书名：数据驱动的智能驾驶
ISBN：978-7-115-59386-3
本书由人民邮电出版社发行数字版。版权所有，侵权必究。
您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
著 殷 玮
责任编辑 胡俊英
人民邮电出版社出版发行 北京市丰台区成寿寺路11号
邮编 100164 电子邮件 315@ptpress.com.cn
网址 http://www.ptpress.com.cn
读者服务热线：(010)81055410
反盗版热线：(010)81055315
读者服务：
微信扫码关注【异步社区】微信公众号，回复“e59386”获取本书配套资源以及异步社区15天VIP会员卡，近千本电子书免费畅读。
随着大数据技术和物联网技术的不断发展，智能驾驶成为工业革命和信息化相结合的重要抓手，是近年来备受关注的热门技术领域。本书围绕智能驾驶技术展开介绍，旨在通过多维度的讲解与分析，帮助读者了解智能驾驶所涉及的知识和思维模式。
全书内容分为9章，涉及智能驾驶的基础概念、汽车架构、交互系统、处理系统、车端软件、云端数据平台、数据处理自动化、智能驾驶的研发体系，以从业者的视角，系统地讲解了与智能驾驶汽车研发相关的知识点。
本书适合智能驾驶领域的工程师、研发人员及其他相关从业者阅读，也适合对智能驾驶技术感兴趣的读者阅读。
本书对技术思维与产品思维进行了系统化梳理，对制造业与互联网既矛盾又融合的多维度方法论进行了解析，是一本不可多得的智能驾驶汽车开发与研究的方法论著作。
——李克强 中国工程院院士、清华大学教授
本书对当前智能驾驶的基础理论和工程开发实践的介绍精准到位，内容丰富而精炼，具有启发性。对智能驾驶领域的专业工程师和相关人士来说，这是一本可以令其豁然开朗的好书。
——项党 上汽人工智能实验室主任、智己汽车科技有限公司CTO
本书结合作者的心得及其在智能驾驶研发中的亲身实践，将相关知识和个人感悟娓娓道来。相较于其他著作，本书好比清新的开胃小点，粗读轻松易懂，细读则兼备深度。强烈推荐对智能驾驶感兴趣的读者阅读本书。
——郭辉 智己汽车科技有限公司副CTO
智能驾驶正在引领汽车产业的时代变革。本书可谓正当其时，为业界提供了一幅智驾全景图，作者系统梳理了技术发展的脉络和趋势，分享了宝贵的经验和心得。 无论是渴望加入这个行业的年轻人，还是业界的从业人员，这本书都很有价值，值得一读。
——余凯 北京地平线信息技术有限公司CEO
本书系统性阐述了数据驱动大背景下，智能驾驶在研发理念、电气架构、软件架构、核心算法等诸多维度的颠覆性调整，对行业以及从业者的发展有很强的指导意义。
——曹旭东 北京魔门塔科技有限公司CEO
本书不仅是一部智能驾驶的“说明文”，更是一部智能驾驶的“议论文”。本书从EE架构、智能硬件、软件算法到研发体系，处处体现了作者对智驾研发的深入思考。在移动互联网之后，智能驾驶、移动机器人等人工智能领域会成为下一个产业爆发点。无论是入门学习者，还是从业多年的管理人员，都会在作者深入浅出的讲解中产生共鸣，收获属于自己的独特体会。
——张放 北京智行者科技有限公司联合创始人
本书内容有“硬（硬件）”，有“软（软件）”，有“能量（数据和方法）”，堪称是从实际工程实践中萃取出的智能驾驶精华。
——赵建洪 上海映驰科技有限公司副总裁
汽车的发明与应用可以说是第一次工业革命的主要标志之一，不仅改变了人类的出行方式，更改变了整个世界。伴随着以智能化为特征的第四次工业革命的开启，我们可以预见，随着汽车的“小型化、电动化、网联化、共享化、自动化和智能化”，汽车将更深刻地融入并促进人类社会的变革，为未来交通实现“人享其行，物优其流”带来充分的可能。
本书是一部不可多得的关于“智能驾驶”的好书，不仅立足于行业，广泛地介绍了智能驾驶的基本概念、系统架构、关键技术以及诸多宝贵的研发过程，更分享了一位工程师从多维度洞察“产品”或“工作”时，所需掌握的思考方式、设计逻辑以及工程重点。
