调查显示，全球每天有3万余人死于交通事故，而其中高达90%的交通事故是由驾驶员失误造成的。自动驾驶技术作为汽车发展的一大趋势，介入到交通系统中，驾驶员可能出现的失误将被避免，将大大减少交通事故的发生。

如今的车辆中搭载了敏锐的传感器如雷达、激光雷达、摄像头等等，它们的感知范围更广，决策速度也比人类驾驶员要快上许多倍。其次，这些“毫无感情”的机器不会带有情绪化，精力时刻充沛，不会存在人类驾驶员因为疲劳、慌张等状态造成的事故。

不过，自动驾驶汽车的安全保障，高度取决于车辆能否实时地、准确地感知所处环境中的各种动、静态信息，并基于这些信息作出正确的决策及予以执行。在日前举行的“第九届EEVIA年度中国电子ICT媒体论坛”上，ADI、英飞凌、艾迈斯欧司朗、NI等半导体厂商探讨了在汽车领域尤其是自动驾驶技术上需要直面的挑战以及相关解决方案。

英飞凌：第三代半导体在汽车领域逐渐上量

英飞凌专注汽车电子、工业功率控制、电源与传感系统和安全互联系统四大领域，其中汽车电子是最大的事业部，Strategy Analytics的数据显示，英飞凌以13.4%的市场份额位列2019年汽车半导体市场第一。

英飞凌电源与传感系统事业部市场总监程文涛指出，英飞凌的产品所涉及的门类非常广泛，比如英飞凌的MCU主要用在汽车上，现在市面上的大部分汽车里面的中控，主要的MCU供应商就是英飞凌。

本次研讨会上，程文涛围绕第三代半导体技术发展做了重点讲解，第三代半导体代表性的材料就是碳化硅和氮化镓这两种材料，实际上，早在十年前，我们就已经开始用第三代半导体了，当时国内的基站射频功放基本上就在使用氮化镓。现在的手机基本上也已经在跟第三代半导体打交道了。

“2018年，特斯拉发布Model 3车型的时候，开始在汽车上使用碳化硅作为逆变器器件，这是引爆第三代半导体大规模应用的其中一个事件。” 程文涛说道，如今的硅基半导体在架构、可靠性、性能提升方面，已逐渐接近物理极限，相比之下，第三代半导体既能用较少的器件做到效率更高、体积更小，可谓一举两得。目前，第三代半导体已经在新能源汽车、5G基站、光伏等领域应用，2020年的我国第三代半导体产业电力电子和射频电子总产值超过100 亿元，同比增长69.5%。

程文涛同时指出，第三代半导体目前面临着商业化上的瓶颈，即成本很高。“硅基半导体目前从性价比角度来看，依然是在非常宽的应用范围之内的不二之选。第三代半导体以目前的工艺，成本还是远高于硅基半导体。”

在汽车领域，碳化硅还会逐渐放量上涨，且第三代半导体要迅速增长，除了价格以外，还需要达到高可靠性。

艾迈斯欧司朗：先进光学赋能自动驾驶

去年，艾迈斯半导体以全现金的形式完成了对欧司朗的收购，今年3月，艾迈斯欧司朗正式整合完毕。艾迈斯欧司朗市场与业务发展总监金安敏表示，传感、光源、可视化是目前光学领域对半导体需求比较大的三方面。

在核心技术方面，光学系统的核心来自四个方面：发射器、光学元器件+微型模组、探测器、集成电路+算法。这四大技术支柱能够支撑大量应用，以实现光学的传感、光源、可视化三大功能。

智能驾驶是近期的热门话题，原来很多消费电子企业都入局汽车领域，反过来说，汽车方面尤其是智能化方面的挑战也不少，对企业的技术方案和核心技术研发都提出了高要求。

汽车领域是艾迈斯欧司朗重点布局的领域，随着汽车变得越来越智能化、数字化，催生大量光学技术可嵌入的应用场景，比如外饰照明，未来大灯不仅仅是照明的作用，很可能像投影仪一样，整个大灯会变得非常智能化和数字化；再比如内饰照明会和内饰控制、传感结合起来，实现车舱内的控制，多样化座舱的功能实现；在自动驾驶方面，要实现L4、L5级的自动驾驶，势必要用到激光雷达、毫米波雷达和车载摄像头的结合。

