智能科技需要软融合

谭晶宝

自动驾驶的必经之路上还有哪些不得不翻越的“火焰山”？

进入2019年下半年后，各大车企纷纷推出L2级自动驾驶量产车型，让自动驾驶的落地步伐又向前跨越了一大步。然而，在实现全自动驾驶目标的漫长道路之上，刚刚从测试阶段准备迈向运营阶段。我们应该如何走稳这一步，走在浪潮之巅的科技公司都有自己的见解，也都在自己的领域为之奋斗。

百度：从测试到运营

“从测试到运营是无人驾驶落地的必经之路。”百度智能驾驶事业群组自动驾驶技术部副总经理陶吉介绍。北京市的自动驾驶车辆测试年度报告显示，在2018年有来自8家公司的54辆自动驾驶汽车，在北京的开放道路区域进行了自动驾驶测试，其中，百度的车辆数占83%，测试里程占总里程的比例达到91%，并且做到零事故。

今年，百度在北京拿到了目前国内最高级别（T4）自动驾驶测试牌照，意味着百度具备了可以在复杂城市道路场景测试的能力。“T4意味着测试道路会进行动态变化，比如施工、潮汐车道、临时红绿灯等不断变化的路况，在这种情况下车辆如何应对极其重要。”陶吉解释。除了在北京测试，百度以超过300辆自动驾驶汽车在全国13个城市积累了超过200万公里的测试里程，涵盖了不同季节、不同道路类型以及不同交通状况等各种数据，丰富的数据成为百度自动驾驶技术提升改进的动力。

“通过长时间的测试，我们从车辆能力的角度出发把L4级别自动驾驶的发展归为六个小阶段、两个大阶段。”陶吉说道。两个大阶段是测试阶段和运营阶段，涵盖了从一辆单车的研发开始，到把车队商业化落地的全生命周期。其中测试阶段又分为封闭道路测试、开放道路测试、区域路网测试;运营阶段划分为小规模试运营、规模化试运营、多城市商业化运营三个阶段。

据陶吉介绍，测试阶段简单来说就是通过对车辆进行改装，车上只搭载测试和研发人员，在限定区域进行一些固定线路的测试，在这一阶段的关注重点是车辆的技术指标;其核心是MPI，即每两次人工干预之间的自动行驶里程，测试阶段是车辆能力的提升阶段。

运营阶段的变化首先体现在更大规模的车队，这意味着不能再使用过去的改装车，而是需要定制化的量产车型来部署在区域路网，而且会有真实的运营需求，行驶路径也由固定路线变为点到点的自由路径。车上除了搭载测试人员外，还会有真实需求的乘客。在这一阶段，关注的重点是运营效率，每公里的成本是关键指标，其中包括整车成本和运维成本。自动驾驶车辆使用的激光雷达、计算单元的成本相比普通车辆都是成倍增加的。在运维方面，需要技术团队来解决车辆出现的故障，现阶段还有驾驶员的成本。系统越稳定、车辆质量越高运维成本就会越低，未来完全无需驾驶员的时候成本还将大幅降低。当这些条件达到以后，每天通过跑更多的里程将进一步降低每公里的成本。

为什么说从测试到运营是L4级别自动驾驶的必经之路？陶吉解释道：“运营将会带给我们更加贴近真实的应用场景，更大的车队需要更高的稳定性，同时还要搭载乘客确保舒适性。有了真实用户以后，他们反馈的意见将进一步帮助我们全流程打磨技术、打磨产品，推动自动驾驶的商业化落地。”

要实现从测试到运营的跨越需要科技公司、政府和整车企业多方的努力。每个角色都有自己需要面临的问题和顾虑，科技公司想要拥有更广泛的路网，想要搭载真实乘客;政府会考虑上路的安全标准，会不会影响道路交通？整车企业则会思考把产品卖给谁，研发成本谁来分摊，整车企业以什么样的身份参与到未来无人驾驶的运营服务当中？陶吉总结到：“测试阶段可能不需要更多的合作，如果想要做到从测试到运营的转变，需要科技公司、政府、整车企业做到三位一体。”

东软睿驰：软件定义汽车

在新四化的发展趋势之下，汽车电子占整车成本的比重逐年加大。20世纪70年代，汽车电子成本占比为2%，到目前，其成本占比已经达到了40%以上。“正是新四化的必然趋势决定了未来一定是由软件来定义汽车。”东软睿驰汽车技术（上海）有限公司全球营销总经理茅海燕认为。

