_apollo 工控机

1.百度最新L3、L4级别自动驾驶汽车如何？

2.深圳研华工控机型号

3.请问一下，常见的汽车自动驾驶平台有什么？

举个百度无人机的例子他有一些程序规则：

1，运营线路默认为单程线路,如需回到始乘站点,请记得预约回程?

2，申请预约即视为同意遵守百度无人车试乘制度。为保障试乘安全,不建议1.3米以下儿童、孕妇,老人及身体不适者乘车。未成年人乘车须有成年入陪伴,并由成年人作为监护人行使完全民事行为能力.依法保护自身及所陪伴未成年身及财产安全?

3，请不要携带大件物品或危险品乘车,如行李箱、婴儿车渔具、露营野餐用具等

4，请不要在车厢内站立,乘车须坐好并系好安全带。 当然在公园里你还可以体验很多与人工智能相关的有趣的东西，如未来空间，踩踏钢琴等。

扩展知识：

百度无人驾驶的引路人；

控制器 由于Apollo 1.0仅实现固定GPS路径的巡线功能，还没有感知层面的计算需求，因此所用的是很常见的工控机Nuvo-5095GC，如下图。?

惯导+GPS天线

一般安装在车辆顶部，也有安装在车辆后备箱上的。下图是Apollo 1.0各传感器的安装位置。?

CAN卡?

AS给百度开放了底层线控系统，不过线控系统只认识一种语言CAN。

计算机只懂得二进制，计算好了该往哪走，都无法传达给线控系统。所以他们之间差一个?翻译?，这时候CAN卡就出现了。

线激光雷达?

Apollo 1.0和1.5最大的不同是激光雷达Velodyne HDL-64E S3，先来看看它的安装位置。

百度最新L3、L4级别自动驾驶汽车如何？

10月10日，百度旗下自动驾驶出租车服务Apollo?GO正式在北京开放，北京的朋友们可以通过百度地图或Apollo?GO的APP下单，在海淀、亦庄的站点免费进行试乘。

这个新鲜玩意儿引来不少人关注，他们之中有汽车媒体、行业从业者、大学生、极客、科技博主，试乘现场的几个站点都在排队，首日呼单量就超过了2600单，甚至有人等了好几个小时都没有叫到车。

想必，大家都想知道百度所谓的“自动驾驶”已经发展到什么程度了，想亲眼看看，幻想中的RoboTaxi是否已经变成现实。不过呢，虽然百度宣称Apollo?GO全面开放，但是这个『全面』还是有很多限制的——

首先，运营时段有限，周一到周日的10:00-16:00，避开了早晚高峰以及夜晚的驾驶环境；其次，车辆已经预设好路线，只能在事前好的15个站点上下车（类似摆渡车）；再来，车速将限制在60km/h以下；每台车只能在后座乘坐1-2名的乘客，乘坐者年龄符合18-60周岁之间；最重要的是，每辆车都配备有安全员，随时保证接管车辆行驶。

号称超L3赶L4级的自动驾驶，却又给出了这么多的限制条件，百度的Apollo?GO究竟能达到什么程度呢？百度在自动驾驶领域中又走了多远呢？

百度的自动驾驶发展到什么程度了？

百度的自动驾驶项目早在2013年开始起步，到2015年就累计投入了200亿元，2017年带着一张北京五环的罚单闯入大众视线。在路试落地北京之前，其无人驾驶出租车已经在长沙、沧州进行过了试运营，接送了超过10万名乘客。

就在一个月前，9月15日，一辆没有安全员的无人驾驶出租车载着百度集团副总裁、智能驾驶事业群总经理李震宇和央视记者，在北京首钢园区内行驶。

同一天，百度CEO李彦宏在“百度世界2020大会”上预测了自动驾驶实现商用化的时间表，“5年之内，自动驾驶汽车将进入全面商用阶段”，“凭借智能交通体系，能够提升15%-30%的通行效率”，“5年之内，中国一线城市就不再需要限行，10年之内就能解决交通拥堵问题。”

