小馬智行莫璐怡：我們追求什么樣的汽車智能

2020年8月22日，第三屆全球智能汽車峰會在廣州正式開幕。今年的主題是加快智能汽車發展，打造行業新引擎，主要討論智能汽車近兩年取得的技術突破和產品創新，討論智能汽車的應用場景和商業模式，討論智能汽車商業發展的頂層設計和實施路徑。馬驍智行(廣州)總經理莫在下午舉行的“智能汽車的技術突破與產品創新”主峰會上發表主題演講。以下為演講實錄:

大家下午好！我是知行廣州中心的負責人莫。非常感謝百人會邀請我今天在這里和從業者一起探討智能汽車的未來。這幾年你應該發現，智能汽車、智能汽車已經不是科幻片的內容了。我們發現不同層次的智能汽車產品已經進入了消費決策階段，包括輔助駕駛或者剛才我們很多嘉賓提到的一些智能駕駛艙產品。我們追求的是什么樣的汽車智能化？今天峰會的主題是“智能汽車的技術突破與產品創新”。針對近年來包括新能源技術在內的新技術，我們想提出這樣的觀點:突破和創新不再僅僅是尋找和解決需求，而是創造需求。我們行業逐漸形成了一個共識，智能化、電動化將是未來汽車的一種形態。其中，汽車智能化一般是指汽車行業在自動駕駛、物聯網等新技術的作用下，與其深度融合，從而實現人們更高層次的出行需求的技術，而馬驍智行一直致力于汽車智能化的不同嘗試，同時努力貢獻自己的力量。多說說我們的小馬智行吧。馬驍知行于2016年底在美國硅谷成立。已經進入發展的第四個年頭，關于自動駕駛技術的研發不斷深入。自成立以來，我們一直專注于研發最安全、最可靠、最先進的全工位自動駕駛，希望通過科技改變人類未來的出行。我們專注于L4級別及以上的自動駕駛技術。L4級別實際上在自動駕駛中屬于較高的級別，是指在一定的區域和特定的環境中，系統能夠完全感知世界，控制車輛獨立完成其駕駛任務，無需人類駕駛員的任何操作。從屏幕上可以看到，這是去年12月我們發布的最新一代全硬件自動駕駛集成系統PonyAlpha 2.0。近十年來，自動駕駛行業發生了翻天覆地的變化。其實在2012年之前，我們討論的更多問題并不是關于自動駕駛的應用場景，以及我們會用什么路徑來實現自動駕駛或者無人駕駛的目標。我們問的更多問題是自動駕駛是否可能。從2013年開始，隨著芯片、激光雷達和深度學習算法的大規模應用，人們逐漸開始相信自動駕駛是可能的。今天到場的嘉賓也分享了很多關于芯片和深度學習的進展。這些東西讓我們整個自動駕駛行業在近幾年取得了快速的技術進步。現在我們可以發現，自動駕駛在不同的行業和領域都有很多應用。比如，在旅客出行、貨物運輸、物流配送、城市清潔等領域，我們都能看到自動駕駛的身影。我們究竟如何讓汽車變得越來越聰明？我想用一個更通俗的比喻來講講我們整個自動駕駛系統是如何賦能智能汽車的。我們的自動駕駛系統實際上賦予了汽車眼睛、手、腳和大腦的功能。從硬件研發的角度來說，眼睛意味著我們的車輛有更多的傳感器，從而可以通過不同的傳感器感知世界。在我們新發布的自動駕駛硬件系統中，我們的自動駕駛車輛擁有激光雷達、毫米波雷達、攝像頭等不同的傳感器，幫助我們實現360度無盲區覆蓋。硬件層面上的手腳，意味著我們需要精確控制車輛的油門、剎車和轉向。這意味著我們需要掌握線控技術的核心控制，也需要知道如何優化整個控制算法。同時，貨車不同于普通客車。對于硬件來說，大腦意味著為他提供一個強大的計算單元或者計算平臺，需要有足夠的計算能力來支持復雜的軟件算法，并且運行非常穩定，這樣車輛才能在路上安全地完成復雜的駕駛任務。正如我們剛剛提到的，軟件也是自動駕駛軟硬件系統的重頭戲。事實上，眼睛指的是我們的感知模塊。