今天小編分享的汽車經驗：文遠知行劉振亞：L4自動駕駛技術路線已被證明可商業落地，歡迎閲讀。
經濟觀察網 記者 王帥國
6 月 13 日，在經濟觀察報主辦的 " 夢想照進現實——自動駕駛發展創新論壇 " 上，文遠知行產品工程執行總監劉振亞根據自己對于行業的觀察與思考，對行業的發展現狀、面臨的問題等提出了自己的看法。他表示：" 從 Cruise 和 Waymo 實際的運營情況來説，從技術維度，傳統的分感知、決策、規劃，控制鏈條的技術方法是真正可以落地的。"
這是近期劉振亞到美國考察國際自動駕駛領先企業 Cruise 和 Waymo 後得出的結論。據其介紹，最近這兩家公司在同時做一件事情：擴大運營範圍。其中，Waymo 目前在鳳凰城的 Robotaxi 運營覆蓋總面積已達 180 平方英裏（約合 466 平方公裏）。Cruise 的 Robotaxi 運營範圍也從原來舊金山的四分之一區網域，擴大到了整個舊金山。
"100 輛車的規模在這麼大的範圍内能為普通乘客提供純無人出租車接駁服務，客觀證明了 L4 技術是可以達到的，這是非常好的現象和指标。這兩家行業公認的國際領先企業完全有能力打造全無人運營 Robotaxi。" 劉振亞表示。
不過，目前來看 Cruise 和 Waymo 的 Robotaxi 制造成本還非常高，還有待大規模商業化運營後攤薄成本。劉振亞提出，目前看這兩家公司配的傳感器太高端、價格太貴，但這是技術實現路徑之前的東西，只要技術路徑确定可以了，商業化運營之後，剩下的無非是怎樣更高效地運營，怎樣把傳感器做減配優化，讓算力算法更優化，達到平衡的狀态。
在成本問題之外，劉振亞還表示，目前行業内還存在技術對長尾場景的識别和處理能力不足以及缺乏官方評價标準等問題。這些問題是阻礙全球自動駕駛產業發展的三大挑戰。
文遠知行作為國内自動駕駛行業的頭部企業之一，正在就上述問題與其他企業合作尋求解決之道。據了解，目前文遠知行旗下產品覆蓋自動駕駛出租車、自動駕駛小巴、自動駕駛貨運車、自動駕駛環衞車、高階智能駕駛五大矩陣，已在全球 26 個城市開展自動駕駛研發、測試及運營，自動駕駛裏程已經超過 1700 萬公裏，車隊規模超 500 輛。
以下為嘉賓發言全文：
劉振亞：我説一下 L4 的情況，文遠知行有四款 L4 的產品，從低速到高速，從固定路線到擴展區網域，從運貨到運人。目前環衞車可以在夜間實現無人的清掃路面，平均作業時速為每小時 15 公裏；我們和宇通合作做了 Robobus，在廣州、南京等城市有商業化的運營服務，相當于最後一公裏的微循環服務，從地鐵站把大家接到辦公室或者是小區門口的情況，相當于是固定路線，配備一對多的遠程安全的比例，保證實時監控。從我們自己的角度説 Robotaxi 還需要一些時間，它确實是太自由的狀态，但固定路線、低速的自動駕駛產品會更早的落地。
近期，我乘坐體驗了 Cruise 和 Waymo 的自動駕駛車，最近這兩家公司在同時做一件事情，就是擴大運營範圍，Waymo 在目前鳳凰城的運營覆蓋總面積已達 180 平方英裏。Cruise 對外公開的是從原來舊金山的四分之一的區網域，現在基本覆蓋了整個舊金山，100 輛車的規模在這麼大的範圍内能為普通乘客提供純無人出租車接駁服務，客觀證明了 L4 技術是可以達到的。這是非常好的現象和指标，這兩家行業公認的國際領先企業完全有能力打造全無人運營 Robotaxi。講到商業化，目前看這兩家公司配的傳感器太高端、價格太貴，但這是技術實現路徑之前的東西，只要技術路徑确定可以了，商業化運營之後，剩下的無非是怎樣更高效地運營，怎樣把傳感器做減配優化，讓算力算法更優化，達到平衡的狀态。
從這兩家實際的運營情況來説，從技術維度，傳統的分感知、決策、規劃，控制鏈條的技術方法是真正可以落地的，技術方面我是很有信心的。同時，可以很确定的是這兩家沒有把大模型之類的放在車上，大模型只能依靠算力在雲端跑。
主持人：行業裏面有很多相反的觀點，有人説 L4 以上的無人駕駛很快要達成了，有人説 10 年，15 年，甚至更長時間都不會實現。自動駕駛分乘用車和商用車，技術上分純視覺感知和雷達融合感知方案，一些在固定路線，一些在公共路線，不同的觀點比較多，問在座的企業代表，從企業研發角度講，中間的鴻溝在哪裏？跟我們預測一下什麼時候能夠真正的實現完全的打通，不管是乘用車還是商用車，進入完全的無人駕駛社會。
