作者：Mark
出品：红色星际--自动驾驶领域深度报道
本文来自美国国际贸易委员会对美国自动驾驶行业的分析，主要介绍了美国自动驾驶的现状，自动驾驶汽车的组成部件公司以及美国公司在该领域的参与情况。
美国自动驾驶介绍
在美国许多城市，包括旧金山，拉斯维加斯，菲尼克斯和匹兹堡等都在进行自动化驾驶测试，车辆制造商，零件供应商，硬件公司，软件公司和半导体公司都参与了自动驾驶汽车的开发，他们已在驾驶自动化方面投入了数十亿美元，这些公司正努力在全球范围内开发自动驾驶。
面对几百家的参与者，合并收购和合资在自动驾驶领域发挥了重要作用。最典型的例子是通用汽车年收购了Cruise，现在成为其自动驾驶开发部门；英特尔收购了视觉技术公司Mobileye，准备与其芯片一起使用，为自动驾驶时代做准备。
很多初创公司致力于为自动驾驶开发提供不同的软件服务，包括实际决策软件，用于实时更新的地图软件以及用于训练自动驾驶人工智能的仿真软件，例如Velodyne专注于激光雷达和视觉系统，Carmera专注于高精地图领域。
自动驾驶的三个主要组件是传感器，半导体和软件。传感器（包括高清摄像头，光检测和测距（LiDAR）和雷达）一起使用并高度融合，可以帮助车辆检测不同距离，不同天气和光照条件下的道路状况。
半导体有助于处理传感器收集的数据，以便做出实时驾驶决策。机器学习和地图绘制软件改善了车辆操作和决策能力。目前包括车辆制造商，零件供应商和技术公司在内的美国公司正在自动驾驶的各个细分领域展开竞争。
自动驾驶定义
目前汽车工程师协会（SAE）定义了6级驾驶自动化，范围从0级手动到5级完全自动化，随着数字的增大，自动驾驶的程度也在不断提高。这种定义已被世界大多数国家认同。
在驾驶自动化L1和L2级别中，车辆具有辅助功能，例如车道居中或自适应巡航控制，比如特斯拉ModelS，其Autopilot主要用于高速公路驾驶，但是特斯拉ModelS并不是真正意义上的自动驾驶汽车（低于3级别）。
从L3级开始，驾驶员可以脱离汽车，但听到提示后需要重新接管驾驶。L4级在有限的条件下（例如在限定的区域内或某种类型的道路上）具有全自动驾驶，而L5级则在所有条件下都具有全自动驾驶。目前进行的大部分测试是L4级，测试重点放在特定区域的无人出租车上，而L5级别目前所有公司都没有开始涉及。
美国自动驾驶零部件公司分析
为了使自动驾驶汽车安全行驶，它需要各种不同的传感器以及硬件和软件，每一个部分对于实现车辆的完全自动驾驶都是很重要的。自动化程度更高的车辆往往需要更多的传感器，更好的芯片和更优的软件。
大多数自动驾驶汽车至少使用三种不同类型的传感器来感知环境，例如LiDAR，雷达和照相机，这三种类型的传感器相互之间通常有很大的冗余空间。
例如通用汽车自动驾驶在测量移动物体的速度时同时使用雷达和LiDAR，对物体进行分类和跟踪时同时使用LiDAR和相机。自动驾驶使用这些传感器来确保在各种天气，距离和照明情况下都能获得清晰的“汽车视觉”。
自动驾驶零部件公司-车载摄像机
L1和L2级自动驾驶车辆将摄像机用于车道检测和其他高级驾驶员辅助任务，但级别三级或更高级别的自动驾驶汽车将使用摄像机进行物体和交通标志识别。
用于自动驾驶的L3至L5级摄像机的成本和目前一级和二级的成本相近，目前主要的相机生产商包括主要的汽车供应商，例如德国大陆集团，日本电装公司和加拿大麦格纳公司，以及专业供应商以色列Mobileye公司。
自动驾驶汽车通常使用一组摄像头。Waymo使用几套高分辨率摄像头提供了度的车辆视野，该摄像头在长距离强光和弱光条件下工作都很良好。通用汽车使用16个摄像头来检测和跟踪行人/骑自行车的人，交通信号灯和自由空间。Uber在其传感器吊舱上安装了一个摄像头系统，以实现度覆盖范围。