雄心壮志的背后，确实是有足够的研发实力和经验来支撑。

就在今年2月27日美国加州管理局DMV公布的2019年自动驾驶路测成绩单中，MPI值（Miles?Per?Intervention，无人工干预行驶的平均里程数）排名前五的公司中，有三家来自中国（百度、Auto?X、小马智行），其中以百度为首，并首次超过美国的Waymo，位居第一名。

另外，在Nigant?Research为自动驾驶企业制定的竞争力排名榜单中，百度也首次进入到“Leader”评级，与Waymo与Cruise处于同级。

可以说，百度在自动驾驶领域的研发实力，不仅在国内名列前茅，并且已经得到了全球行业的认可。

Apollo技术具体如何实现呢？

硬件方面，一台Apollo测试车包括工控机IPC（包含专用GPU）、GPS定位系统、IMU惯性系统、CAN总线接口卡、大容量硬盘（数据库）。除了这些基础架构的硬件之外，传感器还包括顶部旋转Lidar（128线）、前向摄像头（双目）、侧向摄像头（单目）、车头/尾Lidar（16线）、车身左右Lidar（16线）、车头/尾毫米波雷达、超声波近身雷达等，基本上是武装到牙齿了。

软件层面，Apollo为定制Linus内核（4.4.32），但没有列出具体的应用软件和数据库等等。地图定位上，Apollo用了Novotel的GPS和IMU组合定位系统，它们可以利用卡尔曼滤波机制融合，提供足够频次和足够精度的定位和姿态信息，这也是目前最好的定位技术之一。

算法层面，Apollo加入DeepDrive深度学习自动驾驶产业联盟，发布了Apollo?的自动驾驶数据集ApolloScape。通过海量、高质的真实数据，为自动驾驶的算法开发、测试进行迭代更新，百度表示，ApolloScape的数据量做到了国内同类数据集的10倍以上。

软硬件的结合，构成了Apollo的自动驾驶系统。其中，整套系统的核心是工控机IPC，这套配置中具体使用了Neousys?6108GC工控机，配套Nvidia的GTX1080显卡，IPC通过USB和Ethernet接口接收各种传感器送来的数据，经过处理后，再通过PCI接口对接CAN卡最终驱动车辆动作。

由于百度是一件互联网企业，并不具备生产车辆的技术与能力。所以这套驾驶系统选择的载体是林肯的MKZ。

为什么是这款车型呢？这里再简单说明一下。

首先，林肯MKZ的电气化结构比较完善，拥有线控油门、线控刹车、线控转向系统；其次，目前有一家以ADAS工具包为主要产品的Dataspeed公司，将林肯MKZ的CAN总线协议破解并封装成ADAS?Kit提供于开发者；再来，福特基于拓展出行服务商的目的，愿意想向自动驾驶公司提供相关接口，是为数不多的可选项之一。

综合以上元素，将林肯MKZ改装为自动驾驶测试车是目前最便捷和最实惠的选择。除了Apollo，英伟达、Pony?AI等自动驾驶公司也是用了林肯MKZ。

总得来说，Apollo凭借这些技术，已经可以实现结构化道路的L3级别，或者称为特定场景、有限场景的L3自动驾驶。从北京的体验者反馈来看，在转弯、变道以及调头，大多数情况下无需安全员手动操作，Apollo都能够平稳完成；前方如有车辆速度过慢，Apollo也会进行变道超车；道路中间突然出现行人时，Apollo能够主动降速等待行人通过再行驶。

不过缺点也存在，由于AI的驾驶“习惯”不够人性，在转向和规避行人时的操作十分生硬，常会强行转弯或骤然刹车，容易产生颠簸，部分乘客人表示出现了轻微晕车的情况。

可以说，百度Apollo的技术实力还是有的，只是还有很大的提升空间。那么在自动驾驶领域处于顶尖位置的车企，他们都是什么水平呢？

其它竞争对手的进度

目前，自动驾驶技术的开发企业主要分为三类，第一类是传统车企或汽车零部件厂商，包括通用、宝马、奥迪、大陆、博世等；第二类是互联网科技巨头，包括谷歌、百度、滴滴、阿里等，其中滴滴同时又是出行平台，在自动驾驶研发和使用中有双重身份；第三类是创业型科技公司，包括Auto?X、小马智行等。

