中國汽車新聞網訊 9月8日，在CTDC首席技術官領袖峰會上，小鵬汽車自動駕駛副總裁谷俊麗博士發表了題為“AI car 和自動駕駛進化論”的主題演講，分享了小鵬汽車正在推動的中國式自動駕駛研發之路以及在這一領域的最近進展。
小鵬汽車自動駕駛副總裁谷俊麗博士
同期，谷俊麗博士宣布，小鵬汽車近期已經獲得美國加州自動駕駛路測許可。
小鵬汽車已經獲得美國加州自動駕駛路測許可
CTDC首席技術官領袖峰會是國內最頂級、最具前瞻性的互聯網峰會之一，聚集了業內頂尖的技術領導者。“AI智享未來”是本屆峰會的主題，功能汽車到智能汽車的變革也是本屆峰會探索的重要議題。
”自動駕駛國際化存在不少瓶頸，自動化駕駛進化的必然趨勢是軟件的強本地化。沒有中國實際駕駛場景數據的積累，很多自動駕駛功能在中國“水土不服”、甚至“目中無物”，無法適應中國的實際駕駛路況、交通密度和中國用戶的駕駛習慣，”谷俊麗博士表示：“小鵬汽車的目標是大規模量產具備六維感知能力的高智能互聯網汽車（AI Car），使得車輛能夠具備自我感知、物體感知、高精定位、預測未來、交互和事件及決策推理能力，提高自動駕駛在中國駕駛場景的安全和創新。”
今年年內，小鵬G3即將上市，并啟動交付。小鵬G3將搭載領先的自動駕駛硬件，配有20余個智能感應設備，適配本地化自動駕駛，并將提供覆蓋高頻生活場景的自動泊車功能。
以下為谷俊麗博士演講實錄：
謝謝大家！今天非常高興有機會和大家分享關于中國式自動駕駛的思考。
先簡單的自我介紹一下，我是去年10月份加入到小鵬汽車，之前在特斯拉總部負責人工智能和自動駕駛，我帶領團隊做了Autopilot。從前期對于AI的思考，到對于自動駕駛的研發，我都是從最前期開始介入的，所以我個人有一些感觸今天來跟大家分享。
我重點講解一下自動駕駛，它本身上是一個AI驅動的技術，一個系統，我叫它AI Car。我會跟大家分享自動駕駛整體的國際上的進化論，以及在中國我們想怎么做。
首先，我先來總結一下，因為在中國，自動駕駛這個概念是從2016年開始炒，到2017年炒到火爆，到現在我覺得公眾已經失去感知了，已經不知道自動駕駛是什么了。所以，我想講解一下自動駕駛到底是什么，以及西方的技術并不能真正拿到中國來使用，比如說特斯拉的Autopilot。
我先講解一下人類歷史的交通變革，我經常想，其實人類歷史的交通從我們擺脫原始的交通工具，比如說馬車、驢車到我們現在林林總總的各種汽車，其實也只有一百年的時間，真的只有一百年的時間。那發生了什么？我們一開始的這個原始的到一個模擬的機械的器件，然后通過汽車輪子福特的Model T（T型車）開始往前演進，出現奧迪、奔馳這樣的品牌，我們在機械層面，在控制層面，在發動機、燃油機層面做了一百年的工作，現在已經幾乎飽和了。那之后這個車現在發生一種悄然的變化，它在從一個模擬的器件悄悄的變成一個數字化的器件，就像我們21世紀年初，我們還在用諾基亞的功能機，通過鍵盤來按，到后來慢慢的我們現在幾乎所有的人都不再用一個滿是鍵盤的滿是按鈕的一個手機了。從功能機到數字機到智能機的一個演變，同樣的一個革命正在發生在車輛上。數字化包括說我要有傳感器，我要有計算單元，我要嵌到這個車上，且讓用戶感覺不出來，所以這是個數字化的過程，是個對車本身變革的過程。然后我們在這個基礎上，再做一些輔助駕駛、預警，然后脫手，然后眼睛可以離開的各種智能化的工具功能，所以它是這么一個變革的過程。