AutoX在其顶部的传感器吊舱上安装了六个摄像头，并在后视镜上安装了两个附加摄像头。AutoX车辆使用摄像头来进行地图绘制，车道检测，交通信号灯和标志识别以及其他任务。福特的自动驾驶使用顶部安装的摄像头和后向摄像头来观测环境。奔驰DrivePilot使用两个摄像头，一台前置摄像头和一台背面以及“环视系统”。
车载相机是最大的市场传感器，估计全球汽车摄像机市场的规模在未来达到亿美元。其中大部分市场是备用摄像机，这是许多国家（包括美国）新车的标准配置。
目前德国采埃孚和加拿大麦格纳两家公司在美国生产汽车相机。采埃孚在伊利诺伊州马歇尔的工厂生产相机并将其与其他技术结合以用于ADAS。
自动驾驶零部件公司-雷达
汽车雷达是汽车传感器领域的第二大部分。在L1和L2级中主要用作高级驾驶员辅助系统，例如自适应巡航控制和盲点检测，主要生产厂家包括德国大陆集团，德国博世和电装公司在内的传统汽车零部件供应商等。
自动驾驶汽车中的雷达数量差异很大，其数量多于LiDAR，但少于摄像头。Waymo使用度雷达系统跟踪车辆周围道路使用者的速度；通用汽车使用三种类型的雷达（总共21颗雷达），它的雷达是激光雷达的补充，因为它可以检测低光反射率的物体。
UberATG有八个雷达，两个在大灯前面，四个在侧面的拐角处以及两个在后保险杠附近；AutoX使用六个雷达来检测物体的位置和速度；福特使用四个雷达，分别位于前后和侧面；奔驰DrivePilot使用前置远程雷达以及前后多模雷达。
目前至少有两家公司在美国生产雷达或雷达组件，大陆集团在得克萨斯州塞金的短程装置的生产能力为万台，电装（日本）在田纳西州的玛丽维尔生产雷达部件，法雷奥（法国）在新罕布什尔州的哈德逊市设有雷达系统研发中心。
由于轻型汽车安全功能的使用增加，汽车雷达市场在新车中已显着增长。年汽车雷达的全球市场为30亿美元，欧洲是最大的汽车雷达市场。LiDAR在年的全球市场为3.53亿美元。尽管年汽车市场几乎没有LiDAR，但高盛研究预测到年，它可能是最大的传感器领域。
自动驾驶零部件公司-激光雷达
LiDAR是汽车传感器市场中最小的部分，但自动驾驶公司已经进行了巨额投资，因为很多自动驾驶汽车开发商认为它是汽车视觉的关键组成部分。LiDAR是一种基于雷达原理的检测系统，车辆LiDAR最常见的工作方式是，激光向各个方向发射然后反弹回来，向车辆提供其周围环境的图像。
用于自动驾驶汽车的LiDAR仍处于开发阶段，单位成本相当高，但已从年代初的近8万美元下降至年的美元，现在降至年的美元。
LiDAR与其他传感器一起使用，可以识别短距离和远距离的物体。与摄像头和雷达不同，LiDAR主要用于三级和四级自动驾驶车辆。由于成本高昂，目前正在测试的许多自动驾驶汽车一般使用一个顶部安装的LiDAR。
但通用汽车的Cruise却使用5个LiDAR来检测固定和移动的物体，Waymo使用内部开发的三种类型的LiDAR工作，包括短距离LiDAR，高分辨率雷达和可以看到近米远的加长雷达。
目前至少有两家美国公司在生产LiDAR，包括Velodyne和Luminar。但是目前都没有大规模生产：Luminar的工厂具有颗的生产能力，而Velodyne也与Veoneer签订了合同生产汽车级LiDAR，据报道Velodyne的前向雷达将于用于量产车辆。
激光雷达作为自动驾驶汽车的核心部件，自己开发或者合并收购成为行业参与者的必经之路。通用汽车于年收购了总部位于加州的LiDAR初创公司Strobe，该公司声称已找到一种将LiDAR成本降低99％的方法。年5月，AuroraInnovation（一家美国自动驾驶初创公司）收购了美国激光雷达公司Blackmore。
美国自动驾驶半导体分析
