自動駕駛系統目標成本5000元！五位創業者實戰經驗分享 | GTIC深度
）
文 | 曉寒9 月 20 日，由智東西聯合 CAPE 、極果主辦的 GTIC 2018 全球智慧汽車供應鏈創新峰會在重慶召開，大會邀請到來自學術界、整車企業、網際網路公司、汽車零部件廠商、電信運營商、自動駕駛新興公司、車聯網企業等智慧汽車供應鏈各領域核心公司 30 餘位專家、高管一同登臺，分享對智慧汽車最前沿的見解。
在主題為 “ 車載感知烽煙四起，引爆無人駕駛 ” 的圓桌論壇，智東西聯合創始人 / 總編輯張國仁、飲冰科技創始人姜波、 DeepMotion 聯合創始人 /CEO 蔡銳、奧特貝睿創始人 /CEO 彭永勝、重慶哆來目科技總經理劉龑、武漢市眾向科技副總經理黃烈炎等鐳射雷達、視覺定位 / 感知技術和自動駕駛技術公司高管一道，就自動駕駛系統需要怎樣的感知系統、高效能感測器的量產，以及創業公司應該如何應對行業挑戰等問題展開了探討。
一、鐳射雷達 VS 視覺感知 誰是主力？
自動駕駛行業關於鐳射雷達和視覺感知技術的爭論由來已久，前者是自動駕駛汽車標配，且高線束鐳射雷達能夠較好地還原外部世界，是谷歌 Waymo 等大部分自動駕駛汽車的標配，但缺點是價格昂貴。
視覺攝像頭的硬體價格低廉，結合著深度學習等技術，還能進行影象識別，也可以支援自動駕駛技術，但是對軟體技術要求高，並且容易受到外界光照、遮擋等環境因素影響，特斯拉是純視覺自動駕駛技術的堅定支持者，此外像是 AutoX 這種精於計算機視覺技術的自動駕駛公司，也認為視覺感知技術能夠發揮更大的作用。
對於這個 “ 傳統 ” 問題，本圓桌論壇的各位嘉賓的結論基本一致，即各種感測器各有長短，自動駕駛汽車應該搭載多種感測器，採用取長補短的多感測器融合方案。雖然結論略單調，但一些嘉賓還是講出了一些關鍵乾貨。
飲冰科技創始人姜波表示，雖然人類能夠做到只用眼睛看車，但核心原因是背後有一個算力極強的大腦（和軟體），但是目前的 AI 技術和計算晶片都還達不到人類的水平，因此只能通過加強感知能力來彌補計算能力。
▲ 飲冰科技創始人姜波
姜波還指出，鐳射雷達和視覺技術正在不斷髮展，如果鐳射雷達等某一類技術發展較慢，也很有可能會被視覺或毫米波雷達等感知技術所取代。
DeepMotion CEO 蔡銳對此問題也頗有見解，他從 DeepMotion 研發高精地圖與高精定位解決方案的經驗總結道， “ 視覺技術更適合做語義分割與理解例如抽取道路元素，而鐳射雷達則更擅長進行幾何結構的感知，多感測器融合的效果最好，也可以根據使用場景也選擇感知方案。 ”
作為一個視覺感知技術提供商，重慶哆來目科技總經理劉龑雖然也“站了”多感測器融合的隊伍，但是他對視覺感知技術的卻有著不同的觀點。劉龑指出，目前的深度學習技術過於依賴資料學習，但實際情況無窮無盡，如車輛碰到馬路上的樹枝這種非常見情況是沒有時間去“學習”的，因此哆來目科技就選擇用仿生技術教會攝像頭識別各類物體。
▲ 重慶哆來目科技總經理劉龑
在討論完各個感測器的優缺點後，武漢眾向科技副總經理黃烈炎也給出了補充。他表示，鐳射雷達、視覺等技術固然重要，但是高精地圖同樣不可忽略，武漢眾向目前的方案一邊用高精地圖的先驗經驗降低感知難度，另一邊又用攝像頭、鐳射雷達等感測器來彌補地圖精度的不足。
二、如何推動高效能鐳射雷達量產？
