自動駕駛無疑是汽車行業(yè)為用戶描畫的一張“大餅”，能夠手離方向盤，將開車這種枯燥乏味且極具風(fēng)險(xiǎn)的“力氣活兒”變成一種享受，太有誘惑力了。

　　但現(xiàn)實(shí)是，吆喝了很多年，我們似乎離真正的自動駕駛還有相當(dāng)?shù)木嚯x。如果你找個(gè)業(yè)內(nèi)人士聊聊，他可能會列舉出從技術(shù)到安全，從商業(yè)模式到法律法規(guī)等一系列苦衷，借此來向你說明自動駕駛的“路漫漫其修遠(yuǎn)兮”。但是理由再多，趨勢在那兒，面對這個(gè)人人都在為之而奮斗的終極目標(biāo)，恐怕是有條件要上，沒有條件創(chuàng)造條件也要上。但是這條路究竟應(yīng)該如何走，如何走得更順，就需要一個(gè)合理的規(guī)劃了。

　　其實(shí)從技術(shù)上來講，實(shí)現(xiàn)自動駕駛一直面臨著一個(gè)擴(kuò)展性的問題，因?yàn)樽詣玉{駛的終極目標(biāo)是根據(jù)分級、分階段實(shí)現(xiàn)的，而不是一步到位，因此在這個(gè)漫長的過程中如何打造一個(gè)可擴(kuò)展的技術(shù)架構(gòu)去應(yīng)對所有自動駕駛級別在算力、安全性等方面的要求，就成了一個(gè)十分重要的命題。而且這樣的可擴(kuò)展的架構(gòu)，對于在這個(gè)過程中形成高中低端的差異化產(chǎn)品，適應(yīng)不同用戶市場的需要，及時(shí)將技術(shù)投入變現(xiàn)，也大有裨益。

　　自動駕駛的分級

　　為了完美地解答這個(gè)問題，我們還是要先回到自動駕駛的分級上。按照美國汽車工程師學(xué)會SAE給出的定義，自動駕駛從L1到L5分為五級，分別對應(yīng)著駕駛支持、部分自動化、有條件自動化、高度自動化和完全自動化。

　　自動駕駛的分級說明

　　從圖中不難看出，各個(gè)級別之間的差異是根據(jù)駕駛控制權(quán)的歸屬來界定的，自動駕駛級別越低，駕駛員對車輛的控制權(quán)就越強(qiáng)。比如在L1中，包括自動巡航、自動制動和車道保持等幾個(gè)內(nèi)容，它們實(shí)際上只允許車輛在一個(gè)方向上做加速或減速的自動控制，而不包括轉(zhuǎn)向的操作，駕駛員仍然對車輛具有絕對的控制權(quán)，必須通過親自觀察環(huán)境做出正確的判斷和決策；而到了L5，車輛則處于無需駕駛員干預(yù)的完全自動化狀態(tài)，在大多數(shù)情況下駕駛員甚至對車輛的駕駛沒有“發(fā)言權(quán)”。

　　從這個(gè)分級規(guī)則中我們也可以看出，在L3到L4之間，其實(shí)存在一個(gè)很高的“臺階”。如果說，從L1到L3的自動駕駛系統(tǒng)還是一個(gè)駕駛員導(dǎo)向的產(chǎn)品，核心要義還是由人去操控汽車，那么到了L4和L5，汽車基本上就等同于一個(gè)機(jī)器人了，在大多數(shù)情況下是處于與“人”切斷聯(lián)系的狀態(tài)，自主運(yùn)行。也可以說從L1至L3，產(chǎn)品廣告詞吹得再玄妙，也還是ADAS，只有到了L4和L5，才是真正進(jìn)入了的自動駕駛的境界。

　　從L1到L5的這種跨度，反觀上文中所提到的技術(shù)架構(gòu)的可擴(kuò)展性，就顯得更具挑戰(zhàn)性了。

　　可擴(kuò)展的技術(shù)架構(gòu)

