經(jīng)濟觀察網(wǎng) 記者 王帥國

6月13日，在經(jīng)濟觀察報主辦的“夢想照進現(xiàn)實——自動駕駛發(fā)展創(chuàng)新論壇”上，文遠知行產(chǎn)品工程執(zhí)行總監(jiān)劉振亞根據(jù)自己對于行業(yè)的觀察與思考，對行業(yè)的發(fā)展現(xiàn)狀、面臨的問題等提出了自己的看法。他表示：“從Cruise和Waymo實際的運營情況來說，從技術維度，傳統(tǒng)的分感知、決策、規(guī)劃，控制鏈條的技術方法是真正可以落地的。”

這是近期劉振亞到美國考察國際自動駕駛領先企業(yè)Cruise和Waymo后得出的結(jié)論。據(jù)其介紹，最近這兩家公司在同時做一件事情：擴大運營范圍。其中，Waymo目前在鳳凰城的Robotaxi運營覆蓋總面積已達180平方英里（約合466平方公里）。Cruise的Robotaxi運營范圍也從原來舊金山的四分之一區(qū)域，擴大到了整個舊金山。

“100輛車的規(guī)模在這么大的范圍內(nèi)能為普通乘客提供純無人出租車接駁服務，客觀證明了L4技術是可以達到的，這是非常好的現(xiàn)象和指標。這兩家行業(yè)公認的國際領先企業(yè)完全有能力打造全無人運營Robotaxi。”劉振亞表示。

不過，目前來看Cruise和Waymo的Robotaxi制造成本還非常高，還有待大規(guī)模商業(yè)化運營后攤薄成本。劉振亞提出，目前看這兩家公司配的傳感器太高端、價格太貴，但這是技術實現(xiàn)路徑之前的東西，只要技術路徑確定可以了，商業(yè)化運營之后，剩下的無非是怎樣更高效地運營，怎樣把傳感器做減配優(yōu)化，讓算力算法更優(yōu)化，達到平衡的狀態(tài)。

在成本問題之外，劉振亞還表示，目前行業(yè)內(nèi)還存在技術對長尾場景的識別和處理能力不足以及缺乏官方評價標準等問題。這些問題是阻礙全球自動駕駛產(chǎn)業(yè)發(fā)展的三大挑戰(zhàn)。

文遠知行作為國內(nèi)自動駕駛行業(yè)的頭部企業(yè)之一，正在就上述問題與其他企業(yè)合作尋求解決之道。據(jù)了解，目前文遠知行旗下產(chǎn)品覆蓋自動駕駛出租車、自動駕駛小巴、自動駕駛貨運車、自動駕駛環(huán)衛(wèi)車、高階智能駕駛五大矩陣，已在全球26個城市開展自動駕駛研發(fā)、測試及運營，自動駕駛里程已經(jīng)超過1700萬公里，車隊規(guī)模超500輛。

以下為嘉賓發(fā)言全文：

劉振亞：我說一下L4的情況，文遠知行有四款L4的產(chǎn)品，從低速到高速，從固定路線到擴展區(qū)域，從運貨到運人。目前環(huán)衛(wèi)車可以在夜間實現(xiàn)無人的清掃路面，平均作業(yè)時速為每小時15公里；我們和宇通合作做了Robobus，在廣州、南京等城市有商業(yè)化的運營服務，相當于最后一公里的微循環(huán)服務，從地鐵站把大家接到辦公室或者是小區(qū)門口的情況，相當于是固定路線，配備一對多的遠程安全的比例，保證實時監(jiān)控。從我們自己的角度說Robotaxi還需要一些時間，它確實是太自由的狀態(tài)，但固定路線、低速的自動駕駛產(chǎn)品會更早的落地。

近期，我乘坐體驗了Cruise和Waymo的自動駕駛車，最近這兩家公司在同時做一件事情，就是擴大運營范圍，Waymo在目前鳳凰城的運營覆蓋總面積已達180平方英里。Cruise對外公開的是從原來舊金山的四分之一的區(qū)域，現(xiàn)在基本覆蓋了整個舊金山，100輛車的規(guī)模在這么大的范圍內(nèi)能為普通乘客提供純無人出租車接駁服務，客觀證明了L4技術是可以達到的。這是非常好的現(xiàn)象和指標，這兩家行業(yè)公認的國際領先企業(yè)完全有能力打造全無人運營Robotaxi。講到商業(yè)化，目前看這兩家公司配的傳感器太高端、價格太貴，但這是技術實現(xiàn)路徑之前的東西，只要技術路徑確定可以了，商業(yè)化運營之后，剩下的無非是怎樣更高效地運營，怎樣把傳感器做減配優(yōu)化，讓算力算法更優(yōu)化，達到平衡的狀態(tài)。

從這兩家實際的運營情況來說，從技術維度，傳統(tǒng)的分感知、決策、規(guī)劃，控制鏈條的技術方法是真正可以落地的，技術方面我是很有信心的。同時，可以很確定的是這兩家沒有把大模型之類的放在車上，大模型只能依靠算力在云端跑。

主持人：行業(yè)里面有很多相反的觀點，有人說L4以上的無人駕駛很快要達成了，有人說10年，15年，甚至更長時間都不會實現(xiàn)。自動駕駛分乘用車和商用車，技術上分純視覺感知和雷達融合感知方案，一些在固定路線，一些在公共路線，不同的觀點比較多，問在座的企業(yè)代表，從企業(yè)研發(fā)角度講，中間的鴻溝在哪里？跟我們預測一下什么時候能夠真正的實現(xiàn)完全的打通，不管是乘用車還是商用車，進入完全的無人駕駛社會。

