4月27日，在GMIC大會AI產業(yè)化領軍者峰會上，有一場關于智能駕駛的現(xiàn)在和未來的對話。 

主持人：高欣欣聯(lián)合創(chuàng)始人兼CEO，將門創(chuàng)投

嘉賓：吳強副總裁&首席云架構師，地平線

嘉賓：曹旭東CEO，Momenta

嘉賓：郝佳男首席運營官，北京圖森未來科技有限公司 

以下為5000字的干貨。 

自動駕駛軟件是軟肋 

高欣欣：第一個問題提給吳強博士，地平線是智能駕駛領域最早進場的創(chuàng)業(yè)公司質疑，推出了雨果平臺。智能駕駛現(xiàn)在處在一個怎樣的狀況呢？  

吳強：智能駕駛領域其實很廣泛。從車內智能方面，像車內的信息系統(tǒng)、語音交互、車聯(lián)網方面，我覺得中國已經其實做出了很好的成績，比如說上汽的斑馬系統(tǒng)和其他公司的操作系統(tǒng)，每年都有幾百萬的出貨量。

但是在自動駕駛方面，它的軟件系統(tǒng)過去一直被控制在一些國際企業(yè)手里面。中國廠商在這里扮演的角色一直是很薄弱的。但是近幾年無論是在美國或者是中國有很多創(chuàng)業(yè)公司，包括地平線，都加入了自動駕駛行業(yè)，從各個角度發(fā)力。

總體來說，現(xiàn)在不管是巨頭還是是創(chuàng)業(yè)公司，都處在持續(xù)發(fā)展和迭代的過程中，所以還沒有哪一家達到絕對控制的地位，每一家都有自己的特色。地平線更多的是從軟硬件結合，做自己的自動駕駛芯片，在感知的傳感器方面盡可能比較便宜，把重心更多的是放在計算方面，這是我們的特色。

從應用和落地的角度來看，自動駕駛有非常強的地域性，中國的自動駕駛跟美國、日本、歐洲都不同。因為每一個國家的路況和場景不一樣，所以我們必須要適合中國的場景，例如中國的停車環(huán)境跟美國不一樣，再如中國有紅綠燈，但是很多路人過馬路是不看紅綠燈的。所以自動駕駛也必須要能夠考慮到這種情形。你要做成國際化的產品，必須要考慮到各個地域的復雜性。

高欣欣：Momenta做的是自動駕駛的大腦算法系統(tǒng)，在這個領域里創(chuàng)業(yè)最難的部分是哪些，你們是怎么解決的？

曹旭東：最難的部分就是安全，解決安全問題需要海量的數(shù)據，我們的解決方案就是用眾包的方式。我們幫助商業(yè)車隊做安全團隊，由此可以獲得海量的數(shù)據，通過這些數(shù)據反映出來算法的一些不足，比如識別算法數(shù)據，你需要做到百萬分之一到一億分之一。根據級別不同，需要達到不同的指標。

在后裝之外，前裝是另一個渠道?，F(xiàn)在我們在做前裝的產品，我們把它分成兩個階段，中間有一個巨大的分水嶺，在什么地方呢？因為責任的界定不同，導致它對可靠性的要求有巨大的差別。我們評估下來需要做到一百萬公里接管一次，這要求比現(xiàn)在行業(yè)里面最領先的Google高非常多，Google最新的路測報告是6000公里接管一次，這已經非常厲害了，而且啟用了非常多價格高昂的傳感器才做到這樣一個水平。

我們的目標希望做到1000公里接管一次，這是什么水平呢？我可以介紹一下特斯拉，我們在北京做路測時是15公里接管一次，這意味著如果1000公里接管一次是特斯拉的50到100倍的性能。

前裝是另一個獲得數(shù)據的渠道。當然最開始前裝的責任方還是以人為主，機器為輔。隨著數(shù)據的積累，我們相信能夠逐漸的升級能夠做到百萬公里接管一次的水平。

高欣欣：圖森未來在智能駕駛做的是特別細分的領域，即高速L4無人駕駛卡車細分領域。那么，商用車和乘用車在自動駕駛的開發(fā)上有什么區(qū)別，圖森又是怎么做的呢？