从硬件上看，毫米波雷达和车载摄像头已经普遍安装在绝大部分新车上了，“最后没有啃下的一块骨头，其实就是激光雷达。” 金安敏表示，“激光雷达至今没有做到成本足够低，但是我们看到，接下来3-5年，可能是真正的激光雷达开始进入车载的爆发期。”

激光雷达有短距、中距、长距三种不同情况的需求，其光源主要有边发射激光器（EEL），这原是欧司朗的强项，广泛应用于各种激光雷达中。且逐步发展起来的纯固态激光雷达、泛光式激光雷达，所用到的VCSEL技术中，原来艾迈斯半导体拥有全球最大功率VCSEL。“艾迈斯欧司朗在上述两方面的领先技术能够帮助激光雷达厂家实现激光雷达快速上车，因为这两个技术都已经过车规认证。”

金安敏认为，从长期来看，激光雷达的成本下降是可期的，本质上激光雷达是半导体器件，随着逐步商量可以大幅下降成本，推动激光雷达大量上车，同时使得成本能够让消费者接受。

“现在国内主机厂在激光雷达的计划上面非常激进，尤其‘造车新势力’提出来要把激光雷达做成标配，在他们带动的影响下，传统车厂也积极跟进。整个国内主机厂对于激光雷达的带动力量是比较大的，能够非常好地带动整个成本的下降。预计在未来3-5年内，激光雷达可以实现规模化应用。”

NI：自动驾驶场景测试很重要

自动驾驶汽车的安全优势非常关键，有可能从碰撞方程中消除认为错误，这有助于保护司机和乘客以及骑行者和行人。我们有理由相信自动驾驶系统（ADS）高级辅助驾驶系统（ADAS）比人类司机更安全，也有充分的理由质疑其不会像人类司机一样安全。

随着自动驾驶等级的提高，面向传统汽车的测试工具与测试方法已不能满足自动驾驶汽车测试的需要。基于场景的虚拟测试方法在测试效率、测试成本等方面具有巨大的技术优势，是自动驾驶汽车测试验证的重要手段，已成为当前的热点。

NI资深汽车行业客户经理郭堉指出，自动驾驶正向四大趋势发展，首先，电子电气结构从原来的传感器都有ECU，到后续用中央域控制器进行处理，会带来很多新挑战；其次，目前的法规还不是特别完善，不断完善的法规会带来许多新的测试需求和挑战；第三，软件定义汽车的发展，凸显了软件的投入和软件的测试重要性；最后，AI和深度学习，使得部署在ADAS里的算法能够通过真实的道路场景不断优化ADAS算法，从而更好地识别目标物以提升车辆安全性。

郭堉表示：“由此带来的测试挑战就包括了测试的复杂度日益增加，自动化测试的硬件和软件，需要有不断的迭代和更新，包括提供完整的工具链，帮助工程师最大化工作效率，不需要一直学习新的工具。”其次，测试开发流程和周期非常紧迫，需要非常快速的可以做验证的平台，最大化测试的效率。还需要更多的仿真，郭堉解释，目前消费者对自动驾驶安全性还存有很大的疑虑，由此需要很多真实的场景不断地训练算法。“如果部署很多车队去跑真实的道路，要花费的成本和时间无法想象，而构建一个非常高保真度的软件测试环境，去训练AI算法，能够帮助我们识别目标物，从而达到避障和主动驾驶的功能。”

汽车的复杂度在增加，价格一直在下降，这就需要采用新的测试方法，改变整个测试思路，不同于传统汽车的测试，“我们对于ADAS全新的技术框架，需要找到一个新的测试方法。”

