自动驾驶创新的量产实践及挑战

随着中国消费者对智能化接受度不断增加，博世提供的ADAS功能正在覆盖越来越广泛的用车场景，更智能化的功能也要求ADAS技术栈从传感器向AI算法、基础设施、计算平台不断拓展和创新。

博世智能驾驶与控制事业部副总裁助理王驷通举例了博世四个创新方面：一是完善的数据闭环支撑ADAS全栈解决方案的量产落地，其中AI驱动的数据闭环挑战来自于如何高效采集可用于模型优化的“正确”数据；二是AI感知将科研与工程结合，支撑各级别自动驾驶解决方案的落地：三是通过智能网联汽车技术增强用户体验；四是系统级安全(功能安全、SOTIF、AISafety) 保证消费者在使用创新功能时的安全性。

王驷通 | 博世智能驾驶与控制事业部副总裁助理

同时他还提及到自动驾驶从创新到量产面临的4个主要挑战：理解终端消费者、适应本士化要求、处理复杂系统设计和创新的快速落地。

以下为演讲内容整理：

博世在中国智能驾驶领域已经有近15年的本土化团队和本土化量产经验，，2021年，为了顺应软件定义汽车的潮流，博世集团把全球范围内的智能驾驶、智能网联、智能座舱相关能力进行整合，放入了现在的博世的智能驾驶与控制事业部。博世XC在全球的20多个国家拥有了40多座研发中心18000多名员工，可以提供十余种不同自动驾驶硬件产品，解决方案满足L1到L2++的ADAS量产需求，几乎可覆盖各级别自动驾驶的传感以及计算平台需要。截至现在，博世XC在中国参与ADAS及高阶自动驾驶研发的人员已经超过1000人。博世XC团队在中国有四大研发中心，此外博世中央研究院及全球各大软件工程中心在基础能力上及软件工程能力上都给予了支持。

图源：嘉宾演讲材料

中国在自动驾驶领域发展速度非常快，中国消费者尤其是年轻的互联网一代的消费者，面对ADAS的新鲜事物时，接受能力非常强，使得博世会将越来越多的ADAS战略发展重心放在中国，资源也在向中国倾斜，未来，博世ADAS领域越来越多的首次量产落地会在中国发生。

ADAS技术栈不断拓展创新 满足智能化要求

博世中国的使命如今发生了变化，从最开始的“把国外的技术带进来”，帮助中国主机厂在智能化领域成长，到现在逐步变成在ADAS领域“将中国车企的先进技术带出去”。博世作为桥梁，利用全球40多个研发中心及对各个国家了解的情况，让国内主机厂把世界领先的ADAS功能带出国门，引领全球。

如果将ADAS行业作类比，ADAS产业链很像经营饭店，消费者是食客，主机厂是经营者，博世就是农场主，而算法及基础设施人工智能方面的战略合作伙伴就像是高级厨师培训学校。在经营过程中可以走精品路线，抓住某一特定内容，做小本经营，通常来说盈利会较为不错；另一种就是连锁店模式，博世的企业规模就决定了我们不仅要为精品餐饮供货，更要为连锁餐饮供货，这就要求我们要兼顾不同客户要求，还要兼顾不同合作伙伴的风格

所以就需要能力全面，不能只懂一种算法，或是只掌握一种传感器硬件、计算平台、自动驾驶解决方案，而是要从全面了解消费者，再到具备传感器、执行器、计算平台、基础设施等全套能力。通过自建和合作，形成双赢。

图源：嘉宾演讲材料

博世ADAS领域技术栈的起步是传感器，已经有差不多20年历史，仅在中国本土的累计出货量就以数亿计算，这帮我们建立了优势，比如我们陆续掌握了芯片设计能力，对于包括诸如雷达射频等知识，都有了深刻的理解。但是想往更高阶的自动驾驶去做，光有传感器是不够的，因此博世也在不断加大算法和应用领域的投入，包括怎样通过高效的算法移植能力及中间件的能力，快速满足向主机厂指定的不同SOC计算平台、不同的EE架构下移植博世的算法。

博世自动驾驶多方向创新实践

博世在自动驾驶领域有不同的创新内容和实例。

图源：嘉宾演讲材料

数据闭环由“软件开发数据闭环”和“基于AI数据闭环”两个部分组成，验证驱动的闭环，验证驱动是传统汽车里的基于规则的功能，通过一定数据验证得到非黑即白的结果，但AI数据闭环则不同，它是一种不确定的、概率性的模型，这就导致数据和产品性能会产生强相关的关系这对自动驾驶至关重要。博世通过寻找重要战略合作伙伴，帮助博世一起建立AI驱动闭环。

