智能网联高峰对话丨安全性or可验证性 自动驾驶商业落地的难点何在？

4月17日，由科技出行产业内容服务平台亿欧汽车主办的“新动能时代 · GIIS 2019第二届智能网联峰会”在上海市扬子江万丽大酒店举办，峰会现场，来自智能交互、5G车联网、智能驾驶、智能车生活四大领域的顶级大咖共讨汽车产业的智能网联发展新动能。

在本届峰会上，蔚来资本管理合伙人朱岩、多模交互产品总经理张宏志、智能驾驶研究院新技术与规划中心总经理凌赟、董事长朱晓章等四位嘉宾就“探索的垂直落地场景”进行了圆桌对话。在本轮圆桌对话中，各位嘉宾从自动驾驶场景化商业落地的机会、难点、成本等角度展开了深入讨论。

以下为圆桌对话实录，经亿欧汽车编辑整理，在不改变嘉宾原有观点的前提下略有删减：

朱岩：大家下午好，非常高兴来到亿欧汽车组织的论坛，今天跟几位专家深入探讨的自动驾驶在不同场景落地的考量也是当下一个非常热的话题。我想首先请各位嘉宾做一个简短的自我介绍。

张宏志：我来自地平线，我叫张宏志，负责车内人机交互智能化的工作，地平线是一个从2015年7月份成立，是一家中国做芯片和算法模型的企业，谢谢！

朱晓章：大家好，我来自中电昆辰。星期一，上汽发布了一款车，我们是这款车自主泊车功能地下车库高精度定位的单一供应商。同时，在过去的三个月、四个月当中，越来越多的主机厂在跟我们做AVP（自动代客泊车）这样的功能。我们希望能够在停车场这样的场景下解决用车当中的痛点，以非常低的成本把自动驾驶落地商用。谢谢！

凌赟：大家好我叫凌赟，我来自合众新能源，我在这个研究院负责新技术和规划。我们合众新能源是新势力造车的一员，我们在这次的车展上面也发布了一款新车叫“U”，有机会大家可以了解一下。

自动驾驶商业化落地的机会

朱岩：我是蔚来资本的管理合伙人朱岩。我们主要的投资领域在车和能源方面，包括自动驾驶、车联网、新的能源网络、先进制造、电动汽车零部件等等。自动驾驶的，大家都觉得这个事情很好。但是，不同的级别的自动驾驶，大家对其落地场景的预期有所不同。我想请今天的嘉宾来分享一下，你们认为，最快的会落地自动驾驶的垂直场景会有哪些？另外如果再往远看一点，在未来3-5年时间里哪些自动驾驶可能会在消费者中享受到一些便利的方案？

凌赟：这个问题我觉得很有意思，因为去年的时候和媒体朋友们聊的时候，大家都还在讨论说我们什么时候可以实现L4、L5？今天我们就开始讨论落地了。我觉得，媒体朋友、资本对整个技术发展和市场需求的嗅觉相当敏锐。关于这个问题，从我的观点来看，是要分成两部分来讲：

1、从L1、L2到L3我们称之为叫做“辅助自动驾驶”，很多的功能已经落地了。大家在今年的车展上面会发现我们很多车会装L2甚至L2以下的自动驾驶的功能，今年是这些辅助驾驶功能的普及期，包括装配率的普及，和从高端车型向中低端车型的普及。

2、对于L4以上的高等级自动驾驶场景应用来看，需要一些商业模式和商业场景上的创新，去打通一个商业闭环。我也听说，有很多企业去从一个单纯的自动驾驶公司去做自动驾驶运营服务。在今年的话，如果要说落地，我觉得勇于尝试打破常规，去做一些商业闭环的公司可能会迅速实现。

