广汽研究院郭继舜：智能驾驶量产的困难与希望 | 行家说
编者按：3 月 27 日，「汽车之心·行家说」第 9 期邀请了广汽研究院智能驾驶技术部部长，广汽 L3/L4 无人驾驶技术总监郭继舜分享《智能驾驶量产的困难与希望》。
「汽车之心·行家说」由汽车之心主办，辰韬资本联合主办。汽车之心致力于推动汽车与科技的融合。辰韬智驾基金专注智能驾驶创业投资，为智能驾驶创业者赋能。
本文来自郭继舜分享的部分内容节选。欢迎扫描下方二维码观看完整视频分享。
核心观点：
1、2020 年，高级别智能驾驶（L3 级以上）走到了关键时期，突破软硬件的局限性、从实验室走到可量产、保证功能安全将是关键要素；
2、为什么 L3 难产？因为从 L3 开始，只要在智能驾驶状态，车辆就要为智能驾驶的结果负责，就要对系统、算法、冗余、结果都要负责。
3、脱离里程只是一个单一的维度，真正说明自动驾驶能力的，是场景数；车辆能够覆盖 corner case、bad case 的数量，才是车辆真正可用性的标准。
高级别智能驾驶量产走到关键时期
2015 年到 2025 年是自动驾驶的黄金的十年，我们现在正好是在黄金 10 年的中间部分。
经历了多次发展的高潮期和低谷期之后，随着大数据、云计算、人工智能芯片、深度学习算法等技术提升，以及资本的大量进入，我们来到了第三次人工智能浪潮的前夕。
无人驾驶之父、Udacity 创始人 Sebastian Thrun 说，智能驾驶是人工智能改变这个世界的起点。
但是技术进步是渐进式的。
往前回溯，从 2013 年、2014 年开始，自动驾驶逐渐有了一个预热期，2015 年的时候达到顶点，无论是初创公司的数量，还是我们去畅想未来的远景，还是资本的投入都达到了顶点。但是逐渐人们发现好像智能驾驶没有那么容易，由于技术、法律、资本、市场等原因，并没有那么快。
不是人工智能给了我们一个阴谋，而是我们逐渐发现原来这个事情没有那么容易。
2020 年，高级别智能驾驶（L3 级以上）走到了关键的时候，出现了什么问题呢？
第 1 个问题：
我们充分认识了在汽车行业，软件硬件的局限性。芯片的算力远远达不到需求，没有办法完全保证系统的可靠性，场景的覆盖度、算法的成熟度，不断让我们认识到自动驾驶、智能驾驶、无人驾驶，在每一个名词后面所代表的技术的含义，以及要付出的工作量。
第 2 个问题：
从实验室的产品变成可量产，变成真的能够为老百姓服务和盈利的产品。比如说 L4 层面，大家还在使用机械式的激光雷达，但是在量产层面，开始尝试使用混合固态，并关注固态雷达。
车厂量产，希望能把 10-20 万台车卖给老百姓，并且在智能驾驶的时候不会出问题。
第 3 个问题：
功能安全需要极大的关注。想要量产，功能安全一定是最重要的一点，就是我们要保证无论是一个新手还是个老司机，都能够非常好地驾驭车辆，不会因为车本身问题而出现事故。此外，还有冗余、伦理、法规、人机交互等等问题。
OEM 与科技公司的不同
OEM：L1-L5 的渐进式发展路线，几乎所有的主机厂都是这条路线，原因在于主机厂需要不断把量产的车辆卖给老百姓。
各大主机厂已基本具备 L2 级自动驾驶能力，并致力于 L3 级的量产开发，预计 2020 年会相继推出 L3 级量产车型。
科技公司：跳过 L2、L3，直接开发高级别自动驾驶车辆，把智能驾驶汽车作为一个大号的机器人来处理。
这种方式主要面向特殊用途、特定场景开始起步，比如 Robotaxi、接驳车、矿区、港口、园区等。
ADAS 的现状和局限性
ADAS 的市场是在稳步增长，越来越多的汽车在顶配、次顶配或者高配上已经搭载了 ADAS 的功能。
中国现在的 ADAS 功能市场占有率较全球来说还是相对比较低的。国内的 ADAS 供应商现在并没有很好的市场渗透率，没有占到 15%，主要还是博世、德尔福、大陆等知名的一级供应商为主。
市场需求方面，ADAS 用户需求调研结果中，75% 的中国消费者接受自动驾驶，并且对自动驾驶抱有比较高的期待，这个值远远超过欧美国家。但是消费者对智能驾驶的这种边界，以及它能实现什么样的功能不够了解。
ADAS 有很多局限性：
首先，现阶段 ADAS 功能的区域局限性、场景局限性比较明显。除了 AEB 之外，大多数的 ADAS 功能只能在高速公路上启动，而且即使在高速公路上，无法覆盖驾驶所需的大部分场景，系统仍然需要驾驶员接管。