有了双数据闭环，就可以支持各级别自动驾驶解决方案的开发。在软件开发数据闭环中挑战来自于对海量数据的分级存储及管理策略，在基于AI数据闭环挑战来自于如何利用自动化手段高效完成包括trigger、标注在内的数据采集工作，并且确保数据是可用于模型优化的“正确”数据。

图源：嘉宾演讲材料

自动驾驶AI算法落地需要满足多元能力整合、本土化和让消费者受益。多元能力整合指的是通过我们在AI上的基础科研能力赋能于AI的工程化落地；本土化需要满足数据合规和本土路况的适配优化，而不是拿来就用。比如我们在泊车上进行了众多本土优化，针对中国独有的泊车位线颜色、线型、挡杆，甚至考虑到中国地下停车场较多会存在反光等现象，我们都做了优化；让消费者受益是最重要的一点，现阶段，我们软件或者系统释放的标准越来越倾向于考虑到实车情况下的用户体验，以及实车情况下的测试结果。

一个案例是我们通过神经网络模型改善复杂路况下视觉感知表现，神经网络模型是在0.7tops的芯片上面高效实现的。高效意味着神经网络层数非常少，博世在开发过程当中在系统级考虑到各种问题，才能向主机厂、客户提供既廉价又安全可靠的视觉解决方案。

图源：嘉宾演讲材料

现在在中国，车联网也取得了长足发展，博世通过和道路基础设施联动实现了增强的ADAS功能，在无锡车联网小镇等示范区已经可以示范运行了；基于网联地图服务的ADAS功能，因为数据合规要求暂时未引入中国；自动代客泊车功能，可以通过手机操控车辆在停车场里自动找到并泊入车位，在德国已经有十余个停车场进入商业化运行，现在也正在中国推广。

图源：嘉宾演讲材料

博世是汽车行业几乎所有相关安全法规的制定参与者，同时车辆系统安全一直是博世企业内部标准。博世出台了GF182内部企标，将功能安全（ISO26262）及预期功能安全（ISO21448）列为ADAS开发中必须强制执行规范，同时博世（中国）参与ISO8800 道路车辆人工智能安全工作组，并已在内部率先实行标准要求的安全举措。

以基于单摄像头方案的AEB功能为例。博世首先在系统层级会做预期功能安全考量，基于博世量产经验，保证AEB验证及场景库的全面性，以10000小时验证保证AEB的0误触发，尽可能让验证覆盖到更多的地方；其次是AI安全，博世充分识别AI算法对系统安全带来的潜在危害，并通过对数据、模型、验证全闭环的安全举措予以保护，随AI安全性的提升，逐渐减少基于规则校验的权重，充分释放AI性能，达到安全和性能的平衡；最后就是功能安全，我们的功能安全设计过程会比较严谨，系统的安全等级是基于环境建模仿真以及路采数据建模仿真确定的，同时我们会抽丝剥茧，对于所有来自供应商的硬件子部件、软件子系统，甚至是SOC中的一个Microprocessor，也会在选型之初必须充分考虑AOU (Assumption of Use)，我们会考察SOC等供应商是否在设计之初考虑了SEOOC (Safety Elements out of Context)，由此在设计之初就保证系统架构的鲁棒性，避免系统架构后期因安全问题进行大的调整。

博世基于量产经验，将数据驱动流程与传统V模型充分融合，并在关键节点加入相应的预期功能安全、AI安全、功能安全措施，避免流程的过设计的前提下保证系统安全。

安全不是束缚行业快速发展的枷锁。大家会发现，基于历史的统计，无论是1920年后的汽车造型风潮，还是近些年的安全气囊、电驱动等赛道，大家都经历了求快、求廉价、求新奇的卖点等过程，但最后能存活下来的都是从第一天就考虑到安全性问题、把安全放在首要位置的主机厂。博世希望帮助中国本土主机厂完成弯道超车，但博世也坚持认为弯道超车不能以牺牲安全作为代价。

总结：自动驾驶的创新和量产正面临挑战

自动驾驶从创新到量产，面临着四个挑战：理解终端消费者，适应本土化要求，处理复杂系统设计，创新的快速落地。遇到的几个挑战。所以就必须通过长期实践积累对整车安全的系统级理解，考虑自身供应链及系统设计的能力特点，进行最大化的发挥；必须重新审视竞合关系，拥抱生态伙伴以加快研发、优化成本效率；自动驾驶OTA使得性能不断迭代，就需要更强的系统架构设计、成熟的OTA方案及周全的软件维护策略；通过长期的交钥匙项目经验加快创新循环的迭代。

博世将始终扎根中国，与合作伙伴共同推动中国主机厂引领全球智能化浪潮。

（以上内容来自博世智能驾驶与控制事业部副总裁助理王驷通于2023年5月9-10日在2023捷途汽车电子架构与智能驾驶论坛发表的《自动驾驶创新的量产实践及挑战》主题演讲。）