自動駕駛年度激辯：量產由三要素驅動，本質是資料的軍備競賽 | MEET2022

編輯部 整理自 MEET 2022
量子位 | 公眾號 QbitAI

“AI在自動駕駛上是應用科學，除了一些核心演算法的開發，70%是智慧駕駛工程化。”“

“特斯拉的資料驅動，讓大家明白自動駕駛是個軍備競賽，必須要有大量場景、量產車、資料閉環驅動的支援。”

“L2和L4底層思維不一樣。有無安全員，在技術、設計思路包括技術的實現、產品及相應的變成商品的過程，是根本不同的。”

……

今年自動駕駛行業最熱的話題，無論量產、安全、資料驅動等等，在量子位MEET2022 自動駕駛圓桌被激烈討論。

徹底、毫無保留。

騰訊交通平臺部總經理、自動駕駛總經理蘇奎峰，馭勢科技聯合創始人、首席系統架構師彭進展，主線科技CEO張天雷在大會上圍繞自動駕駛量產這一話題，展開了分享。

2021年擺在所有自動駕駛玩家面前最大的考題，就是量產。

三位分別來自網際網路平臺、物流貨運、和多賽道佈局公司的自動駕駛玩家，分別交上怎樣的答卷？

隨著量產程式推進，隨之而來的資料、安全挑戰，又對行業提出了什麼新的挑戰？

而今年自動駕駛行業內最讓嘉賓們感到意外、最受震撼的大事件，又有哪些？

關於MEET 智慧未來大會：MEET大會是由量子位主辦的智慧科技領域頂級商業峰會，致力於探討前沿科技技術的落地與行業應用。MEET2022採取線上參會形式，20餘家直播平臺和渠道轉播大會直播，200萬行業使用者線上參會。除量子位微信、頭條號、知乎、微博等全媒體矩陣外，新華社、鳳凰科技、騰訊科技、澎湃新聞等數十家主流媒體紛紛報導大會及相關內容，線上曝光量累計超過2000萬。

話題要點

• 2021年終大考，“量產”這道題大家答得怎麼樣？

• 自動駕駛量產趨勢，為什麼出現在今年？

• 怎樣看待自動駕駛安全開始被熱議？

• 自動駕駛，是一場關於資料的軍備競賽？

• 最意外的自動駕駛年度進展？

（圓桌環節由量子位總編輯李根主持。在不改變原意的基礎上，量子位對內容進行了編輯整理。希望能夠給你帶來更多的啟發與思考。）

論壇實錄

（話題要點為後新增）

自動駕駛2021核心關鍵詞：量產

量子位李根：大家好，每年我們的自動駕駛panel是整個大會最受關注的一環。今年依然關注自動駕駛行業最新進展。

第一年談了技術進展，第二年談了商用，今年是量產。

我先簡單介紹一下今天請到的三位嘉賓，主持人已經介紹過，我從另外一個維度幫大家更好的認識他們。

今年自動駕駛的論壇也好，以及剛才的分享也好，他們集中代表了一類人，他們是自動駕駛的面壁者。

蘇奎峰博士是騰訊自動駕駛業務總經理，2016年加入騰訊組建了自動駕駛團隊，2017年我問他的時候他提到兩個關鍵詞，第一個產品化，第二個量產。

馭勢科技的彭總之前是機器人方向的，馭勢科技已經在物流和無人小車方面有不少成績，去年RoboTaxi以及大車出來的之後，發現是全棧的系統，彭總就是背後的締造者。

最後還有張天雷博士，主線科技是全球最快在商用落地中去掉安全員的公司，無人集卡正在天津港以及寧波舟山港不斷地開始上崗，已經實現無人化的運輸。

今年我們請到的嘉賓，在自動駕駛各自的分賽道上最大的主題叫量產，今天圍繞這個主題展開自動駕駛的panel。

我們先問一下蘇奎峰博士，騰訊自動駕駛的量產進展？

騰訊蘇奎峰：我先說一下對行業的認知，再看一下騰訊做了哪些工作。

過去一年尤其2021年，應該說自動也好、高階輔助駕駛也好，有了非常大的進展，尤其是在商用車方面，新能源新勢力為主體的量產大家都能看到，前一段時間廣州車展體現得更深入一些。

另一方面我們看到RoboTaxi，包括剛才提到主線科技助攻的港口物流方面，無論是一些IPO企業還是實實在在做港口的企業有非常大的進展，這也說明了技術進步的同時每個企業都在找自己的落地的方向和量產的方向。

