2018年世卫组织于发布的报告提到了，全球每年因为交通事故死亡的人数达到135万。意味着每20多秒就有1个人，因为交通意外失去生命。所以世卫组织希望在2020年前后，全球道路因交通事故造成的死伤人数降低50%，这个难度可不小。
按照我国2019年应急管理部发布的报告，我国交通事故高发时段，主要发生在上下通勤高峰时段。导致交通事故频发的原因，就是不遵守交规的车辆和行人、电动车、摩托车碰撞导致的交通事故。其次是开赌气车、霸王车的司机，恶意别车容易出现交通事故。
数据显示， 2019年我国交通事故 受伤人数为221309人，死亡人数高达56934人 。同时我国每年因为堵车直接经济损失高达2500亿，相当于我国GDP的5-8%,尤其是北京、上海、广州等一线大城市，每天发生的交通拥堵的相关处理费用达到10亿元。因为堵车开不快费油，加上上班族堵在路上没法创造价值，以及工厂所需原材料送不到造成的损失，造成的间接经济损失也十分庞大。
在这个档口上，自动驾驶逐步发展起来，成为解决我国交通问题的重要技术之一。根据谷歌旗下无人驾驶公司Waymo的数据表面，自动驾驶 汽车 技术能够通过将安全间距缩短， 汽车 通行时间从0.9秒，最短可缩短至0.2秒。红灯变绿灯时 汽车 都是一辆接一辆的起步，这十分浪费时间，如果 汽车 全部采用自动驾驶，那么基本可以实现一起启动，这样可以大幅减少同行时间。
通行时间减少，通行能力自然会大幅上升，通信效率预计会提升45%到130%左右。考虑到新技术的不确定性，全面普及自动驾驶 汽车 技术之后，每条车道有效通行能力，保守估计会提高60%到80%。因为交通便捷，堵车少了，所以开车的人变多了，这样会让整个交通总流量增加5%到15%。
不过要做到这个水平，自动驾驶水平至少要达到L3-L4的水平，根据国际自动机工程师学会划分的智能驾驶标准，L3级别可以达到车辆完成绝大部分驾驶 *** 作。而L4级别可以达到车辆完成所有驾驶 *** 作，特殊路段例外。意味着L3级别的技术，人的手还不能离开方向盘，而L4就可以了。
自动驾驶的研发工作已经几十年了，如今能做到是因为AI技术和计算机视觉技术的兴起，以及各种MEMS传感器的升级换代，我国已经具备实现自动驾驶的可能。而且因为自动驾驶的产业链特别长，涉及人工智能、通信、半导体技术、以及 汽车 技术，涵盖了我国绝大多数新 科技 的产业链，所以自动驾驶的潜在市场规模极为庞大。
随着我国智能化全产业链的技术逐渐成熟，随着国家政策的推动，众多资本已经入局，经过数十年的技术发展，目前我国的自动驾驶的商业化落地的节点已经到来。
而此时国内外知名的 科技 公司和传统 汽车 巨头，都在积极布局自动驾驶，例如谷歌旗下的Waymo、通用旗下的Cruise、福特的Argo、硅谷初创公司Aurora和德尔福 汽车 旗下的安波福。以及百度、华为、大疆、宝马、丰田、沃尔沃、小马智行、特斯拉等众多 科技 巨头参与其中，可谓是八仙过海，各显神通。
不过作为第一个将自动驾驶商业的特斯拉，旗下的新能源 汽车 却屡屡发生事故，这为自动驾驶发展抹上了一层阴影，特斯拉到底是现有的技术还不成熟？虚假宣传？
我们要知道自动驾驶的需要的三大系统，分别是用来感知、决策、和执行的。而自动驾驶系统的最终目标是代替人工驾驶，所以需要模拟人的处理方式，通过五官的感知周围的环境，并将收集到的数据传输到大脑；由大脑对收集的信息进行判断和决策，给予人体信息，身体和四肢会根据大脑给出的指令行动。
所以自动驾驶的“五官”，需要对周边环境感知、位置感知和速度、压力等其他信息感知；而自动驾驶的“大脑”主要包括： *** 作系统、集成电路和AI；自动驾驶的“身体”包括：动力控制、方向控制、以及其他控制。