这里我们就举两个典型的例子，一个是车企代表特斯拉、一个是Google系的Waymo。而两个例子，也恰好是激光雷达和视觉识别两条技术路线的代表。

先说Waymo，Waymo是Google于2009年1月开启的一项自动驾驶汽车，之后于2016年12月从Google独立出来，成为Alphabet公司旗下的子公司。

就在今年初，Waymo宣布其自动驾驶路测超过2000万英里；3月，Waymo宣布获得第一轮外部投资，共22.5亿美元，投前估值达到了1050亿美元，远远超过大众、戴姆勒、通用等一众车企。

对比百度的Apollo?GO，Waymo的RoboTaxi更早，于2018年年底在美国凤凰城上线Waymo?One服务，这也是全球Robotaxi商用化尝试的开端。今年10月，Waymo宣布在凤凰城进入全无人状态驾驶（无安全员），并面向公众公开提供收费服务，这标志着Robotaxi在技术、商业全面实现上走出了第一步。

因为不生产汽车，Waymo的最大优势集中在算法。它是基于激光雷达为主的解决方案，秉持“交通即服务”的商业模式，重激光雷达、重地图，优势是能够快速搭建系统原型，不仅对大数据的依赖程度低，还更容易检测、提取和分割数据，安全上更有保障。但是缺点是，传感器的成本高、拓展性弱、商业化速度慢。

与之相对的是，特斯拉的Autopilot代表的是“汽车即产品”的服务模式，从驾驶逐步过渡到完全自动驾驶，重摄像头、重视觉识别、轻地图。因为需要视觉学习，所以对数据的依赖程度更高，为此特斯拉也有自己的“独门秘籍”——影子模式（号称拥有100亿英里的实测数据），优点是成本更低、拓展性更强、商业化速度更快；缺点是，安全控制上不如激光雷达。

从技术上来啊说，特斯拉是目前唯一一家从软件算法到硬件架构全部自研的车企，其软硬件技术也一直处于行业领先。日经BP社曾在拆解Model?3时得出结论，认为特斯拉在电子架构上已经领先竞争对手6年时间；而大众董事会成员Thomas?Ulbrich也承认，特斯拉在电动汽车和开发软件方面领先大众10年。

特斯拉Autopilot的主要优势在于神经网络、海量数据与控制算法，虽然理论技术上与Waymo或Cruise难拉开差距，但是它拥有将算法与车辆控制结合的深厚经验。值得注意的是，特斯拉Autopilot投入市场的策略更加激进，就在这个月，特斯拉宣布推送完全自动驾驶版FSD?Beta给少部分目标用户，以实现接近L4级的自动驾驶。

从实测体验来看，FSD?Beta大部分时间都可以实现“零干预驾驶”，它可以在路口识别红绿灯以及道路旁的禁令标志，能够根据路口标线以及导航自动选择车道。在通过环岛等复杂路口时，FSD?Beta也能自主遵守路口让行规则行驶，并自主避让路边的行人和非机动车。

现阶段，无任何标线划定的狭窄道路对于其它所有驾驶系统而言都是噩梦，但以摄像头为主导的FSD?Beta仍然能够胜任，路面的边界、通行路径和两侧停泊车辆全部都能被探测到。即使是在两边停满车辆的停车场路段，FSD?Beta仍可识别出几乎所有交通参与者。在夜间测试过程中，FSD?Beta的识别能力仍与白天时大致保持相同，依然相当精确。

我们离真正的无人驾驶还有多远？

总得来说，百度Apollo在国内已经属于领先地位，在国际上也处于第一梯队，?但是距离业界领头羊Waymo、Cruise以及特斯拉的Autopilot还有一段距离，这也是百度Apollo之后的前进目标。

