圓桌論壇二

    主持人：下面有請我們第二場圓桌會議的主持人：清華大學電子工程系教授王貴錦

    第二場圓桌論壇的主題是高階智能駕駛技術量產（L3-L5）的現狀與未來？

    下面有請圓桌交流嘉賓：

    1、一汽解放總經理吳碧磊

    2、哪吒汽車營銷公司總裁江峰

    3、北汽新能源工程研究院院長楊子發

    4、智加科技中國總經理容力

    5、四維圖新副總裁簡國棟

    6、斯年智駕CEO何貝

    王貴錦：首先非常高興能夠參與今天的汽車資本論壇，很榮幸跟參加圓桌的各位企業的大咖一起交流，也榮幸臺下的各位聽眾一起來參與。

    圓桌會議比較自由一點，我們談的是駕駛技術，做技術人員的習慣比較隨機，我們不見得按順序，大家如果有什么看法想發言的就發言，并且可能我們的第二個圓桌會議跟第一個圓桌會議有點不一樣，因為第一個圓桌會議看著問題是有組織的，我在下面聽的時候我自己萌發了很多不同的問題，也有我自己感興趣的問題，可能大家要臨時思考，希望大家能夠進行分享。第二次圓桌會議屬于承接第一個圓桌會議，我在下面聽的時候有朋友給我發了第一個圓桌會議的他的新問題，我們承接上面一個精彩的圓桌會議，我也稍微問一下。

    正好圓桌的嘉賓有主機廠，有吳總、江總，這兩個問題先拋給您們兩位。今年尤其是現在大家在談智能駕駛，可能更多的有一點像電動汽車，傳統的油車似乎在這個話題上逐漸沒有聲量，對于智能駕駛江湖誰會勝出這個話題，從傳統的油車企業和電動造車新勢力，您兩位認為，到底最后哪個會勝出或者會有什么發展趨勢？包括五年或十年的維度來看這個事。

    吳碧磊：各位來賓、朋友，大家好！我來自一汽解放，主要從事商用卡車業務，今天有很多問題，我可能是站在一個卡車人的角度來回答的。

    剛才談到未來發展，因為現在很明顯新四化，去柴，去中間，這是一種趨勢，在我們企業里未來發展描述成兩條曲線，一條曲線是傳統車的發展曲線，過去一直都是產品不斷的迭代升級，順應市場需求，第二條曲線就是順應新四化曲線，新能源、智能網聯，包括自動駕駛。這兩條曲線現在看應該已經進入到一種過渡或搭接的過程，尤其是2030年前后，從我們的研判應該是搭接的關鍵時期。

    關于自動駕駛的未來怎么落地？因為作為傳統車企，一方面應市場需求要把傳統的業務做好，到2030年傳統車應該仍然會有相當大的量，傳統車的升級遵循第一曲線。

    第二曲線，現在面臨一個轉型的過程，一汽解放早在2018年發布了四條航線，分別對車聯網、自動駕駛、新能源以及后市場，今天的話題主要是談的智能駕駛，所以對智能駕駛來說，傳統的燃油車在2018年開始示范運營，2019年L2級的投放到河南的一些大用戶，在市場用了一年多，目的是讓用戶對我的卡車有智能駕駛的直觀感覺，然后不斷迭代。L3很快也要投放出去，目的是不斷的培養和用戶之間的默契感，給他創造一種價值。

    不管最后怎么辦，核心一點，對卡車來說，要滿足客戶需求，能夠給客戶創造價值，這是關鍵的，至于技術成熟度，更需要生態的板塊。剛才第一個圓桌聽到了各位領袖人物講的，我認為非常好，需要共同打造生態，深挖場景，那么，誰符合這種規律未來誰就能勝出，我就說這么多，謝謝大家！

    王貴錦：江總，您認為電動車好像更加跟智能駕駛掛鉤，您對將來的兩種路線有什么看法？

    江峰：大家好，我是哪吒汽車的江峰。

    剛才主持人的話題也讓我回顧了一下，我本人從事汽車行業20年，實際上我們去看中國的汽車工業發展到今天，我們從汽車，過去說的汽車是燃油車，后來是新能源汽車，特別是國家在助力動能轉換，引導新能源汽車示范應用，在這個過程中智能汽車的概念逐步形成。智能汽車的概念形成，特別是在智能座艙和智能駕駛兩個領域中，是以特斯拉為代表的創新科技，逐步以用戶導向，智能駕駛逐步走進視野，我個人是這么看發展過程，特別是特斯拉以智能駕駛技術的引領者和發展者，更加讓智能駕駛成為當前汽車工業發展的目標，也就是未來的汽車工業一定是智能汽車。

