車東西（公眾號：chedongxi）

作者丨?川徐

(資料圖)

編輯丨?Juice

由車東西主辦的GTIC 2022全球自動駕駛峰會于1月5日在深圳成功舉辦，來自自動駕駛行業(yè)的多位專家和企業(yè)代表出席了本次會議并發(fā)表主題演講。

在”量產(chǎn)自動駕駛專題論壇”上，長城沙龍智能化中心負(fù)責(zé)人楊繼峰通過視頻連線的方式發(fā)表了題為《數(shù)據(jù)驅(qū)動，高等級智能駕駛量產(chǎn)的必由之路》的主題演講，介紹了數(shù)據(jù)驅(qū)動是如何幫助高級別自動駕駛實現(xiàn)量產(chǎn)落地的。

楊繼峰從駕駛自動化分級、整車產(chǎn)品形態(tài)和技術(shù)架構(gòu)三個角度出發(fā)對“智能駕駛到哪一步了”這個問題進(jìn)行了回答，介紹了數(shù)據(jù)驅(qū)動是如何幫助高級別自動駕駛實現(xiàn)量產(chǎn)落地的。

楊繼峰認(rèn)為，高階智能駕駛系統(tǒng)量產(chǎn)不僅要實現(xiàn)技術(shù)的價值、產(chǎn)品的價值更要實現(xiàn)能夠?qū)τ脩粜纬筛顚哟蔚逆溄雍驼麄€生命周期內(nèi)全面體驗閉環(huán)。

以下是楊繼峰演講全部干貨：

一、自動駕駛分級是產(chǎn)品形態(tài) 并不代表技術(shù)能力

從駕駛自動化分級的角度看待自動駕駛似乎已經(jīng)成為了一個繞不開的話題。自動駕駛從業(yè)者經(jīng)常被問到自動駕駛今天是L幾了，這是一個繞不開的問題。自動駕駛領(lǐng)域在16-17年開始進(jìn)行國標(biāo)的駕駛自動化分級的編寫，到今天已經(jīng)發(fā)布了，針對L3以上級別自動駕駛的三支柱法也開始落地。這是從法規(guī)層面，但是越是從事自動駕駛軟件架構(gòu)開發(fā)或產(chǎn)品設(shè)計的同學(xué)就越容易理解，其實所謂的L2、L2.9、L3、L4級別的自動駕駛更多的是一些不同的產(chǎn)品形態(tài)，而非直接的技術(shù)水平的能力的表達(dá)。當(dāng)然一個沒有ODC限制的L5級自動駕駛可能是所有自動駕駛賽道殊途同歸的目標(biāo)，但或許這個目標(biāo)在可見的未來永遠(yuǎn)是一個牽引。

在楊繼峰眼里所謂的L2、L2.9、L3、L4的自動駕駛更多的是不同的產(chǎn)品形態(tài)，而不是簡單的技術(shù)水平的能力問題。

▲駕駛自動化分級帶來的智能駕駛產(chǎn)品形態(tài)

在自動駕駛的級別帶來的產(chǎn)品形態(tài)背后，是多個產(chǎn)品開發(fā)方法論的交匯和融合。

經(jīng)典的L0-L1-L2和以TJP為代表的可以脫手脫眼的L3，采用典型的瀑布式的開發(fā)，清晰的功能邊界，集成化的軟硬件架構(gòu)，可通過數(shù)學(xué)方法驗證的測試驗證理論，深度結(jié)合整車質(zhì)量體系，功能場景、駕駛策略、安全概念都是could be defined, could be designed, could be verificated and validated，所以更多的是一個人function pack的形式，不在功能設(shè)計范圍內(nèi)的feature很難在這一代技術(shù)棧上通過OTA的形式再做交付。

