江苏龙网

  1. 首页 > 人文 > >

法雷奥中国区CTO顾剑民：从ADAS到自动驾驶之路

2020年6月22日-23日 ， 由南京经济技术开发区与盖世汽车联合主办的“2020第三届全球自动驾驶论坛”隆重召开 。 本次论坛重点围绕与自动驾驶规模化商用有关的核心技术、法律法规、技术评测、商业模式等话题展开探讨 ， 下面是法雷奥中国区CTO顾剑民博士在本次论坛上的发言：
法雷奥中国区CTO顾剑民：从ADAS到自动驾驶之路
文章图片
法雷奥中国区CTO顾剑民
感谢盖世汽车周总的邀请 ， 非常高兴有这个机会跟在座的各位领导、专家、同行来分享 ， 这个题目也是很大 ， 《从ADAS到自动驾驶之路》 。 我个人认为 ， 主动安全是被动安全智能的延伸 ， 如果进一步的话 ， ADAS就是跟我们一般讲的驾驶辅助系统 ， 是主动安全的一个智能的延伸 。
是不是自动驾驶是ADAS的一个智能延伸呢？从某种意义上来说是 ， 但是自动驾驶不仅仅是一个技术的问题 。 今天上午两位发言嘉宾都讲到 ， 还牵涉到场景、商业模式的落地 ， 除此以外 ， 还有包括法规、基础建设、保险 ， 跟自动驾驶都非常相关 ， 所以我们今天谈的不仅仅是技术的问题 。
因为我是代表法雷奥来做发言 ， 我相信在座的很多对法雷奥比较了解 ， 法雷奥是总部在法国巴黎的一家汽车零部件集成供应商 ， 我们在全球是排前十位的 ， 法雷奥在中国也有很多的布局 ， 一共拥有35家工厂、12个研发中心 ， 在南京就有一家工厂和一个研发中心 。
在产品线来讲 ， 可以说在座的各位如果你是有驾驶汽车的话 ， 这个车上肯定有法雷奥的产品或者零部件 。 我们有四大事业部 ， 其中一个事业部的主打产品就是今天我们要讲到的自动驾驶驾驶辅助 ， 在产品系里面有感知系统 ， 就是通常讲的传感器、激光雷达 ， 人工智能先进的人机交互 ， 还有车联网提供给大家 ， 帮助大家打造一个满足大家出行的需求 ， 这是我们公司在自动驾驶方面的一个简单的介绍 。
如果我们再看 ， 今天我们的题目是什么？从ADAS到自动驾驶 ， 所以我开门见山把这一页放在这儿 ， 这一页PPT ， 其实我在去年已经用过 ， 到今天我几乎一字不改 ， 因为这个观点没有改变 。
第一句话 ， 怎么来做自动驾驶 ， 怎么帮助自动驾驶商业化落地 ， 首先是什么？进入一个市场最好的方法是什么？从小做起 ， 就是从简单、低成本的自动驾驶技术入手 。 这里讲的是技术 ， 从简单的低成本技术入手 。
接下来是什么？目的是用于吸引足够多的愿意付费的用户 ， 因为我们大家知道 ， 如果自动驾驶是什么？展示、测试 ， 没问题 ， 大家都会欢迎 ， 但是你还没法商业落地 ， 商业落地的基本条件是什么？需要有人付费 ， 天上不会掉馅饼 ， 总是需要有人付费 ， 不是你付费 ， 就是我们的整车厂来付费 。
具体怎么做呢？我下面列了几个场景也好或者商业落地的方式也好 ， 首先从自动泊车或代客泊车开始 ， 因为大家知道泊车相对低速 ， 而且场景比较可控 ， 在一个半封闭停车场或者停车库里面 。 还有从低速的自动驾驶开始做起 ， 这里列的是40公里时速 ， 其实这个时速已经很高了 。 一般来讲 ， 在公路道路上的车辆可能不止40公里 。 在低速的情况下 ， 首先可以什么？它可以对于感知系统、决策系统的压力挑战相对小一些 。
这就是从简单的技术开始做起 。
