9大视角，26种声音 ：看懂自动驾驶的“生死时刻” | 2018全球智能驾驶峰会

2022年，可以看作决定自动驾驶公司“生死”的一年。大多数自动驾驶公司都将2022年作为其自动驾驶汽车量产的时间节点。

距离玩家下注的日子越来越近，诸多关于自动驾驶汽车量产化、商业化的议题也被放大。

自动驾驶最先大规模应用的场景，如何应对智能驾驶中汽车大脑及执行机构带来的挑战，如何打造人人用得起的激光雷达，自动驾驶赋能物流科技需要注意什么……这些都是行业人士、关心的话题，也是智能驾驶生态圈中亟待解决的难点。

在此节点，智能驾驶领域的垂直媒体，雷锋网新智驾将于10 月 26 、27 日在苏州相城举行“2018全球智能驾驶峰会”，此活动由苏州高铁新城管理委员会主办，雷锋网&新智驾（微信公众号：AI-Drive）、数域承办。届时，25+ 智能驾驶重磅嘉宾、1000+ 业内人士齐聚，围绕当下自动驾驶的热点话题展开头脑风暴，探寻智能驾驶产业未来发展。

更多大会内容点击：https://gair.leiphone.com/gair/ad2018  了解详情。

在往届CCF-GAIR智能驾驶分会场上，雷锋网(公众号：雷锋网)新智驾曾邀请到20余位自动驾驶企业领头人以及业内学者作大会报告，深度讲述他们对自动驾驶技术与业务的理解与思考。

本文节选了其中26位行业大牛的独到见解，让更多人了解引领者遇到的智能驾驶难题与解决方法。

他们眼中的智能驾驶

专家学者

中科院自动化所复杂系统管理与控制国家重点实验室主任 王飞跃：

目前交通正在走向交通5.0。最初，交通5.0是指城市交通、公共交通、静态交通、物流交通，以及社会交通一体化。但后来IEEE专委会讨论认为，应该从以前的机械化、电气化，信息化、网络化，进入到平行化，平行化就是智能化的技术途径。

智能只是一个概念，如何实现虚实互动的平行智能，是我们需要思考的问题。将来，不仅会有交通的控制中心TOC，还会有车辆运控中心VOC，严格控制车辆上路，它将变得更加安全，甚至消除事故伤亡。

UC Berkeley人机交互专家 Anca Dragan：

当人类真正体验自动驾驶车，并看到自动驾驶车是如何工作的，他们会逐渐习惯和建立这种认知模型。乘坐得越多，越了解自动驾驶车的工作原理，越不会在发生状况时表现得太惊讶。

但事情不会都是这样。如果自动驾驶车没有发生很多交互行为，人类就无法从中了解信息。所以我们想的是，能否加速人类对自动驾驶车了解的过程，如果一个人来买自动驾驶车，他是否能提前了解自动驾驶车是如何工作的呢？实现这一点的方式是，如果自动驾驶车表现出某些行为，人类会通过真实道路或是模拟器了解到它，这不仅会影响物理中的交通、车辆，也会影响乘客对自动驾驶车的观念。

现在我们找到了一种方式让人类尽快理解自动驾驶车的工作原理，就是向人类展示自动驾驶车是如何进行模型分析的，参数展示了自动驾驶的决策模型。

2018 汽车工程学会（SAE International）主席、Velodyne的高级副总裁兼CQO Mircea Gradu：

出行市场出现了许多新的商业模式，有很多大型的科技企业，都在推动着自动驾驶技术的发展。而大数据、人工智能等技术都在自动驾驶中得到应用。自动驾驶中非常重要的一点是对这项技术的验证，SAE的其中一项业务，就是对自动驾驶的验证。

