圆桌论坛二
朱君：接下来进入第二场圆桌论坛，有请：
前晨汽车首席技术官付晶玮
驭势科技创始人吴甘沙
智行者董事长、CEO张德兆
轻舟智航联合创始人兼首席科学家大方
以及主持人林示，有请！
林示：谢谢四位嘉宾，上一场嘉宾讲到了中国汽车在海外市场的扬眉吐气。中国的智能汽车技术在世界上是首屈一指的，台上嘉宾在智能驾驶方面都是非常专业的。
我第一个问题想问来自整车企业的付总，现在智能驾驶企业未来进入整车企业的供应商愿意把自己的技术降到L2级，你觉得这是整车企业想要的吗？
付晶玮：我们在这个行业内有很多非常厉害的企业，我们只是其中的代表，我们不是最厉害的。实际上作为整车企业来说，我觉得其实自动驾驶的发展当中有两块，一个就是从L2一直到L4的道路，一个是从L4向下走的道路。这两年随着大量的L2、L3车型的问世，还有技术的逐步被验证，受欢迎程度导致很多L4企业向下探，向L2量产化进军。
我们向前倒，之前很多L2企业最早追溯到上世纪80年代，很多企业开始搞L2，真正L2技术在欧美大规模应用大概要放到十几年之前。这类企业在市场上现在还是占有一定份额的，也有多年的积累。我们的L4企业大部分是从二0一几年开始，AI技术开始逐步广泛应用，出来了很多这类企业。这些企业在AI技术和现有的新型供应链上有很强的积累和技术。逐步下调的过程中，企业在互相学习融合中进步非常快。作为整车企业来说，我们乐于看到他们在量产道路上给我们更多的方法和解决办法。
对于现在的行业变化来说，逐步的，车辆选择由以往的车企提供什么变成了用户需要什么、车企再提供什么。用户体验就变得非常重要，新的企业下来，或者老的企业上去的过程中有两点很重要，第一，这个企业能不能提供多快好省的产品，第二，这个企业原有的技术链能不能跟车企原有的技术链快速完整融合，然后让车企可以更快地满足用户的快速迭代的体验需求。我觉得这两点非常重要，也就是说一个是要便宜，一个是要好。
林示：现在智能驾驶和智能座舱要融入到一起，您对于这种趋势怎么看待？
付晶玮：作为前晨汽车我们是这样看的，整个整车网络我们经过了分布式到预控式，以及到我们说的中央预控这个过程，前晨汽车坚定的认为中央预控这个过程会到来。眼前实际上经过了我们说的舱驾一体化的时代，现在这个时代已经得到验证了，有些企业在往这个方向推。再往后，从我们的角度认为，这个趋势是不可阻挡的，为什么呢？就整车企业来说，大规模的限速、分布式的电子电器模块，包括大量的软件开发和技术占用了企业大量的研发成本。对于企业来说，能够把大量的研发成本和软件团队集中化是方向，也是能够推动这个产业向前快速发展的方向。所以我们比较认同。
林示：谢谢付总。吴老师，我一直叫吴总吴老师，因为他是一个拥有文人气质的企业家，去年给我发了一首诗我印象很深。驭势一直说，我们的自动驾驶是全场景，意味着什么都做，是不是不够细分不够专业？
吴甘沙：其实我们通常说自动驾驶，第一反应是日常通勤需要的自动驾驶，但事实上在我们看来，这个世界上千行百业都需要自动驾驶，只要有人和物的长距离移动，只要有运力的需求，就需要自动驾驶。我们期待从第一性的原理去看驾驶技术，因为我们人的这种驾驶技术是通用的。
我是在北京拿的驾照，在上海甚至去纽约不用重新拿驾照。我开的A品牌的车，我换一个品牌不需要重新训练。所以我们把我们所有的研发聚焦在所谓的全场景自动驾驶操作系统这一块。而且我们在工信部人工智能挂帅过程中在自动驾驶操控这一块还是摘得花魁的。我们这个技术要应用在千行百业意味着我们要做横向聚焦。
纵向聚焦比如说专门做港口、矿山或者是乘用车的L2，这是纵向聚焦。横向聚焦就是做好全场景的自动驾驶系统。同时我要有所舍弃，就是我不造车、不做运营，跟生态合作伙伴一起去开发。这就是我们的理念，横向聚焦，做好全场景的自动驾驶操作系统。
