圆桌论坛二：智能驾驶量产加速智驾企业与车企扮演何种角色？

朱军:接下来，我们进入第二场圆桌论坛。有请:

原陈汽车首席技术官傅经纬

时宇科技创始人吴甘沙

智行哲董事长兼CEO张德昭

大方青州智航联合创始人兼首席科学家

有请主持人石琳！

林:谢谢四位嘉宾最后一位嘉宾谈到了中国汽车在海外市场的骄傲中国的智能汽车技术在世界上首屈一指，台上的嘉宾在智能驾驶方面非常专业

我的第一个问题是问整车企业的总经理现在未来进入整车企业的智能驾驶企业的供应商，都愿意把技术降到L2水平你以为这是整车企业想要的吗

傅经纬:我们这个行业有很多非常有实力的企业，我们只是其中的代表我们不是最好的其实作为一个整车厂商，我觉得自动驾驶其实有两个发展，一个是从L2到L4的路，一个是从L4往下走的路近两年，伴随着大量L2和L3车型的问世，以及技术的逐步验证，人气带动了不少L4企业向下探索，进军L2量产

我们往前走许多L2公司可以追溯到20世纪80年代，许多公司开始涉足L2L2技术真正在欧美大规模应用大概会在十几年前这样的企业在市场上还是占有一定的份额，并且有多年的积累我们的L4企业大部分是2010年开始的，AI技术开始逐渐广泛应用，很多这样的企业就出来了这些企业在AI技术和现有的新供应链方面有很强的积累和技术在逐步向下调整的过程中，企业在相互学习和融合中进步很快作为整车厂商，我们很高兴看到他们在量产的道路上给我们更多的方法和解决方案

对于目前行业的变化，逐渐的，车辆的选择从过去的车企提供什么，转变为用户需要什么，车企提供什么用户体验变得非常重要新企业下来或者老企业上去的过程中有两个重要的点一是这个企业能不能提供快速经济的产品，二是这个企业原有的技术链能不能和车企原有的技术链快速完全融合，让车企更快的满足用户快速迭代的体验需求我觉得这两点很重要，就是说一个便宜一个好

林:现在智能驾驶和智能驾驶舱应该是一体化的你怎么看待这种趋势

傅经纬:作为早上的车之前，我们是这么看的整车网络经历了从分布式预控制到集中式预控制的过程前晨的车坚信中央预控的过程会到来其实我们已经过了舱驾一体化的时代，现在这个时代已经得到了验证，也有企业在往这个方向推那么，在我们看来，这种趋势是不可阻挡的为什么对于整车企业而言，大规模的限速和分布式电子电气模块，包括大量的软件开发和技术，占据了大量的R&D成本对于企业来说，集中大量的R&D成本和软件团队是方向，也是推动这个行业快速发展的方向所以我们同意

林:谢谢付总经理吴先生，我一直叫吴先生，因为他是一个有文人气质的企业家他去年寄给我的诗给我留下了深刻的印象时宇一直说，我们的自动驾驶是一个完整的场景，这意味着做一切是不是不够细分和专业

吴甘沙:其实我们平时说起自动驾驶，第一反应就是日常通勤所需的自动驾驶但其实在我们看来，世界上各行各业都需要自动驾驶只要人和物长距离移动，只要有运力需求，就需要自动驾驶我们期待从第一原理看到驾驶技术，因为我们的驾驶技术是通用的

我在北京考取了驾照，但我不用在上海甚至纽约重新考取我开的是品牌A车，不需要再培训另一个品牌所以我们把所有的研发都集中在所谓的全场景自动驾驶操作系统上而且在工信部人工智能的过程中，我们还是在自动驾驶控制上拿了冠军我们在各行各业应用这项技术，意味着我们必须横向聚焦

纵向集中，例如，专门从事港口，矿山或客车的L2就是纵向集中水平对焦是整个场景的自动驾驶系统同时想放弃一些东西，就是不造车不运营，和生态伙伴一起开发这是我们的理念，横向聚焦，做好全场景的自动驾驶操作系统

林:刚才我也说了，从整个场景来讲，就是我们专注于我们现有的领域我知道有些企业什么都想做，但我们专注于成为供应商我想问一下，在现有的法律法规下，自动驾驶可以量产到什么程度

吴甘沙:我觉得法律法规的制定一定要基于你的技术成熟度，以及像你这样的技术可能带来的社会后果所以我们判断自动驾驶No1的核心原则是不应该出现致命事故，这一点很重要

在这样的前提下，从商业化的路径来看，很明显有两条路，一条是基于乘用车L2的自动驾驶技术的逐步发展因为L2的责任主体还是在司机身上，保证了它在今天技术还没有那么成熟的情况下，有一定的容错空间和明确的责任主体