在传感器方面，雷达和摄像头做不到的，激光雷达都能做到，因此激光雷达是有优势的。

激光雷达是一个非常好的工具，能够提高数据的准确性以及自动驾驶的质量。3D激光雷达已经有了非常好的性能，并且得到了L3-L5自动驾驶市场大量的应用。当然这个领域也出现了非常多新的技术，呈指数级增长，像SAE这样的专业学会也在推动自动驾驶的改革。

自动驾驶挑战赛冠军

DARPA 挑战赛冠军队成员 Adrian Kaehler：

很多人都拥有这样的自信：将各类技术与深度学习融合在一起就能为我们提供有效的工具来打造可靠的自动驾驶汽车。理由在于，很多学术界的人更加在乎的是边界，他们会说，“我们还需要其他的一些什么东西？除了不会撞到行人、会在停止线之前停车之外，整个自动驾驶行业还需要些什么呢？”

我把一些我曾经想过的问题列在了这里，里面有一些问题已经有一致性意见了。一是关于驾驶员应该怎么做的问题；二是驾驶员是否意识得到我们正在追踪他们的眼睛、脸部，他们是否在到处看，他们在驾驶的时候是不是在注视前方；三是用视觉的方式构建地图同时优化定位表现。

OEM

通用汽车全球视觉系统部门负责人 张文德：

*张文德博士（中）

通用这样的企业需要与合作伙伴进行紧密合作，最终消除掉技术上的短板，把效果做到最好。特别是在自动驾驶车辆的成本方面，激光雷达这样的传感器现在还很昂贵，所以要考虑到量产之后如何去控制成本，当然也包括把传感器很好地融合近车辆中，形成某种标准。

有很多一开始处在讨论状态的东西，最后都投入到了实践中，还有很多合作。有时候我们会做一些合并收购的动作，OEMs 和一些新兴科技公司合作，就像底特律与加州合作一样。

小鹏汽车自动驾驶研发副总裁 谷俊丽：

在大规模量产的乘用车中部署机器学习框架，是与传统研发路线最重要的不同之处。小鹏汽车今年在自动驾驶上的战略重点之一，就是建立这种供自动驾驶不断自学习的数据闭环。

从最上层的驾驶数据库（也就是算法在其中得以生长的数据基因组），到云端的训练和部署（将被部署在高性能GPU上），到车内的高性能计算单元，最终到车内的OTA软件升级。只有在大规模部署量产车，形成数据闭环后，我们才有资格说我们的算法正在演化和迭代。

Tier1

采埃孚工程技术中心总监 綦平：

传统汽车刹车、转向两者之间独立，但进入到自动控制过程中，汽车主要核心是以汽车动态学原理为导向，从行驶方向，如纵向和横向的动态作为控制基础。我们要将车控制到什么状态，同是要兼顾执行器的动态，给汽车一定的指令，彼此之间要进行相互的关联。

这时就需要强大的“大脑”进行处理，原来由驾驶员单独控制的这些子系统的工作，需要由采埃孚的“协调员”—cubiX综合管理。

伟世通首席架构师 王凯：

汽车行业发生了重大改变，自从英伟达的芯片使自动驾驶功能落地变现，整个产业链由以前的树型结构逐渐向环形结构发生剧变。

环形结构是什么？其实就是OEM不再担任核心角色，而是所有参与者渐渐地都能坐在圆桌上讨论议题，尤其是汽车的自动化、轻量化、网联化和智能化方面。今后汽车行业的发展情况是谁能够把出行概念全部集成一体化，谁就会坐在圆桌的正中央，成为出行行业的NO.1。

我们预计到2025年，高速公路上的L3级车辆将成为自动驾驶最大的细分市场，因为它面向的是从OEM到普通用户，发展趋势非常明显。

安波福电气分配系统亚太中心产品工程总监 余宁：

未来的电子电气架构如何支持 L4 自动驾驶汽车所需要增加的功能？如果我们在整车里增加传感器、中央处理器以及各种 L4 自动驾驶所需要的元器件之后，整个车辆电子电气架构会发生什么？答案是接近于崩溃。

