雷锋网新智驾按：4 月 18 日，新智驾联合上海市国际展览有限公司共同举办“2019 AI+智能汽车创新峰会”，本次峰会作为第十八届上海国际车展的同期活动之一，邀请到了来自学术界、新造车势力、零部件供应商、新兴自动驾驶、主流车联网企业等智能汽车产业链上的核心代表参与其中，围绕智能汽车产业发展趋势，技术研发、行业求索、未来展望等热点话题共同探讨对智能汽车技术商业化落地的渴望和疑虑。
*“2019 AI+智能汽车创新峰会”现场
雷锋网新智驾将本次峰会的所有主题演讲进行了精华提取，冀望对各位智能汽车从业者有所启发与帮助。
王飞跃首先从路的演变史分析了汽车从自动化向智能化方向发展的趋势。以小数据到大数据再到小智能的 AlphaGo 论题引出“老”、“旧”和“新”三个 IT 的平行融合。王飞跃提到，IT 的主导不再是信息技术，而是智能技术，第三轴心时代的智能驾驶将步入平行驾驶时代。
王飞跃表示，从有人车、遥控车、到网联车、再到无人车，这四类车可通过平行驾驶完成统一，即平行汽车。平行汽车未来的目标是将物理世界的 UDC 转化为知识世界的 AFC。用现实世界的术语来讲，即实现运营、监控及应急管理三结合。其中，运营要实现两个“E”-Effective、Efficient。具体需做到扩展空间，将两个世界转化成三个世界，从 CPS 到 CPSS。
以 ACP 方法为基础，王飞跃介绍了构成平行驾驶技术理论基础的人工系统与真实系统之虚实互动、平行执行的平行系统。系统阐述平行驾驶技术中的平行感知、平行规划、平行学习、平行测试以及网联环境下平行车的研究。
王飞跃进一步进行解释：虚实结合、平行执行，物理车与数字车结合到崭新的 CPSS 空间中，对服务、安全、驾驶员状态进行监控，保证在物理世界、精神世界、知识世界三个世界中，汽车可实现物理安全，驾驶员状态安全，服务质量及知识质量安全。现阶段集中力量于平行感知、平行测试、平行学习，最终可实现平行智能。
对于自动驾驶汽车落地发展而言。王飞跃的认知如下，自动驾驶汽车可以率先应用于一些特殊的场合。自动驾驶汽车落地发展依次为矿山、物流（包括码头）、市政、出租车、完全无人驾驶。平行驾驶技术为矿山、物流及一般场景的智能运营提供了有效的解决方案，平行驾驶是无人车上路的安全高效且智能途径。
1998 年，Vislab 创始人 Alberto Broggi 在意大利进行无人驾驶的测试，大约行驶了 2000 公里的距离，在当时是很大的挑战。车上搭载了一些摄像头，还配备了一些转向电机，现在来看都是非常传统的技术，但这些都是在进行技术的探索与测试。到 2010 年的时候，他的团队开发的自动驾驶汽车从意大利的帕尔马一路开到了中国的上海，横跨了半个地球。当然，车上依然有安全驾驶员随时等待接管。
在这些实验和测试过程中，Alberto Broggi 意识到了计算机视觉技术虽然强大，但仍然受限于计算硬件的性能。于是在 2015 年的时候，VisLab 加入到了安霸公司，成为了集团的一部分，Alberto Broggi 也进入安霸任职。VisLab 主要研发计算机视觉技术，应用于无人驾驶汽车；安霸是芯片公司，拥有世界顶尖品质的芯片，强大的处理能力能得到高品质的图像。两家公司整合在一起可以说是强强联手，可以将计算机视觉技术更好的应用到无人驾驶之中。
目前，安霸所打造的计算机视觉处理芯片性能优越，能够处理速度非常快，能做到每秒 30 帧、60 帧，同时拥有很高的解析度，而且，实现这些性能的同时，其功耗也只有 2-4 W。
安霸也在积极与各个公司进行合作，比如与 Hella-Aglaia 这家公司的合作就是将自家的芯片和对方的算法结合在一起。未来，安霸希望在芯片当中把图像和其他数据进行融合，比如说毫米波雷达、激光雷达等，更好地助力自动驾驶发展。
裴军从当前行业内激光雷达各路技术路线及 Cepton 的技术及优势进行了分享。测试方式层面，目前全球大部分激光雷达公司都在采用 pulsed time of flight 方式进行测量；激光器方面，多数公司采用 905nm 或 1550nm 的技术。其中，Cepton 选择了基于硅的 905nm 的激光器。在上述两方面，各家厂商并没有差别，且不能拉开差距。各路玩家竞争的重点是中间环节，即如何将产品变成一个成像激光雷达，高速的为自动驾驶提供三维成像。