而伴隨著AI在視覺領(lǐng)域突破而進(jìn)入自動駕駛行業(yè)的伙伴，大家反而是從L4開始理解自動駕駛，系統(tǒng)架構(gòu)上基于當(dāng)前有的傳感器能力尋求均布感知的最優(yōu)解，能夠?qū)崿F(xiàn)落地的高性能的計算平臺。小步快跑，敏捷開發(fā)，持續(xù)集成，長城對技術(shù)的理解一直是一個以平臺的形式持續(xù)開發(fā)的概念。從功能場景上L4自動駕駛希望系統(tǒng)能夠無限接近于道路真實場景（例如復(fù)雜的道路拓?fù)?、異形交通?biāo)識標(biāo)志交通燈，博弈和繞行為主的場景，各種道路交通參與者的異常駕駛行為），ODD（非ODC）更多以地理圍欄的形式出現(xiàn)而非功能邊界（無論是限定區(qū)域還是干線），對于ODD之外的問題，L4系統(tǒng)需要有完整的風(fēng)險遷移方案。對于不能解決的問題，不僅僅需要檢測到，還需要保障絕對的安全（調(diào)度和運營能力）。

所以怎么理解這一代量產(chǎn)高階智能駕駛系統(tǒng)，從整車系統(tǒng)架構(gòu)角度、智能駕駛安全理論的角度（特別是功能安全）、MRC和MRM的定義的角度，這一代系統(tǒng)開發(fā)沿用了很多傳統(tǒng)ADAS的方法論，但是從軟件架構(gòu)特別是核心模塊的算法架構(gòu)上，從主線軟件的開發(fā)、集成、交付形式上，從車端-云端的架構(gòu)統(tǒng)一性和數(shù)據(jù)驅(qū)動基礎(chǔ)設(shè)施的角度上，這一代系統(tǒng)又很接近現(xiàn)在的L4技術(shù)棧。

回到今天的題目“高階自動駕駛量產(chǎn)”，2022年大家談了很多L2和L4的飛輪、數(shù)據(jù)閉環(huán)以及它們之間的關(guān)系，所以站在今天去看待這樣的L2.9的高階端到端智能駕駛輔助系統(tǒng)的量產(chǎn)問題，是一個非常有趣的時間點。

回到駕駛自動化的問題上，L3比L2.9需要更多的硬件感知能力嗎？不一定，因為L3的場景更少，也更容易去通過枚舉定義場景和風(fēng)險。L3比L2.9需要更多的算力嗎？也不一定，因為算力更多反映的是算法架構(gòu)的需求，L3反而是更多以邏輯計算的形式表達(dá)的。L3比L2.9需要更多的系統(tǒng)冗余嗎？是的，因為安全、特別是功能安全在方法論層面尚未因為機(jī)器學(xué)習(xí)而發(fā)生本質(zhì)變化。所以，駕駛自動化問題，他更愿意看做是一個系統(tǒng)設(shè)計、安全設(shè)計、功能設(shè)計、算法架構(gòu)、測試驗證、開發(fā)和交付方式的方法論層面的理解和表達(dá)。

所以長城從整車企業(yè)的角度和自動駕駛本身的技術(shù)角度，達(dá)到了這一代非常有趣又非常先進(jìn)又真正第一次toC的時間節(jié)點，長城把端到端的具備完整架構(gòu)的L2.9高級智能駕駛輔助系統(tǒng)給了用戶。

二、智能駕駛提升明顯 仍需要持續(xù)迭代

從整車角度，應(yīng)該怎么樣看待高階系統(tǒng)的量產(chǎn)？

長城和大部分的整車企業(yè)伙伴們一樣，都走過一些類似的路，通過發(fā)展側(cè)重的不斷調(diào)整來滿足自動駕駛系統(tǒng)的升級與完善。

到第三代智能駕駛系統(tǒng)交付給用戶的時候，智能駕駛系統(tǒng)已經(jīng)是一個能夠長期的迭代和成長的平臺。所以從2020年或2019年到現(xiàn)在，自動駕駛從一個軟硬一體的配置型產(chǎn)品變成了可成長平臺型產(chǎn)品，長城認(rèn)為它是一個要伴隨著用戶的全生命周期在硬件和軟件架構(gòu)上不斷開發(fā)和迭代的平臺。