自动驾驶的“五官”可采用多种传感器代替，视觉传感器、雷达传感器、红外传感器是最常用的三类传感器。最火的自然是视觉传感器和雷达传感器。而雷达传感器又可分为，毫米波雷达、激光雷达、超声波雷达三种。一般的自动驾驶算法工程师认为，多种传感器融合是实现自动驾驶的关键。
而多传感器融合的原理是利用计算机技术，将多种传感器收集的信息和数据进行整合和分析，并综合评估，作出决策的信息处理过程。而特斯拉选择纯视觉化确实刷新了很多工程师的认知，虽然特斯拉加装了毫米波雷达，但是毫米波雷达无法对图像的颜色进行识别，且对横向出现的目标不敏感，对于较小物体的识别效果不佳，所以缺乏高程信息。
毫米波雷达的缺点，导致它很难分别禁止的物体，例如井盖和指示牌。同时毫米波雷达因为对颜色不敏感，所以对静止的白色物体的监测也会大打折扣，如果自动驾驶系统过分信任毫米波雷达的数据，会导致 汽车 通过井盖或者指示牌下方时，车会自动避险或者刹车，导致驾驶者崩溃。所以特斯拉将视觉感知结果与毫米波雷达结果进行融合时，感知结果如果不一致，特斯拉选择相信视觉感知而忽略毫米波检测。
不过视觉感知依赖车载摄像头，而摄像头作为光感元件，对周围环境的光照强度的变化极为敏感，这会对摄像头图像的准确性有着非常大的影响，所以天气和环境的变化，都会对特斯拉的全自动驾驶系统形成制约。为了在视觉感知的水准达到自动驾驶的要求，对系统的算法、算力以及决策力要求很高。
但是特斯拉的自动驾驶模式屡屡发生事故，2016年5月，美国一男子开启特斯拉Model S后自动驾驶模式，从背后追尾半挂卡车，导致当场死亡。同样的事儿又发生在2018年初，一男子开启了特斯拉Model S自动驾驶功能，撞上了消防车。所以众多事故也间接说明特斯拉的自动驾驶系统存在不小的问题。
和特斯拉自动驾驶的视觉感知不同，华为采用3个激光雷达，配合摄像头和毫米波雷达等传感器进行数据融合。并且华为宣传要将96线车规级高性能激光雷达的成本压缩到200美元，甚至100美元。
而激光雷达由发射器、接收器、光束 *** 纵器和信息处理系统，四个领域组成。工作原理是利用发射器发射的激光，通过接收器对时间差及相位差进行计算，用激光线数进行三维点云图的描绘，建立周边环境的图像信息。
激光雷达因为线数不同，建立的图像也有差距。所以要用激光雷达成像技术实现自动驾驶，激光雷达线数至少要达到16线以上，才能3D建模成像。虽然激光雷达成像清晰，综合性能最佳，但是激光雷达也有一个硬伤，那就是价格不菲。
按照极狐阿尔法S的华为HI自动驾驶系统，配置了3个96线激光雷达和13个摄像头、以及6个毫米波雷达和1个车顶惯导、1个域控制器。这配置绝对吊打特斯拉，但是华为想要实现1000公里无干预自动驾驶，并且将96线激光雷达的价格，压倒200美元也是困难重重。
作为激光雷达技术引领者 Velodyne公司，旗下的16线激光雷达售价高达4000美元，128线激光雷达的售价更是超过8万美元，如此高昂的价格也是特斯拉放弃激光雷达的原因。不过根据数据显示，随着自动驾驶技术的普及，从2025年以后，预计全球每年会有600万辆新车，会搭载激光雷达。届时激光雷达的市场规模也有望突破50亿美元的大关，售价也会大幅下降。
如今我国一家创业企业，速腾聚创已经将125线固态激光雷达的售价降低到1898美元。目前华为HI自动驾驶系统，使用的的96线激光雷达也是由速腾聚创提供，虽然速腾聚创已将激光雷达的价格大幅压缩，但是单个激光雷达的采购成本，也远远超过2百美元。所以美团老总王兴公然发微博嘲笑华为，说华为和特斯拉的忽悠能力旗鼓相当。
