本文來自美國國際貿易委員會對美國自動駕駛行業的分析，主要介紹了美國自動駕駛的現狀，自動駕駛汽車的組成部件公司以及美國公司在該領域的參與情況。

美國自動駕駛介紹

在美國許多城市，包括舊金山，拉斯維加斯，菲尼克斯和匹茲堡等都在進行自動化駕駛測試，車輛製造商，零件供應商，硬體公司，軟體公司和半導體公司都參與了自動駕駛汽車的開發，他們已在駕駛自動化方面投入了數十億美元，這些公司正努力在全球範圍內開發自動駕駛。

面對幾百家的參與者，合併收購和合資在自動駕駛領域發揮了重要作用。最典型的例子是通用汽車2015年收購了Cruise，現在成為其自動駕駛開發部門；英特爾收購了視覺技術公司Mobileye，準備與其晶片一起使用，為自動駕駛時代做準備。

很多初創公司致力於為自動駕駛開發提供不同的軟體服務，包括實際決策軟體，用於實時更新的地圖軟體以及用於訓練自動駕駛人工智慧的模擬軟體，例如Velodyne專注於鐳射雷達和視覺系統，Carmera專注於高精地圖領域。

自動駕駛的三個主要元件是感測器，半導體和軟體。感測器（包括高畫質攝像頭，光檢測和測距（LiDAR）和雷達）一起使用並高度融合，可以幫助車輛檢測不同距離，不同天氣和光照條件下的道路狀況。

半導體有助於處理感測器收集的資料，以便做出實時駕駛決策。機器學習和地圖繪製軟體改善了車輛操作和決策能力。目前包括車輛製造商，零件供應商和技術公司在內的美國公司正在自動駕駛的各個細分領域展開競爭。

自動駕駛定義

目前汽車工程師協會（SAE）定義了6級駕駛自動化，範圍從0級手動到5級完全自動化，隨著數字的增大，自動駕駛的程度也在不斷提高。這種定義已被世界大多數國家認同。

在駕駛自動化L1和L2級別中，車輛具有輔助功能，例如車道居中或自適應巡航控制， 比如特斯拉Model S，其Autopilot主要用於高速公路駕駛，但是特斯拉Model S並不是真正意義上的自動駕駛汽車（低於3級別）。

從L3級開始，駕駛員可以脫離汽車，但聽到提示後需要重新接管駕駛。L4級在有限的條件下（例如在限定的區域內或某種型別的道路上）具有全自動駕駛，而L5級則在所有條件下都具有全自動駕駛。目前進行的大部分測試是L4級，測試重點放在特定區域的無人計程車上，而L5級別目前所有公司都沒有開始涉及。

美國自動駕駛零部件公司分析

為了使自動駕駛汽車安全行駛，它需要各種不同的感測器以及硬體和軟體，每一個部分對於實現車輛的完全自動駕駛都是很重要的。自動化程度更高的車輛往往需要更多的感測器，更好的晶片和更優的軟體。

大多數自動駕駛汽車至少使用三種不同型別的感測器來感知環境，例如LiDAR，雷達和照相機，這三種類型的感測器相互之間通常有很大的冗餘空間。

例如通用汽車自動駕駛在測量移動物體的速度時同時使用雷達和LiDAR，對物體進行分類和跟蹤時同時使用LiDAR和相機。自動駕駛使用這些感測器來確保在各種天氣，距離和照明情況下都能獲得清晰的“汽車視覺”。

自動駕駛零部件公司-車載攝像機

L1和L2級自動駕駛車輛將攝像機用於車道檢測和其他高階駕駛員輔助任務，但級別三級或更高級別的自動駕駛汽車將使用攝像機進行物體和交通標誌識別。

用於自動駕駛的L3至L5級攝像機的成本和目前一級和二級的成本相近，目前主要的相機生產商包括主要的汽車供應商，例如德國大陸集團，日本電裝公司和加拿大麥格納公司，以及專業供應商以色列Mobileye公司。

自動駕駛汽車通常使用一組攝像頭。Waymo使用幾套高解析度攝像頭提供了360度的車輛視野，該攝像頭在長距離強光和弱光條件下工作都很良好。通用汽車使用16個攝像頭來檢測和跟蹤行人/騎腳踏車的人，交通訊號燈和自由空間。Uber在其感測器吊艙上安裝了一個攝像頭系統，以實現360度覆蓋範圍。

