头脑风暴:政策标准与L3级及以上产品量产的协同之路

2020-09-05 18:19:11 来源:中国汽车工业信息网字号:  

2020泰达汽车论坛定位高端智库论坛,于9月4日-6日在天津召开,论坛主题为:“产业消费双升级,重构生态新格局”。

主持人:清华大学汽车产业与技术战略研究院院长、世界汽车工程师学会联合会主席 赵福全

 

中国汽车技术研究中心有限公司首席专家、汽车标准化研究所副所长 王兆

 

博世底盘控制系统中国区总裁 陈黎明

 

恩智浦大中华区汽车电子业务总经理 刘芳

 

地平线副总裁、智能驾驶产品线总经理 张玉峰

赵福全:大家下午好,这是今天最后一个环节,也是唯一的圆桌互动。

我的主持不专业,但是问题一定很犀利。现在说汽车进入了新时代,原来主讲电动化,最近智能化已经成为绝对热点的话题,大家认为把电池的问题大部分解决了,但是智能化就不一样了,智商是100还是250是智能?智能现在机会更大,潜力也是无穷,智能也是很具备挑战,其中很重要的一点战略制高点实际就是所谓的自动驾驶。现在能够帮助人,能够解放人也是智能,理解人是更高的智能,自动驾驶是最难也是最关注的,各个企业也做了大量的投入,国家对这方面看的也非常重,疫情期间十一个部委出台了相关的政策,热过也彷徨过,但是很多企业也觉得这是未来。

L2+大量的产品上市了,L3机器能够进行一部分决策,L4、L5政府有期待,企业、消费者有期待,为什么不落地?是企业无能还是政策不到位,我们利用一个小时讨论一下,一定比没有搞论坛之前要有更高的认识。我们这几位嘉宾都从不同的角度,有标准的,有做芯片的,也有做底盘技术,更有做半导体传感器,唯一的遗憾就是说没有整车企业,我认为主办方考虑不让整车来,之所以整车没有产品就是没有想明白,我们就开始今天的讨论。

首先几位嘉宾从各自的角度谈一谈,为什么L3以上的迟迟不落地?

王兆:赵院长提的确实有挑战性的话题,现在大家都在看到自动驾驶话题特别热,但是又看到包括各个汽车厂都在说我的产品已经开发出来了,L2、L3甚至L4,但是看不到市场跑的L3级以上的产品,这里有两个原因,首先从技术角度讲,大家说自动驾驶概念比较大,从实现的角度并不难,就是纵向控制、横向控制,要想实现简单场景下的自动驾驶还是比较容易的,但是要保证真正的道路环境下安全可靠的运行做的很多,企业本身还有有待提升的地方。

第二个就是使用的环境,这个环境标准也在其中,就是政策环境、外部的环境,还有一些不具备。比如我们的法律对于自动驾驶还没有开口,国际上也是国际相关法律相关修订完成,刚刚开了一个口子,像德国、日本开放了L3级以上的自动驾驶的使用,在我们国家没有真正的使用,这个实际导致法律上有一定困境,这个是最关键的因素。

除此之外,还包括消费者的认知,还有其他的环境,那些针对这两个不是最重要的。我们的标准对于L3以上的自动驾驶相关的标准也是在制订过程当中,并没有真正的就位,这也是某种程度上影响自动驾驶车辆真正在道路上行使的原因。

赵福全:标准正在制订中,为啥迟迟不出台,是出不来还是不批准?

王兆:我觉得首先一个就是从需求说起,做标准有需求,做标准有定位,按照常规的标准来讲是基于科学经验的基础上进行,现在我们也要看智能网联汽车和自动驾驶产品本身发展到什么程度,从目前接触到的信息来看,企业对于自动驾驶的需求,但是这个需求我们仔细去甄别之后发现,不同的行业、不同的企业,不同发展阶段对于标准化需求是不一样,某些是矛盾的,主机厂、零部件供应商,政府机构对于需求是不一样的,我们需要真正识别出哪些是要标准解决的问题。