拋去外表它發生的變化，在技術本身，自動駕駛讓我自學了很多專業，從做芯片到做AI算法，到軟件，到做自動駕駛。自動駕駛是我做過的最難的、最復雜的一個工程，沒有其一。為什么呢？因為它拋開自動駕駛這幾個字，它里面涵蓋了我們過去人類一百年幾乎所有最重要的技術、信息革命的一些關鍵的突破。那我來講解一下在我眼中大家所說的這個自動駕駛包含哪幾代技術的框架。自動駕駛第一代是由像特斯拉這樣的公司搞起來的，它當時用的方案就是采用融合供應商的方案，比如說目前主流的國外融合MobileEye，國內融合博世。國內的自動駕駛絕大部分都是由博世來控制的，這就是第一代集成方案。我們的汽車本身是一個復雜的工程，它是一個拼接的系統工程，就是把上萬個零部件集成到一起。造車本身不是一個造技術的過程，技術是由供應商在各個角度，比如說控制單元，發動機單元，電池單元以及感知算法單元，它們分別去突破的。這是第一代技術。但第一代技術它有一個瓶頸，你無法打通，供應商的東西你是無法改變的。所以就出現了第二代，第二代就是我用自己選擇一個芯片，我把車、數據以及自我編程打通，那我可以改變我的功能。這是第二代，在芯片以及自主研發的算法上做自己的一個軟硬一體的這個設計。第三代是我們現在也發現AI是一個對計算能力需求無窮盡的一個應用，尤其對自動駕駛，它的應用場景你在私家車上做應用，它的海量場景它是無限量的，你無法完全描述自動駕駛這個車會遇到什么。所以它對計算的需求也是無窮盡的，那我們現在出現了像很多公司，尤其是國際巨頭Waymo也好，特斯拉也好都是自己做芯片，為什么？過去人類60年做的所有的芯片是針對通用計算的，一個是尺量計算，都是通用計算。我們真正到車上，這種復雜的流水需要更強大的芯片。這是第三代。
第四代我們大家其實想起自動駕駛，可能很多人，關注過的人可能都想起林林總總的各種各樣的車。Waymo的車上面是架了一個像船一樣的盒子，Cruise的車上pony 面是架了很多雷達，八到十個雷達。然后我們中國的很多自動駕駛公司，景馳也好，都是上面掛著很多東西的。這是第四代自動駕駛，它是什么呢？第四代自動駕駛通常是說在特定場景下不需要人了，是完全的driverless，沒有駕駛員。為了做到這一點，它很難，我先限定場景，我再對這個車針對這個場景掛各種傳感器，做各種計算單元。所以，整個到第四代的時候，這個車就為這個自動駕駛來設計的。所以，你看它好像不像臺車，就是因為傳統的車不涵蓋這個東西，現在兩者是一種嫁接關系，還不是一個產品的形態。
我從特斯拉來到小鵬，我是想解決中國化的自動駕駛，我們第一代車，今年的量產車上會介于第一代跟第二代技術之間，我們會采用部分集成供應商，部分自主研發。那這個也是基于的我們自主研發的節奏，它需要一定的時間去啟動。我們在第二代車上，2020年的車上，會將自己自動駕駛這個自主研發的通道從算法到芯片，一直到車上進行一個打通。我們為什么要做這個事情？很多人來問我說，不管是吉利也好，沃爾沃也好，特斯拉也好，都有這個產品，為什么還要再做一下？是，是有這個產品，但是在大部分的中國場景下沒人敢用，因為它不適合中國的駕駛場景。它會有水土不服，比如說中國路上的障礙物它是不規則的，你幾乎無法辨別你在中國道路上遇到的所有的障礙物。中國的交通規則是不規范的，因為中國的文化跟西方的文化是不一樣的，這個駕駛問題確實是反映人的文化問題跟習慣問題以及社交問題。它不是一個簡單的在實驗室內的一個技術，所以它有水土不服的問題，也就是說我們為什么在中國這么多車，但使用率不是特別高。