時代給了量產(chǎn)高階自動駕駛系統(tǒng)最佳實踐平臺和窗口，長城也肩負(fù)著這一代C端的價值和使命。在機(jī)甲龍上市之后，長城做了很多的用戶溝通，楊繼峰深刻地感受到智能電動汽車用戶在C端發(fā)生的變化，用戶開始理解他買的不是一個配置或者功能，而是理解為買了一個平臺，因此行業(yè)把智能駕駛定義成一個1.0、2.0、3.0這樣的平臺性表達(dá)形式。用戶對于智駕系統(tǒng)問題的解決帶有明確的預(yù)期，用戶認(rèn)為在駕駛過程當(dāng)中遇到的體驗槽點是一定要通過OTA去逐步解決的。用戶對于整個系統(tǒng)升級有著自己的預(yù)期，但是這些預(yù)期并不準(zhǔn)確，在用戶的角度來講，很難分辨出哪些是這個系統(tǒng)在成長過程中一定可以實現(xiàn)的，哪些是一定不可以實現(xiàn)的，所以也需要更多的從業(yè)者和用戶之間直面的溝通。

用戶對于整個系統(tǒng)成本和功能價值有了不一樣的認(rèn)識，從業(yè)者也對于研發(fā)架構(gòu)的認(rèn)知發(fā)生了變化。如果說在幾年之前行業(yè)是賣產(chǎn)品，今天賣的是整個自動駕駛技術(shù)棧本身，包括它的技術(shù)理念、軟件算法、系統(tǒng)層設(shè)計的所有理念，以及在這個平臺上的開發(fā)者。這些變化在今天來看，一部分已經(jīng)落地，另一方面依然牽引著從業(yè)者在跟用戶的整個生命周期里做持續(xù)的開發(fā)。

▲需要完成的C端價值和歷史使命

智駕的系統(tǒng)成本從2020年到2023年，平臺硬件成本+數(shù)據(jù)閉環(huán)流量成本加起來，上漲了差不多6-10倍，換來的是什么？換來的是行業(yè)已經(jīng)做了一些挺酷的事情，中國的Navigation?Pilot類型的功能走在世界領(lǐng)先地位，智能化標(biāo)簽也超脫了功能層面，成為了企業(yè)和品牌層面的競爭標(biāo)簽。但，這些還不夠。

從整車角度上，智能駕駛成本在終端無論是訂閱率還是選裝率都還沒有轉(zhuǎn)化成用戶價值；在品牌角度上，通過智駕能夠形成科技標(biāo)簽且被用戶買單的企業(yè)還很有限；用戶角度上，依然需要很大量的工作去建立對這一代系統(tǒng)的預(yù)期和認(rèn)知。

而這些在2023年需要被開發(fā)團(tuán)隊和合作伙伴，和行業(yè)整體，最重要的是和用戶一起攜手去推動，在楊繼峰眼里高階智駕必須要做到全面toC的技術(shù)閉環(huán)和體驗閉環(huán)。

三、行業(yè)達(dá)成多項共識 數(shù)據(jù)驅(qū)動重要性凸顯

從技術(shù)的架構(gòu)來講，自動駕駛行業(yè)在哪一階段？

2022年行業(yè)整體完成了很多技術(shù)共識，對于新一代的感知架構(gòu)，大家基本形成了一致的技術(shù)意見，多模態(tài)加大模型加BEV部署；從高精地圖應(yīng)用的角度來講，重感知加輕地圖被廣泛提出，開發(fā)團(tuán)隊開始根據(jù)自動駕駛的軟件需求去定義究竟需要高精地圖里的哪些要素，跟地圖企業(yè)有了更深層次的合作，通過經(jīng)驗圖層去實現(xiàn)更智能、更接近真實交通流的場景表現(xiàn)，把車端感知加實時建圖的能力做的更好。站在今年，楊繼峰覺得有一個很大的變化是終于可以說高精地圖不再是一個傳統(tǒng)意義的零部件，而是真正深度成為自動駕駛解決方案的一部分。

