驭势黄波关于智能驾驶商业化的思考和实践分析

驭势上海总经理黄波博士在“GTIC 2017全球（智慧）科技峰会”发表了名为“智能驾驶商业化的思考和实践”的主题演讲，主要探讨了自动驾驶由L2向L3级别演进的路径和难点，以及同时从特定场景的低速无人驾驶寻求突破的商业实践。

以下为黄波博士的演讲精摘：

1、自动驾驶技术在中国的潜在市场广阔。 

至2020年，汽车产业规模达3000万辆，驾驶辅助/部分自动驾驶车辆市场占有率达到50%；  

至2025年，汽车产业规模达3500万辆，高度自动驾驶车辆市场占有率达到约15%；    

至2030年，汽车产业规模达3800万辆，完全自动驾驶车辆市场占有率接近10%。

2、当前自动驾驶的主流水平——L2（部分自动驾驶），还远未成熟，离一辆足够智能的车还有很长的距离。而要使L2迈向L3（有条件自动驾驶），还有几个问题需要克服： 

第一点是设计上的难题：自动驾驶失效要向驾驶员移交车辆控制权，这个过程会花费8-10秒左右的时间，系统需要足够的智能才能在这段时间内保障车内乘客的安全；同时，L3的自动驾驶对传感器算法提出了更高的要求。

第二点是L3对其它尚未成熟的技术具有一定的依赖性：其中最主要的是实时的高精地图和V2X的车辆通信技术，这两项技术虽然都比较先进，但在目前仍未落地。它们的研发进程也为L3的落地增添了不确定性。

第三点是成本问题。L2主要采用前视摄像头+毫米波雷达的解决方案，成本相对较低；升级到L3后，可能需要多路摄像头，也可能用到短距离毫米波雷达甚至更加昂贵的激光雷达。消费者对价格敏感性仍然很高，成本可能会成为L3技术推广的一个巨大阻碍。

第四点则是中国的道路情况相对外国更加复杂（速度区间大，换道多，人们驾驶习惯更加粗放），对自动驾驶解决方案的算法与硬件都提出了更大的挑战。

基于这些考虑，自动驾驶的大规模商业化可能还需要5-10年的时间。

3、面对这些情况，在持续研发L2.5与L3的智能驾驶解决方案的同时，驭势科技也在低速无人驾驶场景寻找机会，由于场景高度确定、速度较低，后果更加可控。同时算法复杂性比高速场景高得多，可以为后来进化到中高速的无人驾驶做好充分的准备。

4、智能驾驶的商业化是一个复杂的系统工程。

演示跟产品是不一样的，演示中可以多次尝试，只要一次成功即可。而作为产品部署却一次失败都不可以有，所以我们必须用工匠精神去打造产品。

如何在量产上控制成本，以及周边基础设施的建设，都要纳入考虑。智能驾驶同时是一个高度复杂的系统工程，单个算法可能并不难，但要把所有软件和硬件无缝地集成并正确运行，其实非常复杂，存在非常多的挑战。

驭势科技集聚了人工智能/计算机视觉团队、来自国际Tier1的核心工程师团队、产品设计团队以及来自英特尔的系统工程团队来共同打造驭势的智能驾驶解决方案。

当然，商业化的部署和落地需要产业上下游的通力合作，驭势怀抱开放的态度来跟生态系统的玩家合作，共同迎接智能驾驶的早日到来。