人机共驾时代—GTM2022车载DMS功能模块线上沙龙暨报告发布会

2022年6月29号，亿欧汽车举办了“人机共驾时代-GTM2022车载DMS功能模块线上沙龙暨报告发布会”的直播活动。本场发布会是 GTM 主题沙龙暨报告发布会的系列活动之一，GTM全球科技出行峰会是科技出行产业创新服务平台亿欧汽车旗下的重要会议品牌，每年将不定期以线上+线下形式在北京、上海等地举办系列主题论坛、年度峰会，通过高端对话、榜单及报告发布等相结合的形式，聚合产业各界人士，集思广益，共同探讨汽车行业的发展，分享行业信息。

以下为直播内容（略有删减）：

主持人（邱鹿玉）：朋友们，大家下午好！欢迎来到由亿欧主办的人机共驾时代—GTM2022车载DMS功能模块线上沙龙暨报告发布会的直播活动，我是本场活动的主持人鹿玉，感谢各位朋友对亿欧的支持和信任，本场发布会是GTM主题沙龙暨报告发布会的系列活动之一，我们已经连续举办多期，后续将持续举办。

GTM全球科技出行峰会是科技出行产业创新服务平台，亿欧汽车旗下的重要会议品牌，每年将不定期以“线上+线下”的形式，在北京、上海等地举办系列主题论坛、年度峰会，通过高端对话、榜单及报告发布等相结合的形式，聚合产业各界人士集思广益，共同探讨汽车行业的发展，分享行业信息。

DMSdrivermonitorsystem为驾驶员监测系统的简称，中国DMS市场相较于国外市场起步较晚，但是随着2018年“两客一危”政策的发布，中国DMS市场已开始在商用车领域率先崛起，DMS功能在商用车领域的成功验证，也使DMS功能在乘用车领域迎来爆发。

今天的直播，我们以人机共驾时代，车载DMS功能模块为主题，接下来让我们欢迎亿欧执行总经理，亿欧汽车总裁杨永平先生为本次活动致辞，有请杨总。

杨永平：谢谢鹿玉。各位正在观看直播，还有各位支持亿欧活动的嘉宾：

大家下午好！

我是亿欧汽车的杨永平。今天这场主题沙龙及报告发布会是我们本月的第三场，也是我们今年上半年的倒数第二场，在明天下午的同一时刻，我们也会有一场关于2022年上半年的一个总结小会以及下半年的一个策略小会，这是由我们团队来去给大家分享一下我们行业的大小事和下半年的一些行业走向的一些判断，届时我们的研究团队和我们的内容团队的同学都会做一些分享，大家可以期待一下。

回到今天咱们要去聊的话题，人机共驾时代下的智能化的发展，其实在伴随着整车智能的进到一个深水区，智能化在产品层面的表现也更为的具体。在汽车智能驾驶层，我们可以看到L2及L2+的高级辅助的功能在加速的量产上车。在智能座舱层面数字座舱层面，我们也看到电子电器架构的这种深化，还有软件定义汽车的水平的逐步提升，各种的这种态势都指向了一个比较明显的行业趋势，就是舱驾一体化。

在当我们更加期待高级别的自动驾驶，L2及以上的自动驾驶能力进入到民运市场时，我们应该要去经历一个比较漫长的人机共驾的一个时期，这也是我们对于这个行业的一个判断，也是今天活动的一个主题。

所谓人机共驾也就是说在当下的这个人车关系、人机交互的一个高阶形态的表现，在伴随人类驾驶与机器驾驶的这种关系的递进过程里面，我们可以发现人类驾驶依然是车辆在行驶安全与效能的过程里的第一的责任人，如何更好的去服务与人类驾驶的这样的一个关系，是众多Tier1，还有Tier0.5要去和OEM一起去共同突破的这个问题，当然这个过程也是一个机遇。

在这个过程里面，我们要引入一个非常重要的关于产业链里面的新型产业链关系的一个概念，叫TLX，在稍后我们的报告发布会具体的报告里面我们的分析师同学也会具体讲TLX，在这个品牌里的一些变化。

我们可以看到在供应链环节与流程关系的这样的一个错综复杂的过程里面，在产业链的横向、纵向的交织，看似整个以车企为全栈研发的这种中心，在各种的产业链在各种集中，实则我们看到整个供应链来讲无穷无尽，它们的各个环节之间也是一个相生相依的一个过程。

在我们稍后要发布的我们亿欧智库最新的研究成果就是关于中国智能汽车，中国汽车在智能化功能模块研究方向里的一个选题，就是车载DMS这个部分的行业研究。

在聊车载DMS的时候，最近有很多的在汽车流动行业的朋友就会第一时间想到经销商管理系统，它也被简称为DMS，但我们所谓的DMS还是以车主行为监测的，驾驶员行为监测的这样的一个具体的功能。

这个功能在目前的人机共驾的时期，在舱驾一体化这样的趋势下，是车辆在进行主动安全能力的一种进化的具体表现，这种表现它也代表着自动驾驶时代正在向我们走来，自动驾驶的技术也正在朝着更远的未来去进发。

当我们去聊车载DMS，这是一个在乘用车市场渗透率还不足10%，当然今年我们预测有机会突破12%，我们预测在2025年，狭义市场规模也仅仅只有43亿的人民币的这样的一个市场里，而且有很多的国外的ABCD等等很多大厂高手林立，全球顶级的Tier1也在市场都有一些不同程度的布局。

但基于这样的一个，可能看似比较成熟的一个市场的格局和这种状态下为什么要去研究它，或者说我们认为它为什么重要。我们的理由很简单，我们看到了中国本土的原创科技的这种机会和本土的创业公司的这种精神在迸发出一些不一样的活力和一些往下走的这样的一些面貌和精神。

我们说汽车智能化的趋势是确定且比较清晰的，然后智能化功能模块的净化以及各个域、座舱域、驾驶域、网联域等等这样域的发展是具体的，是非常聚焦的。但我们依然值得期待的是说，在这样的产业共振下，新创公司的机会和新创企业怎么去应对这样的一些挑战和这样的时代机遇的过程。

以上就是我的一些简要的分享，接下来也是期待各位嘉宾在后续的对话过程里面能够充分的交流和探讨。

另外我们的最新发布的报告其实在官网上已经有展现，到时候大家可以去下载阅读，期待在明天的直播活动里面可以更好的去聊一聊我们今年这个行业里的一些变化。

我就讲这么多，谢谢各位，谢谢大家。

主持人（邱鹿玉）：好，感谢杨总的精彩致辞。车载DMS功能是人机共驾阶段，保障驾乘安全的关键要素，亿欧智库作为长期关注汽车领域的研究机构，为了进一步深度洞察中国智能电动汽车领域发展现状与其细分模块下的技术原理、市场表现以及竞争格局等问题，亿欧智库正式发布《2022中国汽车智能化功能模块系列研究——车载DMS篇》，接下来有请亿欧汽车分析师李浩诚先生为大家做报告的正式发布及解读，欢迎李浩诚先生。

李浩诚：各位线上的朋友大家好，很高兴又与见面了哈，我是亿欧分析师李浩诚，前段时间，我为大家进行了《2022中国汽车智能化功能模块系列研究车载DMS篇》报告预报版的分享，算是给大家进行了一个小剧透。今天我带着完成版的报告与大家见面了，借用报告里面的一些洞察与研究，与大家一起聊一聊中国车载DMS行业的这些年，那些事。

车载DMS是Driver Monitor System的缩写，也就是驾驶员监测系统，主要是对驾驶进行疲劳、分神以及危险驾驶行为的监测。首先，我们先来看一组数据，随着整车智能化的深入发展，L2+及以上的高等级智能驾驶功能加速上车。当前“人机共驾”阶段，疲劳驾驶、驾驶分神、激进驾驶等主观因素已经成为公路事故和死亡的主要原因，占比高达37%。而造成这种情况的主要原因则是，当前“人机共驾阶段”大多数驾驶操作还是需要驾驶员亲自完成，因此确保驾驶员可以随时接管车辆便成了避免交通事故发生的重要解决方案，这也正是DMS功能所扮演的角色。

相较于中国，国外车载DMS行业的起步要更早一些，早在2006年，雷克萨斯LS460首次配备主动DMS，但主机厂由于成本支出高以及消费者认知低等原因对主动DMS并不认可，2015年4月，纽约车展全球首发的凯迪拉克CT6因搭载Seeing Machines提供的“Super Cruise”的DMS系统而名噪一时，也标志着主动式车载DMS被市场接受的开始。中国虽然也早有企业关注到这个具有潜力的赛道，但真的要说市场的爆发还是在2018年中国“两客一危”政策发布后。商用车通过后装上车的方式，验证了DMS功能的必要性，而随着整车智能化的发展，2020年前后，DMS也开始在乘用车领域有了些苗头。

为什么短短几年中国车载DMS就发展的如此之快呢，我这里总结了三个因素。首先，大家都知道自动驾驶已是行业共识与未来趋势，但其发展进程受到技术、政策等多方面限制，辅助驾驶仍将在中长期内保持市场主流地位。DMS功能在辅助驾驶行业的发展助推下，实现持续的增长。其次是技术的发展，例如我们所了解到的3D成像、光学镜头、红外摄像等视觉技术，同时还包括 AI算法的广泛应用，也将为DMS产品的功能实现进行赋能，与硬件产品协同助推DMS的行业发展。另外一点，也是很重要的一点，便是资本市场的关注，2020年之后，中国DMS行业涌现出很多新兴企业，在资本力量的加持下，中国DMS行业正在持续增长，行业当中也正在不断涌入新鲜血液。

