為什麽說眼下的無人駕駛還處於“BP機階段”？

作為產業發展的根本驅動力，創新技術的重要性毋庸置疑。當一項新興技術強勢出現後，業內應該如何面對這波衝擊？又有哪些新的挑戰隨之而來？？

11月27日，飛步科技創始人兼CEO何曉飛、AutoX創始人兼CEO肖健雄、NVIDIA中國區自動駕駛負責人董方亮等業內大咖齊聚創新工場主辦的2018自動駕駛全球高峰論壇，分享對自動駕駛落地技術挑戰的認知與破解之法。

通過這篇文章，你將了解：

L4以上無人駕駛的實現需要哪些大的技術版塊？眼下哪些技術已經準備好了？哪些技術還處於待機狀態？

如何去判斷檢驗一家無人車公司的技術好與壞？業內大咖心中的評估準則是什麽？

自動駕駛芯片持續升溫，但前方的攻堅之路仍一望無際。目前業內如何看待自動駕駛芯片的發展情況？未來的突破方向？

目前自動駕駛技術處於怎樣的發展階段？

量子位聯合創始人李根主持了這場論壇，他曾是新浪科技首席記者，新浪集團年度優秀記者，先後獨家報導了科技領域諸多大事件，在AI領域，他是國內最早報導AlphaGo、百度無人車上路等重要技術進展的媒體人。

以下是對話實錄，希望能予你啟迪

李根：大家好，我是量子位聯合創始人李根。在我們正式開始之前，請大家介紹一下自己公司的業務情況。

何曉飛：大家好，我叫何曉飛，是飛步科技的創始人兼CEO，之前是滴滴出行高級副總裁。我們公司主要致力於無人駕駛貨運，技術方面我們采取的是從軟體到硬體全閉環開發的策略。除了講得比較多的感知、規劃、控制、決策等軟體方面，我們在針對無人駕駛的智能芯片方面也有一些比較深的積累。

肖健雄：大家好，我叫肖健雄，之前在MIT讀博士，後來在普林斯頓大學當教授。我們公司AutoX是2016年在矽谷成立的，現在公司在珠三角、長三角都有辦公室，也希望能夠很快來到廣州，設立我們的廣州辦公室。

我們是專注於L4無人駕駛的團隊，技術特點是獨創的雙AI人工智能系統，現在在美國方面已經進行了一系列的落地，例如在美國推出了全球首個無人駕駛生鮮運送和外賣運送服務，現在在美國聖何塞區域對公眾開放，所有人都可以使用我們的無人外賣生鮮配送服務。在中國也落地各種場景，例如與物流公司和主機廠合作，像美團、中通快遞、東風、上汽集團等落地無人汽車園區物流。

我們獨創技術之一就是非常高分辨率的感知系統，我們獨創的雙主傳感器包括雷射雷達和攝影頭，通過硬體同步可以把我們對世界感知的分辨率提高到非常高的程度。同時我們也獨創自己的神經網絡系統，做instance level segmentation。這種網絡一般都是非常慢的，但是通過算法上和工程上的優化，我們可以做到15毫秒/幀。這些獨創技術提高了自動駕駛的安全性，讓我們對量產更有信心。

董方亮：我是來自NVIDIA的董方亮，我在NVIDIA主要從事自動駕駛商務合作方面的工作。今天非常有幸來到這裡，感謝創新工場。我們發現創新工場與NVIDIA在很多方面有很多重合，比如說今天看到我們的合作夥伴也坐在台下。NVIDIA最早是做四元計算圖形的一個公司，在公司發展過程中，我們逐步從視覺計算、圖形向AI方面延伸。我們發現在AI領域，自動駕駛是一個非常好的應用行業。我們也很高興能跟中國的合作夥伴在一起，共同讓自動駕駛在中國落地。

▌詳解自動駕駛落地技術

李根：剛剛他們介紹比較謙虛，何曉飛博士是浙江大學最年輕的教授，肖博士也是港科大的傳奇校友，NVIDIA更不用說了，就是自動駕駛領域內不可缺少的芯片公司。

我們今天論壇重點要討論的話題是自動駕駛落地面臨的技術挑戰。所以在開始討論之前，我們需要結合幾位所在領域，先列條件劃定清楚範圍，比如級別上，可能以L4為標準，完全無人。其次在討論範疇裡，固定簡單場景或者完全給無人車開專道的情況也先排除，我們就討論家用的無人車——隨時隨地，哪兒都能去。

