（本文编译自Semiconductor Engineering）
汽车自动化水平的不断提高，使人们在技术选型、应用方式、相互协同以及它们在汽车全生命周期中的发展轨迹发生了根本变化。
整个车辆的架构正不断重塑，以实现人工智能在更多功能中的应用，从而促使人们加大对以往被视为边缘技术的重新投资，同时也加速了人类驾驶员与机器所需感知传感器的无缝集成。因此，各类技术均会迎来改进，尤其是在安全领域，然而，技术的组合策略与应用场景正经历前所未有的变化。
最显著的变化之一就是雷达，这项技术已众所周知，大多数工程师也对其了如指掌。过去，雷达由于分辨率低而被边缘化，但如今它已逐渐成为推动汽车行业变革的标志性力量。
雷达、激光雷达和摄像头
雷达，与基于光学原理的摄像头和激光雷达不同，其运作基于无线电波传播。Cadence计算解决方案部产品管理总监Amit Kumar表示：“雷达通过连续无线电传输运作，其中频率遵循已知模式随时间递增或递减。无线电波持续传播，直至遭遇物体并反射回雷达接收器。相较于视觉系统，雷达的优势在于其固有的多普勒效应或频移检测能力。这有助于后端系统精确计算物体的距离、方向及速度，这些要素构成了车辆执行多项高级驾驶辅助系统（ADAS）功能的基础。”
传统的雷达处理链涉及了多天线前端（多输入、多输出或MIMO），负责发射无线电波并接收包括距离快速傅立叶变换（FFT）、多普勒FFT以及角度（方位角和仰角）等信息，随后提取这些信息并在诸如数字信号处理器（DSP）或硬件加速器等处理单元上进行解析。最终生成3D点云，告诉车辆相对于周遭环境的位置，并辨识出视野内的各类物体。
Arm欧洲、中东及非洲汽车市场总监Guilherme Marshall指出：“随着自动驾驶（AD）技术的日益成熟与消费者认知的加深，自动驾驶功能得以安全运行的特定条件，即操作设计域（ODD），将决定其实际应用价值与吸引力。例如，在雾、雨或雪频发的地区，车主自然期望车辆能将此类条件纳入其AD ODD之中。然而，尽管基于图像的感知技术近期取得了显著进步，但在低能见度环境下，其性能仍会大幅下降。”
尽管如此，雷达作为摄像头的经济高效补充手段，依然展现出了其独特价值。在主要计算通道中，摄像头与雷达的多模态融合能够在复杂条件下显著提升感知性能。在SAE 3级及以上自动驾驶级别中，高清雷达（和/或激光雷达）也可担当冗余角色。
未来几年，配备SAE 3级和4级功能的汽车可能会装载多达9个雷达，其中还包括用于内部传感的雷达。Marshall表示：“为了控制物料清单，同时为软件定义的传感器铺路，原始设备制造商（OEM）正愈发倾向于‘精简’雷达传感器节点。在未来的电子/电气（E/E）架构中，雷达预处理算法可能会更加集中地在现有的高性能计算（HPC）单元（如区域控制器和/或自动驾驶控制器）中执行。”
根据车辆所安装的雷达类型，ADAS功能的数量将有所差异。例如：
远程雷达（LRR）可实现远距离物体检测（例如，在狭窄角度范围内达300米），并助力自动紧急制动（AEB）碰撞预警及自适应巡航控制。
中程雷达（MRR）通常能探测到150米内的物体，并拥有更宽广的角度覆盖，有助于发出交叉路口警告或识别接近十字路口的车辆。
短程雷达（SRR）的视角范围很广，但探测距离较短。它用于执行更贴近车辆的功能，如骑行者与行人检测、后方碰撞警告、车道变换辅助等。
Cadence的Kumar表示：“调频连续波（FMCW）雷达目前在乘用车与商用车中应用最为广泛。其精度极高，能够更精确地测量距离和速度，从而降低误报率。同时，它还能同时测量多个物体的距离和速度。当与视觉系统及激光雷达协同部署时，可构建一个完整的感知传感套件。当前的车辆架构采用多重传感冗余设计，确保车辆在半自动或全自动模式下安全运行。”
雷达在ADAS应用中扮演着至关重要的角色。尽管法规未对ADAS的具体实施方式作出规定，但ADAS的普及度与强制性要求均在不断提升。这些系统可能完全基于摄像头，或是摄像头与雷达的混合系统。新思科技汽车IP部门经理Ron DiGiuseppe指出：“除非某项应用仅凭单一系统（基于摄像头或基于雷达）即可安全实施，而业界预测这两种类型的传感器都将持续发展壮大。参考一些预测数据，汽车中雷达的出货量将持续攀升。在我看来，OEM会同时采用摄像头与雷达，且这一趋势将持续，因此雷达的使用量不会减少。”
