原標題：干貨 | 從ADAS到無人駕駛的可能路徑

內容來源：由希邁商務咨詢（上海）有限公司主辦的第八屆中國國際新能源汽車論壇。CST三交汽車小君邀您，先思考：第一，汽車行業(yè)無人駕駛何時到來？第二，無人駕駛從現(xiàn)在開始看，我們還面臨哪些挑戰(zhàn)；第三，無人駕駛實現(xiàn)的現(xiàn)實路徑是什么？（全文共5749字∣閱讀約6分鐘）

理性看待汽車科技發(fā)展

目前整個行業(yè)是比較亢奮狀態(tài)，因為我們汽車產(chǎn)業(yè)四化“電動化、智能化、智能網(wǎng)聯(lián)和共享化”，確實在推動整個產(chǎn)業(yè)進行重構。作為汽車產(chǎn)業(yè)，從奔馳1886年發(fā)明了第一輛汽車開始，已經(jīng)有120多年的歷史。

但是從70年代到2000年整個汽車產(chǎn)業(yè)的發(fā)展速度是比較緩慢的。我不知道在座的各位有沒有到斯圖加特參加一下博物館，奔馳在70年代、80年代設計的汽車其實跟2000年的汽車沒有太大的差異，甚至核心的性能上，動力性能、車的架構都沒有本質的差別。在三四十年的階段，汽車產(chǎn)業(yè)更多是漸進式的提升。2000年以后，汽車產(chǎn)業(yè)進行了一個新的發(fā)展階段，整個行業(yè)迎來了一個突破性的技術和產(chǎn)業(yè)重構的革新。

我們也要非常理性的看待發(fā)展，無論是電動化的發(fā)展，包括我們今天探討的智能化、網(wǎng)聯(lián)化的發(fā)展。我們要從技術、產(chǎn)業(yè)的角度把握未來發(fā)展的趨勢，甚至未來發(fā)展的節(jié)奏，這樣所有的參與方無論從技術，還是我們商業(yè)模式的準備上，更好的符合這個行業(yè)發(fā)展的基本規(guī)律。這是我今天分享想法，也是希望和大家探討的主要內容。

汽車行業(yè)無人駕駛將何時到來？

進入今天正題，首先第一個問題，無人駕駛汽車何時能夠到來？

我也聽到李總（注：李建宇）對無人駕駛時間表的預測，我非常同意李總的判斷。從目前來看，無人駕駛解決方案的提供方其實有兩個陣營，一個是奔馳這樣的整車傳統(tǒng)企業(yè)，包括奔馳、寶馬、奧迪甚至福特和通用這些比較領先的企業(yè)。另外一個陣營就是科技公司，就是國內的阿波羅。

每一個企業(yè)目前已經(jīng)推向市場的方案，水平也不一樣，傳統(tǒng)的整車企業(yè)更多是我們所謂的L2或者L2.5的階段，當然技術所處的成熟度是不一樣的?？萍脊敬蟛糠秩嗣闇实氖荓3以上或者L4的解決方案，但是更多的是在一些方案驗證的發(fā)展過程。

每一家企業(yè)都基本上公布了他們的無人駕駛的方案落地時間點，整車廠的落地和科技公司的落地有不同？大家看到大部分的企業(yè)是在2020年、2021年之前推出L4以上級別的無人駕駛方案，從我自己的判斷，這也是非常特別的時間點。

為什么這樣看呢？我們看看數(shù)據(jù)，已經(jīng)推出的這些無人駕駛物方案的這些企業(yè)，談的更多的是L4級別的方案。這是我們選取了在加州他們做路測的情況。因為加州路測有一個好處，無論是測試里程還是速度都有領先的水平。我們選取了2017年的測試里程，測試大概35萬英里的距離，其他的企業(yè)設計的總里程還是比較小的。Waymo測試的英里說是352545，中斷次數(shù)63次，中斷頻率每十萬英里18次。

