自动驾驶年度激辩：量产由三要素驱动，本质是数据的军备竞赛 | MEET2022

Posted 2022-02-06 QbitAl

编辑部 整理自 MEET 2022
量子位 | 公众号 QbitAI

“AI在自动驾驶上是应用科学，除了一些核心算法的开发，70%是智能驾驶工程化。”“

“特斯拉的数据驱动，让大家明白自动驾驶是个军备竞赛，必须要有大量场景、量产车、数据闭环驱动的支持。”

“L2和L4底层思维不一样。有无安全员，在技术、设计思路包括技术的实现、产品及相应的变成商品的过程，是根本不同的。”

……

今年自动驾驶行业最热的话题，无论量产、安全、数据驱动等等，在量子位MEET2022 自动驾驶圆桌被激烈讨论。

彻底、毫无保留。

腾讯交通平台部总经理、自动驾驶总经理苏奎峰，驭势科技联合创始人、首席系统架构师彭进展，主线科技CEO张天雷在大会上围绕自动驾驶量产这一话题，展开了分享。

2021年摆在所有自动驾驶玩家面前最大的考题，就是量产。

三位分别来自互联网平台、物流货运、和多赛道布局公司的自动驾驶玩家，分别交上怎样的答卷？

随着量产进程推进，随之而来的数据、安全挑战，又对行业提出了什么新的挑战？

而今年自动驾驶行业内最让嘉宾们感到意外、最受震撼的大事件，又有哪些？

关于MEET 智能未来大会：MEET大会是由量子位主办的智能科技领域顶级商业峰会，致力于探讨前沿科技技术的落地与行业应用。MEET2022采取线上参会形式，20余家直播平台和渠道转播大会直播，200万行业用户线上参会。除量子位微信、头条号、知乎、微博等全媒体矩阵外，新华社、凤凰科技、腾讯科技、澎湃新闻等数十家主流媒体纷纷报道大会及相关内容，线上曝光量累计超过2000万。

话题要点

• 2021年终大考，“量产”这道题大家答得怎么样？

• 自动驾驶量产趋势，为什么出现在今年？

• 怎样看待自动驾驶安全开始被热议？

• 自动驾驶，是一场关于数据的军备竞赛？

• 最意外的自动驾驶年度进展？

（圆桌环节由量子位总编辑李根主持。在不改变原意的基础上，量子位对内容进行了编辑整理。希望能够给你带来更多的启发与思考。）

论坛实录

（话题要点为后添加）

自动驾驶2021核心关键词：量产

量子位李根：大家好，每年我们的自动驾驶panel是整个大会最受关注的一环。今年依然关注自动驾驶行业最新进展。

第一年谈了技术进展，第二年谈了商用，今年是量产。

我先简单介绍一下今天请到的三位嘉宾，主持人已经介绍过，我从另外一个维度帮大家更好的认识他们。

今年自动驾驶的论坛也好，以及刚才的分享也好，他们集中代表了一类人，他们是自动驾驶的面壁者。

苏奎峰博士是腾讯自动驾驶业务总经理，2016年加入腾讯组建了自动驾驶团队，2017年我问他的时候他提到两个关键词，第一个产品化，第二个量产。

驭势科技的彭总之前是机器人方向的，驭势科技已经在物流和无人小车方面有不少成绩，去年RoboTaxi以及大车出来的之后，发现是全栈的系统，彭总就是背后的缔造者。

最后还有张天雷博士，主线科技是全球最快在商用落地中去掉安全员的公司，无人集卡正在天津港以及宁波舟山港不断地开始上岗，已经实现无人化的运输。

今年我们请到的嘉宾，在自动驾驶各自的分赛道上最大的主题叫量产，今天围绕这个主题展开自动驾驶的panel。

我们先问一下苏奎峰博士，腾讯自动驾驶的量产进展？

腾讯苏奎峰：我先说一下对行业的认知，再看一下腾讯做了哪些工作。

过去一年尤其2021年，应该说自动也好、高级辅助驾驶也好，有了非常大的进展，尤其是在商用车方面，新能源新势力为主体的量产大家都能看到，前一段时间广州车展体现得更深入一些。

另一方面我们看到RoboTaxi，包括刚才提到主线科技助攻的港口物流方面，无论是一些IPO企业还是实实在在做港口的企业有非常大的进展，这也说明了技术进步的同时每个企业都在找自己的落地的方向和量产的方向。

