1月25-26日， 2018全球自動駕駛論壇在武漢·中國光穀舉辦， 本次論壇以“啟發創新·開放共用”為主題， 會議期間， 奇點汽車自動駕駛架構總監李建鵬發表了主題演講， 演講內容如下：
奇點汽車自動駕駛架構總監 李建鵬
李建鵬：今天正好是我們奇點汽車北京品牌體驗店開業， 大家如果有興趣、有時間可以去參觀一下。
大家知道奇點汽車是一個新興的互聯網汽車公司， 我們2014年成立， 一直以來把自動駕駛和人工智慧作為核心的戰略。 我們今天非常有幸跟大家分享一下， 我們作為一個新興的車企對於自動駕駛有什麼樣的思考和實踐。
首先我想談一下我們是如何思考自動駕駛的， 我們為什麼要做自動駕駛， 主要有幾個方面的考慮。 從技術方面來說， 我們在經歷了第一次工業革命、第二次工業革命、第一次資訊革命， 這些革命給我們的生活和科技帶來了非常大的影響，
回到自動駕駛， 自動駕駛為什麼需要人工智慧？自動駕駛尤其是從第二級到第三級， 從輔助系統到無人駕駛這個階段， 機器承擔了更多的自主決策的功能， 自主決策就是讓機器來判斷是否需要換道，
這個圖是深度學習在ImageNet比賽中的成績， 2017年是ImageNet最後一屆比賽， 在以往的比賽中通過深度學習的應用使得電腦對於圖片識別的精度提高了一個等次， 灰色的柱狀圖是人對於圖片的識別的誤差率， 2016年的時候人對於圖片的識別已經落後於機器的識別了。 當然對於圖片的識別僅僅是自動駕駛一個很好的方面， 我們基於圖片的識別、基於物體的識別還需要做後續的物體的追蹤、物體運動軌跡的預測。 但是人工智慧對於圖片的識別給我們後續的處置提供了一個好的基礎。
對於產業方面， 我們認為在傳統汽車的發展歷程中， 傳統汽車它的科技進步是循序漸進的， 是靠一個持續的、緩慢的創新來維持的。 但是隨著資訊技術特別是人工智慧、自動駕駛出現之後， 對於整個傳統汽車行業產生了巨大的衝擊， 汽車行業迎來了多個緯度的革命創新和破壞性創新的時間點， 這也為我們這樣一個互聯網公司進入汽車行業提供了一個契機。 在車載互聯和自動駕駛方面，
當然安全方面也是我們考慮的重點， 這是一個比較老的統計， 在2013年的時候， 全球因為交通事故的死亡人數有125萬， 我們也很遺憾的看到， 中國交通事故死亡遠遠超過了其他的國家， 其實還有另外一個統計， 經過國家統計局的統計， 交通事故的發生率每年都是逐漸減少的， 但是死亡率仍然在每年20萬左右，每年因為交通事故造成直接經濟損失有10億人民幣左右，這是非常讓人痛心的，汽車作為一個科技產品，每一個科技產品發明之後都會有一些負面的影響，但是汽車是為了給我們帶來便利，但是它同時也帶來災難，帶來交通事故，這個是我們應該避免的，那麼我們汽車行業也在不斷的努力減少悲劇的發生，包括安全帶的廣泛應用，已經大大減少了事故發生時駕駛員和乘員的死亡率，也開發了很多協助工具。但是我們想說，我們不得不承認，人的反應和人的能力是有限的，我們統計發現90%的交通事故直接原因是由於人的疏忽引起的，剛剛說的那些基於人的被動安全，或者是主動安全的功能，基於人的輔助的功能沒法完全避免這些事故的發生，如果要避免事故的發生，那麼自動駕駛就是我們的終極方案。
當然自動駕駛不是我們的目標，我們希望通過自動駕駛和智慧互聯的平臺來實現更多的增值服務。主要包括兩個方面：
一是智慧出行的服務，通過自動駕駛可以實現專車的服務、分時租賃的服務，或者是特定場地、區域裡自動駕駛商用化的服務。當然我們也可以通過車載互聯的功能實現車輛的管理和維護。