更为难得的是，本书从哲学、人性、科学的视角出发，来思考智能驾驶。本书适合智能驾驶领域的专业工程师阅读，也适合对智能驾驶感兴趣的分析人士以及准备入行智能驾驶领域的新人阅读，为读者提供了宝贵的不同于以往教科书式著作的阅读体验。本书囊括了大量以问题为导向、以需求为牵引的思想，总结了诸多实践经验与心得。
通过阅读本书，读者不仅可以真正地理解汽车智能驾驶（辅助驾驶、车路协同、自动驾驶）体系，还将更深入地认知智能驾驶的本质，获得一种不断学习迭代并持续发展的能力。本书的出版将深刻地影响未来的智能驾驶乃至智能交通运输系统应用技术的研发和应用。特此郑重推荐！
同济大学智能交通运输系统（ITS）研究中心主任 杨晓光教授
2022年5月1日于同济园
智能驾驶是一个纷繁复杂的产业，其技术深度、产业链复杂度、安全性、需求应对速度、成本控制、规模生产，都是至关重要的影响因素。智能驾驶产品的开发需要庞大的知识体系支撑。
智能驾驶汽车是一个充满矛盾的产业，一方面，涉及汽车量产的部分属于传统制造行业，关注安全质量把控和成本控制，寻求精益和严谨。另一方面，涉及人工智能的部分属于互联网和机器人行业，承载着探寻科技前沿的使命，寻求创新和颠覆。两个看似对立的领域将在智能驾驶产业中进行整合，冲突必然会不断出现。
如果把这些复杂性和冲突性映射到个人，对从业者来说，更多的是困惑与迷茫。应该优先研究哪一种技术？这种技术会不会过时？应该广泛学习还是应该深入了解其中一二？是要学习整车厂的一套知识体系，还是应该更多关注互联网的开发过程？要回答这些问题，需要对整个智能驾驶汽车系统的脉络有本质而清晰的理解。
笔者从软件算法入行，经过多年学习和积累，在硬件方面，笔者焊过电路板也焊过整车钣金，开发过硬件也销售过硬件。在软件方面，无论是用C、C++还是Java，也无论是嵌入式系统、车端系统还是云端系统，有需求就努力去实现。笔者有幸进入智能驾驶行业，完成了车联网系统、量产辅助驾驶系统、无人驾驶系统等专业的很多项目，覆盖了大部分智能驾驶的产品品类。此外，业余时间里，笔者还参与技术授课、职业咨询、资本合作评估、行业标准撰写等工作。
通过这些职业履历，笔者接触了大量相关领域的知识，发现了许多跨领域的相关性以及背后的时代发展规律。我们正在经历的，绝不是某个知识点的更新，而是知识体系的重构和底层思维方式的变化。跨领域的产品思考、追本溯源的创新探索、工程化的落地执行，具备这三种专业素质的从业者才能成为未来智能产品开发的“中坚力量”。
详细掌握智能驾驶汽车的所有知识是不可能且没有必要的，从庞杂的信息中把握共性才是关键。如图0-1所示，智能驾驭汽车的知识体系是在社会需求和基础科学等本质因素推动下演化成的一个有机整体。笔者对智能驾驶汽车着迷的一点是，其向外是人类对“类人系统”的探索，向内也是对“自己”的一次全面审视。
图0-1 由本质因素演化而来的智能驾驶知识体系
作为一个从一线走过来的工程师和技术管理者，对于撰写本书的方向，笔者也困惑了一段时间。但在和大量同行们交流后，笔者也有了自己的决定，要写一本可以“促进行业沟通、缓解个人焦虑”的书。
如果让笔者用一句话总结智能驾驶汽车的核心变化是什么，是平台化的汽车架构？是软件定义汽车？不！应该是将简单留给用户，将复杂留给工程师。
考虑到系统复杂性的分摊，行业的传统合作模式是在牺牲一定灵活性的前提下，换取工程师研发过程的可控性。而目前为了满足用户对灵活性的需求，设计越发集中化，研发越发抽象化，这无疑加剧了复杂性和冲突性。复杂性来源于外部环境，而冲突性则更多来源于人和人的沟通。两者最终都会作用从业者，表现出来最多的问题就是“不理解”——人与人之间不理解，人对技术不理解，人对于当下的变化不理解，由此产生的无助、迷茫，便是从业者正在承担的痛苦。
如何正面看待时代对我们提出的新要求，笔者认为核心是解决知识体系不重叠的问题。如图0-2所示，在传统分布式架构下，两个人之间即使没有太多的知识体系重叠，通常也可以基于流程较好地完成工作，因为过去流程的核心思想就是消除知识复杂性，增强个体的可替代性。而当下在集中式域控架构下，我们需要更广泛的知识体系重叠才能达成类似的目标，强调的就是个体必须有能力消化掉这种知识复杂性。
