为什么说眼下的无人驾驶还处于“BP机阶段”？
2018/11/30 20:04:24 创新工场
作为产业发展的根本驱动力，创新技术的重要性毋庸置疑。当一项新兴技术强势出现后，业内应该如何面对这波冲击？又有哪些新的挑战随之而来？？
11月27日，飞步科技创始人兼CEO何晓飞、AutoX创始人兼CEO肖健雄、英伟达中国区自动驾驶负责人董方亮等业内大咖齐聚创新工场主办的2018自动驾驶全球高峰论坛，分享对自动驾驶落地技术挑战的认知与破解之法。
通过这篇文章，你将了解：
L4以上无人驾驶的实现需要哪些大的技术版块？眼下哪些技术已经准备好了？哪些技术还处于待机状态？
如何去判断检验一家无人车公司的技术好与坏？业内大咖心中的评估准则是什么？
自动驾驶芯片持续升温，但前方的攻坚之路仍一望无际。目前业内如何看待自动驾驶芯片的发展情况？未来的突破方向？
目前自动驾驶技术处于怎样的发展阶段？
量子位联合创始人李根主持了这场论坛，他曾是新浪科技首席记者，新浪集团年度优秀记者，先后独家报道了科技领域诸多大事件，在AI领域，他是国内最早报道AlphaGo、百度无人车上路等重要技术进展的媒体人。
以下是对话实录，希望能予你启迪▼▼▼
李根：大家好，我是量子位联合创始人李根。在我们正式开始之前，请大家介绍一下自己公司的业务情况。
何晓飞：大家好，我叫何晓飞，是飞步科技的创始人兼CEO，之前是滴滴出行高级副总裁。我们公司主要致力于无人驾驶货运，技术方面我们采取的是从软件到硬件全闭环开发的策略。除了讲得比较多的感知、规划、控制、决策等软件方面，我们在针对无人驾驶的智能芯片方面也有一些比较深的积累。
肖健雄：大家好，我叫肖健雄，之前在MIT读博士，后来在普林斯顿大学当教授。我们公司AutoX是2016年在硅谷成立的，现在公司在珠三角、长三角都有办公室，也希望能够很快来到广州，设立我们的广州办公室。
我们是专注于L4无人驾驶的团队，技术特点是独创的双AI人工智能系统，现在在美国方面已经进行了一系列的落地，例如在美国推出了全球首个无人驾驶生鲜运送和外卖运送服务，现在在美国圣何塞区域对公众开放，所有人都可以使用我们的无人外卖生鲜配送服务。在中国也落地各种场景，例如与物流公司和主机厂合作，像美团、中通快递、东风、上汽集团等落地无人汽车园区物流。
我们独创技术之一就是非常高分辨率的感知系统，我们独创的双主传感器包括激光雷达和摄像头，通过硬件同步可以把我们对世界感知的分辨率提高到非常高的程度。同时我们也独创自己的神经网络系统，做instance level segmentation。这种网络一般都是非常慢的，但是通过算法上和工程上的优化，我们可以做到15毫秒/帧。这些独创技术提高了自动驾驶的安全性，让我们对量产更有信心。
董方亮：我是来自英伟达的董方亮，我在英伟达主要从事自动驾驶商务合作方面的工作。今天非常有幸来到这里，感谢创新工场。我们发现创新工场与英伟达在很多方面有很多重合，比如说今天看到我们的合作伙伴也坐在台下。英伟达最早是做四元计算图形的一个公司，在公司发展过程中，我们逐步从视觉计算、图形向AI方面延伸。我们发现在AI领域，自动驾驶是一个非常好的应用行业。我们也很高兴能跟中国的合作伙伴在一起，共同让自动驾驶在中国落地。
▌详解自动驾驶落地技术
李根：刚刚他们介绍比较谦虚，何晓飞博士是浙江大学最年轻的教授，肖博士也是港科大的传奇校友，英伟达更不用说了，就是自动驾驶领域内不可缺少的芯片公司。
我们今天论坛重点要讨论的话题是自动驾驶落地面临的技术挑战。所以在开始讨论之前，我们需要结合几位所在领域，先列条件划定清楚范围，比如级别上，可能以L4为标准，完全无人。其次在讨论范畴里，固定简单场景或者完全给无人车开专道的情况也先排除，我们就讨论家用的无人车——随时随地，哪儿都能去。
我们先讨论的第一个话题，请问您认为L4无人驾驶的实现需要哪些大技术板块，现在哪些技术准备好了？哪些技术还需要努力？