郝佳男：首先是商用和乘用，圖森希望的是先切入商用車市場，商用跟乘用通俗來說就是ToB跟ToC的區(qū)別，商用車包括貨運和出租車，它的利潤來自于運營。 

比如說我把人或者貨物運到目的地，這是商用車的目的。乘用車可能是另外一個方式，它是通過我的用戶是最終的用戶，可能是我們在座的各位，可能是通過給這輛車增加了自動駕駛的功能，通過提升駕駛本身的樂趣或者提升安全來獲得利潤。

自動駕駛可能是相對新興的技術，我們認為在商用車可能更方便推廣，因為只要說服合作伙伴和客戶，這可能會比適應普羅大眾方便一些。     

乘用車與商用車的區(qū)別之一是，車大小明顯不一樣。小車出租更多的是在城市路段或者是城鄉(xiāng)接合部的路段運行，它所面臨的場景跟打車不同。通常來說這種比較大的集裝箱卡車，它是走干線物流或者在一定的區(qū)域內完成運輸。這個不同點會造成在技術上需要突破、需要著重解決的問題可能不一樣。 

我也想更新一下目前的進度，之前我們最主要做的是從A點到B點，從倉到倉L4級別無人卡車自動駕駛。在不久前我們已經把業(yè)務線進一步的拓寬，把兩端的倉，如果它是碼頭，我們可以在碼頭的內部完成集裝箱，從我的吊橋和它的堆場之間的運輸，我們把這一部分進一步延伸，這件事情可以讓我們的商業(yè)邏輯更完整。

快與慢的平衡術

高欣欣：地平線如何在絕對算力和算法的演進上做取舍，我們產品設計的策略是什么樣的呢？       

吳強：自動駕駛的芯片更復雜。阿爾法狗下圍棋很復雜，但是它畢竟是在一個封閉的環(huán)境下，有一個完整的規(guī)則和完整的信息。

自動駕駛比圍棋復雜很多，因為它是開放的環(huán)境，你沒有一個完整的規(guī)則，相關信息也是不完整的，所以要想做出自動駕駛的芯片就更復雜了，這是一個非常復雜的決策場景。    

自動駕駛芯片不能出錯，這是最大的挑戰(zhàn)。手機的芯片對安全性和可靠性有一定的要求，但是自動駕駛芯片的安全可靠性要高三個數(shù)量級，因為汽車出錯就是人命關天。所以自動駕駛的芯片是AI芯片的珠穆朗瑪峰，代表了最高的技術挑戰(zhàn)。     

我們的策略是什么呢？就像剛才主持人問的，對于我們這樣一個中國本土的創(chuàng)業(yè)企業(yè)，我們肯定不會跟他們拼工藝，他們可以到16納米，甚至8納米、7納米，我們肯定拼不過；我們也不會拼工藝或者是晶體管的密度。我們更多的是從算法和計算架構的角度來做出我們的特色，通過場景來決定算法，算法來決定計算機架構，軟硬件結合的方式來達到最好的效果。    

針對汽車特殊安全性的要求，我們經過將近三年的磨煉，已經有了芯片團隊，正在組建車規(guī)級的芯片團隊。大家知道英特爾去年對我們進行了戰(zhàn)略投資，所以我們也想利用英特爾的戰(zhàn)略資源打造車規(guī)級的芯片，應對自動駕駛復雜的場景。    

高欣欣：Momenta在做自動駕駛算法的時候，對于司機的邏輯會有什么影響嗎？       

曹旭東：我剛才提到特斯拉在中國測試的時候，15公里接管一次，我覺得很重要的原因是中國的駕駛習慣更加不好。如果你在四環(huán)上開上兩圈，基本上總會遇到一次特別惡劣的加塞，而且是非常危險的。    

針對這些情況，實際上你需要在多個緯度上去優(yōu)化算法。比如說在傳感器的設計上，為了處理加塞，你需要增加環(huán)攝攝象頭，預測旁邊車的軌跡，他是不是有家塞的意圖。預測他未來有沒有這樣的軌跡，同時還需要在一些駕駛的策略上做一些優(yōu)化。 

當然駕駛策略的優(yōu)化跟場景不同或者說你定位的客戶不同，其實會有一些不一樣。比如說這輛車賣給年紀大一點的人或者說相對保守一點的人，別人要加塞的話那就加吧，只要我應對的策略做的足夠舒適其實也OK。但是如果我這輛車賣給年輕人，自動駕駛的車被別人加塞，我會非常的生氣。 

