主持人：
品玩高级主笔 王飞
对话嘉宾：
元戎启行副总裁、合伙人 刘轩
驭势科技联合创始人 彭进展
一径科技副总裁&联合创始人 夏冰冰
王飞：感谢各位嘉宾，感谢现在还在线上聆听的这些观众。今天这个圆桌的主题是从辅助驾驶到自动驾驶到无人驾驶，我对各位可能已经有一些了解了，但是可能线上的朋友们还不太清楚，也许我们可以从每位嘉宾的自我介绍开始，来自哪家公司，公司的主要业务是什么。
夏冰冰：大家好，我叫夏冰冰，我是一径科技的联合创始人，负责我们公司的研发工作，我们公司主要是做固态激光雷达。
王飞：可能看了这个主题我知道三位都是来自于行业内举足轻重的公司，看到这个主题有一个感想，我们对三个名词的定义在行业里已经非常清楚了，对于我们普通人来说，或者说行外人来说，就是一个需要人去介入和不需要人介入的区别，需要用手去扶着方向盘，或者完全无人的机器驾驶。聊到这个事情，我们前几个月某一家车企有一个事故出来，可能引起了大家对这个定义的讨论，也想请三位行内人谈一谈自己对这三个名词或者三个阶段到底是怎么定义的，以及怎么去理解我们行内人对这个东西有一个非常明显的了解，但贵重对这个事情有一个认知偏差的鸿沟。
夏冰冰：这几个阶段本质是人工相对介入程度的不同，包括我们公司也好，我们还是希望最终自动驾驶能够实现真正的落地，到L4或者L5这个级别，我们也在朝这个方向去努力。在这个阶段可能更需要的是尽可能少的人的干预，尽可能成熟的算法，包括处理能力。
彭进展：辅助驾驶、无人驾驶很容易理解，自动驾驶放在中间更喜欢把它叫做高级别的辅助驾驶或者无人驾驶。辅助驾驶，我们开一辆车，我们的脑子在想着开这辆车，眼睛是看交通的情况，看自己开得如何，手和脚控制这个车。辅助驾驶可以把你的手脚释放出来，但是你的眼睛、脑子还要想着这件事。如果到高级别的自动驾驶，比如L3级别或者L2++，在很多情况下可以把手也放下来，高级别的自动驾驶可能在95%以上的情况可以让你不用碰方向盘和油门刹车。我们也有这样的解决方案，比如高速路，你进ETC到出ETC，现在高级别的自动驾驶基本上可以让你不碰方向盘。可能在一些突发的情况会通知你还要控制这辆车，这时候你的手可以放，你的人还要在司机位置上，还要想开车这个事。无人驾驶，真正的司机，甚至现在无人驾驶还有安全员，我们把安全员拿掉，真正做到去享受，不用担心开车的事情或者让它认物、认人。现在很多这样的场景已经真正实现了真无人的无人驾驶，在机场、工厂一些限定的区域。
王飞：一个是解放的注意力，一个是还没有彻底解放注意力的区别，刘总怎么看？
刘轩：刚才彭总已经讲了很多，讲得非常好，我再补充一些我自己的看法。在我们来看，不管是美国高速公路管理局也好，或者咱们国家标准的制定者，对自动驾驶的级别有严格的区分，比如从L1-L5，并没有很严格的一定要跟自动驾驶、辅助驾驶或者无人驾驶一一对应，只是大家的一种理解，但是从严格意义上来讲，还是有一个确定标准的，比如L1-L5需要满足什么样的特点。大家现在也在聊自动驾驶和辅助驾驶的区别，我认为最主要有三点区别。第一，设计的理念跟目标不一样，像辅助驾驶，刚才彭总也提了，很多是能够让驾驶员更轻松，可以不用花费太多注意力就可以完成这项任务。但是自动驾驶设计的目标是真正把人力解放掉，可能会实现某种程度上的经济价值，比如这个地方不需要这个人，把这个人的成本省下来，让这个人去解决更多的问题。第二，自动驾驶和辅助驾驶在技术实现的路径和关注场景上不一样，辅助驾驶因为成本或者面临量产化，更多关注的是一些更离散的场景，比如车道保持、车道跟随或者是自动泊车，日常大家买的车上能够看到的这些功能。自动驾驶更关注的是全局，用户坐在车上，把行驶权交给算法，以后自己不用管了。第三，行驶安全的责任主体上肯定不一样了，虽然现在还没有统一的规范，大家普遍认为辅助驾驶的责任主体绝大部分是司机甚至完全是司机，但自动驾驶更倾向于认为是算法或者服务提供商来承担。为什么会有用户把这个搞混，个别企业可能出于宣传产品的需要，有意混淆了一些概念，用户可能不是特别清楚。如果真的想把这个行业推进好，有一点可以做，从业人员应该传达更多更准确更精确的信息给用户，让用户了解到我的产品到底是提供什么样功能的产品，我们在这方面做的功能，我们在深圳也开始面向公众提供L4自动驾驶的服务，希望能够把这部分信息传达给用户，告诉用户这个是符合L4标准的，其他的产品该是怎么样，他可以有一些参考和对比。
