當“全面量產無人車”成爲熱門話題的時候，有這麼一羣人在默默地觀察，沒有緊鎖眉頭也沒有喜笑顏開，他們能夠看到別人看不見的問題，他們是無人車落地的關鍵，他們要保持冷靜。這羣深耕自動駕駛領域的技術專家們，似乎更能淡定地對待外界對無人車的狂熱。
自動駕駛技術真的成熟了嗎？無人車離商業化落地到底還有多遠？帶着這些問題，AI 前線對馭勢科技的多位技術專家進行了獨家專訪。在熱度爆表的無人車話題下，我們想要冷靜地談談技術。
一輛成熟的無人車應該…
雖然自動駕駛的話題炒得火熱，但是相信有不少人對無人車的結構並不瞭解。
馭勢科技的黃波博士告訴 AI 前線：一臺成熟的具備自動駕駛功能的汽車需要具備三大核心子系統：感知子系統、規劃決策子系統、執行器子系統。三個核心子系統互相緊密配合、缺一不可，如此才能實現可靠、安全的自動駕駛功能。
詳細來說，執行器子系統是汽車執行自動駕駛動作的基礎，更貼近傳統汽車產業，包括線控轉向、線控驅動、線控剎車、線控車身控制等等，行業重點是升級成安全可靠新一代線控系統。
以馭勢科技爲例，馭勢 U-Drive™智能駕駛系統集成了規劃決策子系統的全部軟硬件載體，包括多層面的規劃算法及其 AI 硬件、多層面的控制算法及其實時計算軟硬件。它還集成了傳感器接入、感知處理算法和 AI 算法計算平臺，能夠接入並且分析感知多攝像頭、多激光雷達、多毫米波雷達、多超聲波。
軟件系統
馭勢科技 CEO 吳甘沙曾經在北大 AI 公開課上進行過自動駕駛話題的演講，在談到技術與成本的話題時，他提到過這樣一種思路：
我們都知道，在真實世界裏跑一億英里談何容易，要耗掉多少油，要消耗多少請司機的人工費用。但在仿真世界裏面，只要雲計算的算力足夠，就可以無限測試，而且這裏要求仿真要足夠的真，開發者對這種場景是可控的，可以設計任意的複雜的環境。此外，這種環境是能夠產生無窮的新場景的，比如模擬建築、地面、植物、天氣、光照條件等等，這是仿真世界要解決的。
爲此，馭勢科技開發出了一套無人駕駛全功能仿真系統，可以對各類傳感器（比如：相機、激光雷達、毫米波雷達、GPS、IMU 等）進行仿真模擬，並支持多個無人駕駛系統同時接入仿真系統，互爲障礙物。
正如吳甘沙在演講中提到的那樣，馭勢科技構造了一個豐富的仿真場景素材庫，覆蓋道路、交通、動態障礙物、路邊環境、天氣等各個方面，並能通過這些素材庫的組合生成更加複雜的仿真場景。這套無人駕駛全功能仿真系統提供的各類仿真場景具有非常高的逼真度，爲基於仿真器的 AI 訓練和學習提供了一個堅實的基礎。
通過仿真環境內進行的大規模測試，研究人員可以對馭勢智能駕駛算法及智能駕駛系統進行充分的驗證和檢測，從而提高馭勢智能駕駛系統的質量。黃波博士提到：“在智能駕駛車的實際場景商業化落地前，我們會先確保馭勢智能駕駛系統在仿真環境中測試通過落地場景可能涉及的各類工況，從而極大地提高了馭勢智能駕駛系統的場景適應性及安全性，進而提高我們項目落地的信心並縮短項目部署的時間。”
在仿真平臺上除了能夠驗證智能駕駛算法和系統，還可以利用仿真場景來進行算法 / 系統的學習和訓練。比如在自主代客泊車（AVP）仿真場景中，訓練出來可行駛區域檢測網絡跟用真實停車場數據訓練出來的可行駛區域檢測網絡達到了幾乎一致的檢測效果。
硬件裝備
一輛成熟的無人車不僅要有強大的核心操作系統，在硬件裝備上更是不能含糊。
無人車就像是一臺移動的計算機，所以在不少自動駕駛方案裏，一個首要的核心部件就是芯片。
馭勢科技首席產品官周鑫說：車規級 AI 芯片有嵌入式 GPU、FPGA、AI ASIC 三個發展階段。
根據他的觀察，從行業發展來看，過去兩年主要自動駕駛企業以嵌入式 GPU 搭建主動駕駛系統，有實力的企業比如馭勢採用了嵌入式 GPU+FPGA 的深度優化方案。未來可能會慢慢過渡到 FPGA+AI ASIC。
這個過程中，全棧系統開發和車規 AI 芯片開發是兩個行業層面的工作，財力雄厚的大公司可以承擔風險併發進行。但並不意味着當下階段自研芯片對自動駕駛公司是必須的。一個類比就是手機行業，國內知名手機品牌在成長過程說始終保持着自研芯片和外購芯片同時應用、並不互相沖突。
周鑫告訴記者：馭勢科技選擇和半導體行業合作，也是看到半導體行業已經大幅度增加車規級 AI 芯片投入開始到了收穫季節，與行業合作能夠快速獲得行業成果；同時馭勢科技也認識到現有車規級 AI 芯片必定不能完全滿足快速演進的算法，FPGA 研發成果正好能夠在 AI ASIC 和算法之間完美契合。
同時，他表示：自動駕駛技術行業前景依賴於快速發展的高性能、低功耗、可量產、低成本的 AI 芯片的可獲得性。
但是，他認爲在行業發展不同階段，行業對芯片依賴不一樣，自動駕駛企業對自研芯片的必要性也不一樣。當下，自動駕駛行業還處在快速研發階段，正在積極探索各種行業應用、擴展無人駕駛應用邊界，正在 2B 應用落地、2C 應用方案驗證的階段。
