小白可以从这些方面谈论智能驾驶，秒变大神

新能源汽车的下半场就是智能化，原来科幻电影中的自动驾驶正在变成现实。

首先要了解的就是智能驾驶的组成，才有方向去讨论。主要由感知层、决策层、执行层三大部分组成。感知层（好比人的眼睛）即各类传感器，包括摄像头、激光雷达、毫米波雷达、超声波雷达等。决策层（好比人的大脑）即通过感知的信息来进行决策判断，根据当下环境代替驾驶员做出驾驶决策，指挥车辆如何操作。执行层（好比人的手脚）即按照决策结果对 汽车进行加速、制动、转向等各项控制，以实现智能驾驶。

更深层次的决策层又包含了智能决策（决定下一步的行车方向），路径规划（确定了方向，如何到达），行车控制（向车辆底盘下发具体的控制指令）。执行系统就是严格按照大脑的指令操纵车辆加减速和转弯情况。

最容易关注的点，外装传感器-重头戏

自动驾驶能力一般分为L0-L5，数字越高代表智能化越高：

L1 级别需要 8 个超声波雷达与 5 个摄像头， 到了 L3 级别便需要 12 个超声波雷达、7 个摄像头、5 个毫米波雷达与 2 个激光雷达，而 L5 级别每辆车平均就需要 12 个超声波雷达、12 个摄像头与 8 个毫米波传感器与 3.5 个激光雷达，传感器的数量实现了大幅度增加.

车载摄像头按照安装位置可以分为前视、后视、环视、内置和侧视等， 自动驾驶主要使用前视和环视摄像头。

1） 前视：单目、双目等前视摄像头一般安装在前挡风玻璃上，用于检测前方路况，识别人、车、红绿灯以及障碍物等，广泛用于前向碰 撞预警 FCW、行人探测与防撞预警 PCW、车道保持与危险预警 HMW、车道偏离预警 LDW、交通标志识别 TSR 等功能。

2） 环视：使用多个摄像头的图像进行拼接，为车辆提供360 度成像， 主要用于低速近距离感知，可以用于倒车影像、全景泊车和辅助自动驾驶等，也可配合其他传感器一起用于高精度地图数据的采集。

相对于摄像头来说，激光雷达需要具备探测中长距离、可靠度和稳定性、夜间判断能力等。

市场近两年存在两种方案争端，以特斯拉为首的纯视觉方案（只用摄像头），国内主流的融合算法（摄像头+雷达）；与视觉算法和激光雷达算法相比，融合算法将车辆检测准确率分别提升了 6.47%和 3.72%。行人检测准确率分别提升了 20.27%和 4.86%；骑行者检测准确率分别提升 了 5.04%和 3.04%，融合方法能够实现更好的环境感知能力。

不同传感器的优劣势对比：

成本来看，激光雷达最高，其次4D 毫米波雷达/高像素摄像 头/3D 毫米波雷达/低像素摄像头/超声波雷，理论来看，去除激光雷达仍满足基本的感知需求。

激光雷达或成为中高价格带车型补充传感器存在，主要负责极端环境 感知、距离测量等方面的数据获取，具备传感器性能优势。

看不见的成本，智能算力控制器

智能驾驶算法决策的权重占比持续提升，逐步成为定义硬件配置的核心原因。

算法的迭代或直接影响车端硬件布局。方案来看，多传感器融合方案和纯视觉方案在竞争中直接受 AI 算法、融合算法等多类算法的影响。

由于智驾的硬件，需要适配上层软件算法，软硬需要有强适配性，硬件的真实算力才能更好地发挥出来。因此，谈智驾芯片算力怎么样，某种程度上其实在谈智能驾驶水平怎么样；成本方面占比接近智能套件的一半。

其次是智能驾驶实际运行，可以多看一些汽车博主的实测评价，车辆的起停，道路标识的识别，转弯等高架和城市道路的表现情况，还有一些道路的紧急情况处理能力，车辆运行的平顺性等，主观判断比较大，主要看哪家的智能驾驶接近一个老司机。