王飞：上次车企那个事情出来以后，市场上也有一些讨论，可能因为没有激光雷达的介入，可能在安全性上还是存在一些隐患的，市面上一些分析也认为有了激光雷达之后，车的安全性会有很大的提升，也想请夏总分享一下，我们今天这个阵容也比较有意思，两位来自应用的，一位来自激光雷达的提供商。从应用和技术的角度，激光雷达真正能帮我们免除掉那些危险吗？
夏冰冰：对激光雷达而言，比较擅长的是一些更高的角度分辨率还有距离分辨率，这种情况下能够提供比如像黑夜或者弱光条件下的小物体的检测，可以提供精确位置的判断。基于这些信息，能够帮助我们的解决方案或者整车厂在感知层加入更多的安全的措施，能防止一些碰撞，能形成一些有效的可行驶区域的算法的检测。作为一个自动驾驶的解决方案而言，仅仅激光雷达是不够的。
彭进展：真正要做到安全可靠的无人驾驶的系统来讲，光靠单一的传感器是不够的，因为单一的传感器，激光雷达也有失效的情况，每个人都有缺点，这样必须要冗余，必须要做到多层的冗余，特别是在看的这方面。我们肯定是在真正去做无人驾驶，全部去给客户提供这样的方案产品的时候，肯定是有激光雷达和摄像头的，而且这个数目也越来越多，以前可能是五六个摄像头，两三个激光雷达，现在如果真的要做一个比较可靠、比较安全的无人驾驶，十几个摄像头，五六个甚至七八个激光雷达都变成常规的配置。一方面是技术的发展，也是产业链，激光雷达发展非常快，成本下降非常快，这也是给我们更多的信心。无人驾驶，我们虽然是从2016年就开始说，包括当时领头羊还是百度，当时说三年应用、五年商用，一直在跳票。在这里也可以跟大家说，其实这一天真的快来了，特别是像一经他们这样的产业链公司的支持。
刘轩：前面两位已经说了非常多的信息，刚才夏总也提了，如果我们用激光雷达可以拿到更多的信息，不同的传感器之间，数据可能有冗余，检测结果精度肯定是更好的，其实它带给自动驾驶企业特别是高级别自动驾驶企业能带来什么，比如人类干预的程度差不多的情况下，纯视觉路径要短很多，速度快很多。路径可能相对比较长一些，在实现最终商业化上需要的时间周期还有人的资源、一些数据要多很多。另外一方面，我们作为自动驾驶的从业人员，第一保证的是车辆和人员，还有周边的这些外部物体的安全性，我们肯定希望安全冗余越多越好，在尽可能安全的情况下行使。这样问题就来了，为什么会有一些企业不愿意用激光雷达甚至有一些排斥激光雷达，不是技术上的考量，而是商业上的考量，早期激光雷达可能单个售价7、8万美元，远远超过一个普通中型车甚至是豪华车的售价，对于车企打造一款产品来讲是不合适的，所以放弃了激光雷达。随着现在激光雷达特别是现在新型固态激光雷达的出现，这个成本已经降得非常低了，当成本足够低的时候，每家企业没有理由不去用这个设备，第一提高安全性，第二能够更快速地实现高级别自动驾驶，最终的路径大家肯定都会去用的，而且都是在自己允许的范围内尽可能用。我们最近也发布了低于1万美元的L4自动驾驶方案，我们用了五颗固态激光雷达，整个安全冗余程度保持比较高。
王飞：我很好奇一个具体的问题，前段时间看到北京天气不好，很大的雾，很多视距也就40米、50米的范围，可能高速行驶时看不到前面红绿灯前一个大货车停着就追尾了。我知道一些长距的激光雷达可以看到，可能人看到一个东西再刹车是一个感知的过程，激光雷达引入感知的能力更强了，但是执行，在高速情况下能不能把这个车刹停住？
