GMIC2018全球人工智慧領袖峰會今天已進入第二天， 在上午的“智慧駕駛的今天和未來”圓桌論壇上， 地平線副總裁吳強、Momenta CEO曹旭東、圖森互聯聯合創始人郝佳男三位從創業者的角度分享了自己的觀點。
“智慧駕駛的今天和未來”圓桌論壇
智慧駕駛需要專業的晶片
在提及中國智慧駕駛發展水準的問題時， 吳強表示， 智慧駕駛目前主要涉及的幾大領域中， 車內智慧這方面中國發展得還是很好的， 這部分主要包括資訊處理、系統平臺、語音交互、車聯網等。
在處理器晶片方面， 優勢仍然掌握在美國傳統科技巨頭手中。 但這並不是說中國沒有機會， 因為總體上智慧駕駛的晶片還在快速反覆運算的過程中， 每家都有自己的特色。
智慧駕駛汽車的地域性差別很大， 尤其是中國的行車環境更是非常複雜， 在路況、停車、駕駛習慣等各方面都有著巨大的特殊性，
因此中國創業公司可以在自己擅長的領域做出自己的探索。
吳強認為， 智慧駕駛需要專業的晶片， 而不是基於現有的GPU等晶片架構， 因為智慧駕駛晶片的運行環境複雜度要遠遠大於傳統晶片， 需要面對的是完全開放的環境、沒有規則、資訊不完整這些棘手的問題， 更重要的是智慧駕駛人命關天無能出錯。
對此， 吳強給出了自己的策略， 即不去和傳統晶片巨頭拼工藝， 而是從演算法和電腦架構方面入手， “場景決定演算法， 演算法決定架構”。 發揮自身當地語系化的優勢， 利用好中國提供的最豐富最龐大的資料。
智慧駕駛最大的困難是安全
曹旭東的Momenta演算法系統的部分， 他認為智慧駕駛最難的部分就是安全， 而他們的解決方案是眾包。 通過幫助商業車隊做安全團隊， 可以獲取海量資料來反映一些演算法的不足。
另一方面是通過前裝管道， 根據責任界定階段的不同來評估接管的頻率。 這方面最領先的是穀歌， 目前已經能做到6000公里接管一次， 比較來看特斯拉目前是15公里接管一次。
但這不是絕對的， 特斯拉15公里接管一次是因為是在北京做的路測， 而北京的駕駛習慣只能允許高頻率接管。
這就涉及到多維度優化的問題， 要針對不同地區、不同司機、不同交通法規、不同社會駕駛習慣等等具體情況， 從軟體、演算法、架勢策略都要做專門的優化。
商用車是智能駕駛的另一條路
就在大多數人們把目光聚焦在無人駕駛轎車上時， 還有一部分人則看向了To B的領域， 即商用車的智慧駕駛領域。 郝佳男的圖森未來做的就是高速L4無人駕駛卡車細分領域。
郝佳男表示商用和乘用就是ToB跟ToC的區別， 商用車包括貨運和計程車， 它的利潤來自於運營， 比如說把貨運到目的地， 這是商用車的目的。 它在推廣上就要比乘用車更容易， 因為商用車只要說服合作夥伴和客戶， 會比普及到大眾方便一些。
另外一個緯度是卡車和轎車的區別， 大車小車的運營場景有很大區別， 小車出租更多的是在城市路段或者是城鄉接合部的路段運行， 而卡車主要是走幹線物流，
智慧駕駛路長路難但充滿了希望， 這是一個百年不遇， 能夠參與其中， 把整個行業進行創新重構的機會， 希望中國的智慧駕駛企業能夠抓住這次機會， 成為這個時代的贏家。