华为的策略很明确，就是通过压价赔本卖，实现华为全自动驾驶的普及，并通过量产降低成本，在未来实现盈利。 但是激光雷达的核心MEMS传感器的元器件，都被欧美国家的电子巨头垄断。
涉及光学信息处理系统的主控芯片和模拟芯片市场，基本被美国半导体公司垄断，尤其是激光雷达的主控芯片90%的市场被美国赛灵思掌控。而华为目前还被美国制裁，想获得国外零配件基本没戏。
此时就不得不佩服华为的前瞻性了，因为华为很早就在光电半导体领域发力，在2012年和2013 年分别收购了英国光子集成公司和比利时Caliopa 公司，这两家公司都是从事硅光技术开发的企业。通过这两次收购华为成为国内首家掌握硅光子技术的公司。目前华为已经在光电领域成为全球顶尖的公司，但是居安思危，依旧没有忘记布局。
华为先后投资多家激光雷达MEME传感器的相关的公司，例如纵慧芯光、南京芯视界等多家公司，还在今年6月入股长光华芯。而长光华芯，是中国唯一激光芯片制造和研发的企业，可以理解为长光华芯的产品都是咱们中国的技术和产品，完全具有自主知识产权，同时还有完整的工艺平台和生产线，华为采购长光华芯的产品，可以完全不看美国人的脸色。
华为觉得这样还是不太靠谱，所以华为海思在2019年投资18 亿元，在武汉建设华为海思光芯片工厂。值得一提的是，华为选择在武汉建立光芯片工厂的原因，是因为武汉是中国最大的光谷，类似美国的硅谷，专门从事某一领域的 科技 开发工作。
同时武汉光谷，也是我国最大的光电器件研发基地，其科研能力和技术能力仅次于北、上、深位居中国第四，所以华为就是借这个地方，整合整个光谷企业的资源和技术，把中国集中力量办大事的习惯发扬一下，一举突破美国技术封锁，同时把激光雷达的价格压下来，做成白菜价，以后让新能源 汽车 的价格便宜一点。
华为这一路走来确实不容易，不过随着我国5G不断加深，我国主推的C-V2X技术，成为车联网的国际标准。V2X即是一种车用无线通信技术，是实现车辆与万物互联的关键技术，以后可以通过 汽车 连接手机，甚至家里的电冰箱、电视还有马路上的所有 汽车 都能实现全面互联。
V2X成为国际标准，意味着未来各个国家生产的新能源 汽车 ，联网都要采用这项技术，华为就是做5G的，所以依托C-V2X的技术，可以大幅提升自动驾驶的安全性和便捷性。因为以后的 汽车 之间都会有数据传输， 汽车 视野受阻也没关系，有数据传输系统就知道你在哪。
所以华为在自动驾驶领域超越特斯拉并不是难事，但是要彻底打破美国的技术封锁，还需要一些时日。
老子云：天地所以能长且久者，以其不自生，故能长生。华为一路走来，只有一个目标，扎根在技术之中，不断创造出新技术，推动人类发展，才能长盛不衰。也期待华为能走得更远。
众所周知，目前严重制约国产芯片制造技术进步的设备，就是光刻机了，因为目前全球最先进的光刻机是ASML的EUV光刻机，用于7nm及以下的芯片生产，仅ASML能够生产，却不能卖给中国大陆。
而国内最强的上海微电子生产的光刻机，还在90nm，业内人士表示，我们与ASML的差距可能得有10年以上。
也正因为买不到EUV光刻机，所以我们目前的芯片制造技术还停留在14nm，所以发展自己的光刻机，成为了当前芯片市场的重中之重。
而近日，传出一则消息，那就是华为也开始布局光刻机了，华为旗下的专业投资半导体产业的 哈勃投资，正式入股北京科益虹源光电技术有限公司。
所占股份大约为 4.7619%，而投资金额大约在1000万元左右，目前科益虹源的注册资金变成了20160万元。
科益虹源是什么来头？它是国内唯一，也是全球第三家具备193nm ArF准分子激光技术研究和产品化的公司。
在2018年的时候， 科益虹源自主设计开发的国内首台高能准分子激光器顺利出货，目前已经是国内光刻机厂商上海微电子的光源系统供应商。
