【汽车与环境】纵目科技创始人兼CEO唐锐：从自动泊车、自主泊车到自动驾驶的演进之路

纵目科技（上海）股份有限公司创始人兼CEO唐锐

很荣幸今天有这个机会介绍一下纵目科技，今天的演讲题目是：走向自动驾驶量产之路。今天自动驾驶变成一个非常热的话题，有很多人分别从产业界、学术界进行思考，也有很多人发出很多声音。我们现在想问几个问题，因为确实到了一个时间点，我们去思考把这些东西落地。其实今天很多人看到明年某一个时间点，或者今年某一个时间点开始做自动驾驶的量产，我有时候会了解一下，什么叫量产？量产多少台？可能在一个非常局部的区域，量产几十台，或者一点多公里的路线做一个Demo，这个不是严格意义上的量产。尤其在汽车行业，汽车要进入量产是蛮复杂的一件事，车的很多零部件要经过非常严格的测试，高温跌落EMC、ESD等测试，然后还有四年15万公里的质保，这些必须要考虑到，尤其跟自动驾驶相关的主动安全东西，这些东西都考虑到，我们才认为是真正量产的自动驾驶。

这个量产也有很大的区别，量产一百台、一万台、一百万台肯定不一样，什么是大规模量产？除了在车辆可靠性达到相当高的水准，在成本控制上也非常关键。今天很多国内车的售价可能在十万~二十万的区间里，这样的车其实没有办法使用很昂贵的传感器，比如说今天大量做自动驾驶，一些Demo在使用激光雷达，今天的激光雷达技术其实不成熟，里面有一个机械一直在旋转，可能路上振一下就出问题了。大家知道谷歌的64线激光雷达，这个要七八万美元。我们看到一些激光雷达研发的零部件厂，我们在未来三五年推到一千美元左右，但是即便这样也是昂贵的。汽车主流的价格区间没有办法使用非常昂贵的硬件组合，所以这些硬件要成本低到一定程度，我们才能进行大规模的量产。

第三个问题，在中国应该走出一个不一样的自动驾驶大规模量产道路。我自己原来在硅谷待了很多年，在美国和中国有蛮大的区别，硅谷是自动驾驶创新发源之地，做了大量前沿的工作。中国和美国有很多不一样的东西，我在美国工作的时候，出门五分钟就上了高速，开了二三十分钟下高速，又过了几分钟很快就到了公司。在中国这个体验完全不一样，在美国高速非常重要，在中国大部分开车的时候会堵在内环高架上，或者去购物中心吃饭，大部分时间在找车位。我创立纵目科技是在2013年，我在想怎么走出不一样的自动驾驶的道路，其实一个结论，在中国尤其是今天城市变的拥挤的情况下，可能是自动驾驶最重要的切入场景。所以一直以来我们沿着这个思路进行深入的思考，怎么在中国走出一条从自动驾驶到辅助驾驶的量产道路。

今天来看，很大程度上自动驾驶和共享出行已经成为两个紧密结合在一起的概念，因为今天不管是传统的车企，像GM都在说将来不再做一个汽车产品公司，变成一个出行公司，还是像谷歌和优步，他们在积极推动整个无人驾驶共享化、出行服务等等。所以从这个层面来讲，这两个概念非常紧密的结合在一起，所有出行服务公司共享汽车的业务，最后的成本是在驾驶人的成本上，如果把这个无人化、自动化，对于整个出行服务来讲是最重要的一环。

同时对于传统的车辆，包括自动驾驶，我们怎么赶上这个风口，将来这一块代表变迁的方向是做相应的合作，深入思考，怎么跟其他企业一起把这个产业往前拉动。所以我们也是基于这个思考在谈，我们低速的技术怎么跟OEM和出行领域的合作伙伴进行深度合作，因为今天看起来共享出行很重要的痛点，其实在中国不在于高速，还是在于低速。今天我们看到中国有很多共享的企业如火如荼的在展开布局，不管是上海的EVCar，还有途哥，包括摩拜也出了一个，因为自行车解决了三公里以内，但是三公里以外自行车不适合，需要共享低速去解决。这里面出现一个很大的问题在于调度，最后几公里之内怎么帮调度员找到车，其中一个是我们想要谈的技术，自主泊车。