那我们离无人驾驶还有多远呢？

这取决于前方的困难何时才被解决。譬如技术上的边角案例（Corner?Case）。车辆通过雷达或摄像头集的数据，上传后供机器进行学习，但是实际行驶中，难免出现一些超出机器的经验范围的路况，这些就是边角案例（如台湾Model?3撞货车的例子）。电动汽车百人会的研究报告指出，如今的无人驾驶技术可处理90％的常规路况，但剩下的10％边角案例影响巨大，需要花费90％的时间解决。

譬如说法律上的责任归属的问题。责任主体在任何法律中，都是一个至关重要的概念。但是自动驾驶技术，模糊了这个概念的划分。如果自动驾驶的车辆不幸发生，责任在于驾驶员？在于技术供应商？还是在于车辆所属品牌？这都是目前都是没有解决的问题（如美国Uber致行人死亡的例子）。

譬如说路权与道路规则的制定。无人驾驶车辆是否和人工驾驶车辆享有同等路权、接受统一管理？它们是否行驶在同样的车道、应用同样的交通规则？

譬如产品本质的变化。自动驾驶将大幅提高车辆的使用率，从而降低了整个道路的车辆存量，因为届时人不再需要车辆的所属权，只需要拥有车辆的使用权，这样的性质转变，公众是否能够接受？

譬如说技术上的问题。著名的电车难题又会重现，设一辆自动驾驶的车辆，面对前方路边突然冲出的行人，可进行躲避操作保护行人，但是会牺牲乘客和道路其它车辆的安全，反之则会伤害行人，AI该如何进行判断选择？

自动驾驶发展要面临的问题还有很多，这里不能一一枚举。也因为如此，致力于自动驾驶技术的企业不能操之过急，将一些还未实现的功能点前置宣传，容易造成公众们的误解，甚至引发重大的安全事故。

汽车供应商大陆在2013年做了一项关于自动驾驶调查，结果显示，66%的美国人认为“自动驾驶汽车让我感到害怕”，50%的人认为“该技术无法可靠运行”。而到了2018年，两项调查结果的数据却增加到了77%。原因可能是特斯拉、Uber等公司在自动驾驶测试中一次又一次的交通事故，影响了公众对于自动驾驶的信心。

百度的未来，自动驾驶的未来

李彦宏在2020年百度世界大会上预测，自动驾驶5年后全面商用，城市拥堵将大大缓解，不再需要限购限行，且随着无人驾驶车辆逐渐普及，交通事故发生率也会大大降低，以车路协同为基础的智能交通基础设施建设，将提升15%-30%的通行效率，从而为GDP贡献2.4%-4.8%的绝对增长。

这样的商业期许也是有市场支撑的，RoboTaxi的商业前景已被众多业界人士和机构所看好。麦肯锡公司预测，中国将会是全球最大的自动驾驶市场，到2030年，自动驾驶汽车总销售额将达2300亿美元，基于自动驾驶的出行服务订单金额将达2600亿美元。

市场调研机构艾瑞咨询则预计，随着人工智能、大数据、云计算、5G等核心技术的日趋成熟，自动驾驶正迎来快速发展阶段。到2022年，全球自动驾驶渗透率将达到50%以上，2030年全球自动驾驶渗透率则将增加至70%。

没有人会怀疑自动驾驶的未来，Waymo用千亿估值告诉所有玩家，自动驾驶是一块巨大的蛋糕。但自动驾驶的漫漫征途需要资金、时间与技术，且由于门槛更高，它不像新势力造车般百花齐放，更是行业中真正高手之间的较量。

尽管在技术上存在长尾效应，相关政策法规仍不明确，大规模商业化年限模糊，但作为L4级自动驾驶最受关注、最得资本青睐的应用场景，RoboTaxi已成为热门赛道。

百度、Waymo、特斯拉、Cruise，谁将主导这场战争呢？?

