10月28日-29日，由嘉定政府支持，国家特聘专家汽车组及盖世汽车联合主办的“2020第十二届全球汽车产业峰会暨第八届汽车与环境创新论坛”隆重召开。此次论坛以“思辨谋局，创新落地”为主题邀请百名权威嘉宾，共同探讨中国汽车产业在新形势、新格局和常态化疫情防控下，有序发展的思路举措。会议期间，奇瑞汽车智能车技术中心资深总工程师高继勇博士发表了题为“扩展智能驾驶功能的L2私家车量产探讨”的主旨演讲。
奇瑞汽车智能车技术中心资深总工程师高继勇博士
以下为演讲实录：
非常高兴，今天下午跟大家分享一下私家车自动驾驶量产这个方面的内容。前面无论是顾剑民博士还是张林博士都是多年的老朋友了，来之前我为什么叫这个题目的名字呢？我和顾博士也讨论了一下，主要是今天这个话题讲三个方面、四个话题：
第一个就是一个星期之前的今天10/22日，特斯拉释放了它的FSD Beta，我看到了很多方面的资料，OTA车辆大概人群不是很多，它还是L2因为驾驶员还是责任主题，但是具有自动驾驶功能。它能够在城市道路没有车道线，经过红绿灯并且转弯自如，中间有很多的问题，也有很多的评论，英文评论比较多，因为主要在美国，比较正面，但确实有些问题，有些时候它不知道单行道还是双行道，有时换到会犯错误，自动驾驶中换道是换道另外一种是加塞，加塞对算力等要求非常强大。
另外一个顾博士也提了，马斯克在去年的4月22号宣布今年年底，也就剩下七八个星期，要实现L5的Robotaxi无人出租车。另外在中国的很多城市也有完全无人出租了，但是它和我们私家车有什么关系？也就是它和我们老百姓买的车还不是一样的，它很难融入到我们老百姓每个人买车当中，很多方面都不一样，那私家车这个自动驾驶技术路线在哪？
第三个，我们要遵循L0到L5，问题是这6个分级难到这么重要吗？特别是对于私家车，我认为不那么重要，最重要的是客户体验。
所以我四个话题讲三个内容。
首先，就是私家车量产有很多的挑战，那我们就要思考选择什么样技术路线的私家车。首先就是要知道私家车自动驾驶的挑战：兰德智库有这么一个总结，里面有很多的原因，我就不详细介绍了。它就是说假定需要私家车自动驾驶，智能驾驶量产需要110亿英里的道路测试，如果是1百辆车要5百多年才能道路测试完成，按照这个要求我们的自动驾驶无法按照正常流程研发，那怎么办？这个话题实际上2017年我在奇瑞负责和一家非常有名的做自动驾驶公司合作中也有，也提出了类似的问题（大量车辆300多辆的道路测试），这个道路测试成本谁来负担？这些都是很大的挑战，那我们私家车怎么做智能驾驶量产？
其次，正是因为这种挑战，大家都认为仿真测试非常重要，但是仿真能否完全替代这些路试？丰田提出来说一定要测试仿真，测试仿真确实非常重要，有不同的技术、VTD等等，非常多了，但是有了测试仿真，你还需要好多的实车测试。我们都是传统主机厂来的，离不开路试，所以他认为至少十几亿甚至20亿英里的道路测试，这也是非常难做的。特斯拉认为仿真就像自己给自己改家庭作业一样，你自己知道要做的东西然后改一下哪里对不对，Elon Musk的原话就是这样的，对自己的作业进行评估和测试。另外马斯克认为仿真就是复杂世界的一个子集，这个也是一个很大的挑战。
那还有哪些呢？现在还有成百万的corner cases和深度学习的long-tai问题，你怎么去解决？这个跟前面的需求是关联在一起的，另外近些年的ai进步，比如自我监督式学习，就是避免一些人工标注实现Auto Labeling and Annotation，但是这些能不能解决自动驾驶问题呢？是不是AGI是必须的，就是它有人类的智慧，是否需要？因为我们像L4、L5开车当中不仅仅是驾驶，遇到一些场景它不是驾驶行为，比如前面有人停下来，我们经常碰到他就是不自觉，他堵着车两个人在聊天，再好的自动驾驶怎么来应对这种场景？另外无论在中国还是在美国，有的人驾驶起来相互之间飙车，那自动驾驶怎么来解决这个？然后还有一些极端场景，比如说酒店停车库出去有时候停车杆就是起不来，你再好的自动驾驶怎么来克服这些问题？这个也是我们常说的，是否AGI必需的？