对腾讯来说，有自己的定位，那就是助力产业发展，助力行业做更多落地。在RoboTaxi或者商用车方面做的相对来讲工作会少一点。

腾讯的助力体现在几个方面，一方面自动驾驶工具链做了很多工作。举个简单例子，量产最终一环还是要测试的，我们过去做单机版云仿真的同时，跟一些测试机构做了车在环的测试，相信很多做自动驾驶测试的朋友都理解这个方面，这项工作是有利于或者说极大促进量产落地的。

另一方面我们也在做一些垂直的场景。腾讯在深圳有一个企鹅岛新总部项目，我们会结合整个交通场景做Robobus的协同。

自动驾驶本身不仅仅是看到的一个车，它更是一个技术，所以我们也会利用自动驾驶的技术解决交通的问题。

反过来说交通问题的解决，有利于自动驾驶的落地。大的交通场景本质上为自动驾驶提供更好更适合自动驾驶的天然的驾驶环境，所以腾讯在过去一年里尤其在交通这一方面做了大量工作。

一方面国家的四个智能网联示范区腾讯参与了三个，另外在智慧高速方面发布了很多解决方案，我们这个团队做很多和自动驾驶感知决策规划、仿真以及数据平台相关的工作。

腾讯的落地和目前主流的自动驾驶落地有一定的区别，但我们也在持续做自动驾驶的技术研发。

比如刚才我提到的车路协同自动驾驶，包括单车智能自动驾驶。腾讯也有自动驾驶车辆进行测试，持续地根据技术和场景落地，不同的是落地的方向不太一样。

总体核心定位两个方向，一个要助力产业落地，另外一个在大的交通背景下的垂直领域里做自动驾驶。

量子位李根：腾讯自动驾驶量产思路在面上更基础，帮产业做好这个事情，而驭势更多是在线上，一个点一个点连起来成为一条线，不知道这个全栈系统怎么设计的？

驭势科技彭进展：我们是无人驾驶行业里面最早做商业化运营的公司，2019年底在香港机场实现真正的无人车运营，到现在香港机场有近二十多台车，在上汽通用五菱工厂的无人车到现在有上百台车。

我们讲量产，也许几百台车对汽车行业来讲，还没有到真正的量产。但是对于无人车、无人驾驶这个行业来讲已经是一个非常难得的事情了，特别是在过去两年。

创业时期，我们更多可能还是在技术、在产品方面打磨。但过去一两年在量产、运营方面确实是重新“打了一个滚”，特别是上量运营之后。

因为你是真正的参与了机场，包括工厂的运营，有很多的指标和限定条件，不能影响运营的效率，也不能影响运营和整个流程。

而一旦出问题必须有非常强大的技术解决体系，很快的恢复运营，不能说因为无人驾驶技术的限制必须要停一周或者停几天许。

其次几百台车差不多7×24小时、365天这种运营，对产品质量也是一个非常大的挑战。

因为驭势科技起步比较早，当时整个行业包括生态系统不是特别成熟，供应商、网络有非常多的问题。

这个涉及到不仅是质检的质量，包括合作伙伴、供应商的质量都要一个个去谈。而且因为量可能不大，就需要通过各种手段让他们加强质量。

最后量产这也是对运营运维体系的考验。那就意味着很多人在凌晨在晚上在周日都是要值班的，随时要应对可能出现的各种的问题。

我想这就是驭势科技在行业里率先摸索出来的经验，分享给大家，谢谢。

量子位李根：驭势科技做的是无人驾驶的努力，会有量产的思考或者感受。

主线科技在整个自动驾驶港口的卡车货运方面，数量上超过了百台，也去掉了安全员，现在的话每天在天津、宁波港口实现常态化的运营，那么商业化运营是不是也有量产方面的思考和感受？

主线科技张天雷：我觉得有几点。首先我们得先介绍一下，我们不是做港口的自动驾驶公司，我们是一个做自动驾驶物流的公司，我们载体是重卡。

我们做的比较聚焦，从2017年开始选了自动驾驶卡车这个赛道，就一直专注于其中港口物流枢纽和干线物流场景，其它产品和落地场景都没有碰，我们想把所有卡车能开到的地方都做成自动化，最终实现无人化。

