胡金玲更多是从车联网的角度考虑，她认为，传感器融合目的是为了保证安全。车如果不联网，有也有很多安全功能，像安全带、车身强度，还有雷达、摄像头等等。但是，现在一些车企因为此前通信技术受限，量产成本等原因并没有使用激光雷达及V2X等，或许正是其车辆无法发现路上的某种庞然大物的重要原因之一。

车路协同通过车和车、车和路的交互可以帮助汽车更好地感知周围环境，如果两个车都装了通信模块进行交互，就可以采取一些措施，做出更快、更准确的判断。与此同时，还可以解决传感器融合成本的问题，如果路侧信息进一步完善，可能就不会需要那么贵的激光雷达。“车联网已成为自动驾驶的支撑技术，在传感器融合之余又为安全保了一道险。”她说。

安霸上海软件研发高级总监孙鲁毅则认为，视觉感知有可能超越人眼。他说：“在多种传感器融合方面，视觉感知起到了非常重要的作用，这是摄像头的核心价值。”两三年前，为了实现辅助驾驶和自动驾驶，需要有非常多的摄像头，有的负责近距离，有的负责远距离，而且要覆盖不同角度，不同摄像头之间的视角还要有叠加，目的是看到各个方位的目标物体，并以适当的冗余来提高可靠性。

他指出，传统摄像头可部分取代人眼，随着视觉感知和光电技术的进步，现在的摄像头不仅可以比人眼看得更清楚，能够看可见光，还能看可热成像光。现在，视觉感知器已经在某种程度上超越了人眼看到的范围。随着技术的发展，将来一定会有更多图像传感器加入视觉处理单元以取代人眼。

安森美的张厚新表示，随着这几年技术的进步和事故的积累，大厂采取的自动驾驶技术手段已趋于一致，即采用多传感器融合来解决单一传感器的不足，并实现冗余设计。作为主要的车规级传感器供应商，安森美半导体从2014年收购Aptina开始，又逐步收购了毫米波雷达和激光雷达公司，结合自身的超声波传感器，成为首家能提供4种自动驾驶感知传感器的公司。

他说，从传感器角度看，要避免类似的事故发生，需要多传感器融合，当然也不只是这四种，还有高精度地图、V2X、5G技术的融入。这样，在某种传感器失效的情况下，系统仍然有足够的感知信息作出正确的决策，从而避免意外发生。仅就单一传感器而言，如何保证其可靠工作，当自身有问题发生时可以及时通知系统，这就是所谓的功能安全设计。对一些失效提前预警，能有效减轻平台的系统消耗，如安森美半导体已满足ASIL－C级别功能安全标准的图像传感器。

除了“眼睛”还要有很强的“大脑”

那么，AI／机器学习的处理器算力瓶颈如何解决呢？意法半导体Martin Duncan说：“每次更新换代，处理器性能都提高10倍。过去15年中，我们和Mobileye建立了长期的合作伙伴关系，一直在合作开发这方面的技术，范围涵盖全自动驾驶汽车的所有功能。”

他介绍说，Mobileye今年开始生产第5代EyeQ产品，将在其汽车芯片中首次采用7nm FinFET技术；同时还按照各种功能和算法的不同需求优化定制加速器，以平衡不同的运算能力要求，其中包括既可以在本地也可以在云端完成的机器学习。预计未来还会对中央处理器性能有更高的要求，所以需要找到一种更有效的方式来传送远程传感器数据，这就是打造车载数据的高速路MIPI A－PHY（CSI－2）标准的原因，MIPI A－PHY的最大速率为16GB，可传送超过700万像素的图像传感器视频流。

安森美的张厚新指出，除了增强环境感知，当前的自动驾驶车辆在系统平台数据处理和算法能力方面还要进一步加强。随着自动驾驶级别的提高，算力也在呈指数级增长，在L3级以上，最少需要100T－200TFLOPS的算力，所以平台厂商也在推出更强算力的平台来应对。同样算法迭代也是很重要，目前也有专门做自动驾驶算法的公司，可以提供高效的算法保证。

安霸的孙鲁毅认为，好的视觉感知除了要有很好的“眼睛”，还需要很强的“大脑”。自动驾驶和智能座舱应用很难想象要跑多少算法，所以要根据客户的要求增加新的功能，不能用一种算法取代未来的需求，要兼容各种算法。安霸AI加速引擎设计方向是一种通用策略，有助于各厂商基于神经网络算法的运行，并且算法能够移植，根据需求进行调整，特别是容易使用，还可以实现网络优化。

地平线创始人及CEO余凯认为，实现自动驾驶不仅仅是软件算法、深度学习算法，也不仅仅是传感器，而是很严峻的芯片计算问题。

今天的智能汽车正经历一场历史性的变革，而其发展的核心瓶颈是算力不足，因此，追逐大算力的时代已经到来，智能化竞争的提速首先以算力军备竞赛的形式上演。

那么，什么是芯片算力？什么又是大算力呢？他说，随着大数据、人工智能等计算密集的数学和加密相关操作难度的日益提升，作为底层核心技术的芯片计算能力必须不断提升，芯片的制程、乘法器数目和最高主频一次次突破自己的极限，使算力不断刷新增大。在数字经济大背景下，对算力有了爆发式需求，使之成为了新的生产力。

余凯也指出：余凯说：“算力其实并不代表汽车智能芯片的真实性能，所以我们提出了MAPS评估方法（在精度有保障范围内的平均处理速度）。今天所有的车厂都在标1000、2000、3000TOPS，第一，在摩尔定律的意义上是不可维系的，第二，对真正人工智能自动驾驶的计算并没有实际意义。”

他同时认为，就像智能手机时代一样，一些手机公司尝试过自研芯片，但都不是很成功。最后他们都用了高通和联发科的芯片。汽车也是一样，真正自研芯片的目前只有特斯拉。还是专业化的分工有助于提升效率，专业的人干专业的事。

总结一下

自动驾驶产业要想真正落地，需要获得大数据、大计算能力、5G、云端，以及核心零部件、高精度地图、智慧城市、智慧道路、视觉认知道路等的支持。安全来不得半点妥协，从辅助到自动驾驶一定是一个循序渐进的过程，而且必须安全第一。