作为AI产业中极为关键的一环,智能出行已经成为了从行业到公众都越来越关注的领域。在此背景下,知名AI信息台——机器之心于去年创建了专注于智慧出行行业的台Auto Byte。

日,Auto Byte依据其高端访谈品牌“首席智行官”,举办了“首席智行官大会”,集结了来自整车、车规级芯片,以及多类别自动驾驶企业的领军人物,畅谈对行业发展的独到观察和体会。

■汽车机器人开启智能汽车3.0时代

智能出行和人们的生活联系已经有多紧密了呢?集度汽车CEO夏一谈及,在燃油车时代,用户如果想在汽车未发动状态下使用空调或通过中控大屏看电影、听音乐,必须把发动机在静止状态下启动,才能长时间使用这些功能,这不方便、不安全也不环保。但用户的需求是在汽车停下等待的时间里,可以看电影、听音乐、吹空调,人们在静止状态下待在车里的时间变得越来越长了。

“最我们也做了一些用户调研,发现现在很多人在汽车静止状态下待在车里的时间,已经等于甚至超过汽车在移动状态下的时间了。在油车时代,车的工具属更强,更多是作为从A点到B点的运输工具。随着电动汽车时代的到来,一方面汽车的革新具备了底层驱动技术的基础,另一方面加上智能化能力的加持,车内体验也迎来了革新,汽车已经逐渐变成了我们的第二生活空间。” 夏一说。

他认为,当汽车具备高阶自动驾驶能力和高度智能交互能力以后,它实际上就是拥有汽车形态的机器人。同时,这样的产品具有迭代能力,能够持续为用户体验带来惊喜。汽车机器人将会开启整个智能汽车波澜壮阔的3.0时代。

可以看到,在过去很长一段时间里,汽车计算能力是一直低于智能手机的。在今年之前,整个汽车行业,特别是座舱的计算能力其实还低于智能手机。这导致了很多对算力有要求的AI的技术没有办法在汽车上发挥优势,也无法全面提升用户体验,因此出现了技术跟产品的隔阂。

但是在智能汽车3.0时代,我们赋予汽车足够的算力,以今年为例,高通、英伟达、地线、等高算力的汽车芯片的出现,逐渐将以运输属为核心的汽车变成了一个由AI驱动的智能移动空间,带来了更多可以想象的功能。所以,AI带来了技术的革新、效率的提升和体验的颠覆。2023年将会是汽车智能化竞争的元年,那时真正的汽车3.0时代就会到来。

■软件定义汽车,硬件定义软件天花板

如何定义智能汽车3.0时代的产品呢?夏一认为,第一,它应该具有高阶自动驾驶能力的软硬件系统,具备在城市域、高速域、停车场点到点的自动辅助驾驶能力。第二,语音语义交互要做到准确识别,交流过程要自然无障碍。简单来说就是接于人跟人之间的真实交流,它不再是简单的指令,而是根据不同的场景和需求主动的跟人建立沟通。

第三,能根据驾驶人员对汽车的使用惯,完成自主学和功能迭代。无论是自动驾驶还是语音交互,随着用户对汽车使用时间的积累,它能够自动的优化相应的功能和体验,让用户在使用这台车的时候越开越好,感觉到车里的功能越来越懂自己。因此,如何持续让AI在车里进行进化是3.0时代产品的核心竞争能力。

在这些体验和能力的背后,有一套复杂的软件和算法以及满足相应算力需求的硬件在共同支撑着。“所以我认为,软件的研发包括软件能力的验证以及软件运行的安全稳定,应当成为智能车3.0时代,所有的汽车公司都要去关注的方面。” 夏一说。

路特斯科技副总裁、智能驾驶业务线负责人李博也认为,汽车在本质上已经变成了“披着汽车外衣”的机器人。科技时代对于豪华车的定义很重要一点就是智能化,这也符合汽车向机器人变迁的演变趋势。

他介绍,路特斯希望通过满足竞技要求的水准——以更高精度全覆盖的感知能力、更懂博弈的认知能力、更快更稳的规控能力,打造路特斯所特有的“赛道级”智能驾驶。为此,路特斯还将打造自己的智能硬件、智能软件与智能云,李博表示:“软件定义汽车,硬件定义软件天花板,而智能云是智能驾驶的生产力工厂,它将大大提高智能驾驶软件更新迭代的速度。在有着同样硬件天花板的情况下,有了智能云我们将就将更快达到这个天花板。”

毫末智行联合创始人兼CEO顾维灏也深度剖析了数据智能对于自动驾驶AI进化的重要意义。他介绍,在过去两年的实践过程中,毫末智行基于数据智能赋能汽车产品,成为中国自动驾驶领域量产第一名。在乘用车领域,毫末智行的产品搭载在长城汽车上卖给用户,截至目前,用户辅助驾驶行驶里程已经突破600万公里,在未来两年之内,毫末智行计划搭载一百万辆车。

在这个过程中,毫末智行也做了很多沉淀和总结。顾维灏认为,在自动驾驶系统中,最根本是要解决两个问题:一个是数据闭环的成本问题,另一个则是自动驾驶的演进速度。毫末智行把成本和速度,当成数据智能最基本的思想钢印。

■挑战重重,自动驾驶未来光明又崎岖

展望自动驾驶的未来,无疑会是一条充满机会、但又陡峭崎岖的山路。寒武纪行歌执行总裁王认为,未来五年将呈现三大趋势。一是L2+自动驾驶系统装备率迅速普及,未来五年,L2+及以上的总体渗透率会超过50%。第二,受限场景下L4级别自动驾驶解决方案将会逐步实现落地,但是距离大规模量产还有很长路要走。第三,车路云的闭环协同,这将进一步推动驾乘体验持续的升级。

自动驾驶芯片则面临两个趋势:一个是通用开放式,另一个是大算力。在L1和L2时代,数据量是相对比较少的,很多车厂接受了芯片和算法强耦合的封闭式一体化方案。到了L3、L4的时代,数据量会激增,算法也更加复杂,因此需要大算力芯片才能够满足需求。此外,OTA的需求也需要有通用开放的软件台才能够支撑。

指出,智能驾驶系统规模化落地,目前还面对多重挑战。单车智能方面,第一,目前单片 SOC的处理能力普遍不足,因此需要2片甚至更多片来实现,使得系统复杂度指数级上升,量产困难;第二,多片SOC还造成域控制器功耗很大,必须采用风冷甚至液冷,增加了系统成本,从而使得智能驾驶系统在燃油车及10万元以下车型都很难普及;最后,国产芯片占比仍然较低,芯片供应受到全球供应链影响巨大。

另外,车路云协同的方案也面临着诸多挑战。首先海量数据的闭环需要大规模AI集群的支撑,根据特斯拉的数据,每一辆智能车上路,就需要增加价值500美金的云端AI计算资源来支撑,成本压力巨大;其次,车企也需要投入大量资源来实现数据安全和隐私保护;最后,云端统一运营数据的模式还不能有效满足车主个化的需求。

自动驾驶的商业落地,是每个从业者的追求。正如夏一所说,“非常渴望通过全行业对高阶自动驾驶的追求和打磨,在自动驾驶汽车真正成为国内交通参与者的那一天,我们能够给用户带来体验完整、运行稳定,同时又安全可靠的高阶自动驾驶产品。”

推荐内容