自动驾驶汽车依靠半导体来实现所有电子功能，汽车半导体分为五大类：模拟，光电，分立器件，逻辑和存储器。在半导体的汽车最终用途市场中有多个子市场，包括:
自动驾驶辅助系统（ADAS）和自动驾驶（例如，收集和解释信息，车辆的电子控制）
控制，监控和安全（例如，动力转向）
动力总成（例如电子汽车的电池和电动机系统，变速器）
视觉（例如辅助停车的摄像机）
信息娱乐（例如，广播和娱乐系统，集成的蜂窝连接）
车身（例如，胎压监测器，无线激活的门锁）
汽车越来越多地配备与车载导航系统，信息娱乐系统，ADAS和其他安全功能相关的半导体。随着自动化水平的提高，行业预测每辆汽车的平均半导体价值可能会从美元（第2级）提高到每辆车美元（第3级）至美元（第4级和第5级）以及总共个半导体零部件。
半导体的传统市场是消费电子，通信和计算机，在年占半导体产值的75%。然而汽车半导体未来将是增长最快的市场，汽车行业预计自动驾驶，互联汽车和电动汽车在未来将加速半导体消费量增长。
不断增长的汽车半导体消费是一个重要的市场，许多公司正在积极投资以服务于该市场。但是与其他半导体最终用途市场相比，汽车行业的设计时间长，产品寿命周期长，并且对法规和安全性的要求也很高。
因此汽车公司对零部件的性能期望更高，对供应商的鉴定时间更长。由于鉴定时间长和期望的高质量，汽车芯片比标准的消费电子芯片更具有长期绑定性。
美国自动驾驶半导体公司分析
自德州仪器（TI）在年开发出第一条集成电路以来，美国公司一直领导着半导体行业。年排名前15位的半导体公司中有7家总部位于美国。目前美国从事自动驾驶汽车半导体细分市场的领先公司是英特尔，英伟达和特斯拉。
英特尔
英特尔主要投资于ADAS和安全系统的开发。在年以亿美元收购以色列先进驾驶辅助系统（ADAS）初创公司Mobileye之后，英特尔已成为开发计算机视觉，机器学习以及ADAS系统和自动驾驶地图领域的先导部队。它还与菲亚特克莱斯勒汽车公司，BWW和Waymo建立了合作关系。英特尔生产的其他几种半导体产品也用于图像识别和自然语言处理，这两种产品都用于自动驾驶汽车系统。
英伟达
英伟达积极参与自动驾驶汽车市场，为开发环境（训练人工智能芯片和虚拟现实驾驶模拟）和测试车辆提供产品。在培训机器学习算法（例如神经网络）以进行自动驾驶任务（例如感知和本地化）时，Nvidia的Tesla图形处理单元（GPU）被广泛认为是行业的金标准。
Nvidia还推出了NvidiaDrive技术，这是一个统一的人工智能计算体系结构，可训练深度神经网络，然后在车辆中运行它们，并与来自多个摄像头和传感器的输入进行集成。英伟达声称与家汽车制造商，一级供应商，汽车研究机构和高清制图公司建立了合作伙伴关系，并宣布与奥迪，丰田汽车，沃尔沃，大众，优步和奔驰达成与自动驾驶相关的合作伙伴关系。
特斯拉
特斯拉是一家开发自动驾驶芯片的汽车公司。全自动系统级无人驾驶芯片（FSD芯片）于年首次推出，由特斯拉设计用于其自己的车辆，目标是4级和5级自动驾驶。由三星在德克萨斯州奥斯汀的工厂生产，该芯片包含一个图形处理单元，两个神经处理单元，一个CPU和一个内存（SRAM），以及一个摄像头串行接口，视频编码器，图像信号处理器和安全系统。
最终每辆特斯拉汽车都将配备一台完整的自动驾驶计算机（FSD计算机），该计算机将由带有两个FSD芯片的印刷电路板组成。尽管两个FSD芯片封装在同一块电路板上，但出于安全目的，它们将彼此分开工作。车辆通电后，来自汽车的8个视觉摄像头和12个超声波传感器的信息输入，将分别但同时将诸如位置，速度，雷达，GPS和惯性测量之类的读数馈送到每个芯片。这两个芯片根据这些输入独立决定行动方案，并将其拟议计划发送到汽车的安全系统，以决定是否达成协议。一旦达成计划，便会确认命令，传感器会反馈信息以确认命令已执行计划。