朱岩：合众汽车这边，对于高级别的自动驾驶，大概会在什么时候准备推向市场上？

凌赟：我们合众汽车对自动驾驶会有一个三个阶段规划：第一阶段，我们称之为陪驾司机，在开车的时候好像有个人坐在你旁边，碰到危险会提醒你一下，帮你踩一下刹车。第二阶段，我们称之为代驾司机，在你不方便的时候代替你做一些驾驶操作，包括L3、L4的状况，大概会在2021年-2023年落地。更高级别的，我们叫做专属司机，可以完全代替驾驶员的操作，这个转化我们认为商业化落地要更加靠后，就是L4或者L5的场景，这个会比较靠后。

朱岩：中电昆辰在泊车的方面的方案也很快要落地了，我也想请朱总介绍一下，咱们的产品在除了泊车以外还有其他的场景是否有应用？也请您介绍一下我们的系统，如果要大规模推广，需要什么样的设施？

朱晓章：我们是主机厂的供应商，我们在之前要了解这款车在加入传感器之后所能实现的功能对车主来说的价值何在。对于自动驾驶，我们理解的是，自动驾驶是以商业化落地和改善车主的用车体验为根本目标，而不是要用自动驾驶去颠覆整个社会的交通规则和保险模型。基于这两个基本的因素，我特别同意凌总刚才讲的，我们要有合作形式的驾驶，就好像我和电脑一起开车，这时候责任还是我的，发生安全事故，第三者保险还是我买单。更往后的时候，技术的发展更需要是法律法规和保险模型的建立，全社会各种资源参与下才有可能把完整的自动驾驶模型落地。

我们提供的服务应该是理解到用户用车当中的痛点并为此进行优化。我们开车去一家大型商场的地库，如果路上一个小时四十分钟的时候，但是我找车位的这个过程当中要花20多分钟。我们现在都说996，本来周末就只有一天，我们还浪费了20多分钟为车服务是很不值得的。我们要尽量降低人服务于车的时间成本。在地下车库做自主代客泊车的优势有：第一，低速；第二，环境相对可控；第三，车主没在车上，事故不会造成人身伤害。这样风险低、技术落地程度高的模式，以及对用车改变非常有价值的场景是我们认为最应该落地场景。另外一个场景就是，我们在高速路、城市环路上，用陪伴驾驶这样的方式让我们开车更轻松，这就是我理解的应该会最快商业落地的场景。谢谢！

张宏志：地平线是一个提供芯片和很多感知算法的企业。我们过去对一些国外的自动驾驶的出租车提供了很多服务。今年很明显的改变是，购买地平线芯片解决方案和算法解决方案的企业呈现出一个非常明显的特点，就是有闭环能力的自动驾驶场景的公司对我们的需求在暴涨。拿到需求之后，需要提供什么服务，做哪些改善、更新等等，这些是可以明显感觉到的。比如说像物流小车。

我认为，这种单一功能的、封闭场景下的、功能化的自动驾驶，就会比较有可能会有很好的落地。物流车谈不到体验，因为车里面可能根本就没有人，它只是一个运输的工具，比如说在很多地下的车库做叉车，就是运一个货，把这个货从这边运到那边。往后面来看，在三年时间里来看，像刚才讲的APA、AVP，这种在自动驾驶乘用车的一个场景里面，我们认为会发展地更快一点。再稍微远一点就是高速，因为高速的自动驾驶其实它是一个半封闭的环境，里面只有车，并且它的路还是封着的，而且中国5G已经落地得更快，高精地图也会变得更好，所以简单场景的功能机器到一定的简单场景和人存在的这种场景，一直到高速的这种场景情况下，会变成一个切实可行的自动驾驶落地的可行的路线。这是我们的感觉，谢谢！

自动驾驶技术商业化落地的难点

朱岩：跟大家分享下，从我们投资机构方面，也在布局自动驾驶。其实，在两年前投自动驾驶的时候，这一行业很热，很多投资机构都参与这个领域，可能一个明星团队出来之后就会拿到钱。但是现在再去看，其实头部企业已经非常清晰了，基本上大家在谈的都是落地的场景。而在某些领域像，刚才张总谈到的物流的领域，实际上落地的场景已经非常清楚了。

