热点：小鹏汽车谷俊丽：中国式自动驾驶要做强数据和算法

中国汽车信息网新闻 9月8日，在ctdc首席技术官峰会上，小鹏汽车自动驾驶副社长谷俊丽博士发表了ai car和自动驾驶进化论的主题演讲，是小鹏汽车推进的中国式自动驾驶研究开发之路和这条

小鹏汽车自动驾驶副社长谷俊丽博士

同期，谷俊丽博士宣布，小鹏汽车最近获得了美国加利福尼亚州自动驾驶通道测量的许可。

小鹏汽车已经取得了美国加利福尼亚州自动驾驶通道测量许可。

ctdc首席技术官峰会是国内最顶尖的，最积极的网络峰会之一，聚集了业界顶尖的技术领袖。 ai智享未来是这次峰会的主题，从功能汽车向智能汽车的转型也是这次峰会探索的重要议题。

自动驾驶的国际化有很多瓶颈，自动驾驶进化的必然趋势是软件的强大本地化。 没有中国实际驾驶场景数据的积累，很多自动驾驶功能对中国的水土不服，没有目的，无法适应中国的实际驾驶状况、交通密度和中国客户的驾驶习性。 谷俊丽博士表示，小鹏汽车的目标是大规模量产具备六维感知能力的高智能网络汽车( ai car )，使车辆具有自我感知、物体感知和物体感知。

今年内，小鹏g3将发售，开始交付。 小鹏g3配备了先进的自动驾驶硬件，配备了20余个智能感知设备，适合本地化的自动驾驶，提供了涵盖高频生活场景的自动停车功能。

谷俊丽博士演说的实录如下:

谢谢你今天有机会和大家分享关于中国式自动驾驶的想法我很高兴。

首先是简单的自我介绍，去年10月加入了小鹏汽车。 我在特斯拉总部负责人工智能和自动驾驶。 我带领团队做了autopilot。 从前期对ai的想法到自动驾驶的开发，我从最初阶段就介入了，所以我的个体今天对大家有点感触。

我来说明自动驾驶的要点。 本身是ai驱动的技术，是系统，我叫ai car。 与大家分享自动驾驶整体的国际进化论和我们在中国想怎么做。

首先，我首先总的来说，在中国，自动驾驶这个概念从年开始炒，从年炒到爆炸，到现在公众已经失去了感知，我想不知道自动驾驶是什么。 所以，我想说明一下自动驾驶到底是什么，西方的技术实际上是否被引进中国而被采用，比如特斯拉的autopilot。

我先解释人类历史的交通变革。 我会好好考虑的。 其实人类历史的交通从我们到原始的交通工具，比如马车和驴车到我们现在林总的各种车，其实只有一百年。 真的只有一百年。 那发生了什么？ 我们从最初的这个原始仿真机械设备开始，通过汽车车轮福特的model t(t型车)前进，出现了奥迪、奔驰这样的企业品牌，我们在机械级、控制级、发动机、燃料机级110 后来，这辆车现在发生了一些安静的变化，它从模拟设备悄地变成了数字化设备，我们像21世纪初一样，我们还在使用诺基亚的功能机，用键盘按着，然后慢慢地我们大部分人 从功能机到数码机到智能手机的进化，在车辆上发生了同样的革命。 数字化是需要传感器、需要计算单元、内置在这辆车中、客户感受不到、在数字化过程中改变车本身的过程。 然后，我们在此基础上，再做一些辅助驾驶、警告，然后放手，然后具有令人眼花缭乱的各种智能工具功能，所以那是这样的变革过程。

抛开外表，它发生的一些变化是技术本身，自动驾驶让我自学了很多专家，从给我做芯片到做ai算法、做软件、自动驾驶。 自动驾驶是我做过的最难、最多也是最复杂的工程，没有之一。 为什么呢因为无视自动驾驶这个词，涵盖了我们过去100年人类大部分最重要的技术，新闻革命的重要突破。 那么，让我们来理解一下大家在我眼中所说的这个自动驾驶包括哪一代技术的框架。 自动驾驶的第一代是特斯拉这样的企业制造的，当时是使用融合供应商的方案，例如现在主流的海外融合mobileeye、国内融合博世。 国内的自动驾驶几乎都是由博世控制的，这是第一代综合方案。 我们的车本身是又多又杂的工程，那是拼接起来的系统工程，是把数万个零件合在一起。 制造汽车本身不是制造技术的过程，技术在供应商各立场，如控制单元、发动机单元、电池单元、感知算法单元，都有了突破。 这是第一代技术。 但是第一代技术有瓶颈。 你不能贯通。 供应商的东西不能改变。 所以第二代出现了。 第二代人可以自己选择芯片，通过汽车、数据和自我编程，改变我的功能。 这是第二代，用芯片和自主开发的算法做了自己的硬件和软件一体化的这个设计。 第三代人发现我们现在也是ai诉说计算能力的无限应用。 特别是在自动驾驶中，该应用场景用私家车进行应用。 那个庞大的场景是无限的，无法用自动驾驶完全说明这辆车会怎么样。 所以对计算的控诉也是无限的，我们现在很多企业，特别是国际巨头waymo和特斯拉都自己做小费。 为什么呢？ 过去60年人类制作的所有芯片都是对比通用计算，一个是尺量计算，都是通用计算。 我们真的要到车了。 这样多而复杂的流水需要更强大的小费。 这是第三代。