第二，ADAS 在用户体验上也有局限性，不能真正解放用户的注意力。ADAS 功能要求用户要时刻准备好接管车辆，不能缓解他的压力，而且需要接管的条件很多。
第三，人机交互局限。为了保证不出现误触发的情况，ADAS 功能的启动都相对繁琐的，至少需要 2-3 个步骤才能确认，而且各功能开关方式差异大，各功能的警报、提醒、显示样式繁多，识别困难。
为什么 L3 难产？
有预测数据，到了 2030 年左右，L3 的全球汽车市场占有率能达到 20%，并且在未来的 10-20 年时间，以 Robotaxi 为主的智能驾驶应用以及高级别的智能驾驶，会很快来到人的生活里面。
为什么 L3 难产？因为从 L3 开始，只要在智能驾驶状态，车辆就要为智能驾驶的结果负责，就要对系统、算法、冗余、结果都要负责。
奥迪并没有放弃 L3，仅仅是把 L3 级及以上的智能驾驶交给大众专门的软件部门。
奥迪 A8 是全世界现阶段唯一的真正具备量产能力的 L3 级别的车型，但是德国法律不允许这样的汽车在高速公路上行驶，所以它具备了量产能力，却没有量产。
什么才是 L3 的功能？
L3 的第 1 个典型功能叫做 TJC，奥迪 A8 上实现了。即在高速公路拥堵的时候，低于 60km/h 的时候，驾驶员可以完全脱手、脱眼、脱脚，只需系统预警后 10 秒内进行接管。
另一个典型功能 HWC 功能，高速公路上 0-120 公里全速的时候，可以脱手、脱眼、脱脚，只需系统预警后 10 秒内进行接管。这个非常难了，奥迪 A8 也没有实现。
除了政策的限制，还有哪些问题？
技术方面：
感知很昂贵，但是不准确，3 个 9（99.9%）或者 5 个 9（99.999%）的标准远远不够；
决策算法无法覆盖所有的场景，端到端技术的可解释性太差了，边界不够明显；
要保证足够的冗余，没有足够快速、稳定、冗余的线控；
功能安全要达到 ASIL D 的级别；
芯片的算力，估计 L3 全功能可能需要 30T 以上的算力。
系统的局限性：
首先，传感器。想要达到足够好的功能安全级别，在任何一个角度，任何一个可覆盖区域上，必须有两种以上的异构传感器去覆盖，每一个目标都要有两种以上传感器能够识别。L3 级别智能驾驶，不用激光雷达，基本不可能，达不到功能安全的要求。
第二，算力。L3 算力至少 30TOPS 以上，而且实时性要求极高，要求低功耗，稳定、高可靠性，而且成本不能太高。
第三，域控制器。域控制器的开发需要复杂的流程，在物理结构上，分散式的 ECU 要变成非常集中的域控制。
第四，执行器件。有些器件现阶段还不能量产来大规模使用。
第五，冗余。制动系统、转向系统、电源系统、通信系统等都需要足够的冗余。
因此，真正严格意义上带有全冗余的 L3 现阶段很难实现，即使 2021 年可能会有，但成本会非常高，研发费和单价都非常高。
特斯拉和 Waymo 的领先之处
特斯拉：
1、特斯拉领先之处在于先进的电子电器架构，特斯拉重新梳理和定义了新一代电子电器架构，将智能驾驶域、智能座舱域、新能源电源管理域等每一个域由一个中央处理器来完成管理，这就使得特斯拉对车辆持续的 OTA 升级成为可能，可以不断推出新功能。
2、特斯拉基于影子模式和哨兵模式打造完善的数据生态，打通了数据、算法、芯片闭环。特斯拉是全世界唯一通过量产车来收集数据的公司，通过影子模式收集用户的驾驶行为数据，对海量的数据快速筛选来进行分析和学习。
3、关注用户体验，研发小但是有用的功能。
4、底盘调教非常好，体验很好。
Waymo：
1、脱离里程；
2、海量的结构化场景数据，不只是结构化视频或者连续帧，而是交通场景和事件；
3、领先的行为预测和规划算法；
4、几乎所有的 L4 零部件的自主知识产权；
5、对人机交互进行深入研究，并形成了技术范式；
6、虚拟仿真水平远远领先；
7、对下一代汽车的系统定义能力。
顶级 L4 无人驾驶的公司的修养
脱离里程只是一个单一的维度，对一个自动驾驶汽车的能力做初步的了解，但是真正拿什么去说明自动驾驶的能力？
在我看来是场景数。车辆能够覆盖多少各种各样的 corner case、bad case，才是车辆真正具备可用性的非常好的标准。
往期回顾：