對應的無人駕駛感知（深度學習）算法和規劃控制算法都在飛速發展、不停推陳出新。這個時候，無人駕駛初創公司的首要任務是充分利用現有車規級 AI 芯片，在新算法和新應用之間構建橋樑、搭建端到端的完整嵌入式解決方案，快速幫助新算法體系和新應用潛力進入車輛服務領域和車輛主機廠技術體系，構建應用閉環。
作爲無人車的“眼睛”，攝像頭與感知系統尤其重要。
目前業內比較普遍方案一般是基於深度學習的激光雷達和視覺的檢測、識別方案，馭勢科技採用基於深度學習的檢測、識別、跟蹤、多傳感器融合方案。
馭勢尤其深度投入了攝像頭感知子系統垂直開發，和多家供應商在攝像頭 HDR、光學參數定製、鏡頭設計方面展開深度協同設計優化，形成了特有競爭力。基於 U-Drive™，馭勢科技不僅實現了從傳感模塊到感知子系統到規劃控制子系統的全棧式垂直優化整合、能夠對具體 L4 場景做出最優匹配，還能夠基於嵌入式硬件和系統軟件、對各個算法模塊做到深度剪裁和深度優化、提升可靠性提升算力功耗比。
自動駕駛的商業化落地與“最後一公里”
說起自動駕駛，商業化落地是行業內外近期最關注的方向。
作爲從業者，馭勢科技首席架構師彭進展首先談了談自動駕駛領域近些年取得的成果。
根據他的觀察，自動駕駛領域這幾年進入快速發展期，相關產業鏈上的核心技術和設備已經進入成熟階段，比如融合多種傳感器的感知和定位技術，高性能高可靠多功能的集成域控制器，增強網絡和環境感知的 V2X 技術等。這些核心技術和設備是自動駕駛能夠商業化落地的基礎。
就馭勢科技來說，目前已經有了以上這些核心技術和設備的產品級解決方案，且已經應用到了非常多的自動駕駛應用中，包括全自主泊車（AVP）、無人機場\工廠物流、無人公交和無人微循環等。
他認爲，自動駕駛的商業化落地，首要考慮的是應用的安全性和可靠性，其次是商業上的效率和成本接受度。
他進一步解釋道：運行在高可靠的域控制器上的融合感知系統，提供了冗餘的環境感知和多重定位能力，再輔以增強環境感知的 V2X 技術，讓自動駕駛應用有了足夠的安全性和可靠性。
彭進展提到：自動駕駛可以減輕甚至消除對人類司機的依賴，能大大提升應用運行效率。
自動駕駛進入商業化應用，會加速各種關鍵技術和設備的成熟和進入量產的速度，同時大幅度降低自動駕駛應用的整體成本。我們馭勢科技的自動駕駛解決方案已經跨過了應用落地的門檻，進入到了技術和商業化落地相互促進和加速發展的階段。
採訪的最後，話題不可避免地又回到“自動駕駛的最後一公里”上。
現在已經是 2019 年了，離“2020 年全面實現自動駕駛”的說法僅有一年的距離，也有一些人把 2019 年稱爲“實現自動駕駛的最後一公里”，當然在這期間有不少反對的聲音，認爲 2020 年實現自動駕駛並不現實，無人車這種東西還有至少五到十年才能完全實現。
在彭進展看來，自動駕駛的商業化應用，需要從兩個維度來分析，一個是應用的廣度，另一個是應用的深度。上面的兩種聲音實際上是代表着着從這兩個不同維度看到的結果。
從應用的廣度來看，不同級別的自動駕駛都開始進入實際的應用和運營，包括應用於乘用車市場的 L1/L2/L3 的 ADAS 和 L4 級的 AVP/HZP，以及應用於機場、港口、礦山和園區的 L4 級的無人物流車和微循環車等。比如馭勢科技已經和上汽通用五菱於 2018 年 11 月交付給普通消費者業內首款具備無人駕駛 AVP 功能的量產車寶駿 E200，在世界頂級的國際機場運行了可全天候工作的無人電動物流拖車。“從這個角度來分析，完全可以說 2019 年已經進入‘實現自動駕駛的最後一公里’，2020 年將進入自動駕駛應用全面爆發的新時代。”他說道。
但從應用的深度來講，他認爲可以在公開道路運營的 L4 級自動駕駛應用，依然面臨着非常多的技術和商業化挑戰。比如複雜場景下的安全決策訓練，多重冗餘設備的高成本，以及適合完全自動駕駛的道路和網絡等基礎設施的建立等，都表明類似於 Robotaxi 這樣的無人車離實際應用還依然遙遠，還需要至少五年以上整個產業甚至整個社會的加入和努力。
彭進展認爲：L3 以下的自動駕駛方案已經逐步在各款中高檔量產車型中得到部署，業界也普遍認爲 2-3 年後 L3 自動駕駛方案可以被逐步量產。同時，特定場景的 L4 在物流、微循環、短途接駁等各類應用場景也已經開始試點。
在技術層面，更大規模自動駕駛解決方案的落地依賴於下面幾個方面的突破：
- 汽車控制結構上經濟的安全冗餘
- 智能駕駛系統基於數據積累的自動智能增強
- 高性能、低功耗、符合車規且低成本智能域控制器的量產
- 可以量產的低成本且符合車規的高冗餘自動駕駛傳感器配置
- 具有規範定位接口的高精地圖的商業化服務運營
- 高帶寬、低延時通訊設備和基礎設施的普及
“當然，”彭進展補充說：“非技術層面（比如自動駕駛相關政策、法規、標準、保險等）的進展也對自動駕駛的普及起着至關重要的作用。”
