在汽车工具被定义百年之后，工具从计算机、通信、互联网到智能手机再转移到AI，看似失去了往昔荣耀，但借力之后又回归到新能源汽车甚至自动驾驶，以至于“移动智能终端”，走到一个被重新定义的前夜。而各种节点的变化都在成为催化剂的一分子，最近欧洲第二大汽车集团——菲亚特克莱斯勒汽车集团宣布与欧洲最古老的汽车集团、法国国企——雷诺汽车集团合并。这一不同寻常的举动，不仅将引发整体汽车产业新一轮的兼并重组狂潮，还将表明传统燃油车企如果不对电动化和智能化的趋势加速投资，代价或是在持续的变革中沦为配角甚至出局。

　　而汽车智能感知革命可谓变革的前哨，技术路线的选择也不止是命系当下，如同当初光盘规格之争一样，败者或许将被历史快速遗忘，而数以十亿计的研发投入也将付之东流。在汽车智能上演的传感器“会战”中，以图像传感器为基础的机器视觉技术，疯狂diss激光雷达的“戏码”其实恐已走偏，各种路线的拥趸均在摇旗呐喊，加上超声波、毫米波雷达阵营的蓄势待发，在这场“看不见”的追逐之战中，究竟是各成其就还是一统江湖？

　　各成其就

　　或许这并不是零和博弈。

　　如今汽车智能要实现360度感知能力，全天候地跟踪、检测和计算，不仅感知元器件日趋增多，还要求各就其位。

　　安森美智能感知部全球市场及应用工程副总裁易继辉认为，汽车智能应用有三大方向：一是车外人工视觉，包括环视、后视；二是机器视觉，包括ADAS、自动驾驶；三是车内监控。除了传统的驾驶员疲劳监控之外，还有乘客监控包括安全带提醒、儿童在场检测、物体和宠物检测等。此外，还涉及疾病检测、情绪/生理检测，安全气囊精准调整、人机互动、人脸识别等。

　　市场配置也在呼应这一需求，有分析称，目前启动的汽车拥有9个图像传感器，而下一代正在开发的汽车图像传感器已超过12个，甚至接近20个。同时还配备有10个毫米波雷达，至少2个超声波，将来也会配置至少1个激光雷达。

　　“这一动向表明汽车智能感知的一大趋势是传感器融合，而智能传感器、深度感知亦是必经之路。” 易继辉表示。融合的潜台词就是图像传感器、激光雷达、毫米波雷达、超声波都“相安无事”各成其就，而智能和深度感知的意义在于感知技术搭配AI，以成就智能驾驶的安全可靠。

　　而各路阵营的明争暗斗已成为汽车智能感知革命的“旁白”，都想将自己主张的技术极致化，以将其他传感器“取而代之”，对融合抱持怀疑态度。但易继辉分析，要真正实现自动驾驶，所有的气侯、所有的状况都要求能够捕捉和判断并做出决策，没有多传感器的配合难以实现。同时，自动驾驶有一个非常重要的指标——安全性，要求“双保险”。如果图像传感器“失灵”，其他传感器就需上位提供信息以做出正确判断，“双保险”不可或缺。

　　“这需要转换思路，破除行业壁垒，从而寻求合作的‘价值最大化’。” 易继辉强调。

　　图像传感器比拼

　　如同每一次技术革命都意味着产业价值链的重塑，而鼻祖图像传感器的进阶也在加快。

　　Yole就预测到2023年，CMOS图像传感器市场规模将超过230亿美元，而汽车CMOS图像传感器预计将在2017~2022年期间复合年增长率为38.4％，2022年达到28亿美元。消费电子领域CMOS传感器市场大都由索尼、三星与豪威（OV）把持；但在汽车等领域，安森美、OV与索尼三家称雄，国内格科微、思比科、比亚迪、锐芯微等也在加入逐鹿之战。