我們先討論的第一個話題，請問您認為L4無人駕駛的實現需要哪些大技術板塊，現在哪些技術準備好了？哪些技術還需要努力？

何曉飛：我認為主要有三個方面。在未來相當長的一段時間內，這三個方面都需要有一個彼此之間的配合。

第一，無人駕駛的作業系統。我們經常提及的感知、規劃，包括行人檢測、識別率和準確率，這背後的核心技術就是我們今天講得比較多的人工智能、機器學習等。

第二，芯片。每一波技術浪潮剛興起的時候，軟體和硬體都是一起發力的。像八十年代的Windows和英特爾，硬體和軟體一定是緊密結合的狀態。我們目前所處的無人駕駛階段還處於非常早期，不管是軟體還是硬體，總體上講離成熟都還有一定的距離，所以這兩者之間一定需要緊密結合。

第三，傳感器。就像車上的攝影頭、雷射雷達、毫米波雷達，我們需要機器像人一樣感知我們周圍的環境。

肖健雄：軟硬體配合肯定非常非常重要，但是從我們的角度看，我們認為每個公司都有一個專注點：有的公司專注於造車，把車造得非常好；有的公司專注於軟體算法，把軟體算法做得特別好；有的公司專注於芯片，把芯片設計得非常好。每個公司都有一個專長，都有他的DNA。我們會以非常開放的心態，通過與主機廠、芯片公司合作來布局這方面。

關於L3還是L4，或者私家車還是運營車這兩個問題，我覺得這些肯定都是並存的。輔助駕駛和無人駕駛其實是兩個賽道。在我眼裡，輔助駕駛和無人駕駛的區別，有點像打電報和互聯網的區別，是完全不一樣的商業模式。打電報也能全球傳遞資訊，但是從來沒有人想通過打電報的方式做廣告，而互聯網最賺錢的業務就是做廣告。所以我認為L3是在車上加點東西，這其實是給私家車，特別是給高端私家車輔助體驗。

但說到L4，我認為想得更多的是如何真正實現無人運營，如何通過無人駕駛技術來改變計程車行業、改變無人物流、無人外賣、無人卡車，我認為這才是真正的無人駕駛。有時候一個新科技出現得早，大家還沒有意識到它的爆發力有多大。我認為無人駕駛的發明有點像互聯網的發明，我們討論的根本不應該是如何打好電報，而是應該通過互聯網社會創造更大的生產力。

董方亮：在這裡我可以跟大家簡單分享一下NVIDIA在自動駕駛方面的一些體會。今天我們都在講L3或者L4。對於一個L4系統而言，要上路可能需要做很多方面的準備。在設定整體目標的時候，首先要保證安全，也要技術可達。在這兩個大目標之下，如果把整個L4系統做一個比較粗略的分解，可以分解到幾個層面：

一是芯片、硬體平台層面，你怎麽從硬體的層面達到車規需求，包括滿足車規安全；二是作業系統層面；三是應用軟體層面；四是系統架構要符合整個車輛開發的流程，包括工具鏈要符合車規需求等，實現這些才能保證你的系統功能符合車輛的安全保證。在這之後還要把場景定義好，在最終的自動駕駛汽車上路之前，你需要做很多的配套測試，除了實地路測之外，還有一些很好的方式，比如通過模擬做虛擬路測，如此一來才能讓L4級別自動駕駛車輛上路。

▌業內大咖心中的技術評判準則

李根：如果要去體驗自動駕駛汽車，您自己會主要看哪些方面的技術？您是如何去判斷檢驗某一家無人車公司的技術好與不好？

董方亮：這個話題比較大，只能從我們公司本身的體會來看。首先，剛才簡單提到了整個自動駕駛技術的整個體系架構要滿足車輛功能安全。在滿足大功能安全的前提下，你在不同的模塊、不同的功能上要有一些技術的突破點。

在芯片層面我可以分享一個新聞，NVIDIA旗下全球首款自動駕駛處理器Xavier通過了德國的南德意志集團認證，它能夠保證我們的智能計算平台通過測試規範，這只是從基礎的計算平台角度去講。在這之上也有很多工作需要去做，例如滿足車規的作業系統，再上一層的感知模塊要能夠滿足場景需求。

感知模塊用一個稍微具體的例子來講，在真正上路跑的時候，你不光要能發現大的移動物體或者是對你的行駛產生干擾的大物體，對小物體的檢測其實也非常考驗一個公司的實力。例如哪些小物體會對行車造成影響？哪些不會？如何高效、實時的把它們檢測出來？這都是技術的積累。

