面對自動駕駛商業化謎題,這4家公司代表分享瞭解法...
3 月 23 日,機器之心「AI 科技年會」的並行論壇之一——首席智行官大會受到了業界廣泛關注。本次大會圍繞汽車機器人、晶片及自動駕駛等領域,邀請了 11 位業內極具代表性的企業高層及專家,為出行智慧化的時代代言。
在首席智行官大會的第二場圓桌論壇上,馭勢科技聯合創始人兼首席產品官周鑫、圖森未來聯合創始人兼首席架構師郝佳男、巨集景智駕聯合創始人兼軟體演算法VP董健、禾多科技副總裁戴震,圍繞自動駕駛商業化如何走向成熟進行討論,發表了大量極具洞察性和深度的觀點。
以下是本次圓桌的對話整理:
全場景自動駕駛佈局的挑戰和優勢
馭勢科技聯合創始人兼首席產品官周鑫:
我們最終還是想成為一個AI虛擬駕駛員賦能的公司,將AI虛擬駕駛員賦能到各行各業裡面去,賦能到所有需要自動駕駛能力的行業。
從行業來看,我們先看到的肯定是Robotaxi,這是最巨集偉的終局場景。但這個終局場景比較漫長,不是一朝一夕,大概率要在五年、十年以後實現。
在此過程中,我們會帶著這個願景,將朝向最終路徑發展途中出現的區域性成熟技術,應用、嘗試到所有的場景,同時也利用不同的應用場景去驗證技術。因為技術是驗證出來的,不會有朝一日從天而降,解決天下所有的問題。
我們的一個核心理念是用一個控制器軟硬體的協同設計、一套核心的演算法和感測器佈局,在儘可能多的行業中應用。這個缺點是對工程能力要求很高,需要在演算法在快速迭代和演進過程中,考慮將其成熟化、工程化,然後再去應用嘗試。這樣的好處是能幫助我們快速驗證,快速讓技術成熟。
我們現在看到的很多單一場景比較受限,場景剛開始的時候,學習曲線很好,可以有很多收益。但用多了以後,演算法的迭代挑戰線會慢慢收斂,所以我們儘可能用多場景去做,去學習收集更多區域性挑戰的場景,從而幫助我們主線的Robotaxi技術逐漸成熟。
同時,Robotaxi技術成熟了之後,很多演算法可以快速應用到場景中去,進而互惠、互相補充、互相迭代的一個場景。這是我們一整套的願景,也是從17年以來不斷嘗試的一個商業化探索。
不同自動駕駛路線的技術差異
圖森未來聯合創始人兼首席架構師郝佳男:
自動駕駛今天有很多的方向都應該去探索,每個方向不經過一定的時間週期,可能很難得知到底可不可行。因此,不同的探索一定是非常合理的,而這可以從商業和技術兩方面來講。
從商業來講,對於貨運最根本的還是要幫助貨物主解決問題,比如降低車隊的運營成本。L4級自動駕駛本質就是通過省掉司機來節約成本,這部分可能是目前運營中最主要的支出部分。
對於L3或者L2級自動駕駛,現在也有不同的一些觀點。有觀點是可以通過應用這類輔助駕駛技術,讓人的疲勞程度降低,降低投入的人力。但這點在目前的法律框架下,以及一些資料上,可能還有待驗證。
我們認為L2跟L3的意義,更多是體現在節油層面。因為人很難與自動駕駛系統來對比燃油經濟性,自動化系統可以很好的將轉速控制在最經濟的區間。但是對人來說,經驗豐富的司機也會很難一直保持在這種狀態。
這個問題可能就會變成在行駛途中,如何儘可能保持在自動駕駛狀態,那樣就可能會有更多機會節省更多的燃油。我認為這是L2、L3級自動駕駛領域,尤其是貨運領域,應該做到的點。
如果是做這方面的生意,單純的軟體角度可能並不容易做到的,還需要從硬體切入這件事。因為,不管是造車還是給OEM提供全套方案,只靠軟體很難在商業之中佔有主動權,還需要軟硬結合來去做。
從技術層面來講,L4雖然對資料有很多的需求,但與低級別自動駕駛的設計是有很多根本的不同。L4要達到的點是非常高的可用性,這個可用性其實要通過系統設計達到,而不僅僅是通過資料積累做的。比如,我的車無論有多少的資料,但只要沒有感測器冗餘、沒有做兩套供電,或者演算法本身沒有做corner case,那這個框架就不可能達到L4所要求的完全無人的狀態。
漸進式迭代對於發展高階自動駕駛的意義
巨集景智駕聯合創始人兼軟體演算法VP董健:
巨集景智駕是非常堅定地走漸進式迭代路線的,類似於特斯拉從L2級的量產,逐漸往上迭代到L3、L4。巨集景智駕的終極目標一直是做L3、L4級別的高階自動駕駛,但希望能走一條相對務實、能夠逐步可持續落地的路徑,所以選擇了漸進式迭代路線。
這個過程中,L2級系統對於L4級系統其實是有很多的支援意義。首先商業模式上,國內目前還沒有比較完善的L3以上的法規,路面上能夠跑的車,其實都是L3級以下的系統。換句話說,如果不做L3以下的系統,實際是不可能拿到主機廠這種每年十萬甚至百萬的訂單。
對於巨集景智駕來說,選擇這樣一條漸進式迭代的路線,可以在早期得到一定的營收。創業到現在四年不到的時間,我們的營收已經達到了幾億元,這其實是得益於漸進式迭代的路線。
現在國內15萬到20萬元以上中高階車型,其實比較注重L3、L4的體驗,在這裡面我們比較推薦特斯拉硬體預埋、軟體OTA升級的路徑,這給我們提供了可持續升級的、可「沿途下蛋」的路徑。我們在L3級以下的量產專案裡已經積累了很多量產經驗,這個經驗不僅是對L2有用,對L3、L4也都非常重要。
自動駕駛是非常複雜的系統,它涉及到軟體硬體系統整合等各個方面。如果不經歷幾個量產專案的洗禮,如果不經歷DV和PV的過程、夏季冬季實踐、大規模的里程路測、SOP後客戶的投訴,不經歷跟主機廠深度的磨合,可能比較難打造真正能夠落地量產的汽車產品,尤其在汽車產品對可靠性要求相當高的情況下。
第三從技術來講,我們現在設計的L3其實都是有L4和L2兩套系統同時在跑,會有兩套演算法在裡面。如果將量產車賣給客戶,使用者會跑到全國各地各個地方。這麼大的場景裡,實際只有一小部分處於ODD範圍內,大部分時間系統都是跑在L2的功能上。L2系統對於車的穩定性起到非常重要的託底作用,所以L2的經驗將是我們向高階系統發展非常重要的支撐。
資料其實也是有不同的量級,我們如果選擇做Robotaxi,在一個限定區域裡面、在目前法規限制下,那它的量級可能就是幾百輛車的車隊。但是,如果我們做L2或L2.5系統,就可以積累到每年數十萬甚至數百萬車輛車的量產資料,同時也不會被限定區域。兩者的資料豐富程度是不同的,所以巨集景選擇漸進式的迭代路線。從技術上是幫助我們逐步升級到L3、L4非常重要的支撐,從商業來講是讓我們實現早期造血、沿途下蛋、可持續落地的途徑。
量產資料如何用於向高階自動駕駛系統迭代
禾多科技副總裁戴震:
禾多科技一直秉承著體驗為王的指導方針,提出了以行泊一體、駕艙一體的產品思路,希望通過場景的打通、高效的行駛、互動的和諧等幾個方面,提升使用者的體驗。
首先,從技術上來說,我們的行車自動駕駛系統 HoloPilot和智慧泊車系統HoloParking都會應用到廣汽專案當中,打通自動駕駛的場景。同時,我們開發的車內人機互動方案也會引進座艙,為車主帶來更好的自動駕駛互動體驗,這些都可以在我們量產專案當中體會到。
其實,我們考慮的另外一個問題在於,有了量產專案資料之後,如何充分應用這些資料進行技術迭代的問題。市場上現在有兩種不同的主流方案,一種是像Waymo為代表的直接做Robotaxi,L4級別以上高階自動駕駛一步到位的方案,另一種是以特斯拉為代表的量產迭代方案。而我們禾多科技一直堅持選擇的,是類似後者的量產迭代方案。
從資料量上來看,量產迭代方案的資料量要比Robotaxi可能高一到兩個數量級,而且差距也是在逐漸增加。我們面臨的問題,就是在自動駕駛方案在量產車上落地之後,如何應對這些「海量併發」的資料。
為此,我們正在開發一套完整的資料處理平臺,把以前本地化資料處理閉環逐漸挪到了雲端,實現從車端場景擷取、資料脫敏、資料回傳雲端、資料回灌、故障分析、雲端訓練、場景入庫等完整的雲端工具鏈。這些工具鏈的搭建,都是為了讓我們能夠應對這些大量併發的量產資料打下基礎。
除了與廣汽形成全方位合作以外,禾多科技也在跟其他的主機廠溝通、合作,我們希望把剛才所說的泊車一體、駕艙一體的這些技術用到更多的量產車型上。量產的意義,除了商業價值以外,更重要的也必然是通過更多資料積累,推動自動駕駛技術不斷往前迭代。
自動駕駛如何走向成熟?