　　从汽车应用来看，易继辉介绍，汽车图像传感器侧重于一是ADAS，二是车内摄像，这是下一代智能汽车应用中发展十分快速的一大应用。接下来在车内安装驾驶员监控系统是无人驾驶业的趋势，包括行车记录仪等。三是视觉摄像机和摄像机监控系统（CMS），一些大型卡车已开始应用该系统来取代车镜。据计算，使用后视镜替代能够节省5%-10%的能源。三是自动驾驶。

　　反映到技术层面的“升级”，易继辉提及，一方面是要满足宽动态需求，目前平均为120dB，但安森美可实现140dB。而20dB的差距对人工智能算法来讲关乎能否识别的巨大差距。同时要解决LED灯“闪烁”的问题，抑制、消除LED灯“闪烁”在研究自动驾驶的道路上是绕不过的坎。另一方面，全局快门值得关注。易继辉认为，相比卷帘式快门，其具有出色的效率、噪声低、增强灵敏度、更低功耗等优势 。应用于工业的这一技术已发展至第八代，后续将会应用到汽车上，特别是在驾驶员疲劳监控方面。

　　“作为整个半导体行业复杂程度最高的技术，现已可以做到两个芯片堆栈，并已批量生产。” 易继辉解释说，“未来会实现三个芯片堆栈的量产，甚至将处理器和存储器直接加载到图像传感器中。”

　　随着图像传感器的像素越来越高，动态范围越来越宽，数据量也越来越大。易继辉提及挑战时说，目前传感器还不能实现数据的直接处理，但实现更智能化的传感是趋势，如何在信号处理时进行数据处理或在信息采集阶段就鉴别哪些信息是重要的，这是未来方向。

　　激光和毫米波雷达破局

　　虽激光雷达无辜受到马斯克的“攻击”，但就目前来看，谷歌 Waymo、通用 Cruise、百度阿波罗、Pony.ai等自动驾驶企业都采用了激光雷达方案。它的优劣势已经被剖析透彻，但至关重要的一点——激光雷达的成本较高，这阻碍了其商业化落地。

　　但这一障碍看似已得到破解。在安森美收购爱尔兰 SensL这一激光雷达公司之后，易继辉透露其产品已达到车规级，并且实现了固态雷达，成本已从上万美元降到几百美元，将极大地促进激光雷达商品化。

　　“一是采用核心的SPAD（单一光电雪崩二极管）技术，而传统的激光雷达采用APD。APD的感光率普遍较低，而SPAD具有上百万甚至上亿倍数的增益，感光效果非常好。二是传统激光雷达感光器使用特殊材料，而非硅片，因而成本非常高。安森美在硅技术上开发了十几年，实现了高增益低成本，从而大幅降低了系统成本。” 易继辉在分析原因时说。

　　而毫米波雷达更是智能汽车的新秀，市场上的主流方案已经走向单芯片，甚至将天线组合在一起。德州仪器（TI）中国区嵌入式产品系统与应用总监蒋宏介绍，单芯片一方面降低了整个雷达的研发难度，大幅降低面积、功耗及成本；另一方面，配置性和可扩展性更强，使得距离、角度、速率等都能进行多信号融合判断，大幅提升精度与分辨率，商用进程亦得以不断提速。

　　随着国际大厂英飞凌、TI、安森美、ST、NXP和国内厦门意行和加特兰等厂商加入战团，不仅考验构建完整的生态开发系统能力，也将使成本最终将落在10-20美元区间，使行业大受裨益。

　　而融合引发的问题不止是传感器本身的“各就其位”，关键问题还有在哪里完成数据处理，以及如何将传感器的数据发送到ECU。 TI汽车ADAS部门总经理Hannes Estl曾撰文提到，无谓是分布式或集中式处理都有优势与不足，需要根据系统中所使用传感器的数量与种类，以及针对不同车型和升级选项的可扩展性要求，将两个拓扑混合在一起才能获得一个优化的解决方案，这亦是均衡成本、可行性和可靠性的一大考验。

　　汽车智能感知革命看来不是某次战役就能决出胜负的，看来是一场有无数战役组成的“战争”，谁能冒着隆隆的炮火战斗到最后呢？