我個人認為，中國的自動駕駛只能中國人自己來解決。還有人在微博上提問我，說我從來沒有聽任何一個技術是帶著國家邊界的。我倒不是說這個是國家邊界，而是說整個通道，就像打通這個任督二脈時，我們現在還沒有打通，這個打通是什么？我們要真正的形成中國的海量的大數據，然后我們要選擇適合我們的芯片。然后我們在這個基礎上要搭建適合中國自動駕駛的傳感器系統，而這個系統一定要針對中國的場景，你要涵蓋中國的一些特定的軌跡、特定的場景、特定的一些交通動態。在這個基礎上再做中國的算法研究。我認為在中國解決這個自動駕駛這個技術要比西方要難十倍以上，所以整個這是一個框架性的問題，也是一個創新性的問題，也是需要很多技術積累的一個問題。而這個解決一定要中國人自己來深耕解決。
第二部分我想講解一下小鵬汽車我們對AI Car的一個定義，定義很重要。我認為一個車應該有三重智能才能在中國的馬路上去開，是一個科普性的一個概念吧。我們先說這個AI Car，AI Car它包含著很多東西，比如說我有幾十個傳感器來感知環境，我有互聯的功能，然后去取地圖，我有云的功能、芯片的功能、人工智能實時的計算功能，然后自適應學習以及各種林林總總的，我來分解一下它是怎么一種三重智能。首先，我個人認為不僅僅依靠云端智能，車一定要自己會開，所以一定要在車上有實時的足夠感知環境的，比如看200米也好，150米也好，這種攝像頭加上雷達，再做融合。我們為什么要做這么多種類的傳感器？因為沒有一種傳感器能夠滿足駕駛所看到的環境的需求。比如攝像頭能看到扁平的二維物體，雷達能看到速度跟三維，這兩者要加起來。我們如果有一種傳感器能夠準確告知它的三維的方向以及它的語意，那這個也是對自動駕駛將會產生推動性作用的一個技術創新。AI是很重要的，沒有人可以否認自動駕駛的問題，本質上就是由AI推動的一個問題，那AI將會對它的周圍的這個傳感器拿來的數據進行識別，對其他車輛進行識別，從而作出自己的一些決策跟軌跡規劃。而這個計算因為AI它要求的是高性能級的計算，所以一定要有一個高性能級別的芯片，且滿足車規，在車去運行。可能我這個問題大家一想覺得很簡單，我們不是有很多云，我們不是有很多GPU嗎？但那些是不完全滿足車規的，一個車跑在馬路上，它是五星級的安全規格，它是不允許隨時硬盤壞掉，隨時可以重啟。而我們的任何云端的東西都是存在故障率的，這個是不允許的。當然了，我們也要互聯，因為互聯可以告訴我們地圖，互聯可以告訴我們交通信息以及更多。剛才講的是個體智能，你個體搜集這么多信息，你做一個決策，這是個體智能。
那我們車多了，可以增加群體智能，有十臺車開過這里，看到這里馬路斷了，就可以告訴后面的車這里斷了，叫群體智能。就像我們的螞蟻蟻群一樣，那車也可以做到同樣的一個智能。另外一個輔助智能，大家會講，尤其是在中國很流行，我覺得中國政府做事情彎道超車的概念它很難去避免。比如說我個體智能做不到這么多東西，那我在馬路上加上各種東西，這就是輔助智能。你不管怎么搞，這個東西沒在這車上，這就是輔助智能，借助環境本身的感知能力。V2X讓這個車可以給各種東西發信號，但這只是一種愿景，你很難做到把世界（改造），你改造一輛車已經很難了，把世界都改了，裝上傳感器，且傳感器日異月新，且傳感器也不是百分之百可靠的，這個本身是個浩大的工程。所以，我個人認為它只是一個輔助性的東西。
接下來簡單分享一下我們說中國式自主研發，到底它的關鍵點跟我們自己的一個分解是怎樣的。做自動駕駛有這么多核心的東西，你規避不開，一定要去深耕，一定要去沉淀。比如芯片一定要有，沒有不要搞AI。第二，自主研發措施打通任督二脈，把數據，也就是代表場景跟車，跟算法連接起來，這是真正自動駕駛是一個框架性的東西。海量中國場景大數據，不管你再怎么海量，世界天天變，所以這個東西是一個永恒的難題。我逐一分解一下，我們海量大數據場景，這個場景要在公開的任意的，不能是限定場景。