其二智能网联汽车或者自动驾驶技术处在快速发展中,在快速发展的同时,对于标准化的需求也是快速变化的,需求在变化,又有多元化,这实际上是一个比较大的挑战。另外自动驾驶本身是一个新生的事物,是一个新的话题,有大量未知的问题需要解决。举一个简单的例子,自动驾驶某种意义上已经具备人工智能的属性,我们可以当成移动的机器人,对于机器人的评价不能和对传统汽车评价一样找一个线路,做一个转向的实验,我就说制动安全性能是好的。对机器人的评价有点像对人的评价,如何评价一个人,这是一门非常大的学问。有人说是黑盒或者灰盒,但是没有到白盒。

赵福全:我听下来就是很难很复杂,这是很好的借口。从行业的角度,到底这个标准能出来吗?你觉得L3真的从标准角度能解决最后量产之后的相关问题吗?

王兆:下面就说要去做的工作,我们一方面是加大需求的调研,我们对于各种需求都进行甄别分析,开展大量的需求,我们开展了很多标准制订,我们标准制订正在过程当中。

这里还遇到一个问题,标准基于经验的总结,标准实验的时候没有企业提供产品,都说有产品,但是验证实验的没有产品了。

赵福全:什么时候L3的标准出来会让大家讨论征求意见?

王兆:我们去年就已经提交了,提了几个项目,也是结合自动驾驶不同应用场景,已经有了草案,后续可能会加快推进标准,我预估明年相关标准出台,至于征求意见稿今年年底或者明年初就有出台,整个看政府审批周期。

陈黎明:我们量产不光是造车在路上,我们需要大批量,而且不同的主机厂都能够复制,而且是要满足测规和法律法规的要求,因为现在还没有出来,技术上和法律法规是相辅相成的。但是完全从技术的角度来讲,也是一个时间的问题,当然可能相应的传感器现在还没有完全说是达到工业化量产的水平,我觉得这只是时间问题。

我觉得L3落地这个事不完全是技术和法律法规的问题,还有一个商业化的问题,我觉得这是一个比较关键的。

L3跟L2给客户带来最终的价值成本是不成比例,这是很大的障碍。因为从L2到L3驾驶责任给到车,包括传感器、执行器、电池、通讯等等,就是出现问题得有另一个系统接管,这个成本就大幅度增加,最终给用户带来的体验并没有增加那么多。这是L3碰到比较大的问题,技术问题可以解决,法律法规也可以出台,如果没有人买单还是没有办法落地。

赵福全:博世底盘这种企业面对奔驰宝马,也对着本土品牌。实际上自动驾驶L3以上很复杂,涉及太多的东西,有些传感器还是工业化大批量生产角度没有完全准备好,但是更主要的还是说花多少钱办多少事,消费者卖的物超所值可能就有了问题。比如说是一个十三万块钱左右的一款车,有必要做L3吗?最后卖不了量也是白干,也不赚钱。

陈黎明:如果说13万实现功能一定会造,因为一定有人买单。但现在13万成本来讲是做不到的,要加很多的钱,这个就没有人买单,现阶段就不会有人做,等到规模上来以后,价格下来可能才能往低端车推广。

赵福全:对于低端车来讲,价值在13万成本是承担不了复杂的L3系统,如果做一个冒牌的L3消费者没有体验,也不会推荐别人购买。但是为什么很多自主品牌在这方面做呢?

陈黎明:这个要问主机厂。

赵福全:我发现零部件的老总最清楚,因为他们大数据最准确的。

陈黎明:从技术角度肯定要做准备的,但是最后能不能商业化是决定我们能不能去做产品的,因为谁也不可能做赔本的生意,但是技术积累一定要做的。

赵福全:为了这款产品不一定去做,但是未来智能化、自动驾驶不仅仅是L3,还有L4和L5,这个之间的技术积累如果一步错过就永远没有机会。我想说这句话,因为人家是嘉宾,陈总说了还是要做的,量产商业化和未来的技术储备有关,但是又不直接。因为传统的零部件顶级像博世这种企业吃百家饭,对于很多战略都是了解的,我相信可能技术储配稍微干的时候卖力差一点。