林示：刚刚也说到从全场景，就是我们专注于我们现有的领域。我知道有些企业是什么都想做，但是我们是专注于做好一个供应商的角色。我想问在现有的法律法规情况下，自动驾驶可量产的级别在哪个级别？
吴甘沙：我认为法律法规肯定是基于你的技术成熟度和你这样的一个技术可能带来的社会后果影响来制定的。所以我们判断做自动驾驶No1的核心原则就是不能出现致命的事故，这个是很重要的。
在这样一个前提下，从商业化的路径上，很显然就是有两条，一条是基于乘用车的L2渐进式的发展自动驾驶技术。因为L2的责任主体还是在司机驾驶员身上，所以它确保了这样一个今天的技术还不是那么成熟的情况下，它是具有一定的容错空间，同时又有明确的责任主体。
另外一条路线就是商用车特种车专用车的L4，但是这条路线一定有一个渐进过程，虽然已经达到L4了，但是它一定会从慢到快、从限定场景到开放道路等等的过程，这本质上也是为了负责任地去做自动驾驶技术保障安全。所以这两条线路现在咱们中国有很多的公司都在探索，而且在世界范围内走在了前面。
林示：我们驭势与现有的L2级的自动驾驶企业玩法有什么不一样？
吴甘沙：我们也做乘用车的L2，我们主要看到了一个契机，一方面随着电动化、智能化的普及，我们的终端消费者对于L2这种产品的要求越来越高。我在高速上做一个传统驾驶辅助，其实已经不能满足他们的需求了，他们的要求越来越高。
另外一方面，大家看到在乘用车的供应链层面，高算力芯片和高分辨率传感器也越来越普及。几年前很难想象几十个甚至几百个tops的芯片，800万像素的摄像头能够在乘用车L2领域这么快量产。一方面消费者要求越来越高，另外一方面高算力的芯片和高分辨率的传感器的供给得到了保障，所以从某种程度上，我们传统做L4的企业进入到L2，有了一个很好的契机。
所以从我们的角度来看，我们第一还是要高智价比的产品。智价比就是智力除以价格，一方面我们在整体方案成本上要做到有优势，另外一方面智力要不断提升，我们的愿景就是从点到点、端到端实现全过程自动驾驶。什么意思？就是我出门从电梯出来，我可以在停车场一键召过来，然后从停车场开到高速又下到城市道路，进入到停车场自动代客泊车，点到点、端到端实现全过程自动驾驶。我想这是我们从L4进入到乘用车的L2，是具有一定的技术储备的。
另外一方面，乘用车L2现在需要不断的技术提升，它需要更低成本合法合规的数据闭环，在从L2逐步往L3、L4进展过程当中，需要我们在商用车L4这边积累的很多安全和运营的经验。所以这些都帮助我们能够去打造在乘用车L2上的差异化产品。
林示：谢谢吴总。下一个问题问智行者的张总，最近你们很火，你们发布了一个高速自动驾驶巡航系统，这是一个重感知轻地图的。我想问我们这个重感知轻高精地图的系统，在实际成本和应用方面有哪些优势？
张德兆：现在大部分自动驾驶的方案都是依赖于高精地图的，也就是相当于把人的经验和智力叠加到地图里去，现在地图里标好这是左转车道，这是右转车道，我现在在哪里，这是可通行区域、这是不可通行区域。相当于把人的智力叠加到地图里去。
但是现在高精地图存在一个什么问题呢？我们现在很难做到高精度地图全覆盖，即使比如说像北京、上海这样的一线城市，我们实现高精度地图的覆盖之后，但是它会存在实时更新的问题。比如说这条路今天在修路，刚好我回家要经过这条路，不能说我车就过不去了。所以我们提出了重感知轻地图的方案，这个方案首先我正名一下，这个方案不是说不用高精度地图，而是也用高精度地图，大部分时间还是要用高精度地图，但是这段路如果没有高精度地图，我们能够做到现场的语义理解，用我们的传感器现场做语义理解。这就相当于人开车，比如说我现在去京郊的某个农村，这个地方我没有来过，我顶多开慢一点，照样能开过去，我们是这样一个方案。