是否B、C端百花齊放?
馭勢科技聯合創始人兼首席產品官周鑫:
從我們現在在行業裡的經營角度來看,B端一定是百花齊放的。馭勢科技除了做商用車之外,還進入了特種車領域。例如,我們做的機場的特種車,以及在廠區物流的特種車。
目前,乘用車佔整個社會車輛的絕大多數,但是實際使用時間、實際行駛里程,商用車和特種車佔據了乘用車外的另半邊江山。我們不能說很大,但半邊江山是肯定的。
在這個領域內,我們可以看到B端的需求也是完全不一樣的,有大B的需求,有小B的需求,也有散戶的需求,自動駕駛技術在這方面是大有可為的。B端為社會創造的價值也很大,至少跟C端是一樣大。從這個角度出發,我們會看到自動駕駛是逐步成熟的、很多行業逐步探索的過程。
對於所有做自動駕駛的角度來說,安全是永遠放第一的,沒有安全就沒有自動駕駛的未來。安全相關是最關鍵的,行業要有特色、有系統化的解決方案,因為演算法可能很耀眼,但是系統才是真正的基石。
此外,馭勢科技還做了颱風天、大雪天、大霧天等很多天氣的場景,因為自動駕駛系統是要幫助客戶解決商用場景,雨霧天同樣要工作。而且,必須要在行業裡面真正做到全無人,真正做到L4級別365天的全無人出動,這是第一點。
第二是效率跟成本,無人駕駛技術最終是解決使用者的商業需求,解決甲方的效益問題,要麼削減成本,要麼創造效益,總歸是要幫助其創造價值的,同時也是幫助整個社會去進步,這是我們在B端最核心的使命。這點我們要求真正的去做到在各種複雜的場景下讓L4有更高的速度、更敏捷的能力、更魯棒的效能。
最後一點是管理,包括社會管理、行業管理,這些可能是跟技術無關的,但這可能是決定自動駕駛、無人駕駛能不能最終運用的另外一個因素,甚至可能是決定性的必要條件。
管理在法律法規上是法律法規的管理,在行業應用中是行業的管理,在場景紀律中是場景的管理。從整個巨集觀到微觀的層面,管理一定需要跟無人駕駛技術研發進行配合,互相改變,互相進步。以前「有人駕駛」的管理辦法,未來不一定適合無人駕駛,如果硬放到無人駕駛,可能會把無人駕駛行業未來扼殺掉。所以,無人駕駛一定跟社會管理者、企業管理者一起來進步。
圖森未來聯合創始人兼首席架構師郝佳男:
做B端生意的邏輯就是為客戶創造價值。因為B端使用者很實際,看的是這個東西能不能幫助他賺很多錢,能賺錢哪怕不是自動駕駛他也要,所以自動駕駛是為了實現商業邏輯中技術的一環。
現在自動駕駛有非常多的進展,但還需要繼續解決兩個層面的問題,一個還是技術本身,另一個在法規層面。
L4級別自動駕駛對可靠性要求是非常高的,我們最近也放出了在美國進行的全程無人展示,但只是一個里程碑,最後的商業邏輯需要技術再去往前走。我們能看到終點,但是還是需要一定時間做這件事。
另一點就是法規,美國目前的法規相對來說還比較寬鬆,包括對於責任的認定,很多的州都允許做自動駕駛測試。但是,這也是因為自動駕駛還是一個新鮮事物,等到真正開始大規模上路運營,大家對它的感受是什麼樣,可能又會有一輪新的反饋。圖森未來跟政府層面有很多溝通,一起去推進法規制訂,使相關法規更加完善。
回到中國來講,自動駕駛、特別是全無人自動駕駛,我們的法規相對來會保守一點,現在還有一些法規需要去突破,才能夠真的允許進行測試和運營。當然我們有信心做到,也看到了很多的進展,這也是需要去突破的一件事,與技術是相輔相成的。有更多的政策可以讓我們更多地深入到最終場景之中,進行技術的迭代,兩者也是相互關聯的。