这样的一种自动驾驶的方案已经实实在在地在落地、在发生。而这些积累到一定程度上的企业，给它时间、给它数据量的积累，也希望可以在很快的时间内能够将技术落地到公共道路上，把这个自动驾驶方案提供给更大的人群。

今天的嘉宾既有主机厂，也有投资机构、零部件公司、技术公司。其实，大家在跟主机厂合作的模式上也在不断探讨。以后的模式可能也会有些变化，现在我们既然谈到量产、谈到落地，我想大家所面对的问题就不是研发的问题了。以前大家谈论的还是有没有最领先技术的问题，现在要谈到落地、量产，大家所考虑的问题就会不太一样。所以，想请各位分享一下，现在我们都在面临这个产品要量产，不管在什么样的场景下，你们在做大规模量产时所面对的难题是什么？需要解决、考虑的难点在哪儿？

张宏志：我们的提供底层技术的企业。目前来讲，地平线在领域我们要提供芯片和算法级别的解决方案，我们面临最大的两个挑战：一个就是安全问题，从芯片的相关的设计、测试、算法，到安全问题；第二个问题就是可测试性，我们会有一个很好的愿景跟梦想，我们也能够拿出一个技术解决方案，但是如何确定这个技术落地没问题的？你怎么去测试？当我们认知一个事件和评测一个事情的时候，我们可以举一个物理学的例子，我们如何去寻找它，去测试它我确信它是对的，比如说前两天说的黑洞，我们一直从理论认知的角度明白它是存在的，但是你如何能观测到它、检测到它、观测到它、确定没有问题……所以，面对在这两个问题，从公司的能力结构上来讲可以很清楚地感觉到人才足够专业细分。可能在两年前的时候，很容易出现一个同学、一个同事、一个几十人的小team，很快就可以做一个DEMO，一个APP的DEMO。但是当进入到一个越来越大的细分市场后，我们要进行严格的、可测试的场景时，就像刚才说的港口的这种场景，这种具备场景、数据、测试标准、方法、解决方案一体化的组织或者公司，它的迭代速度是非常快的。所以我们说，安全和方案的可测试性，可能是目前走向自动驾驶的道路上要解决的重点问题。

朱晓章：我们是2017年4月份第一次和上汽接触，拿到需求，希望在停车场下面由我们给到这辆车厘米级的精度。要多准的精度能够满足这辆车在地下车库安全的自动驾驶，这是第一个问题，因为没有人做过。是3厘米够准，还是5厘米够准，还是15厘米够准？大家面前都有这瓶水，这个瓶子的直径比如说是5厘米的尺寸，盘子可能是10厘米的尺寸。多准算准？需要和我们工程师做分析，把车身的横向纵向的动态做出来，我们要讨论SOR，因为没有前人做过这个事儿。

第二，这个SOR出来了之后，我们如何实现？在地下车库，我们用什么方法证明实现？这就是张总讲的可测性。我们又和主机厂设计了一个测试方法，大家想象我们把我们的测试样件放在车顶上，让车跑一下看看跑起来是否是直线，这个车如果没跑直线怪我还是怪车，如何测准？我们就买了拍电影用的架摄像机的轨道，架在停车场上面，我们放测试用的鲨鱼鳍，这时候发布的信号收到计算位置，只要我们轨道用毫米级的测绘设计把轨道搭的绝对的直就是一条理想直线，如果弯曲的就是我们的问题，弯曲到什么样的程度？我们最后做出来是正负四厘米的指标，大概拿出来就是这么宽，在30米长的轨道上我们给出的数据抖动都这么大，这是第二个。得一步一步往前走。

第三，要满足车规。是量产前，曾经没有把超宽带微波放在车身上，如何满足车辆电子规范以及EMC、EMI的指标？这个电路板要放在鲨鱼鳍上面，就是被雷劈也是先劈我们的设备，我们做了详细的DVPV的计划，最后我们在这儿做到了技术指标之后，过完所有DV报告花了6个月的时间，最后我们在很恶劣的场景下，做到了没有人能做到的把一个超宽带设备放到了鲨鱼鳍里面。

