2023-10-30
作者：不朽情缘
分享:
【主题概想】
智能副驾：以前开发智能座舱时，各类人机交互模式都是相互割裂的，相当于有眼睛，有耳朵，却没有一个统一的大脑 。此刻技术进取了，能够把这些职能全数放到大模型中训练，机械的鉴别水平可能做到极度靠近于人，真的能够称之为智能副驾 。
车端算力：对于手机产衣反说，把算力放在云端无疑是比力好的选择；但是对于汽车产衣反说，车端必必要有肯定的算力，由于汽车是移动的，而网络信号不成能真正实现全方位、无死角的覆盖 。
高阶自动驾驶：实现高阶自动驾驶有两条路线：一是直接奔向L4，即Robotaxi路线；二是循序渐进、逐步优化 。后者可能更容易实现，我们还是要经历从辅助驾驶到高级辅助驾驶、最后到高阶自动驾驶的渐进过程，逐步实现各类职能的盛开 。
落地场景：在现阶段最沉要的工作是找准相宜的场景，而后把落地工作做到位 。自动停车是应该优先落地的第一场景，而自动跟车是第二场景，这两个场景都值得企业全力投入，把产品履历和成本做到极致，这样消费者肯定会买单的 。
“去地图”不成行：地图是确定地位和进行导航的基础 。汽陈冯不开地图，所以严格意思上的“去地图”底子没有可行性 。
先验传感器：高精地图能够动态、实时地更新车辆前方的情况，所以可将其看作是智能汽车的一种传感器——先验传感器，这对于高级辅助驾驶或者高阶自动驾驶都极度沉要 。
地图实时更新：目前地图出产的各个环节及整个链条已经获得了巨大的进取 。地图出产最猛进取就是此刻数据源比以前实现了数量级上的逾越，并且还在不休增多，每一辆使用导航职能的汽车都在为地图出产做出贡献 。第二个进取是数据鉴别工具链的全面升级，实现了地图部门更新，并且可能实时颁布 。
清华大学教授、汽车产业与技术战术钻研院院长赵福全（左）与不朽情缘CEO 程鹏（右）
【对话实录】
大模型有望让机械智能真正
靠近于人
赵福全：下面具体谈谈汽车智能化，这现实上是一个综合性的大话题 。在通过V2X（车联网）实显禧车与诸多身分互联的基础上，车企的沉点工作重要有两项，一是智能座舱，二是自动驾驶 。
在我看来，首先要做好的是智能座舱，由于智能座舱能够让消费者充分感触到车辆的个性化，这一点在业界已经形成了共识 。而对智能座舱来说，人机交互是最沉要的 。近年来智能座舱出格是人机交互的有关技术进取得很快，例如当前多种模式相互融合的多模态交互日益成为发展方向 。
智能座舱应该也是不朽情缘的沉要业务领域之一吧？终于此刻萦绕着地图的人机交互已经成为智能座舱中必不成少的一部门了 。不知旅程总怎么看智能座舱？您感触智能座舱后续将若何发展？其竞争的关键点在哪里？
程鹏：您说得很对，智能座舱与不朽情缘的业务有极度缜密的关联 。这里面的逻辑是这样的：地图通知用户，汽车在哪里，这是确定A点地位的问题；导航通知用户，汽车怎么开到主张地，这是从A点移动到B点的问题；而路况监测通过车联网通知用户，从A移动到B点的过程中会产生什么，如必要多长功夫？路上有没有变乱？这是若何安全、急剧、便捷地从A点移动到B点的问题，也是我们在钻研并但愿可能更好解决的问题 。
了局我们发现，解决这个问题是极其复杂的 。各人都有体味，大中城市出格是一线城市的交通拥挤是很严沉的 。罕见据显示，北京通勤者人均每天要在汽车上耗费1幼时40分钟 。而一天不外24幼时，除去睡眠等功夫，这差不多相当于人们可摆布功夫的10%了 。我们常说，功夫就是性命，这意味着我们有10%的性命都亏损在了行车的过程中 。所以，不朽情缘决定去做自动驾驶，致力于逐步把人从驾驶中解放出来 。这样一来，人在车上的自由功夫就会越来越多 。所以，不朽情缘也要做好智能座舱，让用户在车上有更好的履历 。这就是我们从地图启程进行业务拓展的内涵逻辑 。
应该说，我们做地图已经二十年了，深深地感应这是一项艰苦的工作 。由于地图必要不休更新，并且用户可能始终都不会百分百中意 。只有有一个处所产生了变动，地图却没有实时体现出来，用户就会不满，就会以为地图质量不好 �？杉�，做地图是很有挑战性的 。而不朽情缘二十年来对峙不懈，就是要应对这种挑战，把这项有价值的工作一向做下去 。