刚才顾博士和张总都提到了，L3、L4这个法规的绿灯什么时候能有？包括前面嘉宾分享的工信部辛部长批评有些企业“不经过同意就提出L3量产了”，对这些企业提出了批评意见，那这个什么时候法律何时开启绿灯？我觉得还是技术成熟了，它可以证明更安全、更可靠、老百姓更喜欢，会主动要求你去更改法规。
还有就是车规级激光雷达怎么真正进入私家车量产？它的这个成本非常难做，这些都是挑战了，还有就是我们的算力是达不到的，现在有很多努力和成果。另外就像英伟达xavier都是一种GPU，还不是我们AI的这种芯片，这也是一个非常大的挑战。另外一个挑战我们现在经常做的都是启发式的编程，深度学习主要是在感知层面上的，但是用在规划与决策再加上感知层面的算法，像我这个图片出现的情况是很难做到自动驾驶的。现在很多人都在有共识，现在实际上它是无法来做的，为什么呢？这个问题太复杂了，受时间限制我没法详细解释。
还有一些极端的场景，我们常说的鬼探头，前面的大车拐弯，后面被挡住了，很可能造成事故，所以我们的车路协同，特别是今年7月份冻结了R16的释放当中，也对于5G的V2X做了一些冻结，比如说对于这种无保护的左转弯，还有前面大车挡住了你怎么能够看过去，还有VRU的发现，前面出了车祸我在后面怎么等，这些都是可以通过V2X做一些补充。
这是前面我提出来的这些挑战，正是这些挑战让我们应该思考一种私家车的技术路线在哪。我下面简单介绍一下J3016对于智能驾驶的定义，另外就是分级和客户体验的关系，作为客户体验和你的分级有什么样的关系。J3016大家都知道，我就不详细介绍，刚才前几位嘉宾也介绍了，实际上在L2和L3当中有很多的争论，特别是L2，j3016只是说你这个纵向和横向有同时的控制，对于功能，J3016当中也做了一些定义，但是没有限制功能，就比如说特斯拉这一个星期前它更新的这个软件FSD BETA，它是L2，但是它有自动驾驶的功能，为什么是L2呢？因为其责任的主体还是驾驶员，你的眼镜不能离开道路，L2的功能非常强大，但是L3眼睛一定要离开，它的感知要交给汽车来做。所以，L2、L3有很多的争论，造成了现在有人搞L2+、L2plus、L2.5、L2.9等等，但是能够满足纵向和横向的同时控制就可以成为一个L2，这个里面对于做什么样的功能，我能不能把L5的功能加进来？伊隆·马斯克宣布今年12月31号之前会发布L5的无人出租车，我认为剩下的几个星期内很难做到。
为什么？J3016是我们行业内最权威和公认的指导标准，但它不是强制标准，不指导设计。它只是告诉你，你在讨论自动驾驶的时候有一个参考。至于它是否这么重要呢？我们怎么来做呢？L2我前面都解释了，就不详细介绍了，L2就是眼睛看路，L3就是不用看路了，L4是完全的自动驾驶和ODD的研制，L5就是任何场景，包括不受天气化场景的限制。
所以现在一种方式就是包括国内外的企业做一些功能比如TJA/ICA，朝J3016上面靠，然后来宣传我的企业做到了L2自动驾驶，这是一种方法。比如说我们做TJA、ICA说有L2了，宣传上是对的，按照J3016是L2，但是客户会接受吗？客户体验会为你买单吗？还有就是5R1V、1R8V等等，域控制器主要是用来数据融合、预测和规划与决策这几个东西。