（a）旧时代工程师的沟通状态 （b）新时代工程师的沟通状态
图0-2 新旧时代下工程师的沟通状态比较
为了消除这种知识不重叠的问题，强化跨领域的理解，本书通过一个清晰的脉络将智能驾驭行业中看似毫不相关的零散的知识点串联起来，梳理各系统协同工作的核心逻辑。当你对全局有了一个清晰的认识以后，自然不会对正在处理的工作和将要去完成的事情心存困惑。
首先，本书并不是一本纯粹的计算机工具书。如果时间往后倒退10年，计算机工具书可能是我的最爱，但随着互联网教育产业的成熟，网课资源和知识型论坛获得了长足的发展，其知识更新的频率远高于书籍。但书籍并不会过时，反而会更具魅力。将立体的知识压缩到纸质平面上，要求作者进行系统性的梳理和凝练，这是碎片化的互联网内容无法代替的。因此，本书更侧重技术之间的关联性，并对部分关键的技术进行详细阐述，涉及细节的部分会给出资源索引，方便大家扩展学习。
本书专注于介绍从“工程师”观察“产品”或“工作”时需要掌握的思考方式、设计逻辑、关键技术点以及工程重点，从而引申出需要掌握的具体技术。
最后，本书并不是一本单纯意义上的专业书籍。本书的绝大部分内容是对行业技术的讨论，同时将关于技术问题的思考映射到其他问题上。这种映射不仅可以帮助读者更好地理解概念，也更容易帮助读者解决智能驾驶之外的其他问题。笔者认为，从“现象”到“本质”的思考越艰难，从“本质”返回“现象”的过程就越具有创新性和普适性。
本书的目标读者如下：
● 智能驾驶领域的工程师；
● 智能驾驶行业的分析人士；
● 对智能驾驶感兴趣的新人。
全书共分为9章，如图0-3所示，从智能驾驶的基本情况（第1章）出发，以智能驾驶汽车的层次架构（第2章）为导引，从硬件系统和软硬件协同设计（第3～4章）开始并上升到对软件算法闭环的思考（第5章），然后从研发工具链与流程（第6章）出发分别介绍机器与机器之间（第7章）、人与人之间（第8章）流程构建的特点，最后回到从业者的视角，分析技术变化对人的影响（第9章）。
第1章：着重介绍智能驾驶的一些基本概念，帮助读者熟悉该行业的基本情况。
第2章：重点讨论智能驾驶的分层架构，包括整车架构、电子电器架构、终端与通信架构、算法架构与平台研发架构。帮助读者梳理各层次架构变革的重点。
第3章：系统性地介绍智能驾驶相关的传感器和执行器，并详细介绍这些器件的关键特性，帮助读者理解智能驾驶的“手”和“脚”。
第4章：以软硬件协同设计为导引，分层次介绍芯片、操作系统、中间件等底层软硬件的概念和特点，帮助读者理解智能驾驶的“大脑基座”。
第5章：进入软件算法的讨论，详细介绍智能驾驶的感知、融合、预测、规划控制（以下简称“规控”）等多个模块的概念和特点，以及从规则算法走向数据驱动算法的关键脉络。
第6章：重点讨论促使人类和机器协同工作的云端平台构建，以及数据闭环和数据管道概念在智能驾驶汽车中的作用。
第7章：展开对“机器的流程”的讨论，详细介绍在数据闭环中，各个功能模块是如何实现自动优化的。
第8章：展开对“人的流程”的讨论，介绍整个智能驾驶汽车的研发体系，发掘传统汽车开发流程中的精华。
第9章：重点讨论时代变化对用户、行业以及从业者的影响，并梳理笔者应对这些变化的一些经验。
读者可以根据自己的需求选择阅读的侧重点，但是按照顺序阅读更有利于构建对智能驾驶知识体系的更为清晰的认识。
图0-3 本书各章节的相互关系
感谢和我一起工作过的领导、老师、同事、同学。正是与你们共同战斗，我才能完成对本书关键内容的梳理与完善。
感谢父母对我多年的教育和培养，引导我养成不断思考的习惯。感谢妻子在我最艰苦的阶段，给予的莫大支持。
感谢知乎上志同道合的创作者朋友对本书的鼎力协助，更要感谢知乎上一如既往支持我的读者朋友们。
感谢本书编辑的指导，使本书的内容水平有了很大的提高。
感谢在工作和生活中帮助过我的所有人，感谢你们，正是因为你们，本书才得以问世。
虽然笔者花了很多时间仔细核对书中的文字和图片，但难免会有一些错误和纰漏。如果发现任何问题或者对本书有任何建议，恳请读者将相关信息通过知乎私信或邮箱455493027@qq.com反馈给我，我一定尽己所能为大家解惑答疑。感谢大家的理解和支持！