刘芳总谈谈传感器成熟度。

刘芳:其实我是想分享我这些年看自动驾驶在中国发展的变化,不落地恰恰是一件好事,就是整个产业对于要求不一样,而不是把国外的拿来,特斯拉有什么就给我什么,我就直接上,不是这样的。我跟运营商、服务商和主机厂沟通交流当中,大家谈L几的越来越少,大家看功能有没有这样的需求和场景,无论同软件还是硬件上,是否有最适合的配套解决方案以及产业环境,不仅仅是一个传感器,实际上包括整个产业链的配合,包括软件。

大家现在要说学特斯拉,都是软件定义汽车,其实还是需求。其实这两年看到很多国内企业有很大的突破,我们叫辅助泊车,代客泊车,这块严格上来讲已经不是L2,已经是L3很重要的细分应用,这样的应用恰恰是戳中用户的特点,很多用户愿意为这样的功能愿意额外花购车的费用。

从这个角度上讲我们很少讲L几有没有落地,而是说这个车在什么样的定位定价级别上。我们就是功能上要升级,但是成本不能涨,但其实恰恰也看到越来越多品牌走高端化,品牌升级,这样在今天下午所讨论的,品牌升级上很多点不一定贴上L几的标签,很多实实在在的泊车,这个就是高端需求,比如商务楼的运用,恰恰就是品牌升级很重要的提升。

再回过头来讲,其实L3真的没有落地吗,我们看到很多应用场景已经接近量产化,比方说干线物流,在很多城市已经做接近的实验,我们是很受触动的。今年新冠疫情早期的时候,我们末端物流小的无人机器人也开始做美团这样的快递服务,这个就是一种L3,这个就是低速。

我们看到这个行业已经进入理性化,大家真正意义上的细分场景,这个对于硬件的要求,不是性能越高越好,不是接近L4自动驾驶越高越好。功能安全做的级别高,是否真正意义上有成本和经济上的效益,是否针对这样的特定应用场景是有可商业化的商业模式去支撑的,在这一段时间里面,大家已经越来越冷静,不是喊口号的,而是多少年要商用。现在回过头来上乘用车、商用车谈很泛泛的商业概念。

我在和很多厂家谈自动驾驶、辅助驾驶的概念,我们内部也有争论,就是到底什么时候量产,现在很多关注您的方案有多少可接受的场景。刚才王所长的问题就是关于标准的出台,一定程度上也是技术成熟度的配合,标准不可能出台说没有可量产的产品。用户去选择什么样的产品符合标准呢?有了标准以后还要测试的手段,每一步实验和客户的需求反馈,反过来对我们硬件提出新的要求。

另外一方面大家也从早期我能够做到算率有多高,处理性能有多强,到慢慢发现安全问题。我四五年前谈安全的时候,大家很多时候还不是特别理解,信息安全跟车在这个环境里面怎么去实现,或者真正意义上的价值在哪。很多谈商业落地的场景,或者商业背后采用安全技术的商业动力,否则因为安全是一个成本,是非常高的成本。信息安全是一方面,功能安全是更重要的一方面,对于硬件厂商就是当仁不让最重要的责任,从解决方案角度给客户以选择,让他们通过场景去寻找经济上、方案上最适合应用的一个环境,有了这样一步一步扎实往前进,又有做技术底层研发的配合,我相信最后形成规模化量产完全不是一个梦想,一定就在眼前。

赵福全:谢谢刘芳总,实际上刘芳总说没量产不见得是坏事,实际上也在量产,就是基于场景的应用,可能就挑战我们曾经的,车可以去没路的地方,因为车跑多了就有路了,未来智能网联汽车就要改变思路,除了L5以上都是基于场景的ODD,L3所谓的人机共驾更多把汽车驾驶交给机器的时候,所谓堵车的跟车,还有实际上是泊车功能,消费者就有这个需求痛点,这种所谓特殊场景的应用,汽车讲规模效应,陈总特别谈到一点,最终还是购买力的问题,我们不能说豪华车解决了,智能最终就是要普惠,因为你是做传感器的,做半导体的,你觉得基于特殊场景的量能支撑大批量满足汽车消费的低成本的需求吗?

