汽车维修

《智造1+1》04|商汤科技石建萍:自动驾驶临界点在无人化 行业需

  编者按:《智造1+1》是搜狐汽车发起的一档高端视频栏目。对象为汽车产业链上新科技、新商业、新服务企业的掌舵者,包括智能汽车制造、智能网联、智能硬件、智能出行、智能物流等前沿企业,这些企业从事着深度创新性的工作,推动汽车行业的全面革新。

  栏目致力于通过创始人或高管的视角与思考、规划与行动,展现行业的发展蓝图与企业前行的力量和脚步。

  此为第四期,搜狐汽车事业部总编辑张丽玥联合EV世纪创始人总编辑史宝华共同对话商汤科技研发执行总监石建萍,探讨从人工智能企业到智能汽车技术服务企业的“跨界之”。

  出品|搜狐汽车研究室

  编辑|王磊

  视频|龚夏毅

  策划|李德辉

  自动驾驶被誉为人工智能产业“皇冠上的明珠”,在当下技术领域主要集中于、视觉的人工智能来说,自动驾驶成为了这个产业最具想象力、市场空间最大的细分板块。不同方向的各家人工智能积极投身自动驾驶,其中就包括了我们今天的主角商汤科技。

  这家成立于2014年的人工智能企业,自主研发并建立了深度学习与超算中心,推出了包含人脸识别、图像识别、文本识别、医疗影像识别、视频、无人驾驶和遥感在内的一系列技术应用,业务覆盖智能手机、互联网娱乐、汽车、智慧城市、教育、医疗、零售、、金融、等多个行业。

  在汽车产业布局上,这家以“智能驾驶”和“智能座舱”两大产品线级自动驾驶、ADAS高级辅助驾驶解决方案、智能侧解决方案以及全方位、多层次的智能座舱AI整体解决方案。

  针对整个自动驾驶与智能汽车产业,商汤科技研发执行总监石建萍认为,这个产业将会迎来充分竞争的局面,“产业的充分竞争有利于激发技术的迭代,聚拢更多的热度与资源,同时也会吸引更多人才的进入,带来更大的市场空间,这会极大地促进行业的发展。”

  并且这一产业足够大,也具有包容性,石建萍认为产业仍然拥有很好的发展时间窗口,“在这个时间周期内,我们可以进行技术突破和产业布局,这对于大家来说都是公平的,比的是看谁在充分竞争的情况下,在大的行业格局下走得更快更远。”

  在具体的技术线方面,石建萍指出,目前L3级自动驾驶的关键问题在于法律法规、责任界定以及功能边界的认定。事实上,目前正在发生的高性能激光雷达、高算力智能芯片正在将L4级自动驾驶的能力以合规的形式到L2+智能汽车上。

  不过,她也认为,自动驾驶要实现商业化,真正的临界点还是在实现无人化之后,而这一时间节点的到来大约需要3-5年。

  张丽玥核心观点:

  1、自动驾驶整个行业参与的很多,从主机厂这两年的销售角度来看,行业的集中度正在不断提高。

  2、中国的消费和消费者对自动驾驶的接受程度更高一些,特别愿意去尝试这种新鲜的事物。

  石建萍核心观点:

  1、与世界顶尖的OEM合作,我们能更多了解到当算法应用到行业的技术中,需要攻克哪些难题,例如需要通过怎样的汽车行业标准规范来让产品变得更加可靠和具有鲁棒性。

  2、自动驾驶的纯视觉和多传感器融合两大技术线开始结合,在量产车上,大家也开始安装激光雷达,开始使用上千TOPS的算力,基本上是将L4级自动驾驶的相关功能在现有法规之下量产化,并使其更加自动和智能化了。

  3、自动驾驶的发展,目前还需要的临界点,让产品进入真正可用的阶段,技术的领先性是这项技术在进行商业化和推广过程中最核心的要素。

  4、L4级自动驾驶汽车真正达到商业化的临界点,可能需要真正将驾驶员从司机位上去掉,以达到降本增效,这个时间段会相对长一些,我们认为大概在3-5年后的时间点。

  5、当端有更多的信息给到车,那么无论是智能驾驶的安全性、可靠性还是稳定性,甚至是整个可以拓展的技术线和维度上来说,对单车智能或许都是一个“降维打击”。

  6、虽然在电动车智能车最先来做到突破的是特斯拉这样一个品牌,但是在充分竞争的市场情况下,国内的品牌依赖于国内十几亿人口强大的消费力和我们自己国内整个上下游生态链的完备,逐步可以将我们的产品能力提升到世界领先的层面。

