【汽车与环境】东软汽车电子事业部总经理赵岩：如何应对智能汽车自动驾驶的挑战

2018年12月7日-8日，以“创新驱动、技术引领”为主题的2018第六届“汽车与环境”创新论坛在上海·安亭正式举办。本次论坛完整覆盖汽车行业技术领域的研讨，旨在进一步促进整车企业与零部件企业之间对技术发展趋势的探讨、加强汽车行业专家之间的交流互动、增强整车与零部件企业的交流、搭建合作平台，通过活动促进汽车零部件产业创新转型升级、打造更具竞争力的整零协同创新关系，助力实现向汽车强国的转变。以下是东软汽车电子事业部总经理赵岩的发言：

东软汽车电子事业部总经理 赵岩

众所周知，现在从宏观的角度上来讲，现在任何一辆车都可以说是自主汽车或者智能汽车。我们看中国大部分的车企至少达到了LEVEL1，而国外可能达到了LEVEL2，现在的特斯拉可能达到了LEVEL2.5，而奥迪A8可能达到了LEVEL3。现在汽车量产已经达到了这样的情况，那我们应该怎么做才能应对未来的智能驾驶呢？

人的驾驶过程中需要靠视觉、触觉、听觉等来判断前方的工况，用我们的大脑来决定左转还是右转，或者是刹车。这里面所有的感觉将来都会被汽车的传感器所代替，比如说视觉可以用激光雷达来代替，比如说听觉，听到了其他一些声音，我们在开高速的过程中比如说有车突然向我们鸣笛，我们可能会意识到。比如说突然感觉到方向盘有些抖动，是不是认为轮胎出现了问题，类似种种情况在未来驾驶中肯定是通过各种各样的传感器得到这些信息，最终决定是停车、左转还是加速，这就相当于有个计算单元来代替大脑。

控制器在传递过程中可能也会产生不同指令，那么对于我们未来来说，处理器的作用将会极大的提升。这是奥迪A8在量产中使用的框架，它就使用了大量的传感器。试想一下，像我刚才提到的，传感器给出不同的指令那么汽车怎么来判断？在不同情况下如何保证安全，决策算法将是未来自动驾驶非常重要的领域。

刚才说了，自动驾驶相当于人类驾驶的代替，代替就相当于我们从硬件层面要足够的多，比如说人只有两只眼睛，那我们是否可以利用动物仿真学那样像蜻蜓或者苍蝇，有很多的传感器，像汽车的360，我们至少长了四只到六只眼睛，这样来说硬件是足够的。软件层面就要进行足够的优化，数据处理要足够的快。不可能说传感器告诉我前面有危险，5秒钟之后才做反应，那这样交通事故肯定会发生的。

从自动驾驶来说，业内普遍认为算法是未来自动驾驶的核心，特斯拉也好，奥迪也好，都是通过高强度的硬件和最终的算法来现在达到了LEVEL2.5或者LEVEL3的级别。实现自动驾驶的算法简单可以分为三类，第一类是中心式计算结构，通过不同的传感器，通过中央的集成处理器进行统一的决策。第二算法叫分布式计算结构，会有小的决策单元制定一些决策系统。第三叫混合式计算结构。这三种方式有不同的优缺点，但选择哪种最终是根据车的架构，无论你选择哪种实现方法其，实在融合上重点难点也都在算法上。

东软是一个软件公司，1991年成立，我们从成立到现在一直在做软件，从2008年开始，十年前我们进入了硬件，所以早在十多年前我们就已经布局做相关的一些算法，包括图象识别，包括现在在图象识别或者汽车软件算法方面我们已经达到了一百多项的专利，现在很多产品已经实现量产，并为主机厂供货。

刚才说了软件算法真的是很重要，但如果对应到车的量产上，从产品角度，那么软件算法和硬件算法是什么关系呢？从自动驾驶来讲，我们有一个计算单元需要处理车辆的运动、环境的感知，包括驾驶员的检测，还有警报控制等等，去完成这些工作，而不同的控制有不同的硬件，这些相当于是我们的眼睛、耳朵，同时计算单元需要给出指令达到车辆控制。从量产角度就不能仅仅考虑到算法，包括现在所有中国车厂面临的成本问题，业界大家可能都知道，现在一台自动驾驶的车需要一百多万，还是普普通通的，而不是国际上比较认可的所谓的豪车，那么它的市场接受率会是多少？

自动驾驶从量产角度考虑，硬件系统是第一步，而且硬件系统设计也很复杂，它的很多技术点也需要进行考虑。最终我们认为说只有软硬一体的设计才能让自动驾驶更有效，更成功。也就是说，从一开始设计的时候需要从量产角度去设计自动驾驶车辆。现在业界基本上通过这种方法，比如说主流车厂用的比较多的Mobileye。

2016至2017年涌现了大量的自动驾驶创业公司，现在基本上可以达到一些自动驾驶的验证，包括它的运行，但如果真正要达到量产的角度，我个人认为还有很多路要走，因为我们做自动驾驶成功的概念不是让车动起来，而是让车能够量产，为老百姓提供真正的服务和便利。

现在通用的Super Cruise和特斯拉，是上面两种类型公司真正做到量产的自动驾驶方案，软硬一体化开发成功的典范。首先来讲自动驾驶的汽车应该是一个汽车，是一个硬件系统，而自动驾驶是智能汽车的属性而已，只有高度集成的软硬一体的方案才能进行无缝对接，在自动驾驶领域走的越来越顺畅。