任何一个产品都得从原型到规模化示范，最后才到量产的状态，在这个过程中，主线科技已经做了大量规模化示范的工作。我们觉得量产技术实际上是包含三方面内容，第一个叫“量”，第二个叫“产”，第三个叫“技术”。所以，如果你想把自动驾驶量产这个东西做好，就得从三方面做一些深挖的工作。

从量上来讲，最近已经有一些规模化量产的车出来，主线科技现在已经建立了国内规模比较大的无人驾驶卡车运营集群。

目前，我们在几个港口物流枢纽还有包括京沪高速、京津高速上运行的车辆规模有150辆车左右，每天都在持续地运行。

这个量从去年9月份开始逐步上来，并且在去年9月份我们做了很大的努力，去掉了安全员。迄今为止，主线科技是港口场景中为数不多做到整批量没有安全员的自动驾驶企业，做到这一点，也论证了无人驾驶卡车的整个经济模型是有价值的。

第二个是产。做一百辆、两百辆车对于汽车行业来讲并不难，改装试制手段可以很快把规模做出来，所以更重要的其实是如何把这个东西以一个产品角度做出来。

主线联合了国内几家比较知名的重卡主机厂，做了大量合作开发工作，包括自己定义卡车的量产生产线，以及各种各样的测试等等。模型驱动开发加上整个需求设计最后到测试，整个“产”已经从以前的拳打脚踢的小作坊（改装成品车），变成几条特定生产线，只要下单就可以持续出量。所以这个“产”可能是主线科技今年比较大的收获和进展。

最后是技术，实际上能够用在产品上的技术和Demo的技术差别是比较大的。真正的产品对可靠性、稳定性、整个产品定义的边界都要更加清晰。Demo的时候可以演示出来神奇、玄幻、酷炫的效果，只有在天时地利都特别合适的时候才能做。

但是产品上了量之后要做一些取舍，特别玄妙的技巧就不能用，要用一个相对来讲比较有把握、比较成熟、能够上量的比较稳定的技术做。

在这过程当中我们也做了大量测试，确保量产的无人卡车在系统中持续地运行。到目前为止累计运营里程已经将近300万公里，帮助客户运输的集装箱的数量大概有70万箱。

自动驾驶量产趋势，为什么在今年？

量子位李根：谢谢天雷博士，你从清华学生时代开始接触自动驾驶，创业也是有所选择，比如物流赛道，落地场景上选择先从港口再到干线，这个取舍过程当中有没有思考过量产趋势为什么会出现在今年，有哪些天时地利或者大的背景发生和变化？

主线科技张天雷：量产自动驾驶系统的出现取决于场景，不同场景量产来临时间包括成熟程度也是不一样。从主线科技来看的话，物流场景，尤其是封闭的、完全无人的，高速高级辅助的和一些城区限定区域内的，从今年开始到明年年底很有可能有很多批量的应用面世。

这个事主线科技做了很长时间，经历了从最开始的科研，到后来的初步产品化尝试，现在开始进入量产，核心的还是期望能够有一个真正批量的实用的东西出来。

我们国家对人工智能和自动驾驶的支持非常早，而且非常到位。我们这三个团队其实都得到了国家自然科学基金项目的支持，苏总是我的师兄，以前他们的车我去调，北理工的老师们也做了大量调试的工作。

以前苦于没有量也没有产，只能找一些有限资源支持一下，一直希望有这么一个落实的效果。

量子位李根：彭总对于天雷博士的场景量产比较认同，驭势科技之前选择的时候场景也是蛮重要的，现在确实起到示范作用，听说还入选了专精特新。

驭势科技彭进展：确实我们都受到国家的很多支持，这是肯定的。场景上来讲现在大家也都有一个认知。我们讲无人驾驶，基本上还是场景决定的，比如说固定区域，无论是机场、工厂还是港口或者其他地方，各有特点，基本上跑一两年也就熟悉了。

