序一 通过“求真”来“求存”
序二 这既是一本写给经历者的书，也是一本写给初来者的书
序三 探寻智能驾驶“变”与“不变”：一本智驾之书的思维启迪
序四 关注硬科技背后的软实力
序五 唯有观点能真正指引投资方向
自序 “你们的文章，一直被我们当新员工的培训教材用”
前言
第1篇 量产与落地
1 从第一性原理，谈谈如何做好智驾产品
2 智能驾驶如何做好差异化
3 智能驾驶如何贯彻“正向开发”理念
4 智能驾驶公司CEO眼里的量产交付之痛
5 L4公司做前装量产最大的障碍，不是工程化能力
第2篇 感知与定位
6 解读BEV空间内的特征级融合
7 取消ISP，特斯拉“纯视觉路线”的关键一跃
8 谈谈事件相机在智能驾驶领域的应用前景
9 什么是激光雷达的“发动机技术”？一文讲透行业技术壁垒
10 激光雷达：905与1550的战争
11 ToF激光雷达告别“技术路线之争”
12 FMCW激光雷达科普（上）：基本概念、技术路线、优势及争议和误解
13 FMCW激光雷达科普（中）：激光器、探测器与扫描部件
14 FMCW激光雷达科普（下）：主要挑战、前景及市场格局
15 深度解读4D毫米波雷达
16 关于智能驾驶高精定位的几大问题
第3篇 计算平台与架构
17 智能驾驶域控制器硬件方案演进趋势分析
18 “舱驾融合”技术发展趋势分析
19 从大众、福特跟特斯拉的差距，解读智能电气架构落地的难点与破局点
20 智能汽车电子电气架构的终极形态
21 智能驾驶功能架构的演进
第4篇 软件与数据
22 智能驾驶中间件之一：AUTOSAR正在被“边缘化”？
23 智能驾驶中间件之二：通信中间件，SOME/IP与DDS谁主沉浮？
24 智能驾驶数据闭环系列之一：理想丰满，现实骨感
25 智能驾驶数据闭环系列之二：如何降本增效
26 智能驾驶合成数据科普：不做真实数据的“颠覆者”，做“杠杆”
27 深度学习算法在智能驾驶规控中的应用
28 大模型在智能驾驶领域的应用
29 有关“端到端智能驾驶”的概念混淆、谎言及“路线之争”
第5篇 软硬件一体与解耦
30 为什么智能驾驶产业对操作系统的关注，比芯片晚两三年
31 算力越大越厉害？地平线与Mobileye等的共识是
32 软硬件解耦太难，英伟达越来越像Mobileye了
33 智能驾驶软硬件解耦：理想丰满，现实骨感
34 那些相信了软硬件解耦的智能驾驶公司，大都被坑得很惨
35 如何看待地平线组建算法团队、跟生态伙伴“抢客户”？
36 自动驾驶软硬件一体化研究报告
37 硬件基因的公司做软件，为何比软件基因的公司做硬件更难成功？
展开