對騰訊來說，有自己的定位，那就是助力產業發展，助力行業做更多落地。在RoboTaxi或者商用車方面做的相對來講工作會少一點。

騰訊的助力體現在幾個方面，一方面自動駕駛工具鏈做了很多工作。舉個簡單例子，量產最終一環還是要測試的，我們過去做單機版雲模擬的同時，跟一些測試機構做了車在環的測試，相信很多做自動駕駛測試的朋友都理解這個方面，這項工作是有利於或者說極大促進量產落地的。

另一方面我們也在做一些垂直的場景。騰訊在深圳有一個企鵝島新總部專案，我們會結合整個交通場景做Robobus的協同。

自動駕駛本身不僅僅是看到的一個車，它更是一個技術，所以我們也會利用自動駕駛的技術解決交通的問題。

反過來說交通問題的解決，有利於自動駕駛的落地。大的交通場景本質上為自動駕駛提供更好更適合自動駕駛的天然的駕駛環境，所以騰訊在過去一年裡尤其在交通這一方面做了大量工作。

一方面國家的四個智慧網聯示範區騰訊參與了三個，另外在智慧高速方面釋出了很多解決方案，我們這個團隊做很多和自動駕駛感知決策規劃、模擬以及資料平臺相關的工作。

騰訊的落地和目前主流的自動駕駛落地有一定的區別，但我們也在持續做自動駕駛的技術研發。

比如剛才我提到的車路協同自動駕駛，包括單車智慧自動駕駛。騰訊也有自動駕駛車輛進行測試，持續地根據技術和場景落地，不同的是落地的方向不太一樣。

總體核心定位兩個方向，一個要助力產業落地，另外一個在大的交通背景下的垂直領域裡做自動駕駛。

量子位李根：騰訊自動駕駛量產思路在面上更基礎，幫產業做好這個事情，而馭勢更多是線上上，一個點一個點連起來成為一條線，不知道這個全棧系統怎麼設計的？

馭勢科技彭進展：我們是無人駕駛行業裡面最早做商業化運營的公司，2019年底在香港機場實現真正的無人車運營，到現在香港機場有近二十多臺車，在上汽通用五菱工廠的無人車到現在有上百臺車。

我們講量產，也許幾百臺車對汽車行業來講，還沒有到真正的量產。但是對於無人車、無人駕駛這個行業來講已經是一個非常難得的事情了，特別是在過去兩年。

創業時期，我們更多可能還是在技術、在產品方面打磨。但過去一兩年在量產、運營方面確實是重新“打了一個滾”，特別是上量運營之後。

因為你是真正的參與了機場，包括工廠的運營，有很多的指標和限定條件，不能影響運營的效率，也不能影響運營和整個流程。

而一旦出問題必須有非常強大的技術解決體系，很快的恢復運營，不能說因為無人駕駛技術的限制必須要停一週或者停幾天許。

其次幾百臺車差不多7×24小時、365天這種運營，對產品質量也是一個非常大的挑戰。

因為馭勢科技起步比較早，當時整個行業包括生態系統不是特別成熟，供應商、網路有非常多的問題。

這個涉及到不僅是質檢的質量，包括合作伙伴、供應商的質量都要一個個去談。而且因為量可能不大，就需要透過各種手段讓他們加強質量。

最後量產這也是對運營運維體系的考驗。那就意味著很多人在凌晨在晚上在週日都是要值班的，隨時要應對可能出現的各種的問題。

我想這就是馭勢科技在行業裡率先摸索出來的經驗，分享給大家，謝謝。

量子位李根：馭勢科技做的是無人駕駛的努力，會有量產的思考或者感受。

主線科技在整個自動駕駛港口的卡車貨運方面，數量上超過了百臺，也去掉了安全員，現在的話每天在天津、寧波港口實現常態化的運營，那麼商業化運營是不是也有量產方面的思考和感受？

主線科技張天雷：我覺得有幾點。首先我們得先介紹一下，我們不是做港口的自動駕駛公司，我們是一個做自動駕駛物流的公司，我們載體是重卡。

我們做的比較聚焦，從2017年開始選了自動駕駛卡車這個賽道，就一直專注於其中港口物流樞紐和幹線物流場景，其它產品和落地場景都沒有碰，我們想把所有卡車能開到的地方都做成自動化，最終實現無人化。