刘芳:我们讲到比方说高精度地图的应用,技术路线也是多种,有用摄像头的,也会尝试用激光雷达的方案。但是我们很欣喜看到国内一些企业单纯的毫米波雷达实现高精地图的结合,能够做到成像雷达的应用,这就完全依赖于说方案上的创新性,而这样的创新性甚至可以讲在国际上都是非常领先,非常让我们这些零部件厂家震惊的点,这些已经充分具备量产的基础,通过传感器充分应用就是标准的雷达,就是标准的毫米波雷达,它就能够实现高精地图,再结合我们高精地图实现点停的方式。但是事实上能够在这样一个点上实现需求的突破,联系到未来的无线支付和智慧停车,一系列互联网的应用空间已经在那里了。这个时候不单纯讲,特斯拉的成本便宜吗?其实它的成本不便宜,可以通过运营把整体成本降到承受的阶段,真正的盈利模式就是打通整个产业链,这一点我们作为零部件厂家,我们会赋能这样的思路和技术创新企业。

赵福全:刘芳总谈了很重要的一点,肯定很贵但是选最好的方案,这就需要智慧和技术方案组合。不同的产品定价可能就需要不同的技术方案,尽管都实现L3的突破,这点就变得至关重要。

实际上特斯拉方案不见得贵,马斯克不相信雷达,只相信摄像头,他不是不知道雷达不准确,而是让老百姓买的起摄像头。他懂得产业化和消费者痛点,买的起的高级别自动驾驶,人家想的最终能把车卖出去。

下面有请张玉峰总谈一些想法。

张玉峰:我回想一下去年8月份时候我带蓝皮书论坛也参加了一个圆桌论坛,标题叫做“L2.99还是L4”,这也是困扰产业很久的问题,因为涉及到人机共驾,L3的车在驾驶过程中不仅要说自己能开,而且还能提醒驾驶员出了问题要提醒他接管,接管不了还能够继续把车安全开下去或者停下来,其实跟L4有多大的区别呢?

L4意味着难度和成本全都上来了,规模化肯定有很大的挑战,对于用户来讲买L3的车,在不成熟的条件下还是把精力放在驾驶上,并不一定比L2有额外的收益,这样情况下买L3的车有什么意义?

业界也存在着过渡宣传的情况,比如特斯拉出的一些问题,往往出的事故责任并不在特斯拉,手册里写的驾驶还是在驾驶员,所以不会被起诉。给到我们的挑战既有法律上面对的责任到底怎么去划分的问题,也有去做到完整的L3复杂度接近于下一个级别。我比较认同刘芳总说的场景驱动,所谓L3,不需要全场景下都是L3,而是能够把各个场景条件下的驾驶全都能够解决,而且出现问题都能够解决。

我们是AI芯片厂家,我们也分享我们的想法。我们CEO创始人也做了一个比喻,车载的AI芯片其实是智能化汽车数字发动机,其实制约智能化很大的制约因素是算立的核心制约,自动驾驶每上升一个等级量级是翻一番,如果是无条件自动驾驶,相当于四个轮子架起天河二号算力的计算机。

在保证最基础的车规级、稳定性的基础上,对于能够比较好的产业化和规模化,那其实还是要做到几点,还是能够实现软硬件的协同优化,为了达到极致的能效,非常好的性价比。因为L3以上级别的自动驾驶就导致芯片本身成本也是上升的,我们看到海外友商成本就是几百美金,这个是规模化的制约。

现在整车企业需要掌握越来越多的自主软件迭代开发能力,这时候你的芯片本身的开发应用性,它的比较完善的算法模型库,以及灵活就变得非常重要。业界最近几年的一些比较典型的例子,比如宝马跟ANSYS合作级别的L3自动驾驶,还有戴姆勒和英伟达的合作。因为现在算法越来越高,只有跟主机厂合作才能满足高效的迭代算法能力,把算力芯片用好,把整体的系统性方案发挥到极致,这是我们观察到行业的趋势。

地平线作为中国AI车规级的企业,对于中国主机厂是物理距离上最近的芯片原厂,越复杂的芯片能够得到灵活及时的支持越来越重要。

赵福全:我有一个问题,所有人都关注的往高级别走,大家有一个共识说是算法的问题,这个跟算力有很大的问题,我想作为一个企业的可能关注,你在做L2+的时候,甚至是L3、L4,在芯片算法有多大的延续性?这个和你合作的伙伴,它的好处和坏处到底在哪?