▲2022年完成的技術(shù)共識和實踐

2022年完成了L2到L4的架構(gòu)閉環(huán)和數(shù)據(jù)閉環(huán)，車端架構(gòu)和云端架構(gòu)的進(jìn)一步統(tǒng)一。自動駕駛行業(yè)基本上已經(jīng)告別了全量落盤+全量標(biāo)注，所以對于從業(yè)者來說沒有足夠的車輛和足夠數(shù)據(jù)的競爭其實已經(jīng)結(jié)束了，接下來的競爭是數(shù)據(jù)挖掘、數(shù)據(jù)的有效利用以及整個技術(shù)棧對數(shù)據(jù)的理解，以及如何在大規(guī)模的基礎(chǔ)設(shè)施上平衡整個計算效率。

回到今天的題目，在自動駕駛領(lǐng)域談數(shù)據(jù)驅(qū)動，從業(yè)者做了什么？首先很多模塊已經(jīng)發(fā)生了變化，從基于規(guī)則的視覺特征提取到基于數(shù)據(jù)驅(qū)動的端到端結(jié)果的輸出；從基于確定數(shù)據(jù)的地圖信息表達(dá)到現(xiàn)在一系列新進(jìn)展和實踐的落地，在預(yù)測和規(guī)劃模塊，深度強(qiáng)化學(xué)習(xí)等基礎(chǔ)也開始做進(jìn)一步的探索。

四、高階智能駕駛離不開數(shù)據(jù)驅(qū)動

當(dāng)談到數(shù)據(jù)驅(qū)動的時候，經(jīng)常會講用數(shù)據(jù)驅(qū)動的感知、數(shù)據(jù)驅(qū)動的預(yù)測、數(shù)據(jù)驅(qū)動的融合、數(shù)據(jù)驅(qū)動的規(guī)劃、數(shù)據(jù)驅(qū)動的地圖，出現(xiàn)一些很激進(jìn)的討論，直到今天依然有L4的公司在討論說，自動駕駛本身到底是不是一個end?to?end?learning?的機(jī)器學(xué)習(xí)問題。

當(dāng)談到場景的時候，行業(yè)更愿意表達(dá)數(shù)據(jù)驅(qū)動如何讓場景的體驗變的智能，比如跟車的距離不再僅僅定義成它對于時距的一階線性轉(zhuǎn)成一個固定值等，這樣的一些確定函數(shù)的表達(dá)，而變成了基于場景的更智能的跟車行為。

▲根據(jù)場景談數(shù)據(jù)驅(qū)動

從硬件的角度講，數(shù)據(jù)驅(qū)動帶來的一個很大的特征就是大家開始更關(guān)心TOPS，即使是普通用戶也會問，這個車的算力是多少TOPS。機(jī)器學(xué)習(xí)這種以AI計算為主的算法進(jìn)入到量產(chǎn)階段，所以TOPS就變成了一個用戶愿意評價一個硬件好壞的核心指標(biāo)。

從開發(fā)模式的角度講，在傳統(tǒng)的DRE的體系下，自動駕駛可以作為軟硬一體的功能包，它的核心開發(fā)主要針對每個車型的標(biāo)定和車配。但是如果定義2022到2023年是高階智能駕駛輔助井噴的一年，那么接下來所有的開發(fā)者都會面臨這樣一個問題：開發(fā)和交付結(jié)構(gòu)變化。只有不斷降低自己的代碼量，不斷使用更多的數(shù)據(jù)驅(qū)動算法，不斷的減少對一次性開發(fā)和標(biāo)定的依賴，通過技術(shù)棧本身的角度去做整體優(yōu)化，才能更好的做多個車型的平臺開發(fā)。