刘轩：从我的了解来讲，在特别大的雾霾的情况下，不光是激光雷达，包括摄像头在内，有效的感知数据肯定性能有一定的下降。从算法方面，比如把车速降一些，更可能保证安全性。有一些物理原因限制，比如上游供应商的激光雷达，他的成像原理有突破，对雾霾的穿透效果更强，会有可视性更高的结果。对于现阶段我们拿到的产品来讲，我们更多的还是愿意采用降速来保证安全性。
彭进展：我补充一下，物还不是太大的问题，大雾的能见度也是有几十米甚至上百米，一般情况下摄像头也好，激光雷达也好，当然肯定会损失一部分性能，但是能够看到一百多米，对于正常的大部分的驾驶速度来讲是足够的，至少目前来讲，至少没有其他的恶劣天气，比如暴雨、大雪等，没有那么大。第二，刚才刘总提到一个点，无人驾驶当发现环境变化时，我们可以降速，或者是一种更安全的驾驶方式，这就是它比人要更安全的地方，因为我知道自己能力的上限，如果未来每个司机都知道自己开车能力的上限，相信安全肯定会大大提升，这也是为什么激励我们，哪怕在很困难的情况下还可以继续坚持做无人驾驶的动机，因为我们相信它绝对会比人类安全，可以给整个社会带来更安全的自动驾驶。
王飞：机器在感知到环境变化之后，可能自动降速，做一些处理的措施，我刚才抛出这个问题之前在想，如果一个人明明在雾天，比如应该开30，他开了60，即使乘用车加上这个激光雷达，是不是也很难避免事故最后发生？
彭进展：现在固态的激光雷达都一百多米，加上这个好一些，60公里肯定没问题。
刘轩：如果速度再快，相对来说会难一些，取决于雾天里是不是有固态颗粒比较多，尺寸大小可能也会有一些影响，如果是普通水雾，可能会稍微好一些。
王飞：激光雷达是越来越重要的问题，下个问题抛给夏总，最近看到很多车企一直在拼，在宣传上一直在说自己的激光雷达有多少，包括广州车展期间有很多车企也在搞内卷的事情。想请您谈谈，我们国家或者一径科技已经布局了哪些核心技术或者核心零部件，可能这项技术或者这个技术国产化替代的情况，这些可能会关乎到价格的下降。
夏冰冰：我们这边一直在做固态激光雷达，像刚才刘总说的，自动驾驶方案成本是比较关键的，我们选固态这条路线的初衷也是希望能够在提升可靠性的同时来降低成本，在这块因为激光雷达有收有发有数据处理，我们在这些单元上都部署了芯片，这块是我们自己开发的，以我们现在接收端的模拟芯片为例，跟目前市面上的包括进口的，它的功耗大概是十分之一，成本大概是从几十美金降到几美金。除此之外，关键元器件我们基本上也是自研。在激光雷达这个领域很多器件都不是特别标准的构成，需要根据我们的系统方案去裁剪和定制，做集成化的芯片方案。这块也是我们希望最终实现激光雷达大概200美金量产的成本，我们不断在优化这里面的芯片，尽可能用一些自研的芯片去做国产化替代。
王飞：现在我们国产化有没有一个数据出来，比如百分之多少是我们完全自主可控的？
夏冰冰：就成本而言，大概有60%左右是自主可控的。
王飞：下个问题想问刘总，这个方案出来之后，这个行业包括客户的接受程度大概是什么样的？
刘轩：这个方案出来之后行业内我们的很多合作伙伴还是表现了非常大的兴趣，甚至有人评价说这可能是对自动驾驶重大变革的产品。过去很多人讲，L4自动驾驶的量产路还比较远，可能业内两种体系，一种是保证高级别自动驾驶，新势力造车为代表，先做成辅助驾驶或者低级别自动驾驶，先做成产品，然后积攒数据，通过迭代去提升能力。我们这个产品的出现，实际上会把这两者有机结合一下，我们可以把我们的成本做到能量产的成本，但是我们的能力还是保证在L4自动驾驶的能力，这是业内比较革命性的变化，很多合作伙伴非常感兴趣。我们现在成本是1万美金，像激光雷达可能占了一半，其他的像计算平台、组合导航、摄像头等等，未来进入到大规模量产之后，这个成本还是有进一步下降的空间，这个取决于量有多大。
王飞：未来可能降到5000美金，剔除掉的东西到底是什么，是规模化量产吗？