十萬英里大概在這樣的范圍內，如果現(xiàn)在的駕駛方案給我們使用的話在這個生命周期當中有18次中斷，當然中斷不一定發(fā)生嚴重的交通事故，可能是系統(tǒng)的暫?；蛘咂渌麧撛诘娘L險，我們試駕人員主動的中斷無人駕駛系統(tǒng)。

我們做了一個參照：功能安全。功能安全定義的這個安全，我們是從時間里面定義的。我們如果換算成行駛里程，我們做了一個假設，以每小時40英里的速度，這要求我們每十萬英里中斷次數(shù)在0.00004的水平上，換算給我的結果，我覺得也是比較可接受的。意味著每四萬輛車有一次中斷的事故，這是你將來把自己的生命交給一輛機器所行駛的時候，這是可接受的。我們的水平和真正能夠實現(xiàn)安全駕駛還是有很大的因素，里面有硬件故障還有其他車輛的感知行為。

結論，我們可以做一個無人駕駛的方案、試點方案，但是真正達到我們車規(guī)級別，可靠安全駕駛的要求，還有非常漫長的路要走。

實現(xiàn)無人駕駛，我們要克服哪些挑戰(zhàn)？

目前無人駕駛的具體挑戰(zhàn)在哪兒？

首先硬件方面，相對來說，我們的成熟度還是相對比較高，但是還是有一定的挑戰(zhàn)，包括單一傳感器的可靠性，包括激光、雷達、攝象頭，他們都在特定的場景下有一定的局限性。要求我們需要做多傳感器的組合方案，但是組合實際上我們通過分析，目前各個企業(yè)的無人駕駛方案來說還是有不同的爭議和路線，這還是需要更多的驗證才能達到最優(yōu)的解決方案。

另外，決策環(huán)節(jié)，在高性能領域的算，包括控制器的一些開發(fā)和應用。當然執(zhí)行器我們的判斷，雖然現(xiàn)在沒有大規(guī)模量產(chǎn)，這方面我們感覺困難大一些。包括感知環(huán)節(jié)，我們的算法，計算機視覺的準確度，包括多傳感器數(shù)據(jù)融合的方法，包括測繪和實時更新的應用，這些領域我們還是有很多挑戰(zhàn)有很多工作需要做。深度學習，角色環(huán)節(jié)，我們優(yōu)化的速度很快，但是神經(jīng)網(wǎng)絡，我們機器學習這個領域，我們還需要大量的虛擬驗證，不斷提高我們算法的精度。

我們的硬件有很好的基礎，但是有很多工作要做。軟件我們的挑戰(zhàn)還是非常大。這里列舉了幾個比較典型的無人駕駛系統(tǒng)的方案，包括Waymo、Cruise、Audi。

Cruise我把它定義為科技公司，更多會選用高精度的激光雷達作為感知的核心硬件之一。作為我們的汽車企業(yè)，更多的是依賴計算機視覺，激光雷達作為高精度、高成本的激光雷達作為這個方案的重要補充。不同企業(yè)它的出發(fā)點和路徑不一樣，后面我也會做進一步的探討。

一個重要的問題，激光雷達和計算機視覺，到底哪一條路線更適合未來無人駕駛的最終解決方案？實際上看激光雷達，它的優(yōu)點非常明顯，無論探測距離，探測精度，以及不同工礦下表現(xiàn)還是比較好的。第一個成本要求比較高，但是我們看到激光雷達最近行業(yè)的發(fā)展，包括固態(tài)激光雷達的出現(xiàn)，成本很快會消除。

計算機視覺成本比較低，但是它的場景比如過隧道、光暗在這種場景下，計算機視覺有很大的缺陷。另外計算機視覺依賴于我們的算法和處理器的速度，這也是一個劣勢。

我個人的判斷，將來不會說一種或者哪一個路線一定是戰(zhàn)勝另外一個路線，我是說激光雷達和計算機視覺肯定會找到最佳的融合，因為激光雷達本身有不同路線的選擇，最終找到最佳的路線選擇，這個路線選擇是最重要的考慮。

