的大工程，谁离开了谁都没有办法活。

写在最后：

随着汽车“新四化”的不断发展，自动驾驶离不开软件硬件两者的支持。自动驾驶的关键不能单一说哪个更重要，而是“软件定义汽车，硬件支撑软件。”，两者都是相同的重要。我们相信技术改变世界，相信自动驾驶终究成为汽车发展的必然，所以争论和碰撞是必要的，同时结果也一定是圆满的。