第四代我们其实会想起自动驾驶。 很多人关注的人可能会想起林林总总的各种各样的车。 waymo的车上有一个像船一样的箱子，cruise的车pony面上有很多雷达，有8到10个雷达。 而且，我们中国很多自动驾驶企业，景驰也在上面挂着很多东西。 这是第四代自动驾驶。 这是什么呢？ 第四代自动驾驶一般在特定场景下不需要要人，是完全的driverless，没有驾驶员。 要做到这一点，那不容易。 首先限定场景，然后在这辆车上与这个场景相比挂各种各样的传感器，制作各种各样的计算单元。 所以，到了第四代，这辆车是为这辆自动驾驶而设计的。 所以，看起来不像台车是因为以前传来的车没有盖这个。 现在两者是嫁接关系，不是产品的形式。

我从特斯拉来了小鹏。 我想处理中国化的自动驾驶。 是我们的第一代车。 今年的量产车介于第一代和第二代技术之间。 我们使用一些集成供应商，有些自主开发。 那也是基于我们自主开发的节奏，要开始它需要时间。 我们是第二代车，年车，从算法到小费，到车，贯穿自己自动驾驶的自主开发的通道。 我们为什么要做这件事？ 很多人问我。 无论是吉利，沃尔沃还是特斯拉，都有这个产品。 为什么再试一次呢？ 是的，有这个产品，但在大部分中国场景中没有人能用。 因为不适合中国的驾驶场景。 那个会水土不服。 比如，中国路上的障碍物不规则，几乎分辨不出你在中国路上遇到的所有障碍物。 中国的交通规则不规范。 中国的文化和西方的文化不同。 这个驾驶问题确实反映了人的文化问题和习性问题和社会交流问题。 这不是简单的实验室内技术，所以有水土不服的问题。 也就是说，我们为什么在中国有这么多车？ 但是，录用率并不高。

我个人认为中国的自动驾驶只有中国人自己才能处理。 也有人在微博上提问我，但我从没听说过任何技术都有国境。 我不是说这是国家的边界，而是说整个通道。 通过这两脉的时候，我们现在还没通过。 这个相通的是什么？ 我们真的必须形成中国大量的大数据，然后选择适合我们的芯片。 而且，我们必须在此基础上建立适合中国自动驾驶的传感器系统。 这个系统一定要和中国的场景进行比较。 你必须涵盖中国的特定轨迹、特定场景和特定的交通动态。 在此基础上进行中国算法研究。 我认为在中国处理这个自动驾驶的技术比西方困难十倍以上，所以整体是框架性的问题，也是创新性的问题，也是需要积累很多技术的问题。 这个处理一定要中国人自己来深耕处理。

第二部分，我想解释一下小鹏汽车。 我们对ai car的定义很重要。 我认为一辆车在中国的道路上行驶需要三重智能，是科学的概念吧。 我们首先这个ai car，ai car含有很多东西。 比如，我有几十个传感器感知环境，我有互联网的功能，然后去拿地图。 我有云的功能，芯片的功能，人工智能的实时计算功能，然后是适应学习和各种林林综合，我来分析它是怎样的三重智能。 首先，我个人认为不仅是云的智能，车一定可以自己开车。 所以，车上必须实时感知足够的环境。 例如，无论是200米还是150米，都要在这个相机上加上雷达进行融合。 为什么我们要做这么多种类的传感器？ 因为没有传感器能满足驾驶中看到的环境诉求。 例如照相机可以看到平坦的二维物体，雷达可以看到速度和三维，两者必须合并。 我们如果有正确告知其三维方向及其意思的传感器，这也是对自动驾驶起推动作用的技术革新。 ai非常重要，谁也不能否定自动驾驶的问题。 本质上是ai推进的问题，ai识别从其周围的这个传感器带来的数据，识别其他车辆，制定自己的一点决定和轨迹计划。 这个计算因为ai要求高性能水平的计算，所以一定要有高性能水平的芯片，满足车的规则，在车里运行。 你可能觉得我这个问题大家都很简单，但我们不是有很多云，我们不是有很多gpu吗？ 但是，有什么不完全符合汽车规则，一辆车在路上行驶。 根据五星级安全标准，不允许随时重启硬盘。 我们每个云的东西都有故障率。 这是不允许的。 当然，我们也必须上网。 因为网络能告诉我地图。 因为网络能告诉我交通新闻和越来越多的事情。 刚才说的是个人智能。 你个人收集了这么多消息，你做一个决定。 这是个人智能。