我们先来关注商用车DMS市场现状是如何的。2018年之后，商用车DMS以后装的方式开始上车，但由于后装上车方式，仅需要摄像头、相关PCB以及相关线束便可实现，行业准入壁垒较低，参与企业的规模与实力参差不齐。同时政策并未对后装DMS的产品性能以及智能化提出明确指标，市场监管力度的不足使部分商用车DMS供应商采开始了通过不断压低价格以及产品功能性的方式获取订单。然而结果显而易见，这种恶性循环的价格战使商用车后装DMS的供应商无法获利，同时不断下探的产品性能也无法对驾驶员提供良好的安全保障。因此行业内，一些“正能量”企业，开始通过“算力预埋”的方式，尝试将商用车DMS有后装转为前装。

相较于商用车，乘用车DMS市场又是另一番景象。乘用车DMS发展处于起步阶段，正在由技术导入期向市场导入期发展，政策尚未完善。同时，乘用车市场附带消费属性，需求相对离散化，因此用户对于产品功能的成本和性价比非常敏感。商用车DMS由政策推动市场的逻辑无法在乘用车市场复用。同时呢，对于乘用车用户而言，DMS功能属于低频应用且必要性与实用性不易感知，当然受限于成本，目前绝大部分乘用车DMS的产品体验较差。为此，具有消费属性的乘用车DMS产品设计正在被重新定义，实现功能应用的高频化与智能化。

乘用车的产品设计过程中，以安全提醒为切入口，不断开发与扩充不同子场景下DMS与其他功能与控制域的结合。目前已经有部分AI算法企业，正在不断的尝试将车载DMS与智能座舱域、智能驾驶域以及智能交互功能的融合。而这些功能的融合交互，也为乘用车DMS的智能服务体验与商业模式创新打开了突破口，成为乘用车用户接受DMS功能的助推器。这里也借用中科创达赵总的一句话“车载DMS应该成为座舱域、自驾域、车控域以及人机交互的策略中枢。”

结合当前中国车载DMS的发展现状，我也总结了一些个人的洞察，首先，车载DMS对于驾驶员的状态判定与监测，当前主流的方式多以通过单一视觉对驾驶员面部特征抓取以进行判断。通过驾驶员面部特征将眼睛睁闭程度、嘴巴张合程度进行量化指标的分级，从而进行驾驶员疲劳驾驶与分神驾驶的判断。而当前的量化指标与判断标准尚未形成统一的行业认知，而是DMS供应商通常跟根据自身算法进行标注与判断。当时我就在想，没有统一的标准为什么不去制定一个统一的标准呢。通过跟企业里面的老师交流发现，虽然基于生命体征与视觉监测的“融合检测”方案是学术界正在研究的方向之一，但现阶段对于产品标准（融合检测）的强制定会产生大量的硬件成本增加。其实这也不难理解，对于驾驶员生命体征的监测，一定是需要一些更为专业的医学设备的，因此不利于产品商业化实现，同时也不利于视觉算法企业在垂直应用领域的深度发展。

第二个洞察，DMS供应商的产品设计需要与整车融合，从而为主机厂提供端到端的定制化产品，因此对于DMS的采购，主机厂通常选择软硬一体化的产品形态。当前算法以及芯片企业，通常会与产品性能稳定且能力得到验证的硬件供应商合作，共同培养产业上下游的整合能力，为主机厂适配软硬一体化的定制化产品方案。目前一些综合能力较强的企业，也提出了新的产业定位“TierX”，向下为主机厂提供“菜单式”的产品方案，向上、向左、向右为生态伙伴提供“开放式”的合作模式。

第三个洞察是关于主机厂的，主机厂对于新势力车型以及传统车型的DMS功能的产品发展决策，是不相同的。对于新势力车型，通常会优先考虑产品的智能化水平、差异化水平以及功能的创新性，从而选择与供应商深度合作甚至自研。对于传统的车型，通常会优先考虑成本，并且对标其竞品车型，最后综合考虑是否搭载DMS功能。

我们看完了现状与洞察，再来展望一下。随着DMS功能的大规模上车，主机厂与供应商将得到更多的算法数据与用户反馈以支撑DMS产品功能算法的优化。为了为用户提供更加细致化安全驾乘体验，DMS功能将逐渐提炼Corner Case事故分析数据，持续优化驾乘子场景的产品功能设计，例如夜间驾驶、雨天驾驶、雨天+夜间驾驶等。通过子场景的事故数据分析以及事故归因对DMS的产品策略进行相应的调整与优化。

未来，对于自动驾驶功能的相关标准也将会发布，供应商、主机厂以及用户对于自动驾驶功能的责任划分更加明确。届时，将智能驾驶功能与DMS功能和数据进行融合将成为主机厂布局DMS产品时的重要发展方向。DMS功能与智能驾驶功能的融合促使智驾域对于DMS功能算法与芯片的融合，保证驾驶员在使用智能驾驶功能时的驾驶安全。同时，DMS功能随着软件算法的提升以及硬件设备的搭载，将逐渐发展为一体式的座舱监测系统（IMS），覆盖更广的监测范围与融入更多的感知功能，例如乘客监测、儿童遗落检测等。为驾乘人员提供智能座舱全场景监测方案之外，同样提升了自身产品的溢价能力。

以上是我基于报告进行了一部分享，在分享最后其实我还是要感谢在我报告调研当中给予我帮助的行业老师们，有今天到场的老师，也有一些没有到场的，正是因为有了这些老师的帮助，才能使我在这么短的时间内创造出一份有价值的报告。

同时我今天的分享也只是报告当中一小部分，如果说想了解到更多信息的话，其实可以在我们发布会最后通过扫描二维码的方式来获取完整版的报告。

谢谢大家，我今天的分享就先到这里。

主持人（邱鹿玉）：好的，感谢李浩诚先生对于《智能化功能模块系列研究——车载DMS篇》研究报告的解读和分享。本份报告我们已经对外公开发布，感兴趣的朋友们可以通过直播间的报告下载链接，或者登录亿欧官网进行免费下载。

随着整车智能化的深入，L2及L2的高级辅助驾驶功能的加速上车，L3级别的自动驾驶也在快速落地过程中。当前在完全自动驾驶尚未得到验证的情况下，人机共驾成为行业与市场的最优选择。

在人机共驾阶段，当驾驶场景超出系统的能力范围后，驾驶权能不能安全的从机器交还到人类司机手中，以及如何确保人有能力接管，这些过程中都需要系统感知与理解人类司机的当前状态，驾驶员状态监测成为保证驾驶安全的关键所在。

带着这些问题，今天我们请到了苏州智华副总经理杨波先生，中科创达智能网联汽车事业群产品总监赵锐先生，瞰瞰智能合伙人产品事业部总经理陈兴文先生，清研微视总经理张伟先生。

在圆桌开始前，请允许我简单的介绍一下他们。

苏州智华汽车电子有限公司副总经理杨波先生，分管公司智能驾驶领域技术工作，毕业于清华大学车辆与运载学院，长期从事智能驾驶领域视觉及控制算法开发，曾就职于北京经纬恒润科技有限公司，助力转向EPS业务板块。在智华科技主导开发了乘用车前装领域车道偏离报警系统、前向碰撞预警、行车记录仪，全景环视泊车系统、融合全自动泊车系统、记忆泊车等ADAS和智能驾驶产品，其成果先后搭载了超过100款车型，实现大批量量产落地。其中主导开发的智能座舱监测系统IMS前装出货量位居行业前列，并成功在国内10多款车型量产。

中科创达智能网联汽车事业群产品总监赵锐先生，是中科创达产品总监，负责中科创达智能汽车事业群，智能视觉相关产品及业务，北京理工大学机械车辆学院硕士，历任负责创达汽车座舱产品、仪表产品、视觉及泊车相关产品，主持并定义开发全场景视觉及泊车产品，包括faceID、DMS、OMS等产品及解决方案。团队旨在打造更安全、更智能的低速智能驾驶产品及解决方案。

瞰瞰智能合伙人产品事业部总经理陈兴文先生，毕业于哈尔滨工业大学硕士，在联想集团有17年创新技术产品经历，智能硬件生态企业孵化投资经验，主导了多项关键技术创新产品研究开发，创新项目孵化投资，SIOT生态及产品孵化，国内外发明专利余60件，现任北京瞰瞰智能科技有限公司合伙人，产品事业部总经理，专注于提供端到端视觉影像软硬件一体化及解决方案，涵盖车载LOT领域在车载领域与国内新能源投顾主机厂Tier1产业链合作伙伴，共同打造具有前瞻性的智能座舱，ADAS影像产品，目前多款产品已经量产落地，或者定点在研。

清研微视总经理张伟先生毕业于清华大学汽车工程系博士、博士后、研究员，江苏省双创人才，苏州清研微视电子科技有限公司创始人，汽车行业近20年经验，致力于基于人工智能技术的车载应用，自动驾驶核心技术的研发及产业落地，拥有近百件国家专利，曾牵头制定了中汽协驾驶员异常行为监测系统技术要求标准，接下来有请四位嘉宾和大家一起就话题“车载DMS浪潮兴起，中国企业如何乘风驭势”展开讨论，亿欧汽车分析师李浩诚先生作为本次圆桌对话主持人，有请几位。

李浩诚：好，感谢主持人鹿玉，首先非常欢迎各位老师能够来参加这次圆桌讨论，其实我跟各位老师也算是老朋友了，因为在报告撰写当中其实大家也都有一些交流，但是我还是说在我们开始讲之前，希望各位老师简单的跟线上的观众进行一下介绍，包括您个人的一些信息，还有包括我们企业的信息，那就先从智华科技的杨波开始。