比如通過數(shù)據(jù)回流實現(xiàn)對交通燈識別率的提升、預(yù)測精度的提升，而不是通過不斷去修改它的特征的算法，舉個例子，在機(jī)甲龍這個車型的開發(fā)上，長城和合作伙伴Momenta也對于這一觀點做了進(jìn)一步的實踐，比如在10天之內(nèi)通過數(shù)據(jù)驅(qū)動，自動駕駛的預(yù)測精度可以提升40%以上。

但是開發(fā)團(tuán)隊考慮所有技術(shù)點的時候，考慮更多的是這個架構(gòu)的方案可以走得更遠(yuǎn)，可以兼容更新的模型，可以更充分的支持人們能看到的開發(fā)，但這也意味著增加硬件成本、算力成本、數(shù)據(jù)成本。所以從OEM的角度來講，一個中算力加多傳感器融合的低成本高集成的方案，也許是在2023年大家會回頭去討論的一件事情。

從產(chǎn)品的角度來講，一個企業(yè)一定會有更高端的車型，像機(jī)甲龍，去實現(xiàn)技術(shù)棧在全生命周期內(nèi)的擴(kuò)展和全生命周期內(nèi)的交付。但同樣針對另一些品牌的車型，也許一個場景上可以覆蓋高速高架、城市簡單高頻的場景、好用的記憶泊車的中算力的解決方案顯得更具性價比。所以從定義產(chǎn)品的角度來講，也許從算法?？梢圆蛔非骴eep，從場景上可以不那么追求城市的復(fù)雜場景，從技術(shù)結(jié)構(gòu)可以不那么追求實時車端云端的模型剪枝和蒸餾，從數(shù)據(jù)回流上可以不那么追求所有場景的全量數(shù)據(jù)（而是更多的通過數(shù)據(jù)挖掘和數(shù)據(jù)應(yīng)用的效率），從開發(fā)模式上不那么追求自研或者說討論開發(fā)以及合作形式的理性，在2023年也是一個不錯的選擇，當(dāng)然持續(xù)的OTA能力是今年所有車型必須要有的。

▲數(shù)據(jù)驅(qū)動的未來

楊繼峰最后說到，面向未來，長城依然在前行。如果把自動駕駛理解為一種服務(wù)的話，今天還遠(yuǎn)遠(yuǎn)做得不夠好，還沒有很好的實現(xiàn)體驗閉環(huán)：駕駛員姿態(tài)的變化、用戶信心導(dǎo)致駕駛策略變化，DMSOMS感知的信息，以及實時的環(huán)境和場景的變化，到今天為止并沒有完全進(jìn)入自動駕駛的系統(tǒng)設(shè)計里。長城接下來依然可以一些更智能的體驗設(shè)計，比如做當(dāng)駕駛員喝水、實現(xiàn)看向副駕或做一些其他行為、座艙里其他的成員做一些行為的時候，可以關(guān)聯(lián)到此時即時輔助功能的一些駕駛策略。

場景閉環(huán)也還沒有很好地實現(xiàn)：對于遠(yuǎn)期的愿景來講，楊繼峰認(rèn)為自動駕駛可以實現(xiàn)對于局部交通流的安全和效率優(yōu)化，以及對于全局交通流的如何理解道路的安全、道路的效率、道路的公平。所以在做自動駕駛開發(fā)過程中，開發(fā)者會被人問起，自動駕駛的車輛和非自動駕駛車輛混行的時候，對于一條道路每小時通行的車輛到底是變多了還是變少了？

運營閉環(huán)也還沒有很好地實現(xiàn)：長城在2021年開始嘗試運營閉環(huán)，包括讓用戶更多地使用這個系統(tǒng)，不斷提升系統(tǒng)的MPI，提升系統(tǒng)的場景可能性，提升系統(tǒng)的道路可能性，提升用戶對它的認(rèn)知，以及和用戶形成進(jìn)一步的線上線下的閉環(huán)，也開始探索訂閱等一系列的商業(yè)運營的方式。