Auto X在其頂部的感測器吊艙上安裝了六個攝像頭，並在後視鏡上安裝了兩個附加攝像頭。Auto X車輛使用攝像頭來進行地圖繪製，車道檢測，交通訊號燈和標誌識別以及其他任務。福特的自動駕駛使用頂部安裝的攝像頭和後向攝像頭來觀測環境。賓士Drive Pilot使用兩個攝像頭，一臺前置攝像頭和一臺背面以及“環視系統”。

車載相機是最大的市場感測器，估計全球汽車攝像機市場的規模在未來達到140億美元。其中大部分市場是備用攝像機，這是許多國家（包括美國）新車的標準配置。

目前德國採埃孚和加拿大麥格納兩家公司在美國生產汽車相機。採埃孚在伊利諾伊州馬歇爾的工廠生產相機並將其與其他技術結合以用於ADAS。

自動駕駛零部件公司-雷達

汽車雷達是汽車感測器領域的第二大部分。在L1和L2級中主要用作高階駕駛員輔助系統，例如自適應巡航控制和盲點檢測，主要生產廠家包括德國大陸集團，德國博世和電裝公司在內的傳統汽車零部件供應商等。

自動駕駛汽車中的雷達數量差異很大，其數量多於LiDAR，但少於攝像頭。Waymo使用360度雷達系統跟蹤車輛周圍道路使用者的速度；通用汽車使用三種類型的雷達（總共21顆雷達），它的雷達是鐳射雷達的補充，因為它可以檢測低光反射率的物體。

Uber ATG有八個雷達，兩個在大燈前面，四個在側面的拐角處以及兩個在後保險槓附近；Auto X使用六個雷達來檢測物體的位置和速度；福特使用四個雷達，分別位於前後和側面；賓士Drive Pilot使用前置遠端雷達以及前後多模雷達。

目前至少有兩家公司在美國生產雷達或雷達元件，大陸集團在得克薩斯州塞金的短程裝置的生產能力為300萬臺，電裝（日本）在田納西州的瑪麗維爾生產雷達部件，法雷奧（法國）在新罕布什爾州的哈德遜市設有雷達系統研發中心。

由於輕型汽車安全功能的使用增加，汽車雷達市場在新車中已顯著增長。2017年汽車雷達的全球市場為30億美元，歐洲是最大的汽車雷達市場。LiDAR在2017年的全球市場為3.53億美元。儘管2015年汽車市場幾乎沒有LiDAR，但高盛研究預測到2035年，它可能是最大的感測器領域。

自動駕駛零部件公司-鐳射雷達

LiDAR是汽車感測器市場中最小的部分，但自動駕駛公司已經進行了鉅額投資，因為很多自動駕駛汽車開發商認為它是汽車視覺的關鍵組成部分。LiDAR是一種基於雷達原理的檢測系統，車輛LiDAR最常見的工作方式是，激光向各個方向發射然後反彈回來，向車輛提供其周圍環境的影象。

用於自動駕駛汽車的LiDAR仍處於開發階段，單位成本相當高，但已從2010年代初的近8萬美元下降至2017年的8000美元，現在降至2019年的3500美元。

LiDAR與其他感測器一起使用，可以識別短距離和遠距離的物體。與攝像頭和雷達不同，LiDAR主要用於三級和四級自動駕駛車輛。由於成本高昂，目前正在測試的許多自動駕駛汽車一般使用一個頂部安裝的LiDAR。

但通用汽車的Cruise卻使用5個LiDAR來檢測固定和移動的物體，Waymo使用內部開發的三種類型的LiDAR工作，包括短距離LiDAR，高解析度雷達和可以看到近300米遠的加長雷達。

目前至少有兩家美國公司在生產LiDAR，包括Velodyne和Luminar。但是目前都沒有大規模生產：Luminar的工廠具有5000顆的生產能力，而Velodyne也與Veoneer簽訂了合同生產汽車級LiDAR，據報道Velodyne的前向雷達將於2020用於量產車輛。

鐳射雷達作為自動駕駛汽車的核心部件，自己開發或者合併收購成為行業參與者的必經之路。通用汽車於2018年收購了總部位於加州的LiDAR初創公司Strobe，該公司聲稱已找到一種將LiDAR成本降低99％的方法。2019年5月，Aurora Innovation（一家美國自動駕駛初創公司）收購了美國鐳射雷達公司Blackmore。

