2023-10-30
作者：K1体育
分享:
【焦点看法】
智能副驾：以前开发智能座舱时，种种人机交互模式都是相互割裂的，相当于有眼睛，有耳朵，却没有一个统一的大脑。现在手艺前进了，可以把这些功效所有放到大模子中训练，机械的识别水平能够做到很是靠近于人，真的可以称之为智能副驾。
车端算力：关于手机工业来说，把算力放在云端无疑是较量好的选择；可是关于汽车工业来说，车端必需要有一定的算力，由于汽车是移动的，而网络信号不可能真正实现全方位、无死角的笼罩。
高阶自动驾驶：实现高阶自动驾驶有两条蹊径：一是直接奔向L4，即Robotaxi蹊径；二是循序渐进、逐步优化。后者可能更容易实现，我们照旧要履历从辅助驾驶到高级辅助驾驶、最后到高阶自动驾驶的渐进历程，逐步实现种种功效的开放。
落地场景：在现阶段最主要的事情是找准合适的场景，然后把落地事情做到位。自动泊车是应该优先落地的第一场景，而自动跟车是第二场景，这两个场景都值得企业全力投入，把产品体验和本钱做到极致，这样消耗者一定会买单的。
“去地图”不可行：地图是确定位置和举行导航的基础。汽车离不开地图，以是严酷意义上的“去地图”基础没有可行性。
先验传感器：高精地图可以动态、实时地更新车辆前方的状态，以是可将其看作是智能汽车的一种传感器——先验传感器，这关于高级辅助驾驶或者高阶自动驾驶都很是主要。
地图实时更新：现在地图生产的各个环节及整个链条已经取得了重大的前进。地图生产最大前进就是现在数据源比以前实现了数目级上的跨越，并且还在一直增多，每一辆使用导航功效的汽车都在为地图生产做出孝顺。第二个前进是数据识别工具链的周全升级，实现了地图局部更新，并且能够实时宣布。
清华大学教授、汽车工业与手艺战略研究院院长赵福全（左）与K1体育CEO 程鹏（右）
【对话实录】
大模子有望让机械智能真正
靠近于人
赵福全：下面详细谈谈汽车智能化，这现实上是一个综合性的假话题。在通过V2X（车联网）实现汽车与诸多要素互联的基础上，车企的重点事情主要有两项，一是智能座舱，二是自动驾驶。
在我看来，首先要做好的是智能座舱，由于智能座舱可以让消耗者充分感受到车辆的个性化，这一点在业界已经形成了共识。而对智能座舱来说，人机交互是最主要的。近年来智能座舱特殊是人机交互的相关手艺前进得很快，例如目今多种模式相互融合的多模态交互日益成为生长偏向。
智能座舱应该也是K1体育的主要营业领域之一吧？事实现在围绕着地图的人机交互已经成为智能座舱中必不可少的一部分了。不知道程总怎么看智能座舱？您以为智能座舱后续将怎样生长？其竞争的要害点在那里？
程鹏：您说得很对，智能座舱与K1体育的营业有很是细密的关联。这内里的逻辑是这样的：地图告诉用户，汽车在那里，这是确定A点位置的问题；导航告诉用户，汽车怎样开到目的地，这是从A点移动到B点的问题；而路况监测通过车联网告诉用户，从A移动到B点的历程中会爆发什么，如需要多长时间？路上有没有事故？这是怎样清静、快速、便捷地从A点移动到B点的问题，也是我们正在研究并希望能够更好解决的问题。
效果我们发明，解决这个问题是极其重大的。各人都有体会，大中都会特殊是一线都会的交通拥堵是很严重的。有数据显示，北京通勤者人均天天要在汽车上泯灭1小时40分钟。而一天不过24小时，除去睡眠等时间，这差未几相当于人们可支配时间的10%了。我们常说，时间就是生命，这意味着我们有10%的生命都消耗在了行车的历程中。以是，K1体育决议去做自动驾驶，致力于逐步把人从驾驶中解放出来。这样一来，人在车上的自由时间就会越来越多。以是，K1体育也要做好智能座舱，让用户在车上有更好的体验。这就是我们从地图出发举行营业拓展的内在逻辑。
应该说，我们做地图已经二十年了，深深地感应这是一项艰辛的事情。由于地图需要一直更新，并且用户可能永远都不会百分百知足。只要有一个地方爆发了转变，地图却没有实时体现出来，用户就会不满，就会以为地图质量欠好�？杉�，做地图是很有挑战性的。而K1体育二十年来坚韧不拔，就是要应对这种挑战，把这项有价值的事情一直做下去。