所以在不同的國家，不同的道路環(huán)境和不同的駕駛習慣，你的產品從硬件到軟件、算法、駕駛策略都需要做一定的改變，這也是剛才吳總說到的，自動駕駛有很強的地域性。因此，在每一個地域里面都很有可能出現(xiàn)一個或者多個本土自動駕駛巨頭的崛起。       

高欣欣：中國的自動駕駛崛起團隊真的是在最復雜的環(huán)境下沖鋒陷陣，我覺得它們一定會成為世界上最強的隊。       

曹旭東：解決了中國自動駕駛的問題，基本上就解決了全球自動駕駛的問題。 

高欣欣：圖森未來在卡車運行過程中是限于技術賦能，還是參與到更多的緯度呢？       

郝佳男：如果我們做一個細分領域領跑者，我認為是先行者，我覺得不一定很領先，但是至少我是先行的。我們一定會遇到一些從來沒有人告訴我應該怎么做的事情，這里面有技術，有商務的部分，有法規(guī)政策的部分，甚至還有一些更復雜的背后的邏輯。    

我們一定要自己發(fā)現(xiàn)這些問題，不要怕掉到坑里面，只要我能爬上來。剛才談到技術的賦能還是從別的地方，其實我覺得是相對全面的過程，并不僅僅是技術。因為技術其實是服務于商業(yè)化的目的，這里面可能還包括其他層面的，比如說法規(guī)等等。       

高欣欣：吳強你覺得需要一個什么樣規(guī)模的計算力，什么樣的平臺才能撐起自動駕駛平臺所需要這樣一個計算力呢？       

吳強：剛才說了自動駕駛場景很復雜，我們需要一個很強的計算能力，如果你的選擇是很輕的感知，我不用很昂貴的激光雷達，其實它后面帶來很大量的計算能力。計算能力很難用量化去說，但是定性的說我們認為它必須是專用的處理器。因為通用的處理器，GPU有很多歷史的包袱，它的基本架構還是在那里的。       

所以從這個角度來說，它的性能你光看叫多少T，它做的很高。但是這些并不一定能轉換成我們需要在自動駕駛場景下的性能，因為自動駕駛的場景跟它是不同的。 

所以你仔細看看，這些通用的計算它可以有300T，你真正看它的性能，包括一些專用的性能。其實你看看它真正的處理能力是優(yōu)于芯片的，這是因為我們作為一個專用芯片，它是從頭開始，它沒有歷史的包袱，我不用做這些，我就針對自動駕駛場景重新設計我的架構，盡管我的功率不如你。但是在這種場景下，我的性能是優(yōu)于你的，所以我一直堅信自動駕駛將來的未來一定是向專用芯片的方向走，這樣才能不斷地打磨提供足夠的算力來滿足這個場景的需求。      

高欣欣：因為旭東合作最多的是車廠，為他們提供了大腦。車廠是特別嚴謹?shù)?，我們做軟件和算法這樣領域的人，要不斷迭代，所以這個過程會出現(xiàn)一個快與慢的平衡，你是如何平衡這兩點呢？       

曹旭東：跟車企合作，你發(fā)現(xiàn)他們非常重視流程，而這些流程都是經過了上百年的積淀沉淀下來的，所以要確保保證安全性的測試是足夠的。當我們來說真正殺到汽車行業(yè)，我覺得需要一個熟悉的過程。 

如何加速呢？我覺得這個實際上整個行業(yè)里面，其實大家還是沒有通用的答案，比如說我這輛車的計算芯片都可以支持。但是一開始的時候我只上L2的功能，跑了一年以后收集了非常多的數(shù)據，已經有比較大的確定性在特定的路段，特定的場景，我已經可以支持L3的功能了，通過OTA的升級去實現(xiàn)這種方式，我覺得這是一個加速的方式。

