10月21日，特斯拉CEO埃隆 · 馬斯克（Elon Musk）發推特表示，特斯拉的全自動駕駛（Full Self-Driving，以下簡稱 FSD）beta 版軟體已向小部分客戶推送。而在早些時候的10月11日，百度也宣布旗下的無人駕駛計程車服務百度Apollo在北京正式開放運營。
10月以來，連續兩波關於自動駕駛技術的落地將人們對自動駕駛的熱情推向了一個高潮。而且今年對自動駕駛來說其實是一個比較重要的年份，因為如果從2010年穀歌自動駕駛項目上線開始算，今年剛好就是自動駕駛技術商業化的第十年。
十年走來，作為人工智慧最接近生活的應用場景，自動駕駛一直被人們寄予厚望。而到今天，隨著大數據、AI、5G等技術的突破和應用，百度、Uber、滴滴、文遠知行，越來越多的自動駕駛技術從實驗室走向了道路。
對於輔助駕駛系統（ADAS）和自動駕駛汽車（AV），可能永遠不會有一種單一、最有效的方法來實現傳感技術。這個神奇的數字可能是六個，因為每個汽車製造商都會以六個基本考慮因素來決定如何以自己的方式實現，這將導致每個人創建自己的獨特方法來將傳感器集成到未來的車輛中。
國內外部分綜合實力較強的汽車零部件公司在自動駕駛汽車傳感器上進行多產品布局，可以為下遊客戶提供綜合性的自動駕駛解決方案，形成較強的競爭力。這些公司包括國外的博世、大陸集團、法雷奧、海拉、德爾福、富士通天、奧託立夫等公司和國內的德賽西威、華域汽車和保隆科技等公司。
越來越多的傳感器被部署在整車中，以主動解決安全問題。今天，我們的汽車中到底有多少個傳感器？要進一步提高自主性，還需要多少個傳感器？這個問題的答案是如果考慮到ADAS的傳感器-超聲波、雷達、用於感應的攝像頭、用於觀察的攝像頭和LiDAR，估計車輛具有10至20個傳感器，具體取決於車輛的類型 。
傳感器將是解決高度自動化水平的關鍵，並且傳感器的數量和類型預計將增加。
自動駕駛的環境監測傳感器主要包括攝像頭和雷達兩類：首先，攝像頭通過圖像識別技 術實現距離測量、目標識別等功能；其次，雷達利用發射波和反射波之間的時間差、相位差 獲得目標物體的位置和速度等數據，按所使用的不同類型的波，雷達可以分為毫米波雷達、雷射雷達、超聲波雷達三類。
攝像頭：自動駕駛的眼睛
攝像頭方面，按視野覆蓋位置可分為前視、環視（側視+後視）及內視攝像頭，其 中前視攝像頭最為關鍵，可以實現車道偏離警示系統（LDW）、前向碰撞預警系統（FCW）、 行人識別警示（PCW）等功能。前視攝像頭又有單目攝像頭、雙目攝像頭，乃至多目攝像 頭等不同的解決方案。雖然雙目或多目攝像頭具有更高的測距精度和更廣的視角，但由於 其成本較高以及對精度和計算晶片的高要求，使得其仍未能大規模量產，目前以 Mobileye的單目攝像頭解決方案是市場的主流。
車載攝像頭產業鏈主要涉及上遊材料、中遊元件和下遊產品三個主要環節。上遊材料中光學鏡片、濾光片和保護膜等用於製造鏡頭組，晶圓用於製造 CMOS 晶片和 DSP 信號處理器;在中遊鏡頭組、CMOS 晶片和膠合材料等組裝成模組，並和 DSP 信號處理器封裝成攝像頭產品。在產業鏈的這一層，上遊供應商已經可以向下遊整車或一級供應商客戶供應完整的攝像頭產品。
在車載攝像頭產業鏈中，攝像頭和軟體算法一起，構成車載攝像頭解決方案，應用於自動駕駛汽車中。車載攝像頭產業鏈較長，上下遊擁有眾多環節，每個環節都涉及國內外眾多廠商和公司。
相較於消費電子等所用的攝像頭，車規級的攝像頭對防震、穩定性、持續聚焦特性、熱補償性、雜光強光抗幹擾性等都有較高的要求，因此其模組組裝工藝複雜，技術堡壘較高。從全球攝像頭供應市場來看，目前國外公司松下、法雷奧、富士通天、大陸、麥格納等廠商佔據較大份額，前五大產商市場份額合計在 59%左右，集中度相對較高。
雷達：自動駕駛的大腦
