雷锋网·新智驾按：10 月 26 日 至 27 日，2019 第二届全球智能驾驶峰会暨长三角 G60 科创走廊智能驾驶产业峰会在苏州高铁新城正式举行。峰会主要聚焦“自动驾驶的量产时代、单车智能和车路协同的共演之路、新型的车内交互探索”三大主题，数十位来自高校、主机厂、Tier 1、科技公司的嘉宾与与会者共同探讨了智能驾驶的未来发展方向。
本次峰会由苏州市相城区人民政府主办，苏州高铁新城管理委员会、雷锋网(公众号：雷锋网)·新智驾承办，江苏省智能网联汽车产业创新联盟、江苏省人工智能学会智能驾驶技术专业委员会、清华大学苏州汽车研究院、中国移动通信集团等单位协办。
腾讯自动驾驶总经理苏奎峰详解了腾讯的自动驾驶规划、进展与愿景，雷锋网·新智驾对其演讲进行了不改变原意的编辑，以下为全文：
各位领导，各位嘉宾，上午好。在这个产业阶段，技术逐步迭代成熟，产业逐步发展延续，我们应该看到技术和现实需求的差距。很多量产车上，脚的问题已经解决了，为了释放双手，正在解决 L2.5 和 L3 的落地问题。
产业发展持续给用户带来价值，这需要从技术层面和需求层面两个维度看。现在很多技术虽然在快速迭代，但是离我们的理想需求还有一定差距。我们在考虑当下技术条件的时候，要去看应用场景，哪些更适合落地，就更关注哪些点。腾讯做自动驾驶，是想更多助力这个产业，给产业提供更大的帮助。
总结起来，自动驾驶大概分几个落地场景，一个是乘用车自动驾驶，一个是矿山、港口、物流等特定应用场景，未来最大的也许是无人驾驶出租车，Waymo 以及国内很多公司都在做这样的场景测试和验证。
我今天想说的是，对广大普通用户来说，自动驾驶真正有价值的路径是什么、我们能提供哪些支持。
一个公司在提供支持、产品的时候，首先要看用户需求是什么？这里有两个图片，我拿我自己的情况去看：上下班的时候，北京交通状况比较糟，开车上班，通常情况下从 5 分钟上到高速或快速路，到有三五分钟就快到公司的时候，中间可能有 40 分钟、一个小时的时间是在快速拥堵路上缓慢前行；节假日长途旅行，自己要在高速上开车。
对于当下的普通用户来说，这两个是比较高频的场景，相对无人驾驶出租车来说，高速驾驶场景也简单很多。这两个场景分别有各自的痛点，长途驾驶非常劳累，城市交通拥堵让人产生焦躁，两个加起来，从乘用车角度来说，能够满足 80% 的需求。我们就重点去看这两个场景需求到底在哪。
HWP 和 TJP 功能
在速度上，国内限速是 0-120 km/h，道路环境基本上是高速和快速路。在这种场景界定下，我们想实现这样的功能，可以做 TJP、HWP 这种功能，纵向和测向跟车，包括上下匝道，遇到一些特殊路况，可以采用人工变道，或者人工触发变道模式。
腾讯为了实现这些功能做了哪些工作呢？
首先，我们很明确，不做硬件，不做传感器，更多在软件和服务层面为产业提供助力，基于这些，我们提供三个基础平台支撑：开发和运营的云平台、模拟仿真平台、高精度地图。腾讯在游戏方面有很多技术优势，我们可以利用这些优势做仿真测试验证；我们也有高精地图资质，也做自动驾驶，对自动驾驶的需求有充分的认识和理解，能够提供自动驾驶所需要的高精地图。
同时，我们也在做感知、决策、规划、定位等核心算法，可以以模块化的形式提供支撑。
所有设计都一定要考虑到功能安全。在系统安全层面，腾讯有专门的信息安全科研实验室。尤其在未来自动驾驶落地的时候，车要联网，要 OTA，信息安全是非常重要的一环，一旦信息安全出现漏洞，车辆很容易被远程操控，会对人和社会产生极大的危害。腾讯信息安全科研实验室多年来一直专注于这个领域，我们愿意和所有产业相关单位进行更深层合作。
我们把自动驾驶定义为以云平台、模拟仿真和高精度地图为最基础支撑的平台，支撑车端算法开发、信息安全开发。
