車東西（公眾號：chedongxi）
文 | 六毛
周六，智能汽車領域的盛會——第三屆全球智能汽車前沿峰會（GIV2020）在廣州召開。車東西作為特別報道媒體，受邀參與本次大會報道。
大會舉行的當天下午，地平線副總裁、智能駕駛產品線總經理張玉峰，滴滴出行人工智能實驗室智能控制首席科學家唐劍，小馬智行（廣州）總經理莫璐怡，華為智能汽車解決方案BU MDC營銷總監汪意革等業界嘉賓共同出席了“智能汽車技術突破與產品創新”主題峰會，圍繞智能汽車產業化發表演講，干貨十足。
在張玉峰看來，傳統摩爾定律已無法支撐AI對于算力的要求，需要針對AI芯片的“新”摩爾定律。唐劍表示，滴滴認為“融合”是實現和驅動汽車智能化的一個關鍵，他也在演講中對滴滴在汽車智能化方面所做的工作進行了分享。
汪意革分享了華為在如何推動智能駕駛產業發展這一問題上思考。如何讓智能駕駛產業實現最終量產？針對該問題，華為的答案是實現平臺化，并堅持開放性。
一、地平線：計算平臺是實現自動駕駛規模量產的關鍵
作為第一個演講嘉賓，地平線副總裁、智能駕駛產品線總經理張玉峰分享了關于國產AI芯片如何加速賦能自動駕駛的一些思考。
在智能駕駛和自動駕駛領域，中國市場扮演的角色日益重要。智能駕駛方面，中國有望成為全球第一的ADAS市場；自動駕駛方面，地平線預計中國將會在2030年成為全球最大的自動駕駛市場。
智能駕駛與自動駕駛背后，計算本身、計算平臺及軟硬件開發所占的權重很高，同時對于能力的要求也是最高的。
在這一方面張玉峰表示，從行業發展趨勢看，自動駕駛的成本正從硬件占比達到90%，向軟硬件基本五五分成的方向發展。特斯拉的FSD（Full Self Driving）、Autopilot3.0系統的高額售價即是一個證明。
計算平臺是實現自動駕駛規模量產的關鍵，只有計算和計算平臺標準化，才能讓自動駕駛實現真正的量產。
此外，從電子電氣架構看，從分布式架構向域架構、最終向中央計算架構發展是必然趨勢。特斯拉目前在中央計算架構上發展較快，也證明了這一方式的可行性。
▲特斯拉采用一步到位的車載中央計算平臺
從終局看，對于軟件定義汽車來說，就是要軟硬件解耦。包括計算平臺在內的硬件，需要算力超配，但從時間看大概會在三年甚至更長時間才會更新一次。和硬件不同，上面的軟件將實現全生命周期的高頻次的更新，并由此給主機廠和相應產業鏈玩家帶來新的盈利模式。
在AI計算部分，地平線預計將會在智能座艙和智能駕駛方面形成一個統一的計算平臺，來完成AI計算本身對于智能座艙和自動駕駛的支持。
發展過程中，計算本身將面臨一些挑戰，原因即在于不同級別的自動駕駛針對算力的要求可能會是數量級的提升。
張玉峰表示，傳統CPU的發展一直遵循摩爾定律，但現在摩爾定律已經無法支撐AI對于算力的要求。對此，地平線提出了針對AI芯片的“新”摩爾定律。“新”摩爾定律要求在滿足高精度低延遲的條件下，更關注AI芯片真是性能的全面優化，單位成本下的峰值算力，編譯器、架構和Runtime優化以及適應場景的算法優化及演進。
▲AI芯片的“新”摩爾定律
那么，涉及到汽車，車規級芯片的難度又在哪里？
在張玉峰看來，車規級芯片的難度包括產品開發周期長、難度大，從設計、驗證到導入具體車型每個環節都需要較長的時間。在這一方面，2018年地平線的AI芯片已賦能美國自動駕駛車隊，實現環視的視覺感知。2019年，地平線推出車規級AI芯片，到今年3月份這款芯片已經正式實現量產。
面向前視ADAS市場，地平線推出的基于征程二代芯片（Journey 2）的單目解決方案，可以在低于100毫秒的延遲下有效感知車輛、行人、車道線、交通標識、紅綠燈等多種目標。據張玉峰介紹，目前該芯片已經與國內一個主機廠配合量產落地，另外年底前還將有一個車型推出。
Matrix自動駕駛計算平臺可賦能無人出租車和無人物流場景。芯片本身的通用性讓地平線可以以眾包的方式完成基于視覺的高精地圖的建圖、定位、更新，此外也具備處理激光雷達點云數據的能力。
聚焦于車內，征程二代芯片可以同時接入針對駕駛員和針對乘客的兩路攝像頭。今年年初，地平線的多模交互方案是在長安UNI-T車型上完成了落地量產。