张玉峰:这个不仅是算法层面,芯片层面的主机厂芯片序列家族能不能解决L2到L4,这是一个需求比较强的痛点。从面向前方到周视、后视、侧视,这个是可以后续迭代的。现在越来越多的车厂会跟更加开放的合作方去合作,把数据的回传建立起来,这样对于以后的L3和L4更多摄像头算法模型迭代开发会有很大的帮助。

赵福全:L3作为起点高级别自动驾驶要参与的特别多,而且要非常复杂,包括场景也包括传感器的利用,又有一个很现实的成本问题。从智能网联安全也是非常重要的问题,从人车路协同的大概念里面,车路协同国家的角度所谓的路是一个基础的环境,要做哪些?这就有鸡和蛋的问题。你从标准制订的角度,我这个车能够在路的环境下来跑,你刚才说因为我要想制订标准需要车,你没有办法提供车,你也很好的把这个锅甩出去了,也有说没有标准怎么开发产品,开发也卖不出去。车路协同的角度怎么实现?

王兆:我觉得首先有一个观点,车路协同是未来特别好的发展趋势,我还想强调另外一个点,从实现自动驾驶的角度,首先是车辆自己有自动驾驶功能,假如没有其他条件辅助之下,自身能够安全可靠的运行下去。换句话说,车辆自身的自动驾驶功能是一个最主要的决定因素,车路协同起一个什么作用,能够使得自动驾驶实际的应用价值极大的放大。自动驾驶功能实现,有时候讲路径是一个能否实现价值的1,其他是0。车辆与外部的网联通讯,能够把道路沿线和路侧沿线利用起来,把车辆利用的规划,包括实现车辆自身的装备,有些利用网联的规划是不是可以减少,这种情况之下是一个比较关键的因素。

您刚才提到鸡和蛋的问题是一个困扰,有点像谈恋爱,付出多的容易受到伤害,但是如果是真爱也没有关系就可以不顾一切投入。车辆上的投入是主机厂投的,买单的是消费者,是一对一的个体,基础设施的投入,无论是道路还是通信的,基本上都是政府投资比较多,而且是地方投资比较多,这里确实存在一个问题。主机厂要是先走一步,消费者不买单成本比较高。如果投入了之后,如果没有人用造成基础设施浪费,现在通讯技术发展比较快,准备十年之后才用,技术更新迭代又是一种巨大的浪费。

赵福全:鸡和蛋的问题,但是消费者从供应商的角度,一个民族、一个产业是二三十年,过去讲要想富先修路,我个人认为从这个角度从标准化所,如果要想推智能网联汽车大幅度发展,现在各个层次做智慧城市的示范,这部分如果做,大家每个人标准不一样,巨大的低层次所谓的浪费投入,怎么把问题利用这个机会讲出去。

王兆:因为这里面涉及到道路交通、通讯设施各方面的配合,我们有一个战略协议推进各方面的工作,我们要做好车端的车载通讯,另外要实现联网,要实现车路协同,那接口的标准通过通讯跟道路设施一起建好,这样就实现车的通讯道路基础设施各司其职,各方面的工作是大家都在做的,有了这个机制以后,至少能够有企业相对比较亲切的发展路径,特别是接口这块,特别是接口的相互对接,把这方面的工作做好,也是目前做的网联化的重点工作,除了像ADAS、自动驾驶、网络信息安全之外做的工作。

赵福全:智能网联要想大规模商业化,不是汽车一个部门做的,而是道路、交通建设、硬软件。您觉得谁应该牵头呢?

王兆:也可能是因为我来自汽车行业,不一定是谁牵头,汽车应该是主要积极推动方,因为汽车用主要设施。

赵福全:这个不是你的既得利益,汽车主管部门应该主动推动,协调各方资源让智能汽车快点落地。下一个问题问陈黎明总,这个车本身也得智能,否则光有道路不够,这就是单车智能和车路平衡的问题,而且开发的时间也太多,而且说实在的支撑数据量也很大,就是很多人认为高级别的自动驾驶一定要车路协同,行业的一种共识。从你的角度因为你一直在干这么多年,你觉得单车智能和车路协同怎么平衡好,把哪些放在车上,哪些放在环境上?