此外， 科益虹源还承担了“02重大专项浸没光刻光源研发”、“02重大专项核心零部件国产化能力建设”、“02重大专项集成电路晶圆缺陷检测光源”等国家专项，可以说是目前在光刻机光源这个核心技术上，最厉害的国产厂商了。
当然光刻机中的核心部件特别多，比如ASML的EUV光刻机，有10多万个零件，光源之只是其中的一部分，但如果要攻克光刻机，光源是必不可少的部分，也是必须要攻克的部分，是核心中的核心。
所以 华为哈勃投资入股科益虹源，很明显，是为了加码布局光刻机领域的研发，毕竟华为目前非常需要国产芯片制造技术能够崛起。
所以争取国产光刻机，早日能够突破，追上甚至超过ASML的水平，那么国产芯片制造技术，就会有长足的进步。
近两年用一句话来形容华为，那就是“太难了！“在华为被列入实体清单后，华为 *** 作系统、芯片业务首当其冲！谷歌在第一时间中断了对华为的安卓授权，导致华为海外消费业务受到了很大程度上的影响，之后高通、美光、英飞凌、台积电纷纷中断了华为的芯片业务，这让华为陷入到了“芯片危机”，新一代旗舰机P50迟迟不能发布。不过，当我们为华为鸣不平的同时，我们也看到了华为为恢复手机业务所作出的努力，比如鸿蒙的发布，对于华为来说可谓是“十面封锁”中的一道亮光。根据安兔兔提供的恢复率测试，鸿蒙的文件读取速度等数据显示，不管是在体验方面还是在性能方面，鸿蒙都不输IOS和安卓，根据央视报道，鸿蒙已经拥有1000多家硬件厂家接入，300多家服务商适配，与此同时，国内一些大学已经开设了鸿蒙系统的课程。
所以，对于华为来说，影响华为手机出货量的因素，基本只剩下了芯片问题。然而，想要在实体清单下解决芯片问题，就必须解决自研光刻机的问题。在美国对华为芯片动手后，华为作出了决定，宣布全面扎根半导体，从其他企业挖人才、与高校联合，到全球招聘光刻机人才，华为一直在为解决光刻机、芯片供应链去美化而努力。
但制造光刻机并不是一件简单的事情，一台光刻机重达几十吨，零件十多万个，即便是光刻机巨头ASML，其光刻机供应商也有5000多家，并且ASML曾公开表示，即便将图纸公开，他人也无法制造出来。可见光刻机制造难度之大，即便是国产光刻机龙头的上海微电子，先能实现量产的也只是90nm的精度。
为此，华为作出了一项重要决定！近日，华为正式宣布，旗下哈勃公司投资了一家高端分子激光技术厂商，北京科益虹源光电技术有限公司，并且成为了这家公司的第七大股东，持股4.76%，提到科益虹源，想必大家都比较陌生，但做出的成就却非常的高调。
科益虹源是2016年中科院微电子所、国科科仪等共同出资成立的企业，成立一年多的时间，其自主研发的高端准分子激光器就实现了顺利出货，并打破了国外厂商的长期垄断，这也是中国唯一在高端分子激光技术研究和产品化的企业，也是世界第三家。
如果将光刻机比作医生，那光源就是医生手中的手术刀，这是光刻机的核心技术，上海微电子即将落地的28nm精度的光刻机（能量产7nm工艺芯片），就是采用的科益虹源的光源系统。而华为能成为科益虹源的股东，不难看出华为又掌握一项光刻机核心技术，后续光刻机的自研也将会顺利很多，而华为跑步进场，被卡脖子的芯片问题也迎来了转机！
与此同时，华为已经在光芯片领域有了不错的进展，比如华为“光计算芯片、系统及数据处理技术”专利的曝光，华为武汉光芯片工厂的竣工，加上华为在光刻机领域的“跑步进场”，高端芯片制造必然会加速实现国产化，这也让我们明白了一个道理，美国的 科技 霸凌并不能实现永久的利益，发展 科技 才是正道！
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）