元戎启行副总裁刘轩：如何突破自动驾驶量产困局？

前言：由汽车之家研究院打造的A³大讲堂是一个具有前瞻性、战略性与实用性的学习交流平台。通过大咖分享引领家人及行业同仁共同探索面向未来的前沿趋势与科技，构建全方位、立体化的知识体系。

以下为本次分享的精选内容：

整个行业内、行业外大家对自动驾驶的观点有很大的分歧，我们的判断是:量产是L4级自动驾驶普及的必经之路。

#01

L4自动驾驶发展现状

自动驾驶行业发展得比较早最初主要是美国的Waymo或者它的前身GOOGLE X实验室自动驾驶项目，大概2009年左右开始做。国内自动驾驶项目普遍认为从2016年开始，以百度自动驾驶团队为代表。

最早期自动驾驶分成两派，一派是纯激光雷达派，一派是纯视觉派，当时就有很多这方面的争议。随着时间的推移，激光雷达占据上风，纯视觉更多以做辅助驾驶量产为主，代表的企业就是特斯拉。

过去以及现在的Robotaxi来讲，总成本非常贵，平均额外硬件附加成本5万美金—10万美金不等。一方面机械激光雷达的售价非常昂贵，年产量非常低，很多设备需要人工在出厂之前进行调教。另外一方面就是后备箱的计算平台售价非常昂贵，功耗非常高，噪音也非常大，否则散热跟不上。

现在的Robotaxi最主要的特征是什么？所有的传感器放到车顶上，后装要做一些硬件的加装和改造，通过数据线、网线再导入到车内部的计算平台。其次，为了支持它可以做前装量产，L4自动驾驶现在还是高度依赖高精地图。

#02

为什么做L4级自动驾驶量产

目前行业内做的时间最久，大家公认技术最好的Waymo，但迄今为止它的商业化拓展速度是非常慢的，到目前为止只是在美国个别几个地区能够测试或试运营，商业化的营收还未真正实现。

为了推进通用L4级自动驾驶的大规模落地，我们认为量产是必经之路，原因是什么呢？

长尾场景：自动驾驶最难的是碰到长尾问题，车辆遇到这些问题能不能解决？L4级自动驾驶需要通过积累海量数据用来支撑，通过机器学习、强化学习、深度学习等各种各样的算法进行升级迭代，让它覆盖更多的长尾问题的场景。

政策法规方面：以目前的法规环境，在海量数据验证自动驾驶的安全性之前，不太可能贸然进行开放。至少政策在逐步的批准过程中，它一定要有大量的数据进行支持，确认在安全性上它可以比人做得更好，或者比人能够好几个数量级。

所以现阶段自动驾驶需要收集大量数据，而实现这么大量数据的积累，量产是唯一的选择。

美国兰德公司有一篇报告分析认为，要实现通用的L4自动驾驶，这个里程数大概是100亿英里，差不多160亿公里，才能证明在安全性上超过人类。假定车辆每年能跑10万英里，平均下来需要100年时间才能攒到这样量级的海量数据。这100年时间肯定不是自动驾驶行业或者汽车行业所希望的时间，怎么解决海量数据支撑的问题？

其实行业内头部企业都有自建自动驾驶的模拟器，模拟器的数据确实可以从一定程度上降低采集数据的成本，但是如何向立法者或者政府监管机构证明算法的安全性，这个事情就像又当运动员又当裁判员，说服力会打一个折扣。对于行业内来讲，现在其实没有一个公认的第三方评测榜单或者测试机构能够做这件事情。

先发的企业有一定里程积累和数据积累的优势，后发很难做弯道超车，你永远只能跟随别人走。

#03

如何实现高阶自动驾驶的量产

综上所述，实现通用L4级自动驾驶的大规模落地需要海量数据支撑，海量数据需要衡量三个维度的指标：第一，采集足够低成本；第二，这些数据必须是高可靠的；第三，数据必须是高质量的。

若同时满足这三个维度的属性，就可以让L4级自动驾驶实现在一线城市的市中心区域路测时，早晚高峰期也不用人来接管的水平。同时又能把成本降到用户可以负担得起的水平，这是L4级自动驾驶做量产的核心思路。