对话倪凯：解密禾多科技面向量产的L3.5自动驾驶技术

倪凯创业了。在禾多科技研发基地，几十人的工程师团队已经开始忙碌。门口的车库里停着一辆调试中的测试车，车牌尾号刚好是“H0L0”——与禾多科技的英文名“HoloMatic”呼应。

大约4年前，倪凯从美国回到北京。作为百度无人车最早的主创人员之一，倪凯想起来这个领域当时还“乏人问津”。而现在，自动驾驶成为了焦点，大量的资源、资金、人才甚至政府政策都开始向着这里倾斜。

今年8月份，禾多科技与江淮汽车意大利设计中心签订了战略合作协议：两方将在欧盟创新框架计划下，针对轻量型智能电动车，提供未来城市出行解决方案。简单来说，禾多科技会在欧盟这个计划落地的小型电动车上，提供自动驾驶解决方案。

经历过大公司牵头推动的自动驾驶平台、互联网公司主导的新造车潮流，倪凯他们瞄准的是自动驾驶产业里的一个甜点（sweet spot）：与合作伙伴共同开发，向整车厂提供一个在技术上接近L4、产品设计面向量产化、能够建立数据壁垒，封装的L3.5自动驾驶解决方案。

自打在清华硕士期间创造了当时世界无人车最高时速，倪凯与自动驾驶已结缘超过10年。在上周他和雷锋网 · 新智驾（公众号AI-Drive）的对话里，他与我们分享了，他们所发现的这个甜点：

（下面是雷锋网(公众号：雷锋网) · 新智驾整理的采访实录，雷锋网 · 新智驾作了不影响原意的删减）

• 什么是L3.5的自动驾驶系统？

• 一个好L3和一个孬L3，“差距”在哪里？

• 中国特色的数据驱动的自动驾驶

• 整车厂想要什么样的交钥匙方案?

• 不同车企的基因和需求

• 2013 – 2017年，行业的变迁

一、什么是L3.5的自动驾驶系统？

新智驾：禾多为什么要做L3.5的自动驾驶系统，怎样理解它比L3更好，达到准L4的水准？

倪凯：L3、L4，我觉得定义分级标准的时候，可能当时实现的技术还停留在L2的阶段。往后对L3、L4的描述，我们说L3的系统是需要人接管的，L4是不需要人接管的，它并不是一个产品级的定义。

它没有对接管的频率、系统本身的冗余、紧急情况下的处理能力做出要求，只是说L3的自动驾驶系统遇到紧急情况是需要有人去接管的。那最蹩脚的L3和最好的L3之间，我觉得差距是非常大的。

L4的系统一般分成两个部分：一部分是应对正常驾驶情况的系统，另一部分是应对紧急情况的系统。当遇到紧急情况时，系统会执行两个步骤：第一是决定要切换到应对紧急情况的系统，第二个步骤是应对紧急情况的模块真正控制车辆，进行预先设计好的紧急情况处理流程。这里面最困难的地方在于L4的定义，假设它永远能处理各种各样的情况，所以业内公认L4的成熟需要很长时间。

那我们现在关心的是针对量产车上的自动驾驶技术路线作出一个定义：它是不是要有冗余，是不是要有应对紧急情况的模块，是不是要限定用户接管的频率等等。我觉得需要把这几件事情说清楚，而不是一味地说这是L3。

我们找到的定位是，做一个接近L4的系统，把它降维到L3来用，这个系统具备紧急情况处理的模块。

我们的第二个考虑是，自动驾驶未来在乘用车上会有两个大的应用场景：一个是to B的，L4的系统在车辆共享的场景里很有意义，但L3的系统因为需要一个司机把控驾驶，所以它就不能很大提升车辆共享的效率。

对C端的个人消费者来说，最先具备自动驾驶消费能力的人肯定是一二线城市这帮人，如果你能把他们80 – 90%的驾驶时间解放出来，这已经是一个非常棒的用户体验。而L4到普及还很远。如果L3的系统卖1000块钱，能解决80 – 90%的驾驶问题，L4的系统能解决所有的问题，但因为开发难度大，它可能就需要卖到5000块甚至10000块了。

