自動駕駛的尚方寶劍在哪裡？他們或許給出了答案

日前「2018中國人工智慧峰會」圓滿落幕，除去主論壇的「星光熠熠」外，四大分論壇的相關議題也獲得了行業極大的關注。其中，在智能駕駛分論壇中，行業專家就AI賦能傳統汽車、自動駕駛技術的應用及落地問題進行了一次深入探討。

以下，是本場分論壇的演講摘要：

BYTON聯合創始人&CEO畢福康博士

僅從汽車行業來說，我們正經歷著一場變革。其中有三大關鍵點：第一，汽車電動化，也就是新能源電動汽車；第二，汽車智能化，相較於電動化，智能化才是具有革命性意義的；第三，自動駕駛，因為它改革的不止汽車硬體本身，而是把汽車當成一個平台去改造互通。

圖 |畢福康

而中國是一個一切皆有可能的國家。

首先，中國是世界上最大的汽車市場，而且發展速度迅猛；

其次，中國的發展速度是令全世界都驚嘆的；

第三，中國的創業精神非常好，創意和創新能力也很強，加上融資環境好和政府強大的支持力度，未來，中國將可以採取多管齊下的方式全力推動自動駕駛汽車行業的發展。

Quanergy創始人、CEO Louay Eldada（盧偉）

攝像頭是2D的感測器，為被動式設備。而雷達則是唯一的3D感測器，是一種主動式的感應裝置。因此，即便在黑暗環境和各種路況中，雷達都能有著卓越的表現。

圖 | Louay Eldada

但一開始，雷達的成本很高，僅一個裝在車頂的普通雷達，就要8萬美元。但實際上，自動駕駛汽車的雷達應該是隱藏起來且成本較低的。隨著相關技術的發展，現在的感測技術已經可以被集成到晶元中，被安裝在後視鏡或者頭盔里。這樣不僅不妨礙汽車外觀，且成本也有極大的降低，大量採購的話，250美元足以。

馭勢科技創始人、CEO吳甘沙

在中國要做好無人駕駛，複雜度是美國的10倍。所以必須為中國設計一個更加成熟的開放道路的無人駕駛。但這需要大量的測試數據。

圖 | 吳甘沙

統計學意義上，要讓95%的用戶信任自動駕駛技術，需要對超110億英里的數據進行研究。這意味著，需要100輛車24小時、 365天無休，開500年才能開到110億英里。憑當前的技術很難一步登天，但我們可以階梯性發展，先做簡單的讓自己活下去，慢慢達到想要的目標。

憑當前的技術水平，我們很難一蹴而就的做到這一點。所以，我們需要有「階梯計劃」——從簡單的開始做，讓自己生存下去，再去實現開放道路L4級別無人駕駛的目標。而在這一過程中，每個「階梯」都要仔細選擇，從智商（演算法算力）、情商（客戶需求）、體格（產品能力）、學問（數據）四個方面進行縝密的邏輯思考。

禾多科技創始人&CEO倪凱

從大的格局來看，自動駕駛必將塑造出一個新的出行未來。人類在過去一兩千年的歷史發展中，將交通工具從馬變成了車，而我們現在要做的，就是將車變得智能，某種意義上來說，就是希望它再變成馬。這是一個輪迴，這其中，我們看到的是汽車工業從興起到成熟再到智能化的發展史。

圖 | 倪凱

毋庸置疑，自動駕駛的市場很大，但我們需要選擇一個用戶可以接受的角度去打造我們的產品。未來的智能出行，基本有三個方向：

第一，告訴公路的自動駕駛，將帶給乘客長途旅行的快捷感和降低主線物流成本；

第二，城市公路；

第三，最後一公里，完成包括代客泊車在內的最後一公里智能駕駛。量產方面，在車端，做封裝自動駕駛，感測器和計算設備通過封裝量產的形式搭載在車輛上；在廠端，與高速公路或停車場合作，封裝和非封裝皆可。

Roadstar.ai戰略總監張昊

在中國，擁有百萬人口以上的城市超過140個，是美國的14倍。也因此，未來無人駕駛計程車市場規模也是成倍於美國的，是一個萬億級的市場。這是機遇，當然也有挑戰。

圖 | 張昊

第一，成本。最早的林肯MKZ，從車到線控和地盤的改裝，再到一系列的感測器，成本差不多在200萬元人民幣左右，顯然無法投入量產，只能做科學研究；

第二，數據高精度融合和提升計算效率。中國的路況特殊，必須通過技術角度保證汽車安全上路。採集數據並融合，為感知、定位、決策規劃提供有效的數據等，是非常重要的；

第三，監控，以提供友好的環境，加速產業落地。

速騰聚創創始人&CEO邱純鑫

在發生的所有交通事故中，有90%是人為的。通過自動駕駛技術，能夠把人從開車的時間中解放出來做更有意義的事情且更安全。也因此，隨著技術的成熟，資本市場也尅是紛紛入局，在2015-2017年短短三年時間裡，入局自動駕駛賽道的資本大概有800億美元。

圖 | 邱純鑫

而在自動駕駛產業發展的過程中，有三股力量是主推力：

第一是運營商，比如uber、滴滴、菜鳥、京東、順豐等；

第二是傳統的OEM汽車廠商；

第三是科技、互聯網類企業。

由此可見，自動駕駛發展將呈現四大格局：物流、公共交通、特種應用和乘用車。

MINIEYE創始人&CEO劉國清

在自動駕駛技術體系裡面，有三個關鍵要素：人工智慧演算法、大數據和感測器。

圖 | 劉國清

其中，演算法的重要性不言而喻。但做演算法，最終是要實現量產的，我們主要考慮三個方面：

第一、有限的算力情況下，擁有更強的算力就能擁有更優秀的演算法，才能用更複雜的模型完成複雜的任務。但這其中存在成本方面的問題；

第二、降低功耗。很多車開著開著就自燃了，如果要量產，必須控制整個產品的功耗；

第三、車規級，這是最頭疼的，要在規定中挑選元器件。很多時候，一旦開始設計產品並按照設計思路打磨技術，這些難題就會一涌而現。但我們需要花長時間去克服他們，才能開發出可量產的產品。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！