所以在这种情况下，安波福创造性地提出了未来的智能电子电气架构，以适应自动驾驶的需求。

针对未来的智能电子电气架构，安波福提出了“大脑”与“神经”结合的方案。

自动驾驶传感器

Metawave CEO兼联合创始人 Maha Achour：

LiDAR 对于自动驾驶汽车来说并非不可或缺。如果地图精度足够高，未来自动驾驶汽车上装配 4 个毫米波雷达、4 个摄像头便就足够了。其中，毫米波雷达负责车身 360 度范围以及上下角度的探测，摄像头则观察周围环境，再配合 AI Engine 一起使用。这样的方案 2030 年是有可能实现的。

速腾聚创 CEO 邱纯鑫：

固态激光雷达是未来的方向，现在激光雷达做下来，我们觉得 MEMS 是最容易实现的。它的优点是在于它的高分辨率、长距离、车规级、易量产以及低成本。

现在的 32 线或者 16 线激光雷达，分辨率再往下做很大程度上受到物理体积的限制。但是 MEMS 激光雷达可以做到水平分辨率 0.09 度、垂直分辨率 0.2 度，往后能达到水平分辨率 0.1 度、垂直分辨率也是 0.1 度，再往后还能识别出 200 米外的 10*10 厘米大小的物体。

在车规级方面，目前的 MEMS 激光雷达已经在做车规级的认证，然后就是量产准备，它基本产品化之后，它的成本也会随之降低。

Innovusion CEO及联合创始人 鲍君威：

为了让机器或者说自动驾驶汽车达到L4的水平，你需要让机器的感知能力，错误识别率比人类更低。

如果激光雷达想要作为一种主要传感器与其他的传感器融合，来实现比人类更好的感知能力的话，那么激光雷达的垂直和水平角分辨率都需要在0.2°以内。对于今天的激光雷达来说，水平方向的角分辨率可以做到很高，但垂直角分辨率的提升有一定的难度。

这要让自动驾驶车辆在高速路段上能检测到150米/200米开外的物体，我们说到需要达到0.2°的角分辨率，我们假设一款激光雷达的垂直可视角是20°，也就意味着需要实现100线的效果。

自动驾驶芯片

Mobileye中国区总监 Boaz Sacks：

无人驾驶不只是一个产品，更是一个产业，关乎软硬件技术、车厂、政府与大众，利益方复杂交错。如何实现安全的无人驾驶？对 Mobileye 来说，站在“巨人”身旁，都几乎是“非如此不可的选择”。

Mobileye产品已经完成 2700 万辆车的装载量，并与 26 家汽车厂商建立联系，这给了 Mobileye 作为视觉驾驶技术龙头的充分底气。

Mobileye 的自动驾驶车队一定会开到中国，但无人驾驶关乎生命安全，有严格的落地时间表，所有计划都是循序渐进的，不过，对 Mobileye 来说，中国和以色列相像的一点在于，从决策到执行几乎都是光速的，可能今天还在讨论，明天就会马上落地。

地平线 创始人 余凯：

无论是Mobileye还是英伟达，相对于他们的竞争对手，有一个共同点：他们充分地结合了算法和计算，进行协同设计，由此提供了完整的解决方案，在这一点上，其它竞争对手与这两家的差距甚远。

谷歌切入处理器领域的时间并不长，但很快就把TPU做出来了，不仅在AlphaGO大放异彩，还将其做成了一项AI服务，其商业潜力巨大。

这一现象的背后，折射出一个新的趋势：深刻理解人工智能的软件将促进处理器架构的研发效率。本质上讲，这是一场由人工智能应用场景驱动的软硬件技术革命。人工智能芯片的本质并不是硬件，而是软硬结合的载体。人工智能芯片的发展，并不是单纯的工艺和晶体管密度驱动，而是计算架构与算法的配合驱动，使其实际的计算效率不断提升，追求极致效能。