  7、在未来相当长一段时间内,这个行业会有足够的包容性和容纳性,在这个时间周期内,我们无论是去做技术突破,还是去做产业布局,都是很好的时间窗口。这个机会对于大家来收是公平的,看谁在充分竞争的情况下,在大的行业格局下走得更快更远。

  史宝华核心观点:

  1、虽然L3的法律法规没有进一步的明确,在责任方面,小鹏、特斯拉、蔚来最近推出的自动的驾驶辅助已经接近L3。L3我的感觉这个阶段还是很有必要的,L3积累的经验对于实现L4的功能肯定有帮助的。

  2、除了安全责任以外,用户现在对于个人的隐私和车辆产生的数据更加重视了,监管部门也对智能汽车数据的安全应该说越来越重视了。

  3、最近几年吉利、比亚迪、长城发展非常好,已经成了自主品牌的中坚力量。大概五六年前像蔚来、小鹏这些造车有互联网科技基因的背景进来,中国汽车市场又焕然一新,例如蔚来之前从来没有出现过的售价能够达到四五十万的高端品牌。

  「PART TWO」:高层对线 人工智能企业如何发展自动驾驶?

  尽管内核相通,但人工智能产业目前的主要落地场景与自动驾驶有着天壤之别,在场景极为关键的自动驾驶领域,人工智能企业是如何做的?

  请石博士介绍一下商汤科技在汽车智能化领域的进展。

  石建萍:在整个大的汽车板块商汤主要有两个不同的方向,一个对于车外怎么让车更好地开起来,智能驾驶大的板块,另一个是座舱内怎么能够提升大家的体验与交互感觉智能座舱板块。

  智能驾驶有两个大的径,我们一直在做服务于包括车厂,包括Tier1前装量产的算决方案供应商,我们从16、17年开始和世界顶尖的车厂做了的战略合作启动,也持续为它未来基于视觉相关的量产技术去提供技术研发以及整个量产产品的整体。与世界顶尖的OEM合作,商汤会更多了解到当我们的算法应用到整个行业技术中,它其实需要去攻克哪些行业中的技术难点,包括需要通过怎样的汽车行业标准规范能让产品做得更加可靠和鲁棒。另外,我们在国内将视觉从整个量产前装辅助驾驶、智能驾驶的解决方案拓展到比较多的国内车企上,我们提供主要的解决方案包括前视视觉模块,包括L2+行车整体解决方案。另一个纬度上,我们一直在储备L4级自动驾驶的能力,之前行业中有很著名的论战,包括马斯克和Waymo CEO代表切入自动驾驶的两个不同的技术线。前装量产是低成本的传感器,要在尽可能多帮助驾驶员做辅助驾驶,Waymo为代表的更昂贵的传感器直接切入L4级自动驾驶,在部分场景替代司机,完成自动驾驶的动作。这两个技术我们都在储备,现阶段在L4自动驾驶方向我们主要针对的是特定场景区域园区内的接驳演示类自动驾驶整体服务。

  目前我们发现这两个技术线包括这两个大的方向开始越来越走到一起,在量产车上大家也开始选用激光雷达解决方案,开始选用上千T的算力,基本上将L4级自动驾驶能够在现在的量产车允许的法律法规情况下让它具备更高的自动化和智能化。我们储备的能力开始在量产项目上得到发挥和应用。智能座舱方向还是量产为主,提供给车厂做前装的量产解决方案。

  刚才听您的介绍,我们布局的技术方向大概可以分为L2+和L4,L3在自动驾驶发展过程中处于什么样的?