林示：谢谢张总，您也解释了我们是轻地图，而不代表不用高精度地图，高精度地图依然是全行业高级别自动驾驶必备的。下一个问题问轻舟智航的大方总，跟您见面第一次印象很深，我想问前段时间你们推出一个超高性价比的解决方案，并且跟买车一样是可选配的，我很感兴趣，这套系统目前能适应哪个级别的智能驾驶？谢谢！
大方：我们这套可配置的系统性价比高，其实跟我们处理城市NLA（音）高级辅助系统的思路，跟刚才付总讲到的思路也有点共同之处。
付总讲这种产品能不能在消费者、在车企得到比较好的应用有很重要的两点，所谓多快好省，第二就是能不能跟现有的车企技术体系比较好的融合。
我们处理的要点和思路，第一，我们一定要把成本压得非常低，在L4的基础上尽量保留能力的同时要把传感器和计算要求全都降下来。这个过程中不可避免要损失一些能力，但是靠我们自己的一些独特的算法设计，能够做到降成本，把成本压非常低的同时尽量不损失能力。我们只需要一颗前像激光雷达，大家都知道，激光雷达是比较关键的传感器，做定位、距离、三维轮廓这些信息是很关键的。我们也知道，在只有一颗激光雷达的情况下，视野这么小，想测的信息测不到，但是在感知系统里通过我们对摄像机和激光雷达多模态数据语义技术的解析，可以把测到的准确三维数据扩展到视野之外的区域。通过在追踪的时候我们做一些比较细致的数据沿用和关联，我们可以在这些没有激光雷达视野的地方做到几乎相当于有激光雷达质量的数据。
这样的话，你可以想象这个能力是远强于只有100多度的激光雷达视野的系统，虽然我们只有一个激光雷达的成本，但是能力还是接近于L4的能力。这是在算法设计上我们很小心的一点。
同时刚才付总说的另外一点，能不能跟车企的技术体系做比较到位的整合，能不能适应这个市场里面不停的变化，而且满足高度定制化的消费者需求。这也是我们在设计时考虑的一点。我们在做这个系统的时候，虽然是在L4基础上做减法，把能力和成本降下来，但是尽可能维持整个L4系统的整体框架不变，一是保证在不同的场景，不像L2那样分具体的功能点。在L4整体设计里面，咱们能在路上开，这些都已经有了，这是不会舍弃的。同时，尽可能保持模块之间的灵活组合能力，所以在市场需要有变化，在车企自己的情况有各种需求时，我们都能做到比较灵活的组合。
林示：你刚才说到L4的这种方式可能更有利于L2驾驶能力的提升。付总，最近有一个非常大的争论，整车企业要不要进行智能驾驶技术的全栈自研，有人说整车企业不做全栈自研，说白了就是没有组装厂核心技术，您在知名的车企都干过，您对这个事怎么看？谢谢！
付晶玮：答案是肯定的，整车企业一定要有L4的全栈自研能力，但是这个能力和全栈还是不一样的。为什么整车企业一定要有全栈自研能力呢？就是因为任何一个新技术的发展和突破，它实际上需要懂的人去做懂的事，而不是说不懂的人去做这个新的事。
作为整车企业如果自身不具备这个能力本身，它无论跟我们说的L4企业也好、L2企业也好，还有更新的企业也好，去合作的时候会产生巨大的沟通代价，这种沟通的鸿沟，然后技术的鸿沟等等。所以作为整车企业，做什么，在这个产业链中你作为一个企业，你理论上你就不应该把所有事都做了。你要和现有的产业链、和整个的政策还有整个的社会上的所有资源强有力的完美的契合在一起。
但是不代表说这个企业可以通过不懂的形式去契合他，一定要有一个全栈的队伍，但是这个队伍中把你的需要加强的部分加强，然后完美的和现有的市场资源做契合和整合，我觉得这是整车企业要做的。为了做这件事，所以一定要维持全栈的进度，只是权重有点不同。
林示：接下来要问的是一个共同性的问题，如果是没有法律法规阻碍的情况下，中国的这种复杂的道路路面上，你们觉得无人驾驶技术现在能不能落地？如果没有法律障碍的话。
吴甘沙：我记得我们在2016年创业的时候，整个行业都开始畅想L4级别的自动驾驶落地的时间，多数企业认为是在2021年。这是简单的2016+5，五年计划，到2021年。当然这样的预测现在看来都太过于激进了。