另一個加速的方式是其實我們可以跟車企溝通，你走這樣的流程，背后的初衷到底是什么，我們是不是存在另外一個創(chuàng)新的流程。但同時也滿足了你對安全的要求，這種方式確實是存在的，只是因為之前整個行業(yè)都很成熟。大家都比較慢，沒有太大的壓力。既然這個流程已經建立起來，并且它能夠保證安全了，大家創(chuàng)新調整流程的動力沒有了，但是現(xiàn)在遇到汽車產業(yè)百年未有大變局的時候，每個人都知道快才能抓住機會，這個時候我們跟他們充分交流溝通合作以后，提出來一個新的流程，仍然能夠保證他們之前對安全性的要求。  

這樣我可以節(jié)省半年或者一年的時間，我覺得已經是雙方都特別愿意去做的事情。       

創(chuàng)業(yè)公司如何切入

高欣欣：今年在無人駕駛卡車上開始有其他的隊要入場，圖森未來如何發(fā)揮先發(fā)優(yōu)勢，一直保持持續(xù)的引領呢？       

郝佳男：先發(fā)只是表明我們起步比較早，我們看到了未來。但是整個賽道，哪怕是一個細分的賽道，我覺得前面的路還很長。 

先發(fā)并不一定表明你是終點第一名，所以我們一直是存在危機感。在技術和商業(yè)模式各個層面，我們要不停的挑戰(zhàn)自己?，F(xiàn)在我們已經建立的這些優(yōu)勢，要不斷地反思，有沒有更好的模式、技術或人才，這些都是我們要不斷去想的。    

既然我們在細分領域是一個先行者，我們就不可避免的要接觸一些政策法規(guī)，一些可能對于其他還在這個賽道上面的玩家可能都要接觸到的事情。在這一點上我們應當承擔部分的責任，為了整個賽道能夠良性的競爭，我們建立一些大家都能夠去適應的制度或者說標準。這么做不是說阻礙別人進入賽道，而是為大家能夠有序地在賽道上往前走。     

高欣欣：地平線已經規(guī)劃了三代產品演進路線圖，這三代產品演進背后的考量是什么呢？

吳強：我們在去年12月份推出了第一款芯片是高速架構，還推出了兩代架構。這些架構首先它出于工藝和處理神經網絡的種類的性能兩個角度考慮。

我們國家在L2自動駕駛前裝大潮應該是在2020年左右實現(xiàn),L3自動駕駛前裝大潮差不多是2022年到2023年左右，所以我們的第二代和第三代也是按照客戶需求的時間點進行設計。

但是第二代、第三代是針對L3或L4的自動駕駛，它可以處理1080甚至是4K的高清，它可以做六到八路的支持，我們希望這些芯片的推出，可以滿足我們自動駕駛客戶和市場的需求，能夠趕上這個大潮。 

高欣欣：以眾包的方式進行地圖的數(shù)據采集，在可分享的范圍內，如何以比較快的方式做下來，我們會跟地圖商合作嗎？我們自己未來會建立自己的生態(tài)伙伴嗎？       

曹旭東：我們整個定位是地圖領域先有自己的核心技術，希望通過自己的核心技術，通過眾包的方式獲得高清地圖數(shù)據?，F(xiàn)在整個技術路徑已經驗證完成了，可以做到非常高的精度。剩下的是產品化，我們希望在這個領域，我們跟傳統(tǒng)的地圖商的導航地圖結合，這個地圖最終的落地成為一個產品，這是我們關于地圖的想法。    

高欣欣：如果創(chuàng)業(yè)公司今天選擇創(chuàng)業(yè)，從人才的緯度它會獲得什么樣的經驗呢？    

郝佳男：我覺得現(xiàn)在是一個非常好的難得時機。我們研究一些非常通用的人工智能，它離商業(yè)化很遠，這樣的事情不太適合于創(chuàng)業(yè)公司。哪怕是一些大公司，需要直接投入很多資源，需要很長的時間才能到一定的程度。

相反，一些特定領域地技術，比如說對于圖像的識別，我們去識別這是沙發(fā)，準確度從95%提到97%，從商業(yè)角度來講非常有意義的事情。自動駕駛它就很好的卡中了這一點。自動駕駛所需要人工智能的技術，在今天它是處于相對比較好的狀態(tài)，當然還需要很多的研究，但是它已經有一個很好的基礎。

現(xiàn)在真的是千載難逢的時機，你們可以在今天進入這個領域一起去創(chuàng)造一個歷史。

返回第一電動網首頁 >