还有什么？从特定的场景和特定用途开始 ， 自动驾驶有很多场景 ， 如果不跑开场景来讲自动驾驶是没有意义的 。 举个极端的例子 ， 如果你在一个测试场地 ， 直径300米 ， 里面没有任何车辆 ， 没有任何障碍物 ， 不要说L4 ， L5都可以做到 。 但是换一个场景 ， 非常拥堵的情况下 ， L3都做不到 。
关键是要去掉安全驾驶员 ， 我们今天很多的展示测试车辆 ， 自动驾驶在路上必须有安全员 ， 这也是我们目前的规定 ， 法规所制约的 。
但是大家想一想 ， 如果有安全员的话 ， 我们通常讲L4的车辆 ， 还是在L3的基础上 ， 这个方面如果我们不能够突破 ， 我们的技术还是在L3这个技术层面 ， 从本质上讲 。
当然 ， 今天另外一个讨论的点 ， 其实真正的自动驾驶不要纠结于到底是L2、L3或者L4 ， 我们今天看到的是来看场景 ， 怎么突破商业化落地 ， 找到一个商业化模式 ， 这才是最重要的 。
最后 ， 就是送货的需求 ， 可能比运客更实际 。 当然并不是说货物从安全的角度来讲 ， 可能比客人关注程度要低一点 ， 这并不是唯一的原因 。 大家如果看到过去这几个月 ， 特别是疫情爆发比较严重的时候 ， 我们在武汉、北京这些城市都会看到什么？有一些无人的物流车来运送医疗设备、医疗物资 ， 可以避免人和人的接触 ， 特别是去一些疫情比较严重的地方 。 这也是我们可以看到无人物流车在这个情况下面 ， 它可能比送人送客更有需求的场景的需求 。
这是一个原因 。
我在这里抛砖引玉 ， 抛出这几点 。
接下来请允许我花一点时间结合法雷奥的产品 ， 来和大家详细叙述一下我们怎么找到场景落地 ， 找到商业化落地的一个最终的目标 。
刚才讲到了 ， 自动泊车是一个比较容易实现的场景 ， 通常讲到自动泊车 ， 泊车辅助是什么？驾驶员需要在车内根据系统的提示 ， 来完成自动泊车或者泊车辅助 。 但是一旦把驾驶员移到车内 ， 让我们的客户能够选择在车内或车外泊车的话 ， 就是遥控泊车 。
法雷奥在2016年推出遥控泊车这个功能 ， 也已经量产了 ， 大家可以看一下 。 用遥控钥匙 ， 万一发生一些紧急情况 ， 需要停止泊车的话 ， 可以一键停止 。
接下来可以更近一步 ， 我们可以想像 ， 如果我们在地下车库口 ， 我们可以用遥控停车让车辆自动泊车 ， 跟刚才遥控泊车的技术是大同小异 ， 但是区别在于一个是可能车辆需要行进的路程或者寻找车位的范围更大一点；第二个区别在于 ， 我们这里讲的就是代客泊车 ， 需要厂端的支持 。 从业界来讲 ， 有两个潮流或者两种方法 ， 一种代客泊车是完全靠车端的传感器来完成 ， 另外一种是需要厂端和车端来协同完成代客泊车 。
如果靠一个车端的传感器 ， 在一个非常拥挤的地下车库里面 ， 可能需要花很长的时间才能找到泊车位 ， 同时有可能引起泊车的拥挤 。 所以如果在厂端和车端相结合 ， 厂端上面加上一些传感器、激光雷达 ， 来帮助我们更快更有效地找到泊车位 。
这里也有一个视频 ， 这是法雷奥和Cisco合作的一个系统 ， 在这个过程当中 ， 可以避让行人 ， 完成泊车 ， 会发送信号给我们的客户 ， 等到我们的用户需要用车的时候可以提前预约 ， 从自动的到下车的点来迎接我们的用户 ， 这是代客泊车的概念 。 法雷奥认为车端和厂端相结合是完成代客泊车比较有效更现实的一个方案 。
