眼下，智能驾驶已经开始以更为实际、立体的方式，融入普通老百姓生活的细枝末节。在可预见的未来，智能驾驶仍会是 AI 赛道的绝佳 C 位。
遗憾的是，由于这个行业太年轻，目前尚未积淀出具有通用性的科学理论和行之有效的方法论。
但幸运的是，在智能驾驶落地的道路上，不乏初心如磐的钻研者、砥砺前行的实践者。
这一次，雷锋网新智驾以「智能驾驶鏖战时刻 」为主题，将话筒递给业内 19 家标杆企业，辐射 13 大技术/场景，覆盖智能驾驶算法、芯片、感知、落地等多个维度，每个领域只筛选最具代表性的一家企业。
今天，从学术研究到车路协同落地方案、从主机厂智能网联策略到自动驾驶分阶段实施步骤、从智能驾驶传感器到整体解决方案、从具体技术到商业化落地的尝试，这些各自领域的佼佼者进行了最硬核的分享。
或许，他们的经验之谈也能给行业以启迪。
以下是本次大会的精彩回顾：
澳门大学科技学院院长须成忠：保守无法推动智能驾驶行业进步
须成忠在会上指出，智能驾驶催生了新的经济、新的时代，所以对人们的生活、社会将产生重大的影响。包括随之而来的安全问题。
相对于国外的市场环境，国内对智能驾驶事故的容忍度很低，所以业界玩家谨小慎微。但大家应该知道，在保守的策略下，事故少不代表技术好，同时大家也应该牢记，失败是成功之母。为此，须成忠还向业界呼吁，要大胆地测试，如果永远秉持保守的策略，技术很难有实质性的进步。
至于如果推动技术创新，须成忠也强调了诸多要点。比如，现阶段智能驾驶的实现很大程度上依赖于深度学习，但深度学习没法完全保证系统可靠性的问题，应该利用多个信息源，构建可信环境的全息感知。
目前，须成忠已经带领团队搭建了一个自动驾驶测试巴士平台，经过不断调整、改造，自动驾驶巴士的稳定性、安全性也得到了迅速提升，正在澳门大学校园里的公共开放道路进行试运营。
另外，须成忠的团队还打造了一个面向未来交通的增强模拟实验平台，涵盖了自动驾驶中大部分场景场景以及边缘场景、能够实现自动驾驶算法测试、有人/无人驾驶混行、基于数字孪生的协同控制、自动驾驶算法挑战赛等功能。
AutoX 创始人、CEO 肖健雄：自动驾驶不应该分帮结派
肖健雄认为，目前行业存在很多种不同的声音，包括渐进式辅助驾驶、“飞轮式”两条腿走路等，但结果是殊途同归，既然最后都是RoboTaxi，为什么要这么多帮派？这么多不同的技术路线是否对RoboTaxi真正有帮助呢?