车辆中雷达的数量因OEM与应用而异。对于某些自动驾驶及自动驾驶实施方案，Cruise搭载了超过10个雷达，而Google Waymo则配置了6个。“数量会依据汽车型号而有所不同，但6个通常是标准配置——一个前视雷达、一个后视雷达，以及用于盲点识别的短程雷达，”DiGiuseppe说道，“若需实现内部数字驾驶舱乘员监控，这一数量会有所变化。你可以在内部再增设两个，因此它会根据应用需求而变化。”
更好的雷达
在传统雷达方案之外，可扩展雷达方案正持续演进。Rambus硅片IP业务开发总监Adiel Bahrouch表示：“例如，您可以在车辆的角落部署中程雷达，同时在车辆前端装配远程雷达，以高度精确地预测即将发生的状况。同样地，后置雷达也是如此，侧面则可能配置中程或短程雷达。尽管它们都是雷达，但所应用的技术却有所不同，因为它们的目的和目标各有侧重。我还注意到一些解决方案，开发人员致力于打造一个可配置的平台，这意味着通过调整配置，雷达的范围也随之变化，以适应特定的目的或目标，这标志着可扩展解决方案的兴起。您从一个基准出发，便能在一个封装或芯片组中探索所有选项，这种灵活性深受OEM青睐，因为它意味着单一的联络点、一体化的解决方案以及一个可配置的平台。随后，依据不同应用需求，您可轻松为特定程序提供服务。”
雷达是一项成熟技术，但在汽车，特别是自动驾驶领域，仅凭雷达尚显不足，因此，提升雷达性能成为研发的重点。“举例来说，对比摄像头与雷达，摄像头提供的信息内容丰富，分辨率极高，”Bahrouch解释说，“它能辨识颜色、形状等多种细节。雷达则拥有独特优势，但在分辨率和图像质量上却稍显逊色。然而，摄像头性价比高，性能优越，尤其在光线良好和天气晴朗时表现更佳。但在极端天气或光照条件下，摄像头效果减弱，这正是雷达大展身手之处。雷达不受光照或天气影响，稳定可靠，技术成熟。不过，就分辨率而言，雷达仍有待提升。以3D雷达（即传统意义上的雷达）为例，3D意味着能够探测距离、角度/方向及速度。雷达仅需一次测量，即可提供这些信息。”
雷达的优势在于它能够感知电磁波，并根据速度和延迟测量这些波的反射。由于它是电磁波，因此对光线、雾或雨不敏感。但由于与摄像头或激光雷达相比，雷达提供的信息较差，因此业界投入了大量精力开发下一代 4D 雷达，该雷达还可以测量高度。“使用 3D 雷达，你无法检测它是大型车辆还是小型车辆，是建筑物还是非建筑物，”Bahrouch 指出。“使用摄像头，你也可以获得这些信息，这就是 4D 雷达被引入的原因。它也称为成像雷达，它在质量、分辨率和信息方面都提高了传统雷达的性能，因为现在你还可以检测或区分建筑物与汽车、隧道、行人等。”
雷达的优势在于能够感知电磁波，并根据速度和延迟测量其反射。作为电磁波，雷达对光线、雾或雨等环境因素不敏感。但与摄像头或激光雷达相比，雷达提供的信息质量较低，因此，业界正全力投入开发下一代4D雷达，该雷达还能测量高度。“使用3D雷达，无法区分大型车辆与小型车辆，建筑物与非建筑物，”Bahrouch指出，“而摄像头能提供这些信息，这也是引入4D雷达的原因。4D雷达又称成像雷达，它在质量、分辨率和信息上均超越了传统雷达，因为现在它还能检测并区分建筑物、汽车、隧道、行人等。”
与其他技术集成
随着汽车智能化水平的不断提升，雷达在未来能否持续保持其稳定性，尤其是在人工智能驱动的高级功能日益融入汽车架构的背景下，尚待时间验证。然而，它也象征着汽车行业正经历着前所未有的变革。