刘轩：主要还是规模化量产，现在固态激光雷达的产量肯定和车企所想象的，比如几万辆、几十万辆，甚至可能上百万辆，还是有一定的差距，等到量起来之后，成本也会进一步下降。其他方面，摄像头、计算平台这些方面也会有相应的下降。最终我们期望在量足够大的时候，期望能控制在5000美元以内。
彭进展：成本肯定是决定一个技术和产品能不能变成大规模应用商品的核心因素，特别是对无人驾驶而言。包括刚才刘总他们介绍的成本的下降，我们可以做个比较，2015年、2016年时，那时候光是一套无人驾驶系统可能要至少上百万。基本上可以看到，两年降一半，现在降到十几万，当然也会有更多的方案可能到十万以内甚至五万都有可能。这个也预示一个量产的趋势，成本一旦下降到一个点，可能会引发大规模爆发。如果技术和产品不成问题，在应用方面就会大规模爆发。
王飞：这是不是意味着2B的商业化的方案也会越来越便宜？
彭进展：那是肯定的。
王飞：请您接着分享一下，可能您在实际的运营当中有没有一些经验或者总结之类的。
彭进展：这方面我们走得比较早，我们大概是2018年就开始觉得要把安全拿掉，否则让你的很多合作伙伴也好、客户也好，不知道最终能不能用。我们当时是在2019年12月底，最后一天，拿到了香港民航处允许运营的证，经过了很多的测试，已经有几十台车在香港机场运营了两年，到现在为止是零事故。第一个是要过一个心理关，车如果是自己的，或者是上面有安全员，你总觉得有一个保险，觉得不会出事。但是一旦你交付出去做常规的7×24小时365天的，第一关就是你的技术，你的零部件产品会不会出问题，特别是安全的问题，安全是无人驾驶行业的重中之重。有点像火箭发射出问题，经常要归零，经常会延缓。很幸运，当然也是因为我们一开始从技术、从产品做到了这点，零事故，到现在没问题，而且量越来越大，所以这个心理关确实是第一个。
第二个关是产品关，我们挑的地方蛮有挑战的，在香港夏天的温度特别高，有时候机场的地面温度有70多度，又靠海，延误非常大，对产品的质量要求非常高，当然也包括激光雷达。我们很多尝试，我们经常讲无人驾驶里面的芯片是心脏、大脑，激光雷达是眼睛，但是那个线其实是血管和神经网络，而且特别多。在那种场景下长期跑，我们最开始的时候有些线，跑了几个月，车规级的，我们知道质量有好几个标准，车规级、工业级、消费级，消费级是要求最低的，工业级是很高的，车规级天天要在外面风吹雨打，即使是车规级的线跑了一年多以后也不行，甚至要上航空级的线路。
过了产品关，最后是各种各样的异常的情况，叫做运营关。你怎么能保证，我们后来随着跑得越来越好，机场逐渐把很多线把司机完全裁掉了，只有无人车，这时候可以想象，一旦出现一个比较大的事件，所有的无人车突然不动了，那就麻烦了。这时候运营运维的能力要加强，要保证在任何情况下，我们讲全天候，前面说是真无人的压力，全天候就是任何场景下你的服务不能中断。这个对一个公司包括对行业来讲，我们能够走过来，也算是一个成果，也算是最后我们证明无人驾驶不仅是技术，我们在产品，随着成本的下降，我们甚至可能把它变成一个商品，我们可以做到这一步。
王飞：彭总其实是心理关和产品关，刘总你们在拿掉安全员的时候，有没有过哪些关？
刘轩：首先心理上，一开始的时候还是比较紧张的，毕竟像彭总他们更多是以运货，在机场内，相对封闭一些的场景为主，不会有在城里面各种各样突发的情况，我们可能会面临城市内会有各种比如类似于“鬼探头”、逆行的电动车、横穿马路的行人等，我们有做一些测试，毕竟这个还没有公开允许运营，我们在做测试实验的时候，要采用多种程度的安全冗余系统进行保障。一方面的算法要经过实际路测和模拟路测在全场景下的验证，另外一方面，我们会用远程监管和协助的系统，会从远程给这个车监控它运行的状态和性能，包括域控制器上也会做一些额外的安全冗余备份，也希望从多个方面帮助全无人测试尽力做到更安全一些。