那我们的车多了，可以提高群体智能。 十辆车经过这里，看到这里断了路，告诉你后面的车断了，可以叫群智能。 和我们的蚁群一样，那辆车也能达到同样的智能。 另一种辅助智能，特别是在中国很流行，我认为中国政府制造事件曲线超车的概念不太简单。 比如，我个人智能做不到这么多东西，所以我要在路上加各种东西。 这是辅助智能。 不管怎样，这不在这辆车上。 这就是辅助智能，利用环境本身的感知能力。 v2x允许这辆车向各种各样的东西发送信号，但这只是一个愿景，你不容易制造世界(改造)。 改造车不容易。 改变世界，安装常驻传感器。 而且，传感器每天异月更新，传感器也100%不可靠。 这本身就是一项大工程。 所以，我个人认为那只是辅助的。

今后简单分享中国式自主开发这个词。 毕竟，那一点和我们自己的分解是什么样的？ 自动驾驶有这么多核心东西，不可避免，一定要去深耕，一定要去沉淀。 比如小费一定要带。 不要做ai。 其次，自主开发措施是通过监督二脉，将数据，即代表场景和车与算法相结合，这是真正的自动驾驶是框架性的。 大量中国场景的大数据，无论你有多大，世界每天都在变化，这是永恒的课题。 让我们逐一分解。 我们大量的数据场景是公开的任何场景，不是限定场景。 我们经常有朋友开车，在硅谷经常开车，车去中国，什么都做不了，是因为场景变了。 因为一切都变了。 所以，场景是所有的源泉，场景出现在大数据中。 这个场景没有限制。 如果是客户打开的地方，你必须打开，收集。 把这个数据拿到云端进行组织后，再进行ai的革新。 一定是创新之一。 你必须识别一切，上车，让你能用车计算，你就没有产品了。 这是形成闭环最重要的框架，形成闭环后，用数据增长该算法，开车验证该算法，再增长一点你不能处理的问题。 这是框架和智能进化而来的。 处理中国的自动驾驶一定要旋转这个框架，发展这个智能。 因为没有人能一步一步地处理。

总结了AIAI的定义。 每个人都有不同的理解。 那是在车里，我们需要ai的六维感觉，第一维感觉。 你有必要知道自己是怎么动的，怎么动的，车的动力学。 你需要知道第二维周围的问题和物体。 你必须知道第三维物体准确地在哪里。 第四个维度必须知道彼此的预测和未来。 人在开车，人的反应弧其实很长，反应弧比如400毫秒，很长，比算法长。 但是，人开车很好。 人在预测未来，所以他根据预测开车。 我们的算法总是基于历史。 过去看到的传感器看重新计算，完成决定。 这个反应弧是你根据过去预测的。 因此，我们为了弥补这个延迟，预测各车辆的轨迹、各账户的轨迹，所以是这个第四维时间维度。 必须理解第五维车辆之间没有孤立。 那有相互影响，那有事。 你插上了插头。 其他人可能不会让你插上插头。 其他人可能会改变。 你到底是怎么想的，你可以做出最好的决定。 第五维，你做了一个决定。 每个人开车都不一样。 有些人是我尽快去。 有些人说我会安全第一。 有些人说我会舒服第一。 所以，我决定要理解你是根据什么样的规则决定的。 这是第六维。 只有进行了六维感知才能真正进行自动驾驶。 我们现在的ai其实是到第二维或第2.5维。 从年开始突破大数据的深度学习，为大家提供良好的水平线，很快大家就水涨船高，在水平线上，能识别成千上万物体，成千上万物体的98%的精度，比如，这是二维的。 到了第三维，我们需要高精度的定位，高精度地图制定了量产车的计划，现在是全世界都没有完全处理的问题。 所以，我们现在在2和3之间，我们可以在研究界和算法界突破第四维，突破第五维，预言一点，但真正落到产品上需要一点实践和积累。 所以，自动驾驶真的做了，它和以前传递的经典算法结合，和scenarios的理解结合，有很多scenarios，有很多场景。 因为和ai组合制造了各种各样的杂流水，你为什么看所有的自动驾驶企业？ 有些人说我能开三个月车。 那么，你接下来两年在做什么？ 我在处理各种scenarios。 正在处理无限的方案。 而且这辆车只是改变城市，我在广州开车。 我去了深圳，发现这有什么变化。 我再试一次。 这就是自动驾驶的困难之处。