我們需要分析和處理從……獲得的數據關于世界的nsors，從而了解我們的車輛行駛在道路上時周圍的所有障礙物，它們是如何行駛在道路上的，它們現在以什么速度，以什么方式行駛，同時我們要隨時跟蹤它們的路徑，預測它們下一步的意圖和軌跡。說到手腳，我們更多指的是決策規劃模塊。在得到感知模塊的輸出，知道車輛周圍障礙物的下一步動作后，分析車輛會和這些障礙物產生什么樣的交互作用，對于每個障礙物應該做出什么樣的決策。比如在變道的過程中，如果下一車道有車輛，我應該在下一車道的車輛前面變道還是后面變道？這些實際上是計劃控制模塊需要完成的任務。更具體地說，對于控制模塊，我們需要將我們的決策計劃的結果翻譯成機器可以理解的語言。比如怎么踩我們的剎車和油門，怎么打我們的方向盤，這是它需要完成的工作。對于大腦來說，我們這里指的是一套自成立以來一直在使用的自主研發的自動駕駛基礎設施和操作平臺PonyBrain。有了這個自研的操作平臺，我們有能力深度優化自己的能力，優化對資源的占用，仍然可以用極少的資源占用完成非常復雜的深度學習算法和各種自動駕駛算法。只有我們把所有的軟硬件統一看待，進行全局優化，才能在一定的計算能力下，做出比其他單獨考慮的場景更強大的能夠滿足需求的自動駕駛系統，而這其實也是我們的一大優勢，全局優化的能力。多虧了自動駕駛系統，我們的車終于有了智能化的基礎。然而，這樣的智能汽車有點像蹣跚學步的孩子。它只有基本的智能，需要不同的學習和成長來面對復雜的世界。自動駕駛系統是如何實現持續學習和自我成長的？在回答這個問題之前，我想拋出一個觀點，自動駕駛是一個基于實踐和大數據的創新問題。這里說的實踐是真正的路考。我們的自動駕駛僅僅停留在實驗室做仿真研究是沒有辦法實現技術突破和提升的。必須讓我們的車輛走上真實的道路接受最艱難的挑戰，接受不同場景的數據，從而不斷完善整個系統，推動整個技術的發展。接下來，我想分享一個關于雨天和飛濺處理的故事。解釋為什么實踐和大數據對自動駕駛非常重要。如果你參加了今天早上的峰會，你也應該知道雨天或飛濺的場景對自動駕駛來說是非常大的挑戰。當我們在2017年底正式落戶中國廣州的時候，當我們推出中國第一支自動駕駛車隊的時候，其實我們整個自動駕駛系統對雨天和水花的處理能力一般。為什么？來中國之前，我們只在美國加州進行了路測。眾所周知，加州一年四季都是陽光明媚的地方，所以我們在加州的路測并沒有收集到太多的雨天和濺水的數據，這就使得我們的自動駕駛系統在這方面缺乏非常強的處理能力。然而，當我們來到廣州后，當我們在廣州運營我們的機器人出租車時，我們有一個小統計。在運營的前500天里，我們一共經歷了209個雨天，而且經常是大雨或者雷雨，使得我們整個自動駕駛系統在不停歇的路測中接收到了大量的雨天和濺水數據，不斷完善我們的系統。這是一個簡單的視頻。從右邊的攝像頭可以看到，雨已經很大了，路上有很多積水，車輛經過的時候有很多水花。然而，我們的自動駕駛系統對世界有著非常清晰的認識，甚至能夠讓我們的車輛做出果斷的決策，超越人類駕駛的車輛。這就是為什么我們認為自動駕駛系統最終總能比人類有更高的安全上限，因為有比人類更清晰的一對。我們追求的是什么樣的汽車智能化？其實現在不斷推技術，一次又一次做技術迭代，到最后，我們都想做虛擬司機。我們希望我們的自動駕駛系統最終能夠……這樣的虛擬司機。他可以駕駛不同的車型，他可以部署在不同的車輛平臺上。通過不斷學習，不斷積累場景數據，數據反饋，他最終可以通過AI升級技術實現開什么樣的車，走什么樣的路。馬驍智行的L4自動駕駛汽車現在達到了什么水平？我想通過幾個方面做一個簡單的分享。