但开放道路就要跑很多年，所以本质上来讲无人驾驶是一个场景积累，也是一个数据驱动的行业，因此对公司的全方位要求是非常高的。

现在我们谈能量产的领域，基本上都是有一个很鲜明的场景特征。不管是港口还是机场工厂，包括我们今年开始跨入无人配送、城市配送行业。

同时我们看到，配送场景在现在的技术还有产品以及一整套生态系统支撑下，是可行的。这个整套生态系统包括业务方，比如跟中通、圆通做真正的业务运营。再比如最近深圳大概有三十多家配送行业，发布了一个团体标准。另外，今年以来有非常多的地方政府开始给配送开放路权。在这么一个生态环境的支撑下才能看到城市配送场景能起来。

当然我们今年也在大力拓展Robotaxi，毕竟Robotaxi是无人驾驶技术的代表，也是未来非常有潜力的万亿级的市场，它的场景实现、商业化量产的实现我们认为还需要一段时间。

这就是驭势科技的理念，我们用一套系统可以支撑全场景的应用，我们在技术层面并没有明显区别不同的场景。

无人化我是特别赞同的。无人驾驶不能把安全员拿掉，他就是显示不出它的价值来。这个其实真正体会到也是2019年底。

当你能够把安全员拿掉的时候，才能真正找到你的客户、合作伙伴。他们才会真正相信这件事能成。

很荣幸从事这个行业，经过过去很多年，也终于能看到（量产）这一天。

量子位李根：苏博士是不是对量产这个时间节点也有一些感受？因为天雷博士跟彭总的目标或者指标，是要把人拿掉，而且达到量产的状态。但从您的角度或者从腾讯做自动驾驶这件事情的切入，也许第一阶段不是追求全无人的状态，会有哪些不同？

腾讯苏奎峰：我觉得本质上应该没有太大的不同。我们想解决自动驾驶问题，而RoboTaxi本身就是无人，这是一个前提条件，也是一个目标。这是提升生产效率，或者是降低人的疲劳，解决因为人而产生的各种问题，这是自动驾驶或者无人驾驶的核心目标。

所以我认为所有企业，无论切入点怎么样，都是按这个目标去做的，只是说在很长的产业链，或者众多的场景里面会有不同的选择和定位。

回过头来说，量产为什么会在这个时间点，我觉得原因有三个层面，一个是政策，一个是场景，一个是技术。

从政策角度来说，我认为在中国真正按下了自动驾驶启动键的标志，就是李院士的国家自然资金重大专项，把自动驾驶作为一个验证场景，那是2008年开始的，那应该是最早的起点。

正因为政策推动这件事情，才有今年北京、上海都在推动自动驾驶落地，这也是一系列有远见的领导者或者技术的专家在推动政策的落地。

第二就是场景，不讲场景很难把自动驾驶做到真正落地。每一个场景都有面临的现实问题。比如商用车，L2+场景有解放人的，也有开车的。彭总、天雷做的机场，或者大的物流，也是有限的范围场景内提升生产效率、降低成本。这需要每垂直场景的技术手段方式，不同场景有很大差异性，虽然从技术层面有一定的相似性。

从技术层面来看，无论是从算力，还是数据的积累，或是算法的成熟度，行业都已经积累了很多年。从零几年开始到现在，到了一定的破局的点。但还有更多的工作要做。现在我们看到落地的场景，离我们期待的自动驾驶还有很大的距离，无论从技术，还是从场景的匹配度。其实政策目前来看不是最大的障碍，国家应该会推动。

对于腾讯来说，希望利用自身的的平台，把过去积累的不单纯是自动驾驶的技术，还有其他的技术应用到自动驾驶场景，或者给类自动驾驶场景带来更大的快速落地的收益。

直面安全忧虑：企业要敬畏，社会要包容

量子位李根：苏总一开始也提到了车展，今年自动驾驶是一个非常热门的话题，相关技术在各个领域的量产应用。但在这个过程中，之前可能大家只是因为相信而出发的。但现在所有人都看见了，有了上量的需求。这时有没有一些新的挑战？对于大众认知来讲，苏总您认为哪些挑战会成为我们需要思考解决的问题？

腾讯苏奎峰：任何一件事情从开始到起量都会有一个过程，它面临的挑战也会有很大的差异性。尤其在自动驾驶，从demo到小批量，再到大规模的使用，原来一些小概率的事件在起量的情况下会变成常发事件。

这也是为什么要解决自动驾驶的长尾问题，也是为什么一旦起量以后，特斯拉也好，或者其他的企业也好，偶尔会出现交通事故，这不代表它的技术不先进、不好，而是有很多长尾的问题需要预见，需要去克服完善。