因此，他认为真正的自动驾驶目标是RoboTaxi，是完全无人驾驶的车。基于此，AutoX直接专注于RoboTaxi，因为两点之间直线最短。
他表示，目前全球仅有三家可在公开道路完全无人驾驶的公司，它们分别是Waymo、AutoX以及Cruise。其中，仅有Waymo和AutoX的Robotaxi可全天自然运行。
“我们只有非常专注才能打造一个好的、真正无人驾驶的RoboTaxi，才能将它大规模商业化。”
智加科技商务副总裁刘立：无人驾驶车辆的落地不能一蹴而就
作为主攻干线物流场景的智能驾驶企业，智加认为，全自动无人驾驶将会为物流运输带来颠覆性的革命，借助无人驾驶技术，企业能提高自身的资产利用率、降低车队运营成本、节能减排以及提升驾驶安全，智能驾驶在干线物流行业的商业化前景潜力巨大。
但无人驾驶车辆的落地不能一蹴而就，而是渐进的过程，这一方面需要企业进行相当数量的车辆里程测试，来不断完善系统的可靠性和安全性，另一方面，则需要企业通过量产自动驾驶车辆，在实际道路的商业化应用中，为终端客户带来价值。
那干线物流自动驾驶车辆的商业化落地还有多远？刘立认为，这一进程已经开始。截至目前，智加科技已实现智能重卡的量产，也已经在道路上开始进行试运营。
根据介绍，2021年底，搭载智加科技PlusDrive的一汽解放智能重卡已经量产，搭载智加科技Plus Drive的解放J7也已完成从苏州到敦煌往返自动驾驶长途测试，另外，智加科技还完成了全球首次高速公路上满载重卡纯无人驾驶展示。
“从技术角度讲，我们预计在2024年后，智加科技就可以实现L4级无人驾驶车辆在限定条件下的干线物流领域的应用。”刘立表示。
魔视智能销售副总裁、乘用车事业部总经理高文博：主机厂+供应商体系的共存将长期存在
高文博对自动驾驶的未来趋势做了分享。在他看来，L1/L2 的新车搭载率将非常可观，2023 年可能会达到 70%。在传感器的加持、算力的增强，功能更加安全可靠的基础上，L3/L4 的落地进展也会大大加速。预计在 2025 年左右能达到全面的落地。
不过，无论上述哪一种情况，软件的重要性都变得越来越明显。高文博表示，现在“软件定义汽车”的概念已经深入很多主机厂和市场层面。以往汽车销售的主要利润基本都来自于汽车本身的硬件收益，往后更多的主机厂可能会加大用软件来赋能消费者，同时在后端生产更多利润。
除了软件外，魔视智能也在布局 L2/L3 级域控制器，可以实现APA/TJP/HPA/AVP这些功能。融合一些其他的传感器，包括摄像头、毫米波雷达、激光雷达和超声波传感器，整体来讲我们从软件和硬件上也做了更多的布局。
基于此，软硬件的解耦也是一个大课题。在未来很长一段时间内，关于智能驾驶的不同商业模式的共存，以及主机厂+供应商体系的共存会是常态。
西井科技无人驾驶事业合伙人孙作雷：2021年将是商用车无人驾驶规模化落地的元年
自2016年建立无人驾驶团队以来，西井科技深耕港口等物流场景，深度耦合用户实际作业流程，行业较早做到无人驾驶商业化运营落地。
孙作雷在演讲时明确指出，得益于过去几年智能驾驶科技公司的共同努力，如今对商用车无人驾驶的用户培育已经基本完成，产品和技术的成熟度正空前提升。
据介绍，西井科技已助力振华重工的全球首辆自主驾驶无人跨运车，还自主研发了全球首款真正意义的全时无人驾驶电动重卡 Q-Truck，并携手和记港口打造全球首个 AI 无人驾驶集卡与人工驾驶集卡100%混行的自动化码头项目。
“今年很多行业用户开始直接着眼于实际商业落地，一批无人驾驶码头已经实现持久化运营。可能过几年我们再复盘，会发现2021年将是商用车无人驾驶规模化落地的元年。”孙作雷认为。
商汤智能驾驶副总裁石建萍：高效解决长尾场景是智驾场景覆盖度提升的前提