場景上，我們現在可以處理復雜的城市路況，包括不同的早晚高峰路況，包括臨時施工區域，包括我們剛剛看到的不同天氣場景。現在我們在廣州、北京、加州的日常路測中會經歷很多這樣的場景，待遇不錯。同時，在應用場景方面，從2018年底開始，我們陸續在中國廣州和美國加州推出了我們的自動駕駛機器人出租車出行服務。Robo-Taxi把我們帶到了最有用戶需求的地方，讓我們走最真實的路，接受最艱難的挑戰。同時，我們在貨運方面也做了一些嘗試。疫情期間，我們與電商平臺合作，在加州為車主提供“最后一公里”運輸服務。同時，我們也開始布局自動駕駛卡車市場。在產品迭代方面，剛剛提到我們已經發布了四代自動駕駛產品，我們的硬件研發能力和流程也越來越完善，可以使我們更好地適應靈活的行業變化。在我們看來，汽車智能化的發展一定不是一個人的奮斗，它的未來一定是一個開放合作的生態。從馬驍之星的角度來看，我們正在不斷推動與國內外頂級汽車制造商的深度合作。我們相信我們的自動駕駛系統就像汽車的大腦，我們需要一個強壯的身體。百年沉淀的汽車工業，是強健體魄最好的基礎。同時，我們認為自動駕駛是技術主導的硬技術。無人駕駛和大規模決定了自動駕駛的高門檻，而安全是自動駕駛的底線。談到安全，剛剛有很多關于我們如何提高自動駕駛安全性的分享。對于馬驍之星來說，從我們的軟硬件各個模塊的設計上，都考慮了不同的冗余設計，希望我們的自動駕駛車輛即使出現任何異常，仍然能夠完成自動駕駛任務或者安全靠邊。與此同時，我們在內部設定了許多不同的安全和舒適指標。在過去三年的發展中，我們在這些指標上都取得了非常好的增長。最后，馬驍智行一直把技術放在第一位。我們希望與產業鏈上下游合作，不斷推動自動駕駛技術盡快成熟和落地，真正用科技重塑人類的未來。謝謝大家！2020年8月22日，第三屆全球智能汽車峰會在廣州正式開幕。今年的主題是加快智能汽車發展，打造行業新引擎，主要討論智能汽車近兩年取得的技術突破和產品創新，討論智能汽車的應用場景和商業模式，討論智能汽車商業發展的頂層設計和實施路徑。馬驍智行(廣州)總經理莫在下午舉行的“智能汽車的技術突破與產品創新”主峰會上發表主題演講。以下為演講實錄:

大家下午好！我是知行廣州中心的負責人莫。非常感謝百人會邀請我今天在這里和從業者一起探討智能汽車的未來。這幾年你應該發現，智能汽車、智能汽車已經不是科幻片的內容了。我們發現不同層次的智能汽車產品已經進入了消費決策階段，包括輔助駕駛或者剛才我們很多嘉賓提到的一些智能駕駛艙產品。我們追求的是什么樣的汽車智能化？今天峰會的主題是“智能汽車的技術突破與產品創新”。針對近年來包括新能源技術在內的新技術，我們想提出這樣的觀點:突破和創新不再僅僅是尋找和解決需求，而是創造需求。我們行業逐漸形成了一個共識，智能化、電動化將是未來汽車的一種形態。其中，汽車智能化一般是指汽車行業在自動駕駛、物聯網等新技術的作用下，與其深度融合，從而實現人們更高層次的出行需求的技術，而馬驍智行一直致力于汽車智能化的不同嘗試，同時努力貢獻自己的力量。多說說我們的小馬智行吧。馬驍知行于2016年底在美國硅谷成立。已經進入發展的第四個年頭，關于自動駕駛技術的研發不斷深入。自成立以來，我們一直專注于研發最安全、最可靠、最先進的全工位自動駕駛，希望通過科技改變人類未來的出行。我們專注于L4級別及以上的自動駕駛技術。L4級別實際上在自動駕駛中屬于較高的級別，是指在一定的區域和特定的環境中，系統能夠完全感知世界，控制車輛獨立完成其駕駛任務，無需人類駕駛員的任何操作。