演講最后，張玉峰還針對“主機廠如何抗衡特斯拉，贏得軟件定義汽車時代的淘汰賽”這一問題給出了一個解決方案。在地平線看來，要做到這一點主機廠與有軟件能力的芯片公司進行整體戰略合作是必由之路。
▲寶馬、戴姆勒分別與英特爾和英偉達展開了合作
二、滴滴：融合是實現和驅動汽車智能化的一個關鍵
本次主題峰會上，滴滴出行人工智能實驗室智能控制首席科學家唐劍對滴滴在汽車智能化方面開展的工作做了分享。
首先，唐劍表示，在滴滴看來融合是實現和驅動汽車智能化的一個關鍵。把交通和出行做好，最重要的是實現人、車、路的深度融合，具體來講即實現底層的智能交通基礎設施、中間層的智能交通工具以及最上層的共享出行深度融合。
唐劍進而從視覺融合、端云融合、車路融合三個方面，概括了滴滴在實現人車路全方位和多層次融合上的一些積累與成果。
首先，視覺融合方面，滴滴計劃到今年年底為100萬輛滴滴網約車配備桔視車載設備。
桔視車載設備結合深度學習，特別是計算機視覺方面的算法，將可實現疲勞預警、分心檢測、不良駕駛行為檢測功能。
滴滴還聯合合作伙伴拓展了駕駛員行為識別（DMS）的基礎能力，打造出智能座艙系統，希望未來可以全面賦能乘用車以及商用車。唐劍表示，這款智能座艙系統除駕駛員行為識別（DMS）能力外，也支持人臉識別、手勢識別、情緒識別等功能。
在ADAS領域，滴滴研發了后裝ADAS系統。該系統支持前向碰撞預警（FCW）、車道偏離預警（LDW）、前向車距監測（FDM）、低速防碰撞預警（UFCW）和行人碰撞預警（PCW）等功能。目前部分功能已經在桔視車載設備上上線。
除此之外，滴滴還實現了駕駛員行為識別（DMS）和ADAS系統的聯動，從而使實時、動態調整ADAS檢測靈敏度以及DMS的預警頻率成為可能。
端云融合方面，端指的是車端傳感器采集的數據，云指的是滴滴完成派單和路徑規劃的出行平臺。端云融合本質上是多元多維度數據的一種融合。
▲端云融合本質上是多元多維度數據的融合
唐劍表示，滴滴通過基于車端的多元的傳感器采集到的數據，可構建數據處理的閉環。同時基于出行平臺，可以對交通安全隱患進行分析，產生駕駛安全報告，評估基于歷史的事故的數據，評估道路風險，從而全方位實現“行前預警，行中的識別和干預，以及行后的教育和治理”。
車路融合方面，一個典型案例就是車路協同系統。其中融合也包括了兩個方面，其一是融合來自攝像頭、毫米波雷達、激光雷達等不同傳感器的感知數據，其二是路端數據和車端數據的融合。
三、華為：用平臺化模式促進智能駕駛產業發展
華為智能汽車解決方案BU MDC營銷總監汪意革，分享了華為對于如何推動智能駕駛產業發展這一問題的思考。
汪意革首先提到了智能手機，在他看來與智能手機一樣，汽車也是由用戶的需求所定義。智能化是一個趨勢，汽車將成為人類社會新的智能移動終端。
華為把智能駕駛產業分成三大主要場景，分別是作業車、商用車和乘用車。
其中作業車的場景、道路、線路都相對簡單，路況處于可控狀態，車輛速度較低，車輛本身更多是作為一種生產工具。商用車的應用場景、道路、線路相對固定，路況也是處于可控狀態，車輛同樣屬于生產工具。乘用車的情況則完全是另一種情況，行駛場景復雜、豐富，路況、速度可變性很高，而且對安全尤為重視，同時用戶更加追求體驗。
不同場景下產生的不同需求，使得智能駕駛產業面臨多個維度的影響。進而，不同場景下的智能駕駛也將產生兩種不同的發展路徑。其中，商用車和作業車屬于跨越式的發展場景，乘用車將會是漸進式的發展路徑。
▲影響智能駕駛產業的七維函數
在華為看來，當前，汽車工業仍然是一個規模工業，規模化量產是汽車工業發展的一個前提條件，其中平臺化是汽車產業的傳統優良基因之一。
對于智能駕駛來說，當前L1-L2的主流架構ADAS向上演進已遇到“瓶頸”，無法平滑演進。未來的計算架構將走向集中式。通過集中式計算架構可以實現功能的持續優化和疊加，通過OTA升級的方式給用戶帶來更多體驗。
同時，根據汽車工業的發展規律，越是復雜的系統就越是需要平臺化。平臺化一是可以達到攤薄成本的目的，二是可以生產出質量與可靠性均達到一致性的平臺化產品。