夏冰冰：激光雷达最早是在火星探测器上使用的一套方案，最后我们逐渐迁移到车规这套产品中，我们也遇到各种问题，主要集中在各种算法处理，包括雷达回波的信号处理，还有量产的可制造性上，还有相应的可量产性上，包括功耗、工艺、算法和性能，我们都是在不断的迭代。这条线之前没有什么成熟的借鉴，很多是边探索边尝试的过程，我们的研发不断去迭代，最终优化到目前可以量产的状态，这个过程我们也经历了不少的困难。我们还是坚信最终我们的产品能给客户更低成本、更高可靠的传感器的解决方案。
王飞：现在我们市面上有哪些国产的激光雷达的竞品，我们的优势在哪？
夏冰冰：国产的目前在固态这块还有速腾的固态激光雷达，其他的暂时和我们性能有相关性的好像不多。
王飞：问最后一个问题，刚才也聊到国产化替代相关的问题，但是我们发现现在我们做的自动驾驶，可能参考的标准还是我们相关的技术，包括我们在聊自动驾驶技术时很大程度上绕不开美国的一些公司，包括他们之间的标准，DMA之间的标准，甚至当初的自动驾驶的比赛也是西方国家来做的。刚才聊到国产化的一些东西，我这个问题想问的是，我们中国是不是在无人驾驶这条路上可以形成一套完全不同于西方的走出自己特色的道路？
刘轩：我们企业在这个方面还是有一定的话语权的，特别是最近新发布的1万美金以下的这套系统，这套系统可以说是目前全球唯一的能实际在跑的，用这样一个固态激光雷达，在一线城市的市中心可以跑L4自动驾驶的这样一套系统。包含美国的自动驾驶企业在内，他们没有放出对应的结果。很大程度上并不是说他们认为这条路是不通的，因为毕竟我们把这条路走通了，很多中国的企业，其实大家是有能力在这方面摸索出一条更适合于中国更有特色的路。为什么这么说，我们中国驾驶的环境相对来说不是那么友好，总体来讲难度是比较高的，更能帮助这些企业积攒一些更容易去帮助我们的算法或者产品迭代的数据，我们在这方面比起国际上还有一定的优势。如何利用好这些优势，发挥好我们的特色，形成影响行业的标准，我觉得是有可能的，我们企业希望利用自身的技术上、商业上的努力，为这个目标做一些贡献，这是我们的想法。
彭进展：我们肯定会走出一条我们自己的路，这里面是由无人驾驶几个核心决定的。一个人开车，他是怎么学会开车的，其实是场景的训练，他天天开城市的车，他在城市这个场景，这个城市的场景，北京的就熟悉了，他去上海可能要训练一下，高速也要训练。但在这方面来讲，中国可以说也是得益于过去几十年汽车行业甚至工业的发展，我们有全世界最丰富、最复杂也是最有挑战的场景，天然上我们在无人驾驶这个行业上就占了一个核心的要素。其次，环境非常好，这个环境包括了多方面，包括了政府政策的支持，包括了社会的支持，也包括了各个供应链、产业链，这方面我们在世界上找不到第二个国家或者地区有我们这样好的环境、好的场景。第三，涉及到人才，无人驾驶也是一个拼人才的行业，越是挑战的场景、越是复杂的场景，越需要技术的发展。像我可能是从外企，英特尔研究院跳出来，像刘总、夏总，至少是从国外回来的，我们把这么多人才都吸引回来了，人才只有聚集，无论是合作还是竞争，都会产生非常大的推动力。相信我们在这方面有这么一个独特的优势，我也相信我们这个行业肯定会发展得非常好，将来在国际上会有一个极强的竞争力。实际上我也可以在这里跟大家提前透露，我们也已经在海外扩张，香港是我们在境外完全符合西方的文化或者管理方式去运用成功的，其实我们现在也在中东、东南亚其他一些国家，也在尝试进入欧美的市场，请大家给我们从事自动驾驶行业的创业公司也好，其他的公司也好，多一点信心，多一点支持，谢谢。
夏冰冰：自动驾驶这个领域还是相对比较新兴的领域，这个领域国内跟国外，可能比国外更早开始做这部分的投入，不管是传感器也好，还是像刘总和彭总他们，在这个领域都有很多可以弯道超车的机会，这块我们应该也会形成一些国内整个的体系。
王飞：跟三位交流之后，我对国内未来自动驾驶行业有一个非常美好的期许，今天特别有幸能请到三位跟我们分享，谢谢。
声明：转载此文是出于传递更多信息之目的，无商业用途，若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。
