撰文/ 吴 静
编辑/ 张 南
设计/ 师玉超
谈到自动驾驶，我们就不得不提到自动驾驶昂贵的眼睛——激光雷达。最近两年，搭载激光雷达的自动驾驶量产车型，陆续在市面上出现。激光雷达因其出色的感知能力，成为了当下车企间关于自动驾驶感知系统配置“内卷”的绝对焦点，围绕激光雷达的新一轮自动驾驶“军备竞赛”，也愈发激烈，你搭载三颗，他就搭载四颗……
曾经，长城旗下新能源汽车品牌沙龙更是在产品宣发材料中公开写出“4颗以下、请别说话”这样的文案，以此来强调其自动驾驶车型在激光雷达方面的优势。
在不同的时期，新能源汽车厂商经历了几个科技参数大比拼阶段。比如过去比拼百公里加速度，续航里程等，在自动驾驶的军备竞赛愈演愈烈的当下，当下车企又开始比拼代表智能化能力水平的雷达、摄像头等外部环境感知参数，以及芯片算力参数竞争。
算力通常被用来指代芯片的性能，简单理解即算力越大，性能越好。随着激光雷达上车，自动驾驶计算平台突破1000TOPS，算力成为越来越多汽车厂家主打的汽车卖点之一。另外，对于自动驾驶车辆来说，激光雷达固然不可或缺，但真的越多越好吗？算力又能说明一切吗？
7月8日下午，在2022第十四届中国汽车蓝皮书论坛上，上海芯旺微电子副总裁丁丁，后摩智能创始人兼CEO吴强，百度IDG首席产品架构师郭阳，地平线首席生态官徐健，江铃福特CTO兼总助、智能网联研究院院长黄少堂，智能出行集团执行总裁、复睿智行首席运营官薛春宇6位嘉宾，以“自动驾驶军备竞赛”为题，探讨自动驾驶军备竞赛背后的根源，以及行业单纯的参数比拼带来的利与弊等系列问题。
郭阳表示，军备竞赛是一个好事儿，因为这证明了大家在智能车的领域，把智能化提升到了一个要去通过军备竞赛影响用户的程度，证明它确实在车的需求上开始向另一个方向发展。他认为性能的上升必然是逐步发展的趋势，但在这个趋势中怎么把性能的能力发挥出来，这是大家在现实中应该去共同研究的课题。
吴强表示，某种程度上，军备竞赛也是不可避免的，自动驾驶是新事物，没有人知道这个东西怎么做，没有人做得很好，这个时候前期必须先把一些东西饱和度预埋。此外，他认为，用创新的办法解决军备竞赛带来的“副作用”，比如说大功耗、成本问题等很重要。
薛春宇认为，军备竞赛体现了一种焦虑，这个焦虑来自于对技术的不确定性，也来自于对市场的不确定性。从“堆料”的目的性来讲，这还要考虑整个市场的理解度，这跟手机行业比较类似，刚开始做手机的时候大家都堆料，堆屏幕、分辨率，堆了以后市场反馈怎么样，最终还是消费者说了算。另外，他表示，有时候新车为了相关的市场推广要去堆算力，但最终还要回到成本是不是可持续，市场能不能接受。因为如果算力堆上去，最终发现算力只用了20%和30%，对整车来讲是成本浪费。
丁丁表示，智能汽车行业这么快速的发展，背后最核心的逻辑源自于半导体技术的进步，如果没有云端计算的算力快速发展，没有车端的感知，没有计算决策控制能力的提升，智能汽车就无从谈起，后端的生态的软件层面的系统层面非常关键，没有硬件层面的基石一切无从谈起。此外，他还表示，硬件预埋不光是从推理计算芯片层面，从整车的总线，通信架构层面，在感知、决策、执行层面也需要做一些预埋。硬件预埋要放多少下去，主机厂要有更前瞻的眼光去看到，在生命周期之内预埋下来的算力，应该充分在系统、软件、硬件层面发挥，不要只用到50%就浪费了，怎么充分将预埋的效率和性能发挥出来，这就是我们军备竞赛应该慎重、认真考虑的。