    具體到智能駕駛，中國的智能駕駛為什么走的這么快？我個人理解是基于用戶場景的解決方案。過去我們理解燃油車更多的以單車功能的開發為基礎，但智能汽車更多是以用戶場景的解決方案為目標的技術導向。未來，中國的智能技術能發展到哪，我個人理解，包括我本人也是做營銷的，更加關注的是用戶的需求是什么樣，當然，偉大的企業是引導需求，我們看來很多先進的產品，比如手機就是偉大的企業在引導用戶的使用習慣，所以是兩個方面，一方面是智能駕駛技術的發展方向，第二是用戶的需求，兩者結合是引導智能技術發展的關鍵。

    王貴錦：這是上一個圓桌會議遺留的問題，聽眾有這樣的一些問題。

    接下來，談到現在的智能駕駛技術。智能駕駛技術每個公司都有自己的獨門絕技，自己擅長的部分。我們現在如果談智能駕駛技術讓每個人分享自己的現在的話，我想更多會談一些成就。如果談未來，其實我自己也比較愿意去聽一下大家對于智能駕駛技術，我希望談一些槽點，比如大家覺得現在還有哪些挑戰？我想這個槽點也許是下一個圓桌會議投資的熱點，下面請楊總、容力總、簡總和何貝總，分別結合自己公司的特點，就是智能駕駛技術現在好的地方在哪里，未來可能覺得比較困難的地方在什么地方，分享一下，楊總？

    楊子發：我是來自北汽新能源研究院的楊子發，關于剛才說到的我介紹一下公司的自動駕駛的情況。大家知道，自動駕駛從一級、二級，一直到五級，我們現在進展到極狐汽車L2以上，但是硬件是具備L4級，軟件的體驗達到L3，但是目前L3級以上法規、技術各方面我覺得安全還是最重要的，這方面需要有大量的驗證，第二還是要相關的政策、法規的支持。

    L2級，大家都已經用到了，車上都已經有，我再介紹一下我們汽車工程協會在節能和新能源汽車2.0的預測，還是很準的，我們在1.0的時候基本都實現了。到2025年，2021-2025年屬于發展期，這個階段L2、L3級會占到50%，到2030年會達到70%，到2035年完全自動駕駛會有一定應用。我們企業也是按照這個路線進行規劃的。

    大家在網上看到極狐阿爾法S我們共同聯合開發，這個體驗我親自坐過很多次，點到點大概有十幾公里的路線，基本不用去碰，它自己就可以行駛，轉彎，遇到各種障礙，包括會車、超車，等等。所以這方面的技術值得期待！

    王貴錦：接下來，我稍微把這個技術再擴展一下，我想聽到大家的干貨。

    其實技術本身來講有很多的智能駕駛，第一是智能技術，算法，算法本身我們現在談L2或L3，智能技術里面比如有道路上的人跟車，包括整個道路，包括這個道路也是有高速道路和鄉村道路的場景的識別。

    也包括硬件，現在是用攝像頭，攝像頭是LGB攝像頭和激光、雷達，簡單的把這些硬件攛起來，還是說跟現在硬件的精度和穩定性不同，還有計算能力，包括還有高清的地圖，等等。這些技術，大家覺得自己做的好的地方是哪些？和未來L4、L5還有差距的是哪些？接下來，容總、簡總和何貝總是技術出身，希望能夠講得更透一點。容總！

    容力：謝謝王教授！我先介紹一下智加科技，我們做自動駕駛技術方面比較集中在重卡的自動駕駛駕駛，很多情況可能和家用車不太一樣。我們看問題沒有完全從純技術角度看，因為我們做的是商用車，商用車一定有應用的商業價值，這跟老百姓自己開的車和自己的手機有不可比性，因為車是生產資料，是要產生價值的。