塞灵思，AMD和高通
很多美国的半导体公司也宣布了针对自动驾驶汽车市场的投资，包括塞灵思，AMD和高通等。Xilinx是现场可编程门阵列（FPGA）芯片的领先供应商，最近宣布与德国采埃孚股份公司合作，成为传动系统和底盘技术的供应商，为采埃孚的汽车控制单元（ZFProAI）提供动力。目前，汽车系统中使用的Xilinx芯片超过1.6亿片，其中近一半用于驾驶员辅助应用。
年2月，高通推出了其第二代互联汽车参考平台（称为QCA芯片），该平台是其Snapdragon汽车平台的一部分，旨在结合汽车的多种技术（GPS，5G蜂窝连接，Wi-Fi6，蓝牙等）。据报道AMD提供了特斯拉在其FSD芯片开发中纳入的一些知识产权，并且有猜测称它将进入自主芯片市场。
美国自动驾驶软件公司分析：数据处理，机器学习和高精地图
自动驾驶汽车软件系统广义上来说是“物联网”（IoT）的一种，该系统由支持互联网的设备（例如传感器）组成，这些设备可将数据收集并传输到基于云的网络以进行汇总和分析。汽车物联网部门占年全球物联网市场总量的4.8％，市场总额为45亿美元。本小节介绍了自动驾驶汽车中使用的基础计算机系统和软件，特别是典型的自动驾驶数据处理系统，以及自动驾驶软件中机器学习和映射的应用。
数据处理软件
对于自动驾驶汽车来说，完全基于云的物联网系统并不是处理自动驾驶操作相关的数据的最有效方法。完全基于云的生态系统由于规模，云基础架构内系统的异构性以及高延迟（提出数据请求的时间点与提出数据的时间点之间的时间间隔）而常常无法根据路况做出快速响应。
自动驾驶汽车制造商对数据处理程序进行编程，包括机器学习算法，这些应用程序需要通过汽车中的中央计算机或通过汽车中的低延迟来实现对自动驾驶汽车的处理。这种组合的方法允许车辆在车辆级别上最小化应用程序的请求响应时间，同时还可以在需要时提供与集中式云资源的连接。
自动驾驶汽车的操作特点是两种数据处理类型，包括本地（车辆内）处理和基于云的网络处理。
在汽车行驶时它会捕获有关周围环境的数据，并根据该数据立即做出决定（例如在停车标志处停车）。此类数据处理需要快速的响应时间，包括高于2.5mbps（兆位/秒）的下载速度，高于1mbps的上传速度和小于毫秒（ms）的延迟。
年美国平均下载速度最为72mbps，宽带的中值延迟范围为12毫秒至37毫秒。尽管从理论上讲，这些速度足以支持基于云的数据处理，但速度会因位置，互联网总流量和宽带提供商的类型而变化，这意味着自动驾驶汽车可能无法始终如一地访问运行所需的基于云的基础架构。
关于本地处理，有多种方法可将所需的车载处理传感器嵌入到自动驾驶汽车中。例如，NVIDIA的DRIVEAGX平台是专门为自动驾驶而设计的，方法是将计算机的所有组件配置到单个集成电路（片上系统）上。在DRIVE系统上，该芯片整合了冗余AI算法，传感器处理，映射和驱动，同时相对于传统的多芯片电路，还降低了能耗和处理器尺寸。NVIDIA的硬件和软件是奔驰，沃尔沃，以及特斯拉自动驾驶开发的一部分。
激光雷达公司AEye也开发了一种集中式车载处理的替代方法，该方法将软件直接嵌入其激光雷达设备中，而不是通过激光雷达传输；同样德国公司博世也开发了一种具有一定人工智能功能的摄像头，即使没有车道标记，该摄像头也能够确定道路边缘是否可以通行。
同时可以将有关单个车辆在道路上的性能数据与来自整个车辆队列的数据进行汇总，将该数据从单个车辆传输到云数据中心并进行分析，以改善软件系统的操作和决策能力。例如，通用汽车的车辆从每个车辆的共享知识库中学习，并且在特定的地面条件（例如封路）上发送数据，以通知车队的其余部分。
云计算和云存储公司
