[[276381]]

當前，想要順利推進自動駕駛L3量產(chǎn)，算力、道路測試、傳感器成本、道路法規(guī)、基礎設施、消費者認知等方面均需要有質(zhì)的突破。但歸結到底，恐怕還是一個安全性的問題。

近日，在AICC 2019人工智能計算大會自動駕駛分論壇上，部分車企智能駕駛研發(fā)負責人表示，自動駕駛真正的挑戰(zhàn)仍然是安全性，汽車一百多年的歷史，從誕生之初到現(xiàn)在，大家對于安全性的重視從未改變過。

同日，來自吉利、廣汽、英偉達、浪潮、四維圖新、清華大學和交通運輸相關部門的業(yè)內(nèi)人士還分別從算力、平臺、生態(tài)、人工智能、地圖和車路協(xié)同等角度，剖析了自動駕駛量產(chǎn)的難點和解決路徑。

在他們看來，如期推進自動駕駛，既需要埋頭攻關，更需要強化溝通，在同一個語境下解決安全和成本等難題。

車企與供應商的擔憂

自動駕駛發(fā)展至今，從火熱到逐漸降溫，但趨勢卻始終未變。

有車企研發(fā)人士表示，實現(xiàn)高度自動駕駛是人類社會出行的革命，基于安全的自動駕駛開發(fā)還需艱難跋涉，而且，自動駕駛的商業(yè)化是逐步實現(xiàn)的。

大方向既定，但通往未來的路上還要解決不少問題。畢竟，汽車不是手機、智能電視等消費電子產(chǎn)品，它是高速行駛且制造工藝復雜的工業(yè)產(chǎn)品。尤其是想要進入自動駕駛時代，需要集成的方案和技術的數(shù)量更是以指數(shù)級增長。

“汽車制造業(yè)融合了很多制造、IT和CT技術，其中，后兩者做整合就是未來的自動駕駛藍圖。這件事其實很難的，這里面有云、邊、端、人工智能和5G，所有大家能想到的新技術，可能在自動駕駛上都體現(xiàn)出來了。”浪潮集團高級副總裁王虹莉如是感慨。

那么，車企和供應商們到底在擔心什么?

雷鋒網(wǎng)新智駕注意到，從自動駕駛分級標準到最終的量產(chǎn)落地，以下幾個問題被反復提及：

一、分級模糊。不止一家車企提到，現(xiàn)有的自動駕駛分級標準與車企實際研發(fā)進度并無絕對聯(lián)系。“L0到L5的自動駕駛分級非常的模糊，它對量產(chǎn)沒有有任何的指導意義。原因在于只設計了場景，卻沒有設計功能。” 廣汽研究院智能駕駛部部長郭繼舜認為。

基于此，許多車企在銷售時雖然也在打出L2或L2.5口號，但實際研發(fā)時卻更強調(diào)究竟能帶來什么功能，各個級別的界限并非涇渭分明。

二、算力不足。行業(yè)預測，L3級別自動駕駛需要20-30Tops的算力。但現(xiàn)狀是，由于必須要滿足高低溫、抗震、穩(wěn)定性等車規(guī)級要求，即使現(xiàn)有的車規(guī)級芯片中算力最大的高通驍龍8155，也大約需要6-8片才能完成基本的異構計算。

當然，一些國際供應商如采埃孚、博世等均在開發(fā)滿足巨大算力的產(chǎn)品，只不過實現(xiàn)真正量產(chǎn)上車仍需要時間。

三、傳感器成本過高。成本是阻礙自動駕駛L3的天然屏障，因為消費者不可能購買一輛帶有自動駕駛功能但價格飆升的汽車。一個例子可以反證這一點。以實現(xiàn)自動駕駛最快的物流卡車領域為例，除了封閉式的高速道路外，成本絕對是自動駕駛為何在此領域率先推進的重要原因。

四、難以滿足安全性。雷鋒網(wǎng)新智駕注意到，頭部車企和供應商尤為注重功能安全。“功能安全涉及到要重新設計軟件、增加信號和對關聯(lián)系統(tǒng)提要求等，很多車企選擇開發(fā)L3、L4時，但又沒有把安全落到產(chǎn)品上。”霍克說。

強化合作

針對上述問題，包括芯片、高精地圖、傳感器等領域的公司等正在集中攻關。

雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))新智駕了解到，自動駕駛領域目前有云端、邊緣和車端三種算力需求。不過，現(xiàn)階段很難依賴任何一種處理器去滿足L3—L5量產(chǎn)的要求?；诖耍蛟焖惴ê陀布Y合的解決方案是解決路徑之一。而要做一個這樣的方案，又要解決算法和芯片如何綁定的問題，這需要生態(tài)層面的協(xié)作。

王虹莉說，汽車產(chǎn)業(yè)鏈分工程度超過現(xiàn)在X86服務器產(chǎn)業(yè)，復雜度更高，自動駕駛的計算平臺不僅包括GPU、CPU，還有各類串型芯片、傳感器芯片，支持模擬信號，也支持數(shù)字信號的，要把這么多技術整合在一起，而且很好的控制成本。這僅是硬件層面，此外數(shù)據(jù)和算法層面技術也十分復雜，所以自動駕駛一定需要一個強有力的產(chǎn)業(yè)生態(tài)系統(tǒng)。

