首先，在车市下行的背景下，出行公司的网约车订单将有利于车企扩大产能，提升销量。以滴滴与比亚迪的合作为例，按照程维的规划，到2025年，D1及其后续升级车型例如D3、D4将超过100万台，这就意味着滴滴每年将会有20万辆的新能源车投放。这对比亚迪来说，将会带来业绩的大跨越。

      多传感器融合的基本原理类似于人类大脑对环境信息的综合处理过程。人类对外界环境的感知是通过将眼睛、耳朵、鼻子和四肢等感官（各种传感器）所探测的信息传输至大脑（信息融合中心），并与先验知识（数据库）进行综合，以便对其周围的环境和正在发生的事件做出快速准确地评估。多传感器融合的体系结构分为分布式、集中式和混合式。
分布式多传感器融合。先对各个独立传感器所获得的原始数据进行局部处理，然后再将结果送入信息融合中心进行智能优化组合来获得最终的结果。分布式多传感器对通信带宽的需求低，计算速度快，可靠性和延续性好，但跟踪的精度却远没有集中式多传感器高。
集中式多传感器融合。集中式多传感器将各传感器获得的原始数据直接送至信息融合中心进行融合处理，可以实现实时融合。优点是数据处理的精度高，算法灵活；缺点是对处理器的要求高，可靠性较低，数据量大，故难于实现。

　　2019年，比亚迪2019年实现汽车销量46.14万辆，其中新能源汽车销量为22.95万辆，如果滴滴新能源车代工完全依靠比亚迪，那么比亚迪的新能源车销量将会翻一番。在车市下行的背景下，滴滴的订单将为比亚迪带来新的增长点。

　　其次，比亚迪与滴滴的合作，是出行方式主导汽车产业变革的一次尝试。作为出行服务商，滴滴积累了庞大的用户出行数据，充分了解用户需求和痛点，这意味着出行服务商能将用户需求充分体现在车辆设计上，这也是定制网约车的意义和价值所在。

车载摄像头主要有前视（安装在前挡风玻璃上）、侧视、后视摄像头，其中前视摄像头是ADAS使用频率最高的摄像头，以完成PCW、LDW、TSR等功能。车载雷达主要分为超声波雷达、毫米波雷达和激光雷达，主要用于探测距离速度，是实现ACC、AEB等功能的核心部件。由于激光雷达成本较高，目前用于ADAS的主要是毫米波雷达，主要工作频率是24Ghz和77Ghz。77Ghz毫米波雷达是发展趋势，掌握在以博士为代表的少数供应商手中。
         ADAS是基于传感器融合计算处理能力的提升以及底层控制技术的集成而发展的，在传感器技术方面，多传感器融合是未来发展趋势，而在自动驾驶上，视觉传感器与毫米波雷达的数据融合也变得十分重要。
在智能驾驶场景下，摄像头与毫米波雷达的数据融合大致有3种策略：图像级、目标级和信号级。首先是图像级融合，图像级融合是以视觉为主体，将雷达输出的整体信息进行图像特征转化，然后与视觉系统的图像输出进行融合。其次是目标级融合，目标级融合是对视觉和雷达输出进行综合可信度加权，配合精度标定信息进行自适应的搜索匹配后融合输出。最后是信号级融合，信号级融合是对视觉和雷达传感器ECU传出的数据源进行融合。其中，信号级别的融合数据损失最小，可靠性最高，但需要大量的运算。  

　　2018年，滴滴与比亚迪、北汽等31家汽车企业成立洪流联盟，开发专门用于网约车的汽车，滴滴将向车企提供客户和运营技能，以换取车企在汽车设计方面的专业知识。长远来看，这种合作模式促使汽车产业重心从制造向服务转移，出行变革将会驱动汽车设计由供给侧主导向需求侧主导设计转变

 　　混合式多传感器融合。混合式多传感器信息融合框架中，部分传感器采用集中式融合方式，剩余的传感器采用分布式融合方式。混合式融合框架具有较强的适应能力，兼顾了集中式融合和分布式的优点，稳定性强。混合式融合方式的结构比前两种融合方式的结构复杂，这样就加大了通信和计算上的代价。