另外一个自动泊车的应用场景 ， 非常意外 ， 是什么？充电 。 大家可能一开始没想到为什么充电和自动泊车相关？这是因为目前跟自动驾驶一样 ， 电动化也是非常大的一个趋势 ， 大家可以看到越来越多的插电式混合动力车辆和纯电动车辆 ， 这些车辆无一例外都需要充电 ， 可能插电式混合动力充电不需要那么频繁 。
我们对德国用户调研发现 ， 有三分之二的用户认为如果能完成自动充电或者无线充电 ， 他们更愿意选择或者使用纯电动车 。 我觉得原因可能是什么？因为我差不多开了两年时间一辆插电式混合动力 ， 大家发现充电枪通常比较脏 ， 有的时候还会掉在地上 ， 下雨的时候你也不愿意捡那个湿淋淋的充电枪 ， 你会更愿意有人帮助你完成自动充电或者无线充电 。 法雷奥的一个概念 ， 我们能够打造通过高精度的自动泊车来完成自动、无线充电 ， 或者用机械手帮助你有线充电 。 这个误差的范围 ， 精度必须提高到10厘米以内 ， 即使是充电 ， 大家不要以为到充电桩或者充电板附近就可以完成充电 ， 需要有一个精度 。 只要用户完成一次泊车 ， 下一次可以自动回到这个泊车的位置 ， 这里还有一个自动避让 。
这是自动泊车完成充电 ， 需要一个比较高的精度 ， 刚才说到10厘米以内 。
但是大家想想除了泊车之外 ， 如果真正的自动驾驶需要什么？除了感知功能以外 ， 还有一个最重要的就是定位 。 感知只是感知周围的环境 ， 就像我们的眼睛一样 。 但是如果你都不知道自己现在在哪里 ， 你怎么来真正做到自动驾驶呢？一般来讲 ， 自动驾驶 ， 我们可以想到的定位的方法就是用GPS信号 ， 但是GPS ， 即使是在天气比较好的情况下 ， 我们的GPS能做到的是米级的精度 ， 差不多是在2—3米左右的误差 。 用于导航 ， GPS没有问题 ， 你只要知道自己在哪条路上就行了 。 但是2—3米的误差几乎是一条车道的宽度 ， 也就是说你不知道自己到底是在哪条车道上 。 在辅助道或者高架上面 ， 导航没法告诉你 。 而且我们的车道线 ， 如果双向双车道的情况下 ， 很有可能一条车道线的误差就变成逆行了 ， 或者你在路口的时候导航却不知道你在路口 ， 告诉你的时候让你转弯的时候已经太晚了 。 所以对导航来讲 ， 可能人加上自己的感知 ， 观察周围的环境 ， 还可以接受米级的精度 。 但是自动驾驶没法接受 ， 我们需要提高到厘米级 ， 这就提出一个很大的问题 ， 怎么来帮助自动驾驶达到厘米级的精度 ， 所以我们在这里又提出一个RTK的方法 ， 2020年的CES上 ， 现代汽车 ， 还有Hexagon—Novatel ， 是一家高科技的公司 ， 和法雷奥和移动网络运营商 ， 提出了一项高精度的联合定位技术 ， 它的意义是说我们用了GPS信号以后 ， 但是通过跟地面的基站 ， 地面的基站你可以事先得到它的高精度的位置信息 ， 然后进行一个差分的对比 ， 你可以得出精度比较高的一个相对的位置 ， 这是所谓RTK的技术 ， 是实时动态差分定位技术 ， 这个技术可以帮助我们达到厘米级的精度 。
这已经不是一个新的技术 ， 现代汽车今后会把这个技术搭载他的车上进行量化 ， 这已经是一个可以标准化量产的高精度技术 。