二是在車上的增值服務，自動駕駛可以把駕駛員的時間解放出來，那麼在這段時間裡面可以為駕駛員提供更多的服務，包括一些資訊類的服務、社交以及購物的服務、娛樂等。我們認為除了自動駕駛之外，我們可以通過自動駕駛來提供更多的服務、提供更多的產品。我們對汽車的理解，我們認為汽車行業可能以後的盈利模式，不僅僅是通過車輛的買賣實現盈利，更多的是通過後續服務或者是一些資料的增值服務來為駕駛員提供更多的增值服務以此來實現它自身的盈利。
如果說汽車行業的關鍵字，在5年前或者10年前，可能是一些傳統的渦輪增壓、混合動力之類，而現在汽車行業的關鍵字更多的是自動駕駛、車載互聯，尤其是自動駕駛現在是汽車行業相對熱的一個話題。在自動駕駛方面我們看到有眾多優秀的公司在推動整個技術的發展，它們在的演算法的開發以及商用試運營方面已經走在了前面，比如說英偉達，我們12月份跟英偉達宣佈了深度合作的關係，英偉達對於車載的AI晶片的產業化貢獻了很大的力量，英偉達發佈了它的PX2的平臺，我們也基於這個平臺開放了自己的系統。包括特斯拉對於消費者認知的教育，包括它的商用化、產業化都起到了非常大的推動作用。我們奇點汽車也有幸在其中通過我們自己對於自動駕駛的技術的開發，對整個技術產生了一個推動的作用.
下面這張圖是我們的自動駕駛系統的架構圖，首先是感測器，我們車上配置了多個視覺感測器，也就是攝像頭，我們知道攝像頭它相較於其他的感測器可以得到更多的資訊，人在開車的時候沒有其他的感測器，而是完全憑藉眼睛來觀察世界的。攝像頭也是一樣的，它可以得到豐富的資訊，包括車道的資訊、前方車輛距離的資訊以及其他的環境資訊，但是不得不說在攝像頭方面我們做得非常不夠，在攝像頭方面我們能夠得到的資訊還是比較少的，因為受限於演算法的即時性，我們在整個行業通過攝像頭得到的資訊更多的是車輛的資訊、障礙物的大體的位置和簡單的距離等資訊，還有非常多的資訊需要通過更先進、即時性更高的演算法來獲取到。
除了攝像頭之外，我們配置了5個毫米波雷達，它可以全天候不受環境的影響來探測交通環境中其他交通參與者的位置和速度。同時配置了超聲波雷達，超聲波雷達更多是在車的近距離和自動泊車的情況下探測周圍的障礙物資訊。同時我們車上配置了雷射雷達，我們現在保留了雷射雷達的安裝位置，但是大家知道雷射雷達離產業化還有非常遙遠的距離，在我們的開發過程中，我們會用到雷射雷達，但是我們也會來看雷射雷達它在後續產業化中的進展。雷射雷達現在價格特別貴，並且現在旋轉360度的雷射雷達滿足不了車規，我們希望後續這些問題都可以得到解決。
雷射雷達現在是我們在開發中考慮的，我們只是預留了這樣一個雷射雷達的安裝位置。在這些感測器的探測結果基礎上，我們要做資料的融合，因為每一個感測器有不同的特性和不同的優缺點，有適應不同的路況，那麼我們就需要對於多個感測器的檢測結果進行資料融合，資料的融合是為了保證探測結果的可信度。
下一個硬體結構就是主控單元，我們採用了英偉達的PX2平臺，現在可以支持第三級的自動駕駛，當然我們隨著產品的反覆運算我們也會支持更多的自動駕駛的功能。
最後是線控執行器，再聰明的大腦也需要身體完成它的動作，線上控執行器方面，電動車相對于傳統的燃油車它線上控的領域是有比較大的優勢的，而且電動機的回應速度更快。在制動方面我們用到了博世最新的系統來完成快速的制動，電機制動可以更快速、更經濟的完成制動的工作。通過前面的感測器資料，我們會對環境有一個準確的感知，同時我們會做自身的車輛的定位，在此基礎上我們完成了駕駛的決策以及路徑規劃，之後會交由線路控制線來執行我們的決策。