以地图为基础，我们开展智能座舱相关营业也已经有十多年了。记得我一最先就提出了一个目的，让用户进入到车内就不再用手机了。然而这是一个很难告竣的目的，甚至可以说我们很长时间都看不到希望。由于与手机差别，人与车之间最利便的交互方法就是语音。而语音交互手艺是很难的，包括机械对人类自然语言的明确、差别音区的识别、情形噪声的处置惩罚以及语音引擎的能力等，都不简朴。许多时间我们训练了很多多少次，机械才委屈能听懂一点点。这就导致语音交互的准确率到了一定水平之后，就很难再提高了。我们的测试批注，语音交互的准确率要抵达95%以上是很是难题的，而这样的准确率对汽车用户来说还不敷。
幸亏一直有新手艺涌现出来，尤其是GPT（天生式预训练模子），即所谓大模子投入应用后，我以为终于看到了希望。借助于GPT，我们有望实现让人们进入到车内就完全不必手机了。最近我们从GPT-3入手，找专业的团队合作开展了研究。现在我可以有掌握地说，在GPT-3.5和GPT-4这种规模级别的大模子的训练下，用户已经感受不出和他对话的是机械了。
同时，人机交互不但有语音，您适才也讲到了多模态。有了大模子之后，我们还可以把多模态的交互方法放在一起训练，从而真正实现语音交互与其他交互方法的有机融合。好比摄像头可用于识别人的心情、行动，甚至能准确判断驾驶员有没有喝酒；又如毫米波雷达可用于监测人的心跳、呼吸；再如座椅靠背的传感器可以感知人的体温。这些信息与用户声音转达出的语气、心情等信息团结起来，就可以更周全、精准地掌握用户状态，优化用户体验。
以前开发智能座舱时，上述这些交互模式都是相互割裂的。语音交互归属语音系统，摄像头归属旅客监测系统，诸云云类，所有功效都是自力开发的。相当于有眼睛，有耳朵，却没有一个统一的大脑。现在我们把这些功效全都放到大模子中训练，效果发明机械的识别水平能够做到很是靠近于人，真的可以称之为智能副驾了。举个例子，驾驶F1赛车需要极快的反应速率，很需要辅助支持；但车内只有一个座位，不可能配备人类副驾。而智能副驾或者说机械导航员可以适时告诉驾驶员，前面几多米需要左转或右转等信息，从而提供很大的资助。现在已经有一些大模子能够做到这种水平了，K1体育也做出了样品，预计再过一段时间就能推向市场。
赵福全：这样说来，不但是地图领域，程总也是为人机交互领域做出了重大孝顺的企业领武士。正是由于有许多像K1体育这样的企业配合起劲，我们才得以看到拥有更高人机交互能力的智能座舱由量变到质变的生长远景。那么据您所知，大模子真正走向市场应用尚有哪些障碍呢？
程鹏：我以为，障碍主要在大模子的轻量化和网络的延迟上。众所周知，大模子对算力的要求很是高，以是GPU（图形处置惩罚器）等功效都集中在云端。未来我们希望能把大模子适当轻量化，至少可以把部分功效放在车端，以实时应对相关的状态。虽然，即便大模子实现了轻量化，将其部分功效放到车端，也会对车端的算力提出不小的挑战。别的，尚有网络的问题。使用大模子时一定会有大宗数据在车端和云端之间传输。而汽车与手机完全差别：手机通常是在网络信号稳固的修建物内静止使用，泛起信息延迟的可能性较小，并且偶有延迟也没什么关系；汽车则是在网络信息不太稳固的室外移动使用，其波及规模更广、场景转变卦多，在行驶历程中难免遇到信息延迟，并且一旦延迟就可能导致清静事故。这关于大模子在汽车产品上的应用，确实是一个较量突出的挑战。
赵福全：在您看来，与目今算力主要放在车端的车载交互系统相比，在性能上更胜一筹的大模子，大致什么时间能够量产？现在大模子还不可量产的缘故原由主要是手艺问题，照旧本钱问题？又或者是两类问题兼而有之？