我們經常有朋友開車，在硅谷開得好好的，車一旦開到中國，發現什么都不行了，就是因為場景變了，一切都變了。所以，場景是一切的源泉，而場景體現在大數據里邊，而這個場景是要不加限制的，只要用戶開過的地方，你都要去開，去搜集。拿這個數據到云端經過組織之后，把它進行AI的一個創新，肯定是創新的一個你要識別，所有的東西你要做預測，你要更多接下來我會講一下，然后把這個算法弄到車載上，不要再僅僅在云端控制這個車輛。弄到車載上，你要在車上能算得動，你才有產品。這個東西形成閉環就是最關鍵的一個框架，形成閉環之后，讓這個算法通過數據進行生長，讓這個算法在車上得到驗證，再回來一些你解決不到的問題重新增長這個算法。這是一個框架跟智能它得以演進的一個東西。解決中國的自動駕駛一定要讓這個框架轉起來，要讓這個智能可演進，因為沒有人可以一步解決所有。
AI我總結了大家認為對AI的定義，每個人有不同的理解。那在車上，我們需要AI的“六維感知”，第一維感知，你得知道自己是怎么動的，怎么運轉，車輛動力學。第二維你要知道周圍是什么問題，物體。第三維你要知道物體精準的在什么地方。第四維你要知道互相之間它的這個預測，它未來。因為人駕駛，人的反應弧其實是很長的，反應弧比如是400毫秒，很長，甚至比算法要長。但是人能夠駕駛很好，因為人對未來有預測，他是基于預測在開車，而我們算法它總是基于歷史，過去看到的傳感器看到再算，算完決策，這個反應弧你是基于過去在做預測。所以，我們為了彌補這種延時，要對每個車輛的軌跡，每個賬號的軌跡進行預測，所以這第四維時間維度。第五維你要理解車輛之間它不是孤立的，它是有相互影響的，它是有事件的。你加塞了，別人可能不讓你加塞，別人可能會換道，你到底怎么想，你才能做出最好的一個決策。第五維，你做了一個決策，每個人開車不一樣，有的人就是我盡快走，有人就是說我要安全第一，有人我要舒適第一。所以，你做決策要理解你基于什么樣一種規則做的決策，這是第六維。六維感知之后才能真正的做到自動駕駛，我們現在的AI其實最多到了第二維或者到第2.5維。從2012年突破大數據的深度學習，它給大家提供了一個很好的水平線，就一下大家都水漲船高，在一個水平線上了，能夠識別上千物體、上萬物體的98%的精度比如說，所以這是二維。到第三維，我們需要高精定位，高精地圖在量產車上量產方案做，現在是一個全世界都沒有完全解決的問題。所以，我們現在在二跟三之間，但我們同時可以在研究界以及算法界可以做第四維、第五維的一些突破，一些預言，但是真正落到產品上還需要一些的實踐跟積累。所以，自動駕駛真正做起來，它是結合傳統經典算法，結合對scenarios的理解，有很多 scenarios，有很多場景。再結合AI做了各種各樣的復雜流水，所以為什么你看各個自動駕駛公司，有些人說我三個月車都可以開了，那你接下來這兩年你在干嗎？我在解決各種 scenarios，沒完沒了的scenarios，且我這個車只要一換城市，我原先在廣州開，我換到深圳發現這個什么東西都變了，我要重新再搞一下，這就是自動駕駛的難處了。
另外，車它不是一臺手機，它也不是一個電腦，安全要第一，要做到安全是很復雜的，這個車本身有控制單元，有感知單元，現在又有芯片，各種各樣的東西加到一起。為了解決這個問題，我們是說在傳感器上面做了一些冗余，在我們的控制單元上，在我們的急剎車上都做了一些冗余，把整個安全的以及智能分成了四個層次的框架系統，一層一層往上去漲。那我的一個基本的原則就是任何高級的智能都是不能以犧牲性命關天的安全性為原則。比如說Uber前幾個月發生了一些車禍，就是AEB沒有啟發，那這種情況下，我不管整個車有多智能，我是不會去用的，因為我AEB是我性命攸關的。所以我們在設計我們的系統上會第一步保證我這傳統一百年造車留下的精華不要被損害。第一層。第二層我有一個冗余。第三層、第四層我再說高級的智能，如果高級的智能做不到，我就回到下面的一些智能上去，保證人的性命安全，比這個智能的fancy的未來更重要。