這個是自動駕駛SAE的分級，從第二級到第三級其實是有本質區別的，我們認為第一、二級是自動駕駛員輔助系統，第三級以上才叫自動駕駛或者無人駕駛的功能。從第二級到第三級從定義上來說，是機器能夠完成自主的決策，然後完成對於環境的監控，它更本質的區別是第二級到第三級中人的參與變少了，意味著人對於駕駛的影響變少，就是說人的疏忽造成的事故會減少，但是在第三級的階段我們還需要進行駕駛員即時狀態的監控，以及在緊急情況下對於駕駛員的警告，包括讓駕駛員接管車輛。這也是我們現在在做的，我們現在在車上配置了攝像頭可以即時的監控駕駛員的狀態以及身體狀況。
基於對於整個產業的理解，我們也梳理了自動駕駛的路線圖，目前為止對於第一級的駕駛員輔助系統我們已經開發了很多的功能，在2017年我們著重開發了第二級的功能，包括高速公路上以及特定區域裡的自動駕駛，在2018年我們會專注於第三級方面的一些功能，目標是實現在高速道路以及特定道路上的自動駕駛。
我們對於自動駕駛功能的產業化是這樣理解的，在初期就是量產車型的初代，會提供駕駛員輔助系統，並且在車輛上會佈置完整的感測器以及計算單元的硬體基礎，之後我們會通過後續資料的累積來更多的優化我們的演算法，來進行演算法的反覆運算。通過我們預先佈置的雲平臺後續來升級我們的自動駕駛功能，支持更多、更高級別的自動駕駛。
剛剛有嘉賓用智慧手機來舉例子，我們也想說傳統的汽車出廠之後就像功能手機一樣，可能賣出去之後它的功能是固化的，沒有辦法升級它的功能，汽車只能通過汽車裝備的改造來完成功能的升級，但是對於我們來說，希望我們的車在賣出去之後，通過我們後續功能的升級來實現它功能的價值。我們想讓車擁有成長的能力，我們認為汽車以後盈利的方式也是通過後續增值服務的提供來實現。
自動駕駛給我們帶來便利的同時，也對我們提出了更多的挑戰，大家知道在去年和前年的時候，全球發生了好多卡車撞人或者汽車撞人的恐怖襲擊事件，也引起一些國家政府對於自動駕駛的擔憂，主要是因為自動駕駛它提供了車輛完整的控制權，並且自動駕駛需要跟雲端進行通訊，來獲取車輛的資訊、交通方面的資訊，同時自動駕駛系統還需要上傳一些資訊到雲端，這個就給駭客的攻擊提供了便利。所以說自動駕駛給我們提出了更多有關安全方面的新課題，比如說在汽車行業，我們可能以往考慮更多的是被動安全或者主動安全，現在我們可能需要增加網路安全的考慮。在這方面的考慮中，我們在車型設計初期就做了很深入的考慮，並且也佈置了很多功能，我們在車輛端的車載網路方面，包括閘道和預控制器方面，以及對許可權的控制方面，都進行了加密，並且在雲和車中間的通訊方面也進行了很多的安全考慮。
除了安全方面的挑戰我還想分享一下我們在產業化方面還存在哪些挑戰，剛才黃羅毅分享了一下技術方面的挑戰，我分享一下產業化方面我們還需要解決哪些問題。
比如說基礎設施方面，主要有兩方面的考慮，第一個是自動駕駛在開發過程中會考慮它的標準化設置，比如說車輛的寬度，比如說交通標誌安裝的位置，但是如果說有一些非標準的基礎設施，比如說非標準的紅綠燈的安裝位置，或者非標準的交通標誌安裝位置，就可能給自動駕駛的演算法造成很大的干擾。
