2022第二届中国自动驾驶科技创新论坛完美落幕！

本次论坛上，来自自动驾驶科技公司、整车企业、投资机构、研究机构、高校和政府主管部门的相关专家和直接负责人跨界交流，通过对商业模式的探索和科学技术的研讨，窥见中国自动驾驶行业发展缩影，推动自动驾驶科学技术进步，共同见证中国自动驾驶科技公司的成长与壮大。与会领导和专家包括：

贡玺，劲邦资本投资部副总经理

王飞跃教授在致辞中表示：“上世纪八十年代开始，中国自动驾驶正式起步，经历40余年发展，当前中国自动驾驶已经成为了世界自动驾驶领域的中坚力量。中国科技工作者和产业科学家正在共同努力为我国自动驾驶产业链‘强链’、‘补链’、全面建设交通强国、构建国家综合立体交通网的历史任务提供重要的支撑作用。我始终相信，自动驾驶让智能汽车离我们越来越近，但真正的‘智能’还需要‘云端’平行驾驶的加持。平行驾驶是自动驾驶的更高级阶段，平行驾驶就好比用户在路上开车，而在云端上，有同样的一辆车在模拟的道路上行驶，让用户能够彻底解放，现存的行业痛点也会迎刃而解。”

中国生产力促进中心协会常务副秘书长、研究员王羽主持论坛开幕式，他表示：“受疫情影响，这场期待已久的见面只能以直播互动方式跟大家见面，但疫情阻挡不了我们一起探讨自动驾驶的科技创新和行业发展。”

驭势科技CTO、首席系统架构师彭进展在“AI司机面向城市服务的商业化落地”中深入剖析了AI司机在全场景自动驾驶的商业化之路，为AI自动驾驶在全场景无人驾驶商用落地提供了新的视角和全新解决方案。他认为：“在商业化路径上，有机会也有挑战，而半开放场景城市服务是最先规模应用的场景。”驭势科技的全场景、真无人、全天候AI司机U-Drive®智能驾驶平台已经落地服务，实现了从物流、出行到城市服务全场景——无人公交、无人配送、无人物流、无人环卫、Robotaxi等——真正的商业化价值和成本节省。在实践中，驭势科技通过数据驱动不断迭代算法，解决了城市服务中的许多长尾场景问题，提升了运营效率和安全性，提供了更好的出行体验。

路特斯智能驾驶市场与智能驾驶汽车战略总监张栋在“构建机器人时代的智能生产力”中分享了路特斯汽车智能驾驶在自动驾驶和智慧交通中的实际应用案例。他表示：“自动驾驶技术发展仍存在瓶颈，商业化落地难以闭环，用户心智难突破，智驾功能没有达到市场需求。”他强调，“软件定义汽车，但硬件定义软件天花板，当前的量产方案硬件架构难以支撑高性能软件迭代，智驾软件性能尚存较大利用空间。”为此，路特斯推出并开始落地混合智驾云三大理念：保密机房——安全合规，公有云——弹性计算，私有云——海量存储，以保证有效利用数据并降低成本。

劲邦资本投资部副总经理贡玺在“汽车产业变革下汽车电子赛道的投资逻辑”中从投资方的角度分享了近年的行业风向，总结出多条汽车企业投资要点，这对于整个行业具有极强的参考意义。他指出：“电动化、智能化趋势使汽车成为半导体未来最具成长空间的细分领域，国产替代背景下，供应链自主可控进一步加速了国内汽车半导体市场的蓬勃发展。”从投资视角看汽车产业，电动化、智能化将螺旋式上升，未来几年会有非常多的智能化标的；国产替代大趋势不可逆，汽车电子是兵家必争之地。

广汽研究院人工智能首席科学家兼X Lab实验室主任陈学文在“新技术驱动下自动驾驶落地实践”中分享了他领导的团队在自动驾驶核心技术的探索与研发工作。他表示：“随着新技术驱动自动驾驶不断发展和量产场景的日趋复杂，需要更多的传感器，算力要求越来越高，算法也越来越复杂。在Transformer之后又出现了占有网络，新视觉技术开始驱动自动驾驶快速发展。”他还从算法、算力、模型部署几个方面分享了广汽研究院自动驾驶技术的落地探索，包括数据采集、标注、训练、仿真等，不断提升自动驾驶系统鲁棒性和用户体验感。

