CES 洞察 ｜ 自动驾驶加速拥抱智能化，哪些问题不容忽视？

随着人工智能（AI）技术的进一步发展成熟，AI 大模型加速上车，与之相结合的汽车电子技术也在加速拥抱智能化。在车载雷达方面，基于数字编码调频（DCM）的 4D 数字成像雷达将为汽车产业和自动驾驶系统提供更高级别、更全面的感知能力，通过提供高精度、抗干扰的感知数据，实现智能化的环境感知和决策制定，促进汽车产业和自动驾驶系统的智能化升级。

相比基于连续调频波（FMCW）的模拟雷达，基于 DCM 的 4D 数字成像雷达可以为自动驾驶车辆提供更高精度的感知能力。通过数字编码调制技术，4D 数字成像雷达可以获得更高分辨率的图像或点云数据，进而更精确地检测和跟踪周围的物体和障碍物。这种高精度感知能力可以提高自动驾驶及 ADAS 系统的决策和控制的准确性。

随着智能汽车技术的不断进步，实用性也成为今年 CES 的热门议题。车载雷达方面，激光雷达成本进一步下探，同时，4D 毫米波雷达性能不断提升，各种配套的硬软件技术也日臻完善，为自动驾驶汽车和 ADAS 提供更具性价比的方案。

在某些特定的场景，激光雷达可以提供更高的分辨率和生成更高密度的点云图，但激光雷达穿透性能较差，在雨、雪、雾、霾等恶劣天气环境下，激光雷达的性能往往无法正常发挥。相比之下，4D 毫米波雷达不受天气因素影响，抗干扰能力较强，且成本比激光雷达低，是实现自动驾驶的必备传感器。

随着自动驾驶往 L3/L4 以上级别发展，多模态感知融合将成为必然趋势。基于 DCM 的 4D 数字成像雷达可以与摄像机和激光雷达进行更好的低级别融合（low-level fusion，LLF），实现更好的多模态感知能力，以支持自动驾驶系统做出更优化的决策和规划。

软件定义汽车（SDV）正在加速引领汽车技术革新。从车载通讯系统到 ADAS，各大厂商正在积极通过软件控制和管理各种车辆功能和系统，打造差异化产品优势，同时进一步优化用户体验。在软件定义的趋势下，对车载传感器也产生了新的要求。Uhnder 4D 数字成像雷达芯片具备软件定义功能，可根据不同的需求进行定制和升级，更好地适配和满足不同车辆在各种场景下的需求。

另一方面，随着汽车智能化、网联化的发展，对安全性的需求也越来越高。我们知道，联网汽车之间的软件都是彼此互通的，如果黑客入侵了一辆车，那么全线产品都很可能会面临被召回的风险。车载雷达其实也面对着同样的问题。但数字雷达实现了高级别的安全性。黑客如果要黑进数字雷达的系统，他们需要花费很高的成本和精力打造一套极其精良的系统，成本和代价非常高。

此外，基于 DCM 的 4D 数字成像雷达具有更高的抗干扰能力。数字编码调频技术可以提高雷达的信噪比，减少干扰的影响。这种抗干扰能力可以提高传感器收集数据的准确度，减少误报和误判的概率，从而提高软件定义汽车的可靠性和稳定性，确保自动驾驶车辆在各种复杂的行驶场景下的正常运行。