今天小编分享的汽车经验：文远知行刘振亚：L4自动驾驶技术路线已被证明可商业落地，欢迎阅读。
经济观察网 记者 王帅国
6 月 13 日，在经济观察报主办的 " 梦想照进现实——自动驾驶发展创新论坛 " 上，文远知行产品工程执行总监刘振亚根据自己对于行业的观察与思考，对行业的发展现状、面临的问题等提出了自己的看法。他表示：" 从 Cruise 和 Waymo 实际的运营情况来说，从技术维度，传统的分感知、决策、规划，控制链条的技术方法是真正可以落地的。"
这是近期刘振亚到美国考察国际自动驾驶领先企业 Cruise 和 Waymo 后得出的结论。据其介绍，最近这两家公司在同时做一件事情：扩大运营范围。其中，Waymo 目前在凤凰城的 Robotaxi 运营覆盖总面积已达 180 平方英里（约合 466 平方公里）。Cruise 的 Robotaxi 运营范围也从原来旧金山的四分之一区網域，扩大到了整个旧金山。
"100 辆车的规模在这么大的范围内能为普通乘客提供纯无人出租车接驳服务，客观证明了 L4 技术是可以达到的，这是非常好的现象和指标。这两家行业公认的国际领先企业完全有能力打造全无人运营 Robotaxi。" 刘振亚表示。
不过，目前来看 Cruise 和 Waymo 的 Robotaxi 制造成本还非常高，还有待大规模商业化运营后摊薄成本。刘振亚提出，目前看这两家公司配的传感器太高端、价格太贵，但这是技术实现路径之前的东西，只要技术路径确定可以了，商业化运营之后，剩下的无非是怎样更高效地运营，怎样把传感器做减配优化，让算力算法更优化，达到平衡的状态。
在成本问题之外，刘振亚还表示，目前行业内还存在技术对长尾场景的识别和处理能力不足以及缺乏官方评价标准等问题。这些问题是阻碍全球自动驾驶产业发展的三大挑战。
文远知行作为国内自动驾驶行业的头部企业之一，正在就上述问题与其他企业合作寻求解决之道。据了解，目前文远知行旗下产品覆盖自动驾驶出租车、自动驾驶小巴、自动驾驶货运车、自动驾驶环卫车、高阶智能驾驶五大矩阵，已在全球 26 个城市开展自动驾驶研发、测试及运营，自动驾驶里程已经超过 1700 万公里，车队规模超 500 辆。
以下为嘉宾发言全文：
刘振亚：我说一下 L4 的情况，文远知行有四款 L4 的产品，从低速到高速，从固定路线到扩展区網域，从运货到运人。目前环卫车可以在夜间实现无人的清扫路面，平均作业时速为每小时 15 公里；我们和宇通合作做了 Robobus，在广州、南京等城市有商业化的运营服务，相当于最后一公里的微循环服务，从地铁站把大家接到办公室或者是小区门口的情况，相当于是固定路线，配备一对多的远程安全的比例，保证实时监控。从我们自己的角度说 Robotaxi 还需要一些时间，它确实是太自由的状态，但固定路线、低速的自动驾驶产品会更早的落地。
近期，我乘坐体验了 Cruise 和 Waymo 的自动驾驶车，最近这两家公司在同时做一件事情，就是扩大运营范围，Waymo 在目前凤凰城的运营覆盖总面积已达 180 平方英里。Cruise 对外公开的是从原来旧金山的四分之一的区網域，现在基本覆盖了整个旧金山，100 辆车的规模在这么大的范围内能为普通乘客提供纯无人出租车接驳服务，客观证明了 L4 技术是可以达到的。这是非常好的现象和指标，这两家行业公认的国际领先企业完全有能力打造全无人运营 Robotaxi。讲到商业化，目前看这两家公司配的传感器太高端、价格太贵，但这是技术实现路径之前的东西，只要技术路径确定可以了，商业化运营之后，剩下的无非是怎样更高效地运营，怎样把传感器做减配优化，让算力算法更优化，达到平衡的状态。
从这两家实际的运营情况来说，从技术维度，传统的分感知、决策、规划，控制链条的技术方法是真正可以落地的，技术方面我是很有信心的。同时，可以很确定的是这两家没有把大模型之类的放在车上，大模型只能依靠算力在云端跑。
主持人：行业里面有很多相反的观点，有人说 L4 以上的无人驾驶很快要达成了，有人说 10 年，15 年，甚至更长时间都不会实现。自动驾驶分乘用车和商用车，技术上分纯视觉感知和雷达融合感知方案，一些在固定路线，一些在公共路线，不同的观点比较多，问在座的企业代表，从企业研发角度讲，中间的鸿沟在哪里？跟我们预测一下什么时候能够真正的实现完全的打通，不管是乘用车还是商用车，进入完全的无人驾驶社会。