自动驾驶实现的难点在于验证，如何证明一辆自动驾驶车辆的安全性。基本上从各个行业也好或者从业界的普遍反映，如何判断自动驾驶的汽车是安全的，能够量产的，是十亿公里没有交通事故。就各厂商的2017路测结果来看，Waymo是352，545英里，出现了人工干预的次数是63次，每千英里的干预次数是0.18次，这是2017年做自动驾驶路测最好的数据了，但是和人类普遍认知的差的还是很远。

前一段时间奔驰有辆车在高速上突然驾驶辅助不太好用了，又通过很多的后端、平台，最终反正没有出什么大事，当时业界比较震惊。假如说按照这个概率，每千英里出0.18次，如果这种产品进入了市场，一年卖50万辆车的话，一年出现事故次数大概是60多次，这60多次不管是什么品牌还是那种级别，出现这种次数对于个人来讲都将会是致命的灾难。

除了真正的路测以外，软件的仿真模拟将会是重中之重。这是Waymo的验证方法，很多的主流都是采用模拟化仿真的技术进行验证。东软早在设计之处也考虑到相关的验证，在中国如何根据中国的特色或者说中国特点来进行测试。我们与信通院联合研制，这样有自己的仿真平台，也有相关平台的标准。

下一个想说的是，智能车自动驾驶在中国落地必须要适应中国国情和基础设施的实际情况。自动驾驶除了刚才提到的技术和测试得到验证以外，我们还需要考虑到国情。大家知道去年阿波罗发布的时候，大家都在讨论自动驾驶车到底能不能上路的问题。现在来看，从整个行业大家对自动驾驶确实也都是支持，这两年时间里，美洲加州、德州、宾州亚利桑那等地都开展了。这是中国的情况，中国现在北上广深也都有一些自动驾驶的测试厂。

自动驾驶为什么要符合国情呢？美国相对来说在行业内算是领先的，但我们不得不考虑的是整个行业或者整个地域的不同。比如说美国很多的交通信息标志和中国的就不一样，因为中国需要考虑的是有很多临时的牌照，比如说学生高考禁止鸣号/人力车这种标志。另外，必须要考虑的是非常现实的路况问题，我们到美国加州或者洛杉矶，可能车流量也很大，但是平均时速都在80公里以上，想想中国的道路，加入量产的车正在开的过程中，如果要不做到万物互联程度的话，人有时候控制不了，那么机器出问题的概率是有很多的因素，所以在中国道路真的是地域模式。我们也不知道前方5秒钟以后会不会出来一个饿了么，所以自动驾驶落地需要国情。

包括政策法规、基础设施，说到基础设施和国外是一样的，从我们做产品的角度来讲，我们也在给日本、美国做导航等，日本的道路基本上是十年不变的，而中国想想，上海可能是中国高度繁华的城市，不可能十年不变，其他城市也至少一年一个变化，所以自动驾驶对这种变化我们应该如何应对？

还有修改算法，中国要对“合理不合法”的驾驶行为有更高的容忍度。如果说用户没有养成的话，那自动驾驶如何去帮用户进行养成。自动汽车它首先是一辆车，自动驾驶是车的一个功能而已，我们要尊重这个客观事实，而不是反过来说要自动驾驶了车才去满足它，最后讲的是高度集成化。

我们从技术角度或者从业务角度，自动驾驶相对来说，我个人认为是一个可以实现的事，尤其LEVEL3级以下，因为毕竟是在特定区域或者特定时间段，我们可以通过完整的仿真测试等先进技术，基于国情进行一定改进，就可能会有量产。如果想发展到LEVEL4或者LEVEL5的话我个人认为有很多路需要走。基础设施包括高清度地图、平台、基础设施服务，如果说自动驾驶没有5G，那我们的V2X，我们和其他物体的通信是不是真正能达到标准？另外如果说L4达到了普及，还面临一个问题就是责任的划分，安全认证、法规处理，我相信任何车厂即便做的再好它也不敢保证L4不会出任何问题。

最后就是市场的接受程度，接受程度是什么概念呢？我们现在这个行业人们提的几大主题，做自动驾驶的初衷是什么？有几个点，第一每年死130万人，至少90%是驾驶失误造车，如果是这种情况那自动驾驶的初衷是解决安全问题。大家想一想现在中国国情如果有L4的自动驾驶会真的很安全吗？如果一个国情的行为或者习惯不改变，自动驾驶汽车开起来不一定会真的去减少交通事故的发生比例，可能驾驶人是安全了，但行人不一定。

第二我们做自动驾驶是为了其他老百姓更好的服务提升或者其它，所以说我们现在要做的工作就是如何把技术进行验证，然后考虑到未来量产的可行性。宝马2020年也要量产L3的自动驾驶级别，如果是这样的话，现在想想宝马3系的售价是三十万左右，如果配上这个系统那售价应该是五十万左右，所以这市场的接受率是多少？

各种各样的信息，最终我们认为自动驾驶是未来的一个方向，而且是社会主流推动的技术变更。比如说我们的ADAS，ADAS就是自动驾驶最初要做的一些阶段性产品，所以说自动驾驶将是未来，而这个未来需要一段路走。但是在走向未来的道路中需要产品为我们提供便利，这就是我要分享的，谢谢大家。

敬请关注盖世汽车“2018汽车与环境创新论坛”直播专题：

PC：http://auto.gasgoo.com/NewsTopic/157.html

移动：http://m.gasgoo.com/news/topic/157

提示：本文为现场速记，未经专家审核，请勿转载！