未來的自動駕駛?cè)绾慰创?？楊繼峰相信行業(yè)會從功能驅(qū)動的智能駕駛走向場景驅(qū)動的智能駕駛，也就是今天開發(fā)團(tuán)隊希望用平臺型的開發(fā)和海量數(shù)據(jù)驅(qū)動軟件技術(shù)棧實現(xiàn)更多的趨近于全面場景和更擬人化的功能目標(biāo)。楊繼峰希望這一代的智能駕駛技術(shù)平臺能夠從高速走向城市，希望這一代的自動駕駛平臺能夠真正走向用戶，實現(xiàn)完整功能的覆蓋和打通。面向未來，他希望自動駕駛應(yīng)該是智能交通體系下的自動駕駛，它解決的不只是自車的問題，解決的是完整道路流的課題。同時自動駕駛也會成為用戶體驗的一部分，成為千人千面的自動駕駛體驗。

回到數(shù)據(jù)驅(qū)動，楊繼峰認(rèn)為數(shù)據(jù)驅(qū)動的終點可能不止于自動駕駛，自動駕駛行業(yè)今天做的是基于數(shù)據(jù)驅(qū)動的軟件模塊，這是談數(shù)據(jù)驅(qū)動談的最多的，從業(yè)者們不斷地把最新的機(jī)器學(xué)習(xí)研究成果廣泛應(yīng)用于車端的感知、預(yù)測、規(guī)劃，并且搭建了完整的研發(fā)基礎(chǔ)設(shè)施，包括車端和云端的模型自動化的基礎(chǔ)設(shè)施。接下來做的是基于數(shù)據(jù)驅(qū)動的產(chǎn)品設(shè)計，他認(rèn)為數(shù)據(jù)驅(qū)動會顛覆功能開發(fā)的場景定義，現(xiàn)在是通過推理定義一個場景，接下來會做的是通過理解數(shù)據(jù)和數(shù)據(jù)空間關(guān)系，找到場景和場景之間的關(guān)系。

長城也會做更智能的用戶體驗和人機(jī)交互，比如，如果能夠通過對預(yù)測和決策模塊的數(shù)據(jù)分布特征進(jìn)行多模塊聯(lián)合優(yōu)化的話，為什么不能通過DMS、OMS模塊和自動駕駛決策模塊之間的數(shù)據(jù)特征做一個千人千面的自動駕駛。像前言所述，如果說用駕駛員的姿態(tài)和視線追蹤等行為結(jié)果關(guān)聯(lián)自動駕駛的場景和駕駛策略去實現(xiàn)一個更智能的體驗，這是功能策略和系統(tǒng)層面上進(jìn)一步實踐的話，那么直接在數(shù)據(jù)空間的數(shù)據(jù)挖掘、數(shù)據(jù)分布、數(shù)據(jù)表達(dá)層面形成連接就是一項更為遠(yuǎn)期的愿景和實踐。

楊繼峰相信自動駕駛一定會成為企業(yè)數(shù)字化當(dāng)中的一部分，所有的數(shù)據(jù)會以一元化的形式統(tǒng)一挖掘、處理、儲存、應(yīng)用，包括自動駕駛模型最終也不應(yīng)該是單一系統(tǒng)的形式存在，而是和企業(yè)級的AI模型關(guān)聯(lián)。也只有做到這一切，才能真正轉(zhuǎn)型成為一個更加理解數(shù)據(jù)驅(qū)動，整個AI貫穿整車所有數(shù)據(jù)和所有研發(fā)模塊的一個智能開發(fā)體系，而數(shù)據(jù)驅(qū)動的理念也會伴隨著行業(yè)進(jìn)一步實踐。

關(guān)鍵詞： 智能駕駛下一戰(zhàn)數(shù)據(jù) 還是數(shù)據(jù) 自動駕駛 智能駕駛