何晓飞：我认为主要有三个方面。在未来相当长的一段时间内，这三个方面都需要有一个彼此之间的配合。
第一，无人驾驶的操作系统。我们经常提及的感知、规划，包括行人检测、识别率和准确率，这背后的核心技术就是我们今天讲得比较多的人工智能、机器学习等。
第二，芯片。每一波技术浪潮刚兴起的时候，软件和硬件都是一起发力的。像八十年代的Windows和英特尔，硬件和软件一定是紧密结合的状态。我们目前所处的无人驾驶阶段还处于非常早期，不管是软件还是硬件，总体上讲离成熟都还有一定的距离，所以这两者之间一定需要紧密结合。
第三，传感器。就像车上的摄像头、激光雷达、毫米波雷达，我们需要机器像人一样感知我们周围的环境。
肖健雄：软硬件配合肯定非常非常重要，但是从我们的角度看，我们认为每个公司都有一个专注点：有的公司专注于造车，把车造得非常好；有的公司专注于软件算法，把软件算法做得特别好；有的公司专注于芯片，把芯片设计得非常好。每个公司都有一个专长，都有他的DNA。我们会以非常开放的心态，通过与主机厂、芯片公司合作来布局这方面。
关于L3还是L4，或者私家车还是运营车这两个问题，我觉得这些肯定都是并存的。辅助驾驶和无人驾驶其实是两个赛道。在我眼里，辅助驾驶和无人驾驶的区别，有点像打电报和互联网的区别，是完全不一样的商业模式。打电报也能全球传递信息，但是从来没有人想通过打电报的方式做广告，而互联网最赚钱的业务就是做广告。所以我认为L3是在车上加点东西，这其实是给私家车，特别是给高端私家车辅助体验。
但说到L4，我认为想得更多的是如何真正实现无人运营，如何通过无人驾驶技术来改变出租车行业、改变无人物流、无人外卖、无人卡车，我认为这才是真正的无人驾驶。有时候一个新科技出现得早，大家还没有意识到它的爆发力有多大。我认为无人驾驶的发明有点像互联网的发明，我们讨论的根本不应该是如何打好电报，而是应该通过互联网社会创造更大的生产力。
董方亮：在这里我可以跟大家简单分享一下英伟达在自动驾驶方面的一些体会。今天我们都在讲L3或者L4。对于一个L4系统而言，要上路可能需要做很多方面的准备。在设定整体目标的时候，首先要保证安全，也要技术可达。在这两个大目标之下，如果把整个L4系统做一个比较粗略的分解，可以分解到几个层面：
一是芯片、硬件平台层面，你怎么从硬件的层面达到车规需求，包括满足车规安全；二是操作系统层面；三是应用软件层面；四是系统架构要符合整个车辆开发的流程，包括工具链要符合车规需求等，实现这些才能保证你的系统功能符合车辆的安全保证。在这之后还要把场景定义好，在最终的自动驾驶汽车上路之前，你需要做很多的配套测试，除了实地路测之外，还有一些很好的方式，比如通过模拟做虚拟路测，如此一来才能让L4级别自动驾驶车辆上路。
▌业内大咖心中的技术评判准则
李根：如果要去体验自动驾驶汽车，您自己会主要看哪些方面的技术？您是如何去判断检验某一家无人车公司的技术好与不好？
董方亮：这个话题比较大，只能从我们公司本身的体会来看。首先，刚才简单提到了整个自动驾驶技术的整个体系架构要满足车辆功能安全。在满足大功能安全的前提下，你在不同的模块、不同的功能上要有一些技术的突破点。
在芯片层面我可以分享一个新闻，英伟达旗下全球首款自动驾驶处理器Xavier通过了德国的南德意志集团认证，它能够保证我们的智能计算平台通过测试规范，这只是从基础的计算平台角度去讲。在这之上也有很多工作需要去做，例如满足车规的操作系统，再上一层的感知模块要能够满足场景需求。
感知模块用一个稍微具体的例子来讲，在真正上路跑的时候，你不光要能发现大的移动物体或者是对你的行驶产生干扰的大物体，对小物体的检测其实也非常考验一个公司的实力。例如哪些小物体会对行车造成影响？哪些不会？如何高效、实时的把它们检测出来？这都是技术的积累。
李根：肖教授，假如您自己去乘坐别人家的无人驾驶汽车，您自己会重点关注哪方面的技术，如何评判做得好还是不好？