因为王兆的标准迟迟不落地,消费者又有需求,老板逼着你赚钱这个车路协同怎么弄?

陈黎明:技术行业路线都有共识,我也特别赞同王所长的观点,牵扯到车和路和云,智能在什么地方,这个主要在车。路和云都是辅助,实际上还是回归安全的问题,实际上很多嘉宾说了安全的东西,自动驾驶不管是怎么样的第三生活空间,但是最基本的还是A到B的安全问题,要达到这个就是保证各个情况下车辆是安全的,跟安全相关的智能一定是在车上,而不是在云里。通讯有很多出故障的问题,我们知道举一个例子,100米公里的时速,基本上需要10秒,停下来需要5秒,一旦我们讲交互的过程当中跟路端和云端交互,安全是没有办法保证的。而且直行都是按照毫秒计算的,回答计算哪些是重点?肯定是车端。另外也是我们讲的智慧的路,不可能全世界所有地方都有智慧的路。但是自动驾驶车如果只能限制于有智慧的路开,那消费者价值又降低了很多,甚至普及也会受很大的影响。

应该是车的智能为主,路的智能是为辅,但是说没有路的智能还是有很多的不利因素,特别是关于车的智能很多层面是看不见的,另外个人有一个非常强的观点。对于ADAS和自动驾驶是非常重要的,我们谈到安全,可以想像一个车开出来不像老司机,像一个新手,我们就不愿意坐自动驾驶车,我们讲红绿灯的信息和其他的关系如果能够尽早知道,我就可以很好的来改善我的启动和制动,这个车开起来相当于老司机,这样对于终端接受也是非常有益的。

赵福全:陈总强调很重要一点,车路协同是未来发展方向,车本身一定要确保安全,如果一个不安全的车在智能环境下也不能保证安全的行使,潜台词作为博世这种企业也是卖产品,没有智能的环境也得买智能硬软件,我先做起来打开市场,不断的接纳拥抱智能化的环境。

另外一个问题问陈总,在原来做传统车开发的时候,尤其做底盘系统基本上是一个黑盒子,你自己放你的控制系统,尽管以后跟底盘制动有很多关系,这个不是本身底盘的特性,是本身车的水平,因为根据外面感知的东西,实际上是对整个车的操控的境界,在这种情况下虽然不是一个简单的车路协同,是多个参与方协同,在这种情况下你面临最大的挑战是什么?你传感器也不能全做,自动驾驶刹车都有,软的不一定要用,对于这种整车企业,这种商业模式组合的时候,你现在最难在哪? 

陈黎明:这是很多供应商和主机厂甚至其他参与者的思考的问题,的的确确自动驾驶不是主机厂和供应商直接的关系,而且牵扯到很多地图云,还有我们讲的网络5G和运营商,的确过去简单的系统可能供应商就相当于供应一个整套解决方案,对于主机厂是一个黑盒子,这已经是过去了。但是现在是开放的,竞争合作共存的商业环境,而且从博世来讲我们是一样,我们一直在推动开放的环境,特别是自动驾驶牵扯到各种芯片,还有主机厂做自己的软件中心,都在开发自己的功能,还有很多科技公司都是做自动驾驶功能,最后大家怎么一起实现自动驾驶,的确我们大家都在探讨的一个问题。

我能想象一定是大家开放合作竞争的环境,特别是比如说我们来讲,我们做的是传感器和雷达摄像头,包括制动系统和转向系统,同时我们软件包括两部分,一个是中间键还有就是上层应用键,博世就是中间键也开始开源,并不是说我就是一个黑盒子,通过开源整合社会资源,避免重复造车和造轮子,把自动驾驶这个事能够尽快落地,现在已经有两个开源的,一个是汽车OS,还有一个仿真的开源,我们希望通过竞争的生态商业环境,一起来推动自动驾驶的落地。

赵福全:地平线做芯片,你把自己定义成T2供应商是T1供应商?你最后得有数据,而且得执行。如果你对这些公司如果不能够很好的打通,你对这些东西不了解不控制,最后通讯能力也很强,算法能力也很强,那最后并没有在车上体现出来,你怎么组合你的商业模式,你还是跟博世就不合作呢?