茅海燕介绍，目前电动汽车的市场占有率为4%左右，到2030年，电动汽车市占率预计能达到20%以上。在智能网联方面，L3级自动驾驶车辆在2020年预计将达到10万辆，2030年将会快速增长至1000万辆。L4级别以上的汽车到2030年预计将能达到500万辆，新四化的道路之上虽然还存在很多阻碍，但前进的步伐只会越来越快。

新四化的发展离不开AI、大数据、深度学习、V2X、VR等核心技术，市场也越来越需要新技术的应用，这些技术的发展需要独立的发展空间，只有通过精心设计的软件架构，这些技术才能得到独立发展并加快汽车技术的迭代更新。随着芯片产业链和传感器的发展，未来的软件架构能够充分赋能汽车技术的发展，让OTA、平台化开发成为可能，不仅能让新产品快速推入市场，还能大大降低研发成本。

“新四化发展下的另外一个趋势是软件与硬件的耦合将逐渐降低。”茅海燕说。目前很多整车企业的研发团队中，软件工程师的比例正在飙升，整车企业正在着手开展软硬件分离的工作，也就是以开放性标准化的软件平台应对不同的硬件，从而使成本达到最低。以前是嵌入式软件，每换一个硬件，软件就需要重新开发，这让软件开发的投入巨大。因此，汽车架构正在从分布式走向集中式。过去每一项功能都有一个单独的ECU控制，一辆汽车里面有将近100个ECU，现阶段通过不同的域控制器实现复杂功能的控制，随着技术的发展，未来各个域控制器还会进一步融合，形成一个中心控制“大脑”，最终实现软硬件之间的零耦合。

“其实四化已经成为必然的趋势，东软睿驰希望可以用自己27年的经验积累为四化赋能。没有一家企业可以把所有的事情都做好，所以生态的建设尤其重要。”茅海燕表示。为了创造更好的生态环境，东软睿驰正在从多个方面努力推进：其一，通过大学培训合作实现人才的无缝衔接;其二，建立互利共赢的合作伙伴生态;其三，参与国内和国际四化标准的制定，构建理论和实践标准;其四，通过构建开发者联盟来降低开发成本、推广软件产品，从而提升行业普及率。

地平线：海量数据的挑战

自动驾驶技术的发展产生了海量的数据，ADAS、高级别自动驾驶、高精地图和定位将让数据的产生呈指数增长。此外，车内的智能交互涉及视觉、语音的采集和分析，这些应用都将产生更多的数据并需要在车内进行实时处理。

“迎接海量数据挑战的关键是什么？是如何实现实时计算，减少反应延迟，提高可靠性和数据隐私的安全以及数据传输和存储。如果不在边缘进行计算，将会让基础设施成本剧增，还将导致网络数据传输成本的增加。我们通过边缘AI计算帮助行业减少云端的压力。”地平线副总裁、智能驾驶产品线总经理张玉峰表示。

张玉峰介绍，5G近两年成为非常火热的话题，让数据传输具备了高可靠性的保障，对V2X技术有极大的赋能，让其更加容易落地。但5G并没有办法给主干网带来质的提升，目前来看，5G对数据的搬运能力只有七八百米的距离，容易在5G基站形成一个个数据堰塞湖，这其实打开了边缘计算的商机和市场。

未来，每辆自動驾驶汽车每天将产生600-1000TB的数据，2000辆自动驾驶汽车一天所产生的数据量就相当于2015年整个人类文明一天的数据量。从不同级别的自动驾驶来看，自动驾驶每升高一级便会导致数据量的增加，对边缘处理器的能力要求也就越高，要实现L4级自动驾驶可能需要300多万亿次每秒的计算能力。当前的算力还仅仅相当于一只老鼠大脑的能力，由于物理极限的存在，继续靠降低体积让算力增长的方式将面临严峻挑战。地平线选择通过算法和芯片架构的协同设计，让计算机领域的摩尔定律得以延续。通过芯片架构、软件系统和编辑工具的协同优化，并结合场景优化算法，地平线可以继续保持每18个月让算力翻倍的速度。

“曾经将能耗、性能、面积，作为评价芯片性能的核心指标，如今，AI芯片的性能需要从能源转化为计算的效率（TOPS/Watt）、算力成本（TOPS/$）、算力利用率（Utilization Rate）、算力转化为AI输出的效率（AI Perf/TOPS）这四个有效算力的维度，来重新定义AI芯片的真实性能。”张玉峰说。