另外一個方面，基礎設施可以給自動駕駛提供更多的支援，這是我們需要改進的，比如說我們現在的自動駕駛有一個功能是需要對限速標誌進行識別的，我們現在的方法就是拍到限速標誌之後通過視覺方法獲取到圖片中的位置和內容，但是這是一個很蹩腳的解決方案，因為我們限速標誌的設置是給人看的，而不是給機器看的，如果說我們的基礎設施可以做一些更新，比如說通過電子標牌，或者在路上放一個二維碼可能對機器來說就更簡單一些。
另外一個挑戰，比如說在高精度地圖方面，我們知道高精度的地圖也是制約自動駕駛大規模產業化落地的一個非常大的挑戰。大家知道高精度地圖，我們人在開車的時候，其實不需要高精度地圖，我們最多需要一個導航地圖，為什麼我們需要高精度地圖來做自動駕駛呢？高精度地圖可以給自動駕駛系統做一個比較準確的定位，並且它能夠提供給自動駕駛系統周圍環境比如說道路上每一個車道的交通屬性的資訊，這些資訊其實我們是可以通過眼睛、可以通過攝像頭來識別和獲取到的，但是我們現在的視覺演算法還遠遠達不到這樣的即時處理能力，當然也有很多專家在這方面做出了有益的探索。
另外一個挑戰是計算能力、成本和功耗，這個主要是說主控單元方面的。現在很多主機廠在做自動駕駛開發的時候還是放一台很大的電腦在車上，這個肯定不能量產，我們現在要兼具計算的能力，同時要考慮到成本和功耗，就需要更高性能的晶片，包括AI的晶片，主要是做前端的感知視覺的AI晶片來推動整個計算單元的產業化。我們很高興的看到，比如說英偉達推出了他們的晶片，比如說穀歌也推出了他們的晶片，國內很多公司都推出了他們的晶片，這些晶片的產業化也會極大的推動自動駕駛計算主機的產業化。
在感測器方面主要的挑戰還是雷射雷達，現象在自動駕駛的感測器方面雷射雷達還是非常好用的一個感測器，但是雷射雷達現在離量產、離產業化還比較遠，現在有很多廠家都在做固態的雷射雷達，我們也希望固態自雷射雷達可以快速的量產，以一個比較低的價格來提供給自動駕駛的開發團隊，為自動駕駛的儘快落地提供便利。
在資料方面，其實自動駕駛需要大量的資料，第一個是視覺方面的資料，我們說每一個物體的識別或者障礙物的識別，每一類的識別需要大量的資料對網路結構進行訓練，每一類的資料可能需要上百萬張的資料量，這個資料是非常龐大的，對於每一個主機廠來說自己做這個資料是很困難的。第二個資料是測試的資料，自動駕駛系統的可靠性和穩定性需要經過大量的測試才能夠保證。
網路安全剛剛提到了，同時還有自動駕駛方面的一個挑戰就是人才方面，人才在自動駕駛領域裡是非常欠缺的，尤其是人工智慧方面我們不僅要跟汽車行業在自動駕駛其他的同行來競爭人才，同時人工智慧在其他方面也存在著非常大的人才缺口。
還有與法規的更新方面也存在挑戰，自動駕駛的測試以及落地現在還存在著非常多的法規或者政策方面的限制，這些因素就極大制約著我們自動駕駛的落地和產業化。當然我們也很可喜的看到，在很多方面我們已經取得了很大的進展，包括在法規政策方面，我們看到越來越多的地方政府、越來越多的國家部委頒佈了更多的政策，來允許自動駕駛的公司能夠在有限的區域內，或者是一些封閉的場地裡面進行測試。
我們相信在不遠的將來，在廣大的政府層面，包括學術界以及企業界的共同努力下，自動駕駛能夠不斷的發展，並且取得突破，來儘快的落地。
