智東西（公眾號：zhidxcom）
文 | origin
編 | 四月
人工智能第三次浪潮風起云涌，產(chǎn)業(yè)界大浪淘沙，在“GTIC 2017全球（智慧）科技峰會”感受時代脈搏，看見未來。
3月10日，由智東西、AWE、極果等聯(lián)合舉辦“GTIC 2017全球（智慧）科技峰會”在上海證大喜馬拉雅中心正式開幕。學術(shù)界、投資界、創(chuàng)業(yè)圈和產(chǎn)業(yè)鏈在這里激烈交鋒，NVIDIA、Neato Robotics、科大訊飛、商湯科技、科沃斯機器人、Ninebot(納恩博)、威馬汽車、奇點汽車、馭勢科技、歌爾股份、地平線機器人等近40位大佬輪番登臺。
作為2017年上半年人工智能領(lǐng)域規(guī)格最高的峰會，GTIC聚焦“機器人產(chǎn)業(yè)”、“汽車新勢力”、“家居物聯(lián)生活”領(lǐng)域，探討技術(shù)變革下的掘金機會、消費升級與生態(tài)建設(shè)，帶來最前沿的實踐經(jīng)驗和判斷。
在下午的演講環(huán)節(jié)中，馭勢科技合伙人、馭勢科技上?？偨?jīng)理黃波發(fā)表了名為“智能駕駛產(chǎn)業(yè)化的思考?”的主題演講，主要探討了自動駕駛由L2向L3級別演進的路徑以及難點。
以下為黃波的演講精摘：
1、自動駕駛技術(shù)的潛在市場廣闊。至2020年，汽車產(chǎn)業(yè)規(guī)模達3000萬輛，駕駛輔助/部分自動駕駛車輛市場占有率達到50%； ??至2025年，汽車產(chǎn)業(yè)規(guī)模達3500萬輛，高度自動駕駛車輛市場占有率達到約15%； ??至2030年，汽車產(chǎn)業(yè)規(guī)模達3800萬輛，完全自動駕駛車輛市場占有率接近10%。
2、當前自動駕駛的主流水平——L2（部分自動駕駛），還遠未成熟，離一輛足夠智能的車還有很長的距離。而要使L2邁向L3（有條件自動駕駛），還有幾個問題需要克服：
第一點是設(shè)計上的難題：系統(tǒng)失效要向駕駛員移交車輛控制權(quán)，這個過程會花費8-10秒左右的時間，這段時間車內(nèi)乘客的安全難以得到保障；同時，L3的自動駕駛對傳感器的精度提出了更高的要求。
第二點是L3對其他尚未成熟的技術(shù)具有一定的依賴性：其中最主要的是實時的高精地圖和V2X的車輛通信技術(shù)，這兩項技術(shù)雖然都比較先進，但在目前仍未落地。它們的研發(fā)進程也為L3的落地增添了不確定性。
第三點是成本問題。L2主要采用多路攝像頭+超聲波雷達的解決方案，成本相對較低；升級到L3后，需要昂貴的短距離毫米波雷達以及更昂貴的激光雷達。消費者對價格敏感性仍然很高，高昂的成本將成為L3技術(shù)推廣的一個巨大阻礙。
第四點則是中國的道路情況相對外國更加復雜（速度區(qū)間大，換道多，人們駕駛習慣更加粗放），對自動駕駛團隊的算法與硬件都提出了更大的挑戰(zhàn)。
基于這些考慮，自動駕駛的大規(guī)模商業(yè)化還需要5-10年的時間。
3、面對這些情況，馭勢科技采取的戰(zhàn)略是在低速無人駕駛場景尋找機會，這一場景對算法的要求較低，低速場景容錯率也更高，后果可控。同時馭勢科技保持在中高速場景的自動駕駛研發(fā)，防止掉隊。
4、安全性對自動駕駛行業(yè)至關(guān)重要。演示到產(chǎn)品是不一樣的，演示中一百次嘗試都沒有問題，但產(chǎn)品一次失敗都不可以有，（這也是馭勢選擇低速無人駕駛場景的原因之一）但汽車制造是一個系統(tǒng)的工程，如何在量產(chǎn)型上控制成本，以及周邊基礎(chǔ)設(shè)施的建設(shè)，都要納入考慮。而從算法能力到系統(tǒng)能力，單個算法雖然并不很難，但把所有算法集成到一個智能解決方案，再設(shè)計云端計算，其實非常復雜，存在非常多的困難。需要產(chǎn)業(yè)上下游的通力合作，來推進智能駕駛產(chǎn)業(yè)。