黄少堂认为，今天不管厂商能提供多好的功能，都不能告诉用户手可以脱离方向盘，车厂不敢承担法律责任，用户还是放不下心充分利用，真正完全推动把堆料变成实际，真正的解决方案是能够把整个无人驾驶的体验做到极致，真正从心理上、生理上让消费者放心，这个时候的堆料才是有意义的，这个时候的算力才能够发挥到极致。
徐健认为，芯片首先是为软件服务的，我们要通过软硬结合，再到软硬分离的过程，把芯片的算力效用通过软件发挥到最大，这也是未来智能汽车发展的一个重要趋势。一直以来，地平线一直强调不仅仅是算力，而是FPS，每一秒能够计算多少桢，简单来看算力大不如算得快，如果用很快的效率能把计算速度提高，这是效率能起到的作用。
以下是当天的讨论实录，本场主持人是汽车商业评论主编刘宝华。
刘宝华（汽车商业评论主编）：各位现场的朋友和看直播的朋友大家好，今天下午最后一个环节，整个下午这个场子基本都是自动驾驶的环节，我就不做铺垫了，尽快单刀直入。我说两个规则，第一今天讨论没有对和错，很多问题确实没有答案，现在好像有了一定的倾向，将来没准翻转，没有对错大家放开来讲。第二个规则是可以自由抢答，也可以自由补答，比上一场好一点，上一场7个人，这一场6个嘉宾，时间有限，大家可以选择自己每一个问题都说，或者选择一些问题说，也会有一个问题是针对每一位嘉宾的。咱们开始，第一个问题先介绍一下，刚才有两位做过演讲了，可以简单一点，其他嘉宾介绍一下自己和自己公司，更重要的是介绍所在的赛道是什么情况，给大家多提供一些营养，现在的格局是怎样的？
薛春宇（复星智能出行集团执行总裁、复睿智行首席运营官）：复星复睿智行主要是做车端和路端的一家自动驾驶方案的公司。
黄少堂（江铃福特CTO兼总助、智能网联研究院院长）：我来自江铃福特，是中国唯一一家以合资品牌最早上市的企业，我们比较低调，无人驾驶、智能网联，特别是商用车我们是中国第一，所有疫情抗疫救命车80%的车都是我们的，我们也做福特品牌的乘用车、领界、领裕、领睿，做轻卡也做皮卡，我在那边主要负责智能网联电池电气工作。
徐健（地平线首席生态官）：我在地平线负责生态建设，主要服务生态伙伴，地平线是中国最早实现AI芯片前装量产的芯片公司，我们从2019年开始每年保持推出一款芯片，每年有一款芯片的前装量产，去年我们推出了征程系列芯片已经出货了100万片，去年推出了征程5，是中国第一款百T算力的大算力为自动驾驶而生的芯片，现在在中国整个的OEM车企得到了广泛应用，我们和自动驾驶的合作伙伴都有非常好的合作，我们非常期待能未来用地平线的芯片为自动驾驶行业的进步做出自己的贡献。谢谢。
郭阳（百度IDG首席产品架构师）：我是百度这边负责自动驾驶量产的郭阳。百度在自动驾驶的投入是国内是最早的，目前自动驾驶有两大板块，一个是Robotaxi，在十几个城市进行商业化运营，目标是三年扩展到30个城市，今年年初取得了一个重大进展，在北京已经可以允许主驾无人的运营，Robotaxi已经进入正式商业运营的阶段。另外，我负责的是和车厂把我们的自动驾驶技术向更广泛的辅助驾驶来使用，我们在泊车、行车方向上都和很多主机厂进行合作，包括和很多芯片公司合作，开始做量产方案，我们会把Robotaxi和辅助驾驶的方案融合在一起，形成一个强大的数据闭环，来把百度在自动驾驶上积累这么多年的优势，释放给广大的普通用户。
