图像识别是怎么实现的 120图勾勒全球AI产业完整图谱，AI行业最为全面研报之一（(13)

公司从 2012 年开始研究深度神经网络（DNN，深度学习算法的一种）在汽车视觉 中的应用，2015 年 10 月量产的第三代芯片产品 EyeQ3 使用了 DNN 算法用来构建 环境模型，实现了目前业内最为精湛的 holistic path planning。

高通/NXP：高通宣布以 380 亿美金并购恩智浦（NXP）。2016 年发布 BlueBox 平台， 为 OEM 厂商提供设计、制造、销售 Level 4（SAE）自动驾驶汽车的解决方案计算平台。

英伟达：在图形处理上先发优势明显，是汽车厂商推进自动驾驶的技术伙伴，目前 已宣布与特斯拉、奥迪、丰田、沃尔沃、博世、ZF 等达成合作。公司推出了车用超 级计算机 Drive PX2，包含有 4 个处理器（2 个 GPU，2 个 Tegra）和 12 个 CPU，每 秒可进行 2,400 万次深度学习计算，以对来自不同传感器的信息作出实时反应。同 时，英伟达通过开放 PX 平台，与相关车厂或一级供应商合作开发快速和定制化的 SoC。

瑞萨电子（Renesas）2017 年 4 月发布了 Renesas Autonomy，一个全新设计的 ADAS 和自动驾驶开放平台。

意法半导体（STMicro）与 Mobileye 合作开发，两家公司最早在 2005 年就开始研 发 ADAS 芯片。2016 年 5 月 Mobileye 和意法半导体宣布将合作研发 Mobileye 第五 代系统芯片 EyeQ5，作为 2020 年实现全自动驾驶（FAD）汽车的中央处理器，并执 行传感器融合程序，预计在 2018 年上半年可提供 EyeQ5 的工程样品。

德州仪器（TI）的汽车片上系统（SoC）解决方案 TDA2x 提供了一个开放的平台， TDA2x 为前臵、泊车辅助、雷达及融合应用的入门级解决方案提供了一种可 实现高性能的架构。TDA3x 则主要用于帮助汽车制造商开发出更加尖端的应用，同 时减少交通事故并使初、中级汽车实现更自主的驾驶体验。

传感器：搭载数量上升，激光雷达加速发展，通过对最新发布的智能驾驶平台的分析，我们注意到两个明显趋势。

搭载数量上升：我们认为，要实现 L3/4 级别的自动驾驶，单车的数量将从 L1/2 级别的 2 颗增加到 10 颗。Tesla 新推出的 Auto Pilot 2 平台总共含有 8 个， 其中包括 1 个 3 目前视，3 个前环视，3 个后环视，1 个后视， 比 Auto Pilot 1 中 1 个单色前视数量大幅度增加。

激光雷达技术发展迅速：激光雷达能够发射激光束，并通过捕捉反射回来的信号绘制出 3D 模型。大多数切入自动驾驶的车企都选择搭载激光雷达，除了 Tesla 只依靠和 普通雷达。制约自动驾驶向 L3/4 挺进的主要原因在于搭载的电子元器件成本太高，激光 雷达目前的平均售价在 5,000 美金左右，因此如何快速的降低成本成为重中之重。 Velodyne 于近日推出了一款经济实惠的新型激光雷达，与传统的机械激光雷达不同，新 型传感器能使用电子束引导激光束转向。这款新产品具有体积小，性能稳定，价格便宜 等优势。

市场规模：2025 年达到 486 亿美元

自动驾驶硬件规模 2025 年可达 486 亿美元。Gartner 认为，现有汽车电子占全球半导 体市场仅为 10.0%左右，2017 年市场规模 2017 年将成长 6.2%达到 343 亿美元，2018 年增长 7.2%至 358 亿美元。我们通过对各等级的自动驾驶渗透率进行了测算，在 2025年自动驾驶传感器与计算芯片的规模可达 486 亿美元。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-67224-13.html