在10日上午的自動駕駛論壇上，騰訊自動駕駛業務中心總經理蘇奎峰在全球自動駕駛前沿技術與發展態勢部分，就自動駕駛的場景問題，發表了自己的觀點。
以下為嘉賓精彩實錄:
我們實際上不太強調L1、L2、L3、L4、L5，我們更愿意強調場景，到底給客戶解決什么樣的問題，在高速擁堵的時候解決問題，還是在擁堵的模式解決問題，是解決用戶雙手的問題還是雙腳的問題，針對這些問題針對場景問題我今天簡單分享一下騰訊在自動駕駛領域做的一些工作。
自動駕駛服務首先要了解用戶需求
我們在自動駕駛里面分了幾個場景，包括乘用車還有一些特殊場景，還有出租車的出行服務。對于我們來說，首先要理解當前客戶的需求，尤其是乘用車這樣一個大的市場規模中，我們能看到用戶的兩個痛點。
首先就是上下班的時候，可能就三五分鐘到高速，下了高速快速路還有三五分鐘就到公司了，80%以上的時間是在快速路這樣封閉的環境里面去運行的，或者是上下班高峰期的擁堵城市道路。另外一個就是長途，我們在長途旅行的時候，在這種場景下有擁堵，也有高速巡航的狀態。
在這兩種高頻出行的場景里面我們用戶的痛點是顯而易見的，我們更愿意針對這兩個場景去做一些服務，所以說長途出行和擁堵的城市交通環境，是我們在研究自動駕駛的時候很重要的業務方向來，包括和一些車廠做一些深度的合作。
從數據驅動的角度來說，我們更愿意把他放在一起去研究，因為我們即便是在HWP的模式下實際上也有擁堵的路況，即便是在TJP的工作模式他同樣也可能遇到在四環上可以80公里巡航的狀態，所以會存在模式切換，但是在功能設置和場景應對上我們是需要去解決同樣的問題。
有這些場景以后，我們騰訊愿意做一個軟件和服務的提供者，助力產業發展。針對這些場景做研究，收集數據然后做一些算法，構建我們的云平臺,仿真平臺,以及高精度地圖。所有這些不是要提供一個total solution給車廠，我們更愿意以靈活模塊化甚至是場景模塊化的功能，去助力這個產業發展。
在整個布局上，我們會在開發的云平臺方面、模擬仿真方面和高精地圖這三大基礎層面做大的投入，我們相信在這些方面也是互聯網公司的優勢，可以助力車企發展。
我們要做好云平臺、仿真和高精地圖，我們必須自己做算法的研究，知道痛點在哪兒，核心的問題在哪里，我們要做這些定位、感知、決策和核心的算法，在除了功能安全以外，我們在系統安全上面也需要投入，當然我們騰訊有科恩實驗室，我們的實驗室在整個信息安全尤其是在車的領域，應該在國際上還是比較領先的。
云平臺模擬仿真+高精度地圖，解決用戶痛點
我們在布局上面，利用云平臺模擬仿真和高精度地圖來支撐車端的算法解決核心的痛點問題。在整個數據平臺方面，我們在2019年跟寶馬合作構建了寶馬在中國自動駕駛開發平臺，對于自動駕駛來說，尤其是L2.5以上的自動駕駛，一旦脫手以后，實際上是場景驅動數據驅動的模式,是永遠不會改變的。
高效的利用數據和高效的獲取數據，高效的獲取計算資源的情況下，我們需要有一個高效的開發平臺來滿足系統要求，所以說我們在整個研發的時候構建了閉環系統，同時我們會和車企合作，利用騰訊云的能力和在自動駕駛相關研究的能力來支持車企和Tier1一起去做研發。
在仿真方面，實際上現在很多車企在用傳統的仿真軟件來做仿真，但一旦到2.5以上的這種自動駕駛系統，實際上有很多的場景來進行驅動。場景的驅動系統除了我們編輯場景以外，更多是道路的場景，而且大量的場景需要加速，甚至說我們要模擬產生大量現實當中很少可以碰到的場景，需要構建虛擬城市的場景，所以我們在模擬仿真領域里面,除了單一版的仿真以外,還會做場景的仿真。