RTK技术可以帮助我们达到厘米级精度 ， 这是已经得到证明的 ， 但是还是有局限性 ， 比如说GPS信号需要什么？天气比较好 ， 如果像今天下雨 ， 云层比较低的情况下 ， GPS信号被遮盖 。 还有一种情况是什么？比如说我们到大城市 ， 像上海或者是香港这种高楼林立的城市 ， 香港还有另外一个限制 ， 就是香港有很多双层的大巴或者观光巴士会影响遮蔽信号 ， 更不要说经过隧道、高架桥 ， 信号肯定会受影响 ， 这个时候我们需要另外一个技术来弥补或者补充定位 ， 就是我们经常讲到的用激光雷达的点云技术来帮助定位 。 也就是说我们通过激光雷达先打造一个高精度的地图 ， 然后通过车上的传感器、激光雷达来实时对比高精度地图的差异 ， 来帮助我们相对的定位 ， 这个技术其实也已经非常成熟了 。 我们法雷奥是通过一个激光雷达打造这样一个高精度地图 ， 来实时定位 。 这个高精度地图是通过众包的形式 ， 因为不可能派出很多的车去每次实时更新这些地图 ， 所以是通过我们的用户在使用过程当中 ， 他的激光雷达的点云 ， 来帮助实时更新这个地图 ， 所以这是一种众包或者众筹的形式 。 这样的方法 ， 跟刚才说的RTK可以互相补充 。
非常有趣的是什么？一般情况下 ， 在高楼弥补的情况下 ， 因为有这样一个系统来通过点云帮助定位 ， 那个时候信号可能会比较弱 。 相反的情况下 ， 在GPS信号不受影响 ， 比较空旷的 ， 比如在大西北是沙漠或者荒漠的地带 ， 地理特征不是那么明显 ， 你怎么进行定位呢？这个时候就用RTK的技术 ， GPS的信号来弥补 。 这两种技术在某种程度上用途是可以互相弥补 ， 互相支撑的 ， 可以帮助我们完成自动驾驶的高精度定位 。
在今年的CES上我们也做了一个展示 ， 法雷奥搭载了第二代ScaLa激光雷达的车辆 ， 作为高精度采集的车辆 ， 还有第一代激光雷达的车队车辆来展示我们的高精度车辆 ， 这个在拉斯维加斯大街上面进行实时的展示 。 在这种情况下 ， 我们可以发现我们的定位精度可以提高到厘米级 ， 大概在10—12厘米以下 ， 这是一个比较高精度的定位 。
这里需要跟大家说一下 ， ScaLa第一代和第二代激光雷达都是已经量产的激光雷达 。 同时在右边这张图上面有一个车顶定位的套件 ， 什么意思呢？一般来讲 ， 激光雷达和毫米波雷达和其他的传感器一样 ， 一旦要量产 ， 一般都是跟我们的OEM的客户合作 ， 需要经过长时间的标定开发工作 ， 这些激光雷达或者毫米波雷达并不像大家想像的一样 ， 我买一个雷达插上去 ， 即插即用 ， 不是这么简单 ， 这是一个长期的开发工作 ， 标定工作 。 对于一些初创企业 ， 特别是自动驾驶初创企业 ， 他可能经不起这样的时间成本和开发成本 ， 所以法雷奥最近推出一个所谓叫通用传感器套件的概念 ， 也就是说我们把一些传感器 ， 目前还是局限于激光雷达和超声波传感器 ， 把它做成一个标准的套件 。 也就是说它的几何尺寸 ， 比如刚才说的车顶的套件 ， 事先已经做好了标定工作 ， 对于用户来讲 ， 特别是对于自动驾驶初创企业来讲 ， 他需要做的工作就相对少得多 ， 时间成本和开发成本都会大大降低 。 而且这些都是已经量产的车规级的传感器 ， 所以它的质量 ， 包括刚才说的一致性都会有保证 。
我们在拉斯维加斯这些高精度定位的展示车辆 ， 用的车顶都是用的激光雷达的套件 ， 这是一个比较实用的高效的解决方法 。