这方面，我认为一定要在技术上，或者架构稳定性、安全性上存有敬畏心，给场景或者是产业，或者是个人带来价值的同时，也要避免产生更大的伤害。

所以从技术上我们要去保障，但是从认知上，也需要有一个接受的过程，无论是从业者还是社会其他的人员，每一个用户都需要建立对技术理念上的认知。

量子位李根：觉得苏奎峰博士非常腾讯范儿，不仅很负责任地讲技术，而且也在传达科技向善的理念。今年发生在领域内、行业内最大的事情就是大家之前会认为无人驾驶、自动驾驶是等于零事故的，而在量产车上的事故之后，大家又发现，原来你做不到。所以不知道彭总对这个问题是怎么看的？好像认知上是有一些不断迭代的过程。

驭势科技彭进展：我们有一句话，没有零事故的交通，但是我们认为会有更安全的AI驾驶员，这个是AI技术决定的。

首先，我们在过去一些商业化落地，包括全行业的商业化落地已经证明了，其实AI驾驶员在应付7×24小时，365天非常繁重的物流行业里面，它的事故率是比人类司机要小，这是第一点。

第二点如果你想把全世界几亿，甚至十几亿的司机都培训好、安全地开车，甚至监督他每天开车，这个社会成本是非常高的。但是全世界上做无人驾驶的，把无人驾驶、AI驾驶员的安全技术不停优化的人，可能也就几万。

这样的话，如果我们能够做到更安全的AI驾驶员，他对社会的价值我相信就已经可以体现出来，也能够很快的促进行业的发展。刚才苏总也谈到这点，对我们要有点宽容。

我们现在看到，一旦自动驾驶的技术出一个事故，就成了新闻。但人为因素引起的交通事故每天都在发声，这对于大众来说并不算什么新闻。

期待有一天，大众对自动驾驶的事故也有一个平常的心态。当那一天来临的时候，可能真正无人驾驶、自动驾驶已经进入了日常的生活，进入了社会的运作之中。

量子位李根：天雷博士对这个问题怎么看，卡车上没有人类司机，除了技术上要有保证之外，是不是也会有背后安全方面的冗余。

主线科技张天雷：最后都落到安全。我觉得对于安全问题，我们还是有一个稍微不太一样的观点，就是在任何时候，我们自己的技术和系统，它的安全性应该是强调在第一位的。

在整个设计过程当中，要引入大量的功能安全和预见功能安全的技术来避免整个系统在批量应用中可能会遇到的超过ODD的滥用问题，以及自己系统失效了之后所产生的一系列问题。

安全肯定是永远排在第一位的，为了系统的安全性付出再多的代价也是需要的。

我们看一些案例，仔细分析下来，就会发现在安全工作体系中，只要把安全工作做在前面才能够避免（事故）的。

我现在自己的感觉是量产的辅助驾驶系统的安全效果做的很不错，在完全无人驾驶系统里的功能安全的渗透率尚且不够。

我们说个别人家的事，东京奥运会的时候，丰田的车把运动员撞了，这个案例实际上表明功能安全上还是有工作需要做的。

主线科技安全方面也有一个专门的小组在做，分两类场景。一类是在开放场景下的高级辅助驾驶，我们在做的所有设计都是跟司机共驾，并且和司机之间有大量的交互和提醒工作。

而限定性场景，就把它定义为完全无人驾驶，没有中间人和机器决策权交换。在封闭场景里，我们做了大概几个方面的工作，首先是在有封闭场景的地方城市，我们都跟管理部门申请了示范区的法规支持，获准在某一限定区域内进行完全无人驾驶的实验和运行。

另外一方面，我们也做了大量场景安全措施工作，尽量优化整个作业流程，包括交互过程当中没有出现混行情况。客户肯定希望后期可以实现更宽泛的无人车有人车混行，我们也一直在研发和测试，但是到目前为止，港口场景的常态化的混线运营从功能安全和法律法规方面其实还不太具备条件。

所以一旦把车铺出去，有一些量上来的时候，以前动动手就能改掉的东西，现在很难过来，而且由于没有走一个既定的正规的（量产）流程，你改掉那个东西很有可能会带来很大的不确定性。