  石建萍:L3本身不完全是一个技术问题,更多可能是法律法规或者责任界定或者车厂怎么判断它的产品可靠性边界。我们现在发现越来越有这样一个趋势,在量产解决方案中,我们的车还是卖给消费者的,消费者还是以驾驶员的姿态买这个车,整个智能驾驶越来越去辅助驾驶员去更多的场景,在更多的场景上能够让自动驾驶相关技术帮助到驾驶员。

  在L2+的径上,使得场景的丰富性、拓展性、多样性更大。在L4的线上,现阶段我们更多集中在特定区域,相对可控的情况下去做完全替代驾驶员的场景应用。当这两个场景开始越来越走得更深入的话,未来前装车上不见得是L3,L3和L4的边界也是相对比较模糊的。

  虽然L3的法律法规没有进一步的明确,在责任方面,小鹏、特斯拉、蔚来最近推出的自动的驾驶辅助已经接近L3。L3我的感觉这个阶段还是很有必要的,L3积累的经验对于实现L4的功能肯定有帮助的。

  不过你们是一个人工智能的,你们涉及到的业务领域非常广,刚才提到汽车。汽车智能驾驶对于人工智能需求也常大的,你们在汽车领域的研发投入包括人员、资源的投入大概能占到你们整个业务比重的多少?

  大的方向,商汤有三四百人的团队,如果再加上我们整体公共支持性的团队,总体还是一个相对比较大的体量,在算重的业务板块。商汤去做汽车方向,核心优势是商汤本身在视觉算法、深度学习算法,包括算法是我们一直以来的强项。此外,我们在各个行业上积累了大量的包括像深度学习超算、深度学习的工具链、数据标注、数据处理的性能,包括嵌入式的性能,这些级的性能在汽车垂直领域做应用,能够极大地提升整个研发效率,极大地帮我们聚拢人才,这些都是在商汤做这件事能够获得的优势。

  张丽玥:商汤科技在智能驾驶领域与智能座舱领域的竞争对手非常多,在这里面商汤科技提供的方案具备什么差异性?优势是哪些?

  石建萍:我们核心的优势在技术和算法上领先的优势,在各种相关的算法上,商汤一直拥有一个核心的行业人才储备,以确保核心技术能够在行业上始终保持领先地位。此外,整个提供的包括计算资源、数据资源,能够使得我们的迭代速率是最快的。这两个因素加起来,我们在核心的技术点上的突破其实是比行业的竞争对手做得更快

  对于自动驾驶、智能驾驶方向来说,目前还是在需要的临界点,让产品能够真正可用的阶段。本身技术的领先性是整个在做商业化,包括产品推广过程中一个核心的要素。在这一点上,是我们一直以来的长项。

  汽车行业的智能化跟其它行业的智能化有相通的地方或者有可以借鉴的地方吗?

  石建萍:对汽车整个行业来说,我们大部分碰到的到最后最核心的问题基本都是的问题。

  举个例子,像L4自动驾驶车最后去解决的极端场景是什么样的,比如天气比较差的情况下,我们要识别一些远处比较小的物体,我们要去绕开它,要做出合理的驾驶决策。或者我们碰到有歧义的场景,比如前面停了一个大的故障车,我不太区分出来是停在这里不走的车还是在等红绿灯的车,我可能采取不一样的决策来去做后面的径规划。最终核心的要素都是我们要对场景具有更高阶的理解,能够对我周围的区做更细致更精准的。在这个点上能力是我们在各个行业各个业务线持续积累的能力。另外一个能力,整个汽车板块最终要在车载嵌入式上将我们的算法或者解决方案做移植适配,在一个相对比较低成本的,算力没有那么大的情况下能够去把自动驾驶的能力真正发挥出来,这个也是我们在各个行业去精心打磨过的能力。这些对于我们怎么去做模型的优化,包括嵌入式层的加速和整个系统性能的优化其实都是要求非常高的,在这样的一些维度上其实都是我们本身的长项。

  系统能够更好地去对场景做以后,接下来就是要对场景做解决方案的打磨。在这个点上,商汤是相对比较的,我们也愿意和各个最终下游的车厂一起来打磨整体的驾驶功能解决方案。

  商汤科技的优势目前应该在计算机视觉,我看你们的自动驾驶解决方案也是以视觉为主。现在大部分的车企我感觉大家还是比较认可融合方案。在融合趋势下,你们的优势如何下去?你们现在也提融合解决方案,你们的融合解决方案里面视觉还是最主要的还是和激光雷达的重要性已经差不多了?

