量産前夜，這些因素卡住了自動駕駛：理解、推理、學習、決策

雷鋒網新智駕按：10月26日至27日，2019第二屆全球智能駕駛峰會暨長三角G60科創走廊智能駕駛産業峰會在蘇州高鐵新城正式舉行。峰會主要聚焦“自動駕駛的量産時代、單車智能和車路協同的共演之路、新型的車内交互探索”三大主題，共同探讨了智能駕駛的未來發展方向。

本次峰會由蘇州市相城區人民政府主辦，蘇州高鐵新城管理委員會、雷鋒網新智駕承辦，江蘇省智能網聯汽車産業創新聯盟、江蘇省人工智能學會智能駕駛技術專業委員會、清華大學蘇州汽車研究院、中國移動通信集團等單位協辦。來自主機廠、國内外一級供應商、自動駕駛解決方案商、自動駕駛核心零部件、出行運營商等智能駕駛上下遊企業，車路協同專家學者、代表企業等1500餘位業内人士莅臨現場。

全球自動駕駛的“軍備競賽”加劇，奮力向量産和商業化落地沖刺。

從2018年L2輔助駕駛系統逐步出現在一些量産車型上，到2020年L3級自動駕駛成為百餘家汽車廠商必談的小目标。行業趨勢已經明晰：自動駕駛汽車來了，各企業将迎來量産大關。

然而，自動駕駛領域仍處于早期發展階段：産業标準、法規政策不成熟;且自動駕駛大規模落地需要整個産業鍊上下遊分工合作，商業化之路還很長。

自動駕駛量産前夜，各公司如何應對現階段的算法以及複雜路況的挑戰，從而穿越“蠻荒時代”?

圍繞上述問題，精彩峰會繼續的第二天，演講嘉賓展開了關于自動駕駛芯片、自動駕駛物流重卡、低速無人車、Robo Taxi、高精地圖和人工智能等方面的主題分享。以下為各位嘉賓的演講速記整理，雷鋒網新智駕進行了不改變原意的編輯：

德國漢堡科學院院士張建偉：現在是智能駕駛推向量産的絕好時機

張建偉院士從30年前開始從事人工智能方面的研究，他表示，無論從計算硬件上和數據上，現在已經是可以把智能制造、智能駕駛推向實用推向量産的非常好的時機。

下一步人工智能與未來駕駛，是多種前沿技術的整合，包括AI，IOT，虛拟現實，機器人，5G等與整個傳感行為的融合，這會比單獨的人臉識别，用人工智能寫詩帶來更多系統級的突破。

目前，張建偉院士正領導一個研究項目，将多模态信息組合起來進行學習，把知識從上至下控制，經過跨模态的表達，最後做成可預測執行的系統。這套系統可以使自動駕駛車輛在變化的環境裡大大提高自适應能力。他表示，在未來的幾年，我們一定能夠期待在L4/5級别自動駕駛量産的突破。

清華大學計算機系教授鄧志東：急需發展下一代視覺認知智能方法

5G 将為無人駕駛帶來什麼、人工智能将為無人駕駛帶來什麼以及人工智能的短闆，是鄧志東教授演講的三大主題。

5G 代表着超高速率、超高可靠性、超低延遲、超大連接數以及更廣的覆蓋。它與人工智能、雲計算的結合，将實現移動端的智能化、輕量化與低成本。

5G 的實現可為邊緣計算帶來破局，将人工智能算力從移動端轉移到邊緣計算端，由此提供的公共人工智能服務，可低成本地為移動端賦予更大能力。

從 2012 年開始，以深度學習為主要标志的新一輪人工智能已經成為計算機視覺、語音識别、自然語言處理的主流方法。深度學習帶來了很大的能力提升，但眼前的深度學習方法必須依靠大數據、大的計算能力，缺乏理解能力，缺乏知識推理、記憶常識、經驗技巧與知識學習，也缺乏舉一反三的小樣本學習能力，下一代視覺認知的人工智能方法亟需發展。

比亞迪智能網聯負責人劉亮：智能網聯汽車是下個重要入口

智能網聯近年來愈加普及，比亞迪汽車工業有限公司智能網聯負責人劉亮認為，人們對智能網聯的理解各有不同，從演變過程看，智能網聯汽車搭載了更多的智能硬件和豐富的軟件生态，且相較傳統汽車更加安全。

