從左到右分別為：行易道科技趙捷、地平線張玉峰、Auto Brain Yolanda Du
每年一度的 CES ASIA 如期而至，在第二場關于「自動駕駛技術的未來商業化落地」的對話環節，眾嘉賓的觀點激烈碰撞，不僅干貨滿滿，而且金句頻出。
Auto Brain的COO Yolanda Du談到自動駕駛最先落地的場景時直言，從2C端來看，可能會更慢，自動駕駛更快落地的場景可能會是低速園區這樣的2B環境，”比如像低速園區這樣的特種車，一輛車就已經達到幾百萬，即使加裝了自動駕駛，對于2B場景和車企沒有那么敏感，他們更愿意來支付。那么同步在低速園區內，也解決了用自動駕駛取代人，直接取代了人工，也更愿意去加速自動駕駛的落地。”
地平線副總裁張玉峰持相似觀點，他認為，愿意為自動駕駛終端買單的不是消費者，而是B端的客戶，“像自動駕駛出租車這樣一個細分行業，能夠解決運營成本的問題，尤其是在人力成本偏高的區域，此外，在干線物流領域，也面臨著人工、油耗、安全性方面有很多的挑戰，現在在國外很多的創業公司在去挑戰干線物流L3級別的自動駕駛，這里也是一條潛在的，能夠在較短時間內帶來商業回報的路線。”
當然，自動駕駛的落地也面臨著現實和骨感的問題。
行易道科技有限公司創始人CEO趙捷感嘆道，“人類的技術都能上天攬月，但是把一個技術，最后變成千千萬萬個汽車上用的一個東西、系統的時候，這里面其實要有一個對于實現的目的，服務的對象，你所在的環境，基礎的一些我們自己認為的假設條件，最后要把假設條件列出來，作為這個事情的起點，這個要從更多的角度來看這個技術，和定義這個技術，最后才能轉化成產品。”
而Auto Brain的COO Yolanda Du也表示，讓自動駕駛成為人人可用的普適性技術，還要闖過幾個大關，“如果從量產能夠推向用戶端的話，需要解決了幾個關鍵性的點。第一個，大家一直看到的更多的，比如說從硬件配置上，可能成本就很難降下來，用到高成本的激光雷達，這個成本很難;第二個方面，硬件傳感器上，很多還沒有過車規級，比如說激光雷達，沒有用車規級的傳感器，就會有很大的問題。”
地平線副總裁張玉峰也直言指出，安全是自動駕駛里排在第一位的要素，不僅包括硬件的功能安全性，還有系統的信息安全性，以及道路設施的搭建和完善都是不可或缺的。
以下為鈦媒體聯合創始人、ITValue發起理事萬寧對話三位嘉賓原文，略經編輯：
萬寧：我的環節叫自動駕駛技術未來的商業化落地，先把這次參加討論的幾位嘉賓請上來，第一位是行易道科技有限公司創始人CEO趙捷總，第二位是地平線副總裁張玉峰，第三位是Auto Brain的COOYolanda Du。
趙總一直是做雷達方面，我們也知道，在中國自動駕駛部分，雷達是很重要的傳感器，包括激光雷達，毫米波雷達，您來給大家用非常清晰的方式解釋一下，這兩個技術區別和未來在中國的自動駕駛應用中的發展是怎么樣的?
趙捷：謝謝萬總，首先從毫米波雷達和激光雷達的角度，這兩個技術是有不太一樣的地方，大家比較起來會覺得五花八門，不知道到底是怎么回事，從比較明顯的特征來比較一下。
第一，在環境適應性上，毫米波雷達它的最明確的優勢，全天候工作，大雨、大雪、霧天的時候工作基本不受影響，這個時候，跟工作頻段在光學，包括攝像頭會失效，這個是跟物理屬性有關，用什么樣的算法這個是解決不了的，是物理端問題;
第二個，從工業化的角度，因為毫米波雷達在汽車領域，已經有了40年甚至是更長的發展歷史，所以我們現在用的這些毫米波雷達器件，都是車規級甚至是更低成本實現沒有問題，而激光雷達更多有些在解決工藝問題，甚至在是科學技術階段，所以中間有一個時間的問題;
第三，為什么毫米波雷達大家覺得分辨率不夠?原因是過去應用背景有關系，過去識別一個汽車就行，所以我們認為，技術上是有很大的潛力的。
萬寧：自動駕駛到來之前，毫米波雷達+5G技術配合是不是也能完成對于自動駕駛基礎性的支持?