  石建萍:有不一样的侧重,激光雷达也是计算机很重要的方向,在这块我们有很强的积累。

  在L4解决方案中,如果有激光雷达传感器,我们整个在激光雷达的范围内应该是更偏向激光雷达为主的融合。但是激光雷达本身是有整个距离的,比如现在主流的激光雷达可能是十米的范围,再远处激光点相对比较稀疏,在远处更多融合毫米波和视觉的方案来做整体的融合在量产解决方案中,可能大部分的车型不会上相对比较昂贵的高线束的激光雷达,这种情况下更多是视觉和毫米波雷达为主的解决方案。我们也会包括视觉,包括毫米波雷达不同的特性,利用各个传感器通过原理能够获得核心的更可信的纬度,我们也会参考不同传感器的特性,来去做这样一个融合。商汤整个优势在于数据驱动的算法,也不仅仅局限在视觉为主的方案,各种方案我们本身都有尝试并一直深入推进它的前沿。

  端和车端的融合方案一致吗?

  石建萍:端更核心要考察的是大规模铺设时的成本,以成本为维度来考虑更适合使用哪些传感器。另外端整体上做多传感器融合,它的要求是需要实时性更好,处理完要发回到车端,让车端做跟多的融合处理,它的延迟要求比较高。在端相对可以用成本更高的计算设备,加大算力,让结果更可靠或者鲁棒,其实有一些细节方面的不同,但是大的算法框架包括整个技术线还是相对一致的。

  史宝华:普通人什么时候能够用到高等级的自动驾驶?

  石建萍:L4级自动驾驶汽车真正达到商业化的临界点,是真正把驾驶员从司机位上完全去掉,达到降本增效的过程,这个过程相对时间较长,大概至少需要3-5年。

  一方面,技术需要更加稳定一些;另外一方面,政策法规对这方面研究得更透彻一些,也会有更多的标准和规范制定下来,能够推动这个行业的发展。但是在此之前,像无人驾驶的接驳体验,可能部分有安全员或者有一些后台的backup system,可能会逐渐落地。这个场景也是有意义的,因为它一方面能够让大众更早地接触到无人驾驶的技术,去打开对这件事的认知。

  自动驾驶大规模的落地,我们觉得可能在当下在L2+前装量产上,我们其实还不需要跟司机做清晰的责任界定,但是技术本身其实已经可以辅助到驾驶员去解放他的一部分精力.

  智能汽车的发展需要基于大规模的数据采集,但这也带来了数据安全与个人隐私安全的问题,商汤科技在数据安全方面采用了度的方案。

  除了安全责任以外,用户现在对于个人的隐私和车辆产生的数据安全越来越重视,监管部门的重视程度也有所提高。技术企业和这些主机厂怎么回应用户和主管部门的关切?

  石建萍:从几个维度,第一个维度,当越来越多的摄像头装在车上,它本身具有一定的智能化功能。商汤建立了一系列合规的检查和合规的组织,来判断我们在产品设计的每个层面是否有用户隐私的行为,以及需要做一些什么样的保障来去把真正层的信息做脱敏。

  另一个维度,在车厂层面,怎么能够在这么多数据的情况下数据安全。目前我们看到的趋势,车厂越来越多关注这样的方面,跟我们探讨这方面的解决方案。车厂以来在这边的积累本身还是相对比较多的,对于汽车来说,各种都还是安全相关的。怎么不受黑客,怎么整个信息上传下达的准确性,本身车厂这边有相对比较强的积累。本身技术也在一步步推进,大家现在都在探索传统和现代新的方案同的解决方案。

  从你们和不同类型的车厂接触来看,什么样的车厂对于安全隐私更重视或者做得更好,车厂之间会有差别吗?

  石建萍:我们现在看到越传统的车厂对这个点会关注越多一些。比如像海外的OEM产品的周期也会相对比较长,可能都是五到六年的时间,有更长的时间把中间的每个环节去搞得非常扎实,也有更长的决策流程来每个决策的正确性,我们发现海外的OEM在这点上做得是最细致的。

  在国内的话,我们发现国内主流的OEM工作做得也是更扎实,本身有相对比较长时间积累的。造车相对比较快,国内整个技术迭代的周期也是被造车拉上很高的台阶,大家基本上以一年半或者两年的周期来去做新产品的和迭代,在这个过程中会跑得更快一些。如果我们想要走得更快,我们在最开始的时候没有办法兼顾到那么多的细节,这个功课大家一定会补上。

  在数据层面你们和整车企业是完全共享的吗?