我想簡單介紹一下我們第一輛車，我們說軟體定義硬體，怎麼理解呢？就是我們會在車的硬體基礎上更多的提供一些軟體的增值服務，來實現更多的產品功能和體驗。同時在硬體層面上，我們在車輛上佈置了很多個性化的系統，包括空氣過濾系統，包括百變扶手箱的裝備，包括智慧的後備廂，包括更多的USB的充電口以及12V電容器的充電口。在車載娛樂系統方面，我們配置了中控大屏以及儀錶盤和HUD三屏合一的系統，能夠提供更統一、更豐富的駕駛相關的資訊。並且在車上佈置了很多多媒體的系統，能夠提供更多多媒體的服務。我們在車上一共放置了12個擴張鎢，能滿足乘客更多個性化的需求。
下面給大家放一個視頻，這個視頻展示了我們現在自動駕駛規劃的一些功能，比如說招車的功能、語音交互的功能以及主動變道超車和車道保持的功能，這就是我們在開發中一些自動駕駛功能的展示。
我們希望交付給消費者的不僅是一些服務或者是功能，我們更多地希望交付給駕駛員更安全或者更智慧的體驗，我們希望我們每一次出行都變得美好，我們希望每次的駕乘都值得回憶，這也是我們的願景，我們希望每一次出行都變成美好的回憶，謝謝大家！
提示：“本文根據發言整理，未經嘉賓審核！” 如需轉載或引用，請聯繫徐先生（021-39197820）
針對本次會議，蓋世汽車進行全程直播，欲瞭解更多詳情可關注以下專題連結：
但是死亡率仍然在每年20萬左右，每年因為交通事故造成直接經濟損失有10億人民幣左右，這是非常讓人痛心的，汽車作為一個科技產品，每一個科技產品發明之後都會有一些負面的影響，但是汽車是為了給我們帶來便利，但是它同時也帶來災難，帶來交通事故，這個是我們應該避免的，那麼我們汽車行業也在不斷的努力減少悲劇的發生，包括安全帶的廣泛應用，已經大大減少了事故發生時駕駛員和乘員的死亡率，也開發了很多協助工具。但是我們想說，我們不得不承認，人的反應和人的能力是有限的，我們統計發現90%的交通事故直接原因是由於人的疏忽引起的，剛剛說的那些基於人的被動安全，或者是主動安全的功能，基於人的輔助的功能沒法完全避免這些事故的發生，如果要避免事故的發生，那麼自動駕駛就是我們的終極方案。當然自動駕駛不是我們的目標，我們希望通過自動駕駛和智慧互聯的平臺來實現更多的增值服務。主要包括兩個方面：
一是智慧出行的服務，通過自動駕駛可以實現專車的服務、分時租賃的服務，或者是特定場地、區域裡自動駕駛商用化的服務。當然我們也可以通過車載互聯的功能實現車輛的管理和維護。
二是在車上的增值服務，自動駕駛可以把駕駛員的時間解放出來，那麼在這段時間裡面可以為駕駛員提供更多的服務，包括一些資訊類的服務、社交以及購物的服務、娛樂等。我們認為除了自動駕駛之外，我們可以通過自動駕駛來提供更多的服務、提供更多的產品。我們對汽車的理解，我們認為汽車行業可能以後的盈利模式，不僅僅是通過車輛的買賣實現盈利，更多的是通過後續服務或者是一些資料的增值服務來為駕駛員提供更多的增值服務以此來實現它自身的盈利。
如果說汽車行業的關鍵字，在5年前或者10年前，可能是一些傳統的渦輪增壓、混合動力之類，而現在汽車行業的關鍵字更多的是自動駕駛、車載互聯，尤其是自動駕駛現在是汽車行業相對熱的一個話題。在自動駕駛方面我們看到有眾多優秀的公司在推動整個技術的發展，它們在的演算法的開發以及商用試運營方面已經走在了前面，比如說英偉達，我們12月份跟英偉達宣佈了深度合作的關係，英偉達對於車載的AI晶片的產業化貢獻了很大的力量，英偉達發佈了它的PX2的平臺，我們也基於這個平臺開放了自己的系統。包括特斯拉對於消費者認知的教育，包括它的商用化、產業化都起到了非常大的推動作用。我們奇點汽車也有幸在其中通過我們自己對於自動駕駛的技術的開發，對整個技術產生了一個推動的作用.
