十问自动驾驶

4月18日,暌违2年的上海国际车展如约而至。作为2023年全球首个A级车展,上海国际车展一开幕就引爆了汽车圈,成为了汽车产业的一场大狂欢,整车、汽车供应链和汽车科技企业纷纷大秀实力,一同把自动驾驶推上了车展的热门话题榜。

作为智能汽车的灵魂之一,自动驾驶已经成为了汽车产业下半场竞逐的核心能力。在车企及科技公司争相入局的当下,自动驾驶迈入了蓬勃发展的快速成长期,驱动着汽车产业的智能化创新与转型升级。亿欧智库预测,2025年中国汽车智能驾驶功能渗透率将达到72%,仅中国城市NOA(高阶辅助驾驶系统)前装市场规模将突破百亿元。

4月20日,在2023第二十届上海国际汽车工业展览会上,华为云联合自动驾驶产业各方共同举办“中国自动驾驶产业发展论坛”。

本次论坛以“云上创新 共建智驾产业未来”为主题,聚焦时下热议的自动驾驶话题,围绕自动驾驶行业备受关注的十大问题,分别从自动驾驶商业化落地、产品技术、产业发展与生态共建等三大维度进行展开,并携手与会的多名自动驾驶行业专家,呈现了一场新理念与新技术齐驱的自动驾驶行业盛会。如下,我们选择了一些行业专家的观点,以飨读者。

近年来,自动驾驶的商业化落地与规模化量产出现了多个里程碑式的节点,在自动驾驶商业化前景可期的背后,曾专注于高阶自动驾驶的企业将重心降维至L2级别,率先发力低阶自动驾驶的规模化上车,推动自动驾驶量产浪潮的加速到来。

虽然自动驾驶仍面临着来自技术、成本及政策法规上的诸多挑战,但行业参与者们对自动驾驶商业化前景信心十足,勠力同心绘着自动驾驶的发展蓝图。

第一问:关于自动驾驶技术应该是渐进式发展还是跨越式推进,行业不同的争议点体现在哪些方面?

长城汽车自动驾驶技术总监张瀛: 作为主机厂,我们是渐进式地推动整个自动驾驶技术的演进。自动驾驶能力是从L1、L2到L3、L4、L5逐级递增的,这过程当中每一级都要确保安全,并匹配相应的技术能力、感知能力、计算能力等,包括未来“车、路、云”协同技术的应用,都需要时间、数据、经验的积累与充分验证。我个人认为,渐进式更适合自动驾驶技术的发展。

友道智途CEO王瑞:不管是渐进式还是跨越式,二者并不矛盾,只是在不同的业态和场景用不同的方法而已。就像我们做矿山、港口的自动驾驶肯定是跨越式的,我们就是要取代人类司机,技术也支持我们在特定场景里做跨越式发展。乘用车的自动驾驶是渐进式发展的,大家如果太冒进了,可能会阻碍自动驾驶的发展。我们还是要有谨小慎微的心态,让这个行业更加良性、强劲地发展。

毫末智行COO侯军:自动驾驶的发展无论是渐进式还是跨越式,最终都是为了登顶。针对不同的场景、不同的数据规模、不同的模型迭代、不同算力能力的提升,大家最终都要用性价比来登顶,路线没有对错,只有合适不合适。

第二问:当前已有哪些自动驾驶产品和功能已经在实际场景中得到了应用?技术、法律和监管政策、成本等方面,是否阻碍了自动驾驶的商业化落地?