国汽大有时空CTO李庆建在“智能驾驶汽车时空信息解决方案”中从智能汽车与时空信息、高精地图技术发展、卫星高精度定位技术发展、智能汽车时空信息方案等方面探讨了汽车智能化发展历程，展望了全国车路运一体化的未来建设。他表示：“汽车智能化程度不同或产业化发展的阶段不同，对地图的需求不同。高精地图技术发展分三个阶段：高精度矢量地图、动态信息和感知地图，而智能汽车未来时空信息云端一体化解决方案将涵盖定位、地图和基准，并采用车厂众包更新、智能网联云控图商众包等运营模式。”

中国科学院自动化研究所QAII平行智能创新研究中心执行主任田永林在“平行驾驶关键技术研究进展及其应用现状”中从平行驾驶起源及体系、平行驾驶关键技术和平行驾驶典型应用三个方面，通过对平行驾驶技术研究进展及应用现状的深入剖析，解读了新科学、新技术、新产业的发展与应用。他介绍说：“王飞跃教授基于CPSS的平行驾驶框架分为人工世界、心理世界和物理世界，引入和拓展了人工世界的知识自动化，以此实现网联车、有人车、无人车的融合统一，走向智能汽车、智能社会、智能产业。”

当前，在自动驾驶落地的产业化进程中，机会与挑战并存。在自动驾驶技术内卷的时代，自动驾驶企业未来如何发展？落脚点在哪里？商业化如何突破？如何解决各类长尾问题？如何保持自己独有的竞争力？这些问题对整个产业来说至关重要，甚至生死攸关。

本次圆桌会议的主题是“自动驾驶量产落地中的机遇与挑战”，参与嘉宾包括：广汽研究院人工智能首席科学家兼X Lab实验室主任陈学文主任；驭势科技联合创始人、首席架构师彭进展；国汽大有时空CTO李庆建；中国科学院自动化研究所QAII平行智能创新研究中心执行主任田永林。

圆桌会议由王羽副秘书长主持，围绕3个议题展开，对自动驾驶量产落地中的机遇与挑战进行了讨论。

【议题1】：2022年，自动驾驶政策和标准的出台、商用落地、技术研发都取得了长足进步，2022年自动驾驶发展到哪个阶段了，在技术或政策上有什么突破？

彭进展认为，今年以来，随着很多政策、标准的出台，特别是商业化运营方面，整个行业开始全面认可和更加注重商业化价值。在L4级无人驾驶方面，一直以来国内政策非常积极鼓励行业发展，去年10月，深圳市智能交通行业协会发布了低速无人车城市商业运营安全管理规范，今年又有更多功能型无人车标准出台。目前的核心还是回到商业化本质，即如何在成本和效率中找到一个平衡点。

陈学文认为，各地都在积极探索L3级别自动驾驶，深圳出台了第一个L3级别商用条件和责任划分条例，欧盟也发表了一些车辆认证法规，L2、L3甚至更高级别的法律法规越来越完善。技术层面，2020年行业开始注重技术落地，三大动力还是算力、算法和数据，运用深度学习等人工智能技术的数据驱动研发模式的比重将逐渐增大，而集中式高性能计算对大算力的需求也在倒逼加速开发车载芯片。另外，数据中心建设成为信息仿真、算法训练和测试验证的关键支撑；而特斯拉推出的占领网络可能会改变自动驾驶的技术格局，特别是以视觉为主的技术方案能够解决3D物体检测问题。

李庆建认为，2022年，主机厂更注重量产，因为只有形成量产，才能实现数据积累，才能有之后的算法训练等等。现在看，乘用车还是从L2逐渐渐进的路线，只有数据积累到一定量才能完善算法模型，才能形成真正的自动驾驶量产。L4更多倾向于矿山等典型封闭性应用场景。当然，今年深圳、广州已经开始智能网联的示范运营，也是2022年一个标志性事件。

田永林认为，从技术角度看，占领网络是在视觉主导下去完成自动驾驶感知任务，特斯拉提供了一种新的模式。另一个比较大的技术突破是大模型方案，一方面可以将各种异构，尤其是动态数据进行有效利用，更重要的是在实际应用过程中，通过一些分流或推广（promote）等把它变成一个车端可以应用的小模型，而大模型的一些具体功能应用不只局限于感知和决策规划环节，其应用潜力也包括智能座舱，尤其是人机交互应用，可以为驾乘人员提供更好的出行体验。另外值得关注的是数据进展，包括数字孪生、元宇宙技术与自动驾驶的结合。