任何一個產品都得從原型到規模化示範，最後才到量產的狀態，在這個過程中，主線科技已經做了大量規模化示範的工作。我們覺得量產技術實際上是包含三方面內容，第一個叫“量”，第二個叫“產”，第三個叫“技術”。所以，如果你想把自動駕駛量產這個東西做好，就得從三方面做一些深挖的工作。

從量上來講，最近已經有一些規模化量產的車出來，主線科技現在已經建立了國內規模比較大的無人駕駛卡車運營叢集。

目前，我們在幾個港口物流樞紐還有包括京滬高速、京津高速上執行的車輛規模有150輛車左右，每天都在持續地執行。

這個量從去年9月份開始逐步上來，並且在去年9月份我們做了很大的努力，去掉了安全員。迄今為止，主線科技是港口場景中為數不多做到整批次沒有安全員的自動駕駛企業，做到這一點，也論證了無人駕駛卡車的整個經濟模型是有價值的。

第二個是產。做一百輛、兩百輛車對於汽車行業來講並不難，改裝試製手段可以很快把規模做出來，所以更重要的其實是如何把這個東西以一個產品角度做出來。

主線聯合了國內幾家比較知名的重卡主機廠，做了大量合作開發工作，包括自己定義卡車的量產生產線，以及各種各樣的測試等等。模型驅動開發加上整個需求設計最後到測試，整個“產”已經從以前的拳打腳踢的小作坊（改裝成品車），變成幾條特定生產線，只要下單就可以持續出量。所以這個“產”可能是主線科技今年比較大的收穫和進展。

最後是技術，實際上能夠用在產品上的技術和Demo的技術差別是比較大的。真正的產品對可靠性、穩定性、整個產品定義的邊界都要更加清晰。Demo的時候可以演示出來神奇、玄幻、酷炫的效果，只有在天時地利都特別合適的時候才能做。

但是產品上了量之後要做一些取捨，特別玄妙的技巧就不能用，要用一個相對來講比較有把握、比較成熟、能夠上量的比較穩定的技術做。

在這過程當中我們也做了大量測試，確保量產的無人卡車在系統中持續地執行。到目前為止累計運營里程已經將近300萬公里，幫助客戶運輸的集裝箱的數量大概有70萬箱。

自動駕駛量產趨勢，為什麼在今年？

量子位李根：謝謝天雷博士，你從清華學生時代開始接觸自動駕駛，創業也是有所選擇，比如物流賽道，落地場景上選擇先從港口再到幹線，這個取捨過程當中有沒有思考過量產趨勢為什麼會出現在今年，有哪些天時地利或者大的背景發生和變化？

主線科技張天雷：量產自動駕駛系統的出現取決於場景，不同場景量產來臨時間包括成熟程度也是不一樣。從主線科技來看的話，物流場景，尤其是封閉的、完全無人的，高速高階輔助的和一些城區限定區域內的，從今年開始到明年年底很有可能有很多批次的應用面世。

這個事主線科技做了很長時間，經歷了從最開始的科研，到後來的初步產品化嘗試，現在開始進入量產，核心的還是期望能夠有一個真正批次的實用的東西出來。

我們國家對人工智慧和自動駕駛的支援非常早，而且非常到位。我們這三個團隊其實都得到了國家自然科學基金專案的支援，蘇總是我的師兄，以前他們的車我去調，北理工的老師們也做了大量除錯的工作。

以前苦於沒有量也沒有產，只能找一些有限資源支援一下，一直希望有這麼一個落實的效果。

量子位李根：彭總對於天雷博士的場景量產比較認同，馭勢科技之前選擇的時候場景也是蠻重要的，現在確實起到示範作用，聽說還入選了專精特新。

馭勢科技彭進展：確實我們都受到國家的很多支援，這是肯定的。場景上來講現在大家也都有一個認知。我們講無人駕駛，基本上還是場景決定的，比如說固定區域，無論是機場、工廠還是港口或者其他地方，各有特點，基本上跑一兩年也就熟悉了。

但開放道路就要跑很多年，所以本質上來講無人駕駛是一個場景積累，也是一個資料驅動的行業，因此對公司的全方位要求是非常高的。

現在我們談能量產的領域，基本上都是有一個很鮮明的場景特徵。不管是港口還是機場工廠，包括我們今年開始跨入無人配送、城市配送行業。

同時我們看到，配送場景在現在的技術還有產品以及一整套生態系統支撐下，是可行的。這個整套生態系統包括業務方，比如跟中通、圓通做真正的業務運營。再比如最近深圳大概有三十多家配送行業，釋出了一個團體標準。另外，今年以來有非常多的地方政府開始給配送開放路權。在這麼一個生態環境的支撐下才能看到城市配送場景能起來。