另一条路线是L4，商用车的专用车，但这条路线必须有一个循序渐进的过程虽然已经到了L4，但是肯定会从慢到快，从场景受限到道路开放等等本质上也是为了负责任的自动驾驶技术保证安全所以这两条线国内很多公司都在探索，而且走在了世界的前面

林:我们的控制策略和现有的自动驾驶企业游戏有什么区别。

吴甘沙:我们也为乘用车制造L2我们主要是看到了一个机会一方面，伴随着电气化和智能化的普及，我们的终端消费者对L2产品的要求越来越高我在高速上是传统的司机助手，但是满足不了他们的需求他们的要求越来越高

另一方面，我们可以看到大功率芯片和高分辨率传感器在乘用车供应链上越来越受欢迎几年前，很难想象几十个甚至上百个tops芯片和800万像素摄像头能这么快在乘用车的L2领域量产一方面消费者要求越来越高，另一方面高计算芯片和高分辨率传感器的供应有保障，所以某种程度上我们传统的L4企业有很好的机会进入L2

所以从我们的角度来说，我们首先要的是高智能高性价比的产品智力价格比是智力除以价格一方面要在整体方案成本上有优势，另一方面要不断提高自己的智力我们的愿景是实现从点到点，端到端的全过程自动驾驶你什么意思即我出门出电梯，可以一键调入停车场，然后从停车场开到高速公路下到城市道路，进入停车场自动停车服务，实现点对点，端到端的全过程自动驾驶我觉得这是我们从L4进入乘用车的L2，有一定的技术储备

另一方面，乘用车L2现在需要不断的技术改进，需要一个成本更低的合法合规的数据闭环在从L2到L3，L4的渐进过程中，我们需要在商用车L4积累大量的安全和运营经验所有这些都有助于我们在L2乘用车上打造差异化产品

石琳:谢谢吴总经理下一个问题给知行哲的张老师最近，你很火你发布了高速自动驾驶巡航系统，注重感知，忽略地图

张德昭:目前的自动驾驶方案大多依赖于高精地图，相当于在地图上叠加了人的经验和智能现在地图上标明这是左转车道，这是右转车道我现在在哪里这是通行区域，这是不通行区域相当于在地图上加上了人的智能

但是高精地图有什么问题呢现在我们很难做到高精地图全覆盖即使是像北京上海这样的一线城市，比如我们实现高精地图覆盖后，也会存在实时更新的问题比如今天这条路正在修建，我回家正好要经过这条路不能说我的车过不去所以我们提出了一个重感知，轻地图的方案首先，我来给这个方案命名这个方案不是说不使用高精度地图，而是使用高精度地图但是很多时候，如果这一段路没有高精地图，我们可以现场实现语义理解，利用我们的传感器现场做语义理解这相当于人开车比如我要去北京郊区的一个农村我以前从未去过这个地方顶多能开慢点，但还是能开到那我们有这样的计划

林:谢谢张总经理你也解释了我们是轻地图，但不代表不需要高精地图全行业高水平的自动驾驶还是需要高精度的地图下一个问题要问轻舟智航的方将军我第一次见到你时，印象很深刻想问问大家，前段时间你们推出了一个超高性价比的解决方案，和买车一样可选我很感兴趣这套系统目前能适应什么水平的智能驾驶

慷慨:我们的可配置系统具有成本效益其实这和我们处理城市先进配套系统的思路，和刚才傅总说的思路有相通之处

总的来说，这个产品能不能更好的在消费者和车企得到应用，有两点很重要所谓更快更好，第二是能不能更好的和现有车企技术体系融合

我们治疗的要点和思路是:第一，一定要保持费用很低在L4的基础上，尽量保持容量的同时降低对传感器和计算的要求在这个过程中，不可避免的会损失一些能力，但是通过我们自己独特的算法设计，可以降低成本，把成本保持在很低的水平，尽量不损失能力我们只需要一个正面成像激光雷达众所周知，激光雷达是关键传感器，做定位，距离，三维轮廓等信息非常重要我们也知道，当只有一个激光雷达时，视场是如此之小，以至于我们想要测量的信息都无法测量但是，在感知系统中，我们可以通过对相机和lidar多模态数据语义技术的分析，将测得的精确三维数据扩展到视野之外的区域通过在跟踪过程中做一些详细的数据使用和关联，我们可以在这些没有激光雷达视觉的地方实现几乎等同于激光雷达质量的数据