张玉峰:我是陈总的T1,首先黑盒子这个房子越来越不可行,即便L2这个级别,我们对标IQ4的性能,即便在L2的层面上很多厂家接受这种方式,我们也看到不少的客户希望地平线做的更开放,尤其把数据算出来,能够更快积累软件能力,对于期待我们是黑盒子方案,给到极致的方案。更希望我们作为一个赋能方,能够帮助主机厂也就是建立自己的软件中心,我们也会通过这种方式,既能提供自己的芯片,也能成长为开发能力。我们虽然提供核心的芯片,但是我们让长安的软件人员可以基于我们的工具链开发额外的交互特色,比如说手势的识别做有趣的小游戏,比如车主可以跟车机猜拳,这个就是长安做的芯片供应链开发,我们已经是混合的模式,越往更高级别的自动驾驶走,认为地平线这样有算法能力的芯片厂商跟主机厂走的更近一些,因为刚才讲到软件的复杂度还有对于芯片的驾驭和芯片的能力积累,就需要芯片走的更近。

但是这里跟博世还是合作为主,主要是聚焦AI核心计算和感知,有很多各种各样的部分,智能驾驶也有各种各样的部分,毫米波肯定是不碰的,我们还是T2的角色。在新的时代旧的分层有一点点模糊化,在新的模式下更像是包括芯片原厂围绕在OEM的身边,大家会更紧密的协同合作共赢。

赵福全:传统的以硬件为主的时代大家越来越不认可就是同质化逆了,未来智能最厉害就是个性化,另外形成千车千面、千人千面,最后企业都想实现自己的个性化,如何平衡好个性的问题,或者满足个性化的需求不能失去客户,这部分对于芯片厂商的挑战是非常大的,现在是刚起步了,从长远来讲你们也号称成为中国的英伟达,你们怎么解决这个问题?

张玉峰:这个很有挑战,L2智能座舱还是相对比较清晰,往上走每家主机厂想法也不一样。这是一个沟通和协作的过程,我们尽量把最容易商品化,各家不希望也不应该花时间去投入的核心感知技术,我在路上每辆车看到的人,看到的车速都是一致的,这些属于共性的东西一方面有自己的判断,一方面需要跟T1沟通然后沟通调整。更多的愿意倾听主机厂的想法,去调整我们的定位。

赵福全:下一个问问一下刘芳总,谈到车路协同,车路协同有的交给路,车上的传感器用的就少了,是不是你的销售额就少了,车路协同对你有多大的影响?

刘芳:其实从辅助驾驶到未来的自动驾驶,车和路之间的关系是一直处于动态平衡,现在这样的阶段路的基础设施的建设还需要很多的时间去完善,也需要很多的时间去打通,甚至还需要很多的时间去保障可靠性,所以车这一端上无论搜索传感器还是解决方案,依然是尽可能从功能安全和信息安全多个角度实现完善,尽可能通过自身的安全去保障自动驾驶功能上启动时候所能够减少的风险。

但是未来从我们看到车路协同,也就是路这一端的成熟逐步覆盖面变广,我们可以很深刻的体会到,其实经历了同样一个阶段,随着覆盖面越来越广,标准的完善以及成熟度的提高,可以逐步减轻车这一端上对于硬件、传感、敏感度上的要求,可能会更加好的带来车路协同通过云端和车端算法的分层,对于不同决策上的分层,哪些是对于安全性要求做更加智能化分工可以带来更加高效的系统。

从本质上来讲,我是做芯片,传感器也只是芯片一部分,恩智浦涵盖了汽车电子芯片的方方面面,产品家族是最完善的。对于恩智浦来讲,自动驾驶整个往智能化方面发展,变成智能汽车的终极目标情况下,存在只是动态平衡,动态平衡即使在一段时间内有一个爬坡的功能,甚至一段时间进入迭代的功能,现在大家讲的电子电器构架核心,很多主机厂要把很多节点的ECU整合在大的MCU处理器上,是否意味着恩智浦没有生意了呢?不是的,因为整体带来效益的提高。