當然我們今年也在大力擴充Robotaxi，畢竟Robotaxi是無人駕駛技術的代表，也是未來非常有潛力的萬億級的市場，它的場景實現、商業化量產的實現我們認為還需要一段時間。

這就是馭勢科技的理念，我們用一套系統可以支撐全場景的應用，我們在技術層面並沒有明顯區別不同的場景。

無人化我是特別贊同的。無人駕駛不能把安全員拿掉，他就是顯示不出它的價值來。這個其實真正體會到也是2019年底。

當你能夠把安全員拿掉的時候，才能真正找到你的客戶、合作伙伴。他們才會真正相信這件事能成。

很榮幸從事這個行業，經過過去很多年，也終於能看到（量產）這一天。

量子位李根：蘇博士是不是對量產這個時間節點也有一些感受？因為天雷博士跟彭總的目標或者指標，是要把人拿掉，而且達到量產的狀態。但從您的角度或者從騰訊做自動駕駛這件事情的切入，也許第一階段不是追求全無人的狀態，會有哪些不同？

騰訊蘇奎峰：我覺得本質上應該沒有太大的不同。我們想解決自動駕駛問題，而RoboTaxi本身就是無人，這是一個前提條件，也是一個目標。這是提升生產效率，或者是降低人的疲勞，解決因為人而產生的各種問題，這是自動駕駛或者無人駕駛的核心目標。

所以我認為所有企業，無論切入點怎麼樣，都是按這個目標去做的，只是說在很長的產業鏈，或者眾多的場景裡面會有不同的選擇和定位。

回過頭來說，量產為什麼會在這個時間點，我覺得原因有三個層面，一個是政策，一個是場景，一個是技術。

從政策角度來說，我認為在中國真正按下了自動駕駛啟動鍵的標誌，就是李院士的國家自然資金重大專項，把自動駕駛作為一個驗證場景，那是2008年開始的，那應該是最早的起點。

正因為政策推動這件事情，才有今年北京、上海都在推動自動駕駛落地，這也是一系列有遠見的領導者或者技術的專家在推動政策的落地。

第二就是場景，不講場景很難把自動駕駛做到真正落地。每一個場景都有面臨的現實問題。比如商用車，L2+場景有解放人的，也有開車的。彭總、天雷做的機場，或者大的物流，也是有限的範圍場景內提升生產效率、降低成本。這需要每垂直場景的技術手段方式，不同場景有很大差異性，雖然從技術層面有一定的相似性。

從技術層面來看，無論是從算力，還是資料的積累，或是演算法的成熟度，行業都已經積累了很多年。從零幾年開始到現在，到了一定的破局的點。但還有更多的工作要做。現在我們看到落地的場景，離我們期待的自動駕駛還有很大的距離，無論從技術，還是從場景的匹配度。其實政策目前來看不是最大的障礙，國家應該會推動。

對於騰訊來說，希望利用自身的的平臺，把過去積累的不單純是自動駕駛的技術，還有其他的技術應用到自動駕駛場景，或者給類自動駕駛場景帶來更大的快速落地的收益。

直面安全憂慮：企業要敬畏，社會要包容

量子位李根：蘇總一開始也提到了車展，今年自動駕駛是一個非常熱門的話題，相關技術在各個領域的量產應用。但在這個過程中，之前可能大家只是因為相信而出發的。但現在所有人都看見了，有了上量的需求。這時有沒有一些新的挑戰？對於大眾認知來講，蘇總您認為哪些挑戰會成為我們需要思考解決的問題？

騰訊蘇奎峰：任何一件事情從開始到起量都會有一個過程，它面臨的挑戰也會有很大的差異性。尤其在自動駕駛，從demo到小批次，再到大規模的使用，原來一些小機率的事件在起量的情況下會變成常發事件。

這也是為什麼要解決自動駕駛的長尾問題，也是為什麼一旦起量以後，特斯拉也好，或者其他的企業也好，偶爾會出現交通事故，這不代表它的技術不先進、不好，而是有很多長尾的問題需要預見，需要去克服完善。