Cepton 自研 Micro-Motion （微动）技术，这项技术可以用来替代积激光雷达内部的旋转部件。在激光雷达内部，Cepton 利用光学共轭的方法及电磁铁，它没有任何旋转或摩擦部件。
裴军提到，如何将激光雷达变成落地的产品，而非科研产品，是当下激光雷达供应商的竞争重点。Cepton 与日本最大汽车照明灯公司 Koito（小糸制作所）合作，前者将为后者提供定制的微型激光雷达解决方案，将激光雷达安装车灯中。基于此，实现激光雷达实现量产上车。
车联网经历了四代发展，整个车联网的发展速度比以往更快速。2020 年车联网的市场增速将会超过 60%。
5G 的到来也为车联网的到来打下了坚实的基础和保障；人机交互的过程中的突破，特别是语音交互为主的多模态交互，将会使人在驾驶过程当中更高效地获得服务，因此服务生态运营将是下一个战场。
越来越多的主机厂正在重新定语车联网服务员，蓦然认知所聚焦的事情就是成为整个对话生态服务的创造者。目前蓦然认知用语音交互对话链接了日常 50 种的生活服务（涵盖娱乐、旅游、餐饮以及出行的相关服务）。
龚思颖认为目前车联网的服务运营生态，主要面对用户习惯、如何让用户在安全驾驶环境下获得高效、安全的车联网服务、以及如何保证车联网的可持续性以及黏性等三大挑战。
蓦然认知最为核心的能力在于语音交互的多轮对话，在车载环境当中，蓦然认知则是采取减法的原则，设计多模态交互的体系和设计，使得用户在使用过程当中安全。关于增加用户黏性上，蓦然认知认为可以增加社交功能、或者建立会员体系——积分奖励、分享机制，建立完善而同步的账号系统。
伟世通是域控制器领域的领先者，目前有两大域控制器产品：座舱域控制器 SmartCore 和自动驾驶域控制器 DriveCore。
伟世通近两年建立了以域控制器为中心的朋友圈，拓展了与商汤、高通、瑞萨、AllGo、纵目、DeepScale、Steer、StradVision、 AAI、腾讯等各方技术公司的合作。SmartCore 将引入语音 AI 助理、面部表情识别、手势识别等多模态交互技术。
SmartCore 最核心的概念就是将多个 ECU（电子控制单元）集成在单一域控制器内，可带来体积、功耗和成本优势。DriveCore 则是在这一基础上的另一个延伸。自动驾驶汽车既然由机器控制，就可能存在安全隐患。所以 DriveCore 必须有极高的安全性，并且达到 ASIL-D 级别。
伟世通自动驾驶首席架构师王凯表示，针对 Studio 和 Runtime 的不同算法进行优化，然后编译到相应硬件环境中。其实要能够支持不同的硬件，需定义好一个通用的架构，然后在这个架构的基础之上，通过统一的接口定义实现扩展性，增加对不同硬件的支持。
值得一提的是，安全始终是伟世通对于自动驾驶技术研发的出发点及落脚点。伟世通的 SmartCore 座舱域控制器与可扩展 DriveCore 自动驾驶域控制器的智能全数字座舱。两种控制器协同合作，实现了自动礼让行人、智能分析路况、自动调整驾驶速度与行驶路线等功能，将带来驾驶员和车辆间无缝的人机交互体验，确保未来出行安全可靠。
人工智能算法是当今车联网智能汽车的主要推手。澳大利亚格里菲思大学教授，IEEE 智能交通系统杂志总编辑 Ljubo Vlacic 认为，目前我们对智能汽车的测试并没有完全交给独立的第三方认证机构进行。因为在现实中，虽然监管者在努力的寻找车辆的测试方法，但相关的指标体系还没有完全建立。放眼去看人工智能的所有要素，并以人工的智能的角度进行剖析，这些都会对最终的解决方案产生影响。
Ljubo Vlacic 提到，目前所处的时刻和十年前不同，现在汽车制造商在某种程度上已经变成了软件开发商，对软件算法越来越重视。毫无疑问，智能汽车可以带给人类生活的福音，但还需要完善更多的技术流程和监管，不然智能汽车很难在商业化市场上去销售。同时我们也要相信人工智能时代下智能汽车终将会到来。
自动驾驶汽车成为有史以来开发最复杂的信息产品。现阶段汽车电子构架越来越难以支持软件需求。过去 20 年来，汽车 MCU 增长从不足 10 颗，发展至现今超过 100 颗。顶尖级汽车甚至超过 300 颗 MCU。这些 MCU 拥有不同的构架、不同接口，甚至不同的开发环境、不同的语言。