去年夏天釋出的新款奧迪 A8 號稱是全球首款搭載 L3 級自動駕駛系統的汽車，在感測器上就搭載了來自法雷奧的 Scala 四線鐳射雷達。但是從角解析度、探測距離等多個指標來說，其都遠遠落後於 Velodyne 的新一代產品，那麼量產產品與在研產品之間這種明顯的技術差別又是如何產生的呢？
“ 目前自動駕駛汽車普及有兩大路徑，特定場景的 L4 級自動駕駛和車企推進的從 L1 逐漸升級到 L2 、 L3 級自動駕駛的路徑。 ” 作為該圓桌論壇唯一一個鐳射雷達企業代表，姜波率先給出了答案，他說道， “A8 就屬於第二條路徑， Velodyne 展出的是最新的技術， A8 那個是量產產品，前者還需要進行量產、通過車規驗證等一系列工作才能量產裝車，所以有差距很正常。
黃烈炎從成本的角度進行了補充，他指出，除了鐳射雷達之外，奧迪 A8 還要搭載毫米波雷達、計算晶片、攝像頭和軟體系統，因此成本不可能都用在鐳射雷達上，即這顆雷達不可能是效能最好價格最高的產品。
▲ 武漢市眾向科技副總經理黃烈炎
在就鐳射雷達展開討論之外，彭永勝則給出了另外一種觀點，他認為業內目前正處在一個感知陷阱之中，即大家都在盡力提升單車的感知能力，例如增加更多的感測器，或增加感知能力更強的感測器（如高線束鐳射雷達）。
這種所發在提升感知能力的同時又附帶需要增加車載計算能力，進而大幅提升了單車成本，影響量產應用。與此同時，由於現實世界的情況無法窮舉，因此這種感知陷阱會越走越深。
▲ 奧特貝睿創始人 /CEO 彭永勝
對此，彭永勝認為業內不應該忽視掉高精地圖和 V2X 技術，應用利用這兩者的先驗經驗來降低感知和計算難度。
三、自動駕駛系統目標成本 5000 元以內
自動駕駛創業浪潮興起已有多年，鐳射雷達、自動駕駛、高精地圖、視覺感知技術等領域都出現了相應玩家，也意味著競爭的加劇。在這種情況下，各個創業公司如何能夠應對新的行業挑戰，保持自身存活至關重要。
在雷達領域，外國巨頭常年把持著最核心的收發晶片 / 處理晶片市場，飲冰科技這類國內鐳射雷達公司如何應對這種核心技術被它人掌握的挑戰呢？
飲冰科技創始人姜波認為，雷達領域確實存在核心晶片被海外企業控制的局面，但雷達的產業鏈條很長，雷達廠商雖然不懂晶片，但是晶片廠商不懂雷達。因此在晶片之外，還需要公司提供演算法、控制系統、量產、車規驗證等一系列工作，需要整合商的存在。
與此同時，放到全球市場來看，全球目前只有中美等少數國家擁有完整的鐳射雷達產業鏈，這正是飲冰科技的機會所在。
自動駕駛技術的興起帶動了高精地圖等產業的進一步發展，但是外界的一個普遍認知是隻有 L4 級及以上自動駕駛系統才需要，而 L4 級以上自動駕駛技術又需要多年後才能量產，那麼 DeepMotion 這種高精地圖相關的技術公司如何度過這個生存期呢？
▲ DeepMotion 聯合創始人 /CEO 蔡銳
DeepMotion 蔡銳認為，傳統高精地圖製作難度大，成本高，所以只有 L4 級自動駕駛等最重要的產品和技術才需要使用。但是一旦擁有了低成本、全場景的高精地圖製作能力，例如 DeepMotion 基於計算機視覺技術研發的高精地圖採集和高精定位方案，就可以用在高速公路、停車場等場景中，從而提升 L2/L3 級自動駕駛，以及自動代客泊車系統的體驗。
武漢眾向科技就是一個利用高精地圖來提升自動駕駛系統的典型，眾向科技副總經理黃烈炎表示，其整合了高精地圖的自動駕駛解決方案只用 3 萬多元，比其他產品要便宜的多。 “ 而整個行業的目標則是將其做到 5000 元以內。 ”