下面這張圖是我們的自動駕駛系統的架構圖，首先是感測器，我們車上配置了多個視覺感測器，也就是攝像頭，我們知道攝像頭它相較於其他的感測器可以得到更多的資訊，人在開車的時候沒有其他的感測器，而是完全憑藉眼睛來觀察世界的。攝像頭也是一樣的，它可以得到豐富的資訊，包括車道的資訊、前方車輛距離的資訊以及其他的環境資訊，但是不得不說在攝像頭方面我們做得非常不夠，在攝像頭方面我們能夠得到的資訊還是比較少的，因為受限於演算法的即時性，我們在整個行業通過攝像頭得到的資訊更多的是車輛的資訊、障礙物的大體的位置和簡單的距離等資訊，還有非常多的資訊需要通過更先進、即時性更高的演算法來獲取到。
除了攝像頭之外，我們配置了5個毫米波雷達，它可以全天候不受環境的影響來探測交通環境中其他交通參與者的位置和速度。同時配置了超聲波雷達，超聲波雷達更多是在車的近距離和自動泊車的情況下探測周圍的障礙物資訊。同時我們車上配置了雷射雷達，我們現在保留了雷射雷達的安裝位置，但是大家知道雷射雷達離產業化還有非常遙遠的距離，在我們的開發過程中，我們會用到雷射雷達，但是我們也會來看雷射雷達它在後續產業化中的進展。雷射雷達現在價格特別貴，並且現在旋轉360度的雷射雷達滿足不了車規，我們希望後續這些問題都可以得到解決。
雷射雷達現在是我們在開發中考慮的，我們只是預留了這樣一個雷射雷達的安裝位置。在這些感測器的探測結果基礎上，我們要做資料的融合，因為每一個感測器有不同的特性和不同的優缺點，有適應不同的路況，那麼我們就需要對於多個感測器的檢測結果進行資料融合，資料的融合是為了保證探測結果的可信度。
下一個硬體結構就是主控單元，我們採用了英偉達的PX2平臺，現在可以支持第三級的自動駕駛，當然我們隨著產品的反覆運算我們也會支持更多的自動駕駛的功能。
最後是線控執行器，再聰明的大腦也需要身體完成它的動作，線上控執行器方面，電動車相對于傳統的燃油車它線上控的領域是有比較大的優勢的，而且電動機的回應速度更快。在制動方面我們用到了博世最新的系統來完成快速的制動，電機制動可以更快速、更經濟的完成制動的工作。通過前面的感測器資料，我們會對環境有一個準確的感知，同時我們會做自身的車輛的定位，在此基礎上我們完成了駕駛的決策以及路徑規劃，之後會交由線路控制線來執行我們的決策。
這個是自動駕駛SAE的分級，從第二級到第三級其實是有本質區別的，我們認為第一、二級是自動駕駛員輔助系統，第三級以上才叫自動駕駛或者無人駕駛的功能。從第二級到第三級從定義上來說，是機器能夠完成自主的決策，然後完成對於環境的監控，它更本質的區別是第二級到第三級中人的參與變少了，意味著人對於駕駛的影響變少，就是說人的疏忽造成的事故會減少，但是在第三級的階段我們還需要進行駕駛員即時狀態的監控，以及在緊急情況下對於駕駛員的警告，包括讓駕駛員接管車輛。這也是我們現在在做的，我們現在在車上配置了攝像頭可以即時的監控駕駛員的狀態以及身體狀況。
基於對於整個產業的理解，我們也梳理了自動駕駛的路線圖，目前為止對於第一級的駕駛員輔助系統我們已經開發了很多的功能，在2017年我們著重開發了第二級的功能，包括高速公路上以及特定區域裡的自動駕駛，在2018年我們會專注於第三級方面的一些功能，目標是實現在高速道路以及特定道路上的自動駕駛。