吴强（后摩智能创始人兼CEO）：大家好，我是后摩智能的吴强，后摩智能是一家芯片公司，也是国内一家用存算一体技术做智能驾驶芯片的公司，存算一体是存储和计算的完全融合，大家知道在智能驾驶芯片赛道，国际巨头主要是英伟达、高通这些，我们从成立之初就秉承了一个理念，如果我们要挑战国际巨头，不能用英伟达的方式打英伟达，必须另辟蹊径，我们刚开始就用了存算一体的创新架构，去做大算力又低功耗的芯片，因为存算一体是基于内脑计算，天生就是为大算力AI计算而生。
后摩智能成立于2020年下半年，去年完成了第一款芯片的留片，今年年底左右希望能把第一款量产芯片+预控制器给无人车和智能驾驶客户使用，我们产品的差异化是希望能做大算力几百T的物理算力，而不是虚拟算力，做到英伟达2倍的算力，同时是低功耗，可以自然风冷散热，不需要昂贵的液冷散热。后摩智能的愿景是希望和国内同行一起完成智能驾驶芯片的国产化，为国内客户提供高性能又低功耗低成本的芯片解决方案，谢谢大家。
丁丁（上海芯旺微电子副总裁）：大家好，我是芯旺微的丁丁，我主要在公司负责销售团队和市场推广，我们芯旺微是国内比较早期基于自主构建的灵活架构的一套CPU系统，针对工业和后汽车市场开发一些MCU芯片，我们一直坚持在行业干了10多年，早期在汽车前装市场一直没有太好的机会有所突破，去年车厂的零部件，尤其是汽车MCU的交付出现重大的违期以后，我们得益于早期的积累，很快抓住了大量的项目和机会，去年有千万的交付，上到国内主流的车厂，包括大众和现在的平台也已经实现百万级的批量交付。
今年交付面临的问题还是比较严峻，陆陆续续获得了更多的项目，接下来我希望围绕各大主机厂的需求，能深入地去开展配合和服务，把我们车载MCU未来的工艺安全问题，能比较彻底一点的解决掉。在这个过程中，我希望各大主机厂和各大零件厂商，能给国内所有坚持的企业，一些机会一些包容，再过两到三年我相信我们的体系和能力，应该都是能快速的提升，能更好地匹配和满足大家对于汽车零部件的可靠性、体系、流程各方面的要求。
如何理解“军备竞赛”
刘宝华：去年蓝皮书的时候我也主持了一个自动驾驶的议题，那一次议题5个嘉宾全是激光雷达，很专一但也有点单调。今年感觉好多了，有做芯片、MCU、科技公司、解决方案的，有主机厂，还有连运营都做的，覆盖的产业链广度更大。下面进入主题军备竞赛，我们是开放的，我理解的军备竞赛是不是指的“堆料”，比如说每一个新车发的时候多少个传感器，多少个激光雷达，算力多少，比拼越来越凶，我每次看新车发布会，尤其智能电动车都替友商捏一把汗，现在智能电动车的变化太快了，相比传统燃油车时代，一两个月发的新车变化就非常大，大家怎么理解军备竞赛，怎么看待这件事？自由回答。
薛春宇：我先来，军备竞赛体现了一种焦虑，这个焦虑来自于对技术的不确定性，也来自于对市场的不确定性，大家关注现在新能源车的市场销售，卖得最好的不一定是堆料最多的。从堆料的目的性来讲，可能要考虑一下整个市场的理解度，这个其实跟手机行业比较类似，刚开始做手机的时候大家都堆料，堆屏幕、分辨率，堆了以后市场反馈怎么样，是消费者说了算。
第二是成本，就像我在主题演讲里说的，成本确实非常高，现在算力一个T的成本堆上千T的东西上去，工程师是非常开心的看到你帮我堆了那么多的算力上去，我做算法的时候其实是非常开心的，因为我压力很小。但另一个问题是你怎么把算力用足用好，你怎么把算力用到市场和老板满意的角度？这对工程师是一个挑战，如果算力堆上去，最终发现算力只用了20%和30%，对整车来讲是成本浪费。