趙捷：這個也是我們公司延展的技術，交通方面的高分辨率雷達，能夠對于道路上的這些汽車進行車速、車流量高分辨率的感知，通過這些，我們感覺到智能交通首先要實現的是路和車同時實現智能。未來，雷達技術還有一個更遠的實現，通訊雷達。車在路上感知的信息還能有連接，這個是和物聯網連接起來。
萬寧：問一下地平線這邊，今天我專門跑了一上午的展館，看了一下利用在包括自動駕駛平臺上，你們已經和企業在做合作。那么我想知道，畢竟自動駕駛是一個很長的連接，地平線參與的環節是什么?你們對于整個自動駕駛的生態你們是怎么理解的?
張玉峰：這里還有一些是激光雷達和禾賽科技是國內比較知名的雷達設備商，基于智能學習的處理，也有一些創業企業，對視覺和超聲波雷達做的感知，結合控制，做慢速的自動駕駛。
我們是跟包括視覺，包括激光雷達、超聲波雷達等廠商的一些合作，對于賦能，如何用工具來去幫合作方去解決問題，自動駕駛本身是一個有挑戰的事情，每年可能要投10億美金，行業里頭玩家們更多的會抱團聚在一起，可以看到本田和Cruise合作等等例子。
從安全角度，確實也需要不同的傳感器去配合，剛才趙總也講到毫米波雷達有它的優勢，全先候，視覺雷達也有它的優勢，視覺很豐富，紅燈僅僅靠沒有顏色感知的傳感器也難做到。
萬寧：我再問一下Auto Brain，你們提供比如說在園區的自動駕駛的解決方案上，我想了解一下，你們聚焦的領域原因背后是因為什么?
Yolanda Du：Auto Brain也是技術解決服務商提供服務，剛才提到的戰略角度而言，兩條腿走路，一條腿是直接與乘用車廠來合作，比如說像聚焦在特定環境下的高速公路上的自動駕駛。另外，企業也要生產，產生良好的現金流，以及考慮落地的場景方面，也在低速場景內實現自動駕駛。
從自動駕駛而言，剛才提到的，可能是端到端，或者是走固定路線，從落地的速度而言，讓我們有更好的場景來落地，我們Auto Brain在低速場景下，研發的低速園區的特種兵，已經實現了點對點完全無人的自動駕駛，在商業化進程當中，與OEM供貨，按每一臺車支付技術開發費用。對于企業而言，我們是高速和低速兩條腿走路，低速可以帶來現金流。
萬寧：也就是說，在有限的園區內，在低速的自動化線路上，已經有了商業應用很好的基礎，在這個層面上，在園區內的自動化駕駛比完全社會化自動駕駛商業落地的可能性更大?
Yolanda Du：從兩方面來看，說實話，如果你的技術足夠好，相信打遍天下無敵手的話，沒有問題，我覺得我們是從兩維度來講，一個是技術來講，一定是知道走通了這個技術，從L3到L5，再用L5做量產做方案，因為從技術路徑來說，不是說低速可以跨越，也就是說低速自動駕駛和高速自動駕駛技術角度而言是兩條腿，一定要知道技術的konw-how，未來的難點在哪里，來做站位，這個是從技術角度而言。
那么從商業運行角度而言，實際上剛才提到，高速公路更多是乘用車廠，因為他們最終是面對2C端，這個端對自動接受的接受能力是有限的，這個接受能力對產品而言，從安全、價格各方面會有所考量。從2C端，可能會更慢。如果在低速園區的話，可能是一種2B的應用環境，由B端，比如說像特種車，一輛車就已經達到幾百萬，即使加裝了自動駕駛，對于2B場景和車企沒有那么敏感，他們更愿意來支付。
那么同步在低速園區內，也解決了用自動駕駛取代人，直接取代了人工，也更愿意去加速自動駕駛的落地。
張玉峰：我們也是看到這么幾個剛才大家提到的場景，低速、乘用車的泊車自動化系統等。
另外一個場景，是乘區的自動駕駛出租車，在美國、包括中國，也有不錯的試點。在拉斯維加斯，頭部玩家部署了幾十輛車，從去年到今年做的載人出租車已經做了超過5、6萬次，跟移動出行的伙伴合作，基本上是L4自動駕駛，都是限定一定區域，同時線路上也做限制。
像乘用車的話，輔助泊車系統，其實還是能收到錢的，對于運營來講，短時間內做自動駕駛出租車還是一個支付的過程，無論是人力還是財力，可能還需要時間，再過一段時間，系統才能慢慢釋放出來安全駕駛員。
包括Waymo等其他的玩家在內，都在朝著這個方向，這個方向一定是引領我們的技術方向。
作為一個合作伙伴供應商，我們能看到這個行業的發展，也能看到像L4拿掉方向盤，是在明確的往前推進的，愿意為這個買單的終端的不是消費者，是客戶。
像出租車這樣一個細分行業為代表的話，自動駕駛能夠解決的是運營成本的問題，尤其是在人力成本偏高的區域。另外一個方向，干線物流，現在也面臨著司機難找的情況，包括油耗、安全性方面有很多的挑戰，現在在國外很多的創業公司在去挑戰干線物流L3級別的自動駕駛，這里也是一條潛在能夠在較短時間內帶來商業回報的。
萬寧：當我們到L5的時候必須在社會信息化場景下，我反倒覺得，行易道這邊做雷達，或者是本身你們就是一個典型的建立社會信息環境的企業，也可以通過環境雷達為車輛提供感知，這部分為我們未來更快的實現商業落地帶來某種很好的助力，在這方面你們有怎么樣的戰略?或者是尋求怎么樣的合作方式?
