近日，在AICC 2019人工智能計算大會自動駕駛分論壇上，部分車企智能駕駛研發負責人表示，自動駕駛真正的挑戰仍然是安全性，汽車一百多年的歷史，從誕生之初到現在，大家對于安全性的重視從未改變過。
同日，來自吉利、廣汽、英偉達、浪潮、四維圖新、清華大學和交通運輸相關部門的業內人士還分別從算力、平臺、生態、人工智能、地圖和車路協同等角度，剖析了自動駕駛量產的難點和解決路徑。
在他們看來，如期推進自動駕駛，既需要埋頭攻關，更需要強化溝通，在同一個語境下解決安全和成本等難題。
車企與供應商的擔憂
自動駕駛發展至今，從火熱到逐漸降溫，但趨勢卻始終未變。
有車企研發人士表示，實現高度自動駕駛是人類社會出行的革命，基于安全的自動駕駛開發還需艱難跋涉，而且，自動駕駛的商業化是逐步實現的。
大方向既定，但通往未來的路上還要解決不少問題。畢竟，汽車不是手機、智能電視等消費電子產品，它是高速行駛且制造工藝復雜的工業產品。尤其是想要進入自動駕駛時代，需要集成的方案和技術的數量更是以指數級增長。
“汽車制造業融合了很多制造、IT和CT技術，其中，后兩者做整合就是未來的自動駕駛藍圖。這件事其實很難的，這里面有云、邊、端、人工智能和5G，所有大家能想到的新技術，可能在自動駕駛上都體現出來了。”浪潮集團高級副總裁王虹莉如是感慨。
那么，車企和供應商們到底在擔心什么?
雷鋒網新智駕注意到，從自動駕駛分級標準到最終的量產落地，以下幾個問題被反復提及：
一、分級模糊。不止一家車企提到，現有的自動駕駛分級標準與車企實際研發進度并無絕對聯系。“L0到L5的自動駕駛分級非常的模糊，它對量產沒有有任何的指導意義。原因在于只設計了場景，卻沒有設計功能。” 廣汽研究院智能駕駛部部長郭繼舜認為。
基于此，許多車企在銷售時雖然也在打出L2或L2.5口號，但實際研發時卻更強調究竟能帶來什么功能，各個級別的界限并非涇渭分明。
二、算力不足。行業預測，L3級別自動駕駛需要20-30Tops的算力。但現狀是，由于必須要滿足高低溫、抗震、穩定性等車規級要求，即使現有的車規級芯片中算力最大的高通驍龍8155，也大約需要6-8片才能完成基本的異構計算。
當然，一些國際供應商如采埃孚、博世等均在開發滿足巨大算力的產品，只不過實現真正量產上車仍需要時間。
三、傳感器成本過高。成本是阻礙自動駕駛L3的天然屏障，因為消費者不可能購買一輛帶有自動駕駛功能但價格飆升的汽車。一個例子可以反證這一點。以實現自動駕駛最快的物流卡車領域為例，除了封閉式的高速道路外，成本絕對是自動駕駛為何在此領域率先推進的重要原因。
四、難以滿足安全性。雷鋒網新智駕注意到，頭部車企和供應商尤為注重功能安全。“功能安全涉及到要重新設計軟件、增加信號和對關聯系統提要求等，很多車企選擇開發L3、L4時，但又沒有把安全落到產品上。”霍克說。
強化合作
針對上述問題，包括芯片、高精地圖、傳感器等領域的公司等正在集中攻關。
雷鋒網新智駕了解到，自動駕駛領域目前有云端、邊緣和車端三種算力需求。不過，現階段很難依賴任何一種處理器去滿足L3—L5量產的要求。基于此，打造算法和硬件結合的解決方案是解決路徑之一。而要做一個這樣的方案，又要解決算法和芯片如何綁定的問題，這需要生態層面的協作。
王虹莉說，汽車產業鏈分工程度超過現在X86服務器產業，復雜度更高，自動駕駛的計算平臺不僅包括GPU、CPU，還有各類串型芯片、傳感器芯片，支持模擬信號，也支持數字信號的，要把這么多技術整合在一起，而且很好的控制成本。這僅是硬件層面，此外數據和算法層面技術也十分復雜，所以自動駕駛一定需要一個強有力的產業生態系統。