有一家非常成功的公司,有一个营销的口号,就是买的越多省的越多,我非常敬佩的观点,很多时候我们讲到主机厂在做控制成本降低的时候,势必采用的方法是技术提升,而不仅仅是减配,会考量到整个电子电器架构的核心,中国很多的主机厂都应该在这个阶段,我们基于服务型的升级,很多主机厂都有这样明确的计划,从2023年到2025年之间分布式网络构架升级成为基于网关服务的升级。在这样升级过程当中节点的数量上面会减少的,但是实际上是增加了预控制器的数量,更大程度上增加了系统上的可靠性、安全性的整体设计,这也是我们刚才提到不是谁是谁的T1的问题,而是大家产业链从软件到硬件,我们作为传统的芯片厂家做传感器做AI也好,大家更加多的推动我们本身在硬件上面的能力提升,那恩智浦在两个多月前刚刚发布我们会采用5纳米的技术,世界上最先进的工艺实现汽车芯片的升级,那为什么会采用5纳米,线宽少,也比市面上算力最高的7纳米的提升20%的算力,而且也是符合车规的推动。

无论是车路协同还是人车互动、云端和车端的分层也好,对于我们硬件场景是赋能产业环境的落地和实现,最关键的一点就是我们在汽车行业的深耕,我们会把汽车行业的理解,对于安全的认知集成在对于未来智能网联汽车上面的设计和构想之上。

赵福全:刘总的意思,越智能就需要买更多的传感器,就需要更多的芯片,我就有更多的生意。刚才ANSYS说创新不安全了,实际上创新就是为了安全。由于时间的关系我们讨论到这,首先感谢四位嘉宾。

事实上汽车智能化是和人类进入智能化社会是同步的,只不过汽车是一个移动的机器人,更把智能化东西挑战都集成了,因为是机器人背着人跑,所以安全变成第一。刚才刘总也谈到了安全的问题,博世的陈黎明总更谈到了,我开发车的人保证车是安全的,实际任何一个交通工具,包括企业运营都是效率安全,开快车效率高,如果不安全怎么也到不了。进入智能汽车的发展时代,刚才王兆总也谈到了,实际上是协同智能,简单的车不够,简单的环境也不够,但是也有分工,我也挑战了玉峰总,他们之间已经握手言欢了,他们之间不是谁是谁供应商的问题,未来智能汽车是万物互联的社会,互联网是人与人之间的信息交互,物联网是人造的物要打通,他们之间交互信息和知识让社会智能,单车智能不可以,一定是协同智能,协同智能是大环境,道路要智能,车也要智能,智能的车跑在智能的路上,智能的车也要智能的路。

我觉得刚才黎明总也谈到,现在产业在刚起步的时候,到底怎么分工五年之后有很大的不同,十年之后可能今天谈的所有都是错的,但是有一点是对的,就是越来越智能,这个需要硬的东西,也需要软的东西。在硬件的前提条件下,原来硬件是充分条件,未来是必要条件,但只有必要没有充分根本就不可能出现升华。我做了硬件的准备,软件跟不上就浪费,如果软件不断的迭代,硬件没有做好储备是无本之木,这两点之间是告诉了我们进入一个全新的社会,需要全新的思维方式,真的已经到了不换理念就换人了,因为这是一个不同的世界,得有不同的打法思维,从这个角度来讲我们认为在不断的探讨,不断的进步,这几位都给公司做了很好的广告,也让我们看到这个世界才刚刚开始,使命伟大、任务艰巨也是商机无限,谢谢大家!

第十六届中国汽车产业发展(泰达)国际论坛由中国汽车技术研究中心有限公司、中国汽车工程学会、中国汽车工业协会、中国汽车报社联合主办,围绕“产业消费双升级 重构生态新格局”的年度主题,以高端智库论坛为核心定位,服务汽车产业高质量发展。

中国汽车工业信息网:http://www.autoinfo.org.cn/