李根：肖教授，假如您自己去乘坐別人家的無人駕駛汽車，您自己會重點關注哪方面的技術，如何評判做得好還是不好？

肖健雄：這個不只是別人家的自動駕駛車，包括我們自家的自動駕駛車，我們也一直在自我評價然後才能進行內部工程管理。我認為最重要一點是坐在車上的性能體驗，而且不只是坐幾分鐘的。你在車上坐兩個小時，你看這個車會不會在馬路空空的時候亂急刹車。亂刹車就是對物體的識別和對物體的預測判斷不夠精準，這是一個考量的指標。

當然，也要看有沒有人工的介入。每個公司計算人工介入次數MPI的方式不一樣，有些公司認為每次人工介入都叫人工介入，有的不是，所以這個自報的MPI數字不是很有參考價值。更可靠的是你坐在車上兩三個小時，在矽谷比較好的初創公司或者大公司可以做到七八個小時沒有任何人工介入，沒有任何的錯誤，你在車上待一兩天就知道了。

同時，也要看這個公司在技術上的成熟度。因為我們是辦一個公司，而不是做一個研發項目，所以需要配套的工程化能力。例如，一旦車進到複雜的路況，AI沒辦法處理，怎麽辦？這時候停在路上還是遠程接管功能？如果一家公司真正想把無人駕駛量產、真正實現產品化，那麽這個遠程監控、遠程遙控系統也是非常重要的。

另外還要與車保持通訊，這個車的線控模塊怎麽做？這也是非常重要的，是通過跟主機廠合作或者是使用自家開發的車規級ECU？刹車油門轉向是關鍵控制，雖然平時可能坐五六個小時都沒問題，但是一旦有情況，可能刹車都刹不下來了，這也是很重要的。第三方的很多改車小公司不具備這種無人駕駛車量產的能力。

包括仿真器的相應配套，你要看看這個公司的工程師是自己在車裡調試一下就下來，還是有非常科學的安全測試流程？這個車是每天都在跑，還是買了二十台車基本放在車庫，每天就跑一兩個小時？汽車的利用率也是一家自動駕駛公司成熟度的一個重要表現。

李根：何曉飛教授，聽說您的車已經有一些具體的運營，對比肖教授，您衡量技術的標準會不會有些不同之處？

何曉飛：我想重點講兩點。第一，速度。大家知道，作為人類，我們開車也是這樣的，速度越快，就越是緊張。對於無人駕駛也是如此，速度快了，你的車震動得會更厲害。我們現在做的是卡車，不是乘用車。大家知道卡車開得快的時候，震動是非常厲害的，車頭、車身本身的結構比較松散，而且速度快了，刹車距離也會更長。

第二，響應時間。速度快的情況下，前方我們看到一個障礙物在20米、30米以外，即使我們的感知做得非常好，我們知道前方有一個障礙物，但是我們是不是有足夠快的響應時間，能夠做出準確的決策？現在卡車能夠開到90公里每小時，差不多是25米/秒。響應時間乘以車速就是安全距離，人的響應時間在0.7秒左右，所以對應的安全距離是18米。我們整個無人駕駛的軟體算法到芯片形成了全閉環的技術體系，可以最大限度去降低響應時間。目前，我們的整體技術方案可以將響應時間控制在0.05秒，這樣算下來，我們可以把安全距離做到一個非常好的範圍，只要不是障礙物貼到車身，我們都可以有一個非常快的響應。

現在有很多指標來判斷自動駕駛技術水準，但是真正落地到未來的“三化”運營，我們最關心的核心指標有兩個：速度和響應時間。

▌自動駕駛芯片之爭

李根：剛才大家提到了自動駕駛對芯片性能的一些需求，現在我們需要攻堅的技術裡面，芯片到底是處於一個什麽樣的水準？聽說何教授的芯片已經是完成了流片，能不能分享一下自動駕駛芯片的現狀是怎樣？未來可能的發展情況？它的迭代速度可能會是一個什麽樣的狀態？

何曉飛：在現階段，針對芯片，應該說還沒有一個統一的或者大家公認的解決方案。我相信，目前全球範圍內真正在跑的車上還是以GPU架構為主，這個是針對L4級別的；L3級別的話，我們可能還會用到像FPGA這樣的一些芯片。

未來的發展方向，我個人認為會針對專用場景做一些應用功能。為什麽？可能在大家的想象裡，人工智能已經非常強大了，能夠像人一樣。但是事實上，我們今天的人工智能所處的技術階段本質上還是基於我們的數據，數據本身又是基於我們的場景，基於我們的功能。所以針對人工智能芯片，我相信在相當長的一段時間，應該說很難做到通用芯片。像過去的GPU、CPU本身是通用芯片，我們在所有的領域，像交通、醫療、金融等用的都是這樣的芯片；但是在人工智能階段，可能大家會發現有人工智能的，有無人駕駛的，也有智能音箱的等等。