肖健雄：这个不只是别人家的自动驾驶车，包括我们自家的自动驾驶车，我们也一直在自我评价然后才能进行内部工程管理。我认为最重要一点是坐在车上的性能体验，而且不只是坐几分钟的。你在车上坐两个小时，你看这个车会不会在马路空空的时候乱急刹车。乱刹车就是对物体的识别和对物体的预测判断不够精准，这是一个考量的指标。
当然，也要看有没有人工的介入。每个公司计算人工介入次数MPI的方式不一样，有些公司认为每次人工介入都叫人工介入，有的不是，所以这个自报的MPI数字不是很有参考价值。更可靠的是你坐在车上两三个小时，在硅谷比较好的初创公司或者大公司可以做到七八个小时没有任何人工介入，没有任何的错误，你在车上待一两天就知道了。
同时，也要看这个公司在技术上的成熟度。因为我们是办一个公司，而不是做一个研发项目，所以需要配套的工程化能力。例如，一旦车进到复杂的路况，AI没办法处理，怎么办？这时候停在路上还是远程接管功能？如果一家公司真正想把无人驾驶量产、真正实现产品化，那么这个远程监控、远程遥控系统也是非常重要的。
另外还要与车保持通讯，这个车的线控模块怎么做？这也是非常重要的，是通过跟主机厂合作或者是使用自家开发的车规级ECU？刹车油门转向是关键控制，虽然平时可能坐五六个小时都没问题，但是一旦有情况，可能刹车都刹不下来了，这也是很重要的。第三方的很多改车小公司不具备这种无人驾驶车量产的能力。
包括仿真器的相应配套，你要看看这个公司的工程师是自己在车里调试一下就下来，还是有非常科学的安全测试流程？这个车是每天都在跑，还是买了二十台车基本放在车库，每天就跑一两个小时？汽车的利用率也是一家自动驾驶公司成熟度的一个重要表现。
李根：何晓飞教授，听说您的车已经有一些具体的运营，对比肖教授，您衡量技术的标准会不会有些不同之处？
何晓飞：我想重点讲两点。第一，速度。大家知道，作为人类，我们开车也是这样的，速度越快，就越是紧张。对于无人驾驶也是如此，速度快了，你的车震动得会更厉害。我们现在做的是卡车，不是乘用车。大家知道卡车开得快的时候，震动是非常厉害的，车头、车身本身的结构比较松散，而且速度快了，刹车距离也会更长。
第二，响应时间。速度快的情况下，前方我们看到一个障碍物在20米、30米以外，即使我们的感知做得非常好，我们知道前方有一个障碍物，但是我们是不是有足够快的响应时间，能够做出准确的决策？现在卡车能够开到90公里每小时，差不多是25米/秒。响应时间乘以车速就是安全距离，人的响应时间在0.7秒左右，所以对应的安全距离是18米。我们整个无人驾驶的软件算法到芯片形成了全闭环的技术体系，可以最大限度去降低响应时间。目前，我们的整体技术方案可以将响应时间控制在0.05秒，这样算下来，我们可以把安全距离做到一个非常好的范围，只要不是障碍物贴到车身，我们都可以有一个非常快的响应。
现在有很多指标来判断自动驾驶技术水平，但是真正落地到未来的“三化”运营，我们最关心的核心指标有两个：速度和响应时间。
▌自动驾驶芯片之争
李根：刚才大家提到了自动驾驶对芯片性能的一些需求，现在我们需要攻坚的技术里面，芯片到底是处于一个什么样的水平？听说何教授的芯片已经是完成了流片，能不能分享一下自动驾驶芯片的现状是怎样？未来可能的发展情况？它的迭代速度可能会是一个什么样的状态？
何晓飞：在现阶段，针对芯片，应该说还没有一个统一的或者大家公认的解决方案。我相信，目前全球范围内真正在跑的车上还是以GPU架构为主，这个是针对L4级别的；L3级别的话，我们可能还会用到像FPGA这样的一些芯片。
未来的发展方向，我个人认为会针对专用场景做一些应用功能。为什么？可能在大家的想象里，人工智能已经非常强大了，能够像人一样。但是事实上，我们今天的人工智能所处的技术阶段本质上还是基于我们的数据，数据本身又是基于我们的场景，基于我们的功能。所以针对人工智能芯片，我相信在相当长的一段时间，应该说很难做到通用芯片。像过去的GPU、CPU本身是通用芯片，我们在所有的领域，像交通、医疗、金融等用的都是这样的芯片；但是在人工智能阶段，可能大家会发现有人工智能的，有无人驾驶的，也有智能音箱的等等。