本书由异步社区出品，社区（https://www.epubit.com/）为您提供相关资源和后续服务。
您还可以扫码右侧二维码， 关注【异步社区】微信公众号，回复“e59386”直接获取,同时可以获得异步社区15天VIP会员卡，近千本电子书免费畅读。
本书提供配套资源，请在异步社区本书页面中点击
，跳转到下载界面，按提示进行操作即可。注意：为保证购书读者的权益，该操作会给出相关提示，要求输入提取码进行验证。
作者和编辑尽最大努力来确保书中内容的准确性，但难免会存在疏漏。欢迎您将发现的问题反馈给我们，帮助我们提升图书的质量。
当您发现错误时，请登录异步社区，按书名搜索，进入本书页面，单击“提交勘误”，输入勘误信息，单击“提交”按钮即可。本书的作者和编辑会对您提交的勘误进行审核，确认并接受后，您将获赠异步社区的100积分。积分可用于在异步社区兑换优惠券、样书或奖品。
我们的联系邮箱是contact@epubit.com.cn。
如果您对本书有任何疑问或建议，请您发邮件给我们，并请在邮件标题中注明本书书名，以便我们更高效地做出反馈。
如果您有兴趣出版图书、录制教学视频，或者参与图书翻译、技术审校等工作，可以发邮件给我们；有意出版图书的作者也可以到异步社区在线提交投稿。
如果您所在的学校、培训机构或企业，想批量购买本书或异步社区出版的其他图书，也可以发邮件给我们。
如果您在网上发现有针对异步社区出品图书的各种形式的盗版行为，包括对图书全部或部分内容的非授权传播，请您将怀疑有侵权行为的链接发邮件给我们。您的这一举动是对作者权益的保护，也是我们持续为您提供有价值的内容的动力之源。
“异步社区”是人民邮电出版社旗下IT专业图书社区，致力于出版精品IT图书和相关学习产品，为作译者提供优质出版服务。异步社区创办于2015年8月，提供大量精品IT图书和电子书，以及高品质技术文章和视频课程。更多详情请访问异步社区官网https://www.epubit.com。
“异步图书”是由异步社区编辑团队策划出版的精品IT专业图书的品牌，依托于人民邮电出版社近40年的计算机图书出版积累和专业编辑团队，相关图书在封面上印有异步图书的LOGO。异步图书的出版领域包括软件开发、大数据、AI、测试、前端、网络技术等。
异步社区
微信服务号
简单来说，智能驾驶是利用传感器系统、信息处理系统和执行系统等对驾驶员、周围环境、车辆状态进行监控和控制，并且在发生危险时向驾驶员发出警告或者接替驾驶员完成操作。以上是技术层面的定义，并不能完整反映智能驾驶的内核与魅力。本章我们将从一个更深层次的视角去探讨智能驾驶。
在理解智能驾驶这个新事物之前，我们需要一些合适的思考方法，笔者认为掌握“第一性原理”的思考方式是非常重要的。“第一性原理”通常是指追本溯源之后确立的不变假设，由这个假设出发的一系列思考通常能更好地预判未来，消除矛盾。事物的多元性决定了任何事物都不是纯粹的，理解每个事物都需要一个出发点，确认出发点之后，才能梳理好切入的维度，并据此找到庞杂信息背后的脉络，最后得出有意义的结论。这个出发点越接近本质，思维就越自由，思考就越有成效。
相反，如果不这样做，就会更容易陷入所谓的“认知惯性”中。人类对新事物的理解通常有一个适应过程，在适应之前，认知是片面甚至错误的。由于蒸汽能量传递的距离较短，工厂会围绕蒸汽机布置成圆形产业园。即使在发电机得到普遍应用后，大多数工厂仍习惯采用圆形布设。有开创性的企业管理者综合发电机的特点，采用了更有效率的长方形布置，汽车流水线由此发展而来。企业管理者能够做出改变，很大程度上是因为了解了“电”和“蒸汽”这两种能量在传递过程中的本质区别。由此我们发现，要成为新事物的引领者，需要克服认知惯性，采用“第一性原理”思考问题。
如果运用“第一性原理”思考智能驾驶，可以总结为，当下所有技术研发方向都聚焦于促进系统完成“类人结构”改造以形成“自我学习”的机制，通过与环境和人的交互，实现自我成长。