朱岩：真正针对量产要做很多的工作，可能大家在谈自动驾驶知识在应用场景下面大家有一些想象，但是过程非常复杂。现在，一款SOP的车如果出了问题责任的界定会怎样安排？是上汽承担责任还是咱们承担责任？

朱晓章：这是非常有趣的点。我们首先前装部件装在车上，它是否在适当的时候发射了无线电信号，这是考察这个部件质量的可测因素，这个我们会制定一整套测试方法，满足这个测试方法，我们认为车装部件是OK的。这样车在地下车库运行的时候，车主买了车跑起来，他要享受的是网络给他的定位服务，这就像我们打电话的话费一样。把车跟部件的责任和网络服务责任两部分要拆开，就变成一个商业可落地的业务模式了。大概是这样的。

凌赟：刚才朱总和张总的认识非常深刻。很多人认为，自动驾驶是一个线型的概念，从0到1到2，但我们把场景ODD加进去的话，张总刚才讲的这个DEMO、限定时间、限定地点、限定车型的，这个可能是在整个自动驾驶为里面的一个点。如果我们要量产的话，可能是一个面，不可能是一个点，如果单单是做一个点的话，它对消费者来说还不够。从我的角度来讲，自动驾驶对我们最大的挑战是在研发上面，因为传统汽车产品它从研发到交付是一次性的，从计划到SOP的时间相对固定，但是自动驾驶的整个系统更多的是一个软件层面，或者说是一个软件定义的系统层面。这样一个产品，尤其是现在能够实现OTA，它会变成一个不断地迭代开发的产品，对我们汽车产业的研发体系是一个非常巨大的挑战。所以我认为，如果说要谈到自动驾驶，量产对我们的挑战最大，它存在于整个的研发环境、研发流程形成的闭环。

自动驾驶商业化落地的成本

朱岩：还有一个蛮重要的问题就是成本。除了我们刚才讲到的这些开发的过程，量产是需要准备的考虑的东西，而成本也是非常重要的。我们先从凌总开始，作为主机厂，实现高级别的自动驾驶，你们准备花多少钱让一款车能拥有高级别自动驾驶功能？包括L3、甚至L4的自动驾驶功能。

凌赟：这个问题可能不应该问我，这个问题应该问消费者，他们愿意花多少钱在这个上面？问这个市场，可能不单单是个人消费者，或者我们如果对P2P市场的话，对于这样的一个商业载体，比如说共享出行公司、港口物流公司等最终的消费者，他们愿意花多少钱？他们认为自动驾驶技术价值是多少钱？我们认为，更多应该是从最终消费者去倒推我们能够花多少钱在这上面。

朱岩：好在中国的消费者对自动驾驶的接受程度在世界范围内还是最高的，真正到市场上愿不愿意买单还是一个问题，但是至少从测试上面来讲已经有80%的人相信自动驾驶。对自动驾驶持怀疑态度的人的比例其实也是世界范围内是最低的。所以，我们从这个角度来讲中国是对自动驾驶可能最友好的市场之一。

我也想请张总讲一讲，从你们看实现高级别的自动驾驶，整体的方案大概有多大的预算，才能实现高级别的自动驾驶？

张宏志：是这样的。我觉得，大家会有这样一个认知，做一款手机还是很容易的，做一个车还是很难的。为什么？因为传感器的数量。为什么说价格这个问题造成了大家如此的痛苦？我认为，此前的摩尔定律已经不适用于当下的发展，我们需要一些新的计算架构的升级改善。在这个情况下，接下来各个传感器也要创新。当下，硬件创新还没有做完，更不用说软件了。只有把硬件创新做完，再把软件创新做完，再把场景做完，大家才能接受一个自动驾驶的时代。就像你每天打多少车，你把每年打车所花费的钱算出来，基本上就是一个自动驾驶司机均摊到多年以后所形成的你该付出的成本。最终，这个钱是好算的。现在难以计算的是，当前技术创新突破瓶颈的时候所付出的成本，而这个成本又需要市场的规模化来均摊。这个成本是来自于这个瓶颈，当这个瓶颈突破了以后，最终你花掉的钱和你现在坐专车的钱将十分接近。谢谢！