西门子数字工业软件混合和虚拟系统副总裁David Fritz指出：“若仅从实现ADAS功能的角度考虑，雷达无疑发挥着重要作用，且已历经长时间考验。在某些人类难以感知的情境下，雷达却能敏锐捕捉。它对于紧急制动、监测盲点中的车辆等场景尤为适用，因此，雷达的实用性不容置疑。然而，当我们从ADAS迈向自动驾驶，传感器阵列的复杂性与车辆智能化程度呈反比。若配备了我们现今所见的新型聚焦变压器（FoT）AI解决方案，系统能自主判断：‘我察觉到下雪了，有雾，应当减速。’但在ADAS中，仍需驾驶员参与。驾驶员或许缺乏在雪地驾驶的经验，可能误以为即便下雪，仍可保持45英里/小时的速度行驶，因为这是正常的限速要求。拥有额外的感知能力来弥补经验不足，无疑是件好事。”
在推进汽车智能化方面，传感器阵列的复杂性和成本随着智能化水平的提升而降低，这成为一大趋势。“这是因为我们正与人类驾驶员竞争，”Fritz指出，“我们没有雷达，但我们凭借经验来应对。若能增强视觉，比如佩戴眼镜，我们的‘摄像头’便更加智能。此外，其他传感模式也在不断优化，例如摄像头，以防其在恶劣天气下失效。诸多变革正在发生，而摄像头本身可能是最具成本效益的选择。当前，车辆上已配备12-18个摄像头。若我们能从多角度观察，并具备处理这些信息的智能，那么总体上，对雷达的需求也似乎在有所减弱。”
Rambus的Bahrouch同样期望看到ADAS中的AI技术能够增强摄像头或雷达信息。“设想摄像头能够识别模式、速度标志等，但要实现这一功能，需对系统进行训练。训练环节正是AI技术大显身手之处。对于雷达，有研究聚焦于如何训练数据，从现有历史、信息中学习，并预测未来。摄像头模式识别亦是如此，正在进行大量训练。当我们融合这些不同技术时，仍需大量训练，此时AI将发挥关键作用。”
展望4级和5级自动驾驶汽车，AI无疑将成为关键驱动力。尽管目前尚无法确定这一状态能否持久，但发展已趋于极端。“我们见证了配备64个和128个CPU内核的系统，”Fritz观察到，“这与智能化程度成反比。换言之，若采用众多启发式方法，众多算法并行运行并相互校验，则可能需要大量CPU内核来整合知识，无论传感器阵列提供何种信息，以做出明智决策。但对于众多新兴AI技术而言，这并非高效之法。或许仅需四个或八个CPU内核，但还需其他经过优化的加速器更高效地处理信息，然后将数据输入CPU综合体，以便其做出智能决策。AI模型将改变内核数量，并将必要智能推向汽车边缘，更接近传感器。此类解决方案的优势在于，若发生轻微事故，维修成本不会高于2万美元。仅需更换一个价值1.5美元的摄像头，因此从长远看，这对车辆、维护及车队运营更具成本效益。”
以不同方式实现万物连接
简而言之，这预示着AI将在传感器层面实现本地化应用。雷达、摄像头及激光雷达将日益与其他系统实现互联，且所有这些组件均需根据车辆所提供的驾驶辅助级别、有限自动驾驶或完全自动驾驶功能进行相应调整。举例来说，触摸屏在每个自动化级别上的管理方式将大相径庭。
Synaptics智能传感部门高级副总裁兼总经理Satish Ganesan表示：“当下，人们普遍认为AI的作用仅限于指示副驾驶执行特定任务。然而，其事实远不止于此。我们致力于运用分布式AI技术来提升产品的可用性，为终端用户提供更好的服务。因此，我们配备了专为不同应用场景提供AI支持的处理器。例如，在汽车领域，我们已实现了车窗玻璃的局部调光功能。同时，我们还开发了一项创新技术，当驾驶员尝试触碰乘客侧屏幕时，屏幕将不会作出任何反应。该屏幕通过发出‘抱歉，您不能这样操作’的提示来增强行车安全性。若路面结冰，它将禁止您进行任何娱乐操作。我们会通过检测触摸角度及座椅传感器来判断情况，并发出警告：‘嘿，这不是正确的操作方式。您无权访问该屏幕。’”
随着汽车自动驾驶功能的日益完善，这些交互方式或将迎来颠覆性变革。“我们面临两种选择，”英飞凌科技公司执行副总裁兼首席战略官Peter Schaefer指出，“一是持续优化并不断向客户提供自动驾驶功能；二是全力推进完全自动驾驶汽车的发展。我们必须为汽车架构做好向软件定义汽车转型的准备，这意味着我们能够在汽车的整个生命周期内为其引入软件和服务，以满足消费者需求。作为消费者，我们期望在购买产品后能享受到升级服务。同时，我们也希望汽车能集所有创新功能于一身，并具备强劲的性能。我们不希望它出现熄火或故障。它需要始终保持最佳工作状态。”