自动驾驶的尚方宝剑在哪里？他们或许已给出答案

日前“2018中国人工智能峰会”圆满落幕，除去主论坛的“星光熠熠”外，四大分论坛的相关议题也获得了行业极大的关注。其中，在智能驾驶分论坛中，行业专家就AI赋能传统汽车、自动驾驶技术的应用及落地问题进行了一次深入探讨。

以下，是本场分论坛的演讲摘要：

BYTON联合创始人&CEO毕福康博士

仅从汽车行业来说，我们正经历着一场变革。其中有三大关键点：第一，汽车电动化，也就是新能源电动汽车；第二，汽车智能化，相较于电动化，智能化才是具有革命性意义的；第三，自动驾驶，因为它改革的不止汽车硬件本身，而是把汽车当成一个平台去改造互通。

图 |毕福康

而中国是一个一切皆有可能的国家。

首先，中国是世界上最大的汽车市场，而且发展速度迅猛；

其次，中国的发展速度是令全世界都惊叹的；

第三，中国的创业精神非常好，创意和创新能力也很强，加上融资环境好和政府强大的支持力度，未来，中国将可以采取多管齐下的方式全力推动自动驾驶汽车行业的发展。

Quanergy创始人、CEO Louay Eldada（卢伟）

摄像头是2D的传感器，为被动式设备。而雷达则是唯一的3D传感器，是一种主动式的感应装置。因此，即便在黑暗环境和各种路况中，雷达都能有着卓越的表现。

图 | Louay Eldada

但一开始，雷达的成本很高，仅一个装在车顶的普通雷达，就要8万美元。但实际上，自动驾驶汽车的雷达应该是隐藏起来且成本较低的。随着相关技术的发展，现在的传感技术已经可以被集成到芯片中，被安装在后视镜或者头盔里。这样不仅不妨碍汽车外观，且成本也有极大的降低，大量采购的话，250美元足以。

驭势科技创始人、CEO吴甘沙

在中国要做好无人驾驶，复杂度是美国的10倍。所以必须为中国设计一个更加成熟的开放道路的无人驾驶。但这需要大量的测试数据。

图 | 吴甘沙

统计学意义上，要让95%的用户信任自动驾驶技术，需要对超110亿英里的数据进行研究。这意味着，需要100辆车24小时、 365天无休，开500年才能开到110亿英里。凭当前的技术很难一步登天，但我们可以阶梯性发展，先做简单的让自己活下去，慢慢达到想要的目标。

凭当前的技术水平，我们很难一蹴而就的做到这一点。所以，我们需要有“阶梯计划”——从简单的开始做，让自己生存下去，再去实现开放道路L4级别无人驾驶的目标。而在这一过程中，每个“阶梯”都要仔细选择，从智商（算法算力）、情商（客户需求）、体格（产品能力）、学问（数据）四个方面进行缜密的逻辑思考。

禾多科技创始人&CEO倪凯

从大的格局来看，自动驾驶必将塑造出一个新的出行未来。人类在过去一两千年的历史发展中，将交通工具从马变成了车，而我们现在要做的，就是将车变得智能，某种意义上来说，就是希望它再变成马。这是一个轮回，这其中，我们看到的是汽车工业从兴起到成熟再到智能化的发展史。

图 | 倪凯

毋庸置疑，自动驾驶的市场很大，但我们需要选择一个用户可以接受的角度去打造我们的产品。未来的智能出行，基本有三个方向：

第一，告诉公路的自动驾驶，将带给乘客长途旅行的快捷感和降低主线物流成本；

第二，城市公路；

第三，最后一公里，完成包括代客泊车在内的最后一公里智能驾驶。量产方面，在车端，做封装自动驾驶，传感器和计算设备通过封装量产的形式搭载在车辆上；在厂端，与高速公路或停车场合作，封装和非封装皆可。

Roadstar.ai战略总监张昊

在中国，拥有百万人口以上的城市超过140个，是美国的14倍。也因此，未来无人驾驶出租车市场规模也是成倍于美国的，是一个万亿级的市场。这是机遇，当然也有挑战。

图 | 张昊

第一，成本。最早的林肯MKZ，从车到线控和地盘的改装，再到一系列的传感器，成本差不多在200万元人民币左右，显然无法投入量产，只能做科学研究；

第二，数据高精度融合和提升计算效率。中国的路况特殊，必须通过技术角度保证汽车安全上路。采集数据并融合，为感知、定位、决策规划提供有效的数据等，是非常重要的；

第三，监控，以提供友好的环境，加速产业落地。

速腾聚创创始人&CEO邱纯鑫

在发生的所有交通事故中，有90%是人为的。通过自动驾驶技术，能够把人从开车的时间中解放出来做更有意义的事情且更安全。也因此，随着技术的成熟，资本市场也尅是纷纷入局，在2015-2017年短短三年时间里，入局自动驾驶赛道的资本大概有800亿美元。

图 | 邱纯鑫

而在自动驾驶产业发展的过程中，有三股力量是主推力：

第一是运营商，比如uber、滴滴、菜鸟、京东、顺丰等；

第二是传统的OEM汽车厂商；

第三是科技、互联网类企业。

由此可见，自动驾驶发展将呈现四大格局：物流、公共交通、特种应用和乘用车。

MINIEYE创始人&CEO刘国清

在自动驾驶技术体系里面，有三个关键要素：人工智能算法、大数据和传感器。

图 | 刘国清

其中，算法的重要性不言而喻。但做算法，最终是要实现量产的，我们主要考虑三个方面：

第一、有限的算力情况下，拥有更强的算力就能拥有更优秀的算法，才能用更复杂的模型完成复杂的任务。但这其中存在成本方面的问题；

第二、降低功耗。很多车开着开着就自燃了，如果要量产，必须控制整个产品的功耗；

第三、车规级，这是最头疼的，要在规定中挑选元器件。很多时候，一旦开始设计产品并按照设计思路打磨技术，这些难题就会一涌而现。但我们需要花长时间去克服他们，才能开发出可量产的产品。