　　想要解決這個(gè)問題，首先需要在深入理解的基礎(chǔ)上對其進(jìn)行簡化。目前業(yè)內(nèi)一種比較主流的認(rèn)知是，可以將自動駕駛決策（THINK）分為兩個(gè)部分（域）：一個(gè)是感知和建模（Perception and Modeling），一個(gè)是安全計(jì)算（Safe Computing）。

　　具體來講，感知和建模是對來自車輛傳感器的數(shù)據(jù)進(jìn)行特征提取、分類、識別、跟蹤等處理，得出目標(biāo)是什么、目標(biāo)的XYZ坐標(biāo)位置，以及目標(biāo)移動的速度和角度等信息，并輸出一個(gè)網(wǎng)格圖。而感知和建模域的輸出，則可作為安全計(jì)算域的輸入，安全計(jì)算要做的就是將目標(biāo)的網(wǎng)格圖與環(huán)境信息融合，進(jìn)行最佳路線的規(guī)劃，并動態(tài)預(yù)測未來幾秒內(nèi)可能的變化，其計(jì)算結(jié)果輸出為車輛加減速和轉(zhuǎn)向兩種控制信號，這樣的計(jì)算處理過程反復(fù)進(jìn)行，就可形成連貫的自動駕駛行為。

　　由于感知和建模、安全計(jì)算這兩個(gè)域的功能不同，具體的技術(shù)訴求也是不同的，這主要反映在功能安全性和計(jì)算效率上。

　　對于感知和建模來說，由于前端輸入來自多個(gè)傳該器——包括攝像頭、毫米波雷達(dá)和激光雷達(dá)三種類型——為了適應(yīng)復(fù)雜應(yīng)用場景，至少需要兩種傳感器去滿足全面、準(zhǔn)確的數(shù)據(jù)獲取要求，這種傳感器的多樣性和冗余性，使得單一傳感器的感知和建模系統(tǒng)只需滿足ASIL-B的功能安全要求，即可在整體上達(dá)到ASIL-D的功能安全水平。而在算力上，定點(diǎn)計(jì)算即可滿足大多數(shù)感知和建模數(shù)據(jù)處理的要求。

　　而安全計(jì)算則很不一樣，由于經(jīng)過傳感器融合之后，沒有了數(shù)據(jù)的多樣性和冗余性，因此安全計(jì)算處理器必須要達(dá)到ASIL-D的功能安全要求。同時(shí)由于計(jì)算復(fù)雜性要高，必須同時(shí)使用定點(diǎn)運(yùn)算和浮點(diǎn)運(yùn)算——浮點(diǎn)運(yùn)算主要是進(jìn)行向量和線性代數(shù)加速——而且從安全性的角度，神經(jīng)網(wǎng)絡(luò)因?yàn)椴荒芑厮荻鵁o法勝任，因?yàn)楸仨毷褂么_定性的算法，這些計(jì)算效率上的要求，都需要與其相適應(yīng)的計(jì)算架構(gòu)的支持。

　　試想一下，如果用單一的計(jì)算架構(gòu)去同時(shí)完成感知和建模、安全計(jì)算兩個(gè)任務(wù)，顯然是不經(jīng)濟(jì)的，而且喪失了靈活性。比如，當(dāng)你希望擴(kuò)展傳感器的數(shù)量或類型時(shí)，就不得不對整個(gè)處理器結(jié)構(gòu)進(jìn)行替換。所以一種可擴(kuò)展架構(gòu)的思路就是，分別為兩個(gè)域設(shè)計(jì)不同的處理器芯片與之相對應(yīng)，這樣后續(xù)的系統(tǒng)擴(kuò)展升級也會更容易。

　　這樣一來，一個(gè)架構(gòu)就可以滿足從L1到L5所有自動駕駛級別的技術(shù)要求，開發(fā)者不論是做面向未來的技術(shù)探索，還是做針對當(dāng)下市場需求的產(chǎn)品研發(fā)，都可以進(jìn)退有據(jù)，游刃有余。有了這樣的認(rèn)識和技術(shù)支撐，在通往自動駕駛的臺階上，前行的步伐也會更篤定。