杨波：大家下午好，各位老师，我是智华的杨波，我现在是分管智华的智能驾驶系统的研发工作。

智华科技是成立于2012年，目前定位是渐进式的智能驾驶，还有辅助驾驶的系统供应商，也是清华大学重点培育的智能驾驶的企业。因为公司成立的比较早，其实之前并没有智能驾驶这个概念，当时我们做的都是ADAS的产品，然后现在基于智能驾驶的大潮，其实公司也是聚焦于智能行车、智能泊车、智能座舱三大智能驾驶的场景领域，然后为全球的汽车行业提供先进的、可靠的、安全的智能驾驶的产品系统。目前公司的整体的研发团队超过了200人，然后智华也是通过10多年的努力，也是有了20多家整车厂的一级供应商的资质，累计配套的车型也超过了100款，目前智能摄像头的整体的出货量也接近了1000万颗，然后智能驾驶的控制器也接近了200万台，在行业内还算是一个小学生吧。关于DMS和IMS的这个系统，其实智华也是通过了几年的努力，也是打造了包含了低、中、高配三种配置的这种方案，然后满足各个主机厂和各个客户的一个需求，包括了我们单体的这个DMS的方案，包括终极的，这里面包含了DMS和前排OMS的方案。当然我们现在也在研马上量产的，包括了4个摄像头，包括后排的两个壁柱的摄像头，就是四个摄像头的方案。包括刚才李浩诚老师分享的，我们也是会在这些智能的摄像头除外，我们还会加入一些毫米波雷达来感知驾驶员和成员的生命体征。谢谢大家。

李浩诚：好的，谢谢杨总，然后接下来让中科创达的赵总来简单自我介绍，还有我们的企业介绍。

赵锐：大家下午好，我是中科创达的赵锐，然后主要在创达这边负责智能视觉相关的产品和业务，那么我们的整个智能汽车其实是分成一个全场景视觉产品的一个解决方案，它包含像舱内视觉，然后环向视觉和这个前向视觉。那么今天其实咱们主要的topic就是DMS，其实是我们舱内视觉的一个核心产品之一，那么我们在整个全场景视觉里头，包括像环视，包括一些创新型的，像carlog，然后包括数字外后视镜CMS，相当于整个视觉不同的一个方位的产品，包括全栈的技术都是有非常深厚的一个积累的。那么我也简单为大家介绍一下中科创达，那么中科创达是领先的全球的智能操作系统技术和产品的一个供应商，那么我们会集中聚焦在两个点，一个就是操作系统，一个是人工智能这两个核心的领域，然后我们依托于整个操作系统和AI的一些产品和技术，然后在手机等这种移动终端，然后包括像IOT，包括我所在的智能汽车，这三个方面做整体的一个业务的布局。那么自成立以来的话，中科创达其实一直是秉承整个全球化的一个战略，那么截止目前创达整个的海外子公司，然后包括研发中心已经布局超过了40多个地区，那么我们可以为整个国内外的客户提供更加全面的一个产品和技术的服务，以及当地化的一个支持。谢谢大家。

李浩诚：谢谢赵总，接下来让瞰瞰智能的陈总进行一个自我介绍和企业介绍吧。

陈兴文：谢谢浩诚，大家各位好，我是来自瞰瞰智能的陈兴文，目前我在瞰瞰智能这边是整体在负责公司的产品事业部，所以说就会涉及到整个公司所有这些产品相关的都是我在负责。具体今天我们聊的车载方面，你像现在瞰瞰智能这边，我们整体是把自己定位成是一家提供端到端的视觉影像的方案和产品这样一家公司，我们重点会专注在从光学影像的底层的最核心技术开始，包括从我们的光学设计一直到Camera的模组，到底层的影像的调优、调教、基础算法，以及说上层应用算法和应用到产品的整体的这样的解决方案。为什么我们会要这样做？首先对于我们一家公司来说，它所有的核心团队很多都是来自于手机行业和来自于车载行业的，当然我们也知道对于影像来说，事实上一会儿我们也会分享到，就对于车载来说，它其实是从功能型往智能化走。所以说另外一方面大家知道在手机行业其实影像的技术、影像的体验，在所有行业里边应该是最极致的，我们会把我们在手机行业结合车载行业里面和光学视觉积累，深厚的一些积累，然后来形成端到端的解决方案和产品，用这样的方案来赋能我们的这些行业，具体今天聊的其实更多是聊车载行业。说到车载行业，我们具体会围绕着智能座舱和辅助驾驶来提供端到端的影像的这些产品和解决方案，所以我们从这个影像软件服务到影像的这些，比如说像座舱里的DMSO模组，以及说我们在做一些创新形态像IC相关一些创新形态的这些影响的产品，我们会在提供这样的整体解决方案，这样的话对于我们这些，实际上我们在这个行业里面其实算是一个后来者，所以我们更多的会在产品的技术、产品形态应用整个方面会进行一些创新应用和融合的这些创新。目前为止我们确实在座舱内，包括在座舱外的一些Camera创新以及很多创新的产品都在量产落地了，我就先分享到这儿吧。

李浩诚：好的，谢谢陈总，接下来请清研微视的张总，然后简单的自我介绍和企业介绍。

张伟：大家好，我是来自于清研微视的张伟，我是2012年从咱们清华大学博士毕业的，其实在学校学习期间，就在做驾驶员状态识别方面的研究，应该说在咱们国内，咱们再从理论层面上就是说做研究算是比较早的一批了。因为2006-2009年的时候，咱们清华大学进行了第一期的863项目的研究，就驾驶员状态识别方面，当时也是评为现代交通技术领域五个有代表性成果之一。因为当时是在学校里面，就是在PC机上主要是开发这些人工智能的识别的算法，所以当时科技部也觉得这个产品不能咱们只局限于在PC机上去开发算法，我们应该把它做到嵌入式系统里面去，然后让它能够上车。所以在那个年代因为能够处理图像的芯片，也就是TI的DSP芯片，所以最早就在DS芯片上，就是从2009-2012年做了第二期863，这是咱们科技部进行的一个滚动支持。那么做完了以后，那么在咱们TI的demo板上，咱们开发板上这个算法能跑起来了，当时被评为“十一五”的亮点成果，科技部也觉得咱们863的项目就应该这么做，就想瞄着能够产业化，能够为社会带来价值这一个标的区域进行项目的研发和这种布局。那么2012年我博士毕业以后，2013年就创立了清研微视这家公司，主要也是将原来的一些理论怎么样做成产品，就是想着能够用到咱们车上去，能够为社会带来价值，所以2013-2017实际上都是在做一些理论的研发和工程化开发，包括应用场景的匹配。实际上DMS这个技术应该说还是个挺难的技术，后面的我们也可能讨论到，虽然现在目前DMS技术在车载方面已有一定的匹配量，但实际上在DMS一个深层次的方面，现在在技术的研发方面，其实我们都没有到比较尽善尽美的一个程度。那么清研微视创立以后，就是到了2017年以后，我们开始就跟车场去匹配，现在像陕汽、江陵、东风、徐工也在给这些车厂的在供货。因为图像识别和人工智能的视觉技术有比较强的相似性，所以在公司层面上也讲算法从这个DMS的技术扩展到了自动驾驶的视觉感知的整个的解决方案，这是公司目前在做的事情。我就先把整个背景先给大家做一下这种简单的初步的交流。

李浩诚：好的，谢谢张总。我们听到各位老师了介绍，包括企业介绍，那我们开始今天的圆桌论坛。

首先第一个问题其实我刚才一直在说人机共驾，在人机共驾这种阶段车载DMS提供这种驾乘安全的一个重要保障。所以说在当前中国车载DMS处于一个什么样的阶段，我还是想请我们商用车当中老前辈，清研微视的张总从商用车的角度来跟大家去讲一讲目前车载DMS发展的一个阶段。

张伟：好的，那我来说一下。我觉得DMS这一块技术从现在说处在什么阶段来说，我觉得它应该这么表述，大家看准确不准确，我觉得是处在市场大爆发的前夜，应该这么说。为什么这么说呢？我觉得可能有这么三方面的一个背景和推动因素。那么第一个因素就是说商用车这一块，它涉及的人群基数比较大，另外就是政策推动的力度在持续的加大。那么具体简单就是说我再谈谈这一点，据现在的不完全的统计，现在我们国家的商用车大概在1500万辆左右，有2000多万的商用车的司机，实际上2000多万商用车司机背后是2000多万个家庭，那么在这些家庭当中，司机的收入实际上是这一个过家庭当中最重要的收入来源，就司机的安全问题是涉及民生的重大问题。

那么我们国家对人民生命财产的关注度越来越高，那么也促使DMS在商用车的应用领域会加速，这是第一个背景。那么第二个背景就职业驾驶人群，对DMS的需求是强需求。那么职业人群由于像职业司机，由于工作的需要，经常需要长时间连续的驾车，像这种注意力不集中、疲劳驾驶，这样的情况经常的会发生。