云平台
自动驾驶是基于 AI 技术背景由数据驱动开发的链路，数据伴随着整个发展过程，甚至整个车辆的生命周期。以特斯拉为例，它在运行的时候回传数据，进行算法迭代和升级，即便是数据在用户手里，依然可以迭代使用。所以，要建立自动驾驶研发闭环体系，系统安全对于自动驾驶产品迭代、技术演进、功能升级都至关重要。
我们在这里面投入了大量精力，基于这样的平台，我们可以做软件开环、硬件开环系统测试验证，同时还可以做一些交通场景闭环验证，也可以做传感器模型以及其它环境模型验证。当然，这些数据也可以用于机器学习算法训练。
自动驾驶模拟仿真系统
腾讯有强大的游戏技术基础，我们不光可以去做一些使大家感到高兴和愉悦的游戏，同时也可以把相应技术应用到模拟仿真里面。
仿真分两个板块：一个是本地版和单机版，可以编辑场景，做各种测试验证；一个是云端版，有场景仿真和虚拟城市仿真。所谓的场景仿真积累了大量测试用力，可以进行并行加速，同时可以部署几百、上千、上万、几十万甚至上百万的测试用率，可以在更短时间内利用云端技术，把测试结果跑出来，极大提高研发速度。
对于虚拟城市，我们有两个维度，一个在真正的城市环境下构建，可以实现城市级的仿真；另外，我们有全国高速和快速路的高精地图，可以支持你在全国高速、快速路上进行仿真、测试和验证。
在产品真正上市的时候，可以在真实高速公路上、模拟仿真环境里去测试。我们不光提供基本环境，还提供随即的交通流仿真，核心是利用概率方法和随机方法产生交通流，把现实中没有遇到过的场景逐步积累下来。这些都必须通过大量的技术驱动形式来实现。
对于 TADsim 核心功能，这里有几个小视频，第一个是交通流，它本身不单纯是编辑问题，传统方法可以编辑一些测试用力，但是和真实道路环境有很大差异。我们会拿真实数据去训练，产生的交通流模型，一定和真实道路模型是一致的。
不同区域的驾驶员行为差异很大。我们有全国高速数据，可以生成仿真环境，可以利用强大的游戏引擎，实现传感器仿真。
光照模拟和天气模拟是相对比较容易的事情。虚拟传感器验证方面，我们主要做 L2.5-L3，L4 正在迭代中。
传感器是逐渐增加和变化的，现在虽然采集了很多数据和场景，有可能升级的时候还要增加新的传感器，原来的数据可能就浪费了，如果你没有这样的数据，我们会在原来 L2.5 配置的传感器基础之上再给你模拟 L3 需要的传感器数据，这样可以利用仿真和现实数据融合，再产生新的数据，以便于你将来从 L2.5 升级到 L3。
高精度地图
我们的高精度地图还在研发、测试层面，实际用的时候，我们需要打通云端和车端。云端不单纯是高精度地图本身的更新，还需要实时交通流、动态交通事故等信息来帮助决策。在这方面，除了自动驾驶，腾讯生态里面有大量实时数据回馈，可以融合在一起做支撑。
对于车端来讲，有地图数据、数据管理，同时也需要有相应的定位算法，另外我们还会有符合车规标准的 EHP 来支撑地图。
在整个解决方案层面，L2.5、 L3 做的传感器配置没有本质性区别。我们的特点是和合作伙伴把 IMU 等传感器集成到 ECU 里面，实现定位核心算法的集成，降低成本，同时把耦合强大的定位算法提供给合作伙伴。
腾讯车联生态
在车联生态方面，我们要提供千人千面的服务，用智能算法和用户的一些信息数据，进行千人千面的推送，全时互联。
在开发者生态上，腾讯不太强调封闭的模式，我们更希望和大家一起为用户提供更多体验，和车厂一起共建内容生态，同合作伙伴一起为用户提供更多内容和生态服务。
在解放双手、拥抱未来的时候，我们更愿意把您的生活、服务、娱乐带到更高一个层面上，而不是局限于双手和双脚解放出来，却没有事情去做。让你享受更美好的生活，才能拥抱更美好的未来，谢谢大家。
正在生成分享图...
木子