美國自動駕駛半導體分析

自動駕駛汽車依靠半導體來實現所有電子功能，汽車半導體分為五大類：模擬，光電，分立器件，邏輯和儲存器。在半導體的汽車最終用途市場中有多個子市場，包括:

•自動駕駛輔助系統（ADAS）和自動駕駛（例如，收集和解釋資訊，車輛的電子控制）

•控制，監控和安全（例如，動力轉向）

•動力總成（例如電子汽車的電池和電動機系統，變速器）

•視覺（例如輔助停車的攝像機）

•資訊娛樂（例如，廣播和娛樂系統，整合的蜂窩連線）

•車身（例如，胎壓監測器，無線啟用的門鎖）

汽車越來越多地配備與車載導航系統，資訊娛樂系統，ADAS和其他安全功能相關的半導體。隨著自動化水平的提高，行業預測每輛汽車的平均半導體價值可能會從160美元（第2級）提高到每輛車630美元（第3級）至970美元（第4級和第5級）以及總共3500個半導體零部件。

半導體的傳統市場是消費電子，通訊和計算機，在2017年佔半導體產值的75%。然而汽車半導體未來將是增長最快的市場，汽車行業預計自動駕駛，互聯汽車和電動汽車在未來將加速半導體消費量增長。

不斷增長的汽車半導體消費是一個重要的市場，許多公司正在積極投資以服務於該市場。但是與其他半導體最終用途市場相比，汽車行業的設計時間長，產品壽命週期長，並且對法規和安全性的要求也很高。

因此汽車公司對零部件的效能期望更高，對供應商的鑑定時間更長。由於鑑定時間長和期望的高質量，汽車晶片比標準的消費電子晶片更具有長期繫結性。

美國自動駕駛半導體公司分析

自德州儀器（TI）在1958年開發出第一條積體電路以來，美國公司一直領導著半導體行業。2018年排名前15位的半導體公司中有7家總部位於美國。目前美國從事自動駕駛汽車半導體細分市場的領先公司是英特爾，英偉達和特斯拉。

英特爾

英特爾主要投資於ADAS和安全系統的開發。在2017年以153億美元收購以色列先進駕駛輔助系統（ADAS）初創公司Mobileye之後，英特爾已成為開發計算機視覺，機器學習以及ADAS系統和自動駕駛地圖領域的先導部隊。它還與菲亞特克萊斯勒汽車公司，BWW和Waymo建立了合作關係。英特爾生產的其他幾種半導體產品也用於影象識別和自然語言處理，這兩種產品都用於自動駕駛汽車系統。

英偉達

英偉達積極參與自動駕駛汽車市場，為開發環境（訓練人工智慧晶片和虛擬現實駕駛模擬）和測試車輛提供產品。在培訓機器學習演算法（例如神經網路）以進行自動駕駛任務（例如感知和本地化）時，Nvidia的Tesla圖形處理單元（GPU）被廣泛認為是行業的金標準。

Nvidia還推出了Nvidia Drive技術，這是一個統一的人工智慧計算體系結構，可訓練深度神經網路，然後在車輛中執行它們，並與來自多個攝像頭和感測器的輸入進行整合。英偉達聲稱與320家汽車製造商，一級供應商，汽車研究機構和高畫質製圖公司建立了合作伙伴關係，並宣佈與奧迪，豐田汽車，沃爾沃，大眾，優步和賓士達成與自動駕駛相關的合作伙伴關係。

特斯拉

特斯拉是一家開發自動駕駛晶片的汽車公司。全自動系統級無人駕駛晶片（FSD晶片）於2019年首次推出，由特斯拉設計用於其自己的車輛，目標是4級和5級自動駕駛。由三星在德克薩斯州奧斯汀的工廠生產，該晶片包含一個圖形處理單元，兩個神經處理單元，一個CPU和一個記憶體（SRAM），以及一個攝像頭序列介面，影片編碼器，影象訊號處理器和安全系統。

最終每輛特斯拉汽車都將配備一臺完整的自動駕駛計算機（FSD計算機），該計算機將由帶有兩個FSD晶片的印刷電路板組成。儘管兩個FSD晶片封裝在同一塊電路板上，但出於安全目的，它們將彼此分開工作。車輛通電後，來自汽車的8個視覺攝像頭和12個超聲波感測器的資訊輸入，將分別但同時將諸如位置，速度，雷達，GPS和慣性測量之類的讀數饋送到每個晶片。這兩個晶片根據這些輸入獨立決定行動方案，並將其擬議計劃傳送到汽車的安全系統，以決定是否達成協議。一旦達成計劃，便會確認命令，感測器會反饋資訊以確認命令已執行計劃。

