智能科技需要軟融合

譚晶寶

自動駕駛的必經之路上還有哪些不得不翻越的“火焰山”？

進入2019年下半年后，各大車企紛紛推出L2級自動駕駛量產車型，讓自動駕駛的落地步伐又向前跨越了一大步。然而，在實現全自動駕駛目標的漫長道路之上，剛剛從測試階段準備邁向運營階段。我們應該如何走穩這一步，走在浪潮之巔的科技公司都有自己的見解，也都在自己的領域為之奮斗。

百度：從測試到運營

“從測試到運營是無人駕駛落地的必經之路。”百度智能駕駛事業群組自動駕駛技術部副總經理陶吉介紹。北京市的自動駕駛車輛測試年度報告顯示，在2018年有來自8家公司的54輛自動駕駛汽車，在北京的開放道路區域進行了自動駕駛測試，其中，百度的車輛數占83%，測試里程占總里程的比例達到91%，并且做到零事故。

今年，百度在北京拿到了目前國內最高級別（T4）自動駕駛測試牌照，意味著百度具備了可以在復雜城市道路場景測試的能力。“T4意味著測試道路會進行動態變化，比如施工、潮汐車道、臨時紅綠燈等不斷變化的路況，在這種情況下車輛如何應對極其重要。”陶吉解釋。除了在北京測試，百度以超過300輛自動駕駛汽車在全國13個城市積累了超過200萬公里的測試里程，涵蓋了不同季節、不同道路類型以及不同交通狀況等各種數據，豐富的數據成為百度自動駕駛技術提升改進的動力。

“通過長時間的測試，我們從車輛能力的角度出發把L4級別自動駕駛的發展歸為六個小階段、兩個大階段。”陶吉說道。兩個大階段是測試階段和運營階段，涵蓋了從一輛單車的研發開始，到把車隊商業化落地的全生命周期。其中測試階段又分為封閉道路測試、開放道路測試、區域路網測試;運營階段劃分為小規模試運營、規模化試運營、多城市商業化運營三個階段。

據陶吉介紹，測試階段簡單來說就是通過對車輛進行改裝，車上只搭載測試和研發人員，在限定區域進行一些固定線路的測試，在這一階段的關注重點是車輛的技術指標;其核心是MPI，即每兩次人工干預之間的自動行駛里程，測試階段是車輛能力的提升階段。

運營階段的變化首先體現在更大規模的車隊，這意味著不能再使用過去的改裝車，而是需要定制化的量產車型來部署在區域路網，而且會有真實的運營需求，行駛路徑也由固定路線變為點到點的自由路徑。車上除了搭載測試人員外，還會有真實需求的乘客。在這一階段，關注的重點是運營效率，每公里的成本是關鍵指標，其中包括整車成本和運維成本。自動駕駛車輛使用的激光雷達、計算單元的成本相比普通車輛都是成倍增加的。在運維方面，需要技術團隊來解決車輛出現的故障，現階段還有駕駛員的成本。系統越穩定、車輛質量越高運維成本就會越低，未來完全無需駕駛員的時候成本還將大幅降低。當這些條件達到以后，每天通過跑更多的里程將進一步降低每公里的成本。

為什么說從測試到運營是L4級別自動駕駛的必經之路？陶吉解釋道：“運營將會帶給我們更加貼近真實的應用場景，更大的車隊需要更高的穩定性，同時還要搭載乘客確保舒適性。有了真實用戶以后，他們反饋的意見將進一步幫助我們全流程打磨技術、打磨產品，推動自動駕駛的商業化落地。”

要實現從測試到運營的跨越需要科技公司、政府和整車企業多方的努力。每個角色都有自己需要面臨的問題和顧慮，科技公司想要擁有更廣泛的路網，想要搭載真實乘客;政府會考慮上路的安全標準，會不會影響道路交通？整車企業則會思考把產品賣給誰，研發成本誰來分攤，整車企業以什么樣的身份參與到未來無人駕駛的運營服務當中？陶吉總結到：“測試階段可能不需要更多的合作，如果想要做到從測試到運營的轉變，需要科技公司、政府、整車企業做到三位一體。”

東軟睿馳：軟件定義汽車

在新四化的發展趨勢之下，汽車電子占整車成本的比重逐年加大。20世紀70年代，汽車電子成本占比為2%，到目前，其成本占比已經達到了40%以上。“正是新四化的必然趨勢決定了未來一定是由軟件來定義汽車。”東軟睿馳汽車技術（上海）有限公司全球營銷總經理茅海燕認為。

