蔡蔚:汽车智能化需连接产品全生命周期每一环节

蔡蔚:汽车智能化需连接产品全生命周期每一环节

蔡蔚：这是谈智能的问题，这是发展的大方向问题。刚才沈总在讲话的以外带出了一个，实际上他在做智能汽车，他发现60%的是做执行层面的东西，只有40%是大脑和感官的事情。换句话说，我们在做60%的事情，因而，不能说跟智能无关。

首先，我们先说几个简单的事情。先是网络的问题。就是我们说网联化，这个东西要联起来，现在指的都是跟无线的东西联起来。无线的东西联起来现在就存在一些问题，比如反应的够不够快，眼睛尖不尖，耳朵灵不灵，脑袋反应的快不快，这几个实际上问题。比如您告诉我要执行什么了您在外面看到了，我的电机或者说我的驱动系统要具备这样的能力去完成你这个任务。而完成这个任务变成很重要，你脑袋很聪明，但是你腿很笨，最后照样的要撞人，照样的要杀人，这是一样的东西。所以首先第一个事情我们在执行的层面要具备这样的能力。比如说您给了我执行的信号，我首先要判断能不能完成您这个任务。而且要短时间内回复您，告诉您我能不能完成这个任务。这硬是非常重要的事情。您想超车，我得告诉你，我的电机是不是热的，已经没法儿超车了，我的控制器没法儿超车了。这都是很重要的过程，这个过程除了安全之外还有一个舒适的问题，说安全的问题大家都知道马航丢了到现在不知道在哪儿，我们的车不能这样。我要保证除了车本身以外，在发动机，在新能源车主要是发动机，我要具备这样的能力，准确的告诉你在哪里。

现在在网联化方面我也遇到了一些挑战，比如我希望能够知道，当然从整个网联化执行过程中，从设计制造的过程当中就智能网联联起来。也就是说，设计的整个过程，一直到生产线上，上次在智能答辩过程中他们问了我这样一个问题，说怎么样保证您的售后，电机和电驱动系统送到客户那儿还知道怎么样，这的确是一个问题。就是这件事情，我们尽管现在北理工有一个大数据，说把吉利的数据调给蔡蔚看，为什么说吉利，因为吉利是我们现在最大的客户。对不起，不行。这样一来就牵扯到一个问题。刚才顾总也在谈的，说前后车之间的通讯，你想调人这个数据行还是不行？理论上讲没什么问题，到北理工调都不是问题，而且这个技术上完全可行。可是实际上，能行吗？我想把北汽的数据调，是装到我的电机，装到我的控制器，所有都装我的，就把它调出来，我把沈总车上的东西调出来，这些都是不行的。所以怎么解决这些问题，就是可实施性和实际当中遇到的问题我们怎么来做，智能化的过程当中包含着很多，从制造，一直到售后，一直到最终这个产品的全生命周期，我们要保证它都是连接起来的。而且这些智能的东西是既能伸手摸的着的，而且还可执行的，这是用到这里。我们现在的确还遇到一些障碍，这个障碍怎么做，我们也在做。但是一个很简单的事情，我们现在的实验，我们在正定的实验，我们可以在北京控制，这件事没什么问题。但是这个牵扯到车与车之间，车与地之间等等的这些，这些事情怎么处理？除了技术上的障碍以外，还有很多其他方面的障碍，我们都需要考虑。而且只有把所有的障碍都扫平了以后，这个系统才是真正可执行的产品级的。

主持人（林雷）：谢谢蔡总。讲到我们现在连接不仅是让驾驶者舒适的连接，还有车的核心零部件的连接的问题。

上面谈了智能化，我们稍微集中一点在网联方面概念的讨论。下面我们进入关于自动驾驶这块。现在自动驾驶很热，而且也有很多想象的空间。在这里自动驾驶这块也分很多级别，所以我想把讨论的范围放在L3这个级别往上的水平上。这个问题来讲有几个方面，请各位嘉宾能谈一下自己的观点。第一，自动驾驶商业化时间。因为谈自动驾驶可以毫无限制的想象，但是没有意义。您认为在您的产品或者规划中，自动驾驶的商业化时间是什么时间？第二个，场景。会在什么场景实现自动驾驶？我们现在很难想象在可预测的时间内，能在全开放的环境下进行自动驾驶，有没有具体的商业化时间。第三个问题，关于在自动驾驶这个领域上，我们车厂是会用传统的公司一步一步发展起来的技术，还是说我们会用我们所谓在自动驾驶领域的新创公司，他们可能会直接从F4切入？

孔凡忠：关于L3以上的自动驾驶的量产时间实际上我们有一个比较清楚的判断。实际上现在来做L3，实现功能，可以说很多的做自动驾驶的技术公司，包括很多整车厂都可以作出样车都没有问题。但是什么时间能量产，这是比较难的。难在什么地方呢？就是说它的功能安全。怎么样做到它确实跑起来了，这个确实是功能安全可靠的。目前的话没有标准，也没有谁敢去量产。