面对数字化浪潮，效率是决定企业竞争成败的关键。我们迫切要回答的是，如何提升软件开发效率。并且基于该主题重构汽车电子构架。同时，分布式电子电器架构在面向复杂功能时存在巨大问题。例如各个不同组件之间难以实现协同。
合久必分，分久必合。汽车电子构架趋势是持续从分布式走向集成式。而域控制器可以看作为分布式集成构架计算的第一步。地平线相信这个趋势会持续下去，未来会出现一个真正的中央式集成大脑，智能汽车将发展成为一部四个轮子上的超级计算兼数据中心。由此带来的算力需求、软件构架的调整都是空前的。
行业达成共识，智能汽车行业内的大趋势是软件驱动，及算力需求黑洞。在数字化浪潮下，地平线也提出了新商业理念 AI on Horizon 战略：利用边缘 AI 芯片开放赋能智能驾驶。
嬴彻明确提出“车规级、面向量产、L3”的自动驾驶研发定位。在现场，嬴彻整车工程负责人兼执行副总裁黄刚明确提出，目前嬴彻与主机厂在 L3 重卡量产上的紧密合作状态和大致时间表。黄刚曾任中国第一大商用车东风的掌门人，行业深耕 30 年，拥有商用车全价值链管理经验和全面的产业整合能力。
他表示，2021 的量产时间表是在和多家 OEM 和 Tier 1 的深度探讨，大胆假设，小心求证后拟定的，产业合作伙伴的积极响应和配合给了我们很大的信心。同时，嬴彻为主机厂供应大批量的自动驾驶重卡订单，为商用车产业链上下游带来商业利益和发展动力。有了主机厂和 Tier 1 的共同利益和背书， 这个量产目标才有实现的可能。
嬴彻模式包括三个关键部分：首先是自建运营场景，从 L3 运力平台起步，打造未来的货运机器人网络。同时和汽车产业上下游合作，通过嬴彻订单的拉动，和主机厂战略合作定制。相应地，在核心的自动驾驶技术方面，研发车规级、面向量产的自动驾驶系统。
关于智能代客泊车，禾多有自己的思考：代客泊车并不等于泊车辅助，禾多对其的定义是车辆处于完全无人状态，无需人监管；另外，智能代客泊车也是最后一公里的延伸。
智能代客泊车产品 HoloParking 的定义是，“这是现阶段最好的代客泊车解决方案，没有之一。”
为了实现智能鲁棒与落地成本之间的平衡，HoloParking 方案采取“车端+场端+高精地图端”三端合一的技术路线，并提出“全天候、全场景、真实运营”的口号。
技术层面，布局车端、场端、高精地图端，三端合一提高智能代客泊车的鲁棒性，实现全天候、全场景及真实运营；成本层面，到 2020 年，车端域控制器 HoloArk 价格将在 2020 元以内；未来，单车位改造最终价格也将在 2020 元以内；商业落地层面，2020 年，禾多和停简单将合作布局 20 个以上城市，每个城市至少 20 个停车场，HoloParking 系统适配车型将增至 20 款。
此次活动中，广汽研究院智能驾驶技术部负责人郭继舜分析了主机厂采取渐进式自动驾驶发展路线的原因。他表示，人类驾驶员无法像传感器一样精准执行大脑的复杂指令，所以主机厂需要更安全的智能执行器件才能实现 L3、L4。在向高更高级别自动驾驶研发的过程中，为了绝对地保证自动驾驶顺利进行，还需要在异构设计下为车辆配备两个相同的 ECU，以确保车辆出现问题时会提醒用户接管车辆，同时保持着的自动驾驶的功能。
郭继舜还对自动驾驶为何通常应用于新能源车型进行了讲解。他认为这里面有一部分原因在于制造成本。“不是燃油车不行，而是因为主机厂如果要进行新技术改造的话，基于传统的燃油车去做成本非常高，而新能源汽车由于是新的平台，所以不需要改造成本，因而是更好的载体。”
实际上，虽然多数主机厂已经明确了量产 L3 和 L4 的时间节点，但安全法规和技术攻关仍是不可忽视的问题。郭继舜举例表示，并非主机厂做不出高级别的自动驾驶汽车，而是面对驾驶技术参差不齐的驾驶员，主机厂即使造出车后，也无法保证可以达到几百万分之一甚至几千万放之一的失效概率。
考虑到 L4 以及更高级别后人类驾驶员已经不需要干预汽车行驶，郭继舜提出的“失效概率”理论或许更适用于 L3 级别自动驾驶。
总的来说，阻挠主机厂推进自动驾驶真正的难题是什么？答案或许仍是硬件技术的缺位。这体现在行业内还没人能做出新一代冗余的 EPS 和具有强大单片能力的自动驾驶芯片。