第一、要涵蓋所有感知的場景。

第二、有一個很好的可靠性，包括硬件軟件的冗余。

第三、成本是可接受的，這個行業(yè)還是一個探索的階段，找到一個更加平衡的階段。

現(xiàn)在很多企業(yè)在做無人駕駛的系統(tǒng)研發(fā)，常忽略的是所謂的網(wǎng)聯(lián)技術在無人駕駛這個領域起到的作用。為什么大家更多關注于單車的智能，首先因為相對容易比較解決的，但是從整個社會，整個交通體系來看，未來我們一定首先要把車放整個社會或者交通體系里面去看，因為車本身也需要和其他的交通工具進行融合。

第二方面，我們要考慮到基礎設施可以對無人駕駛、輔助駕駛提供的一些幫助。我們現(xiàn)在的網(wǎng)聯(lián)技術的發(fā)展，更多在跟駕駛員的信息交互方面有很多應用場景，但是隨著技術的發(fā)展，感知環(huán)節(jié)，實際上網(wǎng)聯(lián)也可以起到很多作用，通過我們V2X的發(fā)展，通過感知的互可以大大提高我們感知的準確度，提高我們的安全性，同時也降低我們實現(xiàn)有效感知的技術成本。真正到無人駕駛階段，物聯(lián)汽車可以在決策控制交互方面，也可以起一個非常重要的作用。車和基礎設施可以通過決策的交互，來提高算法的準確度，也可以降低我們對硬件的計算要求。

另外一個挑戰(zhàn)也是我們探討的方向，新一代的汽車電子電氣的架構方案，從分布式的ECU控制單元到我們以總線為核心的汽車架構，這是我們目前主要的架構方案。但是下一步，隨著智能網(wǎng)聯(lián)現(xiàn)在的架構方式是不能滿足未來的發(fā)展需要的，這些需要首先對總線技術本身的發(fā)展，包括以太網(wǎng)的技術，因為我們目前看大規(guī)模的數(shù)據(jù)傳輸有很大的局限性，這時我們新的傳輸介質要引入到其中來。

另外我們域控制器的概念，甚至到未來中央處理器、中央處理單元的概念。域處理器有很多不同的域，比如車身的域、動力總成的域、信息娛樂的域等等，每個系統(tǒng)都有一個域控制器。一方面也信息處理的功能，也有決策共冷（音譯），域控制器具有了計算能力。通過這種能力，對整個電子電氣系統(tǒng)造成技術影響的風險。第二，符合未來在智能網(wǎng)聯(lián)階段需要大量的包括分布式的計算能力的需求，這應該是我們作為整車的汽車電子電氣發(fā)展，未來如何適應智能網(wǎng)聯(lián)技術的發(fā)展，提出了新的挑戰(zhàn)。

這個領域我們公司做了非常多的工作，也在做這方面的研究工作。

另外一個因素就是成本因素，從無人駕駛我們舉一個雷達的例子，雷達成本并不是同一個產(chǎn)品（可能有誤），但是也有一定的說明意義。在市場上可選擇的激光雷達的方案，實際上從很高的階段，2012年Waymo用的激光雷達，到用的固態(tài)激光雷達投產(chǎn)，激光雷達價格將大幅度下降，成本有很大的下降。成本目前是一個主要的因素，但是這個因素很快會得到克服。

做一個總結，第二階段我們實現(xiàn)無人駕駛主要需要克服的挑戰(zhàn)：

1、硬件，基本上成熟度相對比較高，但是對感知過程硬件組合以及最合理的架構還是需要進一步探索。對于計算能力，對于高計算力、低功耗處理器的開發(fā)，也是目前需要做的一個進一步創(chuàng)新的領域。網(wǎng)聯(lián)技術對于我們基礎設施相關的硬件方案還是有非常多的工作需要做。