巨集景智駕聯合創始人兼軟體演算法VP董健:
C端落地要比想象中的更快一些,而且一旦落地就會出現比較大的規模,會有大量量產車出來。當前一兩年之內就會出現落地的情況,各個主機廠都在推比較高階的L3、L4功能的車,不僅僅限於蔚小理這樣的新造車勢力,也包括各個傳統主機廠。
這一兩年之內,大家推的是L3、L4體驗、L2責任體系的車型,這是因為現在國內還沒有具體的L3法規落地,所以就算功能已經做到L3、L4體驗了,但是在責任體系上如果出了事故,還是司機負責的,而且在一些高速情況下也不允許脫手。
但是,L3、L4體驗的車型這兩年會推出非常多。我們還可以看到其支援的場景也在一點點擴大,而且是從低速逐漸往高速擴大。一開始可能只侷限於停車場,像特斯拉智慧召喚、小鵬自動泊車的這些功能。
歐洲現在已經有ALKS這項真正意義上的自動駕駛法規,國內法規應該也會很快跟上。現在自動駕駛已經從低速停車場擴充套件到了城市的低速場景,再往後三五年之內高速場景也會逐漸落地真正意義上的L3、L4級自動駕駛,指的是出了事故責任是在車,而不是在於司機。
從B端來看,也是從低速封閉場景逐漸往高速拓展。在這幾年之內能夠較快落地的應該是園區、港口或礦區等封閉場景,以及政府示範區域裡的Robotaxi,這些都落地在有限區域裡運營,規模沒有乘用車大。
往後三五年之內,幹線物流也是我們非常有前景的方向,這裡也確實是剛需。現在物流公司的老總找卡車司機有時候都要親自到微信群裡找,幾家頭部物流公司跟我們溝通,哪怕幫他們節省1%的成本,不管省油還是省人,他們都是願意買單。L3自動重卡可以真正解決這種功能,如果國內法規真正放開,也一定能夠鋪開來。
還有商業化的核心瓶頸,第一個仍然是技術層面的。自動駕駛是一個非常複雜的系統,牽涉到感測器、硬體、軟體、網路等各個方面的眾多問題,任何一個環節出現問題都會影響其可靠性和穩定性。這裡面還需要時間和經驗的積累,這也是巨集景智駕為什麼走漸進式迭代路線的原因。
另一個屏障在於國內法規,目前現在沒有真正意義上的L3法規推出,只有工信部的一些綱領性檔案。我們瞭解到有一些法規計劃放出來,但是還沒有實質性地落實下來。雖然各個政府的示範區是已經比較多了,但是想要推出一款真正能夠讓司機脫手、脫眼、脫腳的產品,還是需要法規的支撐。
責任體系的界定也是很重要的一點,事故的底責任主體是誰,這關係到整個產業鏈的商業模式。如果沒有這樣的責任體系,自動駕駛產品依舊是比較難落地。
此外還有一些資料回傳、測繪的法規、網路安全、V2X規定等技術層面的問題,我們相信相關法規會在接下來的幾年中陸續推出來,從而幫助我們實現大規模的商業化落地。
禾多科技副總裁戴震:
B端、C端呈現出的百花齊放場面有目共睹,未來幾年應用也不會有什麼改變。
從B端來說,首先自動駕駛場景非常廣泛,包括礦區、園區、物流配送,以及道路上的乘用車;其次,各家公司的研發路徑也不相同,有Waymo這種主攻Robotaxi試圖一步到位的路徑,也有像特斯拉這種逐漸通過量產迭代的路徑;第三,各方參與者都是從不同角度切入賽道,短時間內不會形成一家通吃的壟斷局面,未來將是百家爭鳴,百花齊放的局面。
說到C端,像禾多科技這樣最終要在乘用車上量產搭載的自動駕駛方案,肯定要經過C端消費者的考核。C端使用者本身的訴求也有很多,有的關注自動駕駛互動、有的關注座艙互動、有的關注自動駕駛的安全性、也有的更注重駕駛的舒適性。