劉亮說，真正的智能網聯包含了智能開放軟硬件平台、生态服務體系、大數據、AI、雲端和終端服務的整合，通過技術創新和生态體系的搭建，實現車、人、社會生活的完美連接，為人們提供全新的智慧出行方式。

對比亞迪來說，智能網聯是互聯網衍生的超級終端，智能網聯汽車也會成為繼移動互聯網時代後的下一個重要入口，汽車屏也會成為繼電腦屏、電視屏、手機屏後的人機交互第四屏。

劉亮表示，過去十年，比亞迪從多媒體到導航，再到D-link 2.0智能網絡系統的上市，其實就是智能網聯産品超級終端的進化過程。到目前為止，比亞迪在車機系統、開放平台和安防系統方面均取得了突破性進展。

嬴徹科技副總裁于新瑞：商用車的自動駕駛量産之路

嬴徹專注于自動駕駛網絡運營，以幹線物流作為主要聚焦場景，緻力于開發符合量産車規級的自動駕駛産品。

嬴徹認為，幹線物流行業規模較大，市場規模在4.2-6萬億左右，但同時幹線物流行業也面臨着運輸事故風險高、運營成本壓力大、司機難招難管理和車輛利用率低的痛點。此外，L3級自動駕駛可以為物流行業帶來較為明顯的社會價值和經濟價值。

基于這些判斷，嬴徹将幹線物流商用車的自動駕駛作為量産先機。

于新瑞表示，自動駕駛的車規級量産首先要滿足卡車5 年的正常生命周期，滿足各種地理條件、氣候和使用工況的嚴苛環境要求和具有抗電磁幹擾的能力;其次要實現功能安全與信息安全，為自動駕駛系統實現全面的冗餘;最重要的是，商用車的自動駕駛量産也要堅持整車正向開發模式和前裝量産的模式。将市場需求貫徹到設計理念中，在整車架構上考慮電子零部件的安置、電動系統的改造升級比如線控底盤和局部冗餘等。

騰訊自動駕駛總經理蘇奎峰：騰訊不做硬件，自動駕駛業務更多定位于軟件和服務層面

在重要的技術變革中，AT 是不會缺席的角色。自動駕駛發展要看技術，也要看場景，對于乘用車，用戶大部分的痛點集中于擁堵和駕駛疲勞，為了解決這些問題，騰訊也有自己的一系列動作。

蘇奎峰稱，騰訊不做硬件，自動駕駛業務更多定位于軟件和服務層面，為産業提供助力。騰訊将自己定義為雲平台，以模拟仿真和高精度地圖作為基礎支撐，支持車端算法與信息安全開發。

基于強大的遊戲技術基礎，騰訊在仿真平台建設上也擁有得天獨厚的條件，其仿真平台不僅可以提供基本環境，還可利用概率方法和随機方法産生交通流，把現實中未遇到的場景逐步積累下來。

蘇奎峰表示，騰訊的高精度地圖仍在研發、測試階段，它需要打通雲端與車端，前者不隻要求高精度地圖的更新，還需要交通流信息的實時同步，來幫助完成車輛決策。

Momenta蘇州經理夏炎：量産自動駕駛與完全無人駕駛兩條腿走路

夏炎今天演講的主題是“量産自動駕駛與完全無人駕駛兩條腿走路”。

她表示，想要實現完全無人駕駛，算法一定要是數據驅動，數據驅動則需要通過衆包的形式持續形成海量真實數據流，數據會回到算法疊代中，不斷升級無人駕駛技術。

這種數據流與技術的循環疊代，就形成了量産自動駕駛與完全無人駕駛兩條腿走路，而其中很重要的一環是使用統一的傳感器方案讓數據流動起來。為此，Momenta内部創造了“閉環自動化”，它是通過數據和數據驅動算法以及兩者之間快速閉環疊代協調的一個不斷高效運轉的流程。

具體産品策略上，Momenta在量産自動駕駛上主要有三個場景，一是高速，一是泊車，一是城區。完全無人駕駛則主要是在城區做L4。

紐劢科技CEO徐雷：L2+自動駕駛方案需求迫切

作為一家自動駕駛方案供應商，紐劢科技從場景出發，采用了以視覺為主、多傳感器融合的方案，目标是在複雜場景中實現載人和運貨。

基于對安全的考量，紐劢科技的方案在功能安全、預期功能安全和網絡安全三部分進行了重點設計。此外，通過三層感知融合實現了感知更全、識别更準、反應更快的效果。且可以提供自動駕駛測試體系和MaxOS自研平台，這些方案更加适應中國道路與國情。

