怎样平衡各方利益点至关重要。
文 | 祥威
当时，想要顺畅推动自动驾驭L3量产，算力、路途测验、传感器本钱、路途法规、基础设施、顾客认知等方面均需求有质的打破。但归结终究，恐怕仍是一个安全性的问题。
近来，在AICC 2019人工智能核算大会自动驾驭分论坛上，部分车企智能驾驭研制担任人表明，自动驾驭真实的应战仍然是安全性，轿车一百多年的前史，从诞生之初到现在，咱们关于安全性的重视从未改变过。
同日，来自吉祥、广汽、英伟达、浪潮、四维图新、清华大学和交通运输相关部分的业界人士还分别从算力、渠道、生态、人工智能、地图和车路协同等视点，分析了自动驾驭量产的难点和处理途径。
在他们看来，按期推动自动驾驭，既需求静心攻关，更需求强化沟通，在同一个语境下处理安全和本钱等难题。
车企与供货商的忧虑
自动驾驭开展至今，从炽热到逐渐降温，但趋势却一直未变。
有车企研制人士表明，完结高度自动驾驭是人类社会出行的革新，根据安全的自动驾驭开发还需困难行进，并且，自动驾驭的商业化是逐渐完结的。
大方向既定，但通往未来的路上还要处理不少问题。终究，轿车不是手机、智能电视等消费电子产品，它是高速行驶且制作工艺杂乱的工业产品。尤其是想要进入自动驾驭年代，需求集成的计划和技能的数量更是以指数级添加。
“轿车制作业交融了许多制作、IT和CT技能，其间，后两者做整合便是未来的自动驾驭蓝图。这件事其实很难的，这儿面有云、边、端、人工智能和5G，一切咱们能想到的新技能，可能在自动驾驭上都体现出来了。”浪潮集团高档副总裁王虹莉如是慨叹。
那么，车企和供货商们终究在忧虑什么？
新智驾留意到，从自动驾驭分级规范到终究的量产落地，以下几个问题被重复提及：
一、分级含糊。不止一家车企说到，现有的自动驾驭分级规范与车企实践研制进展并无肯定联络。“L0到L5的自动驾驭分级十分的含糊，它对量产没有有任何的辅导意义。原因在于只规划了场景，却没有规划功用。” 广汽研究院智能驾驭部部长郭继舜以为。
根据此，许多车企在出售时尽管也在打出L2或L2.5标语，但实践研制时却更着重终究能带来什么功用，各个等级的边界并非爱憎分明。
二、算力缺乏。职业猜测，L3等级自动驾驭需求20-30Tops的算力。但现状是，由于必需求满意高低温、抗震、稳定性等车规级要求，即便现有的车规级芯片中算力最大的高通骁龙8155，也大约需求6-8片才干完结根本的异构核算。
当然，一些世界供货商如采埃孚、博世等均在开发满意巨大算力的产品，只不过完结真实量产上车仍需求时间。
三、传感器本钱过高。本钱是阻止自动驾驭L3的天然屏障，由于顾客不可能购买一辆带有自动驾驭功用但价格飙升的轿车。一个比如可以反证这一点。以完结自动驾驭最快的物流货车范畴为例，除了封闭式的高速路途外，本钱肯定是自动驾驭为何在此范畴首先推动的重要原因。
四、难以满意安全性。新智驾留意到，头部车企和供货商尤为重视功用安全。“功用安全涉及到要从头规划软件、添加信号和对关联络统提要求等，许多车企挑选开发L3、L4时，但又没有把安全落到产品上。”霍克说。
强化协作
针对上述问题，包含芯片、高精地图、传感器等范畴的公司等正在会集攻关。
新智驾了解到，自动驾驭范畴现在有云端、边际和车端三种算力需求。不过，现阶段很难依靠任何一种处理器去满意L3—L5量产的要求。根据此，打造算法和硬件结合的处理计划是处理途径之一。而要做一个这样的计划，又要处理算法和芯片怎样绑定的问题，这需求生态层面的协作。
王虹莉说，轿车工业链分工程度超越现在X86服务器工业，杂乱度更高，自动驾驭的核算渠道不只包含GPU、CPU，还有各类串型芯片、传感器芯片，支撑模拟信号，也支撑数字信号的，要把这么多技能整合在一起，并且很好的操控本钱。这仅是硬件层面，此外数据和算法层面技能也十分杂乱，所以自动驾驭必定需求一个强有力的工业生态系统。