所以从用户的角度来说，我认为L3是能够满足C端消费者的需求的。

新智驾：是不是可以理解成是L3对个人消费者来说，性价比更高，而L4更适合共享？

倪凯：更准确的说，应该是车辆共享更需要L4的技术。

新智驾：可否理解成是，现在好多整车厂都想要一个好的L3，而不是一个L4？

倪凯：我觉得大部分车厂，包括最新的奥迪A8未来要激活的功能，再之前的标致、宝马公布到2020年、2021年都会有类似的L3的功能出来。

二、一个好L3和一个孬L3，“差距”在哪里？

新智驾：一个非常差的L3和一个非常好的L3，差距在哪里？

倪凯：包括留给用户接管的时间，是5秒还是10秒，包括在用户无法接管的情况下紧急处理模块应对的能力。

L3的系统，用户大部分的时间还是处于撒手hands-off的状态，怎样去跟人去交互，去警示驾驶员，做车内驾驶员状态的分析，用更好的人机交互手段去唤醒他去接管驾驶，我觉得这些都是L3定义中没有的，但做产品的时候需要考虑的事。

新智驾：像哪些已有的或者即将量产的产品，如你所说能够给用户更好的交互，或者给更多的时间去接管驾驶？

倪凯：现在我们还没有看到一个L3量产的系统。奥迪A8是量产车型中唯一一个宣布支持L3的，但我们还没有看到实车激活的视频。目前业界还没有标杆式的产品，这也是我觉得这个东西值得做的原因。

评价一个好的L3系统，除了人机交互层面，还有就是L3本身实现的一些事情。像奥迪的Traffic Jam Pilot是0 – 60公里时速内应用的一个功能，好的L3能不能支持更宽的速度范围，应对更多的驾驶场景，这都是需要考虑的。

我相信奥迪A8的大部分研发还是在欧美，所以它在中国的道路上也要做足够多的验证、适配。

三、中国特色的数据驱动的自动驾驶

新智驾：禾多科技对外的描述中非常强调“数据”，怎样理解数据是禾多科技的一个特点？

倪凯：数据这个事，相当于我们公司在技术上的核心战略。因为自动驾驶本身的产业链非常长，我们希望在中国市场上选一个真正有壁垒的技术模块，用巧劲形成竞争壁垒。我相信这会和中国独特的道路数据相关。

任何跟数据相关的技术模块，包括跟地图相关，跟周围的环境车辆，跟驾驶习惯相关的模块，都会是我们比较关注的。

其次，中国对数据监管一直是比较严的。无论国外的厂商、tier 1、tier 2，或多或少都会跟国内的公司形成合作，或者支付许可的费用。围绕数据，我觉得也会形成一个走得通的商业模式。

新智驾：禾多科技已经在做的跟数据相关的技术模块，具体包含了哪些内容？

倪凯：现在像跟我们的合作伙伴，基于高精度地图上做的自动驾驶定位，然后像感知、规划这些模块。我们有自己的模拟器，能够支持后面的一些开发验证，这些都是我们在做的事情。

新智驾：技术模块的开发是一方面，数据的壁垒怎样去建立呢？

倪凯：第一阶段我们会跟合作伙伴一起研发L3.5的系统，在研发阶段我们会跟合作伙伴做很多数据积累的事情。后面的话，和我们未来的客户包括整车厂们，我们希望通过相互共享数据，形成共赢的模式。

不光测试、仿真、驾驶数据，真正在车辆运营时，数据也会共享。现在整车厂对于2019以后的车型，也真正慢慢在考虑数据采集、数据回传这些问题。

这些数据的采集回传，并不是传统意义上整车厂所擅长的内容，也需要有资质。所以我们希望跟有资质的合作伙伴一起来做这件事。

新智驾：现在业内也有不少各种形式的数据联盟，比如FCA既跟Mobileye合作，也跟Google合作，百度阿波罗又是另一种形式的联盟，禾多科技的数据共享在其中能有什么样的优势？

倪凯：其实市面上选择并不是那么多。首先市场上并没有一个很好的L3的交钥匙方案。谁能把这个方案拿出来，就是一个非常重要的事情。

第二个是数据采集资质的问题，你刚说的Mobileye和Google，即使他们在国外有了交钥匙方案，到了国内依然要面临资质的问题。

我们希望能够打造一个平台来解决资质的问题，这样未来就能占到比较大的先机。

四、整车厂想要什么样的交钥匙方案?