目前，紐劢科技在L3、L4方案之外，還在涉足L2+領域。紐劢科技CEO徐雷表示，從前裝角度看，L2+級别的自動駕駛方案有着很迫切的需求。而目前L2+及以上自動駕駛的難點在于如何滿足安全、效率和經濟性。

比如，一些公司缺少起初安全設計的考量，整個行業也暫時缺少針對别自動駕駛系統的安全測試體系，部分自動駕駛方案無法高效地處理中國獨有的交通狀況與習慣等等。

徐雷表示，針對上述難點，紐劢科技在系統冗餘、傳感器冗餘、緊急情況應對措施以及備份的控制系統等方面進行了充分考量和設計。

高深智圖大中華區總經理劉澍泉：數據的鮮活性至關重要

在峰會現場，劉澍泉通過自動駕駛面臨的困難、什麼是“高精地圖”、AI 技術與高精地圖、案例展示等方面深入展開。

基于成本的考量，高深智圖采用低成本的激光點雲融合技術方案，簡單來說就是基于點雲融合的算法，其應用場景較廣，不僅限于 GPS 場景。這樣的好處就是激光點雲可以滿足 L4、L5 級自動駕駛的需求。

最重要的更新上，他認為高深智圖和許多創業公司一樣，也是采用的衆包模式，即當車停下來了以後，實時收集到的道路更新信息，會通過雲服務上傳到服務器端，然後服務器端會進行變化探測，基于探測得到和自動駕駛所需相關的關鍵特性，再去做某一塊的更新。

同時，他也分享了公司商業産品的主要形式：

一是為主機廠、自動駕駛創業公司、Tir1提供高精地圖定制化生産;二是為客戶提供和高精地圖息息相關的定位服務;三是多傳感器的标定，低成本數據采集方案及設備;四是為車路協同公司提供高精地圖以及交通信息流的服務。

采埃孚中國區研發負責人綦平：Tier 1 的自動駕駛量産“野心”

在汽車産業的變革節點上，Tier 1 幾乎扮演着最重要的角色，每一家也都不吝于展露着自己的野心。

德國 Tier 1 廠商采埃孚有超過 15 個事業部，包括乘用車與商用車領域的變速器、制動器、轉向機等一系列産品，覆蓋了電動出行、車身動态控制、集成安全技術及自動駕駛四個大方向，綦平在現場主要分享了采埃孚在後四個部分的計劃與成果。

電動出行是汽車産業發展的大勢所趨，采埃孚的混合動力産品 EVPlus 可以中度混合，完全混合，插電式混合，緩解用戶的裡程焦慮。

在車身動态控制上，采埃孚正考慮對車身管理進行系統化的功能整合，融合底盤關鍵零部件，随時獲取其狀況，将之反映給域控制器，之後再給出有效指令，由此形成智能化底盤的業務模式。

在自動駕駛系統的設計上，采埃孚使用了激光雷達、毫米波雷達和攝像頭的融合方案，而這其中，一個好的域控制器将是至關重要的環節。

香港科技大學自主駕駛中心主任劉明：低速無人駕駛落地技術及場景展望

由于不同的天氣狀況和複雜場景，在實際的落地場景中，低速無人車需要應對動态環境中的不确定性。劉明認為，過去在無人駕駛的技術落地問題上，業内大多讨論的是端對端的控制問題，但在實際場景下，低速無人駕駛要解決的是全流程問題。因此如何通過人工智能或者深度學習的方法解決感知、決策和控制的全流程問題，是目前技術發展上的一個難點。

目前在感知方面，劉明的團隊從激光雷達方案拓展到視覺方案，通過攝像頭的原始輸入，實現在不同環境、天氣、早晚環境下的無人系統全局定位;在決策方面，可以将無人系統在虛拟仿真環境下學習得到的決策訓練運用到真實場景;在決策之外，可以通過車載電子、機電系統來實現對車的最終控制，産生端到端控制的邏輯。