这样，你可以想象这个能力远远强于只有100度激光雷达视野的系统虽然我们只有激光雷达的成本，但能力仍然接近L4这是我们在算法设计上非常小心的一点

同时刚才傅总说的另外一点，就是能不能和车企的技术体系融合，能不能适应这个市场的不断变化，满足高度定制化的消费需求这也是我们设计时考虑的一点我们在做这个系统的时候，虽然在L4的基础上做减法来降低容量和成本，但是尽量保持整个L4系统的整体框架不变首先，我们确保在不同的场景中，我们不会像L2那样划分特定的功能点在L4的整体设计上，我们可以上路行驶这些都已经有了，我们不会放弃的同时要尽可能保持模块之间的灵活组合能力所以当市场需要变化的时候，在车企本身有各种需求的情况下，我们可以实现更灵活的组合

林:你刚才说的L4可能更有利于驾驶能力的提高傅总，最近有一个非常大的争论，就是整车企业要不要对智能驾驶技术进行全栈式的自主研发有人说整车企业不做全栈自研说白了就是没有总装厂的核心技术你在知名车企工作过这件事你怎么看

傅经纬:答案是肯定的整车厂必须具备L4全栈自研能力，但这个能力和全栈还是有区别的为什么整车厂一定要有全栈自研能力因为任何新技术的发展和突破，其实都是需要懂的人去做懂的事，而不是不懂的人去做这个新事物

作为整车企业，如果本身没有这个能力，那么合作的时候就会有巨大的沟通成本，无论是L4企业，L2企业还是更新的企业，然后就是技术差距等等所以，作为整车企业，该怎么做作为这个产业链上的企业，你不应该理论上什么都做你需要和现有的产业链，整个政策，整个社会的所有资源处于一个强大的完美的契合

但不代表这个企业可以以他不理解的形式去适合他必须要有全栈团队，但是在这个团队里，强化你需要强化的，然后和现有的市场资源完美契合和融合我觉得这是整车企业应该做的为了做到这一点，我们必须保持整个堆栈的进度，只是权重有点不同

林:下一个问题很常见如果没有法律法规的阻碍，你觉得无人驾驶技术现在能在中国这么复杂的道路上落地吗如果没有法律障碍的话

吴甘沙:我记得2016年我们创业的时候，整个行业都开始思考L4级自动驾驶的落地时间大多数企业认为是在2021年这是一个简单的2016+5，到2021年的五年计划当然，这样的预测现在看来过于激进

公共道路上什么时候能看到未来其实我并不担心法律法规，因为法律法规总是滞后于技术的成熟所以现在从行业来看，2025年又是一个五字头2025年被认为是一个重要的时间节点，2030年被认为是另一个重要的时间节点目前整个行业相对理性的判断是，2030年公共道路上可以看到大规模自动化的商业化因为如果全行业有共识，就会自己实现整个行业都认为2025年或者2030年是年每个人都渴望靠在这个时间点上，它很可能会自己实现，但这并不是一个科学的推论

我觉得科学的推论是，大规模商业化的前提是大数据的统计显示，自动驾驶比人驾驶更安全我觉得这是前提条件这个前提一旦到位，大数据意义上的自动驾驶比人的安全之后，即使后面的自动驾驶出现一些零星甚至低级的失误导致一些事故，社会也是可以理解的

有两个挑战一个挑战是数据有多大因为很有挑战性，也因为每次更新软件都要再次证明所以在这样的大数据意义上证明自动驾驶的安全性是一个挑战

另一个挑战是证明可信度认证的过程和数据可能需要第三方背书，尤其是有政府背景的所以我觉得这两个问题需要我们这个行业共同来解决，不管未来是到2025年还是2030年

林:你说得很透彻，就是各行业要共同努力，朝着一个目标前进能实现吗毕竟是个目标张总，你觉得这个问题怎么样

张德昭:我很赞同甘莎现在我觉得我们的法律法规不会阻碍这个行业的发展，因为法律法规阻碍的是那些不好的东西我坚信自动驾驶是一件好事，可以给我们带来巨大的社会和商业价值，为我们人类创造美好的未来法律法规不会阻碍，只会促进

至于刚才整个自动驾驶着陆的时间，我的观点是，自动驾驶着陆是一个渐进的过程，也就是说，即使自动驾驶着陆，我们也很难指定某个点因为从商业化的角度来说，自动驾驶已经在做很多场景了包括我们的港口矿山，包括我们的环卫，甚至L2+自动驾驶的客车刚才我们讨论了L4和L2的关系我觉得有根本的区别你看，我们曾经做了几十年的L2，但实际上我们仍然做了一个类似轮胎的系统，也就是说，这个系统从装入汽车到报废都保持不变也就是我的算法在这里比如今天一条曲线过不去，明天还是过不去现在我们的L4技术，通过AI技术，数据驱动和数据闭环技术，我们可以让现在的车企做到L2+和L2，但是现在他们可以让车今天在弯道可能过不了，明天可能过我觉得这是我们最本质的区别

