智能驾驶是大方向确认无疑，但是如果没有硬件、软件等多方面的配合，一切都是空谈。后端供应市场也成为炙手可热的香饽饽。在CCF-GAIR大会的智能驾驶专场讨论会上，这些后端供应厂商们将为我们讲述他们为智能驾驶的未来都做了哪些努力？
（由左向右依次为）车载信息服务产业应用联盟（TIAA）秘书长庞春霖、速腾聚创CEO邱纯鑫、Minieye CEO刘国清、Quanergy中国区总经理汤劲松、华院数据首席数据科学家尹相志以及QNX公司大中华区总经理张人杰。
庞春霖：介绍一下自己的公司。
邱纯鑫：速腾聚创是一家专注于做激光雷达的公司。2014年我们推出了第一款激光雷达产品，主要应用在静态测绘、三维建模领域，目前我们的精力主要集中在研发并提供高性能、量产性强的无人驾驶激光雷达。
刘国清：Minieye是2013年4月份成立的，我们专注在车载技术的感知上，我们希望在汽车自动化和无人化的感知方面作出贡献。
汤劲松：我们公司是Quanergy，总部在美国硅谷。专注在开发高性能的、能在未来用于量产的激光雷达和相关软件，我们跟很多厂商已经有深度合作。我们现有的机械激光雷达M8也有很多在使用中。我们即将推出的突破性的固态激光雷达S3，将给业界提供真正能量产化的高性能、高可靠性的激光雷达。
尹相志：我们现在正在举办人工智能大赛，在竞赛当中我们会提供5万份行车记录仪进行体验，开展跟智能驾驶相关算法的竞赛。
张人杰：我们的操作系统被广泛用到大家熟悉的各种车型里面，包括宝马、大众等等，我们在新一代的自动驾驶领域有很多的贡献。
庞春霖：大家对特斯拉在中国和美国发生的事故怎么看？
邱纯鑫：这体现了特斯拉自动驾驶目前存在的不足，也许是因为还没有用上激光雷达，所以对白色的车体感知不足而导致了判断失误。
刘国清：特斯拉对于自动驾驶的功能需求定义有问题，你需要明确定义自动驾驶的场景，并且不断地实验去验证这些功能。另外还有一点就是要有云机制，通过多传感器的融合——不仅有雷达，还有激光雷达，一个出了问题，其他的可以接上。
汤劲松：从技术角来讲，是因为其系统在看强光和侧面探测方面还不够可靠。未来需要保证技术的安全和可靠性，就是要加上激光雷达，使用传感器融合——往第四、第五级的目标上，在系统上去设置一些机制保证自动驾驶的安全。
尹相志：这次事故凸显的是人工智能现阶段最大的障碍：机器只能识别我们教给的东西而不能理解和判断额外的事件。所以算法需要从识别迈向理解和认知，这样才能更好地避免事故的发生。
张人杰：现在我们的系统安全分为两种：功能性安全和系统性安全。从功能性安全来说，目前特斯拉的车载系统是没有的；而系统安全上，没有任何备份，所以从这两个层面来讲这个系统是非常薄弱的。
庞春霖：将来智能驾驶车上是不是需要一个黑匣子？判断这个信号指令的痕迹和来源的装置是什么？
邱纯鑫：现在事故认定可以借助行车记录仪进行判断。无人驾驶汽车上安装黑匣子的作用也是比较大的，事故发生时，它可以记录从环境感知、决策单元、运动控制的信息，进而界定责任。在无人驾驶时代，激光雷达不仅装在车上，还可以像路灯、监控摄像头一样安装在道路周边，道路交通状况都能清晰呈现，这样一来，事故认定也就更加容易。
刘国清：我认为这个是必需的。有两方面的思考：一个是车载数据如何防篡改？另外就是这些信息到底要不要上传？
汤劲松：未来可能的方向是，各个传感器在运行的时候，都有记录，然后储存在云端。一方面是黑匣子的作用，另一方面也是大数据的一部分。 不排除对某些方面的记录使用黑匣子的可能性。这样，传感设备的智能化非常重要，我们未来的固体激光雷达，在这个方面有非常大的优势和潜力。
张人杰：我认为黑匣子的做法属于亡羊补牢的方式，无法改变系统脆弱的本质。从安全角度来讲自动驾驶系统分成安全域和不安全域，如何做好这两个域的隔离是非常重要的议题，要在源头上解决安全性隐患。还有就是功耗的问题，黑匣子本身会有功耗，而且什么时候记录，什么时候不记录，又或者SD失效……充满不确定性。现在比较流行软件定义汽车，软件在系统中的作用越来越大，我们可以将原来多个独立硬件的功能通过软件来实现。