L3唯一量产的就是TJP，奥迪A8但是有报道说已经停产了，这个不去特别关注，但是很多公司也确实做L3，都是做的TJP，60公里以下高速自动驾驶。目前没有任何私家车主机厂的宣布，要量产HWP L3，就像刚才张总刚才说到的HWP，更没有企业宣布量产城市道路的私家车L3，刚才我有一个图形，你看到非常难的城市道路，不仅仅是说没有车道线，没有车道线场景可以通过深度学习能解决，但是它有其他很多的场景，有哪些东西？
2019年4月22号特斯拉宣布的，今年底通过OTA有1百万辆车都成为L5的robotaxi，当然现在看来这是不可能的。然后他又宣布，今年12月之前它的车上只有这个features，L5的自动驾驶功能，这是今年7月份他的更新。还有一个就是L5的功能包括哪些东西？当然了有城市道路自动驾驶，左转弯、右转弯、红绿灯、变道、加塞儿等等，特斯拉近期没有真正意义上的召唤，可以把车从北京召唤到上海，这个是做不到的，本来去年4/22宣布的，但现在看来是无法做到。
在竞争中客户体验非常关键，比如TJA/ICA现在有很多的客户在中国，但是客户体验很一般，销量也有限，通用汽车的SuperCruise客户体验也是不太突出。但是特斯拉非常不一样，客户愿意出钱买单，并且从本周特斯拉在美国FSD又增加了2千块钱，它的软件更新从8千美元到1万块美金。另外TJP的客户体验也不是很好，奥迪A8就是这个L3。
另外我想讲的，如果是特斯拉现在实现L5的功能，驾驶员又是主体，但是监管部门相当一段时间不允许L4/5上路，它仍是L2，还不是L5，这一段时间可以不断增加客户的喜爱，而且客户之间的黏性也非常大，然后驾驶可能很安全，他拿出数据来，这种路线能否对我们有什么样的影响，这个是我的第二部分。
第三部分主要还是介绍有哪些，这种L2的自动驾驶，但是有很多的功能，或者说他怎么设计的。第一个就是他扩展的功能，比如说我们有城市的自动驾驶，另外还可以自动变道和加塞，实际上加塞非常难，特别是中国人的驾驶习惯，加塞对于算力的要求是非常强大的。然后是红绿灯和道路标识的识别，红绿灯全世界是各种各样的，道路标识也很难识别，还有近距离召唤。
最后我只是简单举几个例子，后面可能只能介绍非保护的这种左转弯和环形道路的怎么来进行出入，它的要求第一个一定是一个强大的AI芯片和算力，刚才张总说的硬件预埋是非常重要的；
第二个就是要不断大量的数据，上午嘉宾也提到了很多数据，实际上数据越来越重要，数据为王，我认为实际上自动驾驶研发中数据为王。
还有就是一定要有先进的AI技术，当然支持OTA和电子架构等也必须我就不介绍了，这是必需的。我们现在5r1v等配置的这种L2能够升级到L4和L5？就像这个是交通识别，红绿灯识别非常多，它不仅仅是各国不一样而且你要识别这种文字，这种文字有点相当于像NLP，它有两个语言识别和从文字到语言这两个方向，实际上你看到这种交通识别非常多，非常难，但是在中国又是ETC怎么走、大车小车在哪一个道上，其他国家也不一样，这个也是非常难的
这个就是各种各样的红绿灯，而且有的红绿灯只对摩托车和电车管用，有的只管行人，有的你需要知道自己在哪一个线上，但是特斯拉没有这个高精地图也可以做，通过AI的方法可以做，但是这个场景非常复杂，这个识别我接触过国际顶尖的供应商，比起特斯拉这种识别差距很大，识别上做得最好的当然是特斯拉，特别是从去年OTA客户体验和数据来看，就是这种的图片，还有各种各样的，有些红绿灯也是临时的，它不是结构性的，而且红绿灯不仅仅是圆的，有方的，什么样形状都有的，而且道路等指引有的时候是人、是警察，你要理解警察行为，你要理解不仅仅是红绿灯，有的时候也许不是警察，也许是其他的普通人等指引不怎么标准，但是也要理解，这个有些人做了测试还是特斯拉做得最好，刚才顾博士讲了两大流派，我是站在特斯拉的支持者，待会儿我解释一下为什么。