趙捷：我們主要解決的問題，其實是基礎數據，基礎數據的一個要求是要充分，指的是對各種特征要提取出來，這個本身是我們的技術優勢，重點說這個優勢變成什么樣的產品?這里需要和合作方，不管是我們的tier1供應商還是主機廠做一些探討。我們公司成立到現在，和主機廠和tier1的合作，講自動駕駛很美好，但是實際在互相了解需求的時候，比如說就某一個功能對于毫米波雷達一個需求的時候，其實大部分我們的客戶是說不清楚的。
所以這里，說起來技術，真的是人類的技術都能上天攬月，但是把一個技術，最后變成千千萬萬個汽車上用的一個東西、系統的時候，這里面其實要有一個對于實現的目的，服務的對象，你所在的環境，基礎的一些我們自己認為的假設條件，最后要把假設條件列出來，作為這個事情的起點，這個要從更多的角度來看這個技術，和定義這個技術，最后才能轉化成產品。
所以和合作伙伴也好，和產業鏈的上下游的合作也好，這里面是非常豐富的，但是實現路徑一定是非常的嚴謹，而且是每往前走一步，一定要有一個非常安全或者是可靠的保障在里面，所以這就是我認為的自動駕駛也好，或者是環境感知、汽車感知也好，不管是實現多么美好的愿望，那么底下的基礎的可靠性，具體是為什么功能實現的?這些條件大家一定要講清楚，否則的話，說起來天花亂墜，否則產品實現上會出現很多的問題。
萬寧：自動駕駛看起來很美好，但是做起來很骨感，不光是技術本身，我們技術已經做了很多的儲備，像Yolanda Du已經講 ，我們在L5上做了大量的技術性探索，也在環境、法規、信息上做了大量的工作。對于到L5的全社會性的2C的自動化駕駛商用的實現，是需要有哪些關鍵環節必須做到的?
Yolanda Du：實際上，大家一直都在講自動駕駛商業化和落地，其實剛才提到，如果以5年為一個節點和10年為一個節點，我相信在5年內低速的限定場景，比如說像港口物流，以及干線物流等一些低速場景實現，在5年內完全實現或者是半無人化可能性非常大。
同步以5年節點來看2C端讓消費者體驗到的無人駕駛，更多的是講在限定場景或者是高速公路上的自動駕駛。如果從量產能夠推向用戶端的話，需要解決了幾個關鍵性的點。第一個，大家一直看到的更多的，比如說從硬件配置上，可能成本就很難降下來，用到高成本的激光雷達，這個成本很難;第二個方面，硬件傳感器上，很多還沒有過車規級，比如說激光雷達，沒有用車規級的傳感器，就會有很大的問題。
第二個方面，從算法集成度上，一定要考慮從安全性、從可靠性、集中度性去個判斷。
第三個方面，計算平臺，現階段為止，哪怕是英偉達的這個平臺，也沒有完全過車規級，車耗過高，比如說不同場景環境下，如何能夠到2C端，在5年內，還是一個漫長的，從小批量到大批量，到擴批量的場景。所以5年為維度來講，低速肯定在特定場景更快，2C的話，HWP(高速自動駕駛)會更先上。
從10年角度來看，結合硬件成本降低，計算平臺能夠過車規級，以及算法，數據，可靠性，里程的累計，這5點最終10年之內，比如說給大眾提供L4級別提供(英文)服務的。
張玉峰：安全還是自動駕駛里排在第一位的要素，車規級是一個方面，考慮的是溫度、濕度的范圍，包括芯片等等在多少溫度下可以存儲、存放。
汽車行業少不了公共安全，現在提到的越來越多的，不僅在車聯網領域，還有信息安全，因為隨著OTA技術普及，包括特斯拉等等這些車廠已經展示了它的硬件，未來通過迭代引入更多的功能，怎么樣確保這套系統不被黑客侵入?我想讓它跑的版本不會惡意的做出惡意的動作，所以在這里頭，首先政策的允許扶持，首先是政策能夠加速推動力，還有協同，智能網聯，同樣也是助力讓我們可以用更低的成本，跟快實現更高級別的自動駕駛。
但是我覺得從安全角度考慮，同樣是做到路側基礎設施的配套，也要有一定的時效的保證，也要可靠，所以不是一朝一夕能夠做到，在安全前提下保證自動駕駛，所以還是需要花精力和時間，把事情做的更細更安全。
萬寧：在安全這個領域，我們看產業和生態，怎么樣去看待?推動生態良性建設和鼓勵產業發展上，政策在哪些方面去推動?