初步判断量产时间跟两个事情有关系：一个是高性能的传感器。它首先能突破取得量产。比方说我们的固态的激光雷达。现在排的时间大概是2021年。所以基于L3，包括L3.5估计到2021年进行量产。第二个因素是成本。在没有大批量使用之前成本是很高的。甚至于比我们现在卖的车价格都贵。所以成本也是一个制约。所以整个量产的时间估计到2021年。这还需要把整个的场景库建立起来。如果没有场景库的话，像前一段时间发生的Uber撞人，特斯拉撞人，就是这个场景没有验证过，没有验证过实现了功能，这个场景化在使用者使用场景中才暴露出来。所以在汽车圈里需要建立场景库，经常使用的场景间接推理。就是对圈定的事情可以负责，圈外的可能不能负全责。

对于场景方面的话，目前应该说很有可能走向量产的，可能在2019年，就是AVP，代课泊车，就是低速的，基本在30公里以下，比如汽车进了车库，从电梯到车位，完全可以实现把车喊到电梯来，也可以从电梯一按让它停到车位。也可以做到让车从地下三层叫到地面上来。这方面的技术发展的非常快，应该说功能基本完全实现，现在是需要反复的验证，验证完后确保它能实现百发百中。因为这个场景是有限的，地库，地图全可以扫描进来，而且可以把各种场景全部验证完毕，所以这块我预计在2019或者2020年投入使用。

另外一个场景就是高速公路。这个场景相对来说也是一个结构化的路面。上高速路后就是结构化，单车道运行还有变线，如果这块把场景库建立起来，经过大量测试验证，这块也是可以验证。还有港口，码头，物流车场景也是比较单一的，这方面成熟后也可以向量产化推进。

主持人（林雷）：您会用传统公司的解决方案，还是会用新创的势力解决方案？

孔凡忠：今后我们在研项目，传统的TL1都做过交流，包括新兴的自动驾驶的供应商，包括科技公司，我们也进行过大量的交流。应该说原来的时候感觉这两者之间差别很大的。传统的TL1对于场景来说，验证的非常充分，之后可靠性才会达到量产的上市。可能很多科技公司的话更多的注重实现功能，把这个东西实现了。但是现在发生了很大的变化，像可以把这个东西写在芯片里，提供给TL1做自动驾驶的开发，可能这两者各有各的优势，融合在一起可能能做出更好的东西来。像国内创业的地平线，它把涉及到各种各样的摄像头加上雷达融合在一起，干了很多基础的工作，形成一种人工智能芯片，然后再开发这种自动驾驶的功能。所以两者的结合既有传统汽车行业的TL1，按照工匠精神一步一步地去验证标准，追求可靠性，同时再加上科技公司的人工智能自学习的精神，可能更有助于L3，甚至L4的实现。

主持人（林雷）：谢谢。孔院长给出了比较清晰的思路，非常重要，我想对传统汽车公司的TL1和对新兴的公司都和有启发。施总，您是什么观点呢，就是关于智能驾驶这块？

施雪松：确实是，斑马网络并不直接做自动驾驶得算法本身，但是从网联这块我们跟自动驾驶的关联度还是比较大的。去目前来讲我们规划大概是这样：第一个，从L3以上我们解决要支持HMI。因为HMI不仅仅跟驾驶者关联，另外是车和环境，和其他车也要关联。所以HMI有非常多的规范，所以我们也会研究这个规范。

第二，我们觉得从L3开始，自动驾驶其实不止是一个单车的自动驾驶，车里面可能会依赖于传感器，依赖于本地的预控制器，做一些基于一些规则的决策，这个可能会在车里。但是更多的，如果说要再做更多的智能，必须要依赖于云端。在云端一个大量的基于图像的样本，就是基于动态数据加上知识的，就是建立在理解基础上的预测可能在云端做的。所以变成我们在车上解决：第一，车是传感器，所以把车采集的数据时事传到云端上，这是我们在做的事情。第二，在云端上做的，跟车相关的要高效传到车上。现在包括在国家一些新的大的项目，比如超级高速公路项目上，我们也加入一进去，就是做人，就是车路协同，车人协同的自动驾驶。

主持人（林雷）谢谢。请朱总谈谈。

朱江明：自动驾驶我们认为是循序渐进的过程，像一个小孩子是不会走路，到别人扶走，再到完全自己走。所以一定是从L2、L3、L4一步一步往前走，这是我们技术预判。

技术的路线上我们始终觉得，视觉加上雷达是一个比较好的技术路线。激光雷达的可行性并不是很高。

第三个，我们是一个以平台化的做法来做我们整个智能驾驶系统，从前面的感知，包括雷达，摄像头，以及超声波雷达，到中间的计算平台，再到智能部件，我们是平台化的设计。刚刚付理事长讲的我们中国缺那么多东西，但是首先我们是想从前面感知，到计算平台，我们全力的去做一些核心零部件。执行我们认为机建一体化，我们觉得有可靠性，稳定性的话，我们还是跟国外的合作更加成熟一些。这是我们的一个技术路线。

第四个，我们自己车子规划的话，我们是在零跑所有车子上具有L3级别自动驾驶功能的硬件配置。只要是我们的车，必须是做一个标准的配置。也就是说，每一辆车都必须具备传感器，计算平台和EPS，ESC这些执行部件，是做我们的标配，为将来进一步的升级打下基础。

所以为什么我们前面采用自主研的方式，完全平台化的方式，就是将来可以统一升级，所有的控制，自己是一套系统，可以无缝的未来的不断的升级，就刚刚像沈总讲的那样，就是具备未来不断升级的能力。