劉振亞：我們做 L4，同時也在做 L2，兩個性質不一樣，L4 是安全的限制下盡量的降低成本，L2 是在成本的限制下盡量提升安全，兩個限制條件是不一樣的，必然解決方案路徑是不一樣的。這是前提。
説到漸進式，跨越式，作為工程人員會遇到一個問題，代碼寫着寫着就要重構了，為什麼呢，就是剛開始架構沒有做好，作為我們來看，做 L4，比較贊同的觀點是首先拿準做 L4，哪怕是做很小的區網域，不論做再簡單的 L4 都是在城市道路上，普通公開的城市道路上，不論是掃地還是運人，送快遞都是在城市道路上，這些數據都是可以共通的，可以互相使用的。
舉個不恰當的例子，我發現國内新能源智能化體驗都非常好，大家是否覺得很大的原因，其實這些企業采用的不是漸進式的策略，是一張白紙重新做的。部分跨國合資廠商是基于現在的能力做的東西，這是漸進式的，基于原來的中控屏加點功能，也能有導航，也能有一些功能，但是跟實際的特斯拉，或者是國内的理想、蔚來這些企業完全不一樣。這是做一個不恰當的比喻進行參考。
為什麼要多傳感器融合，多傳感器融合的本質是 L4 的前提要安全，安全的基礎是冗餘，不論是車底盤的冗餘，三電的冗餘，傳感器，相機，激光雷達 360 度的冗餘，本質上是為了安全做的對應的設計。
問：怎麼看現在自動駕駛商業化，講了很久的黎明前的黑暗，臨門一腳的問題，什麼時候能夠落地，商業化的試點項目什麼時候能夠賺錢？幾年前大家在講一整套方案，可能是幾萬美元的價格，現在有的公司説只要 1000 元，成本非常低，怎麼看待降低的過程？
劉振亞：目前我們的產品更面向于做運營，出行服務、貨運服務、清潔服務等形式，打平、有微弱的盈利方案是可行的。
臨門一腳問題的解決方案可以提三點：第一是國内 L4 級别的自動駕駛解決方案硬體的車規化成本太高，主要原因在于目前行業還處于示範運營階段，沒有實現規模化效應，且其需要解決的問題太多，對算力要求極高。
第二，對長尾場景的識别和處理能力，首先是需要通過各種方式挖掘和生成的方式找到長尾的成績，在考慮怎麼處理，怎麼确保甚至是不認識障礙物的情況下，安全的停車或者通過的狀态。
第三是評價指标，各地示範區有參加路側牌照的考試，考試考過和真正載人上路差距蠻大的，現在沒有官方和客觀的标準，大家都在説自己水平多高，希望從政策層面，官方的層面，甚至是行業協會的層面有統一的對自動駕駛的評價指标，有了這些評價指标之後，可以更加客觀的做好評價，通過這些數據反向讓市場和行業有一些認知。
問：最近比較火的是自動駕駛方案的去高精地圖的觀點，小鵬和華為在上海車展公布的方案，民用的導航地圖替代高精地圖？
劉振亞：從技術角度來説，去掉高精地圖實質上是把冗餘搞掉了，相當于只有實時監測，如果相機出現問題或者其他的出現問題還有别的方式獲取信息嗎？沒有了。高精地圖是冗餘，實際應用的時候相當于一定程度減少了對它的依賴，按照這個思路做的。為什麼呢？因為實際運用中會發現那邊施工，或者車道變更，高精地圖的更新周期和頻率沒有這麼快，這麼高，可能是從附近的區網域做了融合的，高精地圖作為基礎，動态層進行一些規劃處理，本質上是兩者融合在一起的，這是更合理的方式。
我們認為在 L4 級别的自動駕駛車上高精度地圖是必須的，但是實時的監測能力、快速的地圖迭代能力同樣也是不可缺少的，這些能力可以一定程度的解決高精度地圖與實際真實道理不匹配的情況。只有這些方面的能力都同步提升了之後才能滿足 L4 在大範圍商業化運行的目标。
問：您覺得大模型是有可能讓自動駕駛研發更快嗎？
劉振亞：我們公司實際應用版，最開始應用放在 BOT 的任務上，有了大模型之後，首先從歷史的數據中通過文字尋找長尾場景做标注，這是非常直接的應用，另外一個大模型的啓示是大家采購的時候是訓練專業的能力，比如説我就是訓練一個對話機器人做客服，訓練一個什麼樣專項的任務，有了大模型之後發現，事情好像是在通用能力上也比專項的能力還強，采數據的時候自動駕駛車出去采，必須是相機拍的前面是什麼障礙物，那個數據标注識别是什麼東西，是不是并不需要車采的數據，任何其他的來源的數據幫助我們訓練一個模型識别，加上車上自己采的數據做出的結果，可能比實際用自己的車采數據做出來的效果更好，這是現在正在嘗試的東西，這是兩點啓示。一個是通過文字找場景進行标注，通用的能力比專項的能力更強。