【议题2】：以特斯拉为代表的纯视觉技术路线和多数公司主张的多传感器融合技术路线一直是自动驾驶两大派系的争议焦点，如何评价？

彭进展认为，如果要实现全天候，达到99.5%以上的可用性和可靠性，必须要使用各种传感器，一定要做传感器融合。经过几年尝试，看到纯视觉在很多场景下还存在一些挑战，如弱光等环境下如何保持产品的感知定位可靠性存在问题。实际上，单颗激光雷达也达不到99.5%的可靠性。所以融合不仅是算法要求，而且是系统应用的要求。随着技术发展，激光雷达的成本会越来越接近摄像头。陈学文认为，对自动驾驶来讲，要将某一种传感器用到极致，否则很难实现真正的L4以上自动驾驶，因为现在前融合和后融合都还有很多问题。另外，特斯拉在加州很黑的山区，全是弯道和坡道，开车效果非常好，但它不可能解决所有的问题，只是说这个技术在不断进步。自动驾驶就像爬珠峰，有些人选择从北坡，有些人选择从南坡，登顶的目标是一致的，但是路线不一样，可能难度也不一样，最终还是市场来决定。

李庆建认为，其实两种路线没有优劣之分，这跟大家的积累有关，摄像头成本很低，特斯拉自动驾驶量产时间很长，积累了大量的数据，而且有很强大的算法和算力。传感融合算法有一定难度或者有一定误差，但相对来讲它能够更快实现L4，其数据采集技术更准确或者说其算法更容易采集到精准的数据，所以，两种不同的技术路线与数据积累和传感器专业程度有关。

田永林认为，多模态方案能够快速到达一个比较高的水平，一旦有了大量数据后，最后一公里可能几种传感器都很难解决问题。从王飞跃教授本地简单、远程复杂的思想看，在车端，未来随着技术不断迭代，可能就不需要这么多的传感器，比如通过纯视觉就可以实现，但多模态也有价值，可以在离线的云端系统、高清地图等方面大规模使用，构建一个跟真实交通或城市空间高度一致性、可拓展的虚拟场景。

【议题3】：2022年自动驾驶行业有哪些事件令人印象深刻？怎么看待这件事？2023年自动驾驶行业会发生哪些变化？

彭进展表示，2022年有很多大事，影响最深刻的是Argo AI倒闭，由此也引发了对自动驾驶的一些反思，特别在一定程度上对创业公司带来了影响。国外公司倒闭，核心实质还是技术上一直没有落地。自动驾驶这场马拉松可能已进入淘汰赛，只有真正能够让技术规模落地，应用量产，才能得到市场和客户的认可和支持，继续跑下去。

陈学文表示，Argo AI倒闭是对市场最大的警示，还有国内很多自动驾驶公司的转型，在迅速改变策略。我们可以看到，光烧钱肯定是烧不出自动驾驶产品，一定要和应用场景结合起来，要落地。另外，特斯拉将FSDBeta版面向所有的付费用户开放，而不再是以前的部分志愿者，这是一种信心的表现，是一种对技术的自信感。当然结果如何，还要拭目以待。

李庆建认为，2022年政策方面发布了多个典型文件，还有多个城市试点，标志自动驾驶行业开始进入政策支持的新阶段。重要的是，从L2开始注重量产，必须落地运营，必须形成大量的数据积累，明年还将继续做下去，以完善算法。2023年在车路协同方面，一些车企将形成量产；2023年也将是运营落地元年，在试点城市，自动驾驶公司和车厂或车厂和示范城市将形成共同运营。

田永林表示，2022年一些比较震撼的事件，一个是特斯拉的Occupancy Network，另一个是谷歌的大规模城市重建，尝试用280万张街景照片重建出整片旧金山市区的3D环境。这将有助于未来的数据生产，并在一些长尾场景的生成过程中提供一个很好的基准平台。这些场景设计为一些针对性的数据生成和构建或者一些极端情况下的数据重演提供了非常好的思路。未来几年，相关技术可能会在自动驾驶数据流程方面有一些新的进展和突破。

会上，IEEE国际智能交通系统协会理事会成员、中国自动化学会智能车工作委员会执行秘书长王晓教授正式宣布「2022自动驾驶年度科技创新奖」的获奖名单！

「自动驾驶年度科技创新奖」也将一如既往的发现中国优秀的自动驾驶企业、项目及行业领军青年才俊！

前路漫漫，行则将至！自动驾驶需要脚踏实地的长期主义，履践方能致远。我们坚信中国自动驾驶的辉煌明天已渐行渐近！