新智驾：刚刚讲到市面上还没有交钥匙解决方案，那么跟着比较快能拿出解决方案的是否是一些国际tier 1？或者说，禾多科技面临的主要竞争对手是谁？

倪凯：国际的tier 1在看交钥匙解决方案，但他们更多的精力还是放在欧美。一般据我们的了解，像L2这样的功能，推广到国内至少比国外要慢半年到一年的时间，那我觉得往L3上面走，时间只会越来越长，因为需要做的适配、测试、验证，时间会更长。

那最后留下两种选择：一种是国际tier 1借助国内厂商的能力来缩短这个时间，另一种是整车厂直接跟国内厂商合作。

新智驾：这是tier 1的部分，还有一部分是还有很多自动驾驶整体解决方案的创业公司，你们怎么跟他们比较？

倪凯：我们其实做的也不是整体解决方案，我们做的是整体解决方案的一部分。因为说到L3的整体解决方案，那我们就变成了tier 1。我不觉得我们在做tier 1，毕竟我们现在还是聚焦在上层跟数据相关的一些工作上。

但我们想做的业务模式，是一个面向量产的技术路线，会是跟硬件结合的封装好的自动驾驶系统。这个封装最后是由我们来主导，还是由我们的合作伙伴主导，还会在研发的过程中再去定义。我们封装好的解决方案，会跟传感器、计算设备，有一个比较强的匹配。

新智驾：你们会涉及到车辆的一些控制方案吗？

倪凯：这个也会涉及，但主要看一些具体的项目，一些主机厂或者tier 1会比较倾向自己去做，我们主要还是做客户做不了的，更适合/需要第三方来做的模块。

新智驾：前不久你们公布了与江淮的合作，江淮的这次战略合作为什么选择了禾多科技？

倪凯：我们在国内还是比较有特点的一支团队。最早的时候我在百度做的更多的是L4的方案，我们基本上是从零开始完成了L4方案的测试，包括与宝马的合作，之后在乐视，针对量产的自动驾驶方案，也是从零开始做。我们跟国内、国际上，很多供应商都有合作积累。

不光是江淮，很多的品牌也在做自己的共享服务，吉利的曹操、力帆的盼达等等，车辆共享代表着主机厂一些新的商业模式。我们也在思考，在这个商业模式下，怎样用我们的技术跟他们结合。

新智驾：产业内有很多整车厂，每个车厂有不同的车型，这个时候，你们的自动驾驶技术怎样跟这么多的车型结合？

倪凯：其实我觉得，实际的情况跟你的问题刚好是相反的。车厂希望拿到的是ABCD的选择，希望的是交钥匙方案，当然每个车厂会有一定程度的定制化，但整体上他们希望看到一个交钥匙的解决方案。这需要联合从地图到软件、到传感器、控制器、执行器的公司，把方案拿出来。

车型确实都在千变万化，比如上汽、长安有很多车型，他在做产品定义的时候，会考虑在SOP的阶段能拿到的交钥匙方案是什么，然后会考虑怎么去做定制化，自己去解决哪些问题，加入一些独有的功能。整车厂是以这样的方式思考这个问题的。

新智驾：你们希望在2020年之前，和合作伙伴一起拿出一个L3.5的交钥匙方案？

倪凯：现在2020年、2019年的项目规划都有。

新智驾：我们怎么去挑这些合作伙伴呢？

倪凯：我觉得一是有互相的信任，二是对自动驾驶真正的投入。大家的投入程度可能会不一样，有些真正想做脚踏实地的能量产的车型，有些相对来说会关注在中短期的项目上，我们也会评估合作伙伴的投入程度。

