李伟：长安汽车智能化方面的一些探索

2023年7月5日-7日，由中国汽车工业协会主办的第13届中国汽车论坛在上海嘉定举办。本届论坛以“新时代 新使命 新动能——助力建设现代化产业体系”为主题，设置“1场闭门峰会+1个大会论坛+16个主题论坛+N场发布”共18场会议及若干发布、展示、推广等活动，旨在凝聚各方力量，形成发展共识，为建设现代化产业体系贡献汽车行业的智慧和力量。其中，在7月6日下午举办的“主题论坛一：第五届全球汽车技术发展领袖峰会”上，重庆长安汽车股份有限公司首席专家李伟做了主题演讲。以下内容为现场演讲实录：

一、自动驾驶路线之争

L3级及以上自动驾驶发展受阻，行业对未来自动驾驶如何发展陷入大论战，存在纯视觉与感知融合、重地图与轻地图、数据驱动与知识驱动、单车智能与车路协同、跨越式与渐进式、通用化与专用化六大路线之争,接下来，针对讨论最为激烈的三大路线之争，与大家分享一下我的思考。

纯视觉与感知融合路线之争：环境感知的未来形态是融合感知系统。纯摄像头对于光照不足、杂光影响、不常见物体、恶劣天气等场景易出现感知失效，达不到全环境感知能力,多传感器融合可以发挥不同传感器之间的互补效应，快速解决问题。当然，多传感融合也不是无限度硬件“堆料”，技术进步的驱动下，在满足感知要求的同时，还要不断追求最低的成本，以此打造更加精益化、有生命力的硬件方案，适合大范围推广搭载；随着算法能力+数据闭环能力提升，“摄像头为主+必要传感器辅助（如4D毫米波）”的融合方案，既可以满足全场景自动驾驶需求，成本相对最优，或将是未来多传感器融合的主力形态。

重地图与轻地图路线之争：企业可规模产业化的未来形态是轻地图方案。“重地图”属于递增式投入，“轻地图”属于摊销式投入，重地图路线前期高速+少量城市数据采购成本不高，后期随城市扩展，采购成本激增，长期还存在地图鲜度不足、覆盖不足，直接导致智驾系统鲁棒性差；轻地图路线前期研发投入高，形成规模后，单位成本可大幅度摊销，具备环境认知实时性好，系统鲁棒性高等优点。

数据驱动与知识驱动路线之争：知识、数据双驱动，让自动驾驶系统具有类人自进化功能，可从无到有快速迭代出高级别的智能驾驶。数据驱动在表示类任务上占优，数据驱动模型具有更好的自学习表达能力，适合对外部环境进行感知。知识驱动类比人的“理性、逻辑推断”，在推理类任务上占优，适合于进行推断与决策。未来自动驾驶AI技术，需基于应用场景，结合自身的算法能力与数据积累量，在原有知识驱动的算法上，有节奏地融合数据驱动的范式，以提高整个系统性能、提升算法迭代效率。

总之，智能驾驶路线选取，离不开对安全可行、技术可行、成本可行、商业可行的综合考量，未来将趋于轻地图、有成本竞争力的融合感知、基于数据+知识双驱动路线发展。

二、AI大模型的应用对汽车产业的影响

AI对汽车技术、产品、研发带来颠覆性的影响。

一是优化技术架构，AI与整车L1-L6层架构深度融合，打造智能引擎，驱动整车的智能水平提升。原有6层整车架构将增加AI服务层，作为公共AI，提供AI的数据服务、AI调度、AI接口适配和本地模型推理等；原有6层架构还将具备AI模型训练、AI感知、AI执行、AI应用及服务等属性。

二是打破产品体验束缚，让汽车成为自学习、自成长系统。智能座舱领域，生成式AI将大幅度提升座舱的互动性与体验感。大模型通过深度学习+语言生成，与多模交互融合，迎来开放场景+自然交互的全新人机交互体验。在人机共驾场景下，不断学习用户的车控操作，逐步实现基于语音的全场景AI控制，彻底解放双手。

智能驾驶领域，生成式AI有更加强大的场景库生成能力，颠覆采集Corner Case的现状，加速自动驾驶开发。大模型在云端算法训练环节，生成各类真实路测场景下不常见的情境，为算法补充corner case，提升长尾场景下的决策能力，突破L2.99的无限循，实现更高阶的智能驾驶体验。

三是提升研发效率，在AI加持下，开发效率可能会提升30%-40%。智慧知识系统开发工具、自动化测试手段将软件开发工作变得更加结构化、流程化，预计60%的基础通用型软件开发工作将会被大模型取代。反观传统车身、内外饰、底盘等领域，设计、测试仍采用大量人工的生产方式，与软件领先的生产方式存在差距；因此，把软件领域的开发理念、方法、工具运用到传统研发领域中，将会发挥非常巨大的效率提升潜力，是可持续挖掘的金矿。

总的来看，基于规则、数据、知识的驱动，大模型全面赋能汽车行业，技术架构将更加完善，产品体验更加常用常新，研发范式实现革命性转变。

以上是我的分享，谢谢大家。

（注：本文根据现场速记整理，未经演讲嘉宾审阅）