自动驾驶汽车的概念可以追溯到二十世纪五十年代，人们设想可以坐在车里娱乐，车辆的加速和转向由电子设备自动控制，没有拥堵、没有碰撞、没有疲劳驾驶。

2009年1月17日，Google自动驾驶项目Project Chauffeur正式启动，在一辆丰田Prius（普锐斯）上安装激光雷达、3D相机、GNSS-RTK和惯性导航系统等设备来追踪行人和物体；年底，Google第一代自动驾驶汽车Prius完成100英里（约161km的无人接管自动驾驶任务。

ADAS高级驾驶辅助系统主要分为两部分——软件和硬件

感知硬件上，遍布车身的摄像头负责视觉识别，通过视觉算法进行物体识别、车道线检测和交通标志识别等任务；

超声波雷达负责短距离的障碍物探测，主要功能是低速泊车场景；

毫米波雷达用于中远距离的障碍物探测、速度测量及目标跟踪；

激光雷达发射激光脉冲并接收反射信号，生成三维点云数据，实现精确的距离测量和环境建模；

其它设备还包括高精度定位设备、惯性测量单元（IMU）等，提供车辆的姿态信息，结合卫星导航、基站定位等多源定位技术，实现厘米级的车辆定位服务。

计算与决策

在具备众多感知设备后，汽车获得的数据也呈指数级增长，海量的图片、视频需要强大的车载计算机来处理。

国家工业信息安全发展研究中心副总工程师黄鹏在2021中国汽车论坛“智能网联汽车产业发展与安全分论坛”上公开表示：一辆智能网联汽车每天至少收集10TB的数据。这些数据不仅包含车辆地理位置、车内及车外环境数据、车联网使用数据等，还包括驾乘人员的面部表情、动作、目光、声音数据。

耳熟能详的英伟达OrinX、英特尔的mobileye、华为的MDC810等，都属于智驾计算平台，提供实时数据处理能力和深度学习推理能力，支撑高级驾驶辅助系统（ADAS）和自动驾驶系统（ADS）的决策过程。

执行层面

电驱系统、制动系统、转向系统等，用于执行指令，实现自动化驾驶。

上述层面都是硬件部分，属于基础，想要辅助驾驶能真正辅助人类驾驶员行车，还要依赖软件的支持，也就是算法。而算法也更大程度上决定了ADAS（高级驾驶辅助系统）能力的上限。

我国于2021年8月发布《汽车驾驶自动化分级》GB/T 40429-2021，2022年3月1日起实施，根据该规定，将汽车驾驶自动化从0级到5级共划分为六个等级，目前已经商用落地的，为2级（部分自动化）及以下等级。

分布式ADAS架构

大概十多年前，部分高档轿车，如奔驰、奥迪、沃尔沃等，搭载的自适应巡航系统、变道提示辅助系统以及自动刹车就属于1级自动化。

和1级自动化相匹配的ADAS系统称为分布式ADAS架构，这种架构和传统燃油车一样，由分布于车内的多个控制器独立运行，各司其职。

如环视摄像头和超声波雷达只服务于泊车功能；Y轴ADAS功能由前毫米波雷达实现，X轴ADAS功能由视觉摄像头实现。在这个框架下，不同功能相互独立，需要通过服务或接口来调用，传感器耦合度很低，是典型的分布式开发，也叫1R1V架构。此架构十分依赖供应商，主机厂在掌控力方面基本没有话语权，属于给什么方案用什么方案，没有太大自主权。

分布式ADAS架构优点缺点都很明显。优点方面，由于功能相对独立，整个系统的集成难度低，可移植性强，开发周期较短，能以较低成本实现较高的收益。

但缺点也很明显，由于过分依赖供应商的方案，主机厂往往只能打包购买供应商的方案，假如想要省点成本自己“DIY”，兼容性可能会受到影响，同时开发费用和研发周期也会大幅增加。最重要的是，此架构下，主机厂依然还是“组装厂”的定位，利润大头都被供应商拿走了，并且ADAS的上限低，用户体验不够好。

域控/跨域式ADAS架构

随着技术的进步，汽车单位时间内产生的数据量大增，需要的芯片算力越来越强，分布式ADAS架构的性能无法满足需求，域控/跨域式ADAS架构就诞生了。

相比分布式ADAS架构，域控式架构增加了域控制器（相当于一个功能全面的CPU），算法上，将传感器端上移到域控制器端，传感器只负责感知，域控制器负责融合算法，提高了功能可用性；整合后，性能的带宽大幅增加，能并行处理多个感知设备的数据，同时控制能力上，也能实现 “一键多用”；此外，主机厂可以根据自己的需求定制功能开发，打破了供应商的封锁。

比较有名的一个案例就是英特尔的mobileye，由于其采用“黑盒方案”，即给什么用什么，主机厂很难开发自己需要的功能，积累的驾驶数据也不能为己所用，虽然很早就搭载于特斯拉、理想、极氪等多个主机厂的车型上，有着先发优势，但由于“黑盒方案”的局限性无法满足主机厂的竞争需求，现在市占率已经远远落后于其他同类企业。

而英伟达则反其道而行，自己仅负责研发硬件，并提供开发平台，需求和功能，乃至算法开发能完全由主机厂自己掌握。除了硬件（算力）上的优势，由于其独特的开放性，目前国内很多厂家都以英伟达作为自己ADAS平台的硬件。

硬件平台的性能上来后，辅助驾驶的上限则由算法来决定，而算法也分三六九等。如此前的模块化算法，到BEV+Transformer，再到现在的端到端（End-to-End），而端到端也可以按照架构分为感知“端到端”、决策规划模型化、模块化端到端和One Model单一模型端到端。在AI和大模型的助力下，智驾算法正从机器驾驶走向拟人驾驶，直至超越人类的驾驶。（朋月）