未来到底是什么时候在公共道路上能够看到，其实我不担心法律法规，因为法律法规始终是滞后于技术成熟度的。所以现在从行业的角度来看，2025年又是一个5字头的，2025年被认为是一个重要的时间节点，2030年被认为是另一个重要的时间节点。目前全行业相对比较理性的判断认为，2030年是可以在公共道路上看到规模化的自动化的商业化。因为全行业如果有一个共识，它会自我实现的。全行业都认为2025或者都认为2030，大家都铆足了劲往这个时间点上靠，很有可能自我实现，但是它并不是一个科学的推断。
我觉得科学的推断，大规模商业化的前提在于大数据的统计表明自动驾驶比人开得安全。我认为这是一个前提。一旦有了这个前提，大数据意义上自动驾驶开得比人安全以后，下面自动驾驶即使出现了一些零星的甚至是低级的错误导致了一些事故，社会也是可以谅解的。
这里面有两个挑战，一个挑战是多大的数据是足够大？因为这是很具挑战的，而且因为你每一次更新了软件又得重新证明一次。所以这样一个大数据意义下证明自动驾驶安全，这是一个挑战。
另外一个挑战就是证明具备公信力。证明的过程、数据可能需要有第三方机构，尤其是政府背景的机构能够背书。所以这两个我认为无论我们未来到2025也好、到2030也好，这是需要我们行业一起去解决的问题。
林示：您讲得很透彻，就是行业要共同努力，朝着一个目标去前进，能不能实现？毕竟是个目标嘛。张总，您怎么看待这个问题？
张德兆：我十分同意甘沙的意见。现在我并不觉得我们的法律法规会阻碍这个行业的发展，因为法律法规是阻碍那些不好的东西。而我坚信自动驾驶这个事情是一个好的能够给我们产生巨大的社会价值和商业价值的东西，能够创造我们人类美好未来的一个东西，法律法规不会去阻碍，只会去促进。
而对于刚才你讲的整个自动驾驶落地的时间问题，我的观点是自动驾驶的落地是一个渐进式的过程，也就是我们很难去划定某个点就算自动驾驶落地。因为如果是从商业化落地的角度，自动驾驶现在已经在做很多的场景。包括像我们的港口矿山，包括我们的环卫，甚至包括乘用车的L2+自动驾驶。刚才讨论做L4和L2之间的关系，我认为有本质的差别。以前你看我们做L2做几十年的时间，实际上还是做的一个类似于轮胎的系统，也就是这套系统从装到车上到这辆车报废，它是一成不变的。也就是我这套算法在这儿，今天比如说某个弯过不去，它明天还是过不去。而现在我们这些做L4的技术，我们通过AI的技术、通过数据驱动、数据闭环的技术，我们能做到现在的车企虽然降维做L2+、L2，但是现在能做到让车可能在弯道今天过不去，但是明天有可能过得去，我觉得这是我们最本质的区别。
林示：您阐述得非常具体。今天证券日报有一篇文章是江铃汽车第一副总裁的采访，他提到明年的江铃汽车明年的轻客也是完全不坐人的会落地会量产，我问乘用车呢？他说载人的现在还是不敢上路，就怕出事故不好判定。您刚才提到L4技术不成问题，撞人的概率非常小，但是万一呢？有像前段时间有一个私家车撞了某一个送餐的无人驾驶车，这个责任到底是谁的呢？物流说是没有上牌的，所以最后判断是无人物流车的责任。有很多很多原因制约着，尤其是公众认知，我认为这是很重要的一个方面，包括在实际责任判定方面。
大方总，您刚才说到L4是降维满足各个车厂的服务的，您认为是一个什么样的情况能够真正具备无人落地。尤其是在一个城中村，我们知道全国有好多小巷子的地方，人员很杂，有电动车和三轮车，我们现在的技术能不能达到这种程度？
大方：我的观点跟吴老师和张老师的观点很接近，我们几家企业在方面有很大的共同点，我们都是之前做无人系统真正在路上开，这种L4应用落地在这方面有比较多的实际操作经验。在这方面的积累或者说对这个问题的理解也都挺相似的，就是现在这个阶段不管有没有法律制约，L4乘用车大规模商业化落地是不太现实的。