过去我们把汽车看作交通工具，而当下我们把汽车看作“智能体”。这个根本差异触发了大量矛盾的产生。过去我们认为汽车就是产品本身，现在汽车只是智能体的“身体”。过去的“交互”发生在用户和汽车之间，现在的“交互”是汽车和人之间、汽车和环境之间分别形成的闭环，是汽车自我学习的管道。大量的新概念（影子模式、数据管道、敏捷开发、信息能量交换等）在这个过程中产生，令人应接不暇。理解了这个根本差异，大部分矛盾也就有了解决的方向。
“第一性原理”涉及两种思维方式——“技术思维”和“产品思维”。“技术思维”是自下而上的，有很强的专业性，但也容易陷入“拿着锤子找钉子”的误区，即为一项先进的技术迫切希望找到产品来实现，无论这项技术是否真正适合这个产品，这种思维非常常见。而“产品思维”是自上而下的，相对更加发散，需要从用户角度出发去思考问题，贯彻“拿着钉子找锤子”的原则。这种思维通常会倒逼工程师进行更多跨领域的学习，去寻找最适合产品实现的技术。
这里将重点介绍产品思维的形成。在一个体系中研发一款产品时，工程师通常可以很好地处理技术问题，因为学校都会教授解决这些问题的知识，但却经常忽略产品问题，因为产品思维需要在工作实践中有意识地进行学习。例如安全这个产品特性，在系统、软件、硬件、测试等环节的分解中有着全然不同的技术形态，固此工程师需要扩大自己的知识面覆盖。各个产品维度之间是相互联系且矛盾的，例如成本与安全、敏捷与质量、体验与成本等。解决这些矛盾需要有效的横向沟通，除知识覆盖外，工程师还需要更高层次的“文化宣贯”（即文化的宣传自我意识形成贯彻实行），因此难上加难。
如图1-1所示，笔者总结了三种思维方式之间的关系。技术思维（系统、硬件、软件等）是基础中的基础，是研发的底层推动力。产品思维（体验、成本、安全、质量等）会贯穿部分或者所有技术维度，是实现研发目标的重要保障。当工程师运用技术思维和产品思维推进研发时，还需要利用“第一性原理”来解决问题。问题上升一个层次就有可能得到解决，否则就继续上升，上升的“终点”就是事物的“第一性”。
图1-1 三种思维方式在研发过程中的关系
总体来说，在“第一性原理”的指导下，有意识地强化“产品思维”并夯实“技术思维”，对参与和认识智能驾驶是有极大益处的，这也是理解本书的前提条件。
任何一轮重大的技术迭代都会经历几个阶段。首先是关键概念的提出，然后是产业各块线资源的试探性跟进，紧接着便是产品的发布和商业化落地，最后是政策、法律等配套完成。整个迭代过程伴随着不同思路和方法的竞争，以及不同企业之间的归并重组。智能驾驶系统的发展同样如此，如图1-2所示，笔者认为可以简单总结为如下几个阶段。
● 科幻期（1925—1950年）：产业不成熟形态下的科技畅想。
● 萌芽期（2004—2014年）：产业关键零部件研发，国外高校进场试水，国内高校跟进，大量国外头部智能驾驶企业初步成立。
● 起步期（2014—2018年）：Google、特斯拉等头部智能驾驶企业发布首款产品，L2/L4两条技术路线方向同时确立，新兴整车厂商和智能驾驶解决方案供应商密集成立，集中式电子电气架构开始流行，行业迎来“软件定义汽车”时代。
● 深入期（2018—2022年）：人工智能芯片获得市场认可，智能驾驶系统架构逐步确认，“软件定义汽车”进入深水区，智能驾驶正式开始商业化落地。
智能驾驶概念出现在第二次工业革命前，当时只是使用了非常简单的遥控技术。经历多次工业革命之后，这个概念到现在依然保持活跃，足可见智能驾驶这一需求的重要性。严格意义上来讲，智能驾驶技术的发展主要发生在第三次工业革命阶段。在这个阶段，传感器、微型计算机和总线技术蓬勃发展，为智能驾驶系统提供了扎实的硬件基础，“智能体”的“身体”逐步走向成熟。而这个阶段“智能体”的“大脑”仍然不算成熟，虽然软件也有了长足的进步，但是整个行业仍然缺少对人工智能理论更深入的理解，而这种不成熟既是遗憾也是契机。笔者认为人工智能的成熟将会是第四次工业革命启动的一个标志，同时意味着第三次工业革命的结束。
