• 高精地图轻量化:基于SLAM的实时建图技术赋能L3级自动驾驶

    高精地图曾被视为自动驾驶的"标配",一张覆盖全国的厘米级地图数据量高达数十TB,每年更新成本以亿元计,单车存储成本超过5000元。然而当L3级自动驾驶真正进入量产倒计时,行业突然发现:这张"地图"正在成为最大的负担。与其背着一座数据大山跑,不如让车自己"看路"。基于SLAM的实时建图技术,正在用"边走边画"取代"提前画好",把高精地图从静态资产变成动态能力,这是L3落地最关键的一张底牌。

  • 费米C500的下一站:城市NOA与低速无人配送车的感知中枢升级路径

    城市NOA从"能用"走向"好用",当无人配送车从园区试跑迈向街头常态化运营,两条截然不同的自动驾驶赛道正在向同一个核心部件发起需求轰炸:感知中枢必须更聪明、更安全、更便宜。禾赛费米C500芯片连同其搭载的ATX焕新版激光雷达,恰好卡在了这个需求交汇点上。它不是为某一条赛道而生,而是为两条赛道同时铺好了感知基座。

  • 费米C500:全球首款双认证激光雷达主控芯片,重新定义功能安全与网络安全标准

    激光雷达正在成为智能汽车的“安全气囊”。当一辆以120km/h时速行驶的汽车需要紧急制动时,系统对前方障碍物的感知必须在毫秒级内完成,任何一次误报或漏报都可能造成灾难性后果。然而,传统激光雷达在应对高反物体“鬼影”、雨雾天气噪点、多雷达串扰等问题时,始终存在不可忽视的安全隐患。2025年11月,禾赛科技发布的费米C500芯片,以全球首款同时通过功能安全与网络安全双认证的激光雷达主控芯片身份,从硬件底层重新定义了激光雷达的安全边界。

  • 大模型上车,自动驾驶如何从规则驱动转向数据驱动的端到端架构?

    自动驾驶技术的演进正经历一场根本性的范式革命。过去十年,行业普遍采用模块化架构——将感知、预测、规划、控制拆分为独立模块,每个模块由工程师手工编写规则算法。这种“规则驱动”的模式在高速公路等结构化场景中取得了成功,但当车辆驶入复杂城市道路时,无穷无尽的长尾场景让规则系统难以为继。2024年以来,随着BEV+Transformer技术成熟和大模型能力的注入,以“端到端”为代表的数据驱动架构开始大规模量产上车,标志着自动驾驶从“机械执行”向“类人认知”的关键跨越。

  • 车载以太网与时间敏感网络(TSN),构建自动驾驶的低延迟神经中枢方案

    一辆L4级自动驾驶汽车以120公里时速飞驰,激光雷达每秒倾泻120万个点云,摄像头以30帧速率回传高清画面,转向指令必须在100微秒内抵达执行器——任何一个环节的延迟抖动,都可能让"智能"变成"致命"。传统CAN总线1Mbps的带宽如同乡村小道,通用以太网"尽力而为"的传输模式更像没有红绿灯的十字路口。车载以太网与TSN的结合,正是为自动驾驶打造的一套"有红绿灯、有专用车道、有备用路线"的神经中枢。

  • RISC-V的256核波形处理:费米C500如何用单芯片破解激光雷达算力焦虑?

    一束激光以每秒数十万次的频率扫过街道,返回的不是一幅画,而是数百万个三维坐标点——这就是激光雷达每秒必须吞下的数据洪流。传统通用处理器在这场点云风暴面前力不从心,而禾赛自研的费米C500芯片,以一颗RISC-V单芯片给出了教科书级的回答:不是堆核,而是让每一个核都长在刀刃上。

  • MT3806的下一站:ARVR手势交互与自动驾驶补盲的潜在应用

    2026年4月,美芯晟正式推出了基于单光子雪崩二极管技术的DTOF激光雷达接收SOC芯片MT3806。这款芯片的发布,标志着远距离、高精度测距技术从分立方案走向芯片集成,从单纯测距走向智能感知。MT3806的默认测距范围为0.02米至15米,经选配配置后可扩展至60米,集成了高灵敏度SPAD阵列、高精度时间数字转换器、智能直方图处理引擎和多峰多线阵检测算法,在单芯片上完成了从光子探测到距离解算的全链路处理。

  • L4级自动驾驶成本困局:激光雷达降价80%后,为何整车BOM仍居高不下?