從屏幕上可以看到，這是去年12月我們發布的最新一代全硬件自動駕駛集成系統PonyAlpha 2.0。近十年來，自動駕駛行業發生了翻天覆地的變化。其實在2012年之前，我們討論的更多問題并不是關于自動駕駛的應用場景，以及我們會用什么路徑來實現自動駕駛或者無人駕駛的目標。我們問的更多問題是自動駕駛是否可能。從2013年開始，隨著芯片、激光雷達和深度學習算法的大規模應用，人們逐漸開始相信自動駕駛是可能的。今天到場的嘉賓也分享了很多關于芯片和深度學習的進展。這些東西讓我們整個自動駕駛行業在近幾年取得了快速的技術進步。現在我們可以發現，自動駕駛在不同的行業和領域都有很多應用。比如，在旅客出行、貨物運輸、物流配送、城市清潔等領域，我們都能看到自動駕駛的身影。我們究竟如何讓汽車變得越來越聰明？我想用一個更通俗的比喻來講講我們整個自動駕駛系統是如何賦能智能汽車的。我們的自動駕駛系統實際上賦予了汽車眼睛、手、腳和大腦的功能。從硬件研發的角度來說，眼睛意味著我們的車輛有更多的傳感器，從而可以通過不同的傳感器感知世界。在我們新發布的自動駕駛硬件系統中，我們的自動駕駛車輛擁有激光雷達、毫米波雷達、攝像頭等不同的傳感器，幫助我們實現360度無盲區覆蓋。硬件層面上的手腳，意味著我們需要精確控制車輛的油門、剎車和轉向。這意味著我們需要掌握線控技術的核心控制，也需要知道如何優化整個控制算法。同時，貨車不同于普通客車。對于硬件來說，大腦意味著為他提供一個強大的計算單元或者計算平臺，需要有足夠的計算能力來支持復雜的軟件算法，并且運行非常穩定，這樣車輛才能在路上安全地完成復雜的駕駛任務。正如我們剛剛提到的，軟件也是自動駕駛軟硬件系統的重頭戲。事實上，眼睛指的是我們的感知模塊。我們需要分析和處理從……獲得的數據關于世界的nsors，從而了解我們的車輛行駛在道路上時周圍的所有障礙物，它們是如何行駛在道路上的，它們現在以什么速度，以什么方式行駛，同時我們要隨時跟蹤它們的路徑，預測它們下一步的意圖和軌跡。說到手腳，我們更多指的是決策規劃模塊。在得到感知模塊的輸出，知道車輛周圍障礙物的下一步動作后，分析車輛會和這些障礙物產生什么樣的交互作用，對于每個障礙物應該做出什么樣的決策。比如在變道的過程中，如果下一車道有車輛，我應該在下一車道的車輛前面變道還是后面變道？這些實際上是計劃控制模塊需要完成的任務。更具體地說，對于控制模塊，我們需要將我們的決策計劃的結果翻譯成機器可以理解的語言。比如怎么踩我們的剎車和油門，怎么打我們的方向盤，這是它需要完成的工作。對于大腦來說，我們這里指的是一套自成立以來一直在使用的自主研發的自動駕駛基礎設施和操作平臺PonyBrain。有了這個自研的操作平臺，我們有能力深度優化自己的能力，優化對資源的占用，仍然可以用極少的資源占用完成非常復雜的深度學習算法和各種自動駕駛算法。只有我們把所有的軟硬件統一看待，進行全局優化，才能在一定的計算能力下，做出比其他單獨考慮的場景更強大的能夠滿足需求的自動駕駛系統，而這其實也是我們的一大優勢，全局優化的能力。多虧了自動駕駛系統，我們的車終于有了智能化的基礎。然而，這樣的智能汽車有點像蹣跚學步的孩子。它只有基本的智能，需要不同的學習和成長來面對復雜的世界。自動駕駛系統是如何實現持續學習和自我成長的？在回答這個問題之前，我想拋出一個觀點，自動駕駛是一個基于實踐和大數據的創新問題。這里說的實踐是真正的路考。我們的自動駕駛僅僅停留在實驗室做仿真研究是沒有辦法實現技術突破和提升的。必須讓我們的車輛走上真實的道路接受最艱難的挑戰，接受不同場景的數據，從而不斷完善整個系統，推動整個技術的發展。