纵观每一次技术的重大调整，可以发现技术迭代周期在不断缩短。2004年，智能驾驶技术开始发展，技术架构每2年会发生一次重大变化。2018年后，可持续提升的高阶辅助驾驶功能使用户看到了智能驾驶技术落地的希望，市场开始商业化，迭代速度进一步缩短为每年一次，与手机技术的迭代速度趋同。中国企业在这个过程中，也逐渐从“跟随者”向“领导者”转变，越来越多的企业纷纷入场，与国际化水平之间的差距在不断缩小。
图1-2 智能驾驶的发展历程
智能驾驶的关键历史事件有很多，这里不再一一罗列，分析历史不是为了回顾过去，而是为了预测未来。对个人而言，重要的是要能够预判“智能化”这个关键方向，确认学习目标；能够意识到技术迭代的加速，同步加快自己的学习步伐。
智能驾驶不可避免地会涉及智能驾驶分级定义，以下进行简单的介绍。如今智能驾驶行业认可的是美国汽车工程师学会（Society of Automotive Engineers，SAE）在2014年制订的智能驾驶分级制度，按照智能驾驶对于汽车操纵的接管程度和驾驶区域做出了L0～L5共六个评级。
● L0级完全不具备机器辅助驾驶功能。
● L1级提供简单的机械性驾驶支援。初步的智能驾驶包括定速巡航、紧急制动、倒车雷达等简单功能，这些功能已经在当今的经济型轿车中普及。
● L2级是较为高级的驾驶支援技术，接管了人类部分感知功能。除具备L1级的定速巡航、倒车雷达等功能外，还具备车道保持、自动变道等高级功能。
● L3级则属于驾驶模式的质变，其与L0～L2最大的不同在于把道路环境的观察者从人变更为系统，但仍然需要人对系统状况进行实施监控，避免系统出现意外状况。
● L4级的智能驾驶，常规状况下基本不需要驾驶员对系统进行监控，只需在极端状况下对系统发出部分指令，多数情况下系统能够独立应对驾驶任务。
● L5级是智能驾驶的终极形态，机器的驾驶能力将远超人类，并且可以应对任何极端状况，不需要人类对车辆做出任何指令。
上述六个评级可以简单理解为L1解放腿，L2解放手，L3解放眼，L4解放脑，L5解放人。国内方面，工信部已经正式发布《汽车驾驶自动化分级》推荐性国家标准，并于2022年3月开始实施，代表我国拥有了自己的智能驾驶分级标准。智能驾驶等级划分的意义在于明确定义，并为法律界定和社会性评估提供标准。
本书希望读者能够理解驾驶自动化分级的真正意义。如图1-3所示，在实践过程中，L3级别的位置非常特殊，跨越L3级别会产生交通责任划分的问题，直接引发关于伦理道德的讨论。L3的位置就像一个“水坝”，尽管“技术水位”不断提升，仍然难以跨越。为了突破L3级别的各项瓶颈，当下整个智能驾驶行业仍有许多艰巨的任务要完成。
为了应对“水坝问题”，智能驾驶行业出现了两条研发主路径，以特斯拉为代表的“渐进派”和以Waymo为代表的“跃进派”。“渐进派”的实施逻辑是自低向高的，不断逼近L2.999级，期待在不断的迭代和积累过程中一举突破，完成量变到质变的过程，向L3～L5的应用倾泻“能量”。而“跃进派”则直接跳过“水坝”，在L4级别上蓄能，通过在有限范围内营运来打通产品逻辑，构建智能化移动出行服务体系。
图1-3 智能驾驶两条主路径在技术上的核心区别
如图1-4所示，不同的路径有各自需要升级的方向，“渐进派”需要面对的是智能驾驶汽车个体的伦理问题规避，而“跃进派”需要面对的是在智能交通背景下，智慧交通的重构问题。“渐进派”在解决问题后，必然会与“跃进派”的方向融合，这也代表看“驾驶员”这个角色将逐渐退出历史舞台。
当前，几乎所有智能驾驶产品的技术架构都是按照L4级别进行设计对的。因此从技术方向划分不同产品已经逐渐失去意义，更多的还是从产品角度进行细分。
图1-4 产品研发方向的不同侧重和相互关系
园区快递小车等应用无须过分注重等级的划分。如果一定要划分，可以直接认定为L4/L5级，只是其前置条件十分严格。这类智能驾驶应用相比其他公共道路智能驾驶而言受到的挑战较小，是软件算法导向的公司适合探索的领域。这类产品通常会面向子件物品递送来设计整个车辆平台的软硬件，从目前各公司的交付产品来看，定位较为清晰。