你可以想象怎么让车和人互相发现对方，怎么让车给共享出行的企业，比如加油的时候，自己加油或者充电，这是一个非常核心的问题。今天你可以想象，我们去滴滴打车，可能花很多时间是人和车怎么互相发现对方。明天后天，当我们EVCar有几百辆在城市里的时候，要解决调度问题的时候，是停车场里车和人互相找到，这是共享出行需要解决的最大的问题，高速也重要。但是在最后一公里调度问题，可能会变得非常重要。所以基于这样的一些思考我们得出一些结论，我们的自主泊车技术，可能是共享出行里最关键的一环。

我再对纵目科技发展做一个回顾，纵目有一个比较明确的发展阶段，对于我们来讲，我们走出了一个非常明确的发展过程。我们纵目科技2013年成立，我们的出发点是做环式技术，最早做360°全景影像，做全景泊车，提供拼接之后的环式，帮助驾驶员做泊车过程中观看辅助功能。然后我们延伸出了很多新的功能，包括用摄像头做车道偏离预警、开门预警等等功能。从这个层面来讲是L1、L2的功能，今天可能有好几十万辆车在马路上开，其实也在使用这个产品和技术。

今天我们是站在L3向L4迈进。我们在环式的基础上继续扩展我们的边界，L3是做基于环式自动泊车的产品，L4是做基于环式自主泊车的系统，最后达到完全多工况的自动驾驶。

解释一下自动泊车和自主泊车的区别，自动泊车相对来讲有一段历史的概念，这个概念十年以前就出现了，是说车在最后三五米过程中通过传感器发现这个地方有一个可以停车的位置，不管是水平的还是垂直的，帮助驾驶员把这个车停进去，这样的一个功能，本身来讲属于L2级别，因为它既控制方向盘又控制刹车油门，当然最早是半自动，只控制方向盘不控制刹车油门，慢慢的这个产品在进化，到今天可以帮助驾驶员解决三到五米的泊车过程。自主泊车的概念最早是代客泊车，比如去酒店，我把车钥匙交给门童，他帮你把车停到停车场。但是我们想象一下把人的操控无人化，用车上自主的系统替换掉，这是我们今天谈的自主泊车。

你可以想象一下，这个技术是一个L4，甚至涉及到无人环节的特殊场景下的自动驾驶技术，其实也有很多不同的细分场景。我们今天向L4迈进，有很多成熟的技术，跟国内的主机厂商把自动泊车迅速的导入量产。我们刚刚在北京发布了自主泊车的第一个原形，我们演示了一个完整的在地下车库自主泊车的使用场景。所以今天站在L3向L4迈进，这两个技术本身来讲，既有关联又有本质性的区别。关联的意思，我们这个对于主机厂和合作厂家来讲都是渐进的过程，我们在这个过程中可以用很多传感器和车上的接口，怎么控制EPS和底盘，怎么控制ESP和方向盘，怎么进行系统功能安全的设计和考虑，保证这个是安全的，这都是集成性的。但是也有一个极大的飞跃，要引入很多人工智能的东西，因为处理的场景完全不一样，从原来几米范围扩展到几百米或者一千米，可能在上面引入很多人工智能的东西，比如深度神经网络的识别、定位感知、高精度地图等等，都在这个里面实现出来，所以在场景上面可以认为是一个递进升级的过程，但是真带来的技术含量和算法是完全不一样的飞跃。

这是我们的策略，怎么跟国内的汽车企业一起把这个逐步的推入到我们的产品里。我再深入阐述一下自动泊车和自主泊车的思考，自动泊车有十来年左右的历史了，今天市面上所有的自动泊车都是基于超声波的，基于超声波的自动泊车有蛮大的局限性，这也导致超声波自动泊车没有被广泛使用的根本原因。第一，受用比较狭窄，使用自动泊车，我发现新司机可能有一定的优势，如果是一个老司机，可能觉得这个功能不重要，因为我自己能看到，后视镜停车已经很好了，用自动泊车反而不好用，所以第一个问题是使用面狭窄。第二，人机交互不是很直观，通常来讲在仪表盘或者中控平台有几个硬件按纽，你要进行组合一系列的动作，选择水平泊车或者垂直泊车，有时候还要摁住某一个键，这种不友好的UI的设计会导致你不知道怎么用。我自己车上也有自动泊车，但是我不怎么用它。