滴滴自動駕駛公司COO孟醒：自動駕駛安全及驗證技術需要大量數據支持

孟醒表示，投資行業撲向自動駕駛領域，網約車運營經驗所積累的數據化，可以用于訓練自動駕駛車輛，使自動駕駛車輛變得更加安全。

9月份，上海市政府給了上汽、寶馬、滴滴三家公司頒發載人測試牌照。

孟醒表示，獲得路測牌照，改裝的自動駕駛汽車在規定線路之内測試，跟其他人或車輛進行互動，這是第一步。第二步，不僅僅是路測，是載人路測應用示範，可以真的帶一個人乘車，這是運營的工作，未來需要更多路徑。需要監管機構、政府給我們指引一起推進。

“自動駕駛首要任務是保證安全。通過滴滴目前的網約車運營網絡，可以分析出哪些訂單适合分配給自動駕駛車輛，哪些超出測試距離範圍或者技術範圍的訂單需要分配給駕駛員。這個混合派單的過程，可以保證每一步都是循序漸進的。隻有當安全标準達到相當高指标以後，才會逐步推進。而網約車運營經驗所積累的數據化，可以用于訓練自動駕駛車輛，使得我們自動駕駛車輛變得安全和智能，以及适應各種出行場景。”孟醒提到。

四維圖新副總裁孟慶昕：高精地圖有三大應用場景

圍繞高精地圖的發展現狀和未來方向，四維圖新副總裁孟慶昕進行了逐一介紹。

她表示，智能駕駛對地圖的要求是精度高、要素全、協同全和更新快。基于這一特點，四維圖新通過車載雷達，對路面要素和點雲進行采集，再通過自動化提取的算法将所有要素反映出來，然後進行分類。

據孟慶昕介紹，四維圖新面向高精度自動駕駛的地圖現在已經可以達到20厘米精度，成為傳統導航電子地圖、ADAS地圖後的又一重要産品。除了用于應用于車端場景，高精地圖還可以應用于雲平台和仿真測試。

孟慶昕認為，當前行業生态尚未成型，沒有形成真正有效的産業鍊條，高精度地圖作為基礎數據，希望無論是車廠、車路協同技術服務商，還是公路建設部門等，都可以依托智能地圖進行測試，早日實現面向未來的自動駕駛。

英偉達自動駕駛中國區負責人董方亮：汽車駛入AI時代

董方亮的演講主題是“汽車駛入AI時代”，他分享了英偉達在幫助實現自動駕駛上的進展。

人工智能從算法開發到部署已經有一套相對成熟的方法論，從依托數據進行平台訓練，驗證後得到深度學習模型，到将數據模型進行推理，然後在場景中運行人工智能算法和模型。

董方亮表示，智能駕駛汽車上的人工智能技術應用會有非常類似的過程。英偉達自動駕駛開發平台提供了一套端到端的流程與方法，分為數據采集，數據訓練，數據模拟驗證及算法部署四個方面。每個階段都有完備的方案，比如在多傳感器融合感知上，依托其強大的計算平台，開發出了底層操作系統，算法庫與應用算法。

董方亮表示，英偉達作為一個開放平台，會與全球合夥伴，包括算法公司，Tier 1，車廠，地圖廠商等合作共同打造安全的自動駕駛方案。

覺非科技CEO李東旻：避開高精地圖硬件複雜、采集成本高的現實問題

對于汽車而言，高精地圖是否涵蓋了這個汽車所有要求呢?

李東旻的答案是否定的。他認為高精地圖高精兩個字是數據準入門檻，是一個技術的條件要求，而真正能夠參與決策、規劃和徑指導這樣一個數據平台，除了精度以外，至少滿足兩個必要條件：能夠低成本規模化，能夠低成本把全中國道路不斷進行刷新和革新。

自動駕駛未來，一定是重數據和強融合的，不依賴于單一傳感器，不依賴于實時感知，應該是靜态、離線、實時、在線之間融合的結果。李東旻表示，我們認為現在測試階段模式車輛，真正進入量産的時候，不能在車後面背一個服務器，插無數電源方式，實現自動駕駛的量産。

地平線副總裁張玉峰：車規級AI芯片加速自動駕駛量産落地

張玉峰認為，自動駕駛的量産非常具有挑戰性，但目前還屬于研發和驗證階段。自動駕駛的量産要逐步實現車規級的傳感器和計算平台、逐步實現功能安全、逐步拿掉安全員。從算法角度來看，自動駕駛在量産過程中面臨着三個挑戰：有無足夠高的性能硬件支撐、海量數據下的時延夠不夠低、功耗夠不夠低。 自動駕駛對于算力的提升要求是以萬億次來計算的。