那么咱们在做报告的时候浩诚也讲到，实际上现在由于驾驶员的问题，注意力不集中，分神也好，现在有37%的事故是有驾驶员的行为引起，这些驾驶行为引起的，所以说DMS在商务车领域，对于职业驾驶人群来说，这个痛点会比较痛，那么这是第二个背景。那么第三个背景我觉得就相关主体的诉求也更加强烈。那么这三个主体包括谁呢？第一个是我们的商用车的车队，那么商用车车队它是事故的责任主体，那么事故其实是造成咱们车队收益性降低的一个非常关键的因素，咱不说出大的事故，就小的事故车几天开不了，对车队经济性都有比较大的一个影响。那么第二个主体咱们说保险公司，就目前商用车的保险实际上是全面在赔付的，像咱们商务车的综合成本率现在大概多少呢？大概在120%左右，所以现在保险公司为了降低了咱们车队司机的风险，实际上是付出了巨大的代价的。那么这是从保险公司这一端来说。另外从政府这一端来说，那么怎么样降低交通事故发生率，特别是恶性交通事故的发生率，那么也是政府的强需求。所以从这三方面来说，那么从涉及的人群和家庭来说，从职业人群本身的职业特点来说，还是从政府的推动力来说，那么都决定了DMS在商用车这一块会迅速的爆发起来。那么现在在汽车安全方面，商用车好多的内容已经成为了标配，当然也会有一些挑战，我想会在不远的未来，那么DMS也会成为商用车这一块一个强制性的配置需求。

所以我认为DMS目前所处的阶段就是市场大爆发的前夜，我这么分享一下。

李浩诚：好的，谢谢张总的分享，刚才张总也是从商用车的角度来跟我们探讨了一下DMS发展阶段，也讲了目前所处的这么一个三个背景环境，那我也想听一听智华科技的杨总从乘用车角度来分享一下咱们自己的观点。

杨波：好的，是这样的，我们公司内部也是大概分析了一下，其实不光是DMS产品，其实所有的产品可能都会经历这样的一个过程，就是技术导入期，然后到市场导入期，到技术成熟期，最后才到市场的成熟期这个过程，就是我们分了大概四个过程。然后在乘用车这个市场层面，我们现在觉得现在目前DMS或者是IMS这个系统还处在市场导入期这个阶段。

为什么这么说呢？其实咱们来分析一下，最早其实我知道的是奔驰的S级就有DMS这个系统，但当时它好像是用方向盘转角或者方向盘转距去间接的判断，它并不是直接的去判断驾驶员的行为或者是状态，它是间接的通过一些驾驶员的这种操作来辅助判断是不是驾驶员疲劳或者是分心。其实基于这个背景，我们看这种技术背景下，其实它很难去渗透到低端的车型，因为它的判断其实不是特别准确的。后来就是到2015年、2016年以后，包括机器学习，包括深度学习这些算法或者是AI算法的应用，其实技术上是已经差不多能够满足大家的需求了，但是这个时候虽然技术已经导入了，但是毕竟驾驶员疲劳，驾驶员分心。

其实大家都开过车，可能一年我们在驾驶车的时候疲劳可能也就只能发生个五六次，我觉得撑死了，所以其实这个时候我们依靠这些低频的应用，其实也是无法导入市场的，所以后来其实包括智能座舱的兴起，就是我们要把这些人机交互或者人机共驾更加有一些娱乐性的东西加入进来，我们把这些低频的应用，然后上升到一些高频的应用上，这个时候可能客户才能会为你这套系统或者为你的这些应用去买单。

所以其实现在包括智华，其实出货量最大的并不是单体的DMS的系统，而是IMS，就结合了DMS和OMS的系统。因为它除了能提供这些安全性的这种低频应用外，其实提供了更多的就是比如手势切歌，然后抽烟降窗这些高频应用，所以客户可能才会为这些智能化的应用去买单。

当然其实为什么说现在还只是处于市场导入期呢？虽然我们深度学习的应用，包括这些AI芯片的应用，还算是可以，但是我们的技术并没有达到一个很成熟的阶段，包括一些误报漏报还是会存在的，所以其实技术还没有到很成熟的阶段。

其实刚才张总也说，包括我们的技术在去迭代，然后才能迎接下一个爆发期，所以我们现在觉得现在还是在一个市场导入期的一个阶段。谢谢大家。

李浩诚：好，谢谢杨总的分享，刚才其实从杨总还有张总的分享当中我们可以看到，其实我们中国的DMS其实还是在爆发的前夜，刚刚他们提到我们在爆发前夜也从侧面说明我们目前中国的前装DMS其实搭载率还是比较低的。所以说我想请问一下创达的赵总，还有瞰瞰智能的陈总分别帮我们分享一下，您认为目前搭载率比较低的原因有哪些？先从赵总开始吧。

赵锐：虽然说现在搭载率确实是相对低一些，然后但从我们的视角来看的话，就是DMS它其实不管是对于这个驾驶的安全或者说是智能交互来说还是非常关键的。那么现在的一个节点其实是可以看到人机共驾这种场景其实会持续相当长的一个短一个时间。那么刚才其实在李老师分享报告的时候也提到了，现在DMS其实是唯一能关注到这个驾驶员的一个状态和驾乘环境的，所以我们其实是一直认为DMS可以作为三域，就是座舱域、自驾域，包括车身控制域的一个策略的一个中枢。

所以从数据来看的话，虽然说可能搭载率低，它的基数少，但是它的增长速度是比较快的。那么我们来分析一下背后整个车辆搭载基数比较少的一个原因，其实从我们来看的话还是可以分成三个方面，一个是这种法律法规，包括标准。那么第二点的话，因为它本身是一个产品技术，所以说产品的体验是非常核心的。然后第三个就是成本。那么从法规来看的话，因为现在商用车其实走得更加靠前一点，它整体的国标或者行标其实相对更加明确。那么乘用车尤其国内来说的话，它会进度更慢，比如说欧标，Encap它其实已经发布了，所以海外的车型或者说这种国产出海的车型，它对于这种配置率相对来说还是比较高的，那么现在国内的话，其实对于DMS的一些国标其实也在积极的制定当中。

那么更重要的其实是对于DMS这种监管的标准，就是它怎么去确定它对应的指标，然后如何去认可这个评价其实是非常重要的。那么我们相信其实随着法规包括标准的一个持续的制定和完善，那么整个DMS搭载率其实会有一个非常明显的一个提升。第二个阶段的话就是这个产品体验，那么体验来说的话，它其实可以分成一方面对于机器的，一方面对于人的，那么对于机器来说的话，就是安全加乘的一个体验，那么对于人来说就是这种智能交互的体验。

先从安全驾乘来说，对于整个ADAS或者说是整个自动驾驶系统来说，其实最关注的还是识别率，然后包括这种像阴阳脸这种Cornercase的一些应用，然后包括它和整个自动驾驶系统联动的一个稳定性，包括功能安全的这种合规性。那么从目前来看的话，实验室的数据其实大家各个厂商其实做的都非常好，那么在真实的这种驾乘环境之下，其实不管是外部的环境的干扰，还是这种光线的干扰，它的漏报率和误报率，包括功能安全，我们相信还是其实有一个比较大的进步和提升的空间的。

对于像智能交互来说的话，现在大家其实很关心的就是人脸敏感信息是吧？舱内因为它是一个偏私密的一个环境，那它整个敏感信息的泄露的担心，然后包括这种播报策略有时候会干扰到驾驶员的一个情况，所以说这两个情况其实也是会影响整个普及的一个内容。那么最后一个可能就是成本这块，当然我觉得它不是一个主要原因了，它可能是一个排到第三顺位的一个状态。那么之前其实更多的是这种软硬一体的盒子的方案，它的盒子其实包含了camera的模组，然后包含了计算的单元，然后包括像系统，像算法等等一些内容，它的成本相对来说会更高一些。那么现在伴随着整个座舱域和自驾域算力的提升，其实我们可以把DMS融合到这个域控里头，这样的话整个成本的降低是非常明显的，然后包括现在随着camera模组的一个铺量的一个上量，然后相信对于成本的一个降低也是非常明显的。差不多我就觉得是这些吧。

李浩诚：好的，谢谢赵总，然后也想请瞰瞰智能的陈总跟大家分享一下，您认为目前除了刚才赵总提到的那些点之外，还有哪些导致目前乘用车前装DMS搭载率比较低的一个原因呢？

陈兴华：好的，浩诚，我也分享一下。其实我整体上跟智华杨总的观点有些看法我觉得还会比较认同的，确实我觉得首先第一方面就是你从增个行业来看它还是处于比较早期的，对于乘用车市场来说，尤其是这个前装的乘用车市场。那我们可以看到你作为后装的商用市场，我认为这个市场更多它是由政策驱动，更多范围上是属于强制安装。

那对于我们乘用车市场来说，事实上它整体的还是处于前期早期阶段，就像刚才提到你从早期的推广、普及它是需要时间，那在这个过程当中，不管是我们的设备厂商还是我们产业链、主机，包括客户其实整一个市场上是需要慢慢去培育和教育的，我觉得就是从大的角度来看。我另外一个观点会觉得说作为乘用车的前装市场来说，我们没有必要或者说不应该希望说靠国家出台一个强制的政策把这个普及给拉上来，我觉得这件事情在乘用车市场可能不是我们应该重点考虑的问题，那我想说的到底什么是关键要素呢？

我第二点看法是对于乘用车市场DMS来说，我觉得从目前的现状来看，它的整个产品定位和用户价值这一部分其实需要我们做这个行业的人共同一起去思考的，我自己的一个判断现在的这些产品其实它存在的功能不是刚需，紧接说这些应用它这些东西它没有形成闭环我，这个是非常现实的问题。