在雷達方面，主要分為三類：1、毫米波雷達：介於微波和紅外線之間，頻率範圍 10GHz —200GHz，波長為毫米級；2、雷射雷達：介於紅外線和可見光之間，頻率大致為 100000GHz，波長為納米級；3、超聲波雷達：頻率高於 20000Hz。根據公式：光速=波 長*頻率，頻率越高，波長越短。波長越短，意味著解析度越高；而解析度越高，意味著在 距離、速度、角度上的測量精度更高。
我們平時用的倒車雷達是超聲波雷達，發出的是聲波，只能達到聲速。超聲波雷達體積小、價格低，但探測精度差、範圍小，並且在高速運動時影響很大，在自動駕駛中的應用並不多。
應用多的是毫米波雷達，發出的是電磁波，以光速傳播。主要的毫米波雷達有24GHz和77GHz兩種。24GHz頻率低、帶寬窄，精度相對較低，主要用於盲點監測、自動泊車等。而77GHz精度高很多，可以更準確的探測距離，並且天氣等對他的影響很小。和攝像頭融合就能夠很好的完成對環境的感知。
但毫米波雷達可以感知距離，可無精準法感知物體的具體形狀，或者前方兩個人的間距等，探測的噪點也很多。比如空無一物的道路上，因為一些起伏或者路面的顆粒等，也會形成反射幹擾毫米波雷達的判斷。
雷射雷達可以很好的解決這些問題，他的精度可以達到釐米級。雷射雷達上每一個雷射發生器代表一線，常用機械旋轉式雷射雷達有10線、64線、128線等。雷射雷達實際上是一種工作在光學波段（特殊波段）的雷達，它的優點非常明顯。
第一，是具有極高的解析度：雷射雷達工作於光學波段，頻率比微波高2～3個數量級以上，因此，與微波雷達相比，雷射雷達具有極高的距離解析度、角解析度和速度解析度。
第二，抗幹擾能力強：雷射波長短，可發射發散角非常小（μrad量級）的雷射束，多路徑效應小（不會形成定向發射，與微波或者毫米波產生多路徑效應），可探測低空/超低空目標。
第三，獲取的信息量豐富：可直接獲取目標的距離、角度、反射強度、速度等信息，生成目標多維度圖像。第四，可全天時工作：雷射主動探測，不依賴於外界光照條件或目標本身的輻射特性。它只需發射自己的雷射束，通過探測發射雷射束的回波信號來獲取目標信息。
但是，因受價格跟體積的限制，目前來看雷射雷達還非常少地裝配在量產車上，馬斯克在多個場合中抨擊雷射雷達「笨重」，「醜陋」，「完全沒有必要」。這個也是雷射雷達的一大缺點，現階段大家很難把其體積縮小，在車頂上的位置比較突兀，這直接影響了量產化的進行，所以現在我們還沒有看到雷射雷達系統安裝在量產車上。
最後一種超聲波雷達目前已經成為稀鬆平常的汽車部件，支撐起自動泊車等駕駛輔助功能，未來還將為完全自動駕駛「出力」。它的工作原理主要是以1-3釐米精度測算0.2-5m範圍內障礙物，充當「汽車之眼」。超聲波雷達可以分為模擬式、四線式數位、二線式數位、三線式主動數位，它們的信號抗幹擾能力依次提升，技術難度與價格總體遞進。
特斯拉的Autopilot推出以來，對超聲波雷達的依賴性一直非常高，始終堅持使用4+4+4的超聲波雷達布局。早期版本中，特斯拉在泊車輔助中使用前後8顆雷達，在輔助駕駛中使用全部12顆雷達。特斯拉表示，與攝像頭監控車道標記不同，超聲波雷達可以監控周圍區域，並掃清車輛或其他物體等盲點。
特斯拉「偏愛」超聲波雷達其實是有原因的，上文講到雷射雷達雖好，但是成本太高，暫時無法大規模在走量的車型上裝配，這也導致了高級別自動駕駛技術的推廣受到限制。
而超聲波雷達價格低廉。目前，單個超聲波雷達售價大約為數十元，一套倒車雷達系統的雷達硬體成本不到200元，一套自動泊車系統的雷達硬體成本在500元左右。相比之下，毫米波雷達的售價仍然在千元級別，雷射雷達的售價高達數十萬元。較為低廉的價格，將車企與超聲波雷達緊緊捆綁，並促進了車載超聲波雷達市場的繁榮。
據P&S Intelligence數據，2019年，全球車載超聲波雷達市場規模為34.6億美元（約合243.9億元）；該機構預測，2020年至2030年，全球車載超聲波雷達市場規模將保持5.1%複合年增長率，並於2030年達到61億美元（約合429.8億元）。