实现高级自动驾驶需多方紧密合作

朱岩：您也提供了另一个维度思考这个问题。我们嘉宾没有直接回答我们的问题，也说明这个问题大家也在形成自己的一些观点。因为时间关系，我们再问最后一个问题。目前，低级别的自动驾驶的实现仍然是主机厂去零部件公司采购这种传统方案；到了高级别的自动驾驶，是不是仍然维持这样一个业态，目前大家还没有一个定论，尤其是其实在完成高级别自动驾驶的时候要科技界和汽车界的跨界的合作。刚才您也提到，研发就是在高级别自动驾驶双方结合把这个工作做好，单独都不太擅长做对方的事儿，这其实是高级别自动驾驶真正实现我认为最大的障碍之一。怎么样把两个完全相互不熟的跨界高精尖的人才聚集到一起？

我们从合作模式上来看，大家展望一下，实现L4、L5自动驾驶的那一天还是现在这样一个业态吗？还是主机厂买零部件的业态吗？还是其他的业态？大家可以展望一下。

凌赟：这个我觉简单地说一下，其实大家如果关注到发改委在去年的时候联合四部委发布的一个或者人工自动驾驶发展纲要的时候就会发现，其实政府对于自动驾驶这个事情他还是非常明确的，之所以联合四部委做这个而不单单是联合工信部，政府也提出了一个人、车、物相结合的理论。在高级别自动驾驶实现的时候，可能不单单是汽车一个产业或者不单单是IT一个产业，它可能是多个产业的融合，包括可能要把政府、道路交通基建的事情统统融合起来。这就是我的回答，谢谢！

朱晓章：我们作为汽车主机厂的供应商，体会到的就是以前主机厂向供应商买部件，一个部件计算毛利，毛利就是我们可以挣到的钱，也是我们会有可能和潜在的二供竞争的点。越来越多的趋势发现，主机厂不仅仅买前端部件，可能还需要后续的服务。比如说阿里和上汽合作的斑马就是这样，不仅是有一个主机装在车上，未来用户使用斑马的主机，未来使用停车场网络还会有定位服务费，这可能是一个趋势。

张宏志：今天早上，地平线发布了一个公司战略，地平线恪守住自己做一个AI时代芯片供应商的本分。我不去做硬件，不去做应用场景，不去做解决方案，我把我的芯片和算法结构做好，把我的一些研究成果开放给大家。这个往后看，是地平线退了好几步；实际上，我们往前走了好几步。我们开放出来的包括无人驾驶的解决方案，包含了上面做原码的东西，这些我开放给了车企。我认为，像Waymo这样的自动驾驶公司会是主流，因为他们把所有的组织融合到同一套管理体系、同一套文化中，冲着一个艰难的目标去做自动驾驶，只有这样的时候才能做到。标准化的产品，我认为未来还会是像以前的这种甲方、乙方供应链模式，但是像无人驾驶这种非标准的技术，肯定需要一个组织，将来才能能够把它做好。

朱岩：我们蔚来资本也相信，在高级别的自动驾驶时代会是一个联盟的时代，还是要大家走在一起，共同定义自动驾驶的平台。不管是传感器计算平台，还是定位等等，这些提供非常重要技术的合作伙伴能够共同把这个联盟搭建起来。同时，他们还将在大量收集数据的基础上，把最好的体验提供给消费者。以后可能是联盟之间的竞争，希望大家能走在一起把这个联盟搭建起来。由于时间关系今天我们的讨论到此结束，请大家跟我一起来感谢参加论坛的几位嘉宾，谢谢！

本文经授权发布，版权归原作者所有；内容为作者独立观点，不代表亿欧立场。如需转载请联系原作者。