ADAS（高级驾驶辅助系统）是ADS（自动驾驶系统）这个大概念的一部分。通常意义上，只具备L1和L2功能的系统被定位为“驾驶辅助系统”，而所谓的“自动驾驶系统”是具备演进到L3或更高级别功能的系统。
ADAS是一系列“驾驶辅助功能”，是辅助驾驶员如何避免事故，舒适、安全地到达目的地（从A点到B点）。在这个级别，责任主体还是人。
相比之下，ADS的责任主体不再是人。人工智能在确定的ODD范围内、无人参与的情况下进行所有的感知、决策和执行，是另外一种到达目的地的方式。
ADAS和ADS都可以从各种传感器中提取有用的信息，比如感知外界信息的摄像头和雷达，以及采集的数据。同时，也都涉及到诸如ECU、转向、加速、刹车等控制汽车的部分。
ADAS的开发目标是“尽量减少事故发生或尽量减少事故损失”，而ADS由于是无人驾驶，系统将会监管，因此有必要明确人类驾驶以外的更高安全标准。
此前，ADAS系统通常是因为约束于安全监管机构制定的强制性法规——但这些系统在功能、性能、动力和成本方面受到高度限制。因此，主动安全系统主要关注于基本功能，如自动紧急制动、车道保持辅助。
另一方面，更先进的系统（ADS）当前过于昂贵，需要产业玩家一起带动消费者需求，催熟产业，促进其快速大规模部署。
一、弄清楚功能与系统的差别
按照高工智能汽车研究院发布的报告数据。今年5月，2020款新车ADAS搭载率突破40％大关，达到44.2％，其中2020年1-5月，新车L2功能搭载率达到9.75％，其中1月搭载率首次突破10％，达到11.05％。
的确，从数据来看，ADAS逐渐被消费者接受。但是就算100％装配1R1V/1R2V等ADAS感知配置，自动驾驶也不会到来。
为什么这么讲？任何事物，都是在有一定积累的基础上，量变到质变的过程。但是猪不会变狗；狼却经过一段时间自我驯化”，可以变成了狗。
当前行业对ADAS和ADS系统的定义，以及L1/L2，L2+，L3+（L3，4/L5）功能定义很混乱。但是可以明确的是：
高级驾驶辅助ADAS系统是不能演进到自动驾驶ADS的，比如1R1V等。猪不能演进成狗的，基因不一样。
自动驾驶ADS系统：虽然当前是L2+的功能，但后期可能演进更高阶的功能的系统，比如特斯拉的传感器预装+集中计算。狼是可以“自我驯化”成为狗的。
汽车制造商在开发ADAS和ADS方面面临双重压力。越来越多的证据表明，传统的ADAS和具备可以演进能力的ADS系统是断裂式的，两者没有相关性。
换句话说，适用于ADS的传感器套件、处理能力和整车电子架构仍然成本高昂。实际上，可以利用摩尔定律快速缩小ADS体系架构，以及利用量产规模效应来降低核心零部件的成本，以满足面向私人市场量产新车所需的成本“甜蜜点”。
同样，现有大多数ADAS功能基于独立、离散的电子架构、没有冗余的计算处理能力和有限的传感器，功能不能扩展到ADS解决方案。
此外，ADAS更强调独立的功能，而ADS则更看重场景，并且从系统角度出发来集成各种功能。目前，ADS主要有两种主要的系统级别：
1、有限的自动驾驶，即在一定的交通和环境条件下，系统负责功能的完整运行。它取决于车辆监控它的周围环境，并决定是否在一定条件下将控制权转移给驾驶员。
2、完全自动驾驶，车辆负责整个行程（A到B点）所有关键功能的安全运行。驾驶员只需要告知系统目的地信息，系统负责安全到达。
二、如何从量变到质变？
如果要驾驶辅助（ADAS）从量变到质变自动驾驶（ADS），要求ADAS和ADS基因是一样的，要具备“自我驯化”的条件，同时具备持续升级和快速升级两项能力。
1、为售后实现全自动驾驶目标考虑整车架构，比如集中式计算架构、预装传感器以及计算平台硬件可替换升级；
2、软件架构，要方便增加功能特性以及升级要求，内核软件隔离硬件差异化，方便硬件升级；同时支持持续集成、快速交付；
3、数据采集、自动化持续监控、自动测试及验证要形成闭环。可以利用数据进行云端训练以及实车验证；同时，可以进行自动搜集改进意见反馈；
最关键的是，整车设计目标要求是，在整个生命周期内可以持续升级实现自动驾驶。用一句简单概括说明:“脱手＂“脱脚”不“脱眼”，过渡到可以“脱眼”。
这意味着，整车系统设计，要按照真正的自动驾驶要求来考虑，只需要驾驶员关注行车，不需要人实际参与驾驶，比如通过DMS（驾驶员监测系统），监测驾驶员是否关注行车。