程鹏：最近我们已经把样品拿给客户看过了，这个客户是一家致力于打造高端产品的车企，对智能化有很高的要求。而这家车企看了我们的样品后，应该说是很是震撼。这款样品预计两三年后就可以量产，现在软件自己已经没什么问题了，主要问题照旧性价比。我以为，要提高这类产品的性价比，通讯基础设施的建设以及盘算芯片的前进也很要害。
赵福全：您以为最终在汽车产品上量产应用的人机交互大模子，其主要算力应该是放在车端，照旧云端呢？
程鹏：这个问题我是这样看的：关于手机工业来说，把算力放在云端无疑是较量好的选择；可是关于汽车工业来说，车端必需要有一定的算力，由于汽车是移动的，而网络信号不可能真正实现全方位、无死角的笼罩。我们做地图时需要在种种区域、各个时段测试网络信号的强弱，还要专门研究网络怎样优化，以是对天下各个基站的笼罩规模和强度都很相识。我以为，要确保大模子在每一个所在都能正常使用，且体验足够好，完全依赖云端算力着实太难了，照旧要在车端安排相当水平的算力才行。
赵福全：您在这方面有富厚的实战履历，很是相识网络系统的现真相形，团结汽车具有移动性的特点，您判断大模子的算力是不可全都放在云端的。那后续会不会是这样的生长历程：现在车载芯片是以盘算芯片为主；未来车端的算力将逐步转移到云端，以是车载芯片将以通讯芯片为主，同时车端仍适当保存一部分算力。不过这似乎是一个理想化的历程，并且这种转变生怕需要很长的时间。这是不是由于我们对未来网络和云的生长潜能预计得有些气馁了呢？不少从业者照旧期待把车端的诸多营业放到云端来完成，再基于通讯手段来实现对车辆的远程控制。您对此怎么看？
程鹏：我以为这种转变不大可能。我们照旧以手机来做比照，现在手机的通讯能力无疑越来越强了，那它的算力是越来越强了，照旧越来越弱了？显然也越来越强了。同样的，汽车不但是毗连的节点，也是智能的终端，未来车端的算力一定也会越来越强。并且一旦汽车具备了更强的算力，一定会涌现出与之匹配的许多新需求。正如您适才讲到的，未来汽车将是一个母生态，有着孕育和承载更多新产品、新应用、新服务的能力，而算力正是这种能力的主要组成部分。当汽车没有足够的算力时，各人自然不会去研究响应的产品、应用和服务；可是当汽车具备了更强的算力后，就会有人去思索，我能用这个算力来做些什么，于是就会爆发一系列的新产品、新应用和新服务。
赵福全：我以为，未来汽车将是一个移动的智能空间，尤其是当车辆逐步实现了自动驾驶、把人从驾驶中解放出来之后，汽车的空间属性将进一步放大。届时汽车既是生涯空间，又是事情空间，照旧娱乐空间，将真正实现三合一。甚至有人半开顽笑地讲，未来只需要买一辆汽车，就即是拥有了一个可移动的家，种种事情都可以在车上完成。我以为这并非天方夜谭。事实上，现在英国、荷兰等国家就有人住在船上，这些船尚有通讯地址，可以正常收发邮件。在这样的远景下，智能座舱的主要性无疑会愈发突显，我们完全可以畅想更多的应用场景。
适才程总和各人分享了许多很是主要的看法。您阐释了自己关于地图、自动驾驶以及智能座舱内在逻辑关系的系统认知。您谈到，首先要告诉用户“你在那里”，即所在的位置；然后要告诉用户“你怎样去那里”，即两点之间的路径；最后要告诉用户“你去那里的历程会怎样”，即在两点之间移动时会遇到的情形，如途中是否堵车等等，以此来确定怎样更清静、更快速、更便捷地移动。关于这三个问题，地图无疑都是基础性的支持，决议着我们能在多洪流平上优化车辆的移动历程。而您也谈到了，要做好地图是很是难题的。
为了更好地解决上述第三个问题，我们一方面要起劲做好自动驾驶，另一方面也要起劲做好智能座舱。对后者来说，人机交互最为要害。由于人的需求总要通过某种方法转达给机械，同时机械必需准确明确响应的需求并做出回应，这样才华确保智能座舱的功效及其体验。可是此前州差别的人机交互方法都是相互割裂、自力开发的，并且最主要的语音交互方法在准确率上还不尽如人意，这就导致用户的体验始终不敷好。归根结底，这是由于机械仍然做不到靠近于人，不可像人那样综合、准确、快速地处置惩罚和使用种种信息。