以下為黃波在“GTIC 2017全球（智慧）科技峰會”上的演講全文：
首先我代表馭勢感謝一下主辦方，今天借這個機會非常榮幸跟大家分享一下馭勢科技在智能駕駛商業(yè)方面的思考和一些實踐。我們可以看到這個是中國智能駕駛路線圖，在去年10月份公布的。我們可以看到2020年、2025年、2030點大概這個時間段分別在駕駛輔助、部分自動駕駛、高度自動駕駛?cè)缓蟮酵耆詣玉{駛，大家可以說現(xiàn)在2017年到2030年有十幾年的時間，但是我們再想一想在這個市場上2007年蘋果的第一款手機出來到現(xiàn)在其實也就十年的時間，從某種叫做上講我們對智能駕駛未來是保持一種樂觀的態(tài)度，但是我們仔細再看現(xiàn)在如果我們看普及的這里面似乎少了一個，大家可以看這三層到底在未來的哪個時間段到底會怎么樣，或者說在某一年它的市場占有率會怎么樣。
我們再回過頭來看一下，二級可能會比較安全，但是如果我們看視頻的話，大家其實也可以看到，不管是左上角還是右下角的視頻其實這是演示APP的情況。左上角APP跟著路標后就兩車相撞，右下角也造成了比較危險的情況。從這個角度我們可以看到在智能駕駛領(lǐng)域里面可以看到讓我們的車真正具有足夠的智能其實還是有不少問題的，即使是說對二級的產(chǎn)品真正產(chǎn)品化還是有待提高的。
我們再看三級，其實我們仔細分析的話有這三個原因。
第一個是設(shè)計的難點，就是說首先我們都在高速路上如果駕駛的話，如果你要從自動駕駛狀態(tài)向人工駕駛狀態(tài)做切換，一般來講十秒鐘左右就需要，那也就是說在切換的十秒鐘之內(nèi)你的汽車必須有足夠的能力能夠保證在十秒鐘之內(nèi)在人接受這個信號的時候能夠做出動作，從這個角度講他其實對傳感器和算法也是有蠻大的要求的，這是第一點設(shè)計的難題。
第二點為了構(gòu)建一個比較強健的三級自動駕駛系統(tǒng)其實它是需要依賴一些其他的技術(shù)，比如說高精地圖還有V2X，如果有了這些從某種角度上來講可以非常的安全。
第三個是成本，因為如果我們做一個解決方案那么它的成本我們必須考慮，我們?nèi)壱彩窃谑袌錾系降自趺礃幽軌蚣铀偃壆a(chǎn)品的應用。
這是從我們公司角度上的定位，不管是二級還是三級我們發(fā)現(xiàn)都有很多的市場。剛才我們看整個路線圖里面2020年要占到50%，但是會不會說由于中國一些特殊情況會導致路線圖往后延呢？為什么這樣說？我們在相關(guān)部門當中了解到，在高速路上如果說高速路的限速100公里，我們發(fā)現(xiàn)在這上面開車的話從50公里到150公里不會遠，這對智能駕駛來說是有難題的，同時換擋來說他把一輛車在高速公路上跑的軌跡抓下來可以看到換擋的次數(shù)特別多，所有這些其實都是對智能駕駛解決方案會有比較多的難題。到底三級從什么時候開始？是不是說從三級的角度上來說可以提前？大規(guī)模四級的商業(yè)運作到底什么時候會發(fā)生？所有這些其實都是沒有一個標準答案的。
我們今天做這個產(chǎn)業(yè)，我們最早是從二級開始的，二級和三級到底研發(fā)力量有什么不同？這些都是我們要去思考的問題。同時我們可以看到這里面是多少公里的干預，我們可以看到特斯拉大家都非常熟悉了，它一般來講自動駕駛?cè)镒笥乙幸淮胃深A，這個Waymo是谷歌底下的自動駕駛，它現(xiàn)在也是五千英里就要敢于一次，一般來說平均顯示16萬英里會出現(xiàn)人類普通事故，行駛九千萬英里的話會出現(xiàn)致命事故，從這個角度上來看的話并不樂觀。早上林院士也提出了很多問題，我們在這里面也比較客觀的看，到底這些挑戰(zhàn)對我們意味著什么，我們應該做什么，當然前景是美好的，但是道路是需要我們?nèi)ヅΠ阉龊谩?/p>