可以说，应用场景决定算法，算法定义芯片，软硬件协同设计，这就是AI时代的新摩尔定律。谁理解了应用场景并掌握了算法，谁就掌握了核心优势。

西井科技 CEO 谭黎敏：

关于什么样的成本能让自动驾驶芯片走向量产的问题，可以分两个维度，一个是降成本，我们会通过压缩算法、减小芯片的面积，以及量产来降低成本。另一个维度是帮助用户发现芯片的价值，减少用户对成本的敏感度。在初始阶段我们不会过于关注成本问题，当然成本在产品中一定是越来越重要的衡量指标。

黑芝麻智能科技芯片架构副总裁 齐峥：

自动驾驶SOC已经成为了最具有挑战性的边缘芯片，主要表现在几个方面，首先是芯片的设计和验证非常复杂，集成了大量第三方的IP，需要集成很多软件模块；其次，汽车应用对于功耗、可靠性和功能安全的要求非常高；高性能芯片需要用最先进的封装设计，这给芯片的加工、生产和测试带来了很大的挑战。

只有自动驾驶获得稳定、可靠的感知和认知后才能保证安全。要达到这一目的，要有清晰的图象和视觉，以及优化的算法对获得的图象的视觉进行智能化的分析。此外，还需进行多传感器融合的技术，对芯片的要求就非常高。

高精度地图

Righthook 联合创始人兼CTO  Righthook.io Jon Mullen：

新的问题在于，自动驾驶汽车开发中最复杂的部分在于软件。软件的开发周期跟硬件很不一样，软件的开发其实没有尽头，整个过程中将不断更新。而测试是开发周期中一个重要的环节，所以当你在等待其他硬件系统的开发进度时，你怎样让软件继续保持提升，怎样快速地测试不同的传感器组合，怎样建立不同的测试环境。我们认为解决方法是，在虚拟仿真环境中进行自动驾驶测试。

我们在高精度地图的基础上（比如DeepMap）开始建立虚拟仿真的世界，从高精地图开始建立三维世界，同时我们也在环境中嵌入传感器仿真所需要的参数。我们会给一些主流的传感器建立仿真模型，同时也给主流的车辆平台建模。我们现在也提供密集车流以及道路基础设施的建模数据。

最后，我们连接到ROS这样的中间件平台上，通过ROS的可视化工具来展示仿真的画面。

DeepMap COO及产品负责人 罗维：

传统地图授权的方式，是地图厂商通过运营测绘车队扫描道路绘制地图，然后它会向所有的客户授权同一份基本一致的地图。在这种情况下，客户其实是得到了一份使用授权，但并不具有数据的所有权。同时这些客户也不具有数据相关的一些衍生权限，这不止是针对传统像TomTom、Here这样的传统厂商，比如Mobileye的客户遇到的情况也是这样的。

Mobileye的案例也说明，在地图领域，有时候整个系统就像一个黑盒子，你看不到地图的原始数据，也无法拿到基于原始数据衍生的一些信息。这对自动驾驶来说是一个很大的挑战，而自动驾驶的技术核心是怎样获取到更多的数据，来不断训练你的系统，来进行测试和模拟等等。

自动驾驶初创公司

Roadstar.ai 创始人兼 CEO 佟显乔：

Roadstar.ai的传感器方案大概只有百度方案1/3的价格，未来方案还有大幅的降价空间，我们认为在2020年每套系统的方案大概会降到5万人民币以下，届时在法律法规成熟的情况下，无人驾驶的出行服务就有真正大规模的实现的土壤。

未来5年，传感器可能会变成一个固态的传感器，会融到车体里面。固态的传感器方案会优化无人驾驶汽车的美观度、同时汽车的安全性和可靠性也会有更高的保证。自动驾驶的最后一个阶段是2025年以后，届时无人驾驶的技术会变成一个非常成熟的操作系统或者解决方案。在进入了最后一个阶段后，汽车已经演进成移动空间。