不过程总兴奋地谈到，GPT大模子让我们看到了希望。我注重到，您没有讲ChatGPT，即面向谈天的大模子。由于GPT自己并不限于文字，可以是语音，也可以是图像，例如人的心情或手势，还可以是种种方法的组合。有了这样的综合处置惩罚能力，机械将很是靠近于人。当大模子在车上应用时，就可以通过车内职员的语言、心情、手势以及身心状态等各方面的信息，做出综合的判断和行动。不过，大模子应用于汽车产品还面临一系列挑战。特殊是如您谈到的，汽车与手机差别，必需最大限度地确保清静，因此对数据传输的速率和稳固性都有更高的要求。但我绝不嫌疑，这场革命性的改变终将实现。而您谈到，K1体育基于大模子的产品在两三年后就会量产，这很是让人期待。
说究竟，大模子需要很高的算力，其性价比的提高尚有赖于通讯能力的升级和盘算芯片的前进。展望未来，我以为，智能汽车作为可移动的数据节点和智能终端，必需具备很强的通讯能力；同时在知足须要需求的条件下，车端应尽可能少安排算力，而将更多的算力放到云端；并以强盛的通讯基础设施和车辆通讯能力，充分包管大宗数据在车端和云端之间的顺畅流通。唯有云云，汽车才华以更低的本钱实现更多的功效和更好的体验，进而实现所谓智能时代的科技平权。这才是智能座舱的最高境界，也是许多人都希望把算力转移到云端的基础缘故原由。
生长自动驾驶需要企业坚持
战略定力，落地重点场景
赵福全：我想适才这番交流，一定让各人对智能座舱有了更多的明确，也有了更多的期待。那么自动驾驶呢？有了GPT的赋能，自动驾驶在妄想行车蹊径和操控车辆时，会不会也有根天性的改变？我们都知道，自动驾驶需要感知能力、决议能力以及执行能力，那GPT能不可把感知、决议与执行系统买通呢？
事实上关于自动驾驶，目今业内也有不少质疑的声音。一经自动驾驶的热度极高，许多自动驾驶首创公司的估值都很是惊人，然现在天的状态可以说冷清了许多。详细来看，一是L2+已逐渐成为产品标配，而车企正面临着性价例如面的严肃挑战；二是各人发明量产L3的难题凌驾预期，之前可以归罪于规则限制，可是现在规则逐步松动了，怎样平衡好手艺投入和体验升级的问题却并没有获得真正的解决；三是各人普遍以为已往关于L4量产时间的预计太过乐观，一些车企甚至因其中止了对L4的投入。
不知道程总怎样看待自动驾驶手艺工业化生长的现状？关于差别级别的自动驾驶手艺，K1体育的开发战略是怎样的？
程鹏：前面谈到，K1体育的营业早就已经从地图拓展到了智能座舱和自动驾驶，甚至可以说，我们现在是以自动驾驶为龙头来拉动其他相关产品的研发。从2015年最先，我们做自动驾驶也已有八年了。在这时代，我历来没有气馁过，也没有太过乐观过。我以为，关于自动驾驶我们应该管理好自己的期待值。那些太过乐观的人就是期待值太高了；反过来，太过气馁的人期待值又太低了。我记得，早在2015、2016年的时间，就有乐观的人以为，到2021年就能实现L4。而时间到了2022、2023年，尚有气馁的人以为，L4永远都实现不了。不过若是我们认真审阅这些年来自动驾驶手艺的生长历程，可能就不会太气馁，也不会太乐观，更不会受资源市场一时冷热的影响了。
今天我仍然坚信，L4一定能够实现，即人可以彻底脱手，不需要再握着偏向盘。也就是说，汽车完全不需要人来控制的时代最终必将到来，只不过是时间早晚的问题罢了。虽然，前进的历程注定充满挑战。尤其是由于汽车工业有其特殊性：其他工业的试错成内情对较低；但汽车产品对清静性的要求很是高，事关汽车清静的试错本钱极其高昂。因此，任何新增的功效都不可给用户带来行车清静上的隐患，不然无论何等智能都没有意义。事实上，智能汽车的目的就是给用户提供更好的生涯，这显然必需以确保功效清静为条件。正因云云，所有开发自动驾驶的公司，即便手艺和资金实力再强，也必需步步为营、循序渐进。