回到无人驾驶，今年9月我们刚刚完成了第一代芯片流片，我们第一代芯片主要是针对摄像头、激光雷达、毫米波雷达，针对感知的一块芯片。到明年，我们会推出一款融合芯片，基本上可以取代目前所有GPU的这一部分。到后年我们会推出一款决策芯片，类似于车的大脑，未来会取代整个GPU所用的计算平台。
李根：在GTC大会上，英伟达的自动驾驶芯片也是大家关注的一个重点，能否介绍一下，现状是怎么样的？未来迭代的速度会是怎么样的？
董方亮：英伟达在自动驾驶方面主推的平台DriveXavier是SOC架构。因为自动驾驶是一个既要求高效率又要求一定的通行计算和灵活性的计算平台，所以在这方面，我们会做一个最优的组合。也就是说我们会把我们的SOC分成几个方面，一方面会去做灵活性比较高的通用性计算，除此之外，我们会在我们的工具和软件方面上做一些特殊的加速器。也就是说，加上我们的主SOC能够保证我们的计算平台在满足通用计算的需求同时，在视频编解码方面实现优化加速，从而达到整个系统技能满足一定的通用性，又能最大化实现优化加速，这是我们的一个选择。从产品研发的角度讲，我们下一代产品也会陆续公布出来。
李根：肖教授，你们在硅谷有一些运营生鲜的落地项目，之前也有一些代驾、远程监管的项目推出，在芯片方面，会不会有相应的方案？
肖健雄：在芯片方面，我们同意英伟达这边的看法，我觉得自动驾驶ASIC芯片早晚会发生，但最起码要十年、二十年时间。因为整个自动驾驶软件，包括神经网络一直在迭代，一直在进步，一直在改，一直在升级。就算成熟如谷歌都已经做了十年的无人驾驶，他们每天都在改，一直在改进，还处于没办法固化下来的阶段。所以我们特别喜欢英伟达的芯片，我们的软件可以一直升级，我们可以一直不停地迭代，把自动驾驶的系统升级得越来越好。
同时，自动驾驶芯片一定要车规级么？我觉得也不一定。为什么？我们的无人驾驶关键是要安全，安全不等价于车规级。安全要的是冗余，是一个东西坏了，有另外一个东西可以当后备，马上介入。你看谷歌的无人驾驶，它的芯片并不是车规级，但是它有冗余，有两台电脑，一台坏了，另外一台可以马上介入。
当然这也关系到是运营还是私家车的问题，私家车一定要有车规级的芯片才可以卖。但是如果是运营车辆，你的电脑坏了或是有一个芯片坏了，另外一个要能够马上介入，保证安全，让车在路边停下，再派一个维修人员去那里维修一下，这样可以得到解决。当然车规级肯定更好，但我觉得这不是一个必要条件，而是一个良好的补充。
在安全方面，我们经常强调的是“全栈冗余”，什么东西都能冗余，主传感器有两套冗余，AI有两套冗余，芯片也有两套冗余。英伟达的设计就是有冗余的设计，是非常健康的设计，包括线控芯片也得冗余。所以我认为所谓的车规级不一定是全栈车规级，但是一定要全栈有冗余。
李根：最后一个问题，如果我们以手机为比喻，大哥大，诺基亚摩托罗拉为代表的功能机，苹果安卓为代表的智能手机，现在无人技术处于什么样的阶段？
何晓飞：手机最核心的功能是通话，无人驾驶最核心的功能我觉得应该是“无人”。从这个意义上来讲，我们现在是处于BP机的阶段。
肖健雄：我觉得也是属于非常早期的阶段，是PC时代之前的品牌机阶段。也恰恰是因为属于非常早期的阶段，所以我觉得现在很多东西是通用的更好，因为大家还在变的阶段。只有全栈进行优化，你才可以把这个系统打磨得很好。
董方亮：我就一句话讲我的观点，就是值得期待，来的想得比你快。
推荐阅读：
万字对话为你展现自动驾驶生态圈内还有哪些难题
这里有一份高质量自动驾驶会议全纪录
为什么说买车是最糟糕的投资，明早见! | 直播预告
欢迎关注创新工场微信公众号：chuangxin2009。创新工场拥有强大的投资和投后团队，持续输出关于创业投资、投后的真知灼见~ 还有机会参与到创业培训、沙龙和其他各类活动中。
http://weixin.100md.com
返回 创新工场 返回首页 返回百拇医药