    所以我們通常看這個問題，不管是L幾級還是技術發展，通常有三個維度，一個是技術成熟發展到什么階段，這是大家比較清楚的，比如多少公里接管率等。還有一個是商業價值，假設我達到這個商業能力，但是這臺車要貴10倍、100倍，我堆上所有高精的東西，第二個維度在商用車自動駕駛里非常重要，就是商業邏輯。第三個，現在大家談的比較少，就是社會效益，因為光有技術、商業價值，但是缺乏社會效益，那是相當于我們說的機器如果變成殺人武器，或者機器人不講人類道德的事，也許是能賺錢的，也許是技術講得通的，但這并不是我們的追求。

    這三個方面相互制約，導致這個問題非常復雜。我們公司的看法是這樣，認同L4、L5終究會帶來社會效益和商業價值，這是講得通的，如果L4、L5是無人駕駛，顯然對于重卡司機這樣一個職業，相當于一百多年前的紡織工人這個職業，這是很有社會意義和經濟意義。但是現在完全實現L4、L5還是有困難的，主要在于技術的成熟度，前面的第一個圓桌講到安全性的問題，我們不僅要做到自動駕駛比人開安全，還要安全很多倍，才能被大家接受，才能被老百姓認為是有價值的。如果減少了人類駕駛50%的事故，又增加了30%的事故，可能普通老百姓是不接受的。所以往后的發展還是需要技術的推演，這也是為什么我們現在包括友商在內的很多公司都在做，就是先落地，主要是想通過在實踐中去鍛煉，去演練，得到更多的數據，讓我們的技術逐漸提高。

    王貴錦：容總講的很透，首先講到了技術里面有一個數據，接下來我們待會可以討論這個話題，包括成本，我覺得這是非常好的一個話題。簡總，你也分享一下您公司現在在智能駕駛比較特長的地方，同時，您覺得在未來的自動駕駛還有哪些難點需要攻克的地方？

    簡國棟：大家好，我是來自于四維圖新，負責自動駕駛的簡國棟。

    前面幾位大咖都講L3、L4，我不反對這種說法，但是把每個功能送到每個客戶去創造價值的其實不用L3、L4，只要這個有商業價值，客戶體驗特別好，我覺得就應該去開發，APP原則上來講應該是L4，但我們開發APP、HPP，分層泊車會在明年亮場，這些都是L4，如果把它硬性的劃成L3、L4的話，這些功能會來的更晚一些，這是第一個。

    第二，今天當我們所有追求大算力，幾百T、一千T的時候，今天四維圖新的解決方案是首先我們做成一張讓車能懂的圖，這個圖能把車導到安全的地方，同時在每個路段上清晰地告訴每個駕駛員說今天這是L1的路段，那是L2的路段，那是L3的路段，然后再用動態感知說你能開啟。所以我們的理念是首先要安心，第二是安全，然后是便利。今天我們的故事要從后往前講的話，特別熱鬧，從安心、安全開始做的話就是個工程。這是我們的一些感受和想法，謝謝大家！

    王貴錦：剛才為什么忽然把技術干貨從容總那里開始呢？因為容總是我的學長，容總先把技術難度上來了。何總是我學弟，你也結合你的業務場景講講你覺得得意的技術是什么，你覺得可能智能駕駛目前還有困難或者槽點在什么地方？這可能是大家喜歡聽的。

    何貝：謝謝王老師！我是何貝，我們公司是做自動駕駛港口這個賽道，我們以前實驗室主要做的計算機視覺和人工智能在各個領域的應用，包括監控、檢測，之前我們研發的就是產品，產品就能應用，應用就能賣，賣就能賺錢。之前對電子系而言，科研即創業，大家就是這樣的生活，畢業后我們在百度做AI的時候還是想找一些有挑戰的時候，就選擇了無人駕駛，因為無人駕駛就我們做這么多年，我畢業后一直做了八年，覺得這個行業很有挑戰，很有意思，王老師剛才的意思是到底我們的槽點和痛點在哪？如果只討論技術的話有幾點。

    第一點，數據和算法。這也是我們最開始創意的時候引以為傲的兩點，算法到底有什么學習，淺層的深層的都是受科研水平決定的，如果科研沒有突破，工程界、產業界其實很難做一些優化。

    第二點，數據。大家都說數據越多越好，但是數據是有瓶頸的，從一千到一萬，從一萬到十萬會有非常劇烈的變化，但是從十萬到一百萬、一百萬到一千萬這就是麻煩了，因為就算我們知道是小環境，怎么說服其他的樣本去信你，比如100萬人投票，99萬人告訴你那是壞人，剩下的人告訴你那是好人，你是信他還是不信呢？