刘振亚：我们做 L4，同时也在做 L2，两个性质不一样，L4 是安全的限制下尽量的降低成本，L2 是在成本的限制下尽量提升安全，两个限制条件是不一样的，必然解决方案路径是不一样的。这是前提。
说到渐进式，跨越式，作为工程人员会遇到一个问题，代码写着写着就要重构了，为什么呢，就是刚开始架构没有做好，作为我们来看，做 L4，比较赞同的观点是首先拿准做 L4，哪怕是做很小的区網域，不论做再简单的 L4 都是在城市道路上，普通公开的城市道路上，不论是扫地还是运人，送快递都是在城市道路上，这些数据都是可以共通的，可以互相使用的。
举个不恰当的例子，我发现国内新能源智能化体验都非常好，大家是否觉得很大的原因，其实这些企业采用的不是渐进式的策略，是一张白纸重新做的。部分跨国合资厂商是基于现在的能力做的东西，这是渐进式的，基于原来的中控屏加点功能，也能有导航，也能有一些功能，但是跟实际的特斯拉，或者是国内的理想、蔚来这些企业完全不一样。这是做一个不恰当的比喻进行参考。
为什么要多传感器融合，多传感器融合的本质是 L4 的前提要安全，安全的基础是冗余，不论是车底盘的冗余，三电的冗余，传感器，相机，激光雷达 360 度的冗余，本质上是为了安全做的对应的设计。
问：怎么看现在自动驾驶商业化，讲了很久的黎明前的黑暗，临门一脚的问题，什么时候能够落地，商业化的试点项目什么时候能够赚钱？几年前大家在讲一整套方案，可能是几万美元的价格，现在有的公司说只要 1000 元，成本非常低，怎么看待降低的过程？
刘振亚：目前我们的产品更面向于做运营，出行服务、货运服务、清洁服务等形式，打平、有微弱的盈利方案是可行的。
临门一脚问题的解决方案可以提三点：第一是国内 L4 级别的自动驾驶解决方案硬體的车规化成本太高，主要原因在于目前行业还处于示范运营阶段，没有实现规模化效应，且其需要解决的问题太多，对算力要求极高。
第二，对长尾场景的识别和处理能力，首先是需要通过各种方式挖掘和生成的方式找到长尾的成绩，在考虑怎么处理，怎么确保甚至是不认识障碍物的情况下，安全的停车或者通过的状态。
第三是评价指标，各地示范区有参加路侧牌照的考试，考试考过和真正载人上路差距蛮大的，现在没有官方和客观的标准，大家都在说自己水平多高，希望从政策层面，官方的层面，甚至是行业协会的层面有统一的对自动驾驶的评价指标，有了这些评价指标之后，可以更加客观的做好评价，通过这些数据反向让市场和行业有一些认知。
问：最近比较火的是自动驾驶方案的去高精地图的观点，小鹏和华为在上海车展公布的方案，民用的导航地图替代高精地图？
刘振亚：从技术角度来说，去掉高精地图实质上是把冗余搞掉了，相当于只有实时监测，如果相机出现问题或者其他的出现问题还有别的方式获取信息吗？没有了。高精地图是冗余，实际应用的时候相当于一定程度减少了对它的依赖，按照这个思路做的。为什么呢？因为实际运用中会发现那边施工，或者车道变更，高精地图的更新周期和频率没有这么快，这么高，可能是从附近的区網域做了融合的，高精地图作为基础，动态层进行一些规划处理，本质上是两者融合在一起的，这是更合理的方式。
我们认为在 L4 级别的自动驾驶车上高精度地图是必须的，但是实时的监测能力、快速的地图迭代能力同样也是不可缺少的，这些能力可以一定程度的解决高精度地图与实际真实道理不匹配的情况。只有这些方面的能力都同步提升了之后才能满足 L4 在大范围商业化运行的目标。
问：您觉得大模型是有可能让自动驾驶研发更快吗？
刘振亚：我们公司实际应用版，最开始应用放在 BOT 的任务上，有了大模型之后，首先从历史的数据中通过文字寻找长尾场景做标注，这是非常直接的应用，另外一个大模型的启示是大家采购的时候是训练专业的能力，比如说我就是训练一个对话机器人做客服，训练一个什么样专项的任务，有了大模型之后发现，事情好像是在通用能力上也比专项的能力还强，采数据的时候自动驾驶车出去采，必须是相机拍的前面是什么障碍物，那个数据标注识别是什么东西，是不是并不需要车采的数据，任何其他的来源的数据帮助我们训练一个模型识别，加上车上自己采的数据做出的结果，可能比实际用自己的车采数据做出来的效果更好，这是现在正在尝试的东西，这是两点启示。一个是通过文字找场景进行标注，通用的能力比专项的能力更强。
