智行者科技CEO張德兆：自動駕駛最難不是感知，而是認知

智能網聯汽車第一站

3月30日，由清新汽車等單位聯合主辦的「智輪行」沙龍上，北京智行者科技創始人兼CEO張德兆圍繞「自動駕駛汽車發展路徑及關鍵技術」做了主題發言。以下為其發言實錄，清新汽車做了歸納整理。

北京智行者科技創始人兼CEO張德兆

自動駕駛到底能帶來什麼？

汽車發展到現在已經有100多年的歷史，經歷過機械、電子、軟體時代，到現在進入智能網聯汽車時代。進入智能網聯汽車時代這短短几年時間，汽車行業所引起的關注，可以說應該比前面100多年引起的關注還要多。為什麼進入智能網聯時代後，汽車行業會引起這麼大關注？現在所謂的自動駕駛到底能給我們帶來什麼？

首先，自動駕駛能夠解放人的時間，全球每天有1300億分鐘浪費在堵車上，自動駕駛實現後，可以在車上工作、娛樂、休息。同時，比如港口司機、礦車司機都可以省下來。

第二，自動駕駛普及之後比人開車更加安全。從兩點考慮這個事情：一是從技術角度看，現在90%以上的交通事故都是由於人的失誤造成，而理論上機器不會失誤，不會疲勞和酒駕；二是從自動駕駛測試的結果來看，如果發生交通事故的概率不低於人開車事故的概率，是不可能普及。如果自動駕駛車已經普及，說明肯定比人開車更安全。

第三，汽車共享時代的真正到來。現在可以說是偽共享，共享自行車最大的特點就是潮汐現象，早上和晚上需要有很多現場運維人員做調度。而汽車如果早上聚集在地鐵口，晚上聚集在小區門口，則是不可想像的。包括現在很多租賃，最大的痛點是隨取隨還的問題，據悉，至少國內沒有一家租賃公司可以盈利，現在商業模式不通，因為運維問題很大。而如果自動駕駛一旦到來，這個問題便迎刃而解。讓車可以自己流動，自由流通。

並且我認為自動駕駛實現之後，老百姓不會去買車。現在買車無非考慮幾點：第一需要方便的交通工具；第二需要有一個私密空間；第三汽車是身份的象徵。自動駕駛實現之後這些問題都能夠得到解決。汽車共享之後，汽車行業100多年建立的品牌會消失，這是自動駕駛帶來的主要意義。

第四，比互聯網產業更大的產值：終端+管道。自動駕駛之所以引起那麼多互聯網公司進入的最關鍵一點，是因為汽車會成為基於手機之後的第三個終端，在物聯網時代汽車會成為一個新管道。舉個比方：只要上了車，通過大數據知道你的喜好後，汽車會自動把你投放在你喜歡的諸如川菜店門口。你會發現人會越來越懶，甚至懶得去選擇。另外，包括電商、物流、房地產等這些都會發生巨大改變。

自動駕駛發展路徑

可以說自動駕駛未來非常美好，但是如何實現？現在L3、L4、L5並不是分得特別清楚。馬路上的L3會比園區L4好做嗎？並沒有。所以不能說L3就比L4差，我們也不能說L4就比L3好。作為創業公司，我們更多討論落地場景，而不是討論技術路線。

我們把落地場景分成載人、非載人、高速、低速四個。選擇落地場景之後會從兩點出發：首先是安全，要考慮可預期的安全風險，這個階段做得出來，並且做出來之後不會出事；其次是現實剛需，即做了之後有人買單。現階段自動駕駛要落地，目標一定是給客戶降低成本，包括提升體驗。

我們從低速領域做起，而且從低速非載人做起。低速非載人場景非常多，諸如港口、礦場、農業。智行者從兩個領域切入：一是低速物流，第二是環衛。

我們算是國內第一家將自動駕駛實現批量商業化落地的公司，兩款產品已經實現批量。2017年6月，智行者攜手京東，合力打造首款無人配送物流車，在開放校園及住宅區可順利實現：定點起停、智能循跡、自動避障、物流配送、後台監控等功能。2017年9月，智行者攜手百度Apollo，合力打造首款無人駕駛掃路機，在開放園區場景可順利實現：定點起停、智能循跡、自動避障、自主作業、後台監控等功能。之所以選物流和環衛，一是認為相對有安全風險。另外，是要找一個空間相對大的市場。

前面講了一些落地場景，另外，跟一些場景打交道之後才會發現，僅僅提供自動駕駛車給客戶還不行，需要結合場景提供一個整體解決方案，包括綜合運營監控調度平台等。

自動駕駛最難不是感知，而是認知

自動駕駛整個技術鏈非常長，從前面環境感知系統到中間中央決策系統到底層執行系統。智行者做了一個智能車的操作系統AVOS，裡面涉及到感知、認知一些相關技術。

如果一個公司說僅通過感測器實現L3自動駕駛，我覺得肯定在誇大事實，我們要有多感測器數據融合。比如多感測數據融合識別前面有一個老太太，判斷這個老太太是不是要碰瓷，這是認知，感知則是當前時空點的概念。自動駕駛最難不是感知，而是認知，認知非常難。感知、認知、決策、規劃、控制這裡面，我認為最難便是認知。現在講深度學習都還是在做感知，現在還要講強化學習，還是用在決策規劃，認知沒有一個特別好的辦法，所以大家可以投入很多人去做這個事情。

另外自動駕駛現在有一個誤區，都在講演算法，我們如果要真正做產品會發現，演算法頂多佔到三分之一的因素，甚至三分之一都不到。真正從演算法到產品要走的路非常長，系統集成能力非常重要，特別在汽車上，要考慮功能安全、網路安全等。

即使低速場景，技術挑戰仍然在

自動駕駛的未來很美好，但有非常多因素會影響自動駕駛落地。包括前幾天Uber的撞人事故，對整個自動駕駛的影響多多少少會存在。搞自動駕駛的公司是技術驅動，是馬拉松，現在沒有跑出一公里，資本市場要有非常大的耐心；然後現在技術上還有非常多的「坑」要填，即使在低速場景也還有非常多的技術問題要解決。

第一，公園、樹底下、樓底下，定位沒有信號，要精準定位的話GPS壓根沒用。第二是異常交通行為。另外包括交通秩序弱約束、路徑突發堵塞這些技術挑戰依然存在。

從演算法複雜程度考慮，相對於交通秩序及場景強約束的結構化道路，低速自動駕駛專用車遇到的挑戰可能更大。另外從產品層面，包括成本、網路安全，這些相關的問題也都還需要花非常多的精力解決。不過整體上自動駕駛將帶動整個泛汽車行業發生改變，顛覆性地重構消費者的出行體驗。

編輯：峻岭

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！