还有一个因素是，合作伙伴与我们的技术互补性，我们明确要做一些东西，不做一些东西，我们希望跟合作伙伴在技术上是互补的。

最后一点，我们也希望在商业模式上，把数据共享这件事走起来。

五、不同车企的基因和需求

新智驾：在自动驾驶研发上，德系车厂、新造车企业和国内的传统车企有什么不同？

倪凯：不管是德系的主机厂还是供应商，我们要承认他们在L1、L2上确实走得比较靠前。他们有非常多的做L1、L2的know-how，但是他们整个企业的基因也决定了缺少后面做软件算法的一些人才。每个企业都有自己的基因，基因决定了企业擅长做的事情，不擅长做的事情。

恰恰自动驾驶从L1、L2走到L3、L4，我觉得确实是，对他们不擅长做的部分，影响被放大了。结果就是给擅长做软件算法的公司提供了一些机会。

走在前面的是德系厂商，美国、日本还没有德系厂商走得靠前，中国是相对比较空白的市场。我觉得擅长在中国做自动驾驶的软件、算法、解决方案，相当于找到一个甜点（sweet spot）。

新智驾：你觉得禾多科技的基因是什么？

倪凯：我觉得我们有2个基因：第一，是我们擅长做上层跟数据算法相关的模块；第二，因为团队之前的项目经验，我们跟汽车行业供应商有很好的合作关系，我们非常懂得面向量产的路径。这两个优势加在一起，让我们选择了去做L3.5这样一个事情。

六、2013 – 2017年，行业的变迁

新智驾：你是从2013年开始做自动驾驶技术的产业化？

倪凯：产业化的事情，其实更多还是2015年 – 2016年开始做的事情。产业化是我们以量产方案、销售产品为最主要目标，跟产业合作的层次是不同的。

新智驾：只为一个车型做自动驾驶系统，跟现在为很多车企的不同车型做自动驾驶系统，有什么样的差别？

倪凯：其实定位是完全不一样的。你在主机厂的时候，你要对整个自动驾驶系统负责，不管这个自动驾驶系统是你自研发的，还是供应商提供的。

我觉得自动驾驶领域会形成一条相对细分的产业链。自动驾驶是一个系统工程，意味着不能有明显的短板，对每一个模块的要求都是非常高的。一条细分的产业链，带来的好处是你可以把某一件事做得非常精，不需要站在主机厂的位置上考虑所有的模块。

作为一个主机厂，它的资源是有限的。国内大大小小有上百家的主机厂，做自动驾驶的可能有几十家，能调用的资源能不能撑起每个主机厂做一个能够商业化的优秀的自动驾驶系统？从资源上来说，这不可能，也不符合整个社会的效率提升的基本原则。

从效率的角度看，主机厂会做自动驾驶的一部分工作，但大部分还是产业链的供应商来做。

为什么我觉得跟数据相关的东西会掌握在供应商手里？因为主机厂之间共享数据是很难的，你只有作为一个供应商，服务多个主机厂，才能够确保跟不同的主机厂在同一个数据闭环里，大家能做到共赢。你才能在这个平台上实现一定程度的数据共享。

数据共享对于平台的技术迭代是至关重要的。只有这样的平台，未来能够支撑自动驾驶的发展，如果只是主机厂单打独斗，我觉得是不够支撑自动驾驶发展的。

新智驾：从2013年到2017年，你觉得行业有什么变化？

倪凯：大的观感上来说，见证了刚开始在百度还是一个没有特别多人关心的，基本新闻上也见不到特别多报道的领域，到现在每天都能刷到自动驾驶相关的新闻。

行业热度带来了好处，也带来了坏处。好处确实是整体社会资源向行业倾斜，坏处是多少让行业有点浮躁，会出现一些急功近利的想法。

我相信不管多热的行业，到某一点，行业还是会冷静下来。但在市场冷静理智的时候，你需要业务、技术能带来一个坚实的支撑点。

新智驾：可否和同行的从业者，分享一下之前的一些的弯路或者经验？

倪凯：需要把自己的定位和想做的事情看得比较清楚。如果只设一个短期目标，可能不管研发还是从数据积累上，并不一定能为最大最重要的那件事服务。

其次是想清楚市场上需要什么，什么事情是真正可持续发展的。还是要在合适的时间做合适的事情。

。