与快递小车功能接近，但面向更大质量货物递送问题的产品是无人集卡或无人矿车。这类产品的发展路径会有所区别，目前卡车智能驾驶从低阶智能驾驶系统起步的逻辑受到了乘用车发展路径的影响，笔者并不认可。由于货运集卡等车辆的惯性巨大，对智能驾驶系统的反应时间要求极高，在无法对环境进行长距离预判的情况下，无论司机还是智能驾驶系统都无法做出有效决策。而目前L2级别智能驾驶普遍搭载的传感器性能，并不满足长距离预判的要求，因此这类智能驾驶系统的发展必须跨过L1～L3级别，全力聚焦L4级别进行整体系统设计。
具有高阶辅助驾驶功能的乘用车，是刚才提到的“渐进派”的典型代表。即使无人驾驶最终被证明是一个“遥不可及”的目标，逐渐接近人类能力的智能驾驶系统也足以为这些公司积累所需的数据和资金，来支持其继续探索。从产品角度出发，高阶辅助驾驶功能的中心仍然是“司机”，因此汽车产品设计的思想仍然是连贯的。
而配置无人驾驶系统的Robotaxi则全然不同，这类产品的重心不是司机而是乘客。在目前已有的实践中，从“乘客”角度出发的Robotaxi设计屈指可数，这里不得不提到Zoox。如图1-5所示，Zoox面向乘客需求，从整车设计开始就体现了很强的产品思维。整车级的重构是无人驾驶系统难以回避的问题，因此很多公司从“轻资产”软件公司逐步转型为“重资产”的软硬件公司。L4级别这种面向“乘客”的产品，更重要的是继续向智慧城市、智慧交通方向发展，Robotaxi的未来必定是“智慧出行”。一定要警惕的是，避免与辅助驾驶的乘用车产品同质化，从而失去未来市场。
图1-5 Zoox产品形态
首先要考虑的是智能驾驶的复杂性。汽车产业无疑是传统制造业中非常复杂的产业。虽然从科技含量、产业链复杂度、安全要求、市场变化、批量生产任意一个方面来说，汽车行业都排不上第一，但除汽车行业外，极少有其他行业完整涵盖这五个方面，其复杂性可见一斑。
汽车的整个研发生产过程究竟有多复杂？汽车有上万个零部件，纯电动汽车零部件也数以千计，相关的供应商有成百上千家，涉及的任意一个零部件在设计、研发、测试、生产、质保、物流等任何一个环节出现问题都将导致整车无法量产。另外，大规模的整车生产流程衔接要求极高，为了降低库存压力，实现精益生产，订单的延误通常以分钟计算，足可见各环节配合的紧密程度。
除复杂的构件组成外，汽车还有严苛的安全与质量要求。对于大部分行业而言，产品设计完成后即可直接投入量产，不需要经过反复的验证过程。即使量产之后发现问题，还可以对设计和工艺进行修正。但这在汽车行业是不允许的。因此，如果一家制造企业同时生产汽车产品和非汽车产品，就需要专门成立一个汽车事业部来满足质量与安全要求。现代历史上重要的生产和质量管控革命，几乎都是从汽车制造业开始的。
智能驾驶技术的融入为汽车产品增加了更多复杂性。智能驾驶作为一个边缘学科，与机器人技术、人工智能技术等不属于传统汽车行业的学科体系密切联系。智能驾驶逐步开始与交通系统、物联网系统建立起连接，这打破了汽车作为独立产品的概念，还要面对“法律与政策问题”“伦理与道德问题”，甚至是“宣传和教育问题”，汽车企业开始与政府以及行业外的企业建立更多联系。
智能驾驶技术的发展，无形中提高了汽车的技术要求（安全、质量、敏捷性等）。过去，汽车只需要承担驾驶过程的被动安全，在后期发展过程中，主动安全设计开始受到关注。进入智能驾驶时代，汽车还需要替代人成为安全责任的主体。汽车的功能迭代周期原本为1～2年，在现今的消费市场环境下已经被压缩至月级别。
总而言之，汽车的设计生产过程变得更加复杂，但这其实并不是当前汽车行业陷入研发困境的原因。传统汽车行业面对复杂性已经总结出了行之有效的方法论，研发陷入困境的原因并不是无法消化复杂性，而是在消化复杂性的同时还要解决一些“灵活性”的问题。
整车研发有一套完整的流程来完成对复杂性的分解。我们将在第8章展开相关讨论，这里需要确定的是，对复杂性进行分解的过程一般需要1～2年的时间。这个时间周期并没有经历过挑战，甚至有时候耗时长更能体现品质好，毕竟慢工出细活，但当下的市场似乎不再默许这个状态。
用户的需求变化越来越快，这也要求车企必须缩短从需求获取到需求落地的时间。在复杂性的牵制下，整车制造厂商很难在原有技术框架下实现“灵活性”。这就引发了一场轰轰烈烈的技术革新。
