自动驾驶领域的主流玩家
近几年，自动驾驶成为一个热门行业，吸引了大量企业前来布局，这些企业大致可以分为五种类型：第一类是以谷歌Waymo、百度Apollo为代表的平台厂商；第二类是以英特尔（Intel）CPU[4]/FPGA[5]、英伟达GPU[6]为代表的硬件供应商；第三类是以特斯拉、奥迪、通用为代表的车辆生产企业；第四类是以博世为代表的车辆零部件制造商；第五类是以英特尔Mobileye为代表的技术解决方案提供商。截止到目前，市面上的自动驾驶汽车大多停留在L2级别，只有部分汽车的部分功能达到了L3或L4级别。
一般来说，L2级别的自动驾驶主要有两种解决方案：第一，在车辆前端安装前视摄像头，辅之以毫米波雷达和视觉感知芯片；第二，在车辆周围安装摄像头与声波雷达，利用中央计算机进行融合计算。
一、特斯拉Autopilot
目前，特斯拉Autopilot的自动驾驶已经完全达到了L2级别，部分功能达到了L3级别。只要解决预警信息没有完全到位的问题，自动驾驶就可以完全达到L3级。特斯拉Autopilot的发展遵循的是先发展硬件，再更新软件的原则。每一台特斯拉都会配备时下最新的硬件设备，然后通过空间下载技术（Over the Air Technology，简称OTA）不断地对设备进行更新，推动自动驾驶功能不断升级。
从2016年10月开始，每辆特斯拉汽车都会安装自动驾驶硬件套件，包括摄像头、雷达、超声波传感器和可升级的车载计算机。目前，大约有15万台搭载了这种自动驾驶硬件套件的车辆行驶在路上，车辆搭载的软件系统可以利用OTA进行更新。这些行驶在路上的汽车会源源不断地为特斯拉提供真实的驾驶数据，帮助研究人员不断更新算法，向更高级别的自动驾驶升级。
二、谷歌Waymo
作为谷歌旗下的自动驾驶部门，谷歌Waymo一直在努力打造一整套涵盖硬件与算法的体系，车辆安装了这套体系就可以实现自动驾驶。从这一点来看，谷歌Waymo似乎想占据自动驾驶产业链的上游，为车企提供硬软件设备，包括定制化的芯片、激光雷达传感器等。
谷歌Waymo的自动驾驶方案是先为想要实现自动驾驶的汽车进行环境建模，所涵盖的环境信息比高清地图更多、更细，然后将计算机视觉与激光雷达的算法相融合，从算法与策略两个层面为自动驾驶奠定基础。但是这样一来，谷歌Waymo的服务区域就有了一定的局限性，只能在自己掌握了完整环境数据的地区提供服务。想要扩大服务范围，谷歌Waymo的工作人员必须前往美国各个地区，在各种极端环境下进行测试，积累大量车辆行驶数据，这是一个漫长的过程。
三、英特尔Mobileye
Mobileye主要致力于高级驾驶辅助系统和自动驾驶视觉技术的研发，拥有自主研发的EyeQ系列视觉处理芯片以及配套的基于视觉计算的解决方案。目前，EyeQ5已经问世，且已经在一些车辆上得以应用。Mobileye正在组织研发EyeQ6，预计于2023年问世。在众多自动驾驶解决方案中，Mobileye方案最大的优势在于使用单一摄像头采集路面信息，感知周围环境，使相关成本大幅下降。
2013年，Mobileye被英特尔收购，成为英特尔布局自动驾驶的重量级武器。Mobileye与英特尔之前收购的FPGA芯片巨头Altera、视觉算法公司Movidius一起，共同构建了一个自动驾驶端到端的完整的解决方案。
四、百度Apollo
在中国的自动驾驶领域，百度是当之无愧的先行者。其Apollo策略与谷歌的Waymo策略有很大不同，Waymo始终牢牢掌握着硬件体系的主导权，而Apollo则愿意将硬件体系的主导权开放，构建参考硬件体系，鼓励更多垂直领域的企业前来合作。对于百度Apollo来说，人工智能技术、平台服务、软件服务是核心竞争力。
2020年，Apollo生态保持深化扩张之势，与200多家企业达成了合作。2020年9月，百度Apollo 6.0平台发布，这个平台新增了很多硬件设备，在软件方面也推出了基于深度学习的算法，增加了全新的无人化接口、云端服务以及V2X系统，涵盖了五大功能，分别是智能新模型、安全无人化、系统新升级、联动新服务、V2X车路协同。
其实，早在2016年，百度就开始在路侧感知传感器方案、路侧感知算法、车端感知融合算法、数据压缩与通信优化、V2X终端硬件及软件、V2X安全等领域布局，对车路协同方案进行研究。2018年7月4日，百度Apollo与金龙客车联合打造的自动驾驶巴士“阿波龙”实现量产，正式进入市场。这是全球第一款达到了L4级的自动驾驶巴士，标志着百度的自动驾驶方案实现了商业化落地。
在边缘计算平台选择方面，以CPU或GPU为主的计算平台仍然是主流选择。例如，谷歌从2009年开始就使用英特尔的计算平台开发无人驾驶汽车，最新的克莱斯勒大捷龙无人车使用的也是英特尔的Xeon服务器芯片、Altera的FPGA芯片和英特尔的以太网关芯片。除谷歌外，百度也使用了英特尔双至强E5-2658V312核CPU，用来对激光雷达云点和图像数据进行处理。
虽然近年来自动驾驶领域出现了一些新技术，例如TSN[7]网络交换器、ASIC等，但因为TSN的协议比较复杂，标准延续的周期比较长，所以大部分企业还是会选择FPGA，尤其是在ADAS领域。以奔驰S系列为例，每辆车安装的FPGA多达18个。
相较于TSN网络交换器，FPGA最显著的优点就是功耗低。如果以同样性能的CPU为参考，FPGA的功耗只有CPU的1/10。基于这一优点，FPGA更容易通过严苛的车规级认证，尤其是高等级的ISO26262认证。至于ASIC，则因为开发周期、量产周期比较长，在自动驾驶领域应用得相对较少。