为了基于高保真模型场景得到可靠验证数据，郭堉指出，利用数据孪生技术，将重构的数据通过软件重构为一个虚拟的场景，可靠性是比较高的。另外，把这些数据进行数据管理再测试，最后与高保真场景一起进行硬件在环仿真。

“利用平台化的测试方案应对无限的自动化驾驶场景，” 郭堉列举四种典型的道路场景：一个是纯仿真的实验；第二是通过录制下来的数据进行回放，进行开环的回放；第三是硬件在环的方针；第四是道路测试，把所有传感器数据无损录制下来。”

ADI：汽车电子中的无线设计

ADI中国区工业市场总监蔡振宇指出，工业互联网的重要之处在于拿到数据、拿到连接、万物连接，把工业的数据传往云端。除了有线连接，未来还将向无线连接的方式发展。无线连接的方式无论从连接的方式还是能力来说，更容易被接受。然而目前无线网络面临功耗和可靠性的问题，一旦数据错误，那么在控制端就是灾难性的问题。“所以我们看到，工业连接核心的控制信号，基本上都是有线，无线都是用于传数据。”

不仅在工业领域，在汽车领域也是一样，ADI 在2020年推出了业内首款无线BMS，为电池提供了可供追溯的身份证，使得电池从生产阶段到退役回收的全生命周期健康管理得以实现。

从细节上看，ADI公司的无线BMS免去了使用传统线束的必要，节省了高达90%的线束和高达15%的电池组体积，提高了设计灵活性和可制造性，同时不会影响电池使用寿命内的里程数和精度。

同时，通过提高车辆使用寿命期间的精度，无线BMS系统可最大化单个电芯的能量利用率，从而实现优异的车辆续航里程，并支持安全且可持续的无钴电池化学材料，如磷酸铁锂（LFP）。

Arm：打造车用中央化架构的计算平台

Arm处理器在不同的环节会有不同的计算形态和不同的芯片架构，每个环节对于算力的要求也不尽相同。从IoT到手机到家庭到服务器到汽车以及网络，基于Arm的芯片融入各行各业提供着服务。

虽然摩尔定律减缓，但是大家对于性能、功耗的需求没有发生变化，Arm在CPU设计性能提升的同时，希望在系统设计，即除了CPU之外配合IP、GPU、总线等打造全面计算。

全面计算关键一处在于IP的协同，Arm的Mali能够满足技术性能需求，带来光线追踪的技术，以及可变速率的技术，还有其它的高级渲染技术。

针对当下热门的汽车领域，Arm的Mali也会由移动端或者消费端进入汽车领域。移动和汽车对GPU的技术需求会有些什么区别呢？安谋科技高级FAE经理邹伟认为，最主要的体现在两点：一是功能安全，另外是虚拟化，汽车上的多屏幕应用趋势，对虚拟化有技术需求。

Arm的IP广泛应用于智能网联汽车里的不同应用，比如IVI仪表、信息娱乐系统，还有ADAS、 传感器和底盘等。对于IVI和ADAS，目前在这块应用的SOC超过60%都是基于Arm技术的。

Arm认为，未来汽车会往中央化架构发展，中央化架构里面会有车载高性能计算机，然而目前还没有真正量产且特别适合中央化架构的计算平台，Arm正为此努力。

总结：

从自动驾驶的技术研发到真正上市应用，是一个极其复杂的过程，其中面临诸多挑战，同时也是机遇所在。汽车领域的每一家企业在不同的应用场景上，无论是硬件、软件、算法还是测试，都有自己专注的核心技术与产品。

在这个过程中，曾经的竞争者走到了一起，整个供应商的关系也在重组，技术上开放、商业上不排他，将成为自动驾驶激烈的竞争态势下的主流选择。因为造车不像以前那么难，但不代表每家企业做都能成功，所以一旦在汽车领域取得成功，等同于建立起坚固的堡垒，面对愈加跨界融合的各项汽车技术，企业间采取合作的方式随之成为主流。