庞春霖：在目前的自动驾驶车上，你们认为传感器应该接在一个接口上还是多个接口上？
邱纯鑫：外部传感器数据直接输入到汽车，量是很大的，在这个过程中我感觉还是前端的摄像头、激光雷达拥有一定的数据处理能力，提供给车本身做决策所必需的信息。这些简化有效的数据信息可以通过一个接口输入。
刘国清：我觉得他们可以共享一种渠道，但是不见得把所有的信息打包在一起。在信息的拼接上，我觉得是需要思考的，因为数据对于无人驾驶真的特别重要，无论是开发还是测试。当我们有明确的需求定义之后就需要进行大量的测试，必然需要有信息的反馈帮助我们形成一个闭环去迭代，去逐步完善功能。
汤劲松：这个跟将来的计算平台有关系，能做的就是要有效、安全，降低计算的负担，中间到底是什么结构现在很难说。可能需要多方参与，找出一个最好的平台，包括GPU厂商。
尹相志：整个装置中有很多专业的传感器和复杂的算法，通过一个平台去解决是很困难的。因为各种场合都有不一样的算法，如果真的做到了也不是很鼓励创新的模式。我认为数据处理完之后通过一个标准的API将其传到中心系统中去就可以了，但是要把周遭的都定义出来就需要相关厂商一起参与制定标准。至于传输的精确性，要看各家厂商的表现。
张人杰：我个人是比较支持一体化的趋势的，因为未来的车是一个非常强大的计算平台，各种传感器、摄像头和激光雷达等等都有I/O线卡，各个厂商只要遵循这种I/O线卡，整个系统会变得非常的简单。除此之外用这样一种架构可以很容易地增强它的计算能力。比如说处理器不行了，可以升级；如果没有冗余备份，我可以把GPU的部分做备份……可以用几种类似功能的I/O线卡解决出现问题的部分，而且不断完善。
庞春霖：怎么看待车用传感器和系统未来成本发展的趋势？第二个就是针对现实的课题有什么好的建议，可以推动这个事情？
邱纯鑫：做自动驾驶的初心更多是减少事故率，这一点是不变的。速腾聚创自己做了激光雷达，现在我可以很好地回答您的问题，目前价格贵主要原因还是量没起来。接下来的主要的问题是如何满足车厂的要求，怎么样让设备更稳定，后面其它的就好说了。无人驾驶的感知传感器，目前比较昂贵的就是雷达，大家都很关注，我相信价格会很快会降下来。
刘国清：传感器的价格主要的决定因素是它的产量，成本下降只是时间的问题。现实推广来看，我建议使用摄像头，有几方面好处：一个是成本更低、更友好；另外还有一点是它除了在新车上有很大市场，在存量市场上也不赖，而且还能改善现有的交通安全状况。
汤劲松：激光雷达在自动驾驶时要看30厘米到200米，数据量是一秒钟上百万个点云数据，是一项非常复杂的技术，开发和研究的成本非常巨大。传统的激光雷达是旋转的，是结合体，每出厂一个是要调试的，成本更难降下来。未来我们的固态激光雷达，没有机械的部分，完全由半导体材料和软件来实现。 通过这样的技术突破和反响，在未来量产化的前提下，价格是可以降下来的。
尹相志：我认为商业是一个有效的办法。商业买断甚至是补贴的方式可能会更有成效。
张人杰：我们真的都需要16线的激光雷达吗？单线摄像头+4线激光雷达一定很便宜，比单线的摄像头做得更好，为什么我们不做一些低端尝试？我们总是理论上想得非常好，实际上我们走得太快了。不妨在目前激光雷达价格比较高的情况下选择比较低端的配置。对中国来说，目前主流的经济车型基本在20万左右的售价，再高就没人选了；但是对于商用车，150万的车里增加一个8000美金的激光雷达是没问题的。所以可以在商用车里率先推广。当市场达到一个量的时候价格自然就下来了，最后民用的车型也是可以普及的。
。
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/104492.html