ADAS高壁垒、长周期，本土公司该如何崛起？

雷锋网 (搜索“雷锋网”公众号关注) 按：本文来自硬创公开课 |ADAS 技术到底难在哪里？内容整理自陈茂的演讲实录。

创来科技创始人陈茂

分享嘉宾：陈茂，1990 年华中科技大学研究生院毕业，从事 GPS 导航软件、图像处理、机器视觉及人工智能技术研发近 20 年，曾经创办过广州旭泰通信和广州开麦导航两家 GPS 应用公司。2008 年将独立研发的导航软件出口到国外。2015 年凭借其独立自主研发的「车道偏离预警系统」在工信部首届创客中国大赛上荣获一等奖。现为美国格理集团 ADAS 专家顾问团成员。

一、什么是 ADAS

ADAS 是个外来词，是高级辅助驾驶系统 (Advanced Driving Assistant System) 的英文简称，是一种主动防范、预防驾驶事故发生的技术，而不是诸如安全带、保险杆、安全气囊等事故发生后用来减缓事故造成损失的被动安全技术。

目前智能驾驶、自动驾驶、无人驾驶的概念比较混杂，概念比较模糊。在这里说一点我自己的看法。我认为，ADAS 的初级阶段是智能驾驶，自动驾驶是其高级阶段，而终点是无人驾驶。它 在初级阶段主要是以预警型为主，是单机辅助驾驶系统。到了高级阶段的自动驾驶则主要以控制型为主，更多的是与 车联网 融合。终极阶段的无人驾驶更多的依赖高精度地图、高精度的 GPS。这时候 ADAS 就只是一种辅助驾驶。

虽然目前 ADAS 的概念有被泛化的趋势，但是行业内均默认 只有基于机器视觉、 图像识别 （包括可见光图像、雷达图像、红外图像等等）和人工智能技术的辅助驾驶技术才算是真正的 ADAS 技术。 比如车道偏离预警、盲区检测、行人碰撞预警、车道保持、前向防碰撞等等。一般意义上驾驶辅助功能比如制动防抱死系统（ABS），车身电子稳定系统（ESP）、导航、倒车雷达、行车记录等均不能称为高级辅助驾驶系统。

二、ADAS 的本质是什么

ADAS 的本质是人工智能，核心是算法。在其感知、认知、决策、执行四个环节中，前三个环节涉及大量算法。感知部分主要是传感器，它负责采集图像（可见光、红外线、雷达），相当于人眼。人的眼睛能根据周边光照环境自动调节瞳孔的大小，根据物体的远近自动调节焦距以便成像清晰，但图像传感器的类似调节就只能依靠算法实现。

认知环节是 ADAS 的关键也是难点。如何分析看到的图像是否包含车道、车辆、行人并不是一件简单的事情。做到一定精准度、识别率可能不难，尽管人眼识别率可以轻松达到 99.9999%, 但要机器做到 99.9%、99.99%、99.999% 的识别率和可靠性，其实是冰冻三尺非一日之寒。

这是因为目前人类对于图像的识别理论还处于幼儿期，即使现在的深度学习技术也是一个黑匣子技术，也是仅知其然不知其所以然。

三、ADAS 是高壁垒、长周期行业

为什么说 ADAS 是高壁垒、长周期行业？ 我认为目前 ADAS 技术最大的壁垒还是在于——识别算法。不管是做了两三年的初创公司，做了五六年的国有主机厂，还是做了十多年 ADAS 研究的高校团队，大家在其实际路测里程方面都比较匮乏，没有足够的路测里程，没有大量的数据，这就直接影响系统算法的可靠性、鲁棒性。

目前，ADAS 领域全球标杆 Mobileye 就是以其算法的可靠性、精准度远远高于其他公司而独占鳌头，他们花了 15 年的时间才达到 99.99% 的精准识别率。他们的第一，的确名符其实。十五年磨一剑，这也从侧面证明了这个行业壁垒高。

也许有人会说 99% 的精准度不就够了吗? 如果是相对于百分制的考试，的确是一个很高的分数。但是，对于涉足人生命安全的应用，哪怕是很小很小的概率事件，如果你的驾驶时间或里程基数比较大，乘上小概率事件也将会变成一个大概率。一旦发生就有可能殃及人命。

因此驾驶安全的可靠性没有上限只有下限。低于 99% 的精准度的 ADAS 产品和技术很难给用户一个很好的体验，目前淘宝 众筹 的所谓 ADAS 产品（精度准 70% 都达不到）给用户的体验就比较差。

这是因为不像导航仪、行车记录仪、雷达电子狗、GPS 定位跟踪器等产品，普通用户可以自己安装。我们认为真正的 ADAS 最终都会走向前装市场这条路 （前装是指进汽车整车厂）。