2、軟件，軟件領域差距更大一些，特別在深度學習的環(huán)節(jié)需要大量的數(shù)據(jù)進行進一步的訓練，而且軟件的可能性功能，安全的冗余差距很大。

3、測試驗證，我們不能僅僅依靠實際路測，第一個時間長，第二個成本高。路測最大的弱點就是解決不了極端情況場景的問題。往往可以預測的就是比較可控的場景，但是我們深度學習最重要的是解決我們平時預想不到的場景。這些場景反而是通過實際的路測是解決不了的，這個時候我們要更多的依賴其他的訓練方式，包括虛擬的測試，包括模擬倉的測試，這是加速我們軟件算法程度度的重要因素。

4、成本，這個行業(yè)是20、80的規(guī)律，我們做的很多工作，實現(xiàn)我們需要的功能，這些從技術角度來講，只需要20%的研發(fā)投入。雖然我們有20%的技術壁壘去克服，但是大家不要過于樂觀，從技術產(chǎn)業(yè)角度來說，要克服20%的技術要投入80%，甚至更高。無人駕駛什么時候能夠成熟，我也不是那么樂觀，從規(guī)模來說也至少在2030年以后。

無人駕駛實現(xiàn)的現(xiàn)實路徑是什么？

真正L4級別的實驗，我們要考慮地理圍欄的概念，我們談任何自動駕駛不能忽略地理圍欄的概念，真正的全場景的無人駕駛肯定在十年以后的時間才能最終實現(xiàn)。這個過程我們一定不能等，最終的階段成熟去使用。重塑一個場景我們去應用一個場景，這樣更早更快的讓我們的高級無人駕駛自動駕駛的方案能夠可以惠及我們的消費者，讓我們能夠在一定場景下使用，包括李總剛才介紹的擁堵狀態(tài)下和特殊場景下能不能使用。

不同的陣營采取不同的方式來實現(xiàn)我們最終無人駕駛的目標，傳統(tǒng)的OEM還是考慮到車量產(chǎn)的問題，往往是我們的L2作為我們目前工作的核心,讓更多的輔助駕駛的功能有條件無人駕駛的功能能夠在我們的車上進行量產(chǎn)的應用。作為科技公司，它更多的是以L4標準以上作為它方案的重點。

這里我給一個對我們參與整個無人駕駛產(chǎn)業(yè)的企業(yè)，無論是硬件還是軟件解決方案，包括系統(tǒng)集成的建議，真正L4級別以上的無人駕駛，如果在十年以后，或者十五年以后的時間點，作為一些領軍的企業(yè)，無論是Waymo或者我們百度、阿波羅，可以在現(xiàn)在這個階段做平臺級別的開發(fā)，無論是軟件平臺、硬件平臺包括算法的平臺，它可以這樣做。因為它有時間去做長期的技術投入，它也有能力引領整個行業(yè)慢慢向他這個平臺去聚攏。

雖然我作為企業(yè)的人士，我不大愿意承認這一點，汽車無人駕駛這個領域就是實現(xiàn)我們手機的解決方案的模式，我覺得還是非?？赡艿?。谷歌，它作為安卓系統(tǒng)的提供商，我們手機的企業(yè)作為應用軟件和硬件的方式，這種相對更可行，而且是產(chǎn)業(yè)投入更低的解決方案，而且這種解決方案成功的可能性比較大，所以需要像谷歌、百度這樣的企業(yè)平臺，但是這個平臺是商用的，從現(xiàn)在開始到技術研發(fā)的商用，是一個很長的過程。