回到無人駕駛，今年9月我們剛剛完成了第一代芯片流片，我們第一代芯片主要是針對攝影頭、雷射雷達、毫米波雷達，針對感知的一塊芯片。到明年，我們會推出一款融合芯片，基本上可以取代目前所有GPU的這一部分。到後年我們會推出一款決策芯片，類似於車的大腦，未來會取代整個GPU所用的計算平台。

李根：在GTC大會上，NVIDIA的自動駕駛芯片也是大家關注的一個重點，能否介紹一下，現狀是怎麽樣的？未來迭代的速度會是怎麽樣的？

董方亮：NVIDIA在自動駕駛方面主推的平台DriveXavier是SOC架構。因為自動駕駛是一個既要求高效率又要求一定的通行計算和靈活性的計算平台，所以在這方面，我們會做一個最優的組合。也就是說我們會把我們的SOC分成幾個方面，一方面會去做靈活性比較高的通用性計算，除此之外，我們會在我們的工具和軟體方面上做一些特殊的加速器。也就是說，加上我們的主SOC能夠保證我們的計算平台在滿足通用計算的需求同時，在影片編解碼方面實現優化加速，從而達到整個系統技能滿足一定的通用性，又能最大化實現優化加速，這是我們的一個選擇。從產品研發的角度講，我們下一代產品也會陸續公布出來。

李根：肖教授，你們在矽谷有一些運營生鮮的落地項目，之前也有一些代駕、遠程監管的項目推出，在芯片方面，會不會有相應的方案？

肖健雄：在芯片方面，我們同意NVIDIA這邊的看法，我覺得自動駕駛ASIC芯片早晚會發生，但最起碼要十年、二十年時間。因為整個自動駕駛軟體，包括神經網絡一直在迭代，一直在進步，一直在改，一直在更新。就算成熟如谷歌都已經做了十年的無人駕駛，他們每天都在改，一直在改進，還處於沒辦法固化下來的階段。所以我們特別喜歡NVIDIA的芯片，我們的軟體可以一直更新，我們可以一直不停地迭代，把自動駕駛的系統更新得越來越好。

同時，自動駕駛芯片一定要車規級麽？我覺得也不一定。為什麽？我們的無人駕駛關鍵是要安全，安全不等價於車規級。安全要的是冗余，是一個東西壞了，有另外一個東西可以當備份，馬上介入。你看谷歌的無人駕駛，它的芯片並不是車規級，但是它有冗余，有兩台電腦，一台壞了，另外一台可以馬上介入。

當然這也關係到是運營還是私家車的問題，私家車一定要有車規級的芯片才可以賣。但是如果是運營車輛，你的電腦壞了或是有一個芯片壞了，另外一個要能夠馬上介入，保證安全，讓車在路邊停下，再派一個維修人員去那裡維修一下，這樣可以得到解決。當然車規級肯定更好，但我覺得這不是一個必要條件，而是一個良好的補充。

在安全方面，我們經常強調的是“全棧冗余”，什麽東西都能冗余，主傳感器有兩套冗余，AI有兩套冗余，芯片也有兩套冗余。NVIDIA的設計就是有冗余的設計，是非常健康的設計，包括線控芯片也得冗余。所以我認為所謂的車規級不一定是全棧車規級，但是一定要全棧有冗余。

李根：最後一個問題，如果我們以手機為比喻，大哥大，諾基亞摩托羅拉為代表的功能機，蘋果安卓為代表的智能手機，現在無人技術處於什麽樣的階段？

何曉飛：手機最核心的功能是通話，無人駕駛最核心的功能我覺得應該是“無人”。從這個意義上來講，我們現在是處於BP機的階段。

肖健雄：我覺得也是屬於非常早期的階段，是PC時代之前的品牌機階段。也恰恰是因為屬於非常早期的階段，所以我覺得現在很多東西是通用的更好，因為大家還在變的階段。只有全棧進行優化，你才可以把這個系統打磨得很好。

董方亮：我就一句話講我的觀點，就是值得期待，來的想得比你快。

歡迎關注創新工場微信公眾號：chuangxin2009。創新工場擁有強大的投資和投後團隊，持續輸出關於創業投資、投後的真知灼見~ 還有機會參與到創業培訓、沙龍和其他各類活動中。