AutoX 创始人兼 CEO 肖健雄：

自动驾驶行业有一个特殊点，就是技术要求非常高，包括人工智能技术。虽然载人与载货车、高速与低速场景，最终都是自动驾驶要落地的场景，但是每个场景中都有很多的难点需要突破，例如低速载货车，它的路况就非常复杂，尤其是低速场景下的行人，还有大量穿梭马路上的摩托车和自行车。当然低速载货车也不是没有好处，假如发生事故，不会造成很严重的人员伤亡。

所以说，有些场景可以用来实验，真正落地恐怕困难重重。因为无论任何情况下，安全是首位的，没有安全的保证，就无法落地实现。

Drive.ai 联合创始人 王弢：

*王弢（中）

我们认为（自动驾驶）很重要的重的指标之一是可靠性，而我觉得冗余则是我们实现稳定性的关键。举个例子，假如单个激光雷达一年内失效的几率是千分之一次，这已经是一个比较乐观的数字了。那么，这对自动驾驶来说，是不是就足够优秀了呢？

可能不是，因为自动驾驶是如此重要的，大家知道激光雷达可以用于很多功能如定位、检测等等。

我们已经建立起了自己的系统，在车辆的顶部装配有六个激光雷达，假设其中有两个激光雷达失效了，我们还有其它四个来保证系统运作，处理重要的任务，这样的事情发生的概率是多少呢？0.1% 的立方，也就是十亿分之一，系统失效发生的概率只有十亿分之一，这将造就 100 万倍的稳定性。

拥有更多的冗余性，系统的稳定性也将会得到显著提升。

Renovo.auto 创始人 Chris Heiser：

当被问到是否担心有太多公司从事自动驾驶技术开发而使得行业竞争非常激烈时，我的答案是否定的。

因为自动驾驶涉及的问题广泛，当车辆在不同环境中驾驶，不同地区的驾驶文化和法律的差异让自动驾驶变得非常复杂。

一项无人驾驶的用车服务，要在多辆无人驾驶出租车和众多的地理位置上，去共享数据和实时信息，是一个很大的挑战。

酷哇机器人 CEO 何弢：

我们都知道 L3 到 L4 的关键一步取决于高精地图，高精地图是从静态规则的环境进行梳理、标注，加入非常多信息。这里面有个问题，当汽车在一条马路上开的时候，什么时候会去看红绿灯？只有当 GPS 信号告诉它到达一个路口的时候，它才会把摄像机打开，在设定好的方向上做感知，这是高精地图带来的作用：不用时时刻刻去观察摄像机，不用时时刻刻观察红绿灯，提高了可靠性。

这里也带来了问题，比如说深南大道突然加了一个红绿灯，高精地图上没有标注出来，这种情况很危险，汽车直接就过去了，因为高精地图上没有标识出这个地方有红绿灯，这就是我们解决的不依赖于 GPS 的感知定位和规划。

PlusAI 工程副总裁 付强：

在自动驾驶领域，数据量是很大的，一台车行驶几公里后，就积累了大量的视觉数据。大数据强调的是规模。如何让大数据达到规模呢？行业中大体有两个方向，一个是追求一致性，一个是追求通用性。

大家看到现在很多的相关事故，自动驾驶失灵的原因就是一致性做得太强，通用性做得不够。当过多地告诉计算机高度一致的信息的时候，当这个算法处理稍微不一样的数据时，就可能会失灵，与其这样，我们不如更多地强调通用性。而研究人工智能的目的，就是让它更好地模拟人类思考、感知社会的方式。

iSee 创始人 赵一彪：

当自动驾驶汽车上路的时候，它们要面临的状况是要与人类司机驾驶并存，其中一大挑战在于如何让自动驾驶汽车真正理解人类。

这是我自己的推论，我所在的 MIT 实验室，我们自己建立起理论基础以及研发了诸多技术来验证我的推论，是一种人的能力能明白其他人的思维状态。

因此，挑战在于，因为我们能得到的信息来自于传感器数据，有一些能够被观察出来的状态，比如车辆位置、速度等状态，然后，还有一些隐藏起来的内容，比如意图、欲望、专注和信任，这些内容是不能被直接观察出来的，人类具备超复杂、超强大的理解这些事情和与预测其他人行为的能力。