其中，对整车和自动驾驶系统提出了下列要求:
①整车架构
功能安全：感知、决策、执行、供电、通讯等逻辑链条冗余；
集中式计算架构：统一管理传感器、执行器等资源；
②自动驾驶系统:
预装自动驾驶需要的传感器
计算平台硬件：硬件可替换到更大算力
③自动驾驶软件架构:方便迭代升级特性和功能
④整车系统（软件+固件）可以OTA
⑤自动采集高质量数据，支持软件持续集成和验证闭环
⑥通过持续升级，改善和扩充场景。
⑦测试、验证能力。
最好的实例，就是特斯拉。虽然最新的 Model3不具备完整自动驾驶能力，但是它已经具备ADAS向ADS演进的思路和架构。
基本的模式，就是按照L3+设计自动驾驶（ADS）系统以及“自我驯化的条件，先按照L3+体验打造功能特性，推出脱手脱脚＂不”脱眼”（L2+）；
在现实场景中测试，迭代实现某些场景“脱眼（L3+），逐步实现高速点到点，城市点到点的L3+自动驾驶（ADS）场景。以此方式，加速智能驾驶从ADAS到ADS的进程。
当然，还有非常关键的一点，激光雷达是L3+及以上系统的感知标配。比如，高速公路上常见的微小物体的检测，需要至少32线（等效）以上激光雷达的配置。
不过，这也取决于激光雷达的技术能否快速成熟商用，成本能否快速降低？因为，从POC到SOP，在性能验证过关的前提下，成本是核心要素。
三、端到端方案VS台方案，哪个是“正”，哪个是奇？
《孙子兵法势篇》:“凡战者，以正合，以奇胜”。兵法是指，在以正兵与敌人交战的时候，永远要埋伏一支多出来的兵力，就是奇（jī）兵。奇兵能出其不意，在战斗中突然打乱敌人的部署，是致胜的关键。
这里的“正”，就是传统的平台化方案，OEM与Tier1合作开发自动驾驶系统。典型的案例就是奥迪A8的L3系统研发模式；“奇”，就是端到端方案，比如，特斯拉就是坚定的端到端方法来构造自动驾驶系统。
相对于深度学习，传统机器学习的流程往往由多个独立的模块组成。汽车制造商、他们的一级供应商将这些模块整合到一个专有平台中。
以A8的zFas域控制器为例，是有多家供应商一起参与完成系统的架构，在决策过程中使用的是既定规则，不同供应商参与不同环节。
与平台化方案的不同之处在于，端到端方案的所有规则都是由汽车制造商（或者一家合作伙伴）来掌控制定，平台可以使动态资源共享成为现实——这一转变将降低整体硬件成本，同时允许随着时间的推移增加新功能。
统一的操作系统可以允许动态分配处理能力，在需要时动态地增强关键系统的性能。例如，在复杂性高且响应速度非常重要的“边缘情况”中，可以分配更多的资源。
此外，还可以优化总体硬件成本，并且可以简单地将额外的处理能力“插入”到架构中，以支持未来的软件升级。
四、自动驾驶（ADS）的终极产业形态
ADS系统，最终形态是：谁是产品的拥有者，谁对产品质量负责。未来，产业链商业模式会出现不同的分化。
1）主机厂自己做端到端，类似特斯拉。
2）Tier1和OEM一块做端到端，类似华为ADS。
3）平台方案，主机厂主控/开发端到端的软件。这要求主机厂具备很高的开发能力水平，当前少数有能力的主机厂可能会采用这种模式。
由于主机厂的能力千差万别，端到端的方案和平台方案落地节奏和方式也不一样。
对于传统一级供应商来说，挑战甚至更大。除了满足不同的细分功能要求，还需要负责整合整个系统，解决复杂的安全问题，有时还承担责任。此外，很多Tier 1还必须为不同的OEM提供不同的定制，这使得进度和协作更加困难。
这是传统平台方案的瓶颈之一。
可扩展性、易用性和更好的用户体验的需求，意味着更多的新的供应商角色的出现。这些厂商（比如华为、Waymo）可以提供硬件、软件、开放栈、开发工具包和强大的生态系统资源（端到端开发能力），帮助汽车制造商应对不断变化的需求。
比如，这些厂商还可以提供驱动程序、操作系统、安全中间件以及一些应用软件和组件，给到汽车制造商所需要的快速开发应用的能力，并且降低开发成本。
a）自动驾驶（ADS）端到端的解决方案，如果近期能够展现迭代速度和交付质量，将有很多主机厂对端到端方案感兴趣，近3年将是端到端为主。
b）自动驾驶的平台方案，则需要挑选有开发能力的主机厂，特别是造车新势力，联合开发，通过消费端提升对自动驾驶的需求。反向推动产业建立软件开发能力，推动平台生态建立。
本文转自：高工专栏 高工智能汽车（GGAI-AV），转载此文目的在于传递更多信息，版权归原作者所有。