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

深圳研华工控机型号

去年 4 月，在陆奇的带领下，百度宣布对外开放自家的自动驾驶能力，“阿波罗平台”（Apollo）就此诞生。不过那时，没有人知道 Apollo 平台是何走向。

3 个月后，在百度 AI 开发者大会上，陆奇再次站台，对外公布了 Apollo 1.0 的具体细节，1.0 主要发布的是完整的封闭场地循迹自动驾驶。具体开放能力集中在数据平台 1.0、3D 障碍物标注数据、Road Hackers 数据、高精地图数据等方面。

循着“每周更新，两个月左右进行一次新版本和总体能力的提升”的节奏，去年 9 月，Apollo 1.5 对外发布，据当时新智驾的报道，整个系统新增了 65000 行代码，重点开放了 5 种能力：障碍物感知、决策规划、云端仿真、高精地图服务、端到端的深度学习，其中前四种能力均为首次开放。而且，1.5 支持昼夜定车道自动驾驶，可实现夜间环境下的障碍物识别，以及非典型交通场景下的异性障碍物识别。

距离 Apollo 1.5 发布，3 个多月的时间过去了，Apollo 也即将迎来 2.0 的更新。这一次，百度将重布放到了 CES 2018 上。在此之前，百度将国内诸多媒体请到其硅谷的新研发中心，举行了一场规模庞大的展前自动驾驶汽车体验活动。

该研发中心位于硅谷桑尼韦尔（Sunnyvale），旁边就是旧金山湾。去年 10 月正式揭幕，未来主要用于自动驾驶和互联网安全领域的相关研发工作。加上百度此前在硅谷库比蒂诺（Cupertino）以及西雅图开设的研发中心或办公室，如今，百度在美国已经形成了三地联动。

据了解，百度美国研究院拥有超过 200 名员工，主要集中在人工智能、安全和硬件、自动驾驶三个领域进行先进技术的研究。

此次自动驾驶体验活动上，百度还邀请了 Apollo 平台的诸多合作伙伴到场，其中包括 GPU 巨头英伟达、自动驾驶汽车改装企业 AutonomouStuff、汽车零部件供应商埃孚（ZF）以及汽车分时租赁企业盼达用车。

这些企业之间形成的合作，你中有我、我中有你，构成了百度所期待的“生态圈”。

去年 1 月，埃孚成为第一家宣布用英伟达 Drive PX2 计算平台的汽车供应商，双方要打造自动驾驶控制平台 ZF ProAI；

去年 7 月，百度与英伟达宣布联合开发自动驾驶技术，二者结成联盟；百度目前基于林肯 MKZ 改装的自动驾驶汽车便是与 AutonomouStuff 合作完成；几乎同一时间，AutonomouStuff 宣布为英伟达旗下的自动驾驶平台——Drive PX 以及传感器提供相关套件；

去年 9 月，埃孚与百度共同宣布，双方正式达成新的战略合作，将在自动驾驶、车联网以及移动出行服务领域展开合作，为中国市场开发完备的自动驾驶解决方案；

去年 11 月，百度与盼达用车展开合作，百度将其 Apollo 平台的自动驾驶技术集成到盼达的共享运营车辆上，后者将率先在重庆两江新区开展自动驾驶共享汽车的试运营，可以达到 L3 级别，支持自主泊车以及 App 叫车。而百度与盼达合作的自动驾驶车辆便用了埃孚 ProAI 控制平台。

当然，这并不是百度 Apollo 自动驾驶生态的全部。今年 CES，趁着 Apollo 2.0 的更新，百度的更多伙伴将齐聚“Baidu World”大会。

不过，在此之前，所有风头都是属于自动驾驶车辆试乘。这一次，百度把与埃孚、盼达（包括力帆）合作的 L3 级别自动驾驶分时租赁车型以及搭载了 Apollo 2.0 最新技术的 L4 级别自动驾驶车型都展示了出来并且提供试乘。