目前，如何理解其他的人，如何建立一个计算架构来做这件事，我认为这是非常开放的问题。

物联网公司

G7 总裁 马喆人：

目前OEM也在为转型积极做准备，而且OEM所积累的实力不容小觑。如果简单地把自动驾驶分层级：第一层级是技术应用，把自动驾驶技术具体应用在车辆上；第二层级是把成熟的自动驾驶车辆合理运用到市场中，实现落地运营。

针对第一层级，未来自动驾驶公司假如没有找到合适的场景实现落地运营，可能会和OEM之间回归到Tier1和主机厂的关系，OEM做主导，掌握数据。

预告一下：

2018全球智能驾驶峰会将围绕智能汽车商业化应用、智能驾驶关键技术应用、智能驾驶核心传感器应用展开探讨。我们将邀请 25+ 位嘉宾，聚集汽车行业智能化产业资源，汇聚中、美、日、韩、以色列顶尖智能驾驶研发力量：不仅有学术领域，还涵盖车企、零部件供应商与自动驾驶领域创新公司，他们的演讲将从众多应用场景出发，为行业呈现最前沿的智能驾驶技术思考与落地方案。

除了在全球智能驾驶峰会聆听嘉宾们的技术分享与行业洞见外，我们还精心准备了 3 个保留节目。

1、自动驾驶试乘体验

全球智能驾驶峰会期间，我们将举办一场为期两天的自动驾驶汽车乘坐体验，目前正与相关自动驾驶公司敲定路测以及体验细节。届时参会观众将有机会试乘体验自动驾驶车辆。

2、嘉宾晚宴

在全球智能驾驶峰会（10 月 27 号下午 4 点）结束后，我们将在阳澄湖畔举办嘉宾晚宴：饮茶品蟹，赏阳澄湖美景，与行业专家纵论智能驾驶未来趋势。

3、【新智驾会员】两份重磅研报发布

今年 4 月，新智驾推出了为智能驾驶行业定制的年度内容服务计划——新智驾年度会员。在这次的全球智能驾驶峰会上，新智驾将发布倾力打造两份重磅研报。

总结来说，为期两天的全球智能驾驶峰会将包括：2 场大会报告、20+ 主题演讲以及 1000 人次到场参会。

时间：2018.10.26（周五）- 10.27（周六）

地点：苏州相城区高铁新城电竞馆

规模：1000 人

门票&报名链接：https://gair.leiphone.com/gair/ad2018 

另外，全球智能驾驶峰会早鸟期间，499 元= 1 年「新智驾年度会员」权益+全球智能驾驶峰会门票。新老「新智驾年度会员」可领取 499 元峰会立减优惠券（会员专享），会员定向免费参与峰会，限量放出。部分 Pro 老会员可升级 VIP 门票，先到先得，领完即止。

领取步骤：

1、加入「新智驾年度会员计划」（扫描上方海报二维码）；

2、微信添加小慕（微信 ID：moocmm），备注会员信息领取优惠码；

3、使用优惠码购买门票。

注：大会门票优惠形式不可叠加，本次活动的解释权归官方所有。

想了解智能驾驶领域最新动向，与诸多学术大师、一线自动驾驶企业代表面对面进行头脑风暴，那就不要错过这场年度智能驾驶技术盛宴！

雷锋网推荐阅读：

25+ 智能驾驶重磅嘉宾、1000+ 业内人士齐聚，苏州相城到底有什么吸引力？

。