林:你的解释很具体今天证券日报有一篇文章是对江铃汽车第一副总裁的采访他提到明年的江铃汽车会是一个完全不坐人的轻客量产会乘用车呢他说载人的人现在还不敢上路，怕出事你刚才提到L4技术不是问题，撞到人的概率很小，但是如果呢比如前段时间，一辆私家车撞上了一辆无人驾驶送餐车这是谁的责任都说物流没有牌照，所以最后的判断是无人物流车的责任原因有很多很多，尤其是公众意识，我觉得是很重要的一个方面，包括实际责任的认定

总的来说，你刚才说L4是降低维度来满足各个车厂的服务你认为什么样的情况下才能真正拥有无人着陆特别是在一个城中村，我们知道乡下有很多小巷，很多人，电动车，三轮车我们现在的技术能达到这个水平吗

大方:我的观点和吴老师，张老师很接近我们的公司有许多共同之处我们都使用了无人驾驶系统在路上行驶这个L4应用在这方面更有实践经验这个问题的积累或者理解还是比较类似的，就是L4乘用车现阶段大规模商业化是不现实的，不管有没有法律限制

就像刚才吴老师说的，你的系统能不能做到，其实是另外一回事我们还可以在车辆混杂，道路狭窄的村庄实现自动无人驾驶很多企业也有这方面的论证能够做到只是第一步更重要的一步是如何验证自己能做到首先，向你自己和其他人证明你能做到吴老师刚才说了，只有在统计学意义上的大规模，多里程研究的基础上，你才能真正说你的系统和别人相比是成功的，数据量一定大，里程一定大

假设有一天你真的觉得你的系统还可以如果要做这种测试，需要的车队规模，需要的里程，需要的时间，总成本都是非常高的你必须非常确定自己已经达到了这个程度，才能做决定没有那么多里程验证，你得先证明给自己看这是一个很难的问题如何使用少量里程，包括刚才张总也说了L4级自动驾驶系统一定要有学习能力一个没有学习能力的系统肯定是不可能达到L4的有些系统是不断进化的，不同环境下的处理随时可能是不同的系统你怎么能验证它这是一个很难的科学问题，整个学术领域都没有答案只有解决了这个问题，才有下一步如何向公众证明的问题如果你有信心，愿意投入成本，做大规模验证，或许可以向大众证明，这个系统真的准备好了但首先需要解决第一个问题，这需要时间现在我们判断可能不是2016+5，而是2022+5甚至2022+10这个时间点和刚才吴老师说的差不多

林:傅总，您从整车厂的角度怎么看这个问题请做个大总结

傅经纬:我的观点比在座的各位稍微激进一点为什么刚才吴总经理说，2016年推出的时候，大家都认为五年内实现L4自动驾驶但当时我的认知是五年内不可能实现

但是今天，当我们站在2022年回头看，我们发现时代变化非常快我们有大功率的芯片，低成本的摄像头，激光雷达，我们有完善的产业链相比2016年，我们整个技术方案和成熟度都有了很大的进步

既然这样，那我们就往前看，说这个东西会不会落地我觉得可能比大家说的2020+10什么的要快我非常同意张总刚才所说的他说我们实际上已经着陆了当我们谈到L4的大规模无人驾驶产业化时，一直有三个制约因素，第一是技术，第二是法规，第三是用户接受度

到目前为止，我们所有人面临的L4情景实际上是最困难的我不知道你是否意识到了2016年，我提出一个观点，你要有信心把L2大量推向道路为什么培养车辆规律的驾驶习惯，有助于这个行业的现场检测，促进法律法规的发展今天我们遇到的场景是最难的，这是第一个第二，我们经常谈到自动驾驶其实刚才张老师也提到了，我们还有很多其他的场景要验证第三，他山之石可以攻玉这是什么石头其实还是去航空领域吧这几年我们从航空领域引入的概念，刚开始几年大家并不太关注，但这几年逐渐受到重视航空领域对一个事物可靠性的验证和我们汽车领域的验证是不一样的

所以这些方法大量引入后，我们已经完全积累了汽车行业的原始积累和新企业数字化迭代的经验，以及原始零部件的经验等我的感觉是加个5大概就够了

林:今天是2022，加5是2027谢谢在座的各位接下来的会议大家都在期待无人驾驶的到来要真正实现无人驾驶，所有的车都可以互相交流，所以不会堵车非常感谢在座的四位嘉宾今天的圆桌会议结束了

朱军:谢谢你，五位客人每个人都很实际大众普遍关心的L4级自动驾驶什么时候推出其实除了技术问题，更实际的是法律法规，用户接受度等等至于2025年或2030年，这些关键时间节点能否实现质的飞跃也需要我们企业的共同努力

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。