亿欧汽车研究院院长王忠:在整车E/E架构的升级、域控产品的优化以及大算力芯片的迭代背景下,“行泊一体”的规模化量产迎来高速增长期。多家自动驾驶供应商已对行泊一体功能方案进行了布局,欲通过自动驾驶的风口实现弯道超车。

技术、法律和监管政策、成本等因素均与自动驾驶商业化的落地速度息息相关,但随着中国相关法律法规的颁布、汽车行业标准工具的完善以及技术的发展,自动驾驶将逐渐量产落地,用户也将拥有更加安全、舒适的智驾体验。

元戎启行合伙人兼副总裁刘轩:在法律框架体系下和现行的技术下,自动驾驶企业现阶段跟车企合作定点的方案还是以L2++为主,目前是通过数据闭环、软件OTA,可以让我们自动驾驶方案完全升级到L4、L5级别,这块离不开华为云的算力的支持。

第三问:关于实现自动驾驶规模化量产落地,解决了哪些关键问题?会经历什么样的时间周期?

亿欧汽车研究院院长王忠:垂直、可控的一些封闭与半封闭场景,如港口、矿山、环卫、无人配送等场景已经成为自动驾驶商业化量产落地的主战场。由于自动驾驶在商用车端落地所面对的Corner case少,数据和场景密集度高,更易打造“边-端-云”协作等优势,快速体现自动驾驶带来的社会价值与经济效益。

但在乘用车端,目前Robotaxi、Robobus等完全自动驾驶场景复杂且法律法规的成熟度相对滞后,规模化量产落地仍道阻且长,人机共驾仍是长期的主流趋势。

元戎启行合伙人兼副总裁刘轩:随着自动驾驶量产之后数据量的积累,大概1年以后,低配版的自动驾驶产品会具有高配版的能力,高配版会有更强的能力,自动驾驶逐步向L4、L5级别靠近,未来几年会有多款自动驾驶前装量产车上市。

“小结:就自动驾驶的技术路线而言,渐进式发展的好处在于可以逐步完善系统的性能,减少技术风险,降低安全试错的成本,但时间成本更高,发展周期更长。相比之下,跨越式推进可以更快地实现完全自主可控的自动驾驶,同时也需要更高的技术水平、更大的资金投入。在不同的场景下,两者的路线并不冲突,而是殊途同归,最终的目的均是实现机器取代人类来安全可靠地驾控汽车。

如今,面向乘用车的领航辅助驾驶功能L2、L2++已经优先实现量产,具体功能表现有城市NOA、行泊一体等,而在不同的细分应用场景里,L4级无人配送已初具商业化基础能力。自动驾驶现已处在规模化商用的前夜,随着自动驾驶安全性和技术可靠性的提升,及自动驾驶相关法律法规、道德规范的制定和落实,自动驾驶的商业化落地将会进一步提速。”

自动驾驶技术的发展离不开数据的喂养与训练,数据驱动的训练模型已成为自动驾驶破局的关键。如何构建完整的自动驾驶数据闭环,实现数据的全生命周期管理,也是 业内的热点话题。

对于数据的采集、存储、标注、训练等多个环节,自动驾驶产业链企业需要综合多方面的角度进行协同发展。除了数据模型外,自动驾驶在算法与算力、感知与地图的平衡上都需要在实践中进一步探索出适应市场发展的行进路线。

小马智行解决方案经理张帆:自动驾驶从技术研发到实车上路后的每一个环节中,都会爆发出大量的数据,这需要工具链的参与,并依赖于云服务、云资源的优化调度及成熟的架构支撑。

数据闭环有两个概念,第一个是物理意义上的数据闭环,即数据如何流转。数据闭环的第二个概念是服务于技术的迭代,即在技术的迭代中,我们需要数据的分析流程、数据的抓取以及仿真的自动评测,并依赖于我们每天不断去使用与打磨工具链,来提升客户在整体流程中的使用体验。

同济大学教授、汽车安全技术研究所所长朱西产:数据闭环主要作用是解决未知的不安全场景。现在公司需要自己去采集数据,拿来做AI的训练以及回放的测试,但是数据采集费用非常高,这个场景库到底要跑多少公里,才能够覆盖全场景呢?我们希望是10亿公里,但1亿公里的采集费用企业都无法承。

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注