有些人考虑到未来要把算力堆上去，最终要看生命周期算力的运用程度，在堆算力的同时总结一下要看成本。刚开始，车为了相关的市场推广要去堆算力，最终要回到成本是不是可持续，再看市场的接受度，市场卖车和研发部一样，车到底卖不卖得掉，市场能不能接受。
黄少堂：是主机厂的问题，开发商不能决定用多少雷达，主机厂面临很大的挑战，特别是商用车，理论上来说最大的智能驾驶应用场景，无人驾驶场景都是在商用车，商用车是营运的车，营运运行40%是人工成本，Robotaxi为什么走不远？因为它不是刚需，我们有这么多人没有工作，这么多司机可以找，营运就不一样了，你既然要营运，既然要批量，既然要智能化，成本对于我们来说尤为重要。对于商用车领域，现在和乘用车开始接轨，商用车更注重的是性价比。一边是扎实基于ADAS渐进式的往上增长，提供性价比最高的解决方案；另一边是基于乘用车、造车新势力更多往激光雷达，更高算力上靠，实际上作为激光雷达或者高算力芯片的选择，是不是标配，是不是都用上了？其实有很大的成分还是有一些埋点，有一些没有用到，并不是覆盖所有，对于用户来说也许根据你的产品定位和价格，怎么样体现先进性？还要有一个品牌和广告效应在里面。
今天不管你再好的功能，但你都不能告诉用户，你可以手脱开你的方向盘，车厂不敢承担法律责任，用户还是放不下心充分利用，真正的完全推动把堆料变成实际，真正的解决方案是在哪里？能够把整个无人驾驶的体验做到极致，真正的从心理上、生理上，消费者放心，这个时候的堆料才是有意义的，这个时候的算力才能够发挥到极致。
徐健：所有的芯片或者所有的装配，你得要接地气，要有好的性价比，才能发挥效用。从算力芯片来讲，我们也面临这个问题，很多人说要把几颗星在一起变千T的算力，地平线对这个问题有两个认知，第一芯片首先是为软件服务的，我们要通过软硬结合，再到软硬分离的过程，把芯片的算力效用通过软件发挥到最大，这是非常重要的，也是未来智能汽车发展的一个重要趋势。今天早上余凯在演讲中提到公摊面积大，有一些大算力的芯片公摊面积大了以后，实际用的只有那个算力的30%、20%，更好的是什么？就是我们通过软硬结合去让芯片的效率发挥到最好。地平线一直强调不仅仅是算力，而是我们叫FPS，每一秒能够计算多少桢，简单来看算力大不如算得快，如果用很快的效率能把计算速度提高，这是效率能起到的作用。
刘宝华：这算不算另一种军备竞赛，转移战场了？
徐健：你让自动驾驶在电光火石之间必须做出反应，对于效率的提升是最根本的，比如说我们征程5芯片，128T的算力，从去年发布经过了5个月的过程，我们原来的FPS1283，现在PFS到1531，算法没有变，芯片的设计没有变，我们通过软件的架构和工程，可以使得效率在不断提升，我觉得算得快、效率最高是对自动驾驶最大的保障。
第二我们要重视在芯片上的软件生态，如果不重视芯片上软件的效能芯片，我认为不是一个好的芯片，所以我们现在正在不断的去和很多的软件公司，大家在一起合作。
比如说像今天前面讲的我们跟轻舟做了一个发布，希望共同推出来轻舟做Robotaxi公司，如何在嵌入式芯片上合作，我们在百度希望让地平线的芯片，让软件发挥更大的效能，只有这样才能够真正的给智能汽车带来最好的体验。
刘宝华：前三位貌似反对简单的军备竞赛，尤其第三位徐总转移战场到别的地方军备竞赛去了比FPS，这是另一个军备竞赛，我期待能不能有不同的意见的，咱们后面看能不能产生一些分歧最好，我期待一下，继续。