這方面，我認為一定要在技術上，或者架構穩定性、安全性上存有敬畏心，給場景或者是產業，或者是個人帶來價值的同時，也要避免產生更大的傷害。

所以從技術上我們要去保障，但是從認知上，也需要有一個接受的過程，無論是從業者還是社會其他的人員，每一個使用者都需要建立對技術理念上的認知。

量子位李根：覺得蘇奎峰博士非常騰訊範兒，不僅很負責任地講技術，而且也在傳達科技向善的理念。今年發生在領域內、行業內最大的事情就是大家之前會認為無人駕駛、自動駕駛是等於零事故的，而在量產車上的事故之後，大家又發現，原來你做不到。所以不知道彭總對這個問題是怎麼看的？好像認知上是有一些不斷迭代的過程。

馭勢科技彭進展：我們有一句話，沒有零事故的交通，但是我們認為會有更安全的AI駕駛員，這個是AI技術決定的。

首先，我們在過去一些商業化落地，包括全行業的商業化落地已經證明了，其實AI駕駛員在應付7×24小時，365天非常繁重的物流行業裡面，它的事故率是比人類司機要小，這是第一點。

第二點如果你想把全世界幾億，甚至十幾億的司機都培訓好、安全地開車，甚至監督他每天開車，這個社會成本是非常高的。但是全世界上做無人駕駛的，把無人駕駛、AI駕駛員的安全技術不停最佳化的人，可能也就幾萬。

這樣的話，如果我們能夠做到更安全的AI駕駛員，他對社會的價值我相信就已經可以體現出來，也能夠很快的促進行業的發展。剛才蘇總也談到這點，對我們要有點寬容。

我們現在看到，一旦自動駕駛的技術出一個事故，就成了新聞。但人為因素引起的交通事故每天都在發聲，這對於大眾來說並不算什麼新聞。

期待有一天，大眾對自動駕駛的事故也有一個平常的心態。當那一天來臨的時候，可能真正無人駕駛、自動駕駛已經進入了日常的生活，進入了社會的運作之中。

量子位李根：天雷博士對這個問題怎麼看，卡車上沒有人類司機，除了技術上要有保證之外，是不是也會有背後安全方面的冗餘。

主線科技張天雷：最後都落到安全。我覺得對於安全問題，我們還是有一個稍微不太一樣的觀點，就是在任何時候，我們自己的技術和系統，它的安全性應該是強調在第一位的。

在整個設計過程當中，要引入大量的功能安全和預見功能安全的技術來避免整個系統在批次應用中可能會遇到的超過ODD的濫用問題，以及自己系統失效了之後所產生的一系列問題。

安全肯定是永遠排在第一位的，為了系統的安全性付出再多的代價也是需要的。

我們看一些案例，仔細分析下來，就會發現在安全工作體系中，只要把安全工作做在前面才能夠避免（事故）的。

我現在自己的感覺是量產的輔助駕駛系統的安全效果做的很不錯，在完全無人駕駛系統裡的功能安全的滲透率尚且不夠。

我們說個別人家的事，東京奧運會的時候，豐田的車把運動員撞了，這個案例實際上表明功能安全上還是有工作需要做的。

主線科技安全方面也有一個專門的小組在做，分兩類場景。一類是在開放場景下的高階輔助駕駛，我們在做的所有設計都是跟司機共駕，並且和司機之間有大量的互動和提醒工作。

而限定性場景，就把它定義為完全無人駕駛，沒有中間人和機器決策權交換。在封閉場景裡，我們做了大概幾個方面的工作，首先是在有封閉場景的地方城市，我們都跟管理部門申請了示範區的法規支援，獲准在某一限定區域內進行完全無人駕駛的實驗和執行。

另外一方面，我們也做了大量場景安全措施工作，儘量最佳化整個作業流程，包括互動過程當中沒有出現混行情況。客戶肯定希望後期可以實現更寬泛的無人車有人車混行，我們也一直在研發和測試，但是到目前為止，港口場景的常態化的混線運營從功能安全和法律法規方面其實還不太具備條件。

所以一旦把車鋪出去，有一些量上來的時候，以前動動手就能改掉的東西，現在很難過來，而且由於沒有走一個既定的正規的（量產）流程，你改掉那個東西很有可能會帶來很大的不確定性。