場景的仿真核心就是云加速，我們會產生大量的場景，在每次更新迭代的時候需要把上百萬的場景要并行加速去跑，快速的驗證，需要云的并行計算來加速。
另外，很多場景在現實當中很難遇到，甚至偶爾遇到，那怎么辦?我們需要構建一個虛擬的城市，在這個虛擬城市跑隨機的交通流沉淀這種場景，這個是騰訊做模擬仿真做的工作，當然我們現在和主機廠有一些商業上的合作，而且已經實現了云的和單機版的落地。
實際上，進行模擬仿真的時候是在開發階段去驗證。自動駕駛是一個學習進化的過程，在整個自動駕駛生命周期里，甚至在車的生命周期里，不斷的演進和迭代。在這個過程當中我從車上反饋一些數據，另外我們需要這些處理不了的場景，需要通過仿真系統進行大量的驗證以后，然后在OTA升級上面。
在當下和未來，自動駕駛系統里面仿真是伴隨整個自動駕駛生命周期的過程，不再是一個傳統的、單純的、在開發階段才使用的工具。
這是我們在仿真里面有幾個核心的功能。一個是交通流，我們會收集大量的數據來看這個交通流。中國地緣遼闊，每個城市的交通駕駛行為不完全一樣，而且甚至差異很大，我們會采集各種城市的數據來訓練這個交通流，來仿真當地的算法。
虛擬城市，我們采集了全國高速快速路地圖，可以通過自動化快速的生成全國高速快速，在做自動駕駛測試驗證的時候，完全可以在整個全國高速快速路里運行的場景去進行仿真，包括傳感器模型，正是因為我們用的是安瑞引擎，所以說我們可以從最底層得到他們的支持，來開發更精準的傳感器模型，同時他從最底層支持我們做傳感器模型跟物理模型一致性的驗證。
同時我們在構建3D環境的時候，會從最底層引擎層面來加速3D城市級的仿真，我們相信在城市級的3D重構仿真在國際上也是難題，我們從最底層引擎層面構建這個城市，光照天氣以及虛擬的仿真，這是核心的功能點。
另外一個平臺就是我們高精度地圖平臺，高精地圖就是做數據和車端的軟件。無論是對于車端來說，還是除了車以外的車端軟件的系統，我們會在地圖定位方面利用我們的優勢，這方面我們有國際上很頂級的專家來做，另外我們會構建整個閉環來做這種云的服務體系。
剛才提到的針對這兩個場景擁堵環境和高速巡航的場景，我們只是定義這些硬件，對騰訊來說硬件門檻太高了，我們從來不會去涉足任何硬件和傳感器，我們只做軟件和服務，這個是我們一直非常非常清晰的。所以說我們愿意和車廠和Tier1去合作，即使是做軟件，哪怕一個小點給您帶來價值，我們也愿意提供，不會有一種捆綁式的模式，我們更愿意以靈活的方式。
之所以這樣就是因為我們相信自動駕駛本身是一個演進的過程，他不再是傳統的一個固定銷售一個硬件的商業模式，將來一定是一種軟件逐漸升級的服務模式。基于這樣的一個服務模式，我們相信一定有共同的合作點。
所以說自動駕駛解放雙手了以后，對于騰訊來說會有更好的內容生態，騰訊在內容生態里面更有優勢，我們有音樂、視頻、游戲還有微信，等等這些，基于這些內容，我們希望能夠把更好的內容服務給到已經脫手的司機、乘客，使得我們會把千人千面的服務生態推動給客戶。
對騰訊來說，做自動駕駛我們希望能夠從云端打通服務和各位合作獲得車端的入口，我們希望通過這樣的一個入口給用戶帶來更多的內容和服務生態的體系，整體來助力這個產業，使得您能夠在這種移動智能空間里面享受更好的服務。