    激光雷达的价格从2023年的1.5万至2万元一路暴跌至2026年的5000至8000元,降幅超过60%,部分头部企业的固态方案甚至逼近5000元以内,较机械式方案成本降低70%。按常理推断,L4级自动驾驶的整车BOM应当随之腰斩。然而现实却给出了一个令人困惑的答案:一套完整的L4智驾硬件BOM在2026年仍需4000至5000元,整车购置成本高达20万至23万元,运营年成本更是直逼23万元。激光雷达降了,钱却没省下来——这背后的真相,远比一颗传感器的价格波动复杂得多。

  • BEV+Transformer大模型上车,自动驾驶感知算法从特征拼接走向空间智能

    一辆智能汽车驶入复杂的城市路口,它的“眼睛”——遍布车身的多个摄像头——同时捕捉着前后左右的海量图像信息。传统感知系统的处理方式是将这些独立摄像头“看到”的特征进行简单拼接,如同让一个人同时盯着多块屏幕却难以形成统一的空间认知。这种“特征拼接”模式的局限性日益凸显:视角差异导致语义错位,动态目标在不同画面中的位置难以对齐,遮挡和深度模糊问题更是让系统频频误判。

  • ASIL-D级功能安全:自动驾驶如何通过双冗余转向制动系统满足车规级认证?

    一辆汽车以120km/h的速度疾驰在高速公路上,转向系统突然失灵——这不是科幻电影的桥段,而是功能安全工程师日夜防范的噩梦。ASIL-D,这个ISO 26262标准中的最高安全完整性等级,正是为终结这类噩梦而生。它不是一个标签,而是一套从芯片到系统、从原理到验证的钢铁堡垒。

  • 内存管理单元(MMU/MPU):在汽车电子MCU中配置MPU以防止栈溢出与非法内存访问

    在汽车电子控制单元(ECU)开发中,内存安全是功能安全的核心基石。随着汽车电子架构的复杂化,栈溢出、缓冲区溢出、非法指针访问等内存问题已成为导致系统故障甚至安全风险的主要根源。内存保护单元(MPU)作为硬件级的安全屏障,能够将软件错误隔离在有限范围内,防止其扩散引发系统级失效。本文将以AUTOSAR OS和ISO 26262标准为背景,深入解析在Arm Cortex-M系列MCU上配置MPU,实现关键内存区域保护的实战方法。

  • 简化汽车车身电机控制器设计,加速实现轻量化目标

    在新能源汽车向高效化、轻量化迭代的当下,车身电机控制器作为车窗升降、座椅调节、门锁控制等各类车身执行器的核心控制单元,其设计复杂度与重量直接影响整车能耗、空间利用率及研发周期。传统车身电机控制器多采用分立器件架构,存在元件数量多、布局繁琐、重量偏大等问题,难以适配当前汽车轻量化与快速量产的需求。因此,简化设计流程、优化核心架构,成为实现车身电机控制器快速轻量化的关键路径,既能够降低研发与制造成本,也能为整车节能降耗提供有力支撑。

  • 导线“瘦身”,里程“加码”——电动汽车无线电池管理系统的革新之路

    在电动汽车产业向续航更长、体验更优、成本更低迭代的当下,电池管理系统(BMS)作为电池的“大脑”,直接决定车辆的续航能力、安全性能与使用寿命。传统有线BMS依赖复杂的线束连接电池模组与主控单元,不仅增加车身重量、占用电池包空间,还存在故障率高、扩展性差等痛点。随着无线通信技术的突破,无线电池管理系统(wBMS)应运而生,以“少导线、长里程”为核心优势,正在重塑电动汽车的技术格局,成为行业高质量发展的重要突破口。

  • 高精度固态激光雷达:自动驾驶汽车的“智能慧眼”

    随着自动驾驶技术向L3级及以上高阶演进,对环境感知的精度、可靠性和小型化要求日益严苛。作为主动感知技术的核心组件,高精度固态激光雷达凭借无机械运动部件、高分辨率、高稳定性的优势,逐步替代传统机械式激光雷达,成为自动驾驶汽车感知系统的“核心慧眼”,为车辆安全行驶提供全天候、全方位的环境感知支撑,推动自动驾驶从技术研发走向规模化落地。

  • 汽车音响音频信号电路设计关键点:适应车内复杂环境的优化策略

    汽车内部是电子设备最恶劣的战场之一。温度从零下三十度飙升到九十度,点火系统的高频干扰如影随形,十四点八伏的电源电压在启动瞬间骤降到十一伏以下,车身钣金共振把中低频搅成一锅粥。在这样的环境里把音频信号干净利落地从主机送到扬声器,每一毫米走线、每一微法电容都是生死线。电路设计的核心命题只有一个:在噪声的洪流中守住信号的纯净。

发布文章