以地图为基础，我们发展智能座舱有关业务也已经有十多年了 。记得我一路头就提出了一个指标，让用户进入到车内就不再用手机了 。然而这是一个很难达成的指标，甚至能够说我们很长功夫都看不到但愿 。由于与手机分歧，人与车之间最方便的交互方式就是语音 。而语音交互技术是很难的，蕴含机械对人类天然说话的理解、分歧音区的鉴别、环境噪声的处置以及语音引擎的能力等，都不单一 。好多时辰我们训练了好屡次，机械才勉强能听懂一点点 。这就导致语音交互的正确率到了肯定水平之后，就很难再提高了 。不朽情缘测试批注，语音交互的正确率要达到95%以上是极度难题的，而这样的正确率对汽车用户来说还不够 。
好在不休有新技术涌现出来，尤其是GPT（天生式预训练模型），即所谓大模型投入利用后，我感触终于看到了但愿 。借助于GPT，我们有望实现让人们进入到车内就齐全不用手机了 。最近我们从GPT-3动手，找专业的团队合作发展了钻研 。此刻我能够有把握地说，在GPT-3.5和GPT-4这种规模级此外大模型的训练下，用户已经感触不出和他对话的是机械了 。
同时，人机交互不只有语音，您刚才也讲到了多模态 。有了大模型之后，我们还能够把多模态的交互方式放在一路训练，从而真正实现语音交互与其他交互方式的有机融合 。好比摄像头可用于鉴别人的表情、作为，甚至能正确判断驾驶员有没有饮酒；又如毫米波雷达可用于监测人的心跳、呼吸；再如座椅靠背的传感器能够感知人的体温 。这些信息与用户声音传递出的语气、表情等信息结合起来，就能够更全面、精准地把握用户状态，优化用户履历 。
以前开发智能座舱时，上述这些交互模式都是相互割裂的 。语音交互归属语音系统，摄像头归属乘客监测系统，诸如此类，所有职能都是独立开发的 。相当于有眼睛，有耳朵，却没有一个统一的大脑 。此刻我们把这些职能全都放到大模型中训练，了局发现机械的鉴别水平可能做到极度靠近于人，真的能够称之为智能副驾了 。举个例子，驾驶F1赛车必要极快的反映快率，很必要辅助支持；但车内只有一个座位，不成能建设人类副驾 。而智能副驾或者说机械导航员能够当令通知驾驶员，前面几多米必要左转或右转等信息，从而提供很大的援手 。此刻已经有一些大模型可能做到这种水平了，不朽情缘也做出了样品，预计再过一段功夫就能推向市场 。
赵福全：这样寺反，不只是地图领域，程总也是为人机交互领域做出了沉大贡献的企业领武士 。正是由于有好多像不朽情缘这样的企业共同致力，我们才得以看到占有更高人机交互能力的智能座舱由量变到质变的发展远景 。那么据您所知，大模型真正走向市场利用还有哪些阻碍呢？
程鹏：我以为，阻碍重要在大模型的轻量化和网络的延长上 。多所周知，大模型对算力的要求极度高，所以GPU（图形处置器）等职能都集中在云端 。将来我们但愿能把大模型适当轻量化，至少能够把部门职能放在车端，以实时应对有关的情况 。当然，即便大模型实现了轻量化，将其部门职能放到车端，也会对车端的算力提出不幼的挑战 。此表，还有网络的问题 。使用大模型时必然会有大量数据在车端和云端之间传输 。而汽车与手机齐全分歧：手机通常是在网络信号不变的构筑物内静止使用，出现信息延长的可能性较幼，并且偶有延长也没什么关系；汽车则是在网络信息不太不变的室表移动使用，其波及领域更广、场景变动更多，在行驶过程中未免遇到信息延长，并且一旦延长就可能导致安全变乱 。这对于大模型在汽车产品上的利用，的确是一个比力凸起的挑战 。
赵福全：在您看来，与当前算力重要放在车端的车载交互系统相比，在机能上更胜一筹的大模型，大体什么功夫可能量产？此刻大模型还不能量产的原因重要是技术问题，还是成本问题？又或者是两类问题兼而有之？