性能的上升是必然趋势
郭阳：百度作为总的解决方案供应商，我的观点和前三位有共同之处，但我认为军备竞赛是一个好事儿，证明了大家在智能车的领域里，把智能化提升到了一个要去通过军备竞赛影响用户的程度，证明它确实在车的需求上开始向另一个方向发展。
现在能看到的是大家只是在看硬件的性能提升，没有去考虑整个系统解决方案，我们在日常和主机厂沟通中也会经常被问到，比如说我们推荐解决方案会问你为什么不用更高算力的芯片，或者用更大的芯片。我们会举一些例子，因为这是在真实世界中会发生的，比如苹果手机和安卓手机内存和CPU不会比安卓高，但是整个的使用流畅度和效果都是要好很多的，涉及到车的领域特别像的一个例子，就是游戏机，家用的游戏机不管是新一代的PS5还是Xbox，只用几千块钱的价位在同一款游戏说做到FPS，你如果想用通用的电脑来使用的话，可能需要买一个3090T的显卡，买一个很高的CPU要花几万块钱。除了堆料怎么把性能以系统的形式融合发挥出来，这应该是大家在后边真正把这个东西做到量产以后要更多研究的方向，我认为性能的上升必然是逐步发展的趋势，在这个趋势怎么把性能的能力发挥出来，还是大家在现实中应该去共同研究的课题。
吴强：我同意百度这位同事说的，军备竞赛是好事儿，也是不可避免的，自动驾驶是新的东西很早期，没有人知道这个东西怎么做，没有人做得很好，这个时候前期必须先把一些东西饱和度预埋。比如我们是做芯片的，我们先把算力预埋，有足够算力，至少在所有限制条件里，有一个限制条件是没有的，这个算力是物理算力，软件很重要，我也同意，软件代表着一个利用率，利用率很重要，本身物理算力是基础也很重要。
算力最大的问题是我们要解决矛盾。要算力做大第一要提高利用率，另外算力军备竞赛会带来很多问题和副作用，比如成本问题，第二个问题是大算力带来的功耗问题，散热、液冷等等系列问题，这些都是让自动驾驶不太落地的原因。
军备竞赛是好事儿，怎么解决带来的副作用比如说大功耗问题等等，能不能用创新的办法解决这个矛盾很重要，这是我的观点。
徐健：算力对芯片来讲就是成本，算力越大从芯片设计来讲其实是面积越大，面积越大，成本都在里面，刚才黄总讲的，关键是性价比的问题，我提供这么大的成本带来什么样的性能。
吴强：怎么用低成本的办法做出大算力的芯片来，这是我们跟徐总这些创业者要共同解决的问题。
丁丁：关于军备竞赛这个事情我是这样看的，我们做MCU是在底层的传感链接驱动执行层面深入做工作，硬件是软件的载体，现在智能汽车行业这么快速的发展，背后最核心的逻辑源自于半导体技术的进步，如果没有云端计算的算力快速发展，没有车端的感知，没有计算决策控制能力的提升，我们的智能汽车就无从谈起，后端的生态的软件层面的系统层面，这个非常关键，没有硬件层面的基石一切无从谈起。
基于车厂，因为竞争到现在，大家都在布局L3、L4这个竞争，大家提前做了一些硬件的预埋，把更先进的算力架构配置下去了，上车以后通过不断的数据收集，我们自动驾驶还在一个初级起步阶段，我们的数据闭环和数据收集，数据的处理能力，以及软件的版本迭代能力，在这样一个提前预埋的硬件平台基础上，我们就有可能持续不断的做一些升级，让用户能持续不断的在这辆车的生命周期内不断地感受到这种升级迭代所带来的新的体验感，我想这是在一定可控程度上的军备竞赛目标和目的。