茅海燕介紹，目前電動汽車的市場占有率為4%左右，到2030年，電動汽車市占率預計能達到20%以上。在智能網聯方面，L3級自動駕駛車輛在2020年預計將達到10萬輛，2030年將會快速增長至1000萬輛。L4級別以上的汽車到2030年預計將能達到500萬輛，新四化的道路之上雖然還存在很多阻礙，但前進的步伐只會越來越快。

新四化的發展離不開AI、大數據、深度學習、V2X、VR等核心技術，市場也越來越需要新技術的應用，這些技術的發展需要獨立的發展空間，只有通過精心設計的軟件架構，這些技術才能得到獨立發展并加快汽車技術的迭代更新。隨著芯片產業鏈和傳感器的發展，未來的軟件架構能夠充分賦能汽車技術的發展，讓OTA、平臺化開發成為可能，不僅能讓新產品快速推入市場，還能大大降低研發成本。

“新四化發展下的另外一個趨勢是軟件與硬件的耦合將逐漸降低。”茅海燕說。目前很多整車企業的研發團隊中，軟件工程師的比例正在飆升，整車企業正在著手開展軟硬件分離的工作，也就是以開放性標準化的軟件平臺應對不同的硬件，從而使成本達到最低。以前是嵌入式軟件，每換一個硬件，軟件就需要重新開發，這讓軟件開發的投入巨大。因此，汽車架構正在從分布式走向集中式。過去每一項功能都有一個單獨的ECU控制，一輛汽車里面有將近100個ECU，現階段通過不同的域控制器實現復雜功能的控制，隨著技術的發展，未來各個域控制器還會進一步融合，形成一個中心控制“大腦”，最終實現軟硬件之間的零耦合。

“其實四化已經成為必然的趨勢，東軟睿馳希望可以用自己27年的經驗積累為四化賦能。沒有一家企業可以把所有的事情都做好，所以生態的建設尤其重要。”茅海燕表示。為了創造更好的生態環境，東軟睿馳正在從多個方面努力推進：其一，通過大學培訓合作實現人才的無縫銜接;其二，建立互利共贏的合作伙伴生態;其三，參與國內和國際四化標準的制定，構建理論和實踐標準;其四，通過構建開發者聯盟來降低開發成本、推廣軟件產品，從而提升行業普及率。

地平線：海量數據的挑戰

自動駕駛技術的發展產生了海量的數據，ADAS、高級別自動駕駛、高精地圖和定位將讓數據的產生呈指數增長。此外，車內的智能交互涉及視覺、語音的采集和分析，這些應用都將產生更多的數據并需要在車內進行實時處理。

“迎接海量數據挑戰的關鍵是什么？是如何實現實時計算，減少反應延遲，提高可靠性和數據隱私的安全以及數據傳輸和存儲。如果不在邊緣進行計算，將會讓基礎設施成本劇增，還將導致網絡數據傳輸成本的增加。我們通過邊緣AI計算幫助行業減少云端的壓力。”地平線副總裁、智能駕駛產品線總經理張玉峰表示。

張玉峰介紹，5G近兩年成為非常火熱的話題，讓數據傳輸具備了高可靠性的保障，對V2X技術有極大的賦能，讓其更加容易落地。但5G并沒有辦法給主干網帶來質的提升，目前來看，5G對數據的搬運能力只有七八百米的距離，容易在5G基站形成一個個數據堰塞湖，這其實打開了邊緣計算的商機和市場。

未來，每輛自動駕駛汽車每天將產生600-1000TB的數據，2000輛自動駕駛汽車一天所產生的數據量就相當于2015年整個人類文明一天的數據量。從不同級別的自動駕駛來看，自動駕駛每升高一級便會導致數據量的增加，對邊緣處理器的能力要求也就越高，要實現L4級自動駕駛可能需要300多萬億次每秒的計算能力。當前的算力還僅僅相當于一只老鼠大腦的能力，由于物理極限的存在，繼續靠降低體積讓算力增長的方式將面臨嚴峻挑戰。地平線選擇通過算法和芯片架構的協同設計，讓計算機領域的摩爾定律得以延續。通過芯片架構、軟件系統和編輯工具的協同優化，并結合場景優化算法，地平線可以繼續保持每18個月讓算力翻倍的速度。

“曾經將能耗、性能、面積，作為評價芯片性能的核心指標，如今，AI芯片的性能需要從能源轉化為計算的效率（TOPS/Watt）、算力成本（TOPS/$）、算力利用率（Utilization Rate）、算力轉化為AI輸出的效率（AI Perf/TOPS）這四個有效算力的維度，來重新定義AI芯片的真實性能。”張玉峰說。