真正做到自动驾驶 ， 技术上有一个讨论比较多的难点是什么？刚才滴滴的孟总也讲到了 ， 在道路上面有很多道路的使用者 ， 就是跟你分享道路的交通使用者 ， 他们接下来的意图是什么 ， 也很可能或者是说没有可能提前知道 ， 你没法预测他们下一步的路径 ， 很难 。
我举一个极端的例子 ， 我们在路上看到很多电动车 ， 特别是送外卖的这些小哥 ， 他一边打着电话 ， 一边驾驶着他的电动车 ， 他自己都不知道下一秒他是往左往右还是刹车 ， 你怎么知道呢？这是一个最大的挑战 。
记得我在两年前 ， 我去南方有一个城市拜访一个自动驾驶的初创企业 ， 他们邀请我 ， 在他们车内做自动驾驶的展示车辆 ， 在路上进行一个自动驾驶的展示 ， 开着开着车 ， 突然车辆刹车了 ， 什么原因呢？因为在前面人行道边上站着一位老兄 ， 那个车辆因为比较保守的算法 ， 它在人行道上看到一个人 ， 不知道这个人下一步会干什么 ， 会走上人行道跨越马路呢 ， 还是继续在路上待着 ， 保守起见就停下来 ， 然后再换道 ， 绕过行人前面的路 。
一般驾驶员开车会经过一个大概的判断 ， 低速通过或者从旁边绕过 ， 这对自动驾驶车辆就是一个非常大的挑战 。 我们怎么来预测其他 ， 不光是行人 ， 还有骑车人、电动车、滑板车这些交通使用者他们的意图 。 我们在今年的CES展上面 ， 法雷奥又推出一个MOVEPREDICT.AI ， 通过人工智能机器学习的方法 ， 来判断这个人的注意力是不是还集中在交通行动上面 ， 如果不在的话 ， 我们可以通过更保守的方法 ， 如果他注意力还是在交通上的话 ， 接下来一步的反应就可能不一样 。
然后还可以判断他接下来的 ， 预测他的企图或者意图 ， 他是不是要过马路 ， 他的行迹都要通过人工智能进行判断 。 当然这只是一个概率问题 ， 并不是能百分之百预测 ， 但这是我们下一步的目标 ， 如果你不能预判的话 ， 就只能用最保守的算法和驾驶 ， 这对我们的使用者的感受应该是不满意的 ， 这样的话自动驾驶变成鸡肋 ， 你开得比人还保守还慢 ， 这样的话 ， 自动驾驶并不能真正找到落地的场景 。
在刚才讲到 ， 其实很多情况下运货可能比运客的需求更实际 ， 这就是为什么我们在2019年的CES展上面 ， 我们跟美团签订的战略合作协议 ， 共同开发最后一公里的无人配送技术 ， 或者叫最后一公里的无人物流车 。 这是我们在去年和美团达成协议 。
在2020年1月份 ， 在今年的CES展上 ， 我们推出了法雷奥和美团共同开发的无人物流车 。 因为受场地限制 ， 我们在一个停车场里面做了一个简单的绕圈的演示 。 图中有一个小哥他手里拿的不是遥控器 ， 很多人在问是不是像遥控玩具车一样在控制这个车辆？不是 ， 唯一的目的是开始和结束 。
这是我们在一年之内 ， 从跟美团签订战略合作协议 ， 进行技术上的交流 ， 设定目标 ， 最后完成设计、制造样车 ， 运到美国 。 这一年当中做了很多事情 ， 这也是一个速度非常快的过程 。
这是一个怎样的物流车呢？简单跟大家介绍一下 ， 它的尺寸是2.8米长 ， 宽1.2米 ， 比一般的小车还要小一些 。 它可以送17份外卖 ， 这个并不是说只能送17份 ， 它有17个运送箱 ， 取决于外卖的大小 ， 可能还可以搭载得更多 。 续航里程是电驱动的 ， 一共是100公里 ， 如果需要更长里程的话搭载更多的电池 。