在介绍解决“复杂性”和“灵活性”矛盾的方法之前，我们需要一些背景知识。所有架构设计通常存在分散式和集中式两种设计思路。
分散式设计原则是将系统整体分解成相互并行且弱耦合的多个独立个体，由个体协同工作满足整体目标要求。这种设计的好处是复杂性可以比较均衡地被分散到个体上，方便个体更好地处理功能。同时也更容易处理风险和安全，因为个体复杂度越小，其风险也越低。另外，当系统被良好分解后，个体还可以更好地进行标准化设计，有利于产品的规模化生产。其缺点是当个体均完成各自的模块化之后，在进行整体变更时，效率往往不尽如人意，容易受到不同个体原有设计的牵制。
而集中式设计原则是将系统内的资源集中到个体上，由个体来负责整体目标的实现。这种设计的优缺点与分散式设计正好相反，其复杂性通常被高度集中在单个个体上，不利于标准化。但在变更过程中，因为其核心资源集中，所以有较高的变更效率和灵活性。
传统汽车倾向于应用分散式设计，而手机和家用计算机更倾向于应用集中式设计，看起来似乎汽车只要沿用手机的硬件设计思路就可以解决问题，这就是所谓的域控架构，但问题其实并不是这么简单。
手机或者计算机产品的升级有一个共同的特点，即产品性能的提升通常与硬件性能的提升紧密相关。但最近情况开始发生变化，因为摩尔定律正在逐渐失效。摩尔定律是英特尔创始人之一戈登·摩尔发生的，可以简单理解为，每18个月芯片的性能会提升一倍，价格会降低一半。但芯片单位面积内可以集成的电路数量存在一个物理极限，而当下的设计工艺已经非常接近这个极限。因此面对这种状况，我们需要换一种思路来提升产品性能。
例如有一种异构SoC芯片，其背后的核心逻辑是设计从“通用化”向“定制化”的转移。相较于满足所有可能的需求，满足特定业务的需求通常可以进一步拓展出一部分产品上升的空间。诸如软硬件一体化设计，汽车或手机的一体式电池设计都是这种“定制化”思想的体现。
“定制化”在舍弃通用性的同时，也舍弃了分散式设计的可能性。采用“定制化”的大趋势下，配合对“灵活性”的要求，促使集中式定制化的设计正在取代离散式通用化的设计成为主流。
需要关注的是，模块化和离散式的设计并不会逐渐消失，只是更换了一种形式，以知识产权和软件服务为“单位”的新模块化出现，规模效应会在一个新的维度上发挥作用。知识产权和软件服务也可以视为一种新的“分解”，继续发挥其在标准化和规模化方面的成本优势。具体到汽车行业，就是我们常说的“软件定义汽车”。在市场上流动的资源，从“硬件”转变为“软件和知识产权”，硬件则逐渐趋于“固定”，由少数供应商进行集中生产，这也是软件和知识产权越来越重要的根本原因。通过集中式的硬件配合分散式的知识产权和软件服务，我们将同时获得分散式和集中式设计产生的收益。
我们似乎找到了一种完美的方法，但是在没有基础科学创新的基础上，所有架构调整的收益都不会凭空出现。在获得产品性能全面提升的同时，一定会付出必要的代价。这个代价就是单点集中的复杂性，其劣势在于必然会增加研发难度，而优势在于其可能是唯一一个在提升一个产品维度时，不影响其他产品维度的特性。真正为此付出代价的是为研发难度买单的大批从业者。因此，从业者碰到的问题，才是这场变革面对的最大问题，即开篇谈到的研发工程师的“不理解”或“不适应”。
我们正在面临的这场架构调整，并不是由技术驱动的。其中涉及的软硬件技术在互联网发展的早期都已经出现，但如果个人或企业对这种变化坚持“不理解”和“不适应”的意见，技术上的变化不仅不会改善现状，甚至会助推产品向更糟糕的方向发展。
智能驾驶的核心困境如图1-6所示，在需求灵活性提升、基础科学受限以及产品复杂性飙升的共同作用下，各层次的架构设计必须从“分散式模块化”逐步转向“集中式服务化”，这场“大迁移”带来的一系列问题都必须由从业者面对，因此从业者在一定程度上决定了这场变革的成败。
图1-6 智能驾驶困境的传导过程
微信扫码关注【异步社区】微信公众号，回复“e59386”获取本书配套资源以及异步社区15天VIP会员卡，近千本电子书免费畅读。