为自动驾驶公司机器学习算法提供基础设施的云基础设施即服务（IaaS）提供商在年全球云计算收入中占了亿美元，IaaS领域几乎被美国提供商占领。云计算公司可以向自动驾驶开发人员出售数据存储和处理空间，例如Uber使用亚马逊的AWS和Google的云基础设施。
自动驾驶公司即使用各种开源工具，又在各种开源工具上进行协作，以构建进行机器学习的环境。例如，Uber的机器学习平台“Michelangelo”结合了用于大数据管理的开源Apache库和基于Python的机器学习框架TensorFlow，以及内部开发的组件。
自动驾驶市场中的公司还可以通过开放的合作伙伴关系进行协作平台。例如百度的Apollo架构提供了一个开放平台，用于测试自动驾驶汽车，并跨合作伙伴（包括汽车制造商，软件和硬件开发人员以及大学合作伙伴）汇总自动驾驶测试数据。同样，美国公司Waymo在年8月发布了高分辨率传感器数据。
机器学习和高精地图公司
自动驾驶汽车依靠机器学习开发的算法来做实时驾驶决策。机器学习专注于设计计算机算法，该算法可自动为新数据构建分析模型。机器学习具有多种应用，其中两个应用算法与自动驾驶特别相关：⑴解释非结构化数据，例如图像，视频和音频;⑵并通过分析来自传感器，照相机，GPS系统和地图的数据与物理环境进行交互。
为了使用机器学习来做出驾驶决策，大多数自动驾驶汽车都需要以周围的三维地图为基线，与来自传感器的数据进行比较，从而使汽车可以专注于驾驶环境中的异常情况，并做出正确的决策。
这些高精地图往往比卫星图像更详细，包含物理环境的特征，例如道路类型，路缘尺寸，自行车道和减速带。它们也可以加上注释，以包括相关的交通法规和指南，例如速度限制和交通信号。
但是高精地图也限制了自动驾驶车辆的可扩展性，目前自动驾驶汽车只能在原本经过的道路上行驶映射，这意味着没有高精地图的区域，自动驾驶汽车很难有效的做出决策。
机器学习面临很多安全方面的挑战，特别是在网络安全方面。将错误的信息输入到机器学习算法中，可能改变自动驾驶汽车的驾驶模式，并导致严重的后果。研究人员发现，通过修改停车标志，可以误导自动驾驶汽车在错误的道路上行驶。
美国自动驾驶公司收入分析
尽管存在这些挑战，但各个公司的财务报表仍可以帮助您了解自动驾驶软件的价值。进入自动驾驶汽车市场的汽车制造公司采用了不同的战略来开发自动驾驶软件，这使得将自动驾驶软件系统的价值与其公司的业务隔离开具有挑战性。
一些汽车制造商收购了软件开发公司。通用汽车以10亿美元的价格收购了自动驾驶软件开发公司（Cruise），现在成为其自动驾驶开发部门。而GMCruise在年的总收入估计为30万美元，目前其估值高达亿美元。
沃尔沃的软件开发合作伙伴英伟达在年的非硬件业务领域的收入约为20万美元。英伟达的汽车软件业务估值在亿美金左右。
福特汽车自动驾驶合作伙伴ArgoAI年的收入为30万美元，目前估值约为亿美元。
Waymo，Uber和Aptiv等一些软件开发公司独立开发自动驾驶汽车软件，然后将其技术嵌入到汽车制造商提供的汽车中。Waymo的总估计收入约为万美元，目前估值超过0亿美元。
而Aptiv在其“高级安全和用户体验”业务领域的总销售额约为万美元，目前估值为40亿美元。
还有一些公司专门致力于创建自动驾驶软件开发所需的详细地图。Carmera年估计收入为45万美元，DeepMap年估计收入为42万美元。
结论
本文概述了美国自动驾驶行业的现状，分析了驱动自动化市场的主要趋势，详细讨论了在自动驾驶汽车中使用量可能会增加的三个主要细分市场，即传感器，半导体和软件。
车辆制造商，零件供应商，硬件公司，软件公司和半导体公司都参与了自动驾驶汽车的开发，而美国公司则参与了自动驾驶行业中的每个子市场。未来合并收购和合资企业在自动驾驶行业中将发挥重大作用。
联系电话：