  石建萍:其实只有部分数据共享,而且大部分是已经做过脱敏再共享给我们。

  张丽玥:他们对中国数据的脱敏工作是不是会比国外对用户的脱敏工作做得更多?

  石建萍:是的,国内的数据上还是有挺多的,不是所有的海外车厂或者海外供应商有权在国内采集数据,有很多国内本土包括地图的厂商,像各种数据采集的厂商其实有自己的机会,在这边海外的厂商不见得有权限来去做这样的事情。

  03 自动驾驶需要充分竞争 行业有足够包容性

  张丽玥:现在整个自动驾驶领域芯片算力增长的情况是怎样的?

  石建萍:还是挺快的,我们在去年前年像前置摄像头的产品比较多,从不到1TOPS涨到目前2-3TOPS的算力芯片,实现了很多新的功能。

  而现在有10+TOPS甚至几十TOPS的算力出现,最近在量产的高端车型上基本选择了100+TOPS的算力,对于算法来说,它的可行性和可能性就更多了,为未来的OTA升级留出了非常充足的空间。整个现在在车载芯片上算力的提升目前还是基本符合摩尔定律的涨幅在提升,还是在行业快速发展未来可期的状态下。

  目前是不是有点军备竞赛的感觉,算力在一定阶段上是否存在上限?

  石建萍:现在已经达到量产级别的100+TOPS其实很少,我们拿到的为数不多的样品都是早期的样片,还没有达到可以完全量产的等级。100+TOPS的芯片放到一起,怎么解决,功耗、散热的问题如何解决?这需要各个行业参与方一起来努力攻克。这个问题目前还没有完全解决,包括1000+TOPS算力的芯片,现在能否量产还是未知数,需要大家去难题。

  史宝华:从研发的角度来看,您觉得不同的车企、人工智能企业和零部件供应商,大家应该通力合作共同研发,但有些车厂喜欢全栈自研的方式,你们认为,怎么能既高效又快速地实现智能汽车的目标?

  石建萍:要更快实现智能汽车的目标,一个是这个行业需要充分竞争,大家都有自己的角色或者出发点,且大家都是你追我赶的状态,整体行业的进展会更快一些。另一个问题,这个行业也需要更大的关注度和整体的资源,需要更多的人才涌入这个行业中,这个行业的发展会变得更快。

  大家都到一起,还是都分散,很难说哪个是最优解。对于商汤来说,我们希望在行业格局中更好地找到自己的,我们也不需要把所有车厂的项目都拿下,其实我们也希望能够通过我们的和建设能力,帮助整车厂更快更好地实现智能汽车。其实在这个过程中,大家一定能够找到自己的配合和合作点。

  你们现在合作的车企客户大概有多少?

  石建萍:整体超过30家车企在展开合作。整个汽车的领域车厂包括Tier1相对比较分散,最终不会有一到两家寡头垄断性的行业,最后一定有非常多的品牌,大家会有自己的差异化竞争点,最终这个行业容纳下非常多的玩家一起在这里,因为这个行业的体量非常大。

  史宝华:从智能汽车的内涵来讲,现在我们大家讲的比较多的一个是自动驾驶,一个智能座舱。除了这两个方面以外,您个人觉得还有哪些方面可以给我们更好更不一样的体验?

  石建萍:另一个大的方向是智能网联,当国家把车协同类似的基础设施建设得更加完备的时候,无论是自动驾驶还是智能座舱,都会拥有更多的想象力和空间,这个其实也可能是一个新的增长点。这一领域目前还是依赖于我们的基建,还在一些试点区域来去做点状的尝试,未来有非常大的空间。

  史宝华:中国在实现智能网联汽车的目标上,在单车智能的基础上结合了车协同,跟国外比如美国的情况不太一样。国内的线是不是更容易接近这个目标?

