「[德國馬牌集團內裝部門執行委員會成員，Helmut Matschi] 表示，一切都會回歸到軟體工程。...根據他的預測，未來 10 年內，車輛在初期即會廣泛採用高效能電腦，而開發專案可能會將多達 80% 的預算投資在軟體上。」

—《Automotive News》, 〈Continental Bracing for a World of Bugs〉 (德國馬牌迎戰充滿錯誤的環境)，2018 年

根據世界衛生組織表示，車禍每年奪走了超過 125 萬條人命，政府也因此耗費約 GDP 3% 的支 出。 雖然自動駕駛可能帶來深入個人、經濟與政治領域的廣泛影響，不過單就可拯救的生命而言，自動駕駛可能是這個時代最具革命性的發明。 先進駕駛輔助系統 (ADAS) 集結了感測器、處理器與軟體以改善安全性，最終將可提供自動駕駛功能。

現在這類系統大多使用雷達或攝影機等單一感測器，光是如此就已帶來可觀影響。 根據 IIHS 在 2016 年的研究指出，自動煞車系統讓後方碰撞情況減少了約 40%，而碰撞警告系統則讓此情況減少了約 23%。 不過，NHTSA 的報告仍指出，在嚴重車禍中，有 94% 的肇因是人為錯誤。

為了讓駕駛輔助功能達到Level 4 或 5 自動化，並讓汽車不再需要駕駛人，汽車產業現正面臨高度複雜的挑戰。 例如，必須採用匯聚眾多感測器的量測資料以導出結果的感測器整合技術 (Sensor fusion)， 而這需要感測器本身能同步化、具有高功率處理能力，且需能持續改良。因此汽車製造商須在三項重要權衡中取得適當的平衡，那就是：成本、技術與策略。

成本：冗餘感測器與互補感測器

Level 3 自動化的標準是，當汽車處於預先定義的情況下時，駕駛人無須主動注意。 2019 年的 Audi A8 會是全球首款提供Level 3 自動化的量產汽車。 此車款配備 6 台攝影機、5 個雷達裝置、1 個光達裝置與 12 個超音波感測器。

為什麼需要這麼多裝置呢？ 簡而言之，這些裝置各有其優勢與不足之處。 例如，雷達可顯示物體移動的速度有多快，但是無法顯示物體為何。 這時候就需要感測器整合技術，因為預測物體行為時，前述兩項都是至關重要的資料點；而為了克服各感測器的弱點，就需要冗餘感測器個別發揮效用。

處理感測器資料的最終目標，是對汽車周圍環境建立故障保險(fail-safe) 的表現方式；這項方式必須可饋送至決策演算法並壓低成本，最終產品才能帶來利潤。 為了達成此目標，其中一項最重大的挑戰，就是挑選正確的軟體。 請試想三個例子：緊密同步的量測作業、維持資料的可追蹤性，以及針對無數個現實情境進行軟體測試。 前述每個例子各有其獨特的挑戰性，而自動駕駛需要能實現前述這三項要求，但要付出多少成本才能做到？

技術：分散式架構與集中式架構

ADAS 處理功能以多個隔離式控制單元為基礎；然而，感測器整合技術讓單一集中式處理器變得更加普及。 以 Audi A8 為例。 Audi在 2019 年車款中將所需的感測器、功能組合、電子軟硬體架構結合為單一中央系統。 這款中央駕駛輔助控制器可運算出車輛周圍的完整模型，並啟動所有輔助系統。 此車款具備的運算能力，高於前款 Audi A8 所有系統加總後的表現。集中式架構的主要顧慮，在於高功率處理所帶來的成本；而由於需在車中設置次要整合控制器做為安全性備用措施，成本還會進一步提高。

隨著控制器與其處理能力持續演進，對分散式與集中式架構設計的偏好，也可能會隨時間經過而在兩者之間來回擺盪；這代表，為了因應控制器演進的速度，軟體定義測試設備的設計至關重要。

策略：內部技術與現成技術

要達到 Level 5 自動駕駛，自動駕駛汽車微處理器的處理能力需要比現有處理器高出 2000 倍；也因此，其價格很快就會變得比毫米波雷達感測器系統的 RF 元件更昂貴。 過去的經驗告訴我們，具有高需求且價格漸增的功能，會引起相關產業的市場領導者注意，進而促進現有的市場業者互相競爭。

就資料點而言，UBS 預估， 純電動力的Chevrolet Bolt，其車體中半導體組件比重是同型內燃引擎汽車的 6 倍到 10 倍。 未來，半導體組件比重只會持續增加，而相關產業市場將對現成技術提供寶貴的技術改良。 例如，NVIDIA 針對汽車系統的 ADAS 應用調整其 Tegra 平台；這個平台最初是為了消費性電子產品而開發的平台。 此外，Denso 已著手設計與建構自有的人工智慧微處理器，藉此降低成本與耗電量；而 Denso 的子公司 NSITEXE Inc. 則規劃在 2022 年推出一款資料處理器，也就是名為「DFP」的新一代處理器 IP。 競爭已然開始。

在權衡中獲得最佳平衡

對這些權衡做出的決策，會大幅影響上市時間與在供應鏈內的差異化能力。 若要將驗證與產品測試的成本與時間降至最低，可快速重新設定測試設備的能力至關重要，因此軟體所帶來的靈活度會是關鍵所在。

Toyota Research Institute 的執行長總裁 James Kuffner 博士在訪談中表示：「我們不只要將預算提高到 2 倍，而是要提高到 4 倍。 我們用了近 40 億美元，讓 Toyota 成為擁有世界級軟體的全新移動 (mobility) 公司。」 這項觀點在汽車業界並不少見。

雖然目前對前述權衡的選擇尚無明確答案，但是就像過去的工業革命一樣，當時人們因為生產力提升而能夠負擔新技術；對自動駕駛革命來說，提升軟體開發效率也將會是不可或缺的一環。

(本文作者Jeff Phillips為NI汽車市場行銷總監)