硬件预埋不光是从推理计算芯片层面，从整车的总线，通信架构层面，在感知、决策、执行层面也需要做一些预埋，我们才可能带来多个维度多方面的用户体验，从我们MCU的层面我们也在展开探索性的工作，比如配合智能汽车智能驾驶，在电子电气架构方面做一些改变和调整，我们在这种线控底盘、线控刹车方面，未来要有更好的体验，BUU和MCU层面要把提前的算力性能指标放下去，否则没有底层的执行层面支撑，光有更高算力的进步，最终没有执行层面的变化和进步是难以实现的，硬件预埋要放多少下去，主机厂要有更前瞻的眼光去看到，在生命周期之内我们预埋下来的算力，应该充分在系统、软件、硬件层面发挥，不要只用到50%就浪费了，怎么充分将预埋的效率和性能发挥出来，这就是我们军备竞赛应该慎重、认真考虑的。
从车厂和营销的角度看，在军备竞赛上拉拉口号，有一些显性和指标性的数据，向消费者去传递，这是无可厚非的，把用户请到店里来让他上车体验我们硬件方面的预埋程度，是很难去感知的，通过算力预埋的硬件的显性指标性能快速传播吸引用户的眼球，这是无可厚非的，怎么把控好，把预埋下去的充分利用起来，这个军备竞赛才是有意义的。
刘宝华：还是有一些不同意见的，我个人觉得军备竞赛不管大家认为好还是不好，是一个必然因素，一定会发生。它是消费者简单判断整车好不好、先进不先进、性能好不好的一个最直观的因素。大家都说体验为王，普通消费者很难很难把他需要的价格区间内的五六款、十几款车挨个儿体验，有一些功能还要体验好几天才能感受到，这不太现实，最简单的方法是比较配置也好、参数也好，这就涉及到军备竞赛，是没有办法的办法。除非你的产品力口碑绝对碾压。再比如刚才讲到苹果的一些硬件参数并不是最强的，但是消费者可能会问，苹果下一代是不是比上一代参数强，那是肯定的，这些东西在消费者眼里是有意义的。
但是带来的问题是成本，你要配置成本一定会上去，自动驾驶怎么做到配置好、价格低？压力不光是主机厂，还有整个产业链这一方。
我们之所以每年讨论自动驾驶，除了最前沿的技术革命，还有每年不停的变化，变化是非常有意思的，之前行业里普遍大多数人认为如果从L0熬L5分级，很多人认为L3是很鸡肋的阶段，L2之后要直接进入到L4，认为机器开着开着让人接管是不太可能实现的，所以很多技术实现是从L2往L4奔的。
今年尤其明显，很多技术路线对L3更加偏重了，有降维的说法，尤其是刚才几位嘉宾提到了成本问题很重要，性价比，包括质价比都是一个意思，大家怎么看成本对智能驾驶的影响，包括L3比前几年更受重视的现象？这是妥协吗？包括成本问题。
不光是成本问题，也是技术问题
黄少堂：不光是成本问题，也是技术问题，你看今天唐锐讲了，他觉得智能泊车都没有足够用好，哪一款车敢宣称到L4？第一技术的积累是否到了？第二场景的穷尽是否包括了？第三我们有没有足够的实验数据，能够有这么多的场景？
我刚才讲了几种路，一个是车路协同，一个是高举高打的，实际上都是围绕智能驾驶L3的，不是反人类L3，不是哲学问题，人机接手，大家以为春天来了，一切疼痛都没有了，实际上不是的。L3我们会在这里很长时间，这是现实，这是客观发展规律，整个过程我从来没有认为L3是过渡，L3是人机接手，你们自问一个简单的问题，这么多L4、L5的做传感感知规划决策的，怎么连一个ACC、AEB都做不好？下面我回答你的问题，如果他们都做不好，你怎么谈无人驾驶？那有多少个AEB组成无人驾驶？
刘宝华：您认为这不是成本问题，是技术问题是吗？