作為我們這樣的企業,需要同時滿足B端客戶以及C端客戶體驗的雙重訴求。B端的傳統主機廠相對來說比較謹慎,把安全性、穩定性作為重中之重,這就要求我們從流程管理上、從技術開發上都要達到這個訴求。
比如,在流程管理上,我們去年拿到ASPICE CL2的認證,這也標誌著我們在專案管理、需求管理、開發設計、測試驗證、支援過程等方面建立完善的開發流程體系,為開發量產專案打下流程上的基礎。
在技術實現上,禾多科技正在按照功能安全的要求進行大量的開發和驗證,以達到主機廠嚴格的產品出廠標準,今年就將有多款搭載禾多自動駕駛系統的量產車型上市。總之,為了滿足主機廠產品準出的標準,從流程管理到技術開發,這兩個方面我們都在積極地做準備。
從消費者角度出發,雖然現在市面上有很多高級別輔助駕駛,但是我不敢保證所有的體驗都是能讓客戶滿意的,有些消費者甚至會對這種技術產生一定的顧慮,這從某種程度上也制約了自動駕駛技術的商業化落地過程。
禾多科技之所以提出行泊一體加駕艙一體的方案,就是想從行駛高效性、互動協同性幾個方面綜合性提升使用者的體驗,希望我們的自動駕駛技術能夠更快地被廣大客戶所接受。
我們認為2025年是自動駕駛量產的重要時間點。目前來看,自動駕駛已經在一些相對特定的園區、一些封閉的人流較少、速度較低的場所逐步應用起來了,也逐步走進很多人的生活當中。
第一點是車端技術問題,感測器技術、晶片技術正在走向量產化、商業化;第二點是普羅大眾對於自動駕駛接受程度也在逐漸提高;第三點,基礎設施、法律法規等配套部分,可能需要兩三年的時間才能達到比較成熟的階段。
相信這幾點真正落實下來的時候,真正能夠達到商業化途徑的時候,應該就是量產自動駕駛井噴的時期。
- 解密數字時代 AI 加持之道,網易智企聯合機器之心釋出 AI 應用實踐白皮書
- INDEMIND:高需求和低滲透之間,服務機器人為何規模化落地難?
- AI,能為1.2億聽障老人做點什麼
- 探索計算機視覺前沿,螞蟻技術研究院4篇論文入選NeurIPS
- 蘑菇車聯推出L4巴士及「汽車大腦」,由公共服務切入商業運營
- ECCV 2022 | 無需下游訓練,Tip-Adapter大幅提升CLIP影象分類準確率
- “天池杯”全國中小學科技少年AI領航計劃啟動
- 儲存和操作n維資料的難題,谷歌用一個開源軟體庫解決了
- 炸響平地驚「雷」,自動駕駛公司能否接下「雷神」之錘
- OpenDILab幕後的「孤勇者」:AI研究員、電競冠軍和他們的開源夢
- 寒武紀行歌獲博世創業投資公司投資,攜手助力自動駕駛產業發展
- 華為雲位居中國DevOps市場領導者,份額、戰略雙第一!
- 還只會卷論文嗎?70頁報告解密頂級大廠如何玩轉AI技術(附完整下載連結)
- 現在都2202年了,用CPU做AI推理訓練到底能不能行?
- 中山大學通過深度學習分子模擬加速有理PROTAC設計,助力藥物研發
- 覆蓋100餘篇論文,這篇綜述系統回顧了CV中的擴散模型
- PillPack兩位創始人將離職,亞馬遜醫療健康業務佈局“屢敗屢戰”
- 7199元起,英偉達RTX 40系顯示卡終於來了:基礎效能翻倍,光追翻4倍
- 截圖帶島、玩王者榮耀看不見金幣,iPhone 14 Pro靈動島翻車了
- 資料安全公司Fortanix完成C輪融資,是時候採用一種新的企業資料安全方法了!