浪潮集團人工智能產品經理韓進杰認為，車載計算平臺合作必須以場景或用戶需求為驅動。而且，未來主機廠一定要具備自己的自動駕駛解決方案整合能力，如果依賴傳統的Tier 1廠商則會喪失一定的競爭力。
韓進杰還表示，自動駕駛包含的數據、算法和算力三個要素中，每個要素都需要大量的合作伙伴參與其中。三者的關系是，自動駕駛路測數據是為了給算法提供更好的指導，進而訓練出高精度的自動駕駛訓練模型。隨著模型精度的提升，反過來又可以指導數據采集。在這一過程中，算力又起到了提供基礎設施保障的作用。
當然，一個問題出現后，除了給出答案，另一個解決途徑是直接從源頭規避問題。這種方法論用在自動駕駛領域，就出現了車路協同這一“曲線救國”的技術。多位業內人士指出，由于中國道路負責、行人交通習慣、感知場景負雜等因素，車路協同很可能是解決自動駕駛上路的有效路徑。
“我們做了大量的試驗發現，人類司機在相對復雜場景里面離散度是非常高的，以至于用同樣的模型參考一百位司機的錯法，無論怎么調整參數準確度不會達到50%，也就是說，無論怎么感知都是不夠好的，還需要更多、更準確的外部信息，所以我們需要V2X。”郭繼舜稱。
不過，車路協同領域也存在一定的差異。“很多車廠的朋友進行交流時，交流得越多會發現，路方的文化和車方的文化中間存在很大的差異。”交通運輸部路網監測與應急處置中心副主任王剛認為，雙方要有共同的語言和關注焦點，這樣才能發現并解決一些關鍵問題。
值得注意的是，由中國交通運輸協會牽頭成立的自動駕駛汽車產業創新聯盟已經正式成立。雷鋒網新智駕了解到，該組織將為成員單位提供自動駕駛模型訓練，收集并提供最新的海外自動駕駛信息和技術，以及聯合進行國家級自動駕駛項目的申報研發。一定意義上，這對于加快產業協同有著重要作用。
摘取自動駕駛明珠
汽車是工業鏈條的頂端，自動駕駛又被視為汽車業的明珠。但這顆明珠如何變現卻難住了整個行業。
清華大學車輛與運載學院副院長王建強認為，自動駕駛會帶來產業鏈和價值鏈的調整。其中，產業鏈調整不僅包括傳統汽車產業，還包括計算機、通訊、人工智能等。基于有限場景開發的自動駕駛汽車僅僅能夠適合于特定的場景、特定的區域、特定的路況。
“我們覺得L3和L4最大的商業模式區別在于，L3是C端的老百姓來買，享受它整體的駕駛樂趣，但L4更多的是交給B端，由B端定制、購買和運營，通過高效率運營來收回如此高昂的硬件成本。”郭繼舜表示。
不過，這些商業模式的實現有一個前提，那就是自動駕駛必須量產落地。
業內普遍認為， 自動駕駛專用車輛的場景相對單一，可以最先做到商用化。自動駕駛出租車場景相對復雜，會受到標準化的城市路況和法規制約。最后，自動駕駛落地最難的領域是私家車，因為它不受制約的，是全工況、全場景的。
而要實現真正的落地，又回到上面提到的功能落地、功能安全以及傳感器成本等問題。越來越多的行業參與者表示，希望將算力平臺服務商、通信運營商和云服務供應商等整合在一起，將5G、V2X、單車智能和云端進行結合，這背后又需要行業和政府之間不斷強化協作。
需要注意的是，發展自動駕駛的過程中還需要時刻保持警醒。
王建強指出，以場景為驅動的開放模式，能否把自動駕駛推向L4、L5。“大家試想一下，我們建立了多少能夠涵蓋面臨問題的數據庫?場景庫是有限的，但是我們面臨的場景是無窮盡的，(在這種情況下)開放的自動駕駛汽車、自動駕駛產品僅僅能夠適合于特定的場景、特定的區域、特定的路況。”
總體來看，車企關注自動駕駛安全和成本，供應商關心產品落地場景和盈利，監管層希望通過自動駕駛來提升交通出行效率，這些因素匯聚在一起時，如何平衡各方利益點至關重要。