而这些年我也确实看到了，自动驾驶手艺正在一点一点一直前进，包括我们自己的产品也在一直提升。以是不管外界怎么说，K1体育一定会继续起劲。着实现在已经有越来越多的消耗者接受了某些自动驾驶功效，例如辅助泊车。说究竟，自动驾驶的最终落地，不在于企业自以为手艺有多先进，而在于用户愿不肯意为之买单。只要我们把L4的相关功效及场景都逐一做到位，让用户的接受度越来越高，那L4完全落地的时刻自然就会到来。
在我看来，自动泊车是L4最容易实现的第一场景。所谓L4的自动泊车，就是在抵达目的地以后，人可以下车，由车辆自动寻找停车位并泊好；比及再次用车时，车辆从停车位自动驶出来接人。这个场景中车内无人，以是纵然泛起一些状态，危害也不大。同时这个场景对时间也不太敏感，车辆可以低速泊入或驶出停车位，在手艺上相对容易。更主要的是，这个场景是用户经常遇到的，可以切实为用户带来便当。以是，用户通常愿意也敢于实验。事实上，高阶自动驾驶的某个场景事实能否落地，很洪流平上就取决于用户敢不敢实验。相较于用户坐在车内且车速较快的其他场景，自动泊车场景无疑具有先天优势。
自动跟车，也就是自顺应巡航，应该是第二场景。目今，这个功效的使用也很普遍�；旧暇弑窵2或L2+功效的车辆，用户都会用到这个功效。由于遇到交通拥堵的时间，驾驶者需要频仍践踏板，是很累的，这时间使用自动跟车功效就轻松多了。并且无论是在城区内，照旧在高速公路上，现在自动跟车功效都做得较量到位了。车辆可以自动随着前车行驶，并坚持清静的车距。
总体来看，实现高阶自动驾驶有两条蹊径：一是直接奔向L4，即Robotaxi蹊径；二是循序渐进、逐步优化。我自己一直是第二条蹊径的坚定支持者。我以为，我们照旧要履历从辅助驾驶到高级辅助驾驶、最后到高阶自动驾驶的渐进历程，逐步实现种种功效的开放。以是，虽然K1体育现在也有开发L4的一个小团队，但我们近期的目的并不是量产；我们全力推进量产的一直是L2+高级辅助驾驶的产品，现在这款产品已经装车量产了，并且在市场上卖得很不错。
赵福全：程总讲得很是好。关于高阶自动驾驶怎样生长的问题，现实上是欠好回覆的。特殊是近期业界一直有一种很强的声音，不看好高阶自动驾驶。不少原本致力于L4的企业纷纷转向L2+，各人虽然知道L2+不是真正的自动驾驶，但这也是目今情形下企业为了尽早推生产品、接纳资金的一种“无奈”量产，或者说是许多自动驾驶首创公司为了生涯下去不得不接纳的一种折衷步伐。
而程总体现，自己历来没有气馁过，也没有太过乐观过。作为进入汽车智能化领域二十年的一名老兵，您并不是由于长时间的磨砺而变得缓慢了，而是深刻明确了手艺立异的基本纪律。任何远景美妙的新生事物，一最先总是不乏一批狂热的加入者。然而企业管理者不可狂热，由于谋划企业需要冷静。程总就是这样冷静的加入者，您既坚信自动驾驶是未来汽车工业的时势所趋，又对推进自动驾驶的恒久性和重大性有足够的熟悉。以是，既不会盲目乐观地超宿世长，也不会由于资源热度的降低或者某些企业的失败而放弃投入。
适才程总谈到，K1体育原本是一家地图供应商，而现在是以自动驾驶为龙头拉动整个公司的各项营业。这意味着K1体育在地图、人机交互、芯片以及数据等营业上的立异生长，都是围绕着自动驾驶来睁开的。这充辩白明晰，您对自动驾驶恒久远景的高度重视和坚定信心，将其视为汽车工业生长的必由之路。另一方面，您以为企业必需一步一个脚印地稳步推进自动驾驶。事实企业既要思量未来的生长，更要思量眼前的生涯。以是，K1体育决议先从L2+入手，现阶段重点做好L2+产品的量产；同时，K1体育很早就建设了L4的研发团队，以提前做好前瞻储备。