量子位李根：有一種觀點認為，無人駕駛不能做到百分之百的零事故，是因為機器駕駛或者計算機駕駛一定會有漏洞，我不知道張天雷博士認不認同這樣的觀點？以及我們現在做什麼可以讓安全機率能夠更加趨近於百分之百，或者趨近於零事故？

主線科技張天雷：是這樣，首先肯定沒有一個系統是能夠百分之百的保證它自己總是正常的功能執行。我們要做就是根據一些特定的功能安全技術，把整個出錯之後所帶來的代價降到最小，以及所出錯的機率降到最低。

這裡面核心的問題就是不要有人員的傷亡的問題，實際上是一條紅線。

比如這個系統跑偏了，由於某種原因，把客戶家的柱子撞翻了，那你去修這個柱子，但是你要確保那個地方換成一個人的時候，你的車能停得住。

今天撞了柱子就是提醒你還是有隱患的，只是你比較幸運。但做這個事不能賭自己幸運。整個汽車工業發展過程當中，我覺得歐洲做車規做量產一整套的流程，雖然做起來非常複雜，非常的繁冗，但是整個流程跑下來還是能夠起到很多關鍵的作用。

我師兄他一直不吱聲兒啊，其實有大量的測試可以到雲上測試。

量子位李根：那我們先請蘇博士講一下，雲上測試一定會實現更安全的自動駕駛嗎？

騰訊蘇奎峰：我比較贊同天雷說的一個點，就是安全是第一位的，安全是效率的前提條件，尤其涉及到人的安全，對生命尊重是放在第一位的。

我們必須考慮的問題，是自動駕駛涉及到人如何提升安全。確實有很多維度，一個維度是各種的公共安全，包括設計的安全，包括研發流程體系的保障，像剛才天雷比較明確提出，我們必須有很嚴格的流程保障體系。

另一方面，一些測試手段和方式方法上其實也是很重要的，剛才我沒好意思打廣告，既然天雷說了我就說一下。

騰訊目前的雲模擬或者說大的模擬，實際上是支撐自動駕駛、提升安全很重要的一個手段。它不是唯一的手段，也不能說完全保障，但是它至少是一個必要的必備的手段。

一個方面，我們可以模擬更多複雜的場景。涉及到場景的真實性問題，模擬一定要和真正實體是一樣的，需要模型在環，軟體在環，硬體在環和車輛在環的一系列逼真的方式方法做。從2016年開始，我帶這個團隊核心業務就是模擬，利用騰訊的技術積累和優勢，我們實現了很深度的單車在環方式模擬。

另一方面，雲模擬成為很重要的必備的方式。之所以它是是必備的，是因為很多場景，尤其是AI資料驅動的演算法，有大量場景積累，而且隨著時間推移積累場景越來越多，每改變一個演算法都要進行迴歸測試，還要把所有的場景都要跑一遍。有時甚至是甚至幾十萬上百萬場景同時去跑。

提高研發效率，就必須拿雲並行加速的方式去模擬。另外進行場景訓練的時候，我們希望模擬出真實的交通環境，比如模擬北京城，所以要把把高精地圖都放在雲上，然後再去放模擬的交通流，自動生成corner case和場景。

如果是人工編輯可能需要兩天，所以雲模擬、城市級模擬就成了必要手段。

另外還有第三種混合的模擬。現在很多地方都有車路協同感測器裝置，它們是24小時線上的，其實就是真實的自動駕駛場景。這種監測的資料流和交通流可以實時的推送到雲上，形成一個備測環境，卡車也好自動駕駛汽車也好，都可以放到那個環境裡面去跑，而且它跑的是真實的交通，而非人為製造的場景。

騰訊這三個雲模擬技術都在做迭代，但我們認為這項工作是需要跟各個企業一起合作的。比如說卡車測試，天雷的模型、演算法更準，而我們並不是專業的。所以對於騰訊來說，模擬業務更多是提供平臺支撐。

但是涉及到真正場景，需要和天雷、彭總都這樣的專業團隊合作，透過平臺技術來促進自動駕駛安全的提升。

量子位李根：那彭總對這個問題怎麼看？如何既要面向量產又追求更好的安全性？

馭勢科技彭進展：馭勢科技最早實行全無人的運營是在機場，剛開始我們自己都不能相信。因為機場是一個非常講究安全的地方，但實際上經過兩年運營，現在客戶對無人駕駛的安全性是非常認可的，為什麼呢？