針對人工智能在邊緣側應用的高效推理設計，地平線緻力于從算法角度來進行設計和優化。張玉峰表示，同樣的芯片，地平線可以用于ADAS視覺更新，也可以用于基于視覺的高精地圖建圖與更新。今年8月，地平線推出款車規級人工智能芯片，張玉峰表示，地平線的核心能力在于車規級處理器，可以結合視覺或聲音的前端感知，加上基礎服務，賦能不同玩家和客戶。

文遠知行COO張力：走進量産時代，以産品力将無人駕駛出租車開進現實

張力表示，文遠知行專注于L4級自動駕駛的技術研發，同時也在關注L4自動駕駛智能出行服務，其中的一個業務場景就是自動駕駛出租車。當下自動駕駛已經過了Demo階段，文遠知行認為，真正的量産是在保證安全的情況下，将安全員從車上拿下來。但在量産的過程中，自動駕駛技術、車隊運營規模、商業模式的落地以及法律法規都是自動駕駛亟需突破的内容。除了政策法規，文遠知行在其他三方面的布局都在穩步推進。

目前，文遠知行已經完成了80萬公裡的裡程測試，其Robotaxi 接待的乘客人數逾2000人。在固定的園區内，其Robotaxi能讓體驗者通過APP自動喚車、乘車、結賬等内容，為商業化落地打下基礎。張力表示，文遠知行于2020年在廣州的限定區域裡開展自動駕駛出租車的載客試運營。

智加科技副總裁容力：量産自動駕駛是一個過渡的工程化過程

自動駕駛量産必然是一個過渡的過程，與手機的發展曆程相似，需要好幾年才能成為老百姓都使用的東西。

容力提到，大部分自動駕駛公司車輛已經可以上路了，要經過設計驗證、前裝設計、生産驗證，最後建立生産線，最後再生産，這是一個相當長的過程。這個過程不像互聯網，是一個工程化問題，這個逐漸過程是必須經曆的。

自動駕駛落地還要經曆一個協同化的過程。容力在現場表示，協同化是指自動駕駛，它作為生活中一部分，作為社會中一個不可分割單元，是有多方面的合作，首先是技術産業鍊，其次就是車聯網，實際上有了這個車聯網，很多問題迎刃而解，車聯網能夠給自動駕駛提供千裡眼和順風耳，很多問題都能通過千裡眼和順風耳來簡單解決，比人工智能更簡單的去解決。

博世計算機視覺專家徐浩：前視智能視頻系統+後視與環視攝像頭系統

徐浩從視頻産品的角度，介紹了博世在兩大方向的布局。

由于車道保持系統、倒車輔助、智能速度控制等系統的需求越來越大，且多與視頻産品相關，博世布局了兩套視頻系統，一是前視智能視頻系統，二是後視與環視攝像頭系統。

在前視智能系統上博世有單目前視攝像頭與立體攝像頭兩種産品定位，單目可以以低成本的價格實現智能輔助駕駛，雙目可以在比較高度的自動駕駛系統中扮演重要角色。在技術上，博世從光學部分，算法部分和芯片部分都進行了深入的研究，一個亮點是，真正實現了針對嵌入式系統的深度學習，這對智能駕駛是一個重大挑戰。

在環視系統上，博世已經有了成功的案例，2015年其第一代系統在寶馬7系上量産。這套系統有360度全景展示，可以實現自動泊車。通過超聲波與視覺的融合，還能實現車道線識别，行人識别，動靜态物體識别等功能。

仙途智能聯合創始人史庭佳：需要技術的持續疊代

史庭佳的話題主要聚焦無人駕駛的商業化，即可實現商業盈利、滿足客戶需求的商業運營。

2017 年成立的仙途技術落地方向主要以自動駕駛清掃車、垃圾轉運車、洗掃車為主。環衛垂直場景是團隊找到的可以更早實現商業化的無人駕駛應用。

老齡化在增加着各行各業的勞動成本，這在環衛行業尤其突出，無人駕駛可以幫助節約人力成本，且 24 小時的作業也更加安全、高效。

中國包括封閉和開放道路的環衛市場在 3000 億左右。要實現無人駕駛的商業化，需要低成本的傳感器方案、複雜場景下的準确路徑規劃、更的高精地圖，同時也需要技術的持續疊代。