塞靈思，AMD和高通

很多美國的半導體公司也宣佈了針對自動駕駛汽車市場的投資，包括塞靈思，AMD和高通等。Xilinx是現場可程式設計門陣列（FPGA）晶片的領先供應商，最近宣佈與德國採埃孚股份公司合作，成為傳動系統和底盤技術的供應商，為採埃孚的汽車控制單元（ZF ProAI）提供動力。目前，汽車系統中使用的Xilinx晶片超過1.6億片，其中近一半用於駕駛員輔助應用。

2019年2月，高通推出了其第二代互聯汽車參考平臺（稱為QCA6696晶片），該平臺是其Snapdragon汽車平臺的一部分，旨在結合汽車的多種技術（GPS，5G蜂窩連線，Wi-Fi 6，藍芽等）。據報道AMD提供了特斯拉在其FSD晶片開發中納入的一些智慧財產權，並且有猜測稱它將進入自主晶片市場。

美國自動駕駛軟體公司分析：資料處理，機器學習和高精地圖

自動駕駛汽車軟體系統廣義上來說是“物聯網”（IoT）的一種，該系統由支援網際網路的裝置（例如感測器）組成，這些裝置可將資料收集並傳輸到基於雲的網路以進行彙總和分析。汽車物聯網部門佔2018年全球物聯網市場總量的4.8％，市場總額為45億美元。本小節介紹了自動駕駛汽車中使用的基礎計算機系統和軟體，特別是典型的自動駕駛資料處理系統，以及自動駕駛軟體中機器學習和對映的應用。

資料處理軟體

對於自動駕駛汽車來說，完全基於雲的物聯網系統並不是處理自動駕駛操作相關的資料的最有效方法。完全基於雲的生態系統由於規模，雲基礎架構內系統的異構性以及高延遲（提出資料請求的時間點與提出資料的時間點之間的時間間隔）而常常無法根據路況做出快速響應。

自動駕駛汽車製造商對資料處理程式進行程式設計，包括機器學習演算法，這些應用程式需要透過汽車中的中央計算機或透過汽車中的低延遲來實現對自動駕駛汽車的處理。這種組合的方法允許車輛在車輛級別上最小化應用程式的請求響應時間，同時還可以在需要時提供與集中式雲資源的連線。

自動駕駛汽車的操作特點是兩種資料處理型別，包括本地（車輛內）處理和基於雲的網路處理。

在汽車行駛時它會捕獲有關周圍環境的資料，並根據該資料立即做出決定（例如在停車標誌處停車）。此類資料處理需要快速的響應時間，包括高於2.5 mbps（兆位/秒）的下載速度，高於1 mbps的上傳速度和小於100毫秒（ms）的延遲。

2017年美國平均下載速度最為72 mbps，寬頻的中值延遲範圍為12毫秒至37毫秒。儘管從理論上講，這些速度足以支援基於雲的資料處理，但速度會因位置，網際網路總流量和寬頻提供商的型別而變化，這意味著自動駕駛汽車可能無法始終如一地訪問執行所需的基於雲的基礎架構。

關於本地處理，有多種方法可將所需的車載處理感測器嵌入到自動駕駛汽車中。例如，NVIDIA的DRIVE AGX平臺是專門為自動駕駛而設計的，方法是將計算機的所有元件配置到單個積體電路（片上系統）上。在DRIVE系統上，該晶片整合了冗餘AI演算法，感測器處理，對映和驅動，同時相對於傳統的多晶片電路，還降低了能耗和處理器尺寸。NVIDIA的硬體和軟體是賓士，沃爾沃，以及特斯拉自動駕駛開發的一部分。

鐳射雷達公司AEye也開發了一種集中式車載處理的替代方法，該方法將軟體直接嵌入其鐳射雷達裝置中，而不是透過鐳射雷達傳輸；同樣德國公司博世也開發了一種具有一定人工智慧功能的攝像頭，即使沒有車道標記，該攝像頭也能夠確定道路邊緣是否可以通行。

同時可以將有關單個車輛在道路上的效能資料與來自整個車輛佇列的資料進行彙總，將該資料從單個車輛傳輸到雲資料中心並進行分析，以改善軟體系統的操作和決策能力。例如，通用汽車的車輛從每個車輛的共享知識庫中學習，並且在特定的地面條件（例如封路）上傳送資料，以通知車隊的其餘部分。