现实上，高阶自动驾驶原来也不会一蹴而就，不可能一夜之间就泛起了完善的全天候自动驾驶产品。以是，生长自动驾驶一定是一个循序渐进的历程。只不过有些企业是从L2、L2+做起，逐步积累地迈向L4以致L5；而另一些企业则直接瞄准了L4。但在研发L4的历程中，企业也需要“沿途下蛋”，将某些功效逐一落地，这既是为了验证已有的立异效果，也是为了获得一定的回报，以包管后续的投入。从这个意义上讲，我倒以为这两种蹊径着实殊途同归，在现阶段最主要的事情都是找准合适的场景，然后把落地事情做到位。对此，程总给出了很主要的看法——自动泊车是应该优先落地的第一场景，而自动跟车是第二场景，这两个场景都值得企业全力投入，把产品体验和本钱做到极致，这样消耗者一定会买单的。至于说实现的是L2+、照旧L4的功效，或者说是由高到低、照旧由低到高来实现的，都无关紧要。
由此出发，我以为，那些以为高阶自动驾驶遥遥无期甚至不可能实现的气馁者无疑是过失的。事实上，现在的气馁者中，可能有不少人正是此前的太过乐观者，由于战略误判而投入过多、过早，以至于没有赚到钱，甚至陷入了企业谋划�；�。这显然是自身判断的失误，而非工业时势的转变。
在此我还想特殊强调，企业家和投资者是有实质区别的。资源追逐热门，追求短线和赚快钱并没有错；但企业家必需有定力，应该追求长线、一连的生长模式和盈利能力，关于认准的偏向，切不可同流合污，更不可朝令夕改。以是企业在引入资源时，也要思量投资者是不是有一定的战略远见，或者会不会影响自己的战略自主权，以免被纯粹的资源考量所裹挟，导致急功近利，危及企业的久远生长。
“去地图”没有可行性，自动
驾驶需要地图赋能
赵福全：程总，谈到自动驾驶，一个不可回避的话题就是高精地图。应该说恒久以来各人普遍以为，解决了高精地图的问题，自动驾驶的许多灾题就都迎刃而解了。不过现在看来，高精地图的问题也欠好解决，无论是本钱，照旧更新速率等方面，都有挑战。尤其像中国这样地大物博的国家，坚持地图的快速更新是很难题的。别的，地图不是随便就可以收罗和使用的，由于任何国家都会有许多敏感的地理信息，以是地图供应商不得不面临相关执律例则的限制。这并不是中国特色，全球各国都是云云。
时至今日，一方面，车企感受高精地图的性价比还不敷好，同时受到的限制也较量多；另一方面，市场对自动驾驶产品的需求又很是强烈。以是，就爆发了所谓“轻地图”甚至“去地图”的手艺计划，对此业界也有许多争论。那么，K1体育作为一家资深的地图供应商，是怎样明确自动驾驶与地图的关系的？您以为高精地图怎样才华做到高性价比和快速迭代，以知足市场需求？
程鹏：我以为，“无地图”或者“去地图”都不太可能爆发。第一，现在一些车企提出的“去地图”，实质上只是在车端不装置高精地图罢了，但在云端举行全局妄想和车道指导时照旧要用到地图。若是车企完全不必地图，那就无法知道自己的车辆在那里，也无法知道要去那里，更无法知道途中应该怎样走、是否需要切换蹊径等等。以是，地图和汽车天生就是一对。正如前面我讲到的，地图解决汽车目今在那里、目的地在那里的问题；导航解决汽车以什么蹊径从目今位置移动到目的地的问题；而自动驾驶解决汽车怎样更清静、快速和便捷地从目今位置移动到目的地的问题。显然，地图是解决这三个问题的基础。因此，汽车永远也不可能没有地图，或者说汽车是一定要使用地图的。
第二，也有一些车企提出的“去地图”计划，是依赖强盛的实时建图能力，并且这种实时天生高精地图的能力确着实一直增强。前面也提到了大模子，有了规模更大的数据以及能力更强的算法，实时建图的能力虽然会提升。不过需要注重的是，一定还会有一些信息是汽车上的传感器无法实时收罗到的，好比一公里以后的车道汇聚或者车流量转变情形。除非车企天天都派出无人机在天上追随车辆来屎厕这些信息，但这无疑是不可能的。