Apollo 2.0 + Drive PX2 = L4 自动驾驶

这就是搭载了百度 Apollo 2.0 系统，具备 L4 级别能力的自动驾驶原型车。

这款自动驾驶汽车是由百度和 AutonomouStuff 联手基于林肯 MKZ 车型改造而成，车顶搭载了 Velodyne 的一枚 64 线激光雷达和两枚 16 线激光雷达，同时还配有 GPS 定位传感器。在激光雷达的左右两侧，各自安装了一枚前视摄像头，可通过视觉途径识别目标物，比如红绿灯。在车辆前脸部位，其搭载的是一款来自大陆的毫米波雷达，安装位置经过了精确的调校。

当然，这样的一套传感器配置是可以灵活应变的，这其中起关键作用的是传感器融合的技术。只要针对传感器的数据修改相应的算法，便可以实现传感器配置的变化，都是可以定制的。

在车辆的后备箱内，是对于自动驾驶最为关键的车载电脑，是整个系统的计算单元。

百度的这辆自动驾驶汽车配备了两台车载电脑：一台是基于 Apollo 2.0 所需要的工控机（使用的是 Neousys Nuvo-6108GC，这是一款性能强大的 X86 解构工业控制计算机）；旁边则是英伟达用于自动驾驶的 Drive PX2。据百度方面的技术负责人介绍，这两台电脑虽然服务的是两套不同的系统，但 Apollo 系统会对这两套系统都进行支持。

实际上，任何一台电脑工作都可以实现车辆的自动驾驶，而百度之所以这样配置，是为了免去测试过程中来回拆机器的过程。问及两台电脑之间的性能区别，该技术负责人向新智驾表示，英伟达的 Drive PX2 在图像处理的性能上更加优异，因为其有自带的 GPU 以及进行图像处理的软件；而针对另一台普通的工控机，百度在其中添加了英伟达的 GPU，用于处理图像数据以及激光雷达扫描产生的点云数据，工控机的运算能力相比 Drive PX2 则要强一些。

百度方面称，现阶段，这款车支持在简单的城市道路、高速上行驶。这次试乘，也是百度 Apollo 2.0 首次在加州的公路上进行路测。

百度搭载了 Apollo 2.0 的 L4 级别自动驾驶车辆试乘是在百度美研办公楼周围的一段公共道路上进行的。整个行驶区域的道路相关信息已经进行过集，百度专门为这段路制作了高精地图来辅佐自动驾驶车辆。

在试乘的整个过程中，会碰到红绿灯、交叉路口、其他机动车以及自行车等，车辆需要自己进行刹车、启动、变道、加速等操作。加之当日是阴雨天，也给自动驾驶汽车带来了一些难度。

整体体验来看，因为是简单的城市道路，这个过程完成得还是比较顺利的，最高时速达到 56 公里/时，车辆刹车、变道的平稳度还是可圈可点的。但是在加速操作时，这辆车还显得有些不够沉稳。

百度相关技术负责人告诉新智驾，目前，Apollo 2.0 的相关更新代码已经上传至 Github，包括相关的软硬件指导。而 Apollo 2.0 的最终发布要在几天后到来的 CES 2018 上进行。

Apollo 2.0 + ProAI + 盼达 = L3 自动驾驶落地

除了 L4 级别的自动驾驶汽车外，作为百度 Apollo 平台的合作伙伴，总部位于重庆的新能源汽车分时租赁企业盼达用车将双方合作的成果空运到了硅谷百度美研。

其实称双方并不准确，这款车其实是五方合作的成果，包括百度、埃孚、博世、力帆以及盼达。其中埃孚提供的技术非常特别，是其与英伟达合作研发的自动驾驶控制平台 ZF ProAI，这个平台刚刚量产不久，就得到了盼达方面的用。从几方宣布合作，到自动驾驶汽车落地，整个过程据称只花了一个多月的时间。

在传感器方面，这款车算是非常简约，只有前后两个摄像头以及周身的 12 枚超声波雷达，这样的传感器配置已让其具备了 L3 级别的自动驾驶能力，而且，还支持自动找车位和自主泊车的操作。