    第二塊，前面的數字算法是基礎，第二塊是系統的冗余。我們做的真的很普通，首先我們做的是一個算法，其次是一個軟件，再次是軟硬件系統，最后是冗余系統。有人的事故每天都會發生，一旦無人駕駛出了問題，所有人都會覺得無人駕駛是有問題的角色。就跟當前汽車替代馬車的時候也是一樣被垢病，以大家的智能手機為例，我們首先保證APP是安全的，其次保證APP操作系統是穩定的，再次手機不能死機，最后安全冗余也很重要，這是一個難點和槽點。

    第三點，行業的不同特色，比如我們手機里的APP，學習強國和百度地圖干的事情肯定是不一樣的，所以每個賽道都有自己的特色，做無人駕駛怎么做的好？首先算法得牛，其次系統得足夠的冗余和安全，最后還得熟悉每個場景的特色，比如港口要解決什么痛點，高速卡車要解決什么特點，這些都是我們場景的必然優勢。

    第四點，光靠單車行嗎？不行，為什么要講車路協同，講到車路云網途結合，就是因為我們需要更多的冗余安全，這些設施正是需要政府部門、各同行、各友商一起推動的，這個階段非常的緩慢，也非常的曲折，所以我們在這樣的研發過程中也遇到了很多的痛點和難點，大概是這樣。

    王貴錦：正好六位嘉賓剛才把一些問題都分享，下來開始第二個問題。

    剛才大家提到了我們這個技術都聚焦了兩個方面，或者說是一個方面，比如數據，大家提到數據的時候也提到了應用場景，我們要不同的應用場景的數據，我們的智能才會越來越好，這個地方其實有了數據，從我們的知識來講，數據并不代表智能，數據如果沒有賦予知識進去的話，其實是學不到什么東西。所以我們第一是要采集各方面的數據，第二是我們要給數據賦予一些知識，從技術來講可能有一些標注，全監督、半監督、無監督，等等，需要做很多事。另外還有一點，其實也是跟數據相關的，就是我們的AI算法，現在的AI算法是不是還夠？

    現在很多企業大家都在做數據跟算法，比如一個街道都采了同一份數據，大家可能有的時候做了很多重復的事，少的事情大家都不做，好的事情大家都做，這個事情其實對行業發展可能也不是很有利，大家提到的所謂的長尾技術問題。比如前三位嘉賓，吳總、江總、楊總，您三位分別從企業之間怎樣能夠破開這樣一個壁壘，大家能不能從不管是數據的分享，或者是技術分享，或者是兼容方面，有什么考慮使得共同推動智能駕駛往前走？

    吳碧磊：數據這個話題確實很有必要，現在這些長尾問題，包括卡車的很多復雜的路況，導致算法技術的成熟度確實遇到一些瓶頸。這樣的話需要有一些數據的開放和共享，提高效率，減少浪費。對同一場景，大家共同來做，這個想法是很不錯的。

    現在有兩個問題，我認為首先要做好規范化的問題，當前各企業所用的數據集和他自己的產品以及對應的場景之間都是強相關的，關聯度非常強，對于數據的使用方法都有各自的優好，光一個數據標注大家都是千差萬別，所以簡單的說共享，如果沒有規范化，很難達到共享的效果，這種效果很難做到。我覺得，第一件事應該把規范化的事做好。

    第二件事，不管怎么說，想落地，想正常在市場上的價值鏈轉起來，關鍵得有交易。既然開放了數據，就應該形成交易的規矩、規則，我簡單講這么兩點。

    江峰：我認同剛才吳總說的，您提到的是數據的共享和開放的問題。確實不管是從軟件的成熟度或算法的精準度，數據量是一個基礎，各個企業的產品、定位和人群所產生的出行數據包括車輛的技術數據是不一樣的，我認為數據共享有利于推動行業發展，當然這里面也需要有一定的規則，某種程度講，數據也是各企業的核心資產。我不像在座的各位都是技術大咖，我本人是從人生角度、從用戶角度來提的，作為我們來講也是要迅速的實現用戶增長，然后在實現用戶增長過程中也去研究用戶從什么樣的環境下認知什么樣的品牌做什么樣的購買決策，這樣一個數據能夠對于營銷的措施、營銷的活動有一定的積極作用，相信在技術上來講，更多的數據能夠推動技術發展。但是數據更多還是基于技術，量產后的產品實現的數據才更有價值，對我來講，我認為一方面認同吳總的觀點、規則，再一個是更加擴大的實際場景的用戶數據。