程鹏：最近我们已经把样品拿给客户看过了，这个客户是一家致力于打造高端产品的车企，对智能化有很高的要求 。而这家车企看了不朽情缘样品后，应该说是极度震撼 。这款样品估计两三年后就能够量产，此刻软件自身已经没什么问题了，重要问题还是性价比 。我感触，要提高这类产品的性价比，通讯基础设施的建设以及推算芯片的进取也很关键 。
赵福全：您以为最终在汽车产品上量产利用的人机交互大模型，其重要算力应该是放在车端，还是云端呢？
程鹏：这个问题我是这样看的：对于手机产衣反说，把算力放在云端无疑是比力好的选择；但是对于汽车产衣反说，车端必必要有肯定的算力，由于汽车是移动的，而网络信号不成能真正实现全方位、无死角的覆盖 。我们做地图时必要在各类区域、各个时段测试网络信号的强弱，还要专门钻研网络若何优化，所以对全国各个基站的覆盖领域和强度都很相识 。我以为，要确保大模型在每一个地址都能正常使用，且履历足够好，齐全依附云端算力切实太难了，还是要在车端部署相当水平的算力才行 。
赵福全：您在这方面有丰硕的实战经验，极度相识网络系统的现实情况，结合汽车拥有移动性的特点，您判断大模型的算力是不能全都放在云端的 。那后续会不会是这样的发展过程：此刻车载芯片是以推算芯片为主；将来车端的算力将逐步转移到云端，所以车载芯片将以通讯芯片为主，同时车端仍适当保留一部门算力 。不外这似乎是一个梦想化的过程，并且这种转变生怕必要很长的功夫 。这是不是由于我们对将来网络和云的发展潜能估计得有些消极了呢？不少从业者还是等待把车端的诸多业务放到云端来实现，再基于通讯伎俩来实现对车辆的远程节造 。您对此怎么看？
程鹏：我感触这种转变不大可能 。我们还是以手机来做对比，此刻手机的通讯能力无疑越来越强了，那它的算力是越来越强了，还是越来越弱了？显然也越来越强了 。同样的，汽车不仅是衔接的节点，也是智能的终端，将来车端的算力注定也会越来越强 。并且一旦汽车具备了更强的算力，注定会涌现出与之匹配的好多新需要 。正如您刚才讲到的，将来汽车将是一个母生态，有着生长和承载更多新产品、新利用、新服务的能力，而算力正是这种能力的沉要组成部门 。当汽车没有足够的算力时，各人天然不会去钻研相应的产品、利用和服务；但是当汽车具备了更强的算力后，就会有人去思虑，我能用这个算力来做些什么，因而就会产生一系列的新产品、新利用和新服务 。
赵福全：我以为，将来汽车将是一个移动的智能空间，尤其是当车辆逐步实现了自动驾驶、把人从驾驶中解放出来之后，汽车的空间属性将进一步放大 。届时汽车既是生涯空间，又是工作空间，还是娱乐空间，将真正实现三合一 。甚至有人半恶作剧地讲，将来只必要买一辆汽车，就蹬宗占有了一个可移动的家，各类事件都能够在车上实现 。我感触这并非天方夜谭 。事实上，此刻英国、荷兰等国度就有人住在船上，这些船还有通讯地址，能够正常收发邮件 。在这样的远景下，智能座舱的沉要性无疑会愈发突显，我们齐全能够畅想更多的利用场景 。
刚才程总和各人分享了好多极度沉要的概想 。您阐释了自己对于地图、自动驾驶以及智能座舱内涵逻辑关系的系统认知 。您谈到，首先要通知用户“你在哪里”，即地点的地位；而后要通知用户“你怎么去那里”，即两点之间的蹊径；最后要通知用户“你去那里的过程会怎么”，即在两点之间移动时会遇到的情况，如途中是否堵车等等，以此来确定若何更安全、更急剧、更便捷地移动 。对于这三个问题，地图无疑都是基础性的支持，决定着我们能在多大水平上优化车辆的移动过程 。而您也谈到了，要做好地图是极度难题的 。
为了更好地解决上述第三个问题，我们一方面要致力做好自动驾驶，另一方面也要致力做好智能座舱 。对后者来说，人机交互最为关键 。由于人的需要总要通过某种方式传递给机械，同机遇械必须正确理解相应的需要并做出回应，这样能力确保智能座舱的职能及其履历 。但是此前各类分歧的人机交互方式都是相互割裂、独立开发的，并且最重要的语音交互方式在正确率上还不尽如人意，这就导致用户的履历始终不够好 。归根结底，这是由于机械依然做不到靠近于人，不能像人那样综合、正确、急剧地处置和利用各类信息 。