我們對於自動駕駛功能的產業化是這樣理解的，在初期就是量產車型的初代，會提供駕駛員輔助系統，並且在車輛上會佈置完整的感測器以及計算單元的硬體基礎，之後我們會通過後續資料的累積來更多的優化我們的演算法，來進行演算法的反覆運算。通過我們預先佈置的雲平臺後續來升級我們的自動駕駛功能，支持更多、更高級別的自動駕駛。
剛剛有嘉賓用智慧手機來舉例子，我們也想說傳統的汽車出廠之後就像功能手機一樣，可能賣出去之後它的功能是固化的，沒有辦法升級它的功能，汽車只能通過汽車裝備的改造來完成功能的升級，但是對於我們來說，希望我們的車在賣出去之後，通過我們後續功能的升級來實現它功能的價值。我們想讓車擁有成長的能力，我們認為汽車以後盈利的方式也是通過後續增值服務的提供來實現。
自動駕駛給我們帶來便利的同時，也對我們提出了更多的挑戰，大家知道在去年和前年的時候，全球發生了好多卡車撞人或者汽車撞人的恐怖襲擊事件，也引起一些國家政府對於自動駕駛的擔憂，主要是因為自動駕駛它提供了車輛完整的控制權，並且自動駕駛需要跟雲端進行通訊，來獲取車輛的資訊、交通方面的資訊，同時自動駕駛系統還需要上傳一些資訊到雲端，這個就給駭客的攻擊提供了便利。所以說自動駕駛給我們提出了更多有關安全方面的新課題，比如說在汽車行業，我們可能以往考慮更多的是被動安全或者主動安全，現在我們可能需要增加網路安全的考慮。在這方面的考慮中，我們在車型設計初期就做了很深入的考慮，並且也佈置了很多功能，我們在車輛端的車載網路方面，包括閘道和預控制器方面，以及對許可權的控制方面，都進行了加密，並且在雲和車中間的通訊方面也進行了很多的安全考慮。
除了安全方面的挑戰我還想分享一下我們在產業化方面還存在哪些挑戰，剛才黃羅毅分享了一下技術方面的挑戰，我分享一下產業化方面我們還需要解決哪些問題。
比如說基礎設施方面，主要有兩方面的考慮，第一個是自動駕駛在開發過程中會考慮它的標準化設置，比如說車輛的寬度，比如說交通標誌安裝的位置，但是如果說有一些非標準的基礎設施，比如說非標準的紅綠燈的安裝位置，或者非標準的交通標誌安裝位置，就可能給自動駕駛的演算法造成很大的干擾。
另外一個方面，基礎設施可以給自動駕駛提供更多的支援，這是我們需要改進的，比如說我們現在的自動駕駛有一個功能是需要對限速標誌進行識別的，我們現在的方法就是拍到限速標誌之後通過視覺方法獲取到圖片中的位置和內容，但是這是一個很蹩腳的解決方案，因為我們限速標誌的設置是給人看的，而不是給機器看的，如果說我們的基礎設施可以做一些更新，比如說通過電子標牌，或者在路上放一個二維碼可能對機器來說就更簡單一些。
另外一個挑戰，比如說在高精度地圖方面，我們知道高精度的地圖也是制約自動駕駛大規模產業化落地的一個非常大的挑戰。大家知道高精度地圖，我們人在開車的時候，其實不需要高精度地圖，我們最多需要一個導航地圖，為什麼我們需要高精度地圖來做自動駕駛呢？高精度地圖可以給自動駕駛系統做一個比較準確的定位，並且它能夠提供給自動駕駛系統周圍環境比如說道路上每一個車道的交通屬性的資訊，這些資訊其實我們是可以通過眼睛、可以通過攝像頭來識別和獲取到的，但是我們現在的視覺演算法還遠遠達不到這樣的即時處理能力，當然也有很多專家在這方面做出了有益的探索。