就像刚才吴老师说的，你这个系统能不能做到其实都是另外一码事，我们也能在城中村有人车混杂，有窄路的地方做到自动无人驾驶，有不少企业也都有过这方面的展示。能做到只是第一步，更重要的一步是怎么验证你能做到，一是向自己、二是向其他所有人证明你能做到。吴老师刚才说了，只有在统计意义上在很大规模很多里程的研究基础上才能拍胸脯说你的系统跟人相比是成功的，数据量必须是很大的，里程必须是很多的。
假设某一天你真觉得自己的系统可以了，想做这种测试，需要的车队的规模、需要的里程、需要的时间、总的成本都是非常高的，你在做决定之前必须非常确信自己已经达到这个程度了。在没有这么多里程验证的情况下，你首先要向自己证明。这是一个很难的问题，怎样用少量的里程，包括刚才张总也说到L4级别的自动驾驶系统必须有学习能力，没有学习能力的系统肯定是不可能做到L4的，有些系统一直在不停演变，在不同的环境里的处理有可能是随时都不一样的系统，你怎么去验证它。这是一个很难的科学问题，在整个学术现在没有答案，这个问题首先解决才能有下一步怎么向公众证明的问题。你自己有信心了，愿意投入成本，去做大规模的验证，可能就能实现向公众证明这个系统真正已经准备好了。但是第一个问题首先要解决，这是需要时间的。我们现在判断，可能不是2016+5，而是2022+5甚至2022+10，这个时间点跟刚才吴老师说得差不多。
林示：付总，您从整车企业角度怎么看待这个问题，做一个大的总结吧。
付晶玮：我的看法比在座的各位略微激进一点。为什么？刚才吴总谈到在2016年投的时候，大家认为五年后会实现L4自动驾驶。但是在那个时候我的认知是五年内是达不到的。
但是今天我们站在2022年再向后看，我们发现时代变化是非常快的，我们有了大算力的芯片，我们有低成本的摄像头和激光雷达，我们有完善的产业链，我们整个的技术方案和成熟度比照2016年的时候有了大幅度的进步。
在这个情况下，我们再来展望说这个东西是不是会落地，我觉得可能比大家说的2020+10或者什么要快一些。我比较同意刚才张总提到的，他说我们其实一直在落地中。我们说的大规模L4无人产业化落地，一直以来有三个制约，第一是技术，第二是法规，第三是用户接受度。
到今天为止，我们所有的人面对的L4场景其实是最难的，我不知道大家意识到没有，2016年的时候我提出一个观点是说大家一定要有信心把L2大量的推到路上去。为什么？我们来培养车辆有规则的行驶习惯会有助于这产业的场景化检测落地，还能推动法规发展。今天来讲，我们遇到的场景是最难的，这是第一。第二，我们常常讲自动驾驶，实际上刚才张总提到了我们还有大量的其他场景来做验证。第三，他山之石可以攻玉，是什么石呢？其实我们去看航空领域，这些年我们从航空领域引入的概念头几年大家不太关注，这几年逐步重视起来了。航空领域对一个东西可靠性的验证和我们汽车领域是不一样的。
所以在这些方式大量引入之后，我们把汽车产业原有的积累和现在新企业的数据化迭代的经验的积累，还有原来的零部件的经验等等，完整的积累到一起。我的感觉是大概是加个5就差不多了。
林示：今天是2022年，加5就是2027年。谢谢在座的各位。下面听会的大家都很期待无人驾驶的来临，真正实现无人驾驶，所有车与车之间都是能互相通信的，就不会有堵车这一说了。很感谢在座的四位嘉宾，今天这场圆桌到此结束。
朱君：谢谢五位嘉宾，大家都说得特别实在，对于大众都普遍关心的L4级别的自动驾驶到底什么时候能落地，其实除了技术问题，更多的还是现实问题，比如说法律法规，还有用户的接受度等等。至于2025年或者是2030年，这几个关键的时间节点能不能实现一个质的跨越？还需要我们的企业共同努力，再次感谢大家！
（编辑 乔川川）