  石建萍:一定是的,当端有更多的信息给到车,那么其实不管是从智能驾驶的安全性、可靠性、稳定性来讲,还是从整个可以拓展的技术线和纬度上来讲,对于单车智能来说都是一个降维打击。

  这件事会在中国推行的更快更有效一些,也是大家的趋势。其实在智能驾驶,尤其是车协同方向,中国一定会弯道超车。我们不管在技术上,还是在人才储备上,还是在大规模的基础设施铺设上,国家都常有动力的,而且整个行业的关注度也是足够高的,我们行业本身的积累也是足够多的。

  我个人感觉在电动化、智能化等方面,最近几年中国车企确实进步特别快,尤其是自动驾驶,之前我们对特斯拉这样的基本还是仰视的感觉,这两年我们差不多能够做到平视。不知道您怎么看现在这种力量格局对比的变化,是不是我们中国的汽车产业通过发展智能电动汽车可以做到和国外的车企平起平坐齐头并进的水平?

  石建萍:目前不管从新能源汽车实际的驾驶体验,还是自动驾驶的体验,国内头部的车企表现出来的产品力基本可以和特斯拉抗衡。回顾过去历史上不同的行业或者产业来说,其实我们都是在充分竞争的下达到世界领先的产品竞争力。

  我觉得手机行业就是一个很好的例子,虽然苹果最先引领了智能手机行业的浪潮,很多的中国人去使用苹果手机。但这为中国积累了丰富的制造业人才与供应链的体系,以及庞大的用户群体,这些共同孵化了我们自己的国产品牌。现在像小米、OO、VIVO、华为基本上都是通过在国内市场上的竞争打磨,最终出海占到很大的市场份额。在汽车这个领域上最终也可能是这样,虽然在智能电动车领域,最先做到突破的是特斯拉,但是在充分竞争的市场情况下,国内的品牌依赖于国内十几亿人口强大的消费力和我们自己国内整个上下游生态链的完备,逐步可以将我们的产品能力提升到世界领先的层面,未来会界上占有重要的一席,而且我们看到了一些弯道超车的机会。

  现在整个行业的参与还是很多的,从主机厂这两年的销售角度来看,行业集中度还是在不断提升。以后集中度提升也是未来汽车行业的一个大的趋势,这个会对我们自动驾驶所参与的产生一些影响吗?

  石建萍:集中度提升到像手机这样只剩下少数知名品牌,在汽车领域还需要很长的时间,整个汽车领域非常碎片化。在未来相当长的一段时间内,这个行业都会有足够的包容性和容纳性,在这个时间周期内,我们不管是做技术突破,还是做产业布局都非常合适,这个机会对于大家来说都是公平和的,看谁在充分竞争的情况下,在大的行业格局下走得更快更远。

  史宝华:我特别赞同石博士市场充分竞争的观点,最近我们看到汽车行业特别热闹,互联网、科技都纷纷各种形式介入进来,这个是特别好的现象。想起我们做汽车刚入行的时候,当时这个市场还常封闭的,等到差不多上世纪末初,一些民营企业吉利、比亚迪才慢慢进来。最近几年吉利、比亚迪、长城发展非常好,已经成了自主品牌的中坚力量。大概五六年前像蔚来、小鹏这些造车有互联网科技基因的背景进来,中国汽车市场又焕然一新,出现蔚来以前从来没有出现过的售价能够达到四五十万的高端品牌。市场的充分竞争,包括特斯拉这条鲶鱼放进来,经过这几年来看,特斯拉带给中国市场很多变化,很多最初的造车借鉴它学习它模仿它,但现在的前几家,销量、技术水平和特斯拉没有特别大的差距,甚至在某些领域实现了追赶。市场的充分竞争真的非常关键,在市场越来越,竞争越来越充分的条件下,智能电动汽车的目标会越早实现。

  张丽玥:而且中国的整个消费以及消费者对自动驾驶的接受度更高一些。

  史宝华:但监管有些地方还是需要跟上,尤其是现在用户特别关注的隐私和数据安全。现在智能汽车采集的数据量特别惊人,有些品牌很难弄清楚到底怎么利用数据,有些品牌的数据可能会涉及到向境输。对智能汽车的监管要和技术的发展匹配起来,既不能阻碍技术的创新发展,也不能太滞后于技术的发展。

原文标题:《智造1+1》04|商汤科技石建萍:自动驾驶临界点在无人化 行业需 网址:http://www.interiordesignjb.com/qicheweixiu/2021/0610/15795.html

相关文章