劉振亞：我們做L4，同時也在做L2，兩個性質(zhì)不一樣，L4是安全的限制下盡量的降低成本，L2是在成本的限制下盡量提升安全，兩個限制條件是不一樣的，必然解決方案路徑是不一樣的。這是前提。  

說到漸進式，跨越式，作為工程人員會遇到一個問題，代碼寫著寫著就要重構(gòu)了，為什么呢，就是剛開始架構(gòu)沒有做好，作為我們來看，做L4，比較贊同的觀點是首先拿準做L4，哪怕是做很小的區(qū)域，不論做再簡單的L4都是在城市道路上，普通公開的城市道路上，不論是掃地還是運人，送快遞都是在城市道路上，這些數(shù)據(jù)都是可以共通的，可以互相使用的。

舉個不恰當?shù)睦樱野l(fā)現(xiàn)國內(nèi)新能源智能化體驗都非常好，大家是否覺得很大的原因，其實這些企業(yè)采用的不是漸進式的策略，是一張白紙重新做的。部分跨國合資廠商是基于現(xiàn)在的能力做的東西，這是漸進式的，基于原來的中控屏加點功能，也能有導航，也能有一些功能，但是跟實際的特斯拉，或者是國內(nèi)的理想、蔚來這些企業(yè)完全不一樣。這是做一個不恰當?shù)谋扔鬟M行參考。

為什么要多傳感器融合，多傳感器融合的本質(zhì)是L4的前提要安全，安全的基礎是冗余，不論是車底盤的冗余，三電的冗余，傳感器，相機，激光雷達360度的冗余，本質(zhì)上是為了安全做的對應的設計。

問：怎么看現(xiàn)在自動駕駛商業(yè)化，講了很久的黎明前的黑暗，臨門一腳的問題，什么時候能夠落地，商業(yè)化的試點項目什么時候能夠賺錢？幾年前大家在講一整套方案，可能是幾萬美元的價格，現(xiàn)在有的公司說只要1000元，成本非常低，怎么看待降低的過程？

劉振亞：目前我們的產(chǎn)品更面向于做運營，出行服務、貨運服務、清潔服務等形式，打平、有微弱的盈利方案是可行的。

臨門一腳問題的解決方案可以提三點：第一是國內(nèi)L4級別的自動駕駛解決方案硬件的車規(guī)化成本太高，主要原因在于目前行業(yè)還處于示范運營階段，沒有實現(xiàn)規(guī)模化效應，且其需要解決的問題太多，對算力要求極高。

第二，對長尾場景的識別和處理能力，首先是需要通過各種方式挖掘和生成的方式找到長尾的成績，在考慮怎么處理，怎么確保甚至是不認識障礙物的情況下，安全的停車或者通過的狀態(tài)。

第三是評價指標，各地示范區(qū)有參加路側(cè)牌照的考試，考試考過和真正載人上路差距蠻大的，現(xiàn)在沒有官方和客觀的標準，大家都在說自己水平多高，希望從政策層面，官方的層面，甚至是行業(yè)協(xié)會的層面有統(tǒng)一的對自動駕駛的評價指標，有了這些評價指標之后，可以更加客觀的做好評價，通過這些數(shù)據(jù)反向讓市場和行業(yè)有一些認知。

問：最近比較火的是自動駕駛方案的去高精地圖的觀點，小鵬和華為在上海車展公布的方案，民用的導航地圖替代高精地圖？

劉振亞：從技術角度來說，去掉高精地圖實質(zhì)上是把冗余搞掉了，相當于只有實時監(jiān)測，如果相機出現(xiàn)問題或者其他的出現(xiàn)問題還有別的方式獲取信息嗎？沒有了。高精地圖是冗余，實際應用的時候相當于一定程度減少了對它的依賴，按照這個思路做的。為什么呢？因為實際運用中會發(fā)現(xiàn)那邊施工，或者車道變更，高精地圖的更新周期和頻率沒有這么快，這么高，可能是從附近的區(qū)域做了融合的，高精地圖作為基礎，動態(tài)層進行一些規(guī)劃處理，本質(zhì)上是兩者融合在一起的，這是更合理的方式。

 我們認為在L4級別的自動駕駛車上高精度地圖是必須的，但是實時的監(jiān)測能力、快速的地圖迭代能力同樣也是不可缺少的，這些能力可以一定程度的解決高精度地圖與實際真實道理不匹配的情況。只有這些方面的能力都同步提升了之后才能滿足L4在大范圍商業(yè)化運行的目標。

問：您覺得大模型是有可能讓自動駕駛研發(fā)更快嗎？

劉振亞：我們公司實際應用版，最開始應用放在BOT的任務上，有了大模型之后，首先從歷史的數(shù)據(jù)中通過文字尋找長尾場景做標注，這是非常直接的應用，另外一個大模型的啟示是大家采購的時候是訓練專業(yè)的能力，比如說我就是訓練一個對話機器人做客服，訓練一個什么樣專項的任務，有了大模型之后發(fā)現(xiàn)，事情好像是在通用能力上也比專項的能力還強，采數(shù)據(jù)的時候自動駕駛車出去采，必須是相機拍的前面是什么障礙物，那個數(shù)據(jù)標注識別是什么東西，是不是并不需要車采的數(shù)據(jù)，任何其他的來源的數(shù)據(jù)幫助我們訓練一個模型識別，加上車上自己采的數(shù)據(jù)做出的結(jié)果，可能比實際用自己的車采數(shù)據(jù)做出來的效果更好，這是現(xiàn)在正在嘗試的東西，這是兩點啟示。一個是通過文字找場景進行標注，通用的能力比專項的能力更強。