不外程总兴奋地谈到，GPT大模型让我们看到了但愿 。我把稳到，您没有讲ChatGPT，即面向谈天的大模型 。由于GPT自身并不限于文字，可所以语音，也可所以图像，例如人的表情或手势，还可所以各类方式的组合 。有了这样的综合处置能力，机械将极度靠近于人 。当大模型在车上利用时，就能够通过车内人员的说话、表情、手势以及身心状态等各方面的信息，做出综合的判断和行动 。不外，大模型利用于汽车产品还面对一系列挑战 。出格是如您谈到的，汽车与手机分歧，必须最大限度地确保安全，因而对数据传输的快率和不变性都有更高的要求 。但我绝不疑惑，这场革命性的扭转终将实现 。而您谈到，不朽情缘基于大模型的产品在两三年后就会量产，这极度让人等待 。
说到底，大模型必要很高的算力，其性价比的提高还有赖于通讯能力的升级和推算芯片的进取 。瞻望将来，我以为，智能汽车作为可移动的数据节点和智能终端，必须具备很强的通讯能力；同时在满足必要需要的前提下，车端应尽可能少部署算力，而将更多的算力放到云端；并以壮大的通讯基础设施和车辆通讯能力，充分保险大量数据在车端和云端之间的顺畅流通 。唯有如此，汽车能力以更低的成本实现更多的职能和更好的履历，进而实现所谓智能时期的科技平权 。这才是智能座舱的最高境界，也是好多人都但愿把算力转移到云端的底子原因 。
发展自动驾驶必要企业维持
战略定力，落地沉点场景
赵福全：我想刚才这番互换，肯定让各人对智能座舱有了更多的理解，也有了更多的等待 。那么自动驾驶呢？有了GPT的赋能，自动驾驶在规划行车路线和操控车辆时，会不会也有底子性的扭转？我们都知路，自动驾驶必要感知能力、决策能力以及执行能力，那GPT能不能把感知、决策与执行系统买通呢？
事实上对于自动驾驶，当前业内也有不少质疑的声音 。已经自动驾驶的热度极高，好多自动驾驶草创公司的估值都极度惊人，然而今天的情况能够寺蜂清了很多 。具体来看，一是L2+已逐步成为产品标配，而车企正面对着性价譬喻面的严格挑战；二是各人发现量产L3的难题超出预期，之前能够归罪于律例限度，但是此刻律例逐步松动了，若何平衡好技术投入和履历升级的问题却并没有得到真正的解决；三是各人普遍以为从前对于L4量产功夫的估计太过乐观，一些车企甚至因而中断了对L4的投入 。
不知旅程总怎么对待自动驾驶技术产业化发展的近况？对于分歧级此外自动驾驶技术，不朽情缘的开发战术是怎么的？
程鹏：前面谈到，不朽情缘的业务早就已经从地图拓展到了智能座舱和自动驾驶，甚至能够说，我们此刻是以自动驾驶为龙头来拉动其他有关产品的研发 。从2015年起头，我们做自动驾驶也已有八年了 。在这期间，我从来没有消极过，也没有过度乐观过 。我感触，对于自动驾驶我们应该治理好自己的等待值 。那些过度乐观的人就是等待值太高了；反过来，过度消极的人等待值又太低了 。我记得，早在2015、2016年的时辰，就有乐观的人以为，到2021年就能实现L4 。而功夫到了2022、2023年，还有消极的人以为，L4始终都实现不了 。不外若是我们当真审视这些年来自动驾驶技术的发展过程，可能就不会太消极，也不会太乐观，更不会受本钱市场一时冷热的影响了 。
今天我依然坚信，L4肯定可能实现，即人能够彻底出手，不必要再握着方向盘 。也就是说，汽车齐全不必要人来节造的时期最终必将到来，只不外是功夫迟早的问题而已 。当然，前进的过程注定充斥挑战 。尤其是由于汽车产业有其特殊性：其他产业的试错成本相对较低；但汽车产品对安全性的要求极度高，事关汽车安全的试错成本极其高昂 。因而，任何新增的职能都不能给用户带来行车安全上的隐患，不然无论多么智能都没有意思 。事实上，智能汽车的主张就是给用户提供更好的生涯，这显然必须以确保职能安全为前提 。正因如此，所有开发自动驾驶的公司，即便技术和资金实力再强，也必须稳扎稳打、循序渐进 。