最后很快我想跟大家分享一下我們的產品的智能演進。我說過，要解決自動駕駛問題，我不相信有一家廠商可以站出來說我落后的都解決了，這是不科學的，這個問題有它的科學性。所以它一定有一個演進的道路。我們把自動駕駛分成了，中國人駕駛他的焦慮痛點跟外國人不一樣，比如說外國人很少有這個停車焦慮，停車場都很多。但是中國人停車焦慮是很大的，所以我們第一步先從這個停車焦慮開始解決，從耳朵，就是先用超聲波，基于超聲波的泊位像蝙蝠探測一樣，你要有前后、左右有車輛才能去檢測，這個超聲波也是現在市場上大部分的停車系統用的這個技術框架。我們在此基礎上加了視覺，你這個車場空空的，超聲波探測不出來任何車位這是很傻的，這是人不能理解的。所以加上視覺，讓他能夠看到各種停車位。最后再加上語音，讓人可以跟它交互，再到一些記憶性的東西，一步一步的去演進它的智能。對于自動駕駛來講，駕駛焦慮，比如說春運的時候長途開高速公路的焦慮，比如說每天上下班，在一線城市每個人平均50分鐘、一個小時的堵車，上下早晚高峰的焦慮。這種焦慮已經使得人這個車的生存空間變成了人除了家、除了公司之外非常重要的一個生存空間，所以我們有自己發揮的這個空間。那我們解決完駕駛焦慮之后，會從先說高速自動駕駛開始去做，L2、L3的比如說人，L2就是人可以不允許脫手，你手要實時在上面，L3你可以允許脫手了，你這樣長途跋涉的時候，人的這個焦慮性、疲勞性可以得到更大程度的改善。再到擁堵情況下，車可以自己的跟停，然后handle一些換道，handle一些別人的加塞的問題，解決早晚駕駛高峰的焦慮。再到未來以后，城市十字路口怎么去過，現在也是一個永恒的難題，怎么上下高速，是真正做到從A點到B點的一個自動駕駛的關鍵技術門檻。再到最后，其實就算這些技術問題都解決了，自動駕駛問題也沒有完全解決，因為人的駕駛習慣，用戶體驗是我們最重要解決的問題，每個人他駕駛的習慣不一樣，有人喜歡用激進型的，有人喜歡平穩型的，所以最后我們要解決個性化的駕駛問題，這是我們的一個演進之路，粗框架的。
同時，我們要說車內智能也要去做，當人越來越多的解放出來之后，雙腳、雙手、眼睛都解放了，人在車里干嗎，你在真正做到無人駕駛之前，其實這個車是一個人機共同體，有一部分場景是車，有部分場景是人，只是在L2的時候，人大部分的還要駕駛，車駕駛少部分場景，越往上車越來越多的不需要人去管。在這個過程中，我們要通過駕駛員狀態監測來告知這個系統，來進行一個協同，說我人現在疲憊了，你要給他十秒鐘的時間接管，或者是這個人他現在看手機，你要節他八秒鐘的時間來接管，你要提前提醒他。才能夠說在車開的越來越多的情況下，你能夠做到更好的無縫的一個更安全的一個功能的一個配合。
最后我想跟大家分享一下，我們現在這個自動駕駛中心是一個兩岸四地的一個跨國的團隊，我們在廣州總部解決造車測試的問題，我們在硅谷有團隊解決軟件研發的問題，我們在上海，在北京也都有團隊。那我們近期也有好消息，是我們在硅谷取得加州自動駕駛路測許可。那我們希望在今年，我們只做少量的事情，其中一件最重要的事情就是把任督二脈打通，把框架建立起來，然后實現基本的功能，開始真正的上車做實驗。我希望我們是一個做正確的事，然后用正確的方法來做事的一個團隊，也希望大家能夠關注我們接下來的一個成績和一個結果。謝謝大家！