今天来讲，大家都在思考一个问题，怎么用环视自动提高自动泊车的体验。这个视频是我们在一个双层立体车库的时候，使用超声波辅助之后的自动泊车怎么解决这个问题。如果对于技术成熟的司机来讲，有时候在双层车库停车也是很痛苦的，因为双层车库两边有很低的沿儿，车必须卡在这个导轨里，距离只有十来公分，必须很精准的停，这个老司机也很痛苦，单纯依靠超声波很难解决。但是结合环视就可以把这个很好的解决。因为环视提供非常直观的界面，所以你会发现自动驾驶操作非常简单，我们用环视更多感知实效模式，这个是我们跟国内的主机厂商怎么实现非常好的自动泊车的思路，我们会在一系列主机厂里将这些东西导入量产。

但是更让大家觉得兴奋的，是我们能不能把最后三米的自动泊车扩展到一百米。其实自主泊车有非常多的场景，可以是大型商场地下停车场、工业园区、酒店和居民小区，我们都需要一些场景，如果能解决这些问题都很好。因为确确实实这些地方是今天在中国驾驶非常有痛点的一个地方，我们有一些非常明确的思考，我们怎么一步一步的扩展自主泊车的问题。我们准备分几步走，今天已经有成熟的自动泊车，然后我们刚刚发布了自主泊车1.0，后续做2.0和3.0，1.0解决一个非常明确的痛点，大型商场地下停车场，我自己也有很多个人的体验，这项技术代表了今天蛮大的用户和用户的刚需，我们把这个问题解决之后再解决2.0，扩展到居民小区，最后3.0，扩展到公用道路。

1.0阶段，我们想解决特别的问题，一个大型商场停车场的痛点问题，我住在浦东，我们公司在张江那边，在我家跟张江中间是上海的长泰广场，这是一个让无数人吐槽的地方，我基本每个礼拜都去，因为周末要带小朋友去吃饭、看电影，这个里面痛点很多，上面有几十个电梯口，有吃饭的、电影院，每次去的目的都不一样，我开到地下车库以后有ABCD区，每个区里有几百个停车位，我去了以后每次都找不到应该怎么合理的停车。我要去吃火锅，我应该停哪儿，其实是不知道的。我停好车去吃饭，再下来找车是很痛苦的，就算车上有很多智能设备，你可以查到车是在A区的23号，我们从B区的电梯下来了，你前面有一张地图还是找不到它，好不容易找到车了，他有几个出口，我有好几次在下面兜圈子，怎么兜兜不出来，这个代表一个很大的痛点，尤其在城市化过程中，所以第一个问题想解决这个问题。

针对这些数据做一些深入的思考，在中国汽车保有量非常高了，可能接近40%的车集中在一二线城市，同时一二线城市大型的停车场，真正有痛点的停车场可能有一两千个，我们能不能把这个问题解决掉。而且为什么我们要从这个场景切入，有很多原因，一个原因是这是一个大的用户基础，自动驾驶像自动泊车，我们不需要使用激光雷达这样昂贵的传感器就可以把这个问题解决了，我们可以用超声波，用环视摄像头，或者后面加上雷达，可以让普通消费者买得起的传感器。所以他首先是大用户基数、强刚需的场景，是一个市场空间。

第二，尤其在L4的自动驾驶，可能会长期存在人和车，不同的智能级别的车跟人共存的场景，在这个场景里面有很多的非技术因素，这些非技术性的因素，比如马路上出现一个无人的车，很多人会好奇会不会有碰瓷，会不会有围观，地下停车场提供了一个非常好的可控环境，能够让这个社会和普通的消费群体理解无人车，帮助自动驾驶走入我们的生活。

第三，我们可以提供一个很好的框架，可能用这个车做了之后，能够收进相关的地图等等情况，这是1.0的思考。后续再推到2.0、3.0，2.0扩展到居民小区，买完菜之后把车停在门口，人上去了把车再停进去，或者在陆家嘴，人在道路上下来，车自动停进去，这个场景是非常容易解决的。

总结一下，我们是希望通过这样的道路真正设计一个适合中国的、从辅助驾驶到自动驾驶大规模量产的道路，这个事情是可能的。我们在北京刚刚做的产品发布，用了一个非常强大的芯片，跟高通合作，同时使用了自动泊车为主的传感器，鱼眼镜头、超声波加上摄像头，做了一个完整的衍射产品。这个车可以把人接上以后，导航到一个具体的电梯口或者停车位，人去吃饭的时候，车可以自己找一个地方停下来，这个我们已经做到初步的发布，我们希望在未来一年，把这个做到大规模量产，这是我们的思考。谢谢。

敬请关注盖世汽车“2017汽车与环境创新论坛”直播专题

提示：本文为现场速记，未经专家审核，请勿转载！