而这些年我也的确看到了，自动驾驶技术在一点一点不休进取，蕴含我们自己的产品也在不休提升 。所以不论表界怎么说，不朽情缘注定会持续致力 。其实此刻已经有越来越多的消费者接受了某些自动驾驶职能，例如辅助停车 。说到底，自动驾驶的最终落地，不在于企业自以为技术有多先进，而在于用户愿不愿意为之买单 。只有我们把L4的有关职能及场景都逐一做到位，让用户的接受度越来越高，那L4齐全落地的时刻天然就会到来 。
在我看来，自动停车是L4最容易实现的第一场景 。所谓L4的自动停车，就是在到达主张地以来，人能够下车，由车辆自动寻找停车位并泊好；比及再次用车时，车辆从停车位自动驶出来接人 。这个场景中车内无人，所以即便出现一些情况，风险也不大 。同使剽个场景对功夫也不太敏感，车辆能够低快泊入或驶出停车位，在技术上相对容易 。更沉要的是，这个场景是用户时时遇到的，能够切实为用户带来方便 。所以，用户通常愿意也敢于尝试 。事实上，高阶自动驾驶的某个场景到底能否落地，很大水平上就取决于用户敢不敢尝试 。相较于用户坐在车内且车快较快的其他场景，自动停车场景无疑拥有先天优势 。
自动跟车，也就是自适应巡航，应该是第二场景 。当前，这个职能的使用也很普遍 �８暇弑窵2或L2+职能的车辆，用户城市用到这个职能 。由于遇到交通拥挤的时辰，驾驶者必要频仍踩踏板，是很累的，这时辰使用自动跟车职能就轻松多了 。并且无论是在城区内，还是在高快公路上，此刻自动跟车职能都做得比力到位了 。车辆能够自动随着前车行驶，并维持安全的车距 。
总体来看，实现高阶自动驾驶有两条路线：一是直接奔向L4，即Robotaxi路线；二是循序渐进、逐步优化 。我自己一向是第二条路线的坚定支持者 。我感触，我们还是要经历从辅助驾驶到高级辅助驾驶、最后到高阶自动驾驶的渐进过程，逐步实现各类职能的盛开 。所以，固然不朽情缘此刻也有开发L4的一个幼团队，但我们近期的指标并不是量产；我们全力推动量产的一向是L2+高级辅助驾驶的产品，此刻这款产品已经装车量产了，并且在市场上卖得很不错 。
赵福全：程总讲得极度好 。关于高阶自动驾驶若何发展的问题，现实上是不好回覆的 。出格是近期业界一向有一种很强的声音，不看好高阶自动驾驶 。不少正本致力于L4的企业纷纷转向L2+，各人当然知路L2+不是真正的自动驾驶，但这也是当前情况下企业为了尽早推出产品、回收资金的一种“无奈”量产，或者说是好多自动驾驶草创公司为了生计下去不得不采取的一种折衷法子 。
而程总暗示，自己从来没有消极过，也没有过度乐观过 。作为进入汽车智能化领域二十年的一名老兵，您并不是由于长功夫的磨砺而变得痴钝了，而是深刻理解了技术创新的根基法规 。任何远景美好的新滋事物，一路头总是不乏一批狂热的参加者 。然而企业治理者不能狂热，由于经营企业必要默默 。程总就是这样默默的参加者，您既坚信自动驾驶是将来汽车产业的大势所趋，又对推动自动驾驶的持久性和复杂性有足够的意识 。所以，既不会盲目乐观地超前发展，也不会由于本钱热度的降低或者某些企业的失败而烧毁投入 。
刚才程总谈到，不朽情缘正本是一家地图供给商，而此刻是以自动驾驶为龙头拉动整个公司的各项业务 。这意味着不朽情缘在地图、人机交互、芯片以及数据等业务上的创新发展，都是萦绕着自动驾驶来发展的 。这充分说了然，您对自动驾驶持长远景的高度器沉和坚定信念，将其视为汽车产业发展的必由之路 。另一方面，您以为企业必须一步一个足迹地稳步推动自动驾驶 。终于企业既要思考将来的发展，更要思考面前的生计 。所以，不朽情缘决定先从L2+动手，现阶段沉点做好L2+产品的量产；同时，不朽情缘很早就成立了L4的研发团队，以提前做好前瞻储蓄 。