原因之一是，我們是實時的，所有問題實時在後臺成系統的呈現，這是以前很多系統做不到的，這是我們一個優勢。而當你能實時地去監控去反映、透過AI去控制的時候，它已經比這個世界上絕大多數裝置更安全。

其實剛才天雷、蘇總也說到，從技術、從理論到實踐，整個過程來看，尤其是做無人駕駛的，一直是 safety first，真的是有一種敬畏之心。我們希望有一天無人車發生事故不再成為新聞，但現在一旦發生事故，就是很大的新聞，所以對我們是戰戰兢兢。

我們每一個無人系統都是有非常多的冗餘，也經過非常嚴格的測試。從理論上事故機率要遠遠低於人類駕駛，當然這還需要我們進一步驗證。

對於無人駕駛量產，我們確實看到它已經到來，我們相信如果讓這個社會看到更多無人車的運營，他們會對無人車安全更加肯定。有一天人們終會認可這個觀點：就是AI駕駛員肯定是會是一個更安全的交通方式。

為什麼說自動駕駛是資料之爭？

量子位李根：大家之所以對量產自動駕駛的重要性非常關注，也是因為量產以後帶來資料的閉環、資料的迴圈，可能對自動駕駛進步作用力非常明顯。對於馭勢來講，量產和資料的之間的作用是什麼關係和方式？

馭勢科技彭進展：量產之後會碰到更多的場景、corner case等等。我們採集的資料比以前大很多倍，是一個指數級增加的趨勢。這時候比拼的，是每個公司對資料的處理能力、對新場景的適應能力，它代表了未來在商業化的無人駕駛市場裡面佔的份額。

剛才有幸聽到蘇總的介紹，到時候可以交流一下，我們肯定有這方面的需求。

量子位李根：天雷博士對這個問題怎麼看？這個問題前幾年有另外一個說法，或者另外一個假設，就是可能有人覺得透過資料量的積累、場景問題的積累，可以實現所謂的降維打擊或升維打擊，比方說我做RoboTaxi的也可以用到貨運上去，這個有可能嗎？以及資料可通用嗎？

主線科技張天雷：RoboTaxi是沒有辦法降維打擊RoboTruck。樓下如果停著一輛轎車和一輛卡車的話，大部分人能把小轎車開走，但是很少人能把卡車開走。

在場景上，所謂降維或者跨界打擊都挺難的。剛才蘇總講每個場景都有很多know-how在裡面，你去拿著自己的核心技術做進去之後，還有碰到更多的長期的行業積累。除了要能忠實地執行加減速、油門、轉向動作以外，它還有更多環節，包括和作業系統的互動，還有和整個運營流程的適配互動，這些東西都是需要時間的。

這些工作比起高大上的人工智慧，可能像一些體力活兒，但是仍然需要大量細緻的工作。這些我們都統統歸類為產品的工程化。

做工程化過程當中，過去成功的案例中，往往做工程化做的比較好、迭代速度比較快的企業，可能要比核心技術特別突出的那些，最後出來的效果要好一些。

坦白講，自動駕駛不是人工智慧的黑科技，人工智慧黑科技在於人工智慧的智慧決策系統。現在沒有見到任何一個模型足以強大到做出來一個哪怕是小學生水平的決策系統。

人工智慧在自動駕駛上是應用科學，這裡面除了一些核心演算法的開發以外，有70%是智慧駕駛工程化的東西。

工程化裡面最重要的東西是資料驅動、長期有資料餵給機器，才是決定了你對這個行業裡面know-how掌握程度的核心。

我倒是覺得，資料和場景比起某一個指標標的很高的技術來講，可能更加會是一個壁壘。

量子位李根：對於蘇博士來說，資料和場景的積累對騰訊自動駕駛的定位也好、場景也好，會帶來什麼幫助？或者說我們會看到什麼樣的產品或方案呈現？

騰訊蘇奎峰：我首先說資料和場景問題。我覺得天雷觀點我也是蠻贊同的，我們都講自動化場景，但跨場景這件事情和我們通常講的有點差異，也是因為每個場景都有每個場景的know-how，類似於前面演講者一直提AI技術一樣。

AI解決工業也好其他也好都有垂直的領域，但know-how是普適的、通用的，真正把這件事情解決的不是技術本身，而是對場景理解的深度。你對場景認知度是解決這個問題核心的壁壘，而非演算法和技術。所以我認為場景和資料是一定高度關聯的。