基于上述考量，華為認為在計算平臺上也應當沿用汽車產業“平臺化”這一優良基因。汪意革在演講中表示，對于產業和產業鏈玩家而言，平臺化也可以帶來好處。
對于主機廠來說，平臺化一方面可以帶給主機廠更多靈活選擇與更大的創新空間。另一方面，主機廠具備決策規劃控制能力，才能在未來的軟件定義汽車的個性化體驗中獲得勝利。平臺化可以在一定程度將主機廠從“感知”任務中解放出來，將更多精力投入到積累規控能力方面。
▲智能駕駛發展需借用平臺化思維
站在智能駕駛的角度，還可以借鑒汽車工業專業化分工的模式去推進智能駕駛發展。
隨著未來業界精細化分工的實現，將會出現一批聚焦做好各種算法的專業公司。同時標準化實現后，環境感知算法也將吸引多媒體公司實驗室以及決策規劃實驗室參與，從而使相關產業生態進一步擴大。
整體來看，平臺只有開放才會具有生命力，平臺化加上開放性構成未來智能駕駛產業走向量產這一終極目標的關鍵。
▲平臺化+開放性是智能駕駛產業走向量產的關鍵
就華為而言，華為聚焦于智能駕駛計算平臺，目標是通過與上下游的執行器、傳感器和應用算法合作伙伴合作，共同打造面向不同應用場景的、個性化的智能駕駛應用；與此同時，也通過產業鏈的精細化分工，讓主機廠擁有一定的技術可控性，在決策規控方面積累起更多競爭能力。
演講最后，汪意革還透露了一個重要消息——華為將在9月份北京車展期間發布MDC全新一代產品。
四、小馬智行：無人化、規模化決定了自動駕駛的門檻
智能和電動汽車將會成為汽車未來的一種形態，已經成為一種行業共識。那么回到初衷，小馬智行又想要追求什么樣的汽車智能呢？
對此，小馬智行（廣州）總經理莫璐怡表示，從自動駕駛系統賦能汽車智能的角度看，自動駕駛系統其實賦予了汽車眼睛、手腳以及大腦的功能。
硬件層面，傳感器是汽車的眼睛。手腳是說要求自動駕駛系統有能力精確地控制車輛的油門、剎車及轉向，要做到這一點除掌握核心的線控技術外，也需要了解如何調整優化整個控制的算法。大腦指的是強大的計算單元或者計算平臺。
軟件層面，眼睛更多指代感知模塊，手腳更多指代決策規劃模塊。就大腦而言，莫璐怡表示小馬智行從成立至今就開始一直使用的一套全自研的自動駕駛底層架構和操作平臺PonyBrain就是其中之一。
換句話說，在小馬智行看來，只有把所有的軟硬件系統統一得去看待，全局優化，才能實現更加強大的自動駕駛系統。
有了自動駕駛系統，汽車有了實現智能化的基礎。下一步，自動駕駛系統還需要不斷“學習和自我成長”，那么系統如何做到這一點？
莫璐怡在給出解決答案前，先拋出了一個觀點，即自動駕駛是一個基于實踐和大數據的創新性問題。這里的實踐就是指真實的道路測試。
莫璐怡分享了一個關于雨天和水花處理的故事，用以說明為什么實踐和大數據對于自動駕駛來說是重要的。
據介紹，2017年底小馬智行正式落戶廣州前，其整個自動駕駛系統對雨天和水花處理能力是比較一般的，原因在于加州常年陽光明媚，沒有太多雨天和水花的情景積累。
來到廣州之后，前500天的運營時間里小馬智行就經歷了209個雨天，并且常常是大雨或者雷暴雨，這讓小馬智行的自動駕駛系統處理雨天情景的能力得到了提升。
一個視頻片段顯示，經過數據積累和訓練后的自動駕駛汽車甚至可以超越一旁由人類駕駛的車輛，獲得一個比人類更清晰的對世界的認知。
▲雨天場景下的系統處理視圖
那么回到最初的問題，小馬智行到底追求怎樣的汽車智能？對此莫璐怡表示，小馬智行自己的希望是將自動駕駛系統打造成一個虛擬司機（virtual driver）。這個虛擬司機可以像人類司機一樣，hold不同車型（在不同的車輛平臺上部署）和不同的道路。
最后，談及整個產業的發展，莫璐怡強調汽車智能化的發展一定不是單打獨斗的事情，未來必然會是一個開放的合作的生態。
“我們不停的在推進跟國內外頂級車廠深度的合作，我們相信我們的自動駕駛系統就像一個汽車的大腦一樣，而我們需要一個強壯的身體，有百年沉淀的汽車行業正是一個強壯身體最好的基礎。同時我們相信，自動駕駛是一個以技術主導的硬科技，無人化和規模化決定了自動駕駛的高門檻，而安全則是自動駕駛抱有的底線。”莫璐怡在演講中說道。