    楊子發：我的觀點是支持數據共享。數據不光是駕駛的數據，其實汽車開發所有這都是數據。但是共享的前提要看，一種數據是比較標準的，比如地圖的數據是標準的，沒必要大家都做，沒必要反復采集，這類的數據共享是有價值，而且非常有意義的。第二類是特殊數據，因為不同的自動駕駛技術路線，不同的技術方案，出來的數據一定千差萬別，給他以后也不一定馬上能用上，所以這類數據想共享、應用還是比較難。

    第二點，這些數據的知識產權怎么共享？具體的，兩個企業之間還是多個企業之間，要去協商，這還是比較難的。這么多年，其他的數據存在協作也是很困難。

    第三點，我提一個想法，這類數據我覺得通過自動駕駛的運營，從頂層設計平臺收集到所有的運營車的數據是非常有價值的，對整個行業各個車企來說統一進行應用。

    王貴錦：前面三位嘉賓都講的很好，總結一下，我們的數據如果是要做分享各方面，其實還是有一些法規上的問題，還有規范化的問題，包括如果是分享，作出貢獻，也希望有些回報，都是一些經濟說法。

    我自己因為在高校，聽完三位的講法，我想既然數據這么重要，不知道大家有沒有先不要把這個問題變的這么大，先說企業間掙錢的數據應該怎么做，有沒有可能大家先共同做一點學術上的數據，我們來培養人才，這個話題圓桌會議之后，如果有機會大家再一起討論，就是我們怎樣用數據先培養人才，不管是AI人才還是整個的智能駕駛方面的人才，都會更有意思。

    接下來，三位嘉賓都是偏應用場景，不同的應用場景。對于應用場景，您覺得在您的應用場景里面，你們現在會采集哪些方面的數據，具體的解決這個數據處理技術的時候有什么心得，或覺得有需要探索的問題？我其實很希望您們提出這個技術問題，將來我們帶回到高校讓研究生也進行研究，從這個角度您三位也分別談談收獲或展望，先請容總！

    容力：數據方面，我的一些心得。大家現在都意識到數據的重要性，我們公司做自動駕駛不算早也不算晚，16年開始做，17年還是逐漸的聚焦干線流的場景，逐漸收集數據。我本人在行業熱起來之前就是做大數據的，再早也在清華做人工智能等。可能大家做的時間長了會跟我有同樣的感悟，數據本身很值錢，但不是因為數據值錢，是因為數據背后的知識，那是最值錢的，可以這么說，數據本身是一堆數在那里，如果能從數據里面分析出規律來，我們叫知識，如果你能用這個規律去預測沒發生的事情，或者得到更高的感悟，作為自動駕駛來講我們需要的不是數據，我們需要的是規律，我們需要的是在規律之后，如果能得到感悟去預計沒有發生過的事，比如長尾，就像何總說的99人這么說，另外一個人這么說，解決大數據不能這么解決，靠的是感悟。

    簡國棟：四維圖新一直是數據最大的共享者，我們把標準的路網高清都給了各位，這是我們過去傳統的做法，未來我們也要適應新時代，我們希望跟更多的車廠合作，產生更多的數據，產生更多的應用，比如吳總的數據我就可以用來作圖，這可能是我們用20年的開放的技術來給車廠提供更多的服務。

    第二，容總講的特別好，數據本身是一個礦，得有挖礦人，得有人來把它打成金子，四維圖新現在有圖，這些圖是基本服務，分成了哪些提供技術服務，哪些是免費服務的，到分鐘級的時候，這個車前面有事了，某個品牌的，可能這個品牌讓過去，那個品牌說由于前面的事故而導致他提供很好的服務，這是數據打通的問題。但是我們的平臺開放，今天我們也特別希望跟主機廠能開拓一個新的，我們有平臺，我們20年的經驗，我們做這樣一個事，我們可以幫助你來做。我們也愿意用開放和積極的心態和每個主機廠合作。