浪潮集團人工智能產(chǎn)品經(jīng)理韓進杰認為，車載計算平臺合作必須以場景或用戶需求為驅(qū)動。而且，未來主機廠一定要具備自己的自動駕駛解決方案整合能力，如果依賴傳統(tǒng)的Tier 1廠商則會喪失一定的競爭力。

韓進杰還表示，自動駕駛包含的數(shù)據(jù)、算法和算力三個要素中，每個要素都需要大量的合作伙伴參與其中。三者的關系是，自動駕駛路測數(shù)據(jù)是為了給算法提供更好的指導，進而訓練出高精度的自動駕駛訓練模型。隨著模型精度的提升，反過來又可以指導數(shù)據(jù)采集。在這一過程中，算力又起到了提供基礎設施保障的作用。

當然，一個問題出現(xiàn)后，除了給出答案，另一個解決途徑是直接從源頭規(guī)避問題。這種方法論用在自動駕駛領域，就出現(xiàn)了車路協(xié)同這一“曲線救國”的技術。多位業(yè)內(nèi)人士指出，由于中國道路負責、行人交通習慣、感知場景負雜等因素，車路協(xié)同很可能是解決自動駕駛上路的有效路徑。

“我們做了大量的試驗發(fā)現(xiàn)，人類司機在相對復雜場景里面離散度是非常高的，以至于用同樣的模型參考一百位司機的錯法，無論怎么調(diào)整參數(shù)準確度不會達到50%，也就是說，無論怎么感知都是不夠好的，還需要更多、更準確的外部信息，所以我們需要V2X。”郭繼舜稱。

不過，車路協(xié)同領域也存在一定的差異。“很多車廠的朋友進行交流時，交流得越多會發(fā)現(xiàn)，路方的文化和車方的文化中間存在很大的差異。”交通運輸部路網(wǎng)監(jiān)測與應急處置中心副主任王剛認為，雙方要有共同的語言和關注焦點，這樣才能發(fā)現(xiàn)并解決一些關鍵問題。

值得注意的是，由中國交通運輸協(xié)會牽頭成立的自動駕駛汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟已經(jīng)正式成立。雷鋒網(wǎng)新智駕了解到，該組織將為成員單位提供自動駕駛模型訓練，收集并提供最新的海外自動駕駛信息和技術，以及聯(lián)合進行國家級自動駕駛項目的申報研發(fā)。一定意義上，這對于加快產(chǎn)業(yè)協(xié)同有著重要作用。

摘取自動駕駛明珠

汽車是工業(yè)鏈條的頂端，自動駕駛又被視為汽車業(yè)的明珠。但這顆明珠如何變現(xiàn)卻難住了整個行業(yè)。

清華大學車輛與運載學院副院長王建強認為，自動駕駛會帶來產(chǎn)業(yè)鏈和價值鏈的調(diào)整。其中，產(chǎn)業(yè)鏈調(diào)整不僅包括傳統(tǒng)汽車產(chǎn)業(yè)，還包括計算機、通訊、人工智能等?；谟邢迗鼍伴_發(fā)的自動駕駛汽車僅僅能夠適合于特定的場景、特定的區(qū)域、特定的路況。

“我們覺得L3和L4最大的商業(yè)模式區(qū)別在于，L3是C端的老百姓來買，享受它整體的駕駛樂趣，但L4更多的是交給B端，由B端定制、購買和運營，通過高效率運營來收回如此高昂的硬件成本。”郭繼舜表示。

不過，這些商業(yè)模式的實現(xiàn)有一個前提，那就是自動駕駛必須量產(chǎn)落地。

業(yè)內(nèi)普遍認為， 自動駕駛專用車輛的場景相對單一，可以最先做到商用化。自動駕駛出租車場景相對復雜，會受到標準化的城市路況和法規(guī)制約。最后，自動駕駛落地最難的領域是私家車，因為它不受制約的，是全工況、全場景的。

而要實現(xiàn)真正的落地，又回到上面提到的功能落地、功能安全以及傳感器成本等問題。越來越多的行業(yè)參與者表示，希望將算力平臺服務商、通信運營商和云服務供應商等整合在一起，將5G、V2X、單車智能和云端進行結合，這背后又需要行業(yè)和政府之間不斷強化協(xié)作。

需要注意的是，發(fā)展自動駕駛的過程中還需要時刻保持警醒。

王建強指出，以場景為驅(qū)動的開放模式，能否把自動駕駛推向L4、L5。“大家試想一下，我們建立了多少能夠涵蓋面臨問題的數(shù)據(jù)庫?場景庫是有限的，但是我們面臨的場景是無窮盡的，(在這種情況下)開放的自動駕駛汽車、自動駕駛產(chǎn)品僅僅能夠適合于特定的場景、特定的區(qū)域、特定的路況。”

總體來看，車企關注自動駕駛安全和成本，供應商關心產(chǎn)品落地場景和盈利，監(jiān)管層希望通過自動駕駛來提升交通出行效率，這些因素匯聚在一起時，如何平衡各方利益點至關重要。

本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請至雷鋒網(wǎng)官網(wǎng)申請授權。