这是我的看法。因为你对于商用车市场来说，它跟乘用车市场它的出发点和用户的角度是不一样的，所以说我们不能也不应该用商用车市场的应用和产品定义来推导乘用车市场这个需求，就像我刚才已经提到了你对于商用车市场来说，实际上更多是监控用的，更多是强制的，它产品出发点它不是从用户系数出发，你导致说我如果用同样的产品，就像杨总刚才也分享到了，就是说如果你用同样的产品给到乘用车市场这些司机也好，这些家乘人员也好，其实实际上很多时候是变成低频的，或者说很多时候变成不愿意接受的东西，如果是我们用同样的定位去讨论或者去定义我们乘用车的DMS的话，我觉得这件事情确实它就是很难推动起来的，这是我的第二个观点。

紧接着我觉得我想说的第三个我的看法是说因为可以看到乘用车市场现在几个非常大的趋势，我一直会认为说你的乘用车市场之前camera产品也或，包括DMS，包括DNR这些产品也好，更多的之前还是停留在功能阶段，我一直打个比喻说，其实现在乘用车市场及camera这些影像产品，就是处于就像我们当初从功能机向智能机切换那个阶段，所以它目前的阶段还是处于从功能导向型往智能化走的这样一个阶段，那在这个阶段里面实际上我们可以看到从整个产业链或者整个产品来说，其实从技术的角度看它是存在很多不成熟和需要一些改进的地方。

比如我们也可以看到很多camera产品在一些影像指向方面就很糟糕，比如说在一些特殊场景，我们可以看到在雨天或者在晚上，甚至在一些隧道很多地方它的质量就是很差，这个就是技术的考量，紧接说我们在算法算力以及刚才其实创达的赵总也提到了另外一个角度，就是对于乘用车来说整一个产品架构会发生很多变化，如果说我们还是用原来的做法，那实际上在乘用车市场我认为从成本上面也会面临很大的挑战，所以综合来看最后总结一点，就是综合低的原因来自于行业发展现在确实处于早期，第二我们产品定位，产品其实是和用户的需求其实是不匹配的，第三点是说我们在技术上，在这些成本上面确实是还面临一些挑战需要我们大家一起去努力的，这是我的几点判断。

李浩诚：好的，谢谢陈总，刚才其实四位老师也是从宏观的角度去，包括也涉及到一些微观的角度，然后跟我们去讲了一下中国车载DMS目前发展的阶段以及背后的一些原因。

接下来这个问题我想去问一下清研微视的张总，因为清研微视其实也是最早一批专注于商用车DMS行业的，然后您个人其实我也知道也牵头了一些行业标准的制定，所以说在2018年之后，随着中国政策的发布，中国商用车的后装市场DMS大面积的成为一种标配。当前商用车DMS是否是处于由后转前这样的一个最佳阶段，这是我的第一个问题。第二个问题，在商用车前装市场相较于后装有哪些优势，又有哪些挑战呢？请清研微视张总帮忙分享一下。

张伟：好的，我来分享一下个人的一些观点。我觉得目前从DMS来说，从后装的进入前装现在目前这个时机还不错，经过2018年到今天，DMS在商用车这一块后装比较批量的应用商，在这里面存在什么样的问题，怎么样更适合于商务车的应用有一些经验，当然整个行业也有一些教训，那么有了做一些底层的起始点，就在前装推广的时候，就可以避免掉好多的在实际使用过程当中出现的问题就可以避免。

那么其实后装来说，因为后装本身车辆，因为我们无法从看总线里面有效的读取车辆所必须的一些一些数据，所以目前DMS在后装的大多是采用基于机器视觉图像的方案，通过表情分析那么来获得驾驶员的状态。但是通过单一的摄像头，通过表情分析的方法来做，DMS又存在了几个方面的难点，第一个就是光照的问题，二一个是驾驶员姿态随机五性变化的问题。这个咱们不展开讲了。三一个是个体差异性的问题，实际上DMS能够从原来的一个非常小众的功能，发展到今天能够有大量的企业去做，其实得益于在人工智能领域深度学习算法的逐步成熟和普及。

但实际上驾驶员状态识别它不单单是一个人工智能识别的问题，那么以数据驱动作为底层逻辑的人工智能算法，很大程度上是解决了二分类问题，比如说眼睛是睁着的还是闭着的，嘴巴是张着的还是闭合着的，等等吧。我们能把这个识别，通过大量的样本包括很多常见的样本可能会识别的比较准，但这个并不是我们识别最终的标的，最终标的我们是判断驾驶员疲不疲劳，注意力集中不集中，那么实际上在这个特征的识别和最后的状态的识别之间，还有一个比较比较大的模型需要建立，而这个模型不是今天的深度学习算法解决的，而是要基于时间域上的另外一些模型慢慢把它迭代好。

那么这一块所以说其实在这一块的研究上，目前国内还研究的比较少，现在对于DMS识别很简单粗暴就是识别几个特征。我们知道就是说人疲劳时可能会眨眼频率增加，闭眼时间增长，打哈欠等等，但翻过来不一定对吧？我眨眼频率增加有可能是眼里眯了东西了，或者是说我就习惯性眨眼，这种情况都是存在的，那么这是一个先验概率和后验概率的问题。所以在这一个就是真正能够做到体验比较好，就还有一个过程，商务车里面我认为还好一点，比如说我们误判了，那也不要紧，如果我们这个产品能够有效的降低事故率，那么误判率因为对于一个职业驾驶人群来说，那么对于车队的这样的法人实体来说，那么这个功能是可以接受的。

对于乘用车来说，他关注的就是说我们买这个车体验是很重要的，那么对于乘用车上这样如果是出现物检，那么这个对咱们的用户来说就觉得接受度就会弱很多，这是后装。

前装有什么优势呢？第一个优势我觉得除了用摄像头之外，因为我们还可以采用其他的一些多元信息融合的手段来做，来交叉验证，来解决现在单一传感器存在的问题。不论是驾驶行为方面，车的行驶轨迹方面，还是非接触式的生理参数的检测方面，把这几种功能都结合起来，那么我们就可以做的在车上的体验会比较好，这是在乘用车领域DMS能够大规模的普及的一个挺重要的方面，那么这是第一点，前装的好处，我们可以采用多元信息融合的方式去解决现在有的困境。

那么第二个好处就是说现在的DMS都是作为单一的功能来实现的，比如说判断驾驶员疲劳没疲劳，看到他分神没分神，实际上在前装来讲，其实还有一个过渡阶段，如果是说单纯的功能还达不到良好体验的情况下，DMS的识别结果是可以作为其他安全类功能的一个辅助的。举个例子来说，我们前向碰撞预警系统，那么我们的碰撞时间、预警的时机都是根据状态非常良好，清醒的驾驶员，警觉性很好的驾驶员来设计我们标准的参数的。

如果DMS单作为单一功能达不到良好体验的时候，那么我们可以把驾驶员的状态作为预警的一个输入参数，那么我们通过它来动态的调节驾驶员，比如说前向碰撞的预警的时机，那么这样用的时候也会比较大的来提高就行车的安全性，另外对于用户体验来说也可能会更好一点。所以我觉得从前装来说，在这两方面来讲都有比较大的优势，这也是我们DMS能够在车里面迅速推广的，就是行业内咱们一起在做这个行业的，我觉得可以去考虑的问题。谢谢。

李浩诚：好的，谢谢张总，感谢张总的分享，其实也感谢张总为这个行业努力这么多年，为这个行业这种精神是非常值得我们年轻一代去学习的。第二个问题我想去问一下智华科技的杨总，因为刚才你也提到智华科技咱们2021年的出货量其实有16万多，然后其实从这个项目经验来说，其实我们是已经积累了很多项目经验了，在您看来乘用车DMS当前发展有哪些难点或者说挑战？难点可能是我们眼前的，挑战就是我们长期的来看，作为中国的DMS供应商，我们应该去如何面对这些难点和挑战呢？

杨波：好的，其实我觉得难点和挑战基本上是一致的，虽然难点说的是我们现在的一个阶段，然后挑战是我们未来，其实我们解决难点其实也是迎接了这个挑战。

我觉得难点和挑战从两个层面说吧，第一个是从技术层面，虽然我们现在用了这么多算法其实也消耗了很大的乱力，然后很多厂商也都在做说我们的适配率达到了多少多少，95%，96%，但是其实我们剩下的那5%或者3%都是会带来安全隐患的，我刚才说的就是我们现在其实还只是在市场导入期这个状态下，其实我们的技术还是有很大的进步空间的，这也就是我们现在面临的一些难点，也是我们未来要去克服的，然后也是我们迎接的一个挑战，就我们需要就是对我们今后的这些比如网络的模型，包括我们的数据，我们要大量的去积累这些数据，然后我们去改善这个我们现在目前存在这些比如漏报、误报，给用户带来的不好的体验。

其实上两周我参加了广汽的一个供应商大会，他们也说到其实我们现在做了这么多，其实本来我们是作为一个车型的亮点去宣传的，但是如果做不好，很有可能会把这个亮点做成槽点，就是一旦做成了槽点，可能用户再也不会为你这个东西去买单了。因为本来你宣传的是我能给你提供很多很多智能化的东西，但是这些智能化其实并不智能，然后给大家带来了很多的负面的影响，比如你没有在疲劳，然后提醒你疲劳了，这个就给大家带来很大的一个困扰，尤其是行车过程中会给大家带来很多的影响。这是第一个，就是我们需要在技术层面来继续去迭代我们的技术，然后直到我们能够达到一个技术成熟期，我们可能才能去迎接市场的成熟期。

然后第二个其实也不是技术层面，从用户的角度来讲，其实用户角度也就是我们场景应用，我们确实堆了很多算法，然后也做了很多努力，但是这些算法、这些应用是否抓住了用户的痛点，就是用户的痛点到底应该如何去挖掘。