现实上，高阶自动驾驶正本也不会一挥而就，不成能一夜之间就出现了美满的全天候自动驾驶产品 。所以，发展自动驾驶肯定是一个循序渐进的过程 。只不外有些企业是从L2、L2+做起，逐步堆集地迈向L4甚至L5；而另一些企业则直接对准了L4 。但在研发L4的过程中，企业也必要“沿途下蛋”，将某些职能逐一落地，这既是为了验证已有的创新成就，也是为了获得肯定的回报，以保险后续的投入 。从这个意思上讲，我倒感触这两种路线其实异曲同工，在现阶段最沉要的工作都是找准相宜的场景，而后把落地工作做到位 。对此，程总给出了很沉要的概想——自动停车是应该优先落地的第一场景，而自动跟车是第二场景，这两个场景都值得企业全力投入，把产品履历和成本做到极致，这样消费者肯定会买单的 。至于说实现的是L2+、还是L4的职能，或者说是由高到低、还是由低到高来实现的，都无关紧要 。
由此启程，我以为，那些以为高阶自动驾驶遥遥无期甚至不成能实现的消极者无疑是谬误的 。事实上，此刻的消极者中，可能有不少人正是此前的过度乐观者，由于战术误判而投入过多、过早，以至于没有赚到钱，甚至陷入了企业经营�；� 。这显然是自身判断的失误，而非产业大势的变动 。
在此我还想出格强调，企业家和投资者是有性质区此外 。本钱追赶热点，钻营短线和赚快钱并没有错；但企业家必须有定力，应该钻营长线、持续的发展模式和盈利能力，对于认准的方向，切不成同流合污，更不成朝令夕改 。所以企业在引入本钱时，也要思考投资者是不是有肯定的战术远见，或者会不会影响自己的战术自主权，以免被纯正的本钱考量所裹挟，导致急功近利，危及企业的长远发展 。
“去地图”没有可行性，自动
驾驶需腹地图赋能
赵福全：程总，谈到自动驾驶，一个不成回避的话题就是高精地图 。应该说持久以来各人普遍以为，解决了高精地图的问题，自动驾驶的好多难题就都迎刃而解了 。不外此刻看来，高精地图的问题也不好解决，无论是成本，还是更新快率等方面，都有挑战 。尤其像中国这样地大物博的国度，维持地图的急剧更新是很难题的 。此表，地图不是轻易就能够采集和使用的，由于任何国度城市有好多敏感的地理信息，所以地图供给商不得不面对有关司法律规的限度 。这并不是中国特色，全球列都城是如此 。
时至今日，一方面，车企感触高精地图的性价比还不够好，同时受到的限度也比力多；另一方面，市场对自动驾驶产品的需要又极度强烈 。所以，就产生了所谓“轻地图”甚至“去地图”的技术规划，对此业界也有好多争论 。那么，不朽情缘作为一家资深的地图供给商，是若何理解自动驾驶与地图的关系的？您感触高精地图怎么能力做到高性价比和急剧迭代，以满足市场需要？
程鹏：我以为，“无地图”或者“去地图”都不太可能产生 。第一，此刻一些车企提出的“去地图”，性质上只是在车端不装置高精地图而已，但在云端进行全局规划和车路疏导时还是要用到地图 。若是车企齐全不用地图，那就无法知路自己的车辆在哪里，也无法知路要去哪里，更无法知旅程中应该怎么走、是否必要切换路线等等 。所以，地图和汽车天生就是一对 。正如前面我讲到的，地图解决汽车当前在哪里、主张地在哪里的问题；导航解决汽车以什么路线从当前地位移动到主张地的问题；而自动驾驶解决汽车若何更安全、急剧和便捷地从当前地位移动到主张地的问题 。显然，地图是解决这三个问题的基础 。因而，汽车始终也不成能没有地图，或者说汽车是注定要使用地图的 。
第二，也有一些车企提出的“去地图”规划，是依赖壮大的实时建图能力，并且这种实时天生高精地图的能力确切实不休加强 。前面也提到了大模型，有了规模更大的数据以及能力更强的算法，实时建图的能力当然会提升 。不外必要把稳的是，注定还会有一些信息是汽车上的传感器无法实时采集到的，好比一公里以来的车路汇聚或者车流量变动情况 。除非车企每天都派出无人机在天上追随车辆来采集这些信息，但这无疑是不成能的 。