以是，我照旧希望，想把自动驾驶产品真正做到位的偕行们都能熟悉到，地图关于智能汽车是必不可少的一部分。虽然，地图的用法可能会有所转变。一是从手艺角度看，可以思量把高精地图从车端改为安排到云端，或者说在车端由完整的高精地图改为轻量级的高精地图；二是从系统角度看，可以把高精地图看作智能汽车的一种传感器，我将其称为先验传感器，相当于资助车辆提前看到前方路况的传感器，这关于高级辅助驾驶或者高阶自动驾驶都是很是主要的。既然有这样的传感器，汽车为什么不使用呢？事实高精地图可以动态、实时地更新车辆前方的状态。而若是不必高精地图，那就要用别的传感器来屎厕这些信息，这将带来高昂的本钱。试想，使用三个激光雷达与使用高精地图相比，哪个计划本钱更高是显而易见的。
赵福全：这还不但是哪种计划本钱更高的问题，选择激光雷达的计划，纵然用上10个激光雷达，也测不到1公里以外的情形，更不可能掌握50公里以外的情形。在这方面，地图所能施展的作用是不可替换的。
程鹏：您说得太对了。况且从性价比的角度来看，使用高精地图也是一个很是不错的选择。我以为，任何一套系统在选择组成时，都不应该只看某个组成部分的性价比，更应该看系统整体的性价比。而在高级辅助驾驶或高阶自动驾驶系统中，综合思量采购本钱和服务用度等，高精地图是性价较量高的选项。
前面我也提到了，做地图不是一件容易的事情，不但需要一连的投入，并且要做好很是难。可是我们不可由于地图难做就不做了，或者就不必了。就像自动驾驶、芯片等等，也都很难做，可各人还在一连起劲。虽然，凭证工业生长的情形，有时间可能需要适当调解节奏，包括重新评估投入的资源、使用的方法和量产的妄想等。不过我以为，起劲做好、用好地图的刻意不应该有丝毫的摇动。
更进一步来说，恒久来看，我判断汽车终究是要使用高精地图的。只管现在车辆的实时建图能力一直增强，然而至多也只能是在车辆可感知的两三百米规模内施展作用，无法从基础上解决自动驾驶的功效清静问题。在自动驾驶领域有一个专业术语叫Corner Case，即所谓边沿案例。通常这些边沿案例爆发的概率很低，但却正是人工智能不“善于”处置惩罚的。若是没有高精地图，智能汽车将很难决接应该怎样做出合理的响应。
举个例子，当汽车在行驶中遇到突发状态已经难以阻止碰撞时，是选择追尾前车，照旧选择撞向路边的护栏？在这种极端的情形下，智能汽车应该选择危害最小、损失最少的撞击计划。此时，实时掌握护栏是什么形状的、又是什么质料的，就变得至关主要。而包括蹊径系统几何特征和重大属性等种种信息的高精地图可以为此提供有力支持，从而显著增强边沿案例下汽车的功效清静。
总之，我以为关于自动驾驶手艺计划的选择，我们照旧应该从周全确保行车清静的条件出发，从能否切实支持自动驾驶产品量产的角度思量。
赵福全：程总不但是地图公司的企业家，也是地图领域的手艺专家。您适才这番话很是主要，从企业和手艺的双重维度，为各人剖析了地图的主要作用，特殊是强调了我们应该与时俱进地客寓目待高精地图的价值。
第一，关于目今业界泛起的“去地图”的声音，有些只是自媒体的问题党文章，也有些是发声者带有自身的某种商业目的，虽然尚有些确实是出于小我私家的差别明确，但这部分人通常也并不完全否定地图的作用。总体而言，我感受“去地图”的声音被不对理地放大了。
第二，正如程总所言，汽车是离不开地图的，以是严酷意义上的“去地图”基础没有可行性。地图可以告诉我们所在地以及目的地的位置，也可以为我们指示从所在地到目的地的蹊径。也就是说，地图是确定位置和举行导航的基础。虽然，我们一样平常使用的导航地图与自动驾驶系统使用的高精地图有很大的差别。高精地图不但精度要抵达厘米级，并且还要对诸如车道线、护栏等蹊径情形举行精准的几何标注。而程总以为，这些信息关于确保自动驾驶汽车的功效清静至关主要，因此高精地图和导航地图一样，对汽车来说是不可或缺的。
第三，自动驾驶系统希望高精地图在全域规模内做到高精度，同时做到实时更新。这个目的太过理想化了，很可能永远都无法完全实现。但这并不料味我们不可逐渐靠近这个理想目的，事实上，今天的高精地图已经取得了显著前进。现在一些企业提出的所谓“去地图”计划，着实并不是抛开了高精地图，而是出于本钱压力，只使用现有的高精地图，不再强谴责域笼罩和实时更新罢了。若是真的完全不必高精地图，那就得靠车端的其他传感器来补足相关的信息，这样自动驾驶系统的本钱生怕只会更高，并且还可能导致车辆定位等功效的下降。