其实举个简单例子，比如我们可能在OMS上我们会有一个典型的应用遗留物体检测，虽然你用了最好的东西，用了最好的技术，但是其实你到底能不能判断这个物体是遗留的，其实本身在技术层面上，我们能够感知出很多东西就已经是一个难点了，然后还要去判断它是否是用户遗留的还是用户故意放在那儿的，其实这些应用场景来说对我们也是一个很大的挑战。

第二个问题就是刚才浩诚说的，就是我们如何去应对挑战，其实我觉得一个行业的发展或者一个产品的发展，并不是一个企业能够去完成的。其实我们需要包括创达、看看，包括我们清研微视，其实整个行业内一起去共同完成这个事情，其实靠一家公司的智力和力量是不可能解决所有问题的，就是大家需要共同的去挖掘用户的痛点，然后只是在做产品设计的时候有自己的一些亮点而已。所以包括刚刚才所说的就是我们的一些感知的这些精度问题，也是需要包括学术界还有产业界共同去完成的。

其实智华本身并不是急于求成的，因为刚才介绍公司的时候，我也说了智华本身就是一个渐进式的自动驾驶，或者是驾驶辅助的公司，我们也不会去盲目堆叠一些功能或者一些场景应用，而是切实的把每个功能的深度去挖掘好。然后在这个基础之上，我们再去挖掘一些用户痛点，更多的一些用户痛点的一些应用，才能为包括座舱监控的行业或者是自动驾驶的行业做出自己的贡献。谢谢。

李浩诚：好的，谢谢杨总，因为刚才杨总也讲了，目前中国DMS行业的一些痛点，其实我们看到还是有一些的，但是也正像杨总所说的，其实这个行业的发展不能靠我们某一家企业的努力，而是靠我们大家共同的去推动这个事情的发展，我觉得杨总说的还是非常非常有道理的。

第三个问题我是想请中科创达赵总帮我们分享一下，因为我知道中科创达其实也是一个老牌的人工智能企业，同时对于汽车领域也是有深厚的这样的一个了解，相较于商用车刚才我提到了乘用车的DMS产品可能相对来说本身它就相对来说低频一些，所以说对于乘用车DMS的产品设计，您觉得需要哪些重点转变的地方呢？同时在这种改变过程当中，如何让用户更易感知到这种功能的实用性呢？

赵锐：好的，多谢。其实对比商用车和乘用车的这种产品设计来说的话，其实咱们要先理解一下商用和乘用之间的属性，然后包括它的使用场景，其实它就能更方便的帮助咱们的厂商去设计这种对应的这种交互场景，或者说产品方案的一些设计。然后其实商用车的话它其实是一个生产力工具的属性，那么它更聚焦的其实是如何把生产力发挥出来，然后包括不管是用户等等的一些内容，所以它会更聚焦在驾驶安全，然后包括车辆货物安全。

那么他驾驶员本身的这种交互体验的好恶，其实优先级是被放的相对低一点了，但是说现在很多的厂商，包括咱们的很多商用车的厂商也在逐渐改善这种驾驶员的一个交互的体验。

那么第二点像乘用车的话，其实它是一个用户消费型终端的这么一个属性，那么它不光要追求整个驾驶的安全，然后同时要追求驾乘的体验，因为大家都知道大众用户它不光是要满足这种核心痛点的需求，它其实也要满足这种丰富功能良好交互的这种良点类的需求，所以说要求会更加的苛刻和极致一些。

那么从我们的经验来看的话，有几个方面，首先是DMS对于这个驾驶安全的一个提升。那么一方面就是对于这种高频的关键场景，比如说阴雨天，比如说大灯直射或者说阴阳脸，这种高频场景其实我们是要做精准的提升的。那么从产品的理念来说的话，我们打造一个更具有确定性的这种安全的场景，它其实对用户提升他的感受是非常重要的。

第二点的话一定会在使用过程当中或者说是实际的驾乘当中发现很多多种多样的cornercase，那么收集到的这种cornercase的场景和数据之后，如何能更加快速的回训、部署，然后这种工业链的能力其实非常重要的。那么另外一方面的话，其实我们一直可能前一两年的话更多的是关注在DMS和座舱域的融合，那么现在的话其实我们很多的和客户的沟通其实都是把DMS和自驾域做一些联动的设计，其实刚才也有提到。

那么这里头其实有两个是特别关键的，一个是刚才转照率的提升，那么另外一个就是一旦和自驾域去融合的时候，它其实对于功能安全，对于整个的鲁棒性的设计就提升到了一个SOB的级别。这样的话在这个里头包括功能安全的设计，包括这种稳定性，包括这种校验的一些设计，其实它是有非常丰富的这种Know-how和这种复杂度的。

第二点的话就是提升一个好的体验的话，其实是一定要把这种敏感信息做保护的。刚才其实说的是功能安全，现在其实是信息安全。那么舱内的话其实不光涉及到了车主，然后包括舱内的乘客，包括舱内的这种家庭，这种人脸信息和一些敏感信息的脱敏和保护，然后包括我们运用这种边缘计算的方式，然后直接避免上传或者说仅上传一些token的信息，对于驾驶员都是非常关键的。比如说前段时间理想刚发布的L9，就是它直接采用Tof的方式，它其实用点云的方式来避免掉整个图像级信息的泄露，这样的话可以让驾驶员或者乘客有一个更加舒适的感受。

那么第三点可能就是我们做的比较多的一些内容，就是它和整个座舱的这么一个人机交互的一个优化和这种友好体验的一个优化。那么在创达的整个座舱智能交互的方案当中，其实我们是把DMS融入到了整个的这个AI助手，然后包括产品引擎当中的，就我们不是独立提供一个DMS的产品或者技术，而是把它融合到了座舱交互的一个方案当中。

那么在AI助手加传产品擎里头，我们其实分成了三层，最底层的是感知层，就是咱们的DMS的这种视觉类的、人脸类的感知算法。那么中间层的话，其实我们会采用这种深度学习的推荐引擎，或者说是这种可编辑式的脚本的方式，然后来实现自由的个性化的一个推荐，然后实现整个数据或者信息的一个分析或者聚类。上面最上层的其实就是我们会结合创达会有一个非常拳头的产品，它是整个车载HMI或者UI领域的一个标准型或者市占率最高的一个工具和解决方案。

对我们会结合创达虚拟助手的形象，它可以呈现出人物的形态，然后卡通的形态或者宠物的形态或者其他等等想象到的这种物体的形态，然后采取一种更加情感化的这种交流方式，或者相对静默的这种减少打扰的方式，去和驾驶员和乘客做一个互动和交流。那么我们其实是想考虑了上面这些内容之后，其实就更加能够设计出一个这种不管是功能方面，还是体验方面都相对更加良好的一些DMS的方案。谢谢。

李浩诚：好的，谢谢赵总。因为刚才赵总也是讲了，目前整个乘用车DMS产品设计的一些理念，包括我们中科创达现在在做的事情，其实我可以看到逐渐的把DMS产品与座舱结合，甚至是让这个产品本身不光具有智能化同时还具有一些拟人化的情感在里面。其实还是非常好的，将来如果DMS产品能够真正做到像刚才赵总分享那样的话，我觉得还是有很多客户愿意去接受这款产品的。

第四个问题其实要问一下瞰瞰智能的陈总，因为咱们瞰瞰智能其实也是我们DMS行业当中的一个新生代表了，然后2021年刚成立就收获了融资。那2020年之后车载DMS行业也涌涌现出很多种优秀的企业，在您看来，对于中国车载DMS行业里面的这种新生企业，需要具备哪些优势呢？同时您对于是在车载DMS产品的商业化是如何进行看待的？

陈兴华：好的，浩诚，我分享一下我的一些思考，因为确实你看我们后来的这些企业，因为首先肯定是看重这个行业发展方向，这个基础之上，你看我们做了这些所有思考和所有产品布局，我觉得都是围绕着我们对行业的大趋势的判断，我觉得我还是想首先再重复一下我的一些判断。

第一点确实我们认为乘用车市场后面的大趋势一定是前装，从我的观点里面来看，我会认为后面前装逐渐逐渐就会把它标准化，这是大的第一点。

第二点也是刚才我们几个其实已经聊到了，作为新能源汽车或者后面的汽车来说，它的大趋势就是从大了架构上面，就是走一个集中化，然后走跨境融合，所以说那在这个前提之下，我们来看说我们在这个领域里面的后面来的，后面要详细在这方面去做突破的一些企业我的一些思考。

首先，我的第一个看法就是说后面我们要去做这个DMS产品也好，包括做车里面的其他的影像产品的这些公司来说，我认为慢慢逐渐它一定得能够有端到端的解决方案的能力，这是我说的第一点。我们也知道任何一个产品如果说结合我刚才说的大趋势的判断，就是我们针对这些主机厂来说，不相信大部分的主机厂还是希望说我们提供给它的产品和方案，一是能够是一个完整的解决方案，这是第一点。

第二点是说在这个完整解决方案的基础之上，我们是要能够从底层到上层对接产品，每一个环节都进行优化，最终才能达到整体产品品质的保证品质。我举个简单的例子，我们刚才提到了，比如说一些极端场景下面的影像质量差的问题，我的个人观点是说如果我们只是单纯从算法，或者单纯的从硬件想去解决这样的问题，那从我的经验来看它是做不到，所以我们一定要甚至从光学设计、底层影像调优调校到算法一定是一个整体的进行思考和协作才可能把现在我们面临的一些技术问题解决掉，所以这个是我提到这样我们做产品的一定得有综合的这种端到端的解决的方案和这个能力才能做得到这一点。