石建萍则分享了商汤科技在智能驾驶方面的产品方案和技术布局。
经过5年沉淀，商汤科技在今年7月正式推出了SenseAuto商汤绝影智能汽车平台，其中包含了智能驾驶、智能座舱和车路协同等多个方面，而智能驾驶又涵盖L2/L2+和L4级自动驾驶方案。
智能驾驶方面，商汤将会提供量产智能驾驶解决方案和L4级自动驾驶解决方案。量产智能驾驶解决方案还细分为了Pilot-V视觉解决方案、Pilot-L激光雷达解决方案、Pilot-P驾驶领航方案。
石建萍认为，高效解决长尾场景是智驾场景覆盖度提升的前提，而以数据闭环驱动长尾场景问题解决则已成为行业共识。
“利用商汤的先进感知能力，我们在很多场景上能够获得更多的视觉感知信息，为整个系统提供了更多的可能性，包括对停止线的识别、过马路行人意图的识别、对施工区域的障碍物识别等场景，我们都积累了一系列的流程和方法论。”
石建萍说，“在视觉感知部分，我们还是非常自信的，商汤是行业内做得最好的。”
同济大学汽车学院教授朱西产：对 L2+ 的界定不清晰，这种状态不能长期存在
今年，智能汽车赛道大热，除了蔚小理这三家造车新势力，今年又有很多新玩家加入造车。
朱西产认为，这在很大程度上与资本的流向有关——特斯拉和蔚小理的市场份额可能不足0.1%，但市值却几乎与传统汽车的市值总和相当。传统车企和造车新势力的市值之间出现了割裂。
不过，普通用户对于自动驾驶以及辅助驾驶的认知还存在提升的空间，尤其是对于 L2+ 的界定。朱西产表示，这种状态不能长期存在，而且今年各国政府已经开始了 L3 的认可认证。
2020年6月，ECE法规出了ALKS草案。ALKS创造性地解决了危险场景的临界测试工况问题：
以熟练、谨慎的人类驾驶员的避撞能力为依据，从法规区分了“不合理的危险”和“合理的风险”；通过危险场景临界工况的确立，为自动驾驶汽车的“电子驾驶员”争取到了“人权”，让自动驾驶汽车不会过于保守，有利于提高用户满意度、提升交通效率并合理地控制事故风险。
为了保证足够的安全，不少车企开始加码更高清的摄像头、更高性能的芯片、更多数量的激光雷达。但朱西产强调，确保自动驾驶系统的可靠性，要基于场景库的 V 型开发流程+用户数据闭环的敏捷开发。
美团副总裁、无人车配送部总经理夏华夏：无人配送的技术难度并不低
夏华夏在现场分享了自动驾驶在城市复杂场景中的挑战。
他指出，自动配送车因其体积小、车速低，常给外界技术比较简单的假象，但在城市公开道路以20公里以上速度行驶时，非机动车道上的行人、自行车、以及机动车的不确定性经常为自动配送车带来意想不到的安全性问题。
尽管自动驾驶技术整体标准化，但自动配送车多在道路狭窄、多遮挡物、不确定性多的非结构化道路行驶。
他认为，城区配送如果要实现大规模落地，必须实现无安全员的去人化。现在，一方面需要行业玩家继续提升自动驾驶技术，让整个自动驾驶对周围的感知、规划、控制、定位更加安全可靠。另一方面需跟进人力、维修、紧急安全员等运营能力。
今年4月，美团发布整车按照车规级标准生产的自动配送车魔袋20，经过了整车性能测试、耐久测试、严寒酷暑环境适应性等多项测试，最高时速达45公里每小时。
目前，美团自动配送车在北京顺义区的公开道路配送累积里程约50多万公里，订单超过10万。
阿里达摩院自动驾驶实验室业务、产品负责人郭振宇：技术进步不等于商业成功
郭振宇介绍了阿里自动驾驶小车选择落地校园快递场景的原因以及最新进展。
“大家可能觉得自动驾驶最关键的因素是技术进步，但其实技术进步并不等于商业成功，历史上有很多超前于时代的或者非常优秀但不符合实际市场需求的技术，最后都没有取得商业上的成功。”
郭振宇指出，如果没有市场实际需求的牵引，整个技术的演进路径会变得曲折，不知道该往哪里去、该解决哪些问题、又该忽略哪些问题，因此达摩院从决定做自动驾驶的那一刻起，就坚定要从用户、场景、市场出发。