在這個方面我們先從二級開始，我們從這里可以看到，我們是有ACC、LPA（音）這些比較基本的二級功能，我們在這里都可以看到。大家可以看到這里面是可以開到一百公里在高速公路上開，這是我們?nèi)ツ暌婚_始公司做的一個演示車的情況。這個在我們演示的過程中比較注重駕駛的安全性和舒適性，大家可以看到在視頻一開始這是我的合伙人姜老師（音），他在車上忙了一個打火機一個硬幣和一個煙盒，在三環(huán)上開了一會而下車了發(fā)現(xiàn)還在，所以這個安全性和舒適性是我們比較重視的。
我們做2.5級往前進的過程中，我們很多思考就是說到底這是不是一條正確的路線，如果我們把整個智能駕駛按照低速、中高速來分，橫坐標是公里數(shù)，無人駕駛是完全沒有司機，這個應該說是我們的終極目標就是中高速的無人駕駛，最終能夠為我們的生活帶來最大便利的一個東西，但是要達到的目標到2030年只有10%的比例。從某種角度上來講我們來看，是不是在一個低速的無人駕駛在這個場景里面讓我們有一些機會，所以這是我們判斷的方向，同時這兩邊是不矛盾的。在自動駕駛里面我們還是保持這個，在中高速里面的無人駕駛最后是往這個方向集合在一起朝向我們最終的目標。
這里面有三個部分，講在低速的特定區(qū)域駕駛。你做演示和做產(chǎn)品是不一樣的，做演示可能小路上還好，但是傳統(tǒng)的話一百次一千次有一次失敗也是不能接受的，同時成本也是要考量的，成本要降低，同時車本身還有周邊的基礎(chǔ)設(shè)施建設(shè)也是我們考慮的之一。這是一個小短片，時間關(guān)系就不完全播完，但是你們也可以看一下，這是我們在去年9月份拍的無人駕駛車演示的視頻，里面有兩輛車，完全沒有人就是他自己開，大家可以感受一下。
第二個就是算法相對比較簡單，不管是識別算法還是雷達的算法，但是從某種角度上來講要把所有的算法集成在一起變成一個完整的解決方案這里面有很多的目標要做。我們可以看這張圖這里面把很多的智能駕駛系統(tǒng)從硬件到系統(tǒng)軟件再到上面的一些人機接口、駕駛員行為學習、感知、規(guī)劃、控制整個系統(tǒng)是非常復雜的，我們加強整個無人駕駛本身的監(jiān)控和管理的話涉及到云端的交互就更加多，做這個事情我們有視頻的團隊和人工智能一起學習這方面的事情，同時我們有供應商團隊來做這個，同時我們也有產(chǎn)品設(shè)計團隊在人機交互方面做了不少的工作。
接下來就是我們有一個比較常見的系統(tǒng)。這是去年做的一輛車，在去年1月份在拉斯維加斯的展覽上我們展出的，這輛車本身設(shè)計我們看傳感器的配置是根據(jù)具體的應用場景然后用盡量少的傳感器爭取做到比較前面的，這就是傳感器的情況，通過航母波雷達、超聲波做到每十秒都有一個感知，這是我們CS的視頻，大家在網(wǎng)上可以看到這個視頻宣傳片介紹CS展示的功能。
最后一個部分，你把系統(tǒng)做出來但是真正要它部署一個很重要的就是我們講的整個生態(tài)系統(tǒng)的搭建。我們希望說以合作共贏的心態(tài)跟整個的上下游不管是主機廠還是其他的供應商大家一起合作，最后希望通過合作把整個智能駕駛產(chǎn)業(yè)往前面推。認識你的時代、帶領(lǐng)你的時代，也就是說現(xiàn)在智能駕駛已經(jīng)來臨了，我們希望跟合作伙伴一起來合作共贏與先行者同行、與開創(chuàng)者共創(chuàng)一起來努力，把智能駕駛做好。這是我的演講，謝謝大家。