实际上，低速、简约的传感器配置以及自动找车位和自主泊车的能力某种程度上让这款车非常适合于分时租赁或者其他共享服务。

盼达用车 CEO 高钰告诉新智驾，目前盼达已经在重庆两江新区启动了自动驾驶分时租赁车辆的试点运营，先期将投放数十辆车进行尝试。这到底是不是一门好生意，现在谁也不知道。

从真实体验来看，这款车因为目前还不能开上公共道路，所以行驶的速度很慢；在刹车、转向时，整体体验不如此前 L4 自动驾驶汽车那样顺畅。

无论是 L3 还是 L4，看完完整的你对于百度自动驾驶的能力应该有所拿捏。Apollo 2.0，CES 2018 上再见。

请问一下，常见的汽车自动驾驶平台有什么？

以下是一些常见的深圳研华工控机型号：

IPC-610-H：这是一款高性能的工控机，用第六代Intel Core i7/i5/i3处理器，可支持多种扩展模块，包括PCI、PCIe、GPIO等。

PICO-APL3：这是一款紧凑型的工控机，用Intel Apollo Lake平台，具有低功耗和高性能的特点。它还带有多个I/O接口，包括USB、COM、HDMI和Gigabit LAN等。

eBOX671-885-FL：这是一款适用于恶劣环境的工控机，用Intel第六代Core i7/i5/i3处理器，支持宽温工作，防尘、防水、抗震动功能，并具有高度可扩展性。

TPC-1251T：这是一款触摸屏式工控机，具有12.1英寸LED背光液晶显示屏和触摸屏输入设备，支持多种操作系统和特定应用程序，可用于数据集、监视、控制等多个领域。

UNO-1252G/1254G：这是一款紧凑型工控机，用Intel Atom/Celeron处理器，支持多组串口、网络接口和USB接口，广泛应用于物联网、智能制造等领域。

以上是研华科技在深圳地区推出的一些常见工控机型号，不同的型号可以满足不同的应用需求。如果需要了解更多信息或有定制化的需求，建议直接联系研华科技或其授权代理商以获得更详细的产品规格和使用指南。

1.华为MDC810平台

华为在2021年4月的新品发布会上推出了MDC810 智能驾驶计算平台，算力超过400Tops，并且在量产的北汽ARCFOX极狐阿尔法S上搭载，华为的方案已经通过了ISO 26262 ASLD认证，可满足RoboTaxi等自动驾驶乘用车的应用场景，从侧面体现了华为强大的工程化落地能力。

2.英伟达DRIVE X Pegasus平台

根据英伟达官方提供的资料，NVIDIA DRIVE X PegasusTM使用两块 Xier 系统级芯片和两台 NVIDIA TuringTM GPU 的强大功能，实现了320 Tops的超级计算能力。该平台专为L4级和L5级自动驾驶系统而设计和打造。英伟达目前有很好的生态环境，众多的合作伙伴，很多深度学习的算法都是基于CUDA实现的，其GPU的设计能力一骑绝尘，因此十分被看好。

3.宸曜科技GC系列GPU运算工控机

宸曜科技是X86架构的工业级宽温型车载嵌入式工控机设备提供商，为自动驾驶和CUDA计算等提供理想的硬件解决方案，百度Apollo的自动驾驶解决方案便是用的此种计算平台，但是宸曜科技只是设备集成商，本身只开发了一些独特的散热设计、可靠的电源输入以及一些抗震设计等，核心器件全部外部购，例如需要购Intel的处理器和Nvidia的高性能显卡等等，因此尚不具备自主知识产权和核心技术。

4.恩智浦的BlueBox3平台

BlueBox 3.0是NXP最近推出的旗舰安全汽车高效能运算平台，主要包含Layerscape系列中性能最高的LX2160A多核处理器、恩智浦最新的网关处理器S32G274和Kalray的MPPA(大规模并行处理器阵列)处理器。能够缩短设计人员的产品开发周期，目前正在做商业推广，由于目标是面向L2+的自动驾驶，竞争力相对较弱。