作為中小型的科技公司，你做硬件產(chǎn)品、做軟件方案的時候，你沒有那樣多時間等，你的研發(fā)更多考慮的是模塊化和裁減性（音譯）和繼承性的問題，至少你部分的方案已經(jīng)在整車廠的L2、L3的應用場景里面去使用，在L4的階段再融合到新的架構體系當中去，我覺得這是比較可行的，從戰(zhàn)略上這是比較可行的發(fā)展戰(zhàn)略。

時間差不多，回到我們強調的，我們不應該等到L4的到來，才來想無人駕駛，我們要在特定的場景盡快的去推廣應用，這是我要表達的。

最后，我想把無人駕駛跟我們汽車產(chǎn)業(yè)鏈的影響包括我們產(chǎn)品的定義的影響，我在這里闡述一下我的想法。無人駕駛推廣必將推動我們基于使用的出行模式，并影響未來汽車的形態(tài)。大家可以想象，將來在無人駕駛的狀態(tài)下，在我們共享出行的商業(yè)模式下，實際上我們整個汽車產(chǎn)業(yè)從產(chǎn)品形態(tài)上，是不是應該和現(xiàn)在一樣呢？在家里我們最多可能買兩輛車，每一輛車我們都賦予它非常多的功能，既可以跑長途又可以跑短途。包括新能源汽車也是往這個目標來發(fā)展的，希望一輛車解決不同的需求。但是共享出行的商業(yè)模式下，其實我更多考慮單次出行的目的，每次出行的目的不一樣，其實我對產(chǎn)品的需求也是不一樣的。我們作為汽車企業(yè)，需要對產(chǎn)品定義有更多的想法，當然我們需要長時程里程的汽車對車速也有比較高的要求。

一，如果在城市里面使用，而且又是團體的出行，可能需要四到五座，續(xù)航里程也不要求很高的。二，對最高速度也不是很高，為什么最高速度要200公里以上呢？80公里已經(jīng)滿足我的需求的。我們需要這樣的小車，續(xù)航里程也不需要很高，最高時速甚至可以更抵。

未來以出行為基礎的商業(yè)模式下，我們車的形態(tài)一定要多樣化，因為每個是基于單次出行目的的不同，尋找不同的產(chǎn)品解決方案，這是我們對于汽車產(chǎn)業(yè)，我們作為整車企業(yè)也是我們需要在這方面深思的問題。未來的產(chǎn)品形態(tài)如何實現(xiàn)多元化，因為這里面涉及到一個問題，這些車不需要達到一個標準，無論是性能標準或者安全標準，都不需要達到同樣的標準。這樣的話，通過產(chǎn)品的差異化，可以大大減少我的研發(fā)投入，生產(chǎn)制造的投入，對整個產(chǎn)業(yè)是一個新的產(chǎn)業(yè)的格局。

MBtech公司簡介

MBtech，我們1995年成立，作為子公司，到2012年，我們以服務于戴姆勒的產(chǎn)品線作為我們的業(yè)務。2012年奔馳把我們引入新的股東。同時為整個汽車產(chǎn)業(yè)的其他的整車企業(yè)生產(chǎn)，包括法雷奧這樣的供應商提供研發(fā)和市場化的服務機構。

我們公司總部在德國斯圖加特，全球超過3300位工程師，我們有三個部門，動力總成、電子電氣、車輛工程。我們還做制造工程，為工廠提供設備的安裝調試，關于到生產(chǎn)準備的過程，我們還有小小的咨詢部門，主要為整車企業(yè)提供運營和咨詢的功能。

這是我們各個專業(yè)部門的詳細能力的介紹。今天我要演講的題目也是我們汽車電子部門的技術核心功能定義，包括車聯(lián)網(wǎng)的技術開發(fā)，包括無人駕駛，以及電子電氣這樣完整過程的工程服務。

整體分享到此結束，謝謝大家！

編輯：希邁Polaris·小秋

第八屆中國國際新能源汽車論壇

上一篇：本田-Revolver電動概念摩托車諜照曝光 下一篇：愛馳汽車官方：原滴滴技術高管加盟，出任首席人工智能官