对于车企竞相研发自动驾驶这一趋势，华人运通创始合伙人、智能驾驶及电子电器副总裁兼李谦认为，诸如自动驾驶系统成本昂贵、试验场景稀缺、道路实测风险大等，均是当前自动驾驶体系开发时面临的问题。简而言之，完全依靠车辆自身的传感设备也即单车智能去实现真正意义上的高等级自动驾驶仍有一定难度。
华人运通的解决方案是从“车-路-城——车路协同”的角度进行基础建设升级。这一方案既包含单车智能，也包含基于车路协同的交通智能，还包含城市互联共享的智能，按照一个综合体进行自动驾驶系统的设计，继而进行智能出行系统化的设计。
为此，华人运通开发了三大平台，分别为泊车平台、自动驾驶平台和车路协同的边缘计算平台。
今年1月，华人运通发布了全球第一条基于车路协同理念打造的智慧化的道路，这条道路基于城市开放道路打造而成，相当于对自动驾驶测试环境的一种新的探索。
雷锋网新智驾了解到，这条道路主要基于路边感知，云端决策和车端控制的思路设计而成，通过车端和路端的传感器融合以消除感知盲区，然后利用边缘计算和分布式计算等方法，降低车辆自动驾驶所需要的最大算力。同时，通过多目标协同控制来实现交通的良好调度，有效地降低自动驾驶车辆周边的复杂环境，并且减少了交通事故的可能。
自动驾驶离不开离不开数据的支持，尤其是在国内比较复杂的道路情况下，感知的进步不能完全依赖算法的迭代和技术的革新来解决，因此还是需要对数据进行有效的利用，使得激光雷达、毫米波雷达等海量数据变成带有语义信息也是研发团队所要面对的重要问题。
传感器从真实的世界采集到各种数据，完成了数据生产的过程，但数据必须要经过一定的标定和结构化、非结构化存储，然后经过人工标注产生出带有丰富标签和语义信息的数据，从而才能够对算法所利用。因此，数据的结构标准越精准，对算法的结果就越好。
通常企业和开发者对于数据的采集和标注，通常采取两种做法：一种是自建团队，需要开发甚至长期维护数据标注工具以及实效性数据的补充工作；另一种是业务外包的形式，如今自动驾驶的研发选型方案不断进化，业界的标注需求也从最原始的 2D 进化到 3D，到全像素的语义分割，不断进化的需求对标注能力提出非常大的挑战。
百度数据众包团队则是提出另一种解决思路。百度数据众包能够较好处理障碍物的检测和跟踪以及融合、激光雷达和摄像头、毫米波雷达的传感器融合，V2X 的数据等智能驾驶传感器的数据；此外，还能够对车外环境感知以及车道信息等传感器进行标注；对车内环境的感知和对驾驶员驾驶意愿的交互百度也有超过了 3000 万条的标注经验。
在注重数据质量之外，百度除了标准的合同条款以及保密协议也注重数据安全，对于任务封装、数据加密、专利反扒都有相应技术手段，百度按照对数据安全不同级别需求的客户，提供相应的标注方案。
柏俊波认为，当前的物流小车线控面临着：场景不明确、标准缺失、由于尺寸问题、缺乏车轨级上游供应链、需求数量无法支撑量产规模等一系列的问题，以至于汽车行业当中常说的周期、质量、成本、服务都无法保证。
事实上，易咖智车认为物流小车线控底盘是一个全新的产品，过去传统的汽车设计都是以乘客为中心，以驾驶人的安全舒适便捷为中心、但是在物流体系当中，车辆只是运输的工具，应该以货物的高效承接运送、行人安全至上为主线。
针对这个线控底盘，应该要针对面向任务的自上而下的线控底盘重构，如在系统任务层上应该考虑设计起点如何承接、中点如何提取、终点如何归位、物品构成、运送频次、突发事故等要素，通过系统层和运行环节中综合重新得出一个车辆所真正需要的尺寸空间。
柏俊波认为面向任务的最小化构成应该是摒弃一切与任务无关的结构（如玻璃、雨刮）等，除了必要的荣誉外，摒弃一起超过需求的功能增加带来的附加结构和成本，增加确定性带来的变化（如可预期的速度、工作时间、寿命里程、道路环境），采用分层架构设计、网络拓扑优化、提升网络可靠性、合理的上下电逻辑与自动控制、耗能最优化、丰富用户标准接口封装、使用多应用场景。
雷锋网新智驾注：本次峰会上，来自相关投资机构的投资人也展开了一场大讨论，针对未来智能汽车新的投资机会进行了探讨。
有关于这场圆桌讨论的有趣的结论，请期待我们后续的报道。
正在生成分享图...
利荣