紧接着我的第二点思考是提了是说我会把它总结说这些企业是不是能有双闭环这样的技术能力，我指的双闭环其实是指两个，我说的第一个闭环是产品功能的闭环，因为刚才其实我们已经分享过你对于乘用车市场带说它所有这些功能，所有这些品一定要维护着用户的需求、用户的痛点去做的。可能我看法稍微有点激进，我会觉得说如果我们一个产品做出来的功能仅仅是停留在监控、提醒、预警这样的话我不认为这个功能它已经做到闭环了。

那举个例子对于乘用车市场来说，你告诉我说你现在已经疲劳了，Sowhat，我会认为我知道疲劳的时候功能要闭环，意思是说你告诉我笔老了，紧接着你是不是可以来改变我的疲劳状态，比如说你是不是在车内能给我放不同的音乐或者调解车内弯度Anyway等等的，来改变我这个驾驶员的疲劳程度，甚至说你真的意识到我现在已经很疲劳的时候，我是不是可以跟车里面的系统联动，把我的车停下来等等的，我举这个例子想说明说我们的功能后面我会认为说从产品的功能上一定要实现这样的避寒，那对于用户来说它才是真正解决他的问题了，如果我们只是提醒他说你就提醒一下类似的anyway，我认为它没有解决实际问题，这是我提的第一个闭环。

第二个闭环我想提的是生态的闭环，刚才我们已经强调到了，我们的产品从功能型往智能化导的时候，DMS它已经不是一个单纯功能导向的产品了，我们必须要站在生态的角度，站在智能座舱的角度去考虑这样的产品应该怎么做，那为了实现这个，我是很赞同就是说我们一定要用生态的角度去联合我们硬件也好影像服务也好算法应用甚至评测、座舱anyway，这样的一些生态伙伴来共同构建我们生态级的应用，生态级的用户体验才可能实现比较好最终的应付价格，所以这是我的第二个思考，我提的是双闭环，双闭环这个差异我们是能够把它建立起来。

第三个思考我们是不是能够在关键技术和应用差异上实现突破，比如说我们在技术方面的突破，因为刚才举了一个例子来说，我们是不是能围绕现在这些产确实存在技术上的挑战或者我体验差的地方，刚才提到比如说我反复提出相应特殊场景，环境下面，比如说你的私域到你的这些情况下面，我们能不能进行一些技术性的问题把它解决掉，从我的经验和我们研究的结果来看我认为是能做到的，我们会结合从光学设计，我刚才提到包括说我们会把我们手机领域积累底层影像处理的一些算法以及说我们有一些基础算法把它融入进来，从应用加算法加整体把这些问题解决掉，我觉得这样我们把这些技术问题解决掉之后，它就有了去做产品的基础了，紧接着我们是不是能够在应用差异上实现一些突破，我会认为说，我刚才已经提到了说，我们现在主流的还是聚焦在疲劳驾驶、危险行为、分神这些上面，在这些传统技术以上，我们是不是能够实现应用创新、融合创新，是不是比如说我们DMS能够跟ADAS结合，比如说DMS是不是能跟多模交互技术结合，在这些技术上实现应用场景。

我会觉得说如果说对于我们这样一些新创的公司也好，或者说后面要去励志一起做DMS的产品来说，如果我们从我刚才思考的这些维度上来，都能够做出来的话，我会认为它是有差异性，它是有竞争力的。

紧接着第二个问题提到就是说我怎么看待商业化这件事情，就是从我看来，我会认为我对未来DMS商业化前景包括浩诚的报告里面也提到这个前景我是非常看好。这个看好我觉得是基于几个判断，第一个判断就是说我会认为我们可以看到，而且我们应该相信国内主机厂在这个产业链上面，尤其在国家现在在大力幅度的基础之上，我相信国内在新能源汽车上面后面实现弯道超车，进而逐渐的国内这些厂商去去控制新能源汽车，我认为大趋势是明确的。

第二点我的判断是说整个新能源汽车的智能化和自动驾驶这个大趋势是明确。然后第三个判断这也是数据了，整个的市场体量是很大。在这个前提之下，我会认为说我们共同去布局，共同去一起去努力去做DMS这个市场，它的商业化前景是非常好的。第二点我想提的其实也是我的一些感触了，我会觉得说整个行业现在确实它还属于早期，真的是需要我们产业链上的这些合作伙伴们，我们这些厂家们一起去共同的去孵化去培育这个市场。目前阶段我认为更多的是我们一起去努力，怎么去把这个市场的蛋糕给它做好做大。

看看这边我们的优势，刚才我已经强调了，因为我们很多人这些核心技术这些积累实际上是来自于手机行业的，所以我们在这个影像的光学设计，底层的这些影像的调优调校处理基础算法，这些是有自己很深的一些积累的。紧接着我们来布局DMS相关产品的时候，我觉得是会有优势的，我也希望说我们的一些优势能够跟行业的合作伙伴，我们大家一起共同去努力，然后一起去把这个蛋糕给它做大。我的分享是这样的。

李浩诚：好的，谢谢陈总，刚才陈总也分享了自己对于这个行业未来产品的发展方向的一些看法，同时也给我们分享了对于商业化的这种看法。其实DMS这个行业其实我有非常多的问题，想跟各位老师去请教，但是今天受限于时间的原因，所以说在最后我是希望四位老师能够用两句话来总结各位老师对于未来中国车载DMS市场的一些前景的看法，先由清研微视的张总来分享一下吧，两句话来概括。

张伟：好的，我觉得就是DMS这一个在整个汽车领域，我觉得会快速的发展起来。那么针对商用车以外，除了产品以外，实际上它还有一个管理的问题，所以说就从国家政策层面上怎么共同推动，从硬件终端到云平台，从产品到管控怎么解决安全的问题，在这一块下大功夫，我相信DMS这一块在商用车它整个的发展起来应该是一个特别快的事情，这也是我们希望看到的，就同行业内的所有的合作伙伴在这一块共同努力，我想未来咱们整个的行车的安全性也会有一个大的提高。

李浩诚：谢谢张总，那想请智华科技的杨总来分享你的两句话。

杨波：我觉得DMS这个系统不管是从自动驾驶的这个推动上，还是从我们未来可能下一个移动终端是车辆，从这种智能座舱的推动上，其实我觉得都是有一个很远大的前景的。

李浩诚：好的，谢谢杨总，创达的赵总。

赵锐：其实我们一般看任何的一个产品或者方案，其实归根结底还是要看它本质的一个用户价值。DMS其实我相信它对于驾驶安全其实是非常关键的，如果说我们通过DMS的一个及时的提醒是吧？就哪怕说是让驾驶员提前一秒甚至几百毫秒，然后更早的采取这种制动或者变道的反应，他如果能大大的提升避免交通事故的一些发生，我觉得是非常有价值。那么再叠加上这种像舱内的一些智能化的交互体验的一些优化，那么我相信DMS整体的这个产品和市场都是会发展的越来越好的。

李浩诚：好的，谢谢赵总，瞰瞰智能的陈总。

陈兴华：好的，我总结一下，我想说两句话，一句就是整个DMS这个市场其实前景很美好，而且大趋势非常确定，市场规模很巨大，这是我的看法。那么紧接着我就希望说我们能够一起努力，我们从产品定义，从生态，然后从技术，甚至是从整个产品的体系架构我们共同一起去创新，然后以行业的力量共同推动这个行业的发展，然后我们也希望在不远的未来我们共同去收获美好的果实。

李浩诚：好的，谢谢陈总，也非常感谢四位老师今天的分享，真的是干货满满。我感觉虽然我写了这份报告，但是通过今天的圆桌，我感觉又给我上了一课，又了解了很多很多行业的知识，然后今天我们的圆桌就差不多到这里结束吧，我们之后也保持联系，然后我们共同为我们DMS的发展，我也尽我自己的一份力，好吧？谢谢四位老师。

主持人（邱鹿玉）：谢谢各位老师，谢谢浩诚老师，谢谢你们的精彩分享。

亿欧智库在今年规划了一系列研报选题规划，深度聚焦智能汽车、智能座舱、自动驾驶数字化、动力电池、“碳中和”出行科技以及部分标杆企业的创新业务研究等。通过细分赛道扫描、市场研究、核心竞争力分析、模型搭建、实地走访、企业访谈、用户调研等多种方式相结合的研究方法进行撰写及实施，最终以报告或者白皮书的形式在亿欧官网公开发布。

随着数字化经济的到来以及大数据、云计算、人工智能为代表的新技术的发展，正在推动各行各业的数字化转型。对于汽车行业来说，如何迎接数字化、智能化带来的新发展趋势，帮助汽车行业从容应对时代变革下的重重挑战，赢得市场机遇，成为重要课题。目前亿欧智库正在撰写《2022中国汽车产业化数字创新研究报告》，今天有幸请到了数字化报告的研究经理王瑞先生，下面有请王瑞先生为大家做数字化报告的预热分享，有请王瑞老师。

王瑞：好的。各位嘉宾，各位线上的朋友大家下午好，我是亿欧汽车的研究经理王瑞，今天的话也是为大家带来一份报告的预热，这个报告的题目是《2022中国汽车产业数字化创新研究报告》。那么过往汽车亿欧智库在汽车产业数字化这一块做过很多次的研究了，也拓展了很多的领域，那么这一次所带来这份报告，主要是聚焦在产业数字化的创新部分。

我们先看一下撰写整份报告的一个大的背景。其实从左下角的汽车月销量的情况来看，大家也知道，由于比如说原材料成本上涨，疫情导致的供应链断供以及消费者需求疲软等等原因，那么实际上2022年1-5月份，整个中国汽车销量是同比下跌了近16个百分点，大约是860万辆。