黄少堂：你说是成本问题，我们看到的这些劳斯莱斯动辄千百万，我们可以装多少个激光雷达，埋多少个算力在里面？你把自动驾驶车真正交付到用户手上，你难道能制约他跑西藏、跑新疆吗？到今天为止有哪一个车跑到这些极限的情况，去进行过无人驾驶的？是不是我们不需要覆盖这些？
薛春宇：我也基于黄帮主的想法补充两点，这其实是一个主动性和被动性选择都有的问题，被动性选择上就是技术，确实黄总说的连AEB都做不好，你怎么做L3、L4，现在很多时候发生的事故就是因为AEB没有做好，AEB就是感知没有做好，技术细节不谈，确实是因为AEB没有做好技术达不到没法做L3、L4，只能降级做L2，这是第一个被动性的。
这是一个偏悲观的讲法，从乐观来讲，我觉得大家选择开始做L2+，从行业来讲是一个行业成熟的现象，从我们产品角度来讲，一个好的体验感更好的L2+，要比吹牛的L4更好。我们一直在说一些场景，比如在上海的内环上，如果真的能把一个拥堵的跟随做好，不被人尽量的插车，导致不停的打断，这些真能够把跟车功能做好，就比你再一个号称自己能做L3、L4，非常低速的40公里、50公里的封闭的场景做L4更有意义，这是行业成熟的现象，大家开始真正思考客户需要什么，而不是简单的吹说我做L4，我这个车肯定比你做L3好，我做L3肯定比你做L2好，一个好的产品不是用数字标定的，我觉得是用客户体验标定的，我的观点还是一个好的L2+要比一个吹嘘的L3更有意义，更有市场的一些反馈，这是我的观点。
刘宝华：您觉得这是成熟的标志，是不是前几年把目标定为做L4的公司，可以说全行业太幼稚了，没有遭受过社会的毒打。
薛春宇：这是行业的认知问题，行业对自动驾驶和AI来讲，大家都在学习，没有前车之鉴，在没有前车之鉴的情况下，大家做出一些大胆的判断和大胆的预测。总归理想还是要有的，被现实毒打以后更现实地做好一些能实现的功能，就是一个行业成熟的行为。
郭阳：我们比较深入地分析了自动驾驶技术对于一个用户来说有什么样的价值，可以分为三类不同的作用，这对于产品的场景及级别的需求分别都不一样。第一类场景更多是使用自动驾驶技术帮助用户做一些人类虽然也能做，但人类做的时候比较容易出错，容易疲劳驾驶的工作，就比如像刚才第一位嘉宾举的堵车例子，我们只要能把这个场景做到让机器能替代人类去降低碰撞的风险，降低一些问题实际就ok。
甚至于他的能力在短时间内没有人开得好，比如防加塞的时候，人防家塞车不会冒险，看起来效果没有人好，确实能帮用户解决问题，这就是一个很好的产品，这是我们认为说在现阶段很多主机厂开始追求L2，更容易大规模使用的产品因素。
还有一些场景是机器开车比人开车更有效率更有价值，比如我们举的Robotaxi场景，你要机器当司机，还有大货车、大卡车在高速干线上跑的场景，如果机器能24小时跑，成本能比人类低，这个方向可能就是我们追求往L4场景做的方向。还有机器比人更适合，像矿山的恶劣环境，机器开车会比人开得更好，不会让人有生命危险，这也是一种更新的尝试，从使用角度来讲第一种替代人类解决一些疲劳一些安全的方案，这种是更容易普及的，这是车厂从使用角度出发看待事情，产品也在往这个方向发展。
刘宝华：我借其他嘉宾的观点问一下，你们百度做L4，Robotaxi也在做，你们是不是太幼稚了？