另外一個挑戰是計算能力、成本和功耗，這個主要是說主控單元方面的。現在很多主機廠在做自動駕駛開發的時候還是放一台很大的電腦在車上，這個肯定不能量產，我們現在要兼具計算的能力，同時要考慮到成本和功耗，就需要更高性能的晶片，包括AI的晶片，主要是做前端的感知視覺的AI晶片來推動整個計算單元的產業化。我們很高興的看到，比如說英偉達推出了他們的晶片，比如說穀歌也推出了他們的晶片，國內很多公司都推出了他們的晶片，這些晶片的產業化也會極大的推動自動駕駛計算主機的產業化。
在感測器方面主要的挑戰還是雷射雷達，現象在自動駕駛的感測器方面雷射雷達還是非常好用的一個感測器，但是雷射雷達現在離量產、離產業化還比較遠，現在有很多廠家都在做固態的雷射雷達，我們也希望固態自雷射雷達可以快速的量產，以一個比較低的價格來提供給自動駕駛的開發團隊，為自動駕駛的儘快落地提供便利。
在資料方面，其實自動駕駛需要大量的資料，第一個是視覺方面的資料，我們說每一個物體的識別或者障礙物的識別，每一類的識別需要大量的資料對網路結構進行訓練，每一類的資料可能需要上百萬張的資料量，這個資料是非常龐大的，對於每一個主機廠來說自己做這個資料是很困難的。第二個資料是測試的資料，自動駕駛系統的可靠性和穩定性需要經過大量的測試才能夠保證。
網路安全剛剛提到了，同時還有自動駕駛方面的一個挑戰就是人才方面，人才在自動駕駛領域裡是非常欠缺的，尤其是人工智慧方面我們不僅要跟汽車行業在自動駕駛其他的同行來競爭人才，同時人工智慧在其他方面也存在著非常大的人才缺口。
還有與法規的更新方面也存在挑戰，自動駕駛的測試以及落地現在還存在著非常多的法規或者政策方面的限制，這些因素就極大制約著我們自動駕駛的落地和產業化。當然我們也很可喜的看到，在很多方面我們已經取得了很大的進展，包括在法規政策方面，我們看到越來越多的地方政府、越來越多的國家部委頒佈了更多的政策，來允許自動駕駛的公司能夠在有限的區域內，或者是一些封閉的場地裡面進行測試。
我們相信在不遠的將來，在廣大的政府層面，包括學術界以及企業界的共同努力下，自動駕駛能夠不斷的發展，並且取得突破，來儘快的落地。
我想簡單介紹一下我們第一輛車，我們說軟體定義硬體，怎麼理解呢？就是我們會在車的硬體基礎上更多的提供一些軟體的增值服務，來實現更多的產品功能和體驗。同時在硬體層面上，我們在車輛上佈置了很多個性化的系統，包括空氣過濾系統，包括百變扶手箱的裝備，包括智慧的後備廂，包括更多的USB的充電口以及12V電容器的充電口。在車載娛樂系統方面，我們配置了中控大屏以及儀錶盤和HUD三屏合一的系統，能夠提供更統一、更豐富的駕駛相關的資訊。並且在車上佈置了很多多媒體的系統，能夠提供更多多媒體的服務。我們在車上一共放置了12個擴張鎢，能滿足乘客更多個性化的需求。
下面給大家放一個視頻，這個視頻展示了我們現在自動駕駛規劃的一些功能，比如說招車的功能、語音交互的功能以及主動變道超車和車道保持的功能，這就是我們在開發中一些自動駕駛功能的展示。
我們希望交付給消費者的不僅是一些服務或者是功能，我們更多地希望交付給駕駛員更安全或者更智慧的體驗，我們希望我們每一次出行都變得美好，我們希望每次的駕乘都值得回憶，這也是我們的願景，我們希望每一次出行都變成美好的回憶，謝謝大家！
提示：“本文根據發言整理，未經嘉賓審核！” 如需轉載或引用，請聯繫徐先生（021-39197820）
針對本次會議，蓋世汽車進行全程直播，欲瞭解更多詳情可關注以下專題連結：