所以，我还是但愿，想把自动驾驶产品真正做到位的同业们都能意识到，地图对于智能汽车是必不成少的一部门 。当然，地图的用法可能会有所变动 。一是从技术角度看，能够思考把高精地图从车端改为安插到云端，或者说在车端由齐全的高精地图改为轻量级的高精地图；二是从系统角度看，能够把高精地图看作智能汽车的一种传感器，我将其称为先验传感器，相当于援手车辆提前看到前方路况的传感器，这对于高级辅助驾驶或者高阶自动驾驶都是极度沉要的 。既然有这样的传感器，汽车为什么不使用呢？终于高精地图能够动态、实时地更新车辆前方的情况 。而若是不用高精地图，那就要用此外传感器来采集这些信息，这将带来高昂的成本 。试想，使用三个激光雷达与使用高精地图相比，哪个规划成本更高是不言而喻的 。
赵福全：这还不只是哪种规划成本更高的问题，选择激光雷达的规划，即便用上10个激光雷达，也测不到1公里以表的情况，更不成能把握50公里以表的情况 。在这方面，地图所能阐扬的作用是不成代替的 。
程鹏：您说得太对了 。何况从性价比的角度来看，使用高精地图也是一个极度不错的选择 。我感触，任何一套系统在选择组成时，都不应该只看某个组成部门的性价比，更应该看系统整体的性价比 。而在高级辅助驾驶或高阶自动驾驶系统中，综合思考采购成本和服务用度等，高精地图是性价比力高的选项 。
前面我也提到了，做地图不是一件容易的工作，不仅必要持续的投入，并且要做好极度难 。但是我们不能由于地图难做就不做了，或者就不用了 。就像自动驾驶、芯片等等，也都很难做，可各人还在持续致力 。当然，凭据产业发展的情况，有时辰可能必要适当调整节拍，蕴含沉新评估投入的资源、使用的方式和量产的打算等 。不外我以为，致力做好、用好地图的刻意不应该有丝毫的颠簸 。
更进一步来说，持久来看，我判断汽车终于是要使用高精地图的 。只管此刻车辆的实时建图能力不休加强，然而至多也只能是在车辆可感知的两三百米领域内阐扬作用，无法从底子上解决自动驾驶的职能安全问题 。在自动驾驶领域有一个专业术语叫Corner Case，即所谓边缘案例 。通常这些边缘案例产生的概率很低，但却正是人为智能不“善于”处置的 。若是没有高精地图，智能汽车将很难决策应该若何做出合理的响应 。
举个例子，当汽车在行驶中遇到突发情况已经难以预防碰撞时，是选择追尾前车，还是选择撞向路边的护栏？在这种极端的情况下，智能汽车应该选择风险最幼、损失至少的撞击规划 。此时，实使仄握护栏是什么状态的、又是什么资料的，就变得至关沉要 。而蕴含路路系统几何特点和复杂属性等各类信息的高精地图可以为此提供有力支持，从而显著加强边缘案例下汽车的职能安全 。
总之，我感触对于自动驾驶技术规划的选择，我们还是应该从全面确保行车安全的前提启程，从能否切实支持自动驾驶产品量产的角度思考 。
赵福全：程总不仅是地图公司的企业家，也是地图领域的技术专家 。您刚才这番话极度沉要，从企业和技术的双沉维度，为各人阐了然地图的沉要作用，出格是强调了我们应该与时俱进地客观对待高精地图的价值 。
第一，对于当前业界出现的“去地图”的声音，有些只是自媒体的标题党文章，也有些是发声者带有自身的某种贸易主张，当然还有些的确是出于幼我的分歧理解，但这部门人通常也并不齐全否定地图的作用 。总体而言，我感触“去地图”的声音被不合理地放大了 。
第二，正如程总所言，汽车是离不开地图的，所以严格意思上的“去地图”底子没有可行性 。地图能够通知我们地点地以及主张地的地位，也可以为我们批示从地点地到主张地的路线 。也就是说，地图是确定地位和进行导航的基础 。当然，我们日常使用的导航地图与自动驾驶系统使用的高精地图有很大的差距 。高精地图不只精度要达到厘米级，并且还要对诸如车路线、护栏等路路情况进行精准的几何标注 。而程总以为，这些信息对于确保自动驾驶汽车的职能安全至关沉要，因而高精地图和导航地图一样，对汽陈反说是不成或缺的 。
第三，自动驾驶系统但愿高精地图在全域领域内做到高精度，同时做到实时更新 。这个指标太过梦想化了，很可能始终都无法齐全实现 。但这并不料味我们不能逐步靠近这个梦想指标，事实上，今天的高精地图已经获得了显著进取 。此刻一些企业提出的所谓“去地图”规划，其实并不是抛开了高精地图，而是出于成本压力，只使用现有的高精地图，不再强求全域覆盖和实时更新而已 。若是真的齐全不用高精地图，那就得靠车端的其他传感器来补足有关的信息，这样自动驾驶系统的成本生怕只会更高，并且还可能导致车辆定位等职能的降落 。