對騰訊來說，我們可能沒有聚焦在某一個場景上，我剛才說企鵝島都是比較小的，Robobus場景做的多一點，有內部技術迭代的考慮。我們希望積累更多的通用自動駕駛技術以便做一些支撐的研發。

我們把自動駕駛看作一個技術，也會招大量的人，把技術研究的更紮實，做的更深入。

另一方面我們希望提供通用平臺能力幫助合作伙伴一起把產業各個場景加速落地。

核心的技術和場景，比如像彭總天雷他們，那是他們核心的資產。騰訊提供的平臺是通用的，支撐這樣的技術，無論如何資料和場景是高度耦合的，一定要能夠建立深的行業認知的核心的能力。

年度最震撼：是什麼讓他們沒想到？

量子位李根：謝謝蘇總。今年大家對於資料的重視、對於場景的認知也是隨著行業的推進不斷的深化的。我多問一個問題，自動駕駛現在處於什麼樣的階段？

這個問題其實每年回答起來都挺困難，因為我們不知道終局在哪一天發生。在座各位每位都是從自動駕駛研發到現在量產的推進者，這一路走過來過程當中有沒有什麼事件或者進展讓你們比較意外的？先從蘇博士開始。

騰訊蘇奎峰：新能源的加速、自動駕駛的落地。因為新能源2021年的加速變革導致新能源汽車把自動駕駛作為三個核心競爭力之一來做。這件事情加速了整個計算單元、資料鏈路以及其他行業產業鏈的加速，反過來也會促進其他的場景的加速。

這個對我來講是有點意外的，不是自動駕駛本身，而是因為新能源汽車量產的加速或者跨越，加速發展促進了自動駕駛。

量子位李根：彭總，馭勢科技對這個問題有什麼看法？

馭勢科技彭進展：對我們來說，震撼最大的還是把安全員拿掉了。

去年2020年10月份，Waymo把安全員拿掉，開始之後整個行業都在加速。我們做的更早一點，比它還早一年。L2和L4底層思維不一樣，有安全員的情況下，技術、設計思路包括技術的實現、產品及相應的變成商品的過程，都是完全不一樣的。

所以我還是願意把過去一兩年越來越多的無人車真正的把安全員拿掉，看成這個行業真正能夠進入商業化、進入量產，開始實現它的服務價值的一個標誌。

量子位李根：天雷博士呢？

主線科技張天雷：從技術上來講，給我最大的震撼是4月份的時候，特斯拉講了他們資料驅動這件事。

從那時候開始，大家明白了一個道理，就是自動駕駛是個軍備競賽，真正能夠做到突破必須要有大量場景，要有量產車支援，要有資料閉環驅動的技術支援。

特斯拉投入巨大精力從幾個方面解決。比如他們覺得資料閉環理念應該落地，就首先做了世界上排行第五的超算叢集，用來訓練他們自己的模型，這個代價非常巨大，而且是中小型國家都做不到一件事情。

另外他還非常瘋狂的把智慧車的量向外鋪設。鋪的過程當中，也更加激進地採集更多維度的資料對車輛進行建模。同時開放了更多場景，把所謂輔助駕駛更名為FSD，讓更多人（車）作為資料採集的終端採集資料。

整個這樣一套閉環跑下來，他們在技術上的跳躍性非常明顯。

這事是我們高度關注的。

量子位李根：謝謝天雷、彭總和蘇博士。自動駕駛圓桌話題到這裡告一段落了，從剛才幾位分享裡面給我個非常強烈的觀感：去年我們討論商用的時候，我記得感受最強烈的是對於新技術的發展短期內往往會高估，長期內往往會低估。

今年有不一樣的感受，在座的幾位最早都是因為相信自動駕駛這件事情一定會實現而出發的，現在用自己實際行動讓更多人看見這件事情確確實實在發生。

而量產之後面也面臨新的挑戰和問題，我覺得這恰恰是自動駕駛領域有意思的地方，也是非常迷人的地方。

騰訊有自己的選擇，馭勢科技有自己的路線，主線有主線的模式，為什麼有這麼多不一樣的道路，這恰恰是因為我們沒有經歷過也不知道終點是2025年還是2030年到來。中國在這條道路上起點並不比別的國家差，我們在原創技術上也有非常多的開發或者豐富多彩的探索。

如果說讓我跟幾位分享交流的感受，我覺得我們還是引用另外一句名言：

讓我們忠於理想，面向現實。

今天自動駕駛論壇就到這裡，謝謝大家。