封闭园区、速度低、载物不载人，是自动驾驶车辆落地校园快递场景的主要特点，但这不意味着该场景所需的自动驾驶技术就是更简单的。
随机性高，算法决策难、路况复杂，感知困难、主动干扰，阻碍感知等都是达摩院自动驾驶团队在落地校园快递场景遇到的问题，为此，他们专注于算法、硬件、系统和无人车整体HMI交互的联合优化。从单点技术能力过渡到了综合技术能力突破和应用阶段。
在业务链路中，郭振宇团队开发了车队实时调度VRP系统、可准确预估车辆到达时间的ETA模型等技术来进一步提升配送效率，最大程度发挥自动驾驶能给用户带来的价值。
目前，阿里达摩院的小蛮驴已经落地全国81个城市、200多所高校，拥有每个月进入100个新场景的并行部署能力，而接下来，阿里的智能驾驶车辆还会进入诸如城市物流等新场景。
芯驰科技副总裁徐超：CPU/GPU并不是性能指数越高越好
眼下，SOA 已经成为了行业热词，但在未来，每个人可能都会对自己的车有个性化需求。
徐超认为，在这样的场景下，CPU/GPU的作用非常重要。同时CPU/GPU并不是性能指数越高越好，它们还需要满足特定功能的架构设计、需要消除应用跨界带来的中间层消耗。比如，对于智能座舱芯片而言，需要考虑如何把运算出来的结果顺畅地输出到显示终端。
此外，芯驰科技还布局了智能网关芯片以及自动驾驶芯片。其中，芯驰科技目前提供的自动驾驶芯片为针对 L2 级别的 ADAS，明年将会推出 200 TOPS 单芯片的自动驾驶芯片，同时还将推出高可靠高性能的MCU车控芯片，助力中国芯片产业解决缺芯燃眉之急。
基于芯驰的落地经验，徐超也向大家分享了高可靠车规芯片的六个设计维度：
性能（帮助汽车提高智能化程度、增强用户体验）、功耗（整车能耗下降、续航提升）、价格（整车成本降低、销量增长）、可靠（降低召回风险、保障供应安全）、安全（生命+隐私双重保护）、长效（平台生命延长、研发投入降低）。
高新兴高级副总裁、智能网联事业部总经理吴冬升：车联网赋能智慧出行三阶段创新应用
会上，吴冬升向大家分享了目前通信技术的发展趋势以及车联网对智能驾驶的赋能。他表示，信息通信技术向更高速率和更广泛连接发展，从4G走向5G，高中低速率全场景覆盖。
在他看来，车联网不仅仅从安全的角度对自动驾驶进行赋能，其更重要的作用是从“车车”、“车路”、“车云”的角度以上帝视角赋能区域级交通的低延时、超视距、高可靠、更高效的协同能力。第一个阶段为 Telematics 车载信息服务阶段（1996-2015）；第二个阶段为智能网联汽车阶段（2015-2025）；第三个阶段为智慧出行阶段（2025+）。
目前，我们正处于第二个阶段——车联网能够赋能实现状态共享、意图共享、协同决策、协同调度，从而更好地实现自动驾驶。
此外，吴冬升还认为车路协同对自动驾驶还有诸多助益：
可有效降低自动驾驶的成本，比如在超视距通信、不同时间空间检测、高效交互协作方面都能够发挥非常重要的作用；可有效降低自动驾驶的开发难度，通过对车辆感知范围、感知能力和可识别场景进行拓展，从而实现对单车运行设计域的扩展；可有效提高自动驾驶的安全性等。
Innoviz 中国区总经理苏淑萍：激光雷达对车辆是工具，而不是用来炫富的
从毫米波雷达到视觉，再到如今备受关注的激光雷达，智能驾驶车辆的感知技术一直在往前走，而从2016年成立之初，Innoviz的目标就是做车规级的激光雷达。
苏淑萍表示，在过去五年，Innoviz主要做了两件事，一是在2018年，一款产品获得蔚来一款L3级自动驾驶车的定点项目，根据计划，该车将在明年量产，目前正在进入最后的集成工作；二则是几百人的团队，花五年时间，开发了一款产品InnovizOne，它可为 L3 - L5 级的自动驾驶车辆和非汽车应用提供3D 感知能力。