趙捷：首先是在一些使用上，比如說頻段使用，大的邊際上一定要有一個明確的規定，和一個明確的說法，否則的話，像我們現在涉及到的一些不管是5G還是毫米波雷達涉及到頻段使用，這方面涉及到的，這個社會鼓勵誰、哪個產業優先使用什么頻段?這個是迫于眉睫的一個事。
其他的，關于汽車安全領域的一些產品的最低要求，這個產業的發展，因為中國改革開放40多年，我們也發現過其他行業的問題，偏技術、產品的容易出現劣幣驅逐良驅逐良幣，本來有一個挺好的產品，我去仿制它，價格是它的一半，功能是它的40%。這個時候，社會上出現：這個東西是不是也可以用?是不是用差一點的東西?對付一下。
但是這些產品，剛才講的哪個例子，劣幣驅逐良幣，在什么行業里?娛樂、方便這些便捷性的產品沒有問題，涉及到剛才講的汽車安全，因為我們做的這個事情，事實上是汽車的眼睛和大腦，今天三位我們是眼睛和大腦。那么眼睛和大腦如果說出現智商下降，視力下降甚至是失明，這種情況下，這個事就非常可怕。
我認為，這個保障是一個基礎的東西，我們在制定政策和標準的時候，首先要防范的是這類，門檻要設立出來。
萬寧：謝謝，最后一個問題，因為時間關系，今天是在消費電子展，我們面對的消費者去講一講關于自動駕駛，如何讓我們的消費者理性認知自動駕駛這個事?
Yolanda Du：消費者認為所謂的自動，認為等同于無人，放開手，是不是可以沒有方向盤，我覺得從消費者端，首先是要逐步的理清楚自動限定與于人之間的區別，同步的話，在2C端，可能在我們的車廠在灌輸給消費者的時候，因為也要做同步的用戶手冊，實際上一直談到的自動駕駛，從安全的角度也好，更多的是權和責的劃分，這一點上一定要劃分清楚。
因為我們Auto Brain一直在為主機廠提供自動駕駛整體的解決方案，所以我們也在配合主機廠在制定相關的產品用戶手冊，來從消費者什么是12345你可以做，另外一側是不能做的。
張玉峰：感覺咱們的媒體朋友責任更重一些，自動駕駛鏈條蠻長的，做一個定位的話，能做的還是把自己的本職工作做好，剛才說到的車規級安全上的問題，地平線現在花了將近4年的時間，已經成功，已經有幾個項目在往前推，在這個過程中把安全，尤其是針對車外的視覺感知功能進行增強，安全要求能夠在接下來的時間內做到，滿足終端的需求我覺得多跟同行、媒體來交流。
趙捷：對于大眾來說，我認為科學的意識是需要有的，科學的意識是什么?科學不能解決所有的問題，而且每一個結論都有前提，前提都是假設條件，而事實上，就自動駕駛技術來說，我們經常說，某一個技術經過了1000萬公里的測試，有的說經過了1億公里的測試，然而1億公里測試完了就沒有問題了?還是有問題。
因為世界上的概率千奇百怪，這些不管是媒體，不管是相關的科普工作者，對待大眾的話，都要做一個引導，這個引導每一個技術，人做出來的技術，就不是上帝制作出來的技術，一定有它的問題，這是一個最簡單的哲學，但是這個必須得傳遞出來。