这个是unprotected left turn，比如说路口你往左转一是没有红绿灯，或者是有红绿灯但是没有标识转向，你看白色车辆左转，有各种车辆，正反两个方向，场景非常复杂，另外下面这个图形是指有红绿灯，但是没有专门让你左转弯的指示也是一种情况。
还有这个例子曾经出现过一个事故，在和一个蓝色的车是在大车后面蹿出来了，可是红车在转弯的时候你不可能感知到的，然后它蹿出来也会突然造成一些问题，在做这种左转弯的时候，你要是跟着前面的车太紧的话也面临这个问题，它挡住了你的传感器。
还有我们讲这种环形道路Roundabout，上面这个图就是四分之一出去，然后各个路口都有行人和车辆，这个是我们自动驾驶中比较难做的场景，就是实现L2+的需求，其次一定要有非常强的AI芯片和算力，英伟达也有芯片，他们有21个tops，实际上你看这个算力进展非常快，2000年的时候1 tops就是一万亿次的计算机，它是庞然大物，接近5千万美元，有8500千瓦。等到16年英伟达的Dual PX2只有6百块美元，250w，我们使用的苹果X有5万亿次的算力，价格基本上有人说就是free了，特斯拉FSD是号称世界上唯一自动驾驶AI边缘计算专用芯片算力144 tops，两个芯片一个驾驶另一个是做影子模式，后面计划推出的是DOJO，有人说是400 TOPS，只是宣布3倍fsd。
FSD可以做到2300帧/秒的处理，这是非常强大的，通常ADAS采用的摄像头处理能力一般来讲20、30帧/秒。大量的和不断的数据就是影子模式，它的这个影子模式当中有一个自动驾驶系统和原来的比较，和驾驶员行为比较，不断改进自己的自动驾驶软件，就改变了我们从原来依靠的就是仿真和道路测试，可以让客户来帮你做，再就是代表了很多大量的真实数据，可以找到几百万的corner cases，我前面说的第一个挑战，我们做路试太难了，几百亿英里的挑战。
然后收集的都是这样的数据，最后为什么它是领先的呢？就是数据为王，全世界所有的其他公司加起来还赶不上这么一点点，然后就是先进的人工AI技术，特斯拉用了48个主要的深度学习模型，可以48个点同时运行，然后来进行多个目标的识别和进行决策。还要做AI新的技术就是并行的数据和并行模型结合的AI训练，一定要用AI来写软件，不能单单用人来写软件。
这个话题就不详细展开了，我认为我们51V无法升级到L4、L5，OTA也升级不到，但是这种1R8V是有可能升级到的，因为它有了数据，但是大多数专家认为特斯拉也是无法近期内实现L5，但是L4有可能的。
为什么实现不了L5呢？最主要的还是AI限制，现在的人工智能技术只能够解释它见到过的场景，它无法解释和处理没有见过的场景和东西，其实说这种大海捞针的方式是不能把所有都捞到的，因为有可能有无数的针。
最后我总结一下，以司机为主体的L2+可以扩展大量自动驾驶的功能，它不受J3016的限制，法规批准之后可以升级到L4。J3016只是一个指导，私家车最主要是给客户体验不应该受它的条条框框限制。另外我个人认为，目前看来特斯拉可能是目前唯一可行的私家车实现全自动驾驶的路线。还有就是觉得客户体验、成本、安全是私家车量产自动驾驶最重要的。再就是我觉得L5可能不是一家公司能完成的事情，因为L5不受ODD的限制。
最后我用李骏院士的一句话来总结今天的发言：“软件定义汽车、数据开发汽车、芯片制造汽车”，谢谢大家！
敬请关注“2020第十二届全球汽车产业峰会暨第八届汽车与环境创新论坛”直播专题！
https://auto.gasgoo.com/NewsTopic/281.html