量子位李根：有一种观点认为，无人驾驶不能做到百分之百的零事故，是因为机器驾驶或者计算机驾驶一定会有漏洞，我不知道张天雷博士认不认同这样的观点？以及我们现在做什么可以让安全概率能够更加趋近于百分之百，或者趋近于零事故？

主线科技张天雷：是这样，首先肯定没有一个系统是能够百分之百的保证它自己总是正常的功能运行。我们要做就是根据一些特定的功能安全技术，把整个出错之后所带来的代价降到最小，以及所出错的概率降到最低。

这里面核心的问题就是不要有人员的伤亡的问题，实际上是一条红线。

比如这个系统跑偏了，由于某种原因，把客户家的柱子撞翻了，那你去修这个柱子，但是你要确保那个地方换成一个人的时候，你的车能停得住。

今天撞了柱子就是提醒你还是有隐患的，只是你比较幸运。但做这个事不能赌自己幸运。整个汽车工业发展过程当中，我觉得欧洲做车规做量产一整套的流程，虽然做起来非常复杂，非常的繁冗，但是整个流程跑下来还是能够起到很多关键的作用。

我师兄他一直不吱声儿啊，其实有大量的测试可以到云上测试。

量子位李根：那我们先请苏博士讲一下，云上测试一定会实现更安全的自动驾驶吗？

腾讯苏奎峰：我比较赞同天雷说的一个点，就是安全是第一位的，安全是效率的前提条件，尤其涉及到人的安全，对生命尊重是放在第一位的。

我们必须考虑的问题，是自动驾驶涉及到人如何提升安全。确实有很多维度，一个维度是各种的公共安全，包括设计的安全，包括研发流程体系的保障，像刚才天雷比较明确提出，我们必须有很严格的流程保障体系。

另一方面，一些测试手段和方式方法上其实也是很重要的，刚才我没好意思打广告，既然天雷说了我就说一下。

腾讯目前的云仿真或者说大的仿真，实际上是支撑自动驾驶、提升安全很重要的一个手段。它不是唯一的手段，也不能说完全保障，但是它至少是一个必要的必备的手段。

一个方面，我们可以模拟更多复杂的场景。涉及到场景的真实性问题，仿真一定要和真正实体是一样的，需要模型在环，软件在环，硬件在环和车辆在环的一系列逼真的方式方法做。从2016年开始，我带这个团队核心业务就是仿真，利用腾讯的技术积累和优势，我们实现了很深度的单车在环方式仿真。

另一方面，云仿真成为很重要的必备的方式。之所以它是是必备的，是因为很多场景，尤其是AI数据驱动的算法，有大量场景积累，而且随着时间推移积累场景越来越多，每改变一个算法都要进行回归测试，还要把所有的场景都要跑一遍。有时甚至是甚至几十万上百万场景同时去跑。

提高研发效率，就必须拿云并行加速的方式去仿真。另外进行场景训练的时候，我们希望模拟出真实的交通环境，比如模拟北京城，所以要把把高精地图都放在云上，然后再去放模拟的交通流，自动生成corner case和场景。

如果是人工编辑可能需要两天，所以云仿真、城市级仿真就成了必要手段。

另外还有第三种混合的仿真。现在很多地方都有车路协同传感器设备，它们是24小时在线的，其实就是真实的自动驾驶场景。这种监测的数据流和交通流可以实时的推送到云上，形成一个备测环境，卡车也好自动驾驶汽车也好，都可以放到那个环境里面去跑，而且它跑的是真实的交通，而非人为制造的场景。

腾讯这三个云仿真技术都在做迭代，但我们认为这项工作是需要跟各个企业一起合作的。比如说卡车测试，天雷的模型、算法更准，而我们并不是专业的。所以对于腾讯来说，仿真业务更多是提供平台支撑。

但是涉及到真正场景，需要和天雷、彭总都这样的专业团队合作，通过平台技术来促进自动驾驶安全的提升。

量子位李根：那彭总对这个问题怎么看？如何既要面向量产又追求更好的安全性？

驭势科技彭进展：驭势科技最早实行全无人的运营是在机场，刚开始我们自己都不能相信。因为机场是一个非常讲究安全的地方，但实际上经过两年运营，现在客户对无人驾驶的安全性是非常认可的，为什么呢？