不過，超聲波雷達並非自動駕駛技術的突破口，其受到物理特性限制，車載超聲波雷達的探測範圍局限在數米內，也無法精準描述障礙物位置；此外，處於相同頻段的多個雷達，為避免回波「打架」大多採取時分復用，信息採集速度被拖慢；其探測精度易受到車速、振動、溫溼度等影響，在抗幹擾、標定等方面充滿挑戰。總之，超聲波雷達是「輔料」而非「主食」，其與毫米波雷達、攝像頭乃至雷射雷達相配合，方能支撐起更高級別輔助駕駛功能。
集成才是傳感器未來之路
顯然，傳感器將是解決高度自動化水平的關鍵，並且傳感器的數量和類型預計將增加。越來越多的傳感器只是冰山一角。傳感器會生成大量數據，而系統則受到處理能力的嚴重限制。
那麼傳感器是不是越多越好呢？有些人可能會這樣想，但是出於成本或集成方面的原因，汽車中的傳感器數量不會無限增加。預計自動化傳感器的數量將在某個時候達到平穩，主要區別在於軟體級別和企業有效處理大量數據的能力。特斯拉等一些OEM仍未使用LiDAR，而是押注傳感器和AI計算的結合以實現高自動化水平。
就像人類的感覺一樣，傳感器必須在戰略上定位，以連續反饋汽車周圍的信息。但是傳感器的放置位置存在技術限制。例如，前照燈中的冷凝水可能會阻止雷射雷達工作。在下雪或寒冷的天氣中，霜凍可能導致傳感器故障。紅外傳感器無法穿透玻璃，也不能放在擋風玻璃後面。
目前來看，自動駕駛有三種主流解決方案，一是基於視覺主導，採用GPS地圖和AI人工智慧進行自動駕駛。基於視覺主導的當前主要是特斯拉模式，特斯拉通過所有特斯拉汽車的攝像頭採集環境數據，將圖像處理和機器學習結合起來通過從而不依靠預先記錄的地圖。特斯拉汽車在行駛中採集數據學習並與所有特斯拉汽車分享學習到的東西，從而實現類似於人眼睛的方式查看地形然後通過人工智慧進行分析指導自動駕駛汽車做出決策。
二是基於雷射雷達主導，視覺輔導，採用高精地圖和人工智慧進行自動駕駛。這是當前主流傳統主機廠通用，奔馳，福特以及眾多自動駕駛公司包括Waymo，谷歌等採用的自動駕駛方式。這些車輛取決於預先記錄的周圍環境的3D高解析度地圖，該地圖是使用配備雷射雷達的車輛預先捕獲繪製的。然後，車輛可以使用地圖，使用自己的雷射雷達設備定位確定環境是否已發生變化，然後在地圖區域中巡航時進行控制。
三是基於車聯網主導，多種傳感器融合的人工智慧自動駕駛。車聯網，需要龐大的基礎設施投資以及需要所有運行的自動駕駛都處於同一平臺內。與前兩種策略相比，這是一個更為廣闊的生態系統，通過投資建設更智能的道路，可以降低車輛自主性的複雜性和不確定性。這就要求汽車製造商，V2X供應商和市政當局共同協作，並創建車輛的基礎設施和標準，以使車輛能夠順利導航並降低錯誤門檻。
顯然前兩種解決方案是基於目前傳統道路情況、汽車情況、法律法規情況之下的現實方案。雖然說特斯拉的方案只要它一家採用，但是特斯拉在電動車市場的體量也是非常大的，很難說基於視覺主導的自動駕駛方案就一定比基於雷射雷達的方案更差。
不過有一點肯定的是，第三種基於車聯網的方案是未來自動駕駛發展的必經之路。在車聯網主導之下，必然會需要大量的傳感器，這些傳感器將互相配合，與汽車本體組成一個完整的自動駕駛系統。因此，傳感器的發展前景幾乎可以用一片坦途來形容。
百姓評車
2019年全球自動駕駛車產量約為幾千輛，預計在2032年以前將增加到40萬輛的年產量，累計總產量達到10億輛。與自動駕駛車生產相關的總收益屆時也將達到600億美元，其中的40%將來自於車輛本身，28%來自於感測硬體，28%來自於運算硬體，剩餘的4%則來自於整合。這意味著在接下來的15年內將圍繞著自動駕駛車輛技術建構起完整的產業生態。
對此，Yole Développement的分析師預期2024年傳感器營收分別是：光達將達到4億美元，雷達為6千萬美元，攝影機為1.6億美元，IMU為2.3億美元，GNSS裝置為2千億美元，但不同類型傳感器之間的分配情況在未來15年內或許會再發生變化。感測硬體的總營收將在2032年達到170億美元，相較之下，運算硬體營收應該會落在相同數量級範圍內。無論如何這都是一個體量巨大的市場，沒有人願意自動放棄這塊蛋糕。