根据介绍，与计算机视觉软件相结合，InnovizOne 能够实现远距离的物体检测、分类和跟踪，且不受阳光和极端天气条件的影响。
在激光雷达领域，这几年不断涌现新技术，吸引众多目光。Innoviz则基于市场需求，试图打造一款既在性能上可满足要求，又可实现量产，质量稳定可靠且价格合理的产品。
“激光雷达对自动驾驶来说是个工具，它要让自动驾驶性能变得更强大，减少车辆事故，它不是被用来放在车上当摆设的，也不是用来炫富的。”苏淑萍认为。
圆桌论坛：智能驾驶与未来出行的梦想与现实
在由东方富海合伙人、深圳市富海中小企业发展基金副总经理周绍军主持的时长一个多小时的圆桌对话中，6 位嘉宾进行了非常深度的分享。其中一个讨论热烈的问题是：
越来越多的自动驾驶公司尝试在不同的应用场景落地。他们宣称基于各自的强大技术攻入另一全新领域，试图提升某个细分行业赋能的工作效率。如果以行业趋势理性看待，自动驾驶落地的先后顺序将是如何？各种应用场景可能爆发的节点又为何时？
主线科技技术合伙人 & 前瞻院院长王超博士认为，自动驾驶行业的落地过程将遵循渐进式路线，由封闭场景进入开放场景，其路况特点由相对可控进入自由度极高。
可以看到，自动驾驶已在港口、矿区等封闭场景落地开花，已实现商业交付和实际运营。而较为开放的场景如干线物流，近期政府已出台相关政策法规，多地也已开展干线物流应用试点。他认为，经历3-5年的过渡期后，自动驾驶将迎来无人化的爆发点。
持有相似看法的还有一清创新联合创始人、首席战略官詹培勋。他预测，低速场景将比高速场景更早爆发，封闭园区将比公开路面更早爆发，结构化环境比非结构化环境更早爆发。
若根据细分场景排序，封闭场景码头、矿区将是较早爆发的场景，开放场景干线物流、末端物流、环卫清扫将是较早爆发的场景。
MINIEYE创始人、CEO刘国清则从Tier 1玩家视角看待这一问题。他认为，这一问题可分为L0级-L3级自动驾驶，以及L3级自动驾驶以上两个方面来看。
目前，L0级-L3级自动驾驶是多个圈层所关注的重点，也是MINIEYE近两年投入资源最多的领域。然而从商业化角度来看，L1-L2将是未来两到三年的增长空间及市场空间最大的领域，其渗透率将达到50%以上。
而L3级-L4级，因可为传统行业的效率提升作用更为明显，商用车或将率先迎来发展机会。
元戎启行合伙人、副总裁刘念邱回顾，Robotaxi从前几年的非公开道路测试阶段，到如今元戎启行已经对公众开放了示范运营。Robotaxi的下一阶段将进入量产及商业化。
他认为Robotaxi要实现真正商业化除了技术因素，还与政策法规的支持、产业链的发展、资本的投入有关，大规模运营及量产需要整个产业上下游共同来推进。目前元戎启行推出了1万美金的L4前装方案，让L4可以被更多主机厂接受，相信可以加快推进L4量产落地。
速腾聚创联合创始人、执行总裁邱纯潮则将智能驾驶应用场景分为三大领域：机器人、高级辅助驾驶及车路协同。其中机器人领域采用的是完全无人驾驶方案，根据应用场景的不同，可以区分为特种商用机器人、无人物流配送车、Robotruck以及RoboTaxi等等。
零念科技联合创始人、CEO柯柱良，从自动驾驶行业长远发展的角度，认为行业最终将从封闭、低速场景过渡至开放、高速场景，但安全性将是这一过程中的主要挑战。
开放场景将存在许多不确定性和随机性，它们的不断叠加将影响自动驾驶系统的安全性，进而可能越过安全边界发生。这意味着，自动驾驶系统使用的99%时间中可能是安全的，但仍存在安全隐患。
当这些不确定性不停叠加的时候，就会导致整个系统，可能在某一个时间点会越过这个安全边界。
雷峰网雷峰网雷峰网(公众号：雷峰网)
正在生成分享图...
我在思考中