    王貴錦：簡總說的特別好，用積極、開放的心態來對待數據問題。

    何貝：首先我們看什么是數據，或者我們給它另一個名稱“信號”也可以，以前有人問我你們到底用的是相機、雷達？我說其實這些不重要，我們要的是能夠給我們提供足夠的仿生、仿人的生物學數據能夠輔助我們感知就可以了。其實不同的方向分的不一樣，比如OEM更易分成感知、決策、控制，這個也很有道理，以前做L4更愿意分為感知、定位、地圖、規控，但是感知的、地圖的、定位的其實就是一種傳感器的手段，所以就我們而言，我們產生的場景數據第一是做環境感知的，可能是周邊的物體不管是東的還是靜的，第二是地圖包括四維、百度提供的數據，第三是定位的比如像千尋、北斗、GPS等提供的數據，或者REM等定位數據，這些其實是我們的來源。

    第二，我比較贊同容總說的話，第一這個數據的利用者是什么樣的，第二是我們需要積攢一些有意義的數據，因為再多的數據如果冗余的話其實也沒有太多的意義，我們要的是一些具有鑒別意義能夠補充我們解決長尾效應，降低MPI的數據，才是我們需要追尋和收集的，這里面來自大浪淘沙，我們需要更多的基數才能把需要的長尾數據淘汰出來。所以數據的篩選、選擇和淘汰是非常重要的一點。

    第三，很多做無人駕駛的公司已經提供了很多開源數據框架，最開始我們用TAT，包括后來的圖森等提供了很多的數據，這些數據對于高校的研究來說非常的有用。我們經常說感知、定位和地圖，因為輸入數據屬于固有，比如地圖格式是固用的，傳感器只有四種經典的傳感器，對于后面的決策、規劃、控制、仿真是最難的，因為那是因為前面產生的數據。所以對于高校而言，做前面會比做后面更難一些。

    王貴錦：大家分享的很好。

    第三個問題，有一點技術路線的思路，前一段時間可能考慮的單純，大家把各傳感器不斷的往上堆砌，單車激光雷達，單車激光雷達一個是價格和量產的問題，第二是5G的發展，現在車路協同大家講的比較多一些，從螺旋式發展來看，我個人認為這里面的自動駕駛的落地可能跟應用場景很相關，車路協同可能也在一些比較特定的場景用的比較少，我們可能就這個話題第三輪正好順序調一下，何總就你的港口的智能駕駛，對于這兩種，車路協同或者單車智能就夠了，談談你的看法？

    何貝：其實有人會說到底這幾種路線選單車智能還是選車聯網或者基于云端的5G自動駕駛，因為在美國沒有辦法，美國政府不像中國政府這么有利，所以他們的基建是薄弱的，所以他們除了做單車做不了別的，而中國的車端、路端、云端都有相應的友商、政府幫助我們推動技術的發展。前一段我剛面試了一個工程師，他們的方案跟我們差別特別大，因為國外像千尋等，我們認為最基本的定位結構，對他們而言可能屬于很貴或者很難接觸到的，因為他們更多的是要服務于軍方。所以在我們的場景里面，港口或者未來的物流重卡，其實車、路、云端都是非常重要的，我們經常說無人駕駛到底什么時候能夠無人，因為無人駕駛如果不能無人就是偽命題，所以我們一定要做到無人駕駛。那么，單車真的能做到無人嗎？在洛杉磯這種地方是幾百的PI，離無人還很遠，怎么辦？我們只能利用路測和云端來彌補，對于港口來講所有的路口沒有紅綠燈，我們只能利用一些路測單元和云感知，把這些數據存到云端，再下方到單車，供單車進行調度和規劃，便于它能夠獲得更好的感知能力。

    比如如果我們在干線上走，現在的相機和毫米波能夠還可以，如果沒有三四百米以上的感知能力，其實很難保證安全，所以路測端做了很好的單車冗余，很容易輔助。如果MPE不夠大，萬一車在路上趴窩了，我們必須需要云端的無人駕駛才能把車駛上安全側，所以我認為單車、路測、云端對于無人駕駛的全面無人化很重要。

    王貴錦：簡總，您講一下單車智能或車路協同的問題？

    簡國棟：我們一直給乘用車做這樣的系統，我們現在認為是小腦+大腦的策略，所以在端上來講我們有一定的算力，但是隨著L1、L2，我覺得那個主要靠端，L2.5以上的可能所有的融合肯定在云端融合，再下發的。隨著高階的推進發展，云端肯定會越來越重，單車的端可能越來越輕一些。