这是因为 ADAS 需要对产品严格标定才能获得最佳的预警效果，需要专业培训的工程人员才能安装。如果进入后装市场，准确安装将是一个很大的难题。 至今为止，还没有出现需要标定（注：对摄像头传感器安装后的相关参数进行设定以便获得精准的预警效果）的电子产品出现在汽车后装市场上。

ADAS 是一种直接关系到行车及驾驶员安全的技术，关乎人身生命安全。主机厂在选择方案时势必非常谨慎。车辆的环境不同于普通电子产品，产品需要满足符合车规的要求，且车厂对于这类产品的可靠性、稳定性、精准性要求很高。

另外 ADAS 涉及硬件，周期较 App 项目要长很多。一方面是硬件迭代的周期长，一个成熟的产品势必需要经历多次硬件迭代，且主机厂一款新车的研发周期也比较长，这决定了其项目具有长周期性。

四、本土 ADAS 如何崛起

目前看的最、听的最多、用的最多的都是国外 ADAS 产品，那么本土 ADAS 如何崛起？ 我认为市场机会主要体现在以下两个方面：

• 细分领域的突破。ADAS 是一个比较宽泛的领域，一家公司要想全部都做不太可能，选择自己擅长的细分领域作为突破口，将有限的资源放在自己擅长的特定领域，争取在某一项功能赶上或超越行业标杆取得突破，不失为一种选择。

• 向自动驾驶渗透。未来汽车行业的发展趋势是智能驾驶——自动驾驶——无人驾驶。如果仅仅停留在辅助预警功能上，其还有可能在后续的发展上处于被动。因此在进行 ADAS 方案的研发时必须要考虑与自动驾驶的结合，只有这样做，才能确保在未来自动驾驶时代来临之时能够在行业内占得一席之地。

五、ADAS 的发展趋势

对于 ADAS 的发展趋势及未来，我持非常乐观的态度。

ADAS 的发展一定是从离线的单车智能开始，逐渐向在线的 ADAS 发展，在此过程中将会融合车辆网（V2V/V2I）技术，这样由于有两套感知系统（单车自身的传感器和在线网络传感器）存在，系统的可靠性、精准性将会得到极大的提升。

另外，深度学习追根到底也是一种机器学习的方法，主要是用于特征不明显或者没有特征的物体的检测和识别，是近年来特别时尚的一种机器学习方式。 目前来说，成本较高是深度学习在应用上的一个阻碍。再者在特征比较明显的刚性物体识别上，深度学习并不一定比传统的机器学习效果好。

但是在未来，深度学习方法渗透到该领域将会是一种趋势，因为在特征性上，用数学方法很难或无法描述图像识别领域，比如行人识别。

但深度学习进来表现突出，并且随着计算芯片技术的快速发展以及成本的下降，深度学习进入实际应用领域将成为可能。

上表是一张对于不同类型传感器工作原理及优缺点的介绍。通过对比，我们可以看到，不同传感器都有着各自优缺点，每一传感器有其各自的适用范围，每种方式的传感器都有其弱点。

因此在未来，如果要实现全天候、高可靠性的应用，多传感器的融合将会是一种必然。

精彩问答：

问：ADAS 包含了许多细分的子系统，包括自适应巡航、车道偏移报警系统、车道保持系统，碰撞避免或预碰撞系统、夜视系统、自适应灯光控制等等。 在这些子系统中，有哪些是技术上已经成熟的？哪些是最有机会大规模普及（能够适用到单价几万元的车上）的？暂时不能大规模普及有哪些阻力因素？

答： 涉及人工智能的 ADAS 技术，国内这方面还没有完全成熟，基本还是处于测试中。目前国内的夜视系统基本都不具备夜视行人识别功能，因此国内的夜视系统还算不上 ADAS 产品。

但有一个特殊的功能，360 环视系统技术日趋成熟，有望在国产 A 级车上先普及。但这一系统实际上不包含人工智能技术，严格来说不是 ADAS。不能大规模普及的原因是国产 ADAS 产品的成熟尚需时日，国外的产品又太贵，只能等待。

问：政策对智能驾驶的影响大不大？会不会像新能源汽车行业——国家规定到某个年限配备自动刹车（或其他系统）的车辆要达到一个数值这样的情况？政策的影响对这个行业的影响主要体现在哪些方面？

答： 实际上 ADAS 已经开始以政策强制的方式出现了。今年 3 月初新的机动车安全运行标准中已经明确指出 11 米长的客车需要装备 ADAS 中的车道偏离预警（LDW）和前向防碰撞（FCW）系统。

只是具体的实施时间没有确定，预测会是 2017 年，最晚 2018 年会实施。