那么实际上汽车产业本身正在经受考验，那么我觉得是很需要说去寻找一个新的知识点去优化整个产业结构，提升产业效率，巩固产业生态的。那么我们再把目光放得更宽一些，去看到整个汽车产业的升级情况，那么我们会发现在80年代汽车产业强调的是生产数码化，也就是说把电脑生产这种方式引入到汽车工业中。

那么到90年代，实际上汽车产业强调的是数据信息化，也就是汽车的生产信息、办公信息、销售信息等，通过网络串联提高企业效率。那么21世纪至今，特别是说整个智能电动化浪潮迎来以后，整个中国汽车产业更加强调企业数字化，也就是企业全链路以数字为基础，实现信息的数字化。那么实际上我认为在汽车产业经受考验的一个当下，车企也好，零部件供应商也好，经销商也好，都必须把握住数字化升级机会去迎接当下的一些挑战。

那么我们对中国汽车产业的升级环节进行一个拆分可以发现，数字化转型涉及到汽车产业的方方面面，大致来讲可以分为例如说研发、生产、供应链、销售、服务等等，具体来看其实可以分得更细，可以分成比如说还包括产品管理等等，一些超过30个这样的细分领域。

那么在这些领域当中，哪些领域的数字化程度比较高，然后我们的市场主体在推进数字化创新的时候应该从何下手，那么哪些企业是目前中国汽车产业数字化的重要参与者，又有哪些企业未来有可能切入到中国汽车产业数字化这条赛道中呢？这实际上都是这份报告想要去研究的一些命题。

那么下面就举例吧，以生产环节为例，我们看一下目前来说整个中国汽车产业是如何推进数字化创新的，那么从左下角这个图大家可以看到，这是某A汽车公司它的数字化工厂的一个建设架构，那么从底层的智能装备到数据标准，再到上面的管理系统，再到智能应用，它实现了整个的业务数字化和数字业务化。那么再来到右图，大家可以看到这是B汽车公司的一个数字化工厂的建设架构，它也是从底层的自动化设备往上层去就是数据库，再到具体的一些生产管理、物料管理、质量管理等等，再把这些数据赋能到ERP上去实现它的整个的供应链管理。

那么实际上我们通过这两家不同的汽车公司，关于数字化的工厂的建设架构来看，可以总结出来在生产环节数字化的一个主要逻辑，那就是立足底层的自动化设备，以标准数据库为支点，实现包括说生产管理、物料管理、质量管理等各个生产重要环节与领域的数据采集、存储与分析，最终实现对具体业务的赋能。

那么留给这些参与数字化转型的企业的一个问题就是说，怎么样去实现数据精准，全面的收集，安全便捷的存储，智能高效的分析以及具体有效的赋能，这个是所有企业都需要思考的一个，也是中国汽车产业推进数字化创新的一个主线逻辑。那么我们再把眼光抬高一点，再跳出生产环节去看，我们看整个中国汽车产业数字化的一个基本现状是怎么样的。

那么从研发与产品来讲，目前来说比较火热的就是一些比如说基于数字孪生的一些协同设计，虚拟仿真平台，以及包括数字化的开发平台等等。那么在生产与供应环节，除了刚才说到的这种数字化工厂以外，还有包括说基于一些混合现实技术，实现了一些生产场景的实时模拟和设备的预测性维护等等。那么在营销与服务环节，其实包括说在营销领域的全生命周期的客户数据的管理，精准营销，数字化营销平台等等。那么在经营管理这个领域实际上有更多的是协同办公的平台，包括说一些自主可控的ERP等等，这是我们整个中国汽车产业数字化的现状，但是从更大的维度来讲，整个中国汽车产业至少面临的市场环境、技术水平、人才供给和生态构建四方面的挑战，也就是说目前数字化的现状还是远远不够的，还需要做更多的升级。

拿市场环境来举例，实际上整个全球经济受到疫情影响，实际上是处于一个低迷的状态，对吧，那么整个中国期的销量如果比较悲观的去预测，大概率会维持到2015年的销量水平，当然这里面的话智能电动汽车的占比会提高。那么从整车出口的情况来讲，2021年中国汽车出口总量是201.5万辆，同比增长了几乎一倍，但是实际上它的整个的出口量还是集中在第三世界的国家比较多，如何实现从第三世界国家像一些欧美主流的这种合资品牌的大本营去晋级，这也是市场环境留给中国汽车产业的一个挑战。

从技术水平上来讲，我们说基础科学是100年，近100年都没有取得重大突破，那么实际上全球科技创新速度也正在放缓，特别在芯片领域的摩尔定律也开始逼近极限了。那么现在行业更加强调说基于软件系统和模式的一些创新，那么放在中国的汽车产业供应链上来讲，核心产品技术的国产替代水平还是比较低的，那么汽车数字化产业体系的这种自主可控还是需要加强。那么从人才供给的角度来讲，出生人口下跌，就业人口过剩的这个问题，对中国来讲是暂时还没有一个短期见效的解决方案，但是具备汽车与数字化双重背景，具备这种全局思维的数字化人才，对于整个产业来讲仍然是稀缺的。

从生态构建上来讲，整个全球汽车产业生态格局正在面临重塑，那么从智能增量部件的供给也好，还是从操作系统OS来讲也好，智能汽车生态体系尚未形成一个稳定的状态，那么中国汽车品牌数量产能储备总体过剩的局面也期待被终结，也说我们的挑战很多，那么数字化是一个有效的工具，可以去应对一些挑战，也是我们这份报告想去研究的一个重点。

下面这部分就重点跟各位嘉宾和观众去介绍一下整份《2022中国汽车产业数字化创新研究报告》的内容框架。

那么本份报告主要是分成三大部分组成，第一部分我们会对中国汽车产业数字化的现状进行研究，那么刚才其实也介绍过了，我们对生产领域的数字化情况进行了一些研究，那么此外我们还会围绕研发与产品、生产与供应、营销与服务以及经营与管理四大方面开展研究。同时我们会将中国汽车产业数字化，目前面临的包括市场环境、技术水平等等的挑战进行一个分析。那么基于对中国汽车产业数字化现状和挑战的分析，我们来到第二章也就是我们会对整个中国汽车产业数字化的创新发展方向进行一个研判。

大概来讲可能有这么几个方向，第一个是说数字化可以助力“碳中和”目标达成，因为所谓的“碳中和”的关键实际上在于把握汽车全生命周期的碳排放数据，这个数据本身是需要依赖数字化去进行释放的。另外元宇宙这个概念的上车也会加速整个汽车产业的数字化转型升级。那么我们知道目前来讲这种ARHUD的这种应用实际上已经开了一个好头，那么未来元宇宙会有点局面的带动整个汽车产业数字化的转型升级加速。

另外上云也是目前车企零部件厂商经销商、正在经历了一个过程，车云一体化将会锻造整个的汽车产业数字化体系的一个韧性。那么基于上面的这些创新发展方向，那么我们会对整个中国汽车产业数字化创新企业的机会进行分析，主要分成这么三大类的企业。

第一个对于整车制造企业来讲，它如何去利用数字化优化企业流产与效率，打造更具竞争力与性价比的产品，这是一方面。那么对技术服务型企业来讲，是如何做好这个赋能，并且去扩大自己的业务盘子，提高市场地位。那么对于潜在的这些进入企业来讲是如何去把握数字化创新，切下在汽车领域的一块市场蛋糕。

基于现状的研究，基于我们的创新机会的分析，那么来到第三章节的话，我们会对整个中国汽车产业数字化的解决方案进行一个分析，我们首先会搭建一个定量的评价模型，对整个中国汽车产业数字化的解决方案进行一个定量研究，主要包括例如说技术含量、实际效益、项目体量、适用范围等等。

同时我们会对其中的中国汽车产业数字化标杆解决方案进行具体的一些分析与展示。那么包括研发的领域、生产领域、营销领域、经营与管理领域等等。以上就是整个《2022中国汽车产业数字化创新研究报告》的一个总体的内容框架。

最后也是打个小广告，我们亿欧智库汽车出行领域的研报选题规划如图所示，目前的话我们已经发布了包括说智能电动汽车品牌竞争格局的研究报告，包括基础软件的研究报告，包括刚刚发布的这份这个车载DMS报告等等，未来的话我们正在撰写的还有比方说北京车展的洞察研究报告，包括一些智能驾驶功能量产应用研究报告等等。我们也是很期待跟产业各方携手一起去做一些更深入的关于汽车产业的研究。如果大家对我们整个亿欧智库汽车出行领域的研报选题规划感兴趣的话，可以扫描屏幕右上方的二维码获取报告的详细信息。谢谢各位。

主持人（邱鹿玉）：好，感谢王瑞老师的精彩分享，听完今天各位大咖的精彩分享，想必大家一定受益匪浅，但因时间原因，本次线上沙龙暨报告发布会就要告一段落了，感谢各位线上朋友们的支持和耐心聆听，非常感谢为本次活动贡献心智、才智和宝贵经验的各位嘉宾。

关于亿欧智库的报告及更多的精彩内容，大家可登录亿欧官网进行查看。如果大家对于智能电动汽车自动驾驶产业新能源等有研究方面的需求，也欢迎与我们进行联系。

如果大家今天觉得意犹未尽的话，欢迎继续关注明天下午3点“2022亿欧汽车软件直播分享会”，了解亿欧汽车业务矩阵，同时也听听亿欧汽车自己人的行业观点。

今天的活动就到这里结束了，拜拜。