馭勢上?？偨?jīng)理黃波博士在“GTIC 2017全球（智慧）科技峰會”發(fā)表了名為“智能駕駛商業(yè)化的思考和實(shí)踐”的主題演講，主要探討了自動駕駛由L2向L3級別演進(jìn)的路徑和難點(diǎn)，以及同時從特定場景的低速無人駕駛尋求突破的商業(yè)實(shí)踐。

以下為黃波博士的演講精摘：

1、自動駕駛技術(shù)在中國的潛在市場廣闊。

至2020年，汽車產(chǎn)業(yè)規(guī)模達(dá)3000萬輛，駕駛輔助/部分自動駕駛車輛市場占有率達(dá)到50%；

至2025年，汽車產(chǎn)業(yè)規(guī)模達(dá)3500萬輛，高度自動駕駛車輛市場占有率達(dá)到約15%；

至2030年，汽車產(chǎn)業(yè)規(guī)模達(dá)3800萬輛，完全自動駕駛車輛市場占有率接近10%。

2、當(dāng)前自動駕駛的主流水平——L2（部分自動駕駛），還遠(yuǎn)未成熟，離一輛足夠智能的車還有很長的距離。而要使L2邁向L3（有條件自動駕駛），還有幾個問題需要克服：

第一點(diǎn)是設(shè)計上的難題：自動駕駛失效要向駕駛員移交車輛控制權(quán)，這個過程會花費(fèi)8-10秒左右的時間，系統(tǒng)需要足夠的智能才能在這段時間內(nèi)保障車內(nèi)乘客的安全；同時，L3的自動駕駛對傳感器算法提出了更高的要求。

第二點(diǎn)是L3對其它尚未成熟的技術(shù)具有一定的依賴性：其中最主要的是實(shí)時的高精地圖和V2X的車輛通信技術(shù)，這兩項(xiàng)技術(shù)雖然都比較先進(jìn)，但在目前仍未落地。它們的研發(fā)進(jìn)程也為L3的落地增添了不確定性。

第三點(diǎn)是成本問題。L2主要采用前視攝像頭+毫米波雷達(dá)的解決方案，成本相對較低；升級到L3后，可能需要多路攝像頭，也可能用到短距離毫米波雷達(dá)甚至更加昂貴的激光雷達(dá)。消費(fèi)者對價格敏感性仍然很高，成本可能會成為L3技術(shù)推廣的一個巨大阻礙。

第四點(diǎn)則是中國的道路情況相對外國更加復(fù)雜（速度區(qū)間大，換道多，人們駕駛習(xí)慣更加粗放），對自動駕駛解決方案的算法與硬件都提出了更大的挑戰(zhàn)。

基于這些考慮，自動駕駛的大規(guī)模商業(yè)化可能還需要5-10年的時間。

3、面對這些情況，在持續(xù)研發(fā)L2.5與L3的智能駕駛解決方案的同時，馭勢科技也在低速無人駕駛場景尋找機(jī)會，由于場景高度確定、速度較低，后果更加可控。同時算法復(fù)雜性比高速場景高得多，可以為后來進(jìn)化到中高速的無人駕駛做好充分的準(zhǔn)備。

4、智能駕駛的商業(yè)化是一個復(fù)雜的系統(tǒng)工程。

演示跟產(chǎn)品是不一樣的，演示中可以多次嘗試，只要一次成功即可。而作為產(chǎn)品部署卻一次失敗都不可以有，所以我們必須用工匠精神去打造產(chǎn)品。

如何在量產(chǎn)上控制成本，以及周邊基礎(chǔ)設(shè)施的建設(shè)，都要納入考慮。智能駕駛同時是一個高度復(fù)雜的系統(tǒng)工程，單個算法可能并不難，但要把所有軟件和硬件無縫地集成并正確運(yùn)行，其實(shí)非常復(fù)雜，存在非常多的挑戰(zhàn)。

馭勢科技集聚了人工智能/計算機(jī)視覺團(tuán)隊、來自國際Tier1的核心工程師團(tuán)隊、產(chǎn)品設(shè)計團(tuán)隊以及來自英特爾的系統(tǒng)工程團(tuán)隊來共同打造馭勢的智能駕駛解決方案。

當(dāng)然，商業(yè)化的部署和落地需要產(chǎn)業(yè)上下游的通力合作，馭勢懷抱開放的態(tài)度來跟生態(tài)系統(tǒng)的玩家合作，共同迎接智能駕駛的早日到來。