接下來，我想分享一個關于雨天和飛濺處理的故事。解釋為什么實踐和大數據對自動駕駛非常重要。如果你參加了今天早上的峰會，你也應該知道雨天或飛濺的場景對自動駕駛來說是非常大的挑戰。當我們在2017年底正式落戶中國廣州的時候，當我們推出中國第一支自動駕駛車隊的時候，其實我們整個自動駕駛系統對雨天和水花的處理能力一般。為什么？來中國之前，我們只在美國加州進行了路測。眾所周知，加州一年四季都是陽光明媚的地方，所以我們在加州的路測并沒有收集到太多的雨天和濺水的數據，這就使得我們的自動駕駛系統在這方面缺乏非常強的處理能力。然而，當我們來到廣州后，當我們在廣州運營我們的機器人出租車時，我們有一個小統計。在運營的前500天里，我們一共經歷了209個雨天，而且經常是大雨或者雷雨，使得我們整個自動駕駛系統在不停歇的路測中接收到了大量的雨天和濺水數據，不斷完善我們的系統。這是一個簡單的視頻。從右邊的攝像頭可以看到，雨已經很大了，路上有很多積水，車輛經過的時候有很多水花。然而，我們的自動駕駛系統對世界有著非常清晰的認識，甚至能夠讓我們的車輛做出果斷的決策，超越人類駕駛的車輛。這就是為什么我們認為自動駕駛系統最終總能比人類有更高的安全上限，因為有比人類更清晰的一對。我們追求的是什么樣的汽車智能化？其實現在不斷推技術，一次又一次做技術迭代，到最后，我們都想做虛擬司機。我們希望我們的自動駕駛系統最終能夠……這樣的虛擬司機。他可以駕駛不同的車型，他可以部署在不同的車輛平臺上。通過不斷學習，不斷積累場景數據，數據反饋，他最終可以通過AI升級技術實現開什么樣的車，走什么樣的路。馬驍智行的L4自動駕駛汽車現在達到了什么水平？我想通過幾個方面做一個簡單的分享。場景上，我們現在可以處理復雜的城市路況，包括不同的早晚高峰路況，包括臨時施工區域，包括我們剛剛看到的不同天氣場景。現在我們在廣州、北京、加州的日常路測中會經歷很多這樣的場景，待遇不錯。同時，在應用場景方面，自2018年底以來，我們已經在中國廣州和美國加州相繼推出了我們的自動駕駛機器人出租車出行服務。Robo-Taxi把我們帶到了最有用戶需求的地方，讓我們走最真實的路，接受最艱難的挑戰。同時，我們在貨運方面也做了一些嘗試。疫情期間，我們與電商平臺合作，在加州為車主提供“最后一公里”運輸服務。同時，我們也開始布局自動駕駛卡車市場。在產品迭代方面，剛剛提到我們已經發布了四代自動駕駛產品，我們的硬件研發能力和流程也越來越完善，可以使我們更好地適應靈活的行業變化。在我們看來，汽車智能化的發展一定不是一個人的奮斗，它的未來一定是一個開放合作的生態。從馬驍之星的角度來看，我們正在不斷推動與國內外頂級汽車制造商的深度合作。我們相信我們的自動駕駛系統就像汽車的大腦，我們需要一個強壯的身體。百年沉淀的汽車工業，是強健體魄最好的基礎。同時，我們認為自動駕駛是技術主導的硬技術。無人駕駛和大規模決定了自動駕駛的高門檻，而安全是自動駕駛的底線。談到安全，剛剛有很多關于我們如何提高自動駕駛安全性的分享。對于馬驍之星來說，從我們的軟硬件各個模塊的設計上，都考慮了不同的冗余設計，希望我們的自動駕駛車輛即使出現任何異常，仍然能夠完成自動駕駛任務或者安全靠邊。與此同時，我們在內部設定了許多不同的安全和舒適指標。在過去三年的發展中，我們在這些指標上都取得了非常好的增長。最后，馬驍智行一直把技術放在第一位。我們希望與產業鏈上下游合作，不斷推動自動駕駛技術盡快成熟和落地，真正用科技重塑人類的未來。謝謝大家！

標簽：發現北京

汽車資訊熱門資訊