    未來由于5G的發展，還有更可靠的手段的話，可能在車機端就是一個直營機構，可能就沒腦，所有的都在云上，可能是未來L5以上的形態。今天從端上，輕云端，未來是輕云端重終端，這是我們的解決方案。

    王貴錦：簡總的觀點非常的有意思，也許這對投資者會很有借鑒價值，容總，您結合您的經驗談一下？

    容力：我們看問題沒有簡總那么高瞻遠矚，看的是未來L5。我們看的是這個東西的上位邏輯在哪里，車路協同錢怎么收。

    但我們的確有一個最基本的指導思想，因為我們做的是干線物流自動駕駛，干線物流就是運貨，這個車怎么走，問題不僅僅是單車問題，實際我們解決的是交通的問題，交通問題實際是三方面組成的，一個是我自己這臺車，一個是車流（其他車），我要解決的是我的這臺車和其他車在這個路上有交互的問題，加上交互的問題，所以是我自己的車、交通流、路，這三方是在一起的，我們認為必然是車路協同的問題。現在我也聽說博弈理論都比較時髦，我覺得主要還是因為基本建設的問題沒有跟上，尤其在美國這個問題根本沒有起步，在我們國家開始起步了，這個問題解決以后，大家就會認同我們做自動駕駛根本不是單車智能的問題，因為解決的是交通問題，問題擺在那里。

    王貴錦：容總，從智能駕駛一下升格到智慧交通，這是很對的，我們是從整體上看這個問題，并且現在中國的理念，我們談國外一般是談歐美，我們其實比歐美要更先進一些。

    接下來，前三位的嘉賓是主機廠，關于車路協同這方面，目前是政策問題還是基礎設施問題，還是一個商機？請三位分別談一下您的看法。

    楊子發：上一個問題，補充一句話。北汽新能源和清華大學、寧德時代在目前的大數據電動車已經有50萬數據，這些數據是有合作的，也有了接觸成果，我們有一個電池的技術，將來我們是有合作基礎的。

    第二，關于車路協同和單車智能，我個人覺得不是兩個路線，單車智能和車路協同要相互輔助，目前這個技術狀態來看，單車職能要發展的快一些，車路協同可能要慢一些。但是這里面車路協同有很多的困難，第一點是屬于各行各業，交通、信息等合作做這個基礎設施和技術，我覺得根據技術的發展會融合，尤其是L3以上必須要有車路協同的融合。根據預測，到2025年我們的有條件自動駕駛和部分自動駕駛，這個級別的到50%，車路協同初級的到感知也會有一部分，不到50%可能也會差不多。

    江峰：跟幾位大咖的交流也學習了很多，我仍然還是代表用戶。第一個，首先是安全，至于這個產品用什么技術我不管，安全最重要，能夠實現這個功能的前提必須是安全，這是第一。

    第二，從主機廠的角度來講可能還要考慮到成本的問題，從我個人理解來看，單車的功能實現，是不是要更自主一些，更快速一些，無非我就是選激光雷達，我選什么樣的算法，等等。車路協同還要取決于更多的基礎設施建設、道路法規等，所以在這種情況下對于我做營銷，對于用戶端來講，誰最安全選誰。

    吳碧磊：我感覺這兩個路線，我是比較傾向同時發展，探索多元化的路線，滿足多元化的場景，這是一個。

    第二，近期肯定是單車智能來的更快，中長期車路協同也會有機會，但是車路協同，我感覺確實要處理好幾個事情，一個事情是建設期會很長，需要很長一段時間才能夠保障足夠的覆蓋度。

    還有一點，中國幅員遼闊，各地區情況不一樣，建設的方案應該是統籌的，不能發生大的變化，否則就很難做普及。總的來說，我還是贊成兩個齊頭并進，多元化發展。

    王貴錦：時間過的特別快，我才感覺剛上來學習了幾個問題，時間就到了。智能駕駛，包括后面我們稍微談一下智慧交通，如果從這個角度來講可能談的更多，相信我們下次應該還有機會給大家共創這方面的技術。

    再次感謝六位嘉賓，也感謝臺下的各位聽眾，謝謝大家！