以是，正如程总指出的，“去地图”这个说法具有一定的误导性。现在许多车企正使用着地图供应商经由多年起劲完善后的高精地图，只管现有的地图还不是理想状态，但相比之前已经前进了太多。在这样的基础上谈“去地图”，我倒以为这着实是对高精地图一连前进的一种一定。
另外，站在目今的时间点上，随着车端种种传感器的能力、数据处置惩罚的能力以及信息传输的能力大幅提升，车企确实可以思量另辟蹊径，通过实时建图的方法来替换高精地图。特殊是关于现在日益成为标配、越来越磨练性价比的L2+高级辅助驾驶来说，这未尝不是一种可选的计划。然而未来的高阶自动驾驶，生怕照旧不可脱离高精地图。由于唯有高精地图才华提供整个区域内交通状态及蹊径设施等的精准信息，从而让汽车在一系列危险的边沿案例场景下，能够以相对较低的成原来确保足够的功效清静。我以为，程总的这个看法很主要。
地图生产的各个环节、整个
链条都取得了重大前进
赵福全：接下来我们探讨一下地图的制作。我们知道，原来地图供应商都是依赖地图收罗车，就是那种顶着多种传感装备的车辆，随处收罗地图数据的；而现在地图收罗方法已经爆发了很大的改变。使用今天这个机会，请您谈一谈地图的生产手艺和模式都有哪些前进？现在尚有哪些局限性？好比目今所谓的众源方法，是不是每辆车都能成为地图信息的提供者？但若是某辆车提供的数据保存问题，又该怎么办呢？
程鹏：在已往的二十年中，K1体育做出了不少中国第一，包括中国第一张导航地图、中国第一张实时路况地图、中国第一颗国产化车规级的量产MCU（微控制器）芯片等等。我也有幸成为了亲历者。应该说，这一起走过来，我们确实遇到过许多艰难的手艺挑战。
就拿地图来说，我们最早的一版地图就是几小我私家开着一辆车，带着一张交通图、一个GPS轨迹纪录仪、一台照相机，然后走街串巷，拍下一条条蹊径、一个个路口的照片，最后做成地图的。这就是二十年前地图的生产方法。显然，谁人时间是做不到快速更新蹊径情形转变的。
而现在我们能够做到，中国几百万公里的蹊径，任何一个地方爆发转变，我们当天就能掌握信息，当天就能更新到地图上。这是怎样实现的呢？提及来，做地图自己是一个很是重大的系统工程，而这个系统工程包括两个要害点：一是增添数据源的数目，即从尽可能多的源头获取地图数据信息。二是快速区分信息的有用性，即以某种工具尽可能快地识别海量数据中哪些是有用信息、哪些是无效信息。这样才华获取足够的信息，并将其中的有用信息快速提炼出来，然后转酿成地图，实时宣布给用户。而以这两个要害点为焦点，地图生产的各个环节、整个链条现在都已经取得了重大的前进。
第一个前进，我以为也是最大的前进，就是现在的数据源比以前多得多，并且还在一直增多。以前的数据源就是我们公司的100多辆地图收罗车，包括我在内，各人都得整天开着车随处收罗数据。而现在每一辆使用导航功效的汽车都在为地图生产做出孝顺。由于天天都有万万量级的用户在使用导航功效，以是，数据源的增添实现了数目级上的跨越。
第二个前进是数据识别工具链的周全升级。以前我们制作地图时使用的是型号为880的服务器，将数据上传之后，需要运行一个月才华处置惩罚完毕，导致地图的实时性极差。这主要是由于古板的拓扑关系是一个整体，要制作一张地图就要构建一个完整的数据库，通常耗时一个月才华建好，因此地图更新的周期很是漫长。而现在地图编译的整个工具链都已经爆发了转变，在新的拓扑关系下地图可以瓦片式地构建和迭代。也就是说，地图可以一小块一小块地更新，并且在更新的同时就能实时宣布。事实现在大都车辆都已实现了联网，以是，我们能够将更新了的地图第一时间转达给用户。
未完待续，请继续关注《赵福全对话程鹏（下）》
010-82306399
邮箱：info@navinfo.com