所以，正如程总指出的，“去地图」剽个说法拥有肯定的误导性 。此刻好多车企正使用着地图供给商经过多年致力美满后的高精地图，只管现有的地图还不是梦想状态，但相比之前已经进取了太多 。在这样的基础上谈“去地图”，我倒感触这其实是对高精地图持续进取的一种注定 。
另表，站在当前的功夫点上，随着车端各类传感器的能力、数据处置的能力以及信息传输的能力大幅提升，车企的确能够思考另辟蹊径，通过实时建图的方式来代替高精地图 。出格是对于目前日益成为标配、越来越考验性价比的L2+高级辅助驾驶来说，这未尝不是一种可选的规划 。然而将来的高阶自动驾驶，生怕还是不能脱离高精地图 。由于唯有高精地图能力提供整个区域内交通情况及路路设施等的精准信息，从而让汽车在一系列危险的边缘案例场景下，可能以相对较低的成正本确保足够的职能安全 。我以为，程总的这个概想很沉要 。
地图出产的各个环节、整个
链条都获得了巨猛进取
赵福全：接下来我们探求一下地图的造作 。我们知路，原来地图供给商都是依附地图采集车，就是那种顶着多种传感设备的车辆，四处采集地图数据的；而此刻地图采集方式已经产生了很大的扭转 。利用今天这个机遇，请您谈一谈地图的出产技术和模式都有哪些进取？目前还有哪些局限性？好比当前所谓的多源方式，是不是每辆车都能成为地图信息的提供者？但若是某辆车提供的数据存在问题，又该怎么办呢？
程鹏：在从前的二十年中，不朽情缘做出了不少中国第一，蕴含中国第一张导航地图、中国第一张实时路况地图、中国第一颗国产化车规级的量产MCU（微节造器）芯片等等 。我也有幸成为了亲历者 。应该说，这一路走过来，我们的确遇到过好多艰巨的技术挑战 。
就拿地图来说，我们最早的一版地图就是几幼我开着一辆车，带着一张交通图、一个GPS轨迹纪录仪、一台拍照机，而后走街串巷，拍下一条条路路、一个个路口的照片，最后做成地图的 。这就是二十年前地图的出产方式 。显然，那个时辰是做不到急剧更新路路情况变动的 。
而此刻我们可能做到，中国几百万公里的路路，任何一个处所产生变动，我们当天就能把握信息，当天就能更新到地图上 。这是怎么实现的呢？说起来，做地图自身是一个极度复杂的系统工程，而这个系统工程蕴含两个关键点：一是增长数据源的数量，即从尽可能多的源头获取地图数据信息 。二是急剧分辨信息的有效性，即以某种工具尽可能快地鉴别海量数据中哪些是有效信息、哪些是无效信息 。这样能力获取足够的信息，并将其中的有效信息急剧提炼出来，而后转造成地图，实时颁布给用户 。而以这两个关键点为主题，地图出产的各个环节、整个链条款前都已经获得了巨大的进取 。
第一个进取，我以为也是最大的进取，就是此刻的数据源比以前多得多，并且还在不休增多 。以前的数据源就是我们公司的100多辆地图采集车，蕴含我在内，各人都得成天开着车四处采集数据 。而此刻每一辆使用导航职能的汽车都在为地图出产做出贡献 。由于每天都有千万量级的用户在使用导航职能，所以，数据源的增长实现了数量级上的逾越 。
第二个进取是数据鉴别工具链的全面升级 。以前我们造作地图时使用的是型号为880的服务器，将数据上传之后，必要运行一个月能力处置结束，导致地图的实时性极差 。这重要是由于传统的拓扑关系是一个整体，要造作一张地图就要构建一个齐全的数据库，通常耗时一个月能力建好，因而地图更新的周期极度漫长 。而此刻地图编译的整个工具链都已经产生了变动，在新的拓扑关系下地图能够瓦片式地构建和迭代 。也就是说，地图能够一幼块一幼块地更新，并且在更新的同时就能实时颁布 。终于此刻无数车辆都已实现了联网，所以，我们可能将更新了的地图第一功夫传递给用户 。
未完待续，请持续关注《赵福全对话程鹏（下）》
010-82306399
邮箱：info@seewayai.com