另外，车不是手机，也不是电脑。 确保安全第一，实现安全有很多杂七杂八的东西。 这辆车本身有控制单元，感知单元，现在是芯片，各种各样的东西。 为了处理这个问题，我们在传感器上做了一点冗余。 在我们的控制单元中，给我们的急刹车制造了一点冗余，把安全的东西和整个智能分成四级框架系统，一级上升。 那我基本的东西大概是任何高级智能都不能牺牲生命日的安全性。 比如uber几个月前发生了一点交通事故，就是aeb没有启发。 那种情况下，我不管车有多智能，我都不用。 因为aeb关系到我的生命。 所以我们在设计我们的系统方面的第一步是保证我到目前为止做了一百年车留下的精华不会受损。 在一楼。 第二层有冗馀。 第三层，第四层我除了高级智能，如果不能高级智能，我会回到下面的一点智能，保证人命安全，比这个智能的fancy的未来更重要。

最后，我想和大家分享我们宣传的产品的智能进化。 为了处理自动驾驶问题，我不相信一个制造商能站起来谈论我迟到的事情。 这不科学。 这个问题很科学。 所以一定有进化的道路。 我们把自动驾驶分开了。 中国人开车他的不安痛点和外国人不同。 例如，外国人很少担心停车，停车场很多。 但是中国人的停车不安很大，所以我们的第一步首先从这种停车不安开始处理，从耳朵开始，首先用超声波，基于超声波的泊位就像蝙蝠的探测一样，你前后、左右都需要车辆。 这个超声波也是现在市场上大部分停车系统用的这个技术框架。 我们给它加上了视觉。 你这个端口空空的，超声波检测不到车的位置是傻瓜，这是人不能理解的。 所以加上视觉，让他能看到各种各样的停车位。 最后加上语音，人们可以与其互动，变得有点记忆性，一步一步地发展其智能。 对自动驾驶来说，驾驶不安是春运时在高速公路上长距离行驶的不安，比如每天上班下班，在一线城市分别是平均50分钟、1小时的堵车、上下早晚的高峰不安等。 这种不安已经把人这辆车的生存空之间除了家以外，在企业以外都变成了重要的生存空之间，所以我们有自己发挥的这个空之间。 那么，我们处理好驾驶不安后，先从高速自动驾驶开始。 l2，l3比如人不允许放手。 l2不允许放手。 l3允许放手。 这样长途旅行，人的不安性、疲劳性会得到更大改善。 另外如果堵车了，车自己停，handle一点一点地变，handle一点地解决别人的插件问题，可以应对早晚开车高峰的不安。 然后到了未来，城市十字路口怎么走？ 现在也是永远的难题。 如何走高速真的是实现a点到b点自动驾驶的重要技术门槛。 最后，即使这些技术问题都处理了，自动驾驶的问题也没有完全处理。 人的驾驶习惯、顾客体验是我们最重要的处理问题，每个人开车的习性不同，有人喜欢激进型，也有人喜欢温和型。 所以，最后我们会处理个性化的驾驶问题。 这是我们进化的道路，粗框架。

然后，我们说车内智能也要做。 人多解放后，双脚、双手、眼睛被释放，人在车里干什么，你真的在无人驾驶之前，其实这辆车是机体共同体，有些场景是车，有些场景是人，l2的情况下，大部分时候都必须驾驶。 在这个过程中，我们通过驾驶员的状态监视通知这个系统，说我们现在累了，你需要给他接手10秒钟，或者他现在看手机，你需要给他接手8秒钟。 你必须事先注意他。 可以说在车开得更多的情况下，可以进行更好的无缝、更安全的功能之一的合作。

最后想给大家看的是，我们现在这个自动驾驶中心是两岸四地的跨国团队，我们在广州总部处理造车测试的问题，我们在硅谷处理软件开发的问题，我们在上海，北京也在齐国 那么，我们最近也有好消息。 我在硅谷取得了加利福尼亚州的自动驾驶测试许可。 那么，今年我们希望只有很少的事件。 其中最重要的一件事是贯穿督导二脉，建立框架，实现基本功能，坐真正的车开始实验。 我希望我们是做对的事，用正确的做法工作的团队。 另外，我希望你关注我们的下一个成绩和结果。 感谢