原因之一是，我们是实时的，所有问题实时在后台成系统的呈现，这是以前很多系统做不到的，这是我们一个优势。而当你能实时地去监控去反映、通过AI去控制的时候，它已经比这个世界上绝大多数设备更安全。

其实刚才天雷、苏总也说到，从技术、从理论到实践，整个过程来看，尤其是做无人驾驶的，一直是 safety first，真的是有一种敬畏之心。我们希望有一天无人车发生事故不再成为新闻，但现在一旦发生事故，就是很大的新闻，所以对我们是战战兢兢。

我们每一个无人系统都是有非常多的冗余，也经过非常严格的测试。从理论上事故概率要远远低于人类驾驶，当然这还需要我们进一步验证。

对于无人驾驶量产，我们确实看到它已经到来，我们相信如果让这个社会看到更多无人车的运营，他们会对无人车安全更加肯定。有一天人们终会认可这个观点：就是AI驾驶员肯定是会是一个更安全的交通方式。

为什么说自动驾驶是数据之争？

量子位李根：大家之所以对量产自动驾驶的重要性非常关注，也是因为量产以后带来数据的闭环、数据的循环，可能对自动驾驶进步作用力非常明显。对于驭势来讲，量产和数据的之间的作用是什么关系和方式？

驭势科技彭进展：量产之后会碰到更多的场景、corner case等等。我们采集的数据比以前大很多倍，是一个指数级增加的趋势。这时候比拼的，是每个公司对数据的处理能力、对新场景的适应能力，它代表了未来在商业化的无人驾驶市场里面占的份额。

刚才有幸听到苏总的介绍，到时候可以交流一下，我们肯定有这方面的需求。

量子位李根：天雷博士对这个问题怎么看？这个问题前几年有另外一个说法，或者另外一个假设，就是可能有人觉得通过数据量的积累、场景问题的积累，可以实现所谓的降维打击或升维打击，比方说我做RoboTaxi的也可以用到货运上去，这个有可能吗？以及数据可通用吗？

主线科技张天雷：RoboTaxi是没有办法降维打击RoboTruck。楼下如果停着一辆轿车和一辆卡车的话，大部分人能把小轿车开走，但是很少人能把卡车开走。

在场景上，所谓降维或者跨界打击都挺难的。刚才苏总讲每个场景都有很多know-how在里面，你去拿着自己的核心技术做进去之后，还有碰到更多的长期的行业积累。除了要能忠实地执行加减速、油门、转向动作以外，它还有更多环节，包括和作业系统的交互，还有和整个运营流程的适配交互，这些东西都是需要时间的。

这些工作比起高大上的人工智能，可能像一些体力活儿，但是仍然需要大量细致的工作。这些我们都统统归类为产品的工程化。

做工程化过程当中，过去成功的案例中，往往做工程化做的比较好、迭代速度比较快的企业，可能要比核心技术特别突出的那些，最后出来的效果要好一些。

坦白讲，自动驾驶不是人工智能的黑科技，人工智能黑科技在于人工智能的智能决策系统。现在没有见到任何一个模型足以强大到做出来一个哪怕是小学生水平的决策系统。

人工智能在自动驾驶上是应用科学，这里面除了一些核心算法的开发以外，有70%是智能驾驶工程化的东西。

工程化里面最重要的东西是数据驱动、长期有数据喂给机器，才是决定了你对这个行业里面know-how掌握程度的核心。

我倒是觉得，数据和场景比起某一个指标标的很高的技术来讲，可能更加会是一个壁垒。

量子位李根：对于苏博士来说，数据和场景的积累对腾讯自动驾驶的定位也好、场景也好，会带来什么帮助？或者说我们会看到什么样的产品或方案呈现？

腾讯苏奎峰：我首先说数据和场景问题。我觉得天雷观点我也是蛮赞同的，我们都讲自动化场景，但跨场景这件事情和我们通常讲的有点差异，也是因为每个场景都有每个场景的know-how，类似于前面演讲者一直提AI技术一样。

AI解决工业也好其他也好都有垂直的领域，但know-how是普适的、通用的，真正把这件事情解决的不是技术本身，而是对场景理解的深度。你对场景认知度是解决这个问题核心的壁垒，而非算法和技术。所以我认为场景和数据是一定高度关联的。