雲計算和雲端儲存公司

為自動駕駛公司機器學習演算法提供基礎設施的雲基礎設施即服務（IaaS）提供商在2018年全球雲計算收入中佔了305億美元，IaaS領域幾乎被美國提供商佔領。雲計算公司可以向自動駕駛開發人員出售資料儲存和處理空間，例如Uber使用亞馬遜的AWS和Google的雲基礎設施。

自動駕駛公司即使用各種開源工具，又在各種開源工具上進行協作，以構建進行機器學習的環境。例如，Uber的機器學習平臺“ Michelangelo”結合了用於大資料管理的開源Apache庫和基於Python的機器學習框架TensorFlow，以及內部開發的元件。

自動駕駛市場中的公司還可以透過開放的合作伙伴關係進行協作平臺。例如百度的Apollo架構提供了一個開放平臺，用於測試自動駕駛汽車，並跨合作伙伴（包括汽車製造商，軟體和硬體開發人員以及大學合作伙伴）彙總自動駕駛測試資料。同樣，美國公司Waymo在2019年8月釋出了高解析度感測器資料。

機器學習和高精地圖公司

自動駕駛汽車依靠機器學習開發的演算法來做實時駕駛決策。機器學習專注於設計計算機演算法，該演算法可自動為新資料構建分析模型。機器學習具有多種應用，其中兩個應用演算法與自動駕駛特別相關：⑴解釋非結構化資料，例如影象，影片和音訊 ; ⑵並透過分析來自感測器，照相機，GPS系統和地圖的資料與物理環境進行互動。

為了使用機器學習來做出駕駛決策，大多數自動駕駛汽車都需要以周圍的三維地圖為基線，與來自感測器的資料進行比較，從而使汽車可以專注於駕駛環境中的異常情況，並做出正確的決策。

這些高精地圖往往比衛星影象更詳細，包含物理環境的特徵，例如道路型別，路緣尺寸，腳踏車道和減速帶。它們也可以加上註釋，以包括相關的交通法規和指南，例如速度限制和交通訊號。

但是高精地圖也限制了自動駕駛車輛的可擴充套件性，目前自動駕駛汽車只能在原本經過的道路上行駛對映，這意味著沒有高精地圖的區域，自動駕駛汽車很難有效的做出決策。

機器學習面臨很多安全方面的挑戰，特別是在網路安全方面。將錯誤的資訊輸入到機器學習演算法中，可能改變自動駕駛汽車的駕駛模式，並導致嚴重的後果。研究人員發現，透過修改停車標誌，可以誤導自動駕駛汽車在錯誤的道路上行駛。

美國自動駕駛公司收入分析

儘管存在這些挑戰，但各個公司的財務報表仍可以幫助您瞭解自動駕駛軟體的價值。進入自動駕駛汽車市場的汽車製造公司採用了不同的戰略來開發自動駕駛軟體，這使得將自動駕駛軟體系統的價值與其公司的業務隔離開具有挑戰性。

一些汽車製造商收購了軟體開發公司。通用汽車以10億美元的價格收購了自動駕駛軟體開發公司（Cruise），現在成為其自動駕駛開發部門。而GM Cruise在2017年的總收入估計為30萬美元，目前其估值高達300億美元。

沃爾沃的軟體開發合作伙伴英偉達在2017年的非硬體業務領域的收入約為20萬美元。英偉達的汽車軟體業務估值在100億美金左右。

福特汽車自動駕駛合作伙伴Argo AI2017年的收入為30萬美元，目前估值約為100億美元。

Waymo，Uber和Aptiv等一些軟體開發公司獨立開發自動駕駛汽車軟體，然後將其技術嵌入到汽車製造商提供的汽車中。Waymo的總估計收入約為300萬美元，目前估值超過1000億美元。

而Aptiv在其“高階安全和使用者體驗”業務領域的總銷售額約為400萬美元，目前估值為40億美元。

還有一些公司專門致力於建立自動駕駛軟體開發所需的詳細地圖。Carmera2017年估計收入為45萬美元，DeepMap2017年估計收入為42萬美元。

結論

車輛製造商，零件供應商，硬體公司，軟體公司和半導體公司都參與了自動駕駛汽車的開發，而美國公司則參與了自動駕駛行業中的每個子市場。未來合併收購和合資企業在自動駕駛行業中將發揮重大作用。