浪潮集团人工智能产品司理韩进杰以为，车载核算渠道协作有必要以场景或用户需求为驱动。并且，未来主机厂必定要具有自己的自动驾驭处理计划整合才干，假如依靠传统的Tier 1厂商则会损失必定的竞争力。
韩进杰还表明，自动驾驭包含的数据、算法和算力三个要素中，每个要素都需求许多的协作伙伴参加其间。三者的联系是，自动驾驭路测数据是为了给算法供给更好的辅导，从而练习出高精度的自动驾驭练习模型。跟着模型精度的提高，反过来又可以辅导数据搜集。在这一过程中，算力又起到了供给基础设施保证的效果。
当然，一个问题呈现后，除了给出答案，另一个处理途径是直接从源头躲避问题。这种方法论用在自动驾驭范畴，就呈现了车路协同这一“曲线救国”的技能。多位业界人士指出，由于我国路途担任、行人交通习气、感知场景负杂等要素，车路协同很可能是处理自动驾驭上路的有用途径。
“咱们做了许多的实验发现，人类司机在相对杂乱场景里边离散度是十分高的，以至于用相同的模型参阅一百位司机的错法，不管怎样调整参数精确度不会到达50%，也便是说，不管怎样感知都是不够好的，还需求更多、更精确的外部信息，所以咱们需求V2X。”郭继舜称。
不过，车路协同范畴也存在必定的差异。“许多车厂的朋友进行沟通时，沟通得越多会发现，路方的文明和车方的文明中心存在很大的差异。”交通运输部路网监测与应急处置中心副主任王刚以为，两边要有一起的语言和重视焦点，这样才干发现并处理一些关键问题。
值得留意的是，由我国交通运输协会牵头建立的自动驾驭轿车工业立异联盟现已正式建立。新智驾了解到，该安排将为成员单位供给自动驾驭模型练习，搜集并供给最新的海外自动驾驭信息和技能，以及联合进行国家级自动驾驭项目的申报研制。必定意义上，这关于加速工业协同有着重要效果。
摘取自动驾驭明珠
轿车是工业链条的顶端，自动驾驭又被视为轿车业的明珠。但这颗明珠怎样变现却难住了整个职业。
清华大学车辆与运载学院副院长王建强以为，自动驾驭会带来工业链和价值百科链的调整。其间，工业链调整不只包含传统轿车工业，还包含核算机、通讯、人工智能等。根据有限场景开发的自动驾驭轿车只是可以适合于特定的场景、特定的区域、特定的路况。
“咱们觉得L3和L4最大的商业形式差异在于，L3是C端的老百姓来买，享用它全体的驾驭趣味，但L4更多的是交给B端，由B端定制、购买和运营，经过高功率运营来回收如此昂扬的硬件本钱。”郭继舜表明。
不过，这些商业形式的完结有一个条件，那便是自动驾驭有必要量产落地。
业界普遍以为， 自动驾驭专用车辆的场景相对单一，可以最早做到商用化。自动驾驭出租车场景相对杂乱，会遭到规范化的城市路况和法规限制。最终，自动驾驭落地最难的范畴是私家车，由于它不受限制的，是全工况、全场景的。
而要完结真实的落地，又回到上面说到的功用落地、功用安全以及传感器本钱等问题。越来越多的职业参加者表明，期望将算力渠道服务商、通讯运营商和云服务供货商等整合在一起，将5G、V2X、单车智能和云端进行结合，这背后又需求职业和政府之间不断强化协作。
需求留意的是，开展自动驾驭的过程中还需求时间坚持警醒。
王建强指出，以场景为驱动的敞开形式，能否把自动驾驭面向L4、L5。“咱们试想一下，咱们建立了多少可以包括面对问题的数据库？场景库是有限的，可是咱们面对的场景是无穷尽的，（在这种情况下）敞开的自动驾驭轿车、自动驾驭产品只是可以适合于特定的场景、特定的区域、特定的路况。”
整体来看，车企重视自动驾驭安全和本钱，供货商关怀产品落地场景和盈余，监管层期望经过自动驾驭来提高交通出行功率，这些要素会聚在一起时，怎样平衡各方利益点至关重要。