对腾讯来说，我们可能没有聚焦在某一个场景上，我刚才说企鹅岛都是比较小的，Robobus场景做的多一点，有内部技术迭代的考虑。我们希望积累更多的通用自动驾驶技术以便做一些支撑的研发。

我们把自动驾驶看作一个技术，也会招大量的人，把技术研究的更扎实，做的更深入。

另一方面我们希望提供通用平台能力帮助合作伙伴一起把产业各个场景加速落地。

核心的技术和场景，比如像彭总天雷他们，那是他们核心的资产。腾讯提供的平台是通用的，支撑这样的技术，无论如何数据和场景是高度耦合的，一定要能够建立深的行业认知的核心的能力。

年度最震撼：是什么让他们没想到？

量子位李根：谢谢苏总。今年大家对于数据的重视、对于场景的认知也是随着行业的推进不断的深化的。我多问一个问题，自动驾驶现在处于什么样的阶段？

这个问题其实每年回答起来都挺困难，因为我们不知道终局在哪一天发生。在座各位每位都是从自动驾驶研发到现在量产的推进者，这一路走过来过程当中有没有什么事件或者进展让你们比较意外的？先从苏博士开始。

腾讯苏奎峰：新能源的加速、自动驾驶的落地。因为新能源2021年的加速变革导致新能源汽车把自动驾驶作为三个核心竞争力之一来做。这件事情加速了整个计算单元、数据链路以及其他行业产业链的加速，反过来也会促进其他的场景的加速。

这个对我来讲是有点意外的，不是自动驾驶本身，而是因为新能源汽车量产的加速或者跨越，加速发展促进了自动驾驶。

量子位李根：彭总，驭势科技对这个问题有什么看法？

驭势科技彭进展：对我们来说，震撼最大的还是把安全员拿掉了。

去年2020年10月份，Waymo把安全员拿掉，开始之后整个行业都在加速。我们做的更早一点，比它还早一年。L2和L4底层思维不一样，有安全员的情况下，技术、设计思路包括技术的实现、产品及相应的变成商品的过程，都是完全不一样的。

所以我还是愿意把过去一两年越来越多的无人车真正的把安全员拿掉，看成这个行业真正能够进入商业化、进入量产，开始实现它的服务价值的一个标志。

量子位李根：天雷博士呢？

主线科技张天雷：从技术上来讲，给我最大的震撼是4月份的时候，特斯拉讲了他们数据驱动这件事。

从那时候开始，大家明白了一个道理，就是自动驾驶是个军备竞赛，真正能够做到突破必须要有大量场景，要有量产车支持，要有数据闭环驱动的技术支持。

特斯拉投入巨大精力从几个方面解决。比如他们觉得数据闭环理念应该落地，就首先做了世界上排行第五的超算集群，用来训练他们自己的模型，这个代价非常巨大，而且是中小型国家都做不到一件事情。

另外他还非常疯狂的把智能车的量向外铺设。铺的过程当中，也更加激进地采集更多维度的数据对车辆进行建模。同时开放了更多场景，把所谓辅助驾驶更名为FSD，让更多人（车）作为数据采集的终端采集数据。

整个这样一套闭环跑下来，他们在技术上的跳跃性非常明显。

这事是我们高度关注的。

量子位李根：谢谢天雷、彭总和苏博士。自动驾驶圆桌话题到这里告一段落了，从刚才几位分享里面给我个非常强烈的观感：去年我们讨论商用的时候，我记得感受最强烈的是对于新技术的发展短期内往往会高估，长期内往往会低估。

今年有不一样的感受，在座的几位最早都是因为相信自动驾驶这件事情一定会实现而出发的，现在用自己实际行动让更多人看见这件事情确确实实在发生。

而量产之后面也面临新的挑战和问题，我觉得这恰恰是自动驾驶领域有意思的地方，也是非常迷人的地方。

腾讯有自己的选择，驭势科技有自己的路线，主线有主线的模式，为什么有这么多不一样的道路，这恰恰是因为我们没有经历过也不知道终点是2025年还是2030年到来。中国在这条道路上起点并不比别的国家差，我们在原创技术上也有非常多的开发或者丰富多彩的探索。

如果说让我跟几位分享交流的感受，我觉得我们还是引用另外一句名言：

让我们忠于理想，面向现实。

今天自动驾驶论坛就到这里，谢谢大家。