郭阳：Robotaxi我们为什么做，这个场景用出租车司机的场景来讲，用机器来做成本在后面是有可能低于人类的，你看我们现在也拿我们的L4的技术开始往辅助驾驶的方向来发展，这两个实际上是面向不同的用户场景，我觉得可以理解为一开始的时候大家把场景定义地相对窄一些，没有站在更多的大规模使用的角度来考虑，现在经过认知上升以后，考虑的面更广一些，从百度的定义，这两个产品面对的对象和场景是完全不一样的。
吴强：我认为成本不是主要问题，更多是技术和法律问题，因为我们现在讨论的是全场景下的智能驾驶，不是封闭和半封闭，L4、L5主要是算法的问题，几年前在一个论坛上我说过类似的观点，我认为在全场景下的智能驾驶一定是走一个路线，首先是硬件和算力预埋，软件和算法是渐进逐渐到位的过程，这是我几年前的观点，我今天还是这么认为。
刘宝华：我觉得法律完全不是问题，现在有的车说明是已经具备L3功能，但是等待法律允许，等法律允许以后就能这样做了，我不知道这个违反不违反广告法，从他那儿看法律不是问题。
吴强：L4法律和伦理上的问题，中国算是比较激进的，还是算非常非常早期。
丁丁：吴总提到智价比的概念非常好，基于现有的技术基础，如果我们能一步一步地解决用户目前所面临的痛点，通过适度的堆积预埋，让消费者看到稳定的预期，我相信他会买单，车厂和消费者怎么样建立有效的机制沟通，获得一个信任，告诉大家在未来的3到5年我们会逐步让你有什么体验和改善，我认为这个路是走得通的。
徐健：从地平线的角度来看，我们在去年理想ONE，我们用了7、8个月的时间，理想OEN的NOV，后来有一个媒体评测理想是最强的VEB，整个过程中我们看到确实是技术量产的挑战很大，首先第一个是量产，刚才黄帮主说的问题，不是仅仅在公控机上面去跑，这是很大的鸿沟。
第二个，可能智能驾驶到一定的阶段不会无限制地往上走，今天有一位嘉宾提到人机共驾，因为你ADAS也好，自动驾驶也好，是让人们驾驶得更加舒适，大家也提到有法律和社会的问题，根本还是消费者需求，消费者的需求也是由技术的提供方来提供的，这个过程中怎么让他更多体验到智能给他带来的便利，更多的是人和马的关系，让车可以在有限的场景下帮助他减少驾驶的疲劳，达到这个水平，我觉得就一定是可以的。关键还是我们怎么看待消费者的需求。
刘宝华：这一轮回答大家都没有太提到成本，今天好几位之前的演讲嘉宾都说成本是很重要的降维的原因，到底是不是这个原因我们继续聊，下一个问题从丁总开始，你们的主要产品是MCU，从底层到下一个层面的连接点，从你们的角度，你们接触的主机厂客户比较多，如果军备竞赛要做也好，要改也好，因为大家都谈客户体验，怎么样来提升这个用户体验，还需要做什么，除了军备竞赛的话？
丁丁：这个主机厂应该更前瞻地去考虑这件事，不是简单的参数堆积，也不是简单的参数焦虑，要有系统的规划以款车五年之内怎么逐步把算力、架构、平台和效率逐步发挥出来，有清晰的逻辑能够去传递给消费者一个明确的预期，每隔半年一年我的驾驶体验感有新的变化，我相信这种预埋下去的代价，消费者应该是能接受的。就像我买车，如果为了某一个新的加装，可能要多花3万、5万块，是不是消费者相当一部分买了豪华配置的顶配，我们在自动驾驶的意见预埋这个地方，为什么不能有这个概念去推进？随着规模效应上来了以后，半导体、软硬件只要有规模和体量，成本控制有非常大的空间做调整，这是我的看法。
智能汽车何时到达平衡点
……
技术先进到量产的鸿沟
……
（详见汽车商业评论杂志报道）
本文由汽车商业评论原创出品
转载或内容合作请联系说明
违规转载必究
扫码加入读者微信群
交流汽车话题