法雷奥和美团的分工是法雷奥提供这样一个线控底盘 ， 提供了48伏的电池系统 ， 控制器 ， 上面是法雷奥提供的自动驾驶传感器、自动驾驶的平台 ， 从模块到软件是由法雷奥提供的 ， 不光是给自动驾驶的无人物流车 ， 也可以给所有的城市道路工况的车辆提供自动驾驶的模块 。 美团提供当中的车体 ， 包括刚才讲到的车厢 ， 还有运送柜和APP ， 用户和客户的软件交流 ， 是由美团提供的 。
这是一个样车 ， 在一年之内很快就做成了 ， 本来我们的计划是在今年4月份的北京车展 ， 把这辆车运到北京做进一步的展示和交流 ， 因为疫情的原因 ， 这个事情肯定会推迟了 。
我刚才介绍了 ， 其实自动驾驶的平台为无人物流车 ， 它不是专门打造的 ， 是法雷奥在两年前 ， 2018年已经推出的一个城市道路工况下的自动驾驶平台 。 这是在城市道路工况下目标是L4级别的自动驾驶 ， 它其实是考虑到城市道路工况下面的各种特点 ， 比如说有各种各样的车辆、行人、自行车 ， 其他的交通灯 ， 包括在欧洲有很多的环岛 ， 还有停车的标志 ， 这些都考虑在内 。 我们还通过刚才说的高精度定位的方法 ， 来知道车辆的定位 ， 来打造L4级别的自动驾驶平台系统 。
我们可以看一下这个视频 ， 这是2018年在巴黎车展上面做的一个自动驾驶的展示 ， 需要提醒大家一点的 ， 在这个车上面所有的传感器是都已经量产的 ， 都已经交付给我们的终端客户 ， 在OEM 。 因为在驾驶员手下已经是量产的 ， 在运用的传感器 。
这是2018年巴黎车展做的一个展示 ， 大家可以看到 ， 刚才是一辆摩托车经过 ， 下面是自动变道、超车 ， 左边是车内的一个摄像头 ， 右边是车后方的一个跟随车拍的 ， 前面是自动避让自行车的一个场景 。
交通灯的识别、斑马线、行人的识别、避让 ， 最后是隧道、桥道 ， GPS信号被遮盖的时候 ， 能够继续保持高精度定位 。
这是一个自动驾驶平台 ， 是一个软件和硬件相结合的系统 。
如果我们详细看一下 ， 在这个无人物流车传感器的配置是如何的呢？搭载了各种传感器 ， 首先是4个环视摄像头 ， 前面还有一个长距前视摄像头 ， 4个毫米波雷达 ， 12个超声波传感器、4个激光雷达 ， 4个激光雷达的作用还各有点不同 ， 前后的激光雷达是起到探测障碍物的作用 ， 两侧的激光雷达更大的作用是用来通过点云地图来帮助高精度定位 。 大家可以看到是有四种不同种类的传感器搭载起来 ， 每种传感器有各种不同数量的 ， 完成一个感知功能的冗余 ， 帮助完成自动驾驶 。 所有这些传感器都是已经量产的 ， 我们在交付客户已经使用了 。
刚才讲了很多是比较大的 ， 比如宽1米多 ， 长2米甚至3米的无人物流车 。 其实如果大家仔细想一想 ， 最后进入到社区 ， 进入到酒店 ， 这些车辆很难进入 ， 因为太大了 ， 所以可能跟我们更接触多的或者使用更多的是一些小的机器人或者小的无人物流车 。 这也是在今年的CES展上面 ， 我们展出了法雷奥跟一家初创企业TwinswHeel合作开发的无人配送机器人 ， 有可能就不叫物流车 ， 叫机器人 ， 有两个轮子的 ， 也有四个轮子的 ， 它不是自动驾驶 ， 是跟着你走 ， 比如有一些行动不便的老人或者是残疾人 ， 他在搬运东西的时候搬不了 ， 他需要有一种机器人帮助他搬运货物或者跟着他走 。 这是一种场景 ， 法雷奥提供了传感器48伏的电机系统 ， 这家初创企业目前已经推出两种无人配送机器人 。
你只要一摁这个按钮 ， 传感器就认识了你 ， 比如说周总在那儿一摁 ， 它就认识了你 ， 别人再摁 ， 它也不会跟着别人走 。 就像一只狗 ， 一个宠物一样的 。
这是无人物流车在家庭使用中的另外一个场景 。
法雷奥是推出传感器品种或者种类最齐全的供应商 ， SCALA雷达是业界到今天为止唯一一家也是第一家已经量产的符合车规级的激光雷达 ， 2017年是第一代SCALA雷达量产的 ， 今年我们会在研发第三代 ， 它是一个固态的激光雷达 ， 时间也是根据我们的客户 ， 可能是2022年左右 。
搭载的激光雷达 ， 除了一般讲的OEM客户以外 ， 还有的是我们的初创企业或者是我们自动驾驶的企业 ， 这里举的一个例子是法国的一家初创企业 ， 这家企业搭载的是法雷奥的SCALA激光雷达 ， 法雷奥也是这家企业的投资者 ， 大概占了百分之十几的股份 ， 这家企业从创立到今天 ， 已经在全球20多个国家销售了160多辆自动驾驶的无人小巴 ， 同时也有无人驾驶的出租车 。
最后总结一下：
【法雷奥中国区CTO顾剑民：从ADAS到自动驾驶之路】自动驾驶跟电动化或者是共享汽车一样 ， 是我们“新四化”当中的一个非常明显非常重要的潮流 。 我个人非常坚信有一天 ， 我们能真正完成或者做到无人驾驶或者自动驾驶 。 当然这个道路是比较漫长的 ， 也有可能是非常崎岖的 ， 所以我个人是一个比较谨慎的乐观者 。
在这个过程当中 ， 我们要特别关注的是技术 ， 但是越到自动驾驶或者高度的自动驾驶 ， 你会发现技术只是其中的一个问题而已 。 还有什么？刚才说到怎么落地 ， 怎么商业化落地 ， 怎么来关注场景？我反复强调 ， 如果脱离场景来讲自动驾驶技术 ， 那是没有意义的或者是耍流氓 ， 我们刚才已经讲了极端的例子 。 在一个空旷 ， 没有任何障碍物的情况下 ， 任何车都可以L4、L5的自动驾驶 。 但是如果结合场景 ， 你会发现很多问题出现了 ， 还需要什么？不光是汽车行业 ， 还需要我们的法规、保险、道路建设、运营方各方面来配合 ， 一起合作来完成自动驾驶 。
从这个角度来讲 ， 我跟滴滴的孟总的观点比较接近 ， 就是私家车的自动驾驶可能性 ， 可能落地的时间点会更远一些 。 因为我已经讲过了 ， 这个自动驾驶的成本必须要有人来承担 。 我相信在座的每一位我们的用户 ， 你不可能花几十万块钱买一辆车 ， 再花几十万块钱加装一套自动驾驶系统 。 更快更好更早落地的可能是出租服务商 ， 有可能是无人小巴、无人出租车或者是无人物流车等等 ， 这三种哪个先落地 ， 我们还看不清楚 。 但是可能无人物流车通过这个疫情的验证 ， 它可能会更容易找到一些落地的场景 ， 来完成商业化的模式 。
除了这三种场景以外 ， 在矿区、无人区等等 ， 也是一种L4的驾驶车辆 ， 其实已经找到一种场景 ， 当然这个相对比较小 。
但是我要总结一点 ， 自动驾驶不仅仅是私家车 ， 它肯定是包括各种场景下面的各种车辆 。 我非常坚信在这种情况下 ， 自动驾驶的场景落地不会很遥远 ， 不可能会在十年二十年以外 ， 可能会更快 ， 帮助我们来完成更安全更舒适的一个驾乘环境和物流交通的目标 。
谢谢大家的聆听！


    推荐阅读


    上一篇：“特斯拉大街一号”！德国地方政府为拉投资够拼

    下一篇：更“高端”的五菱车？首款银标新车外观内饰详解