2020年8月13日至15日，“中國汽車論壇2020”在上海舉行。本次論壇由中國汽車工業協會(CAAM)主辦，世界汽車組織(OICA)和世界經濟論壇(WEF)唯一支持。本次論壇以“新變化、新挑戰、新理念——引領中國汽車新征程”為主題，緊扣時代脈搏，尋求突圍之道，緊緊圍繞“十四五”規劃，掌控宏觀產業形勢，分析全球汽車產業發展趨勢。其中，博世底盤控制系統中國區總裁陳黎明在8月15日上午舉行的“智能網聯汽車創新發展與產業生態升級”分論壇上發表了主題演講。以下為演講實錄:
博世底盤控制系統中國區總裁陳黎明
陳黎明:女士們，先生們，早上好！我是博世底盤控制系統的陳黎明，負責主/被動安全、ADAS和自動駕駛。今天和大家分享一下博世在自動駕駛量產道路上的思考。為什么我們要談論大規模生產？因為大家在路上看到過一些自動駕駛的車，特別是一些低級的自動駕駛，高級的輔助自動駕駛，還有一些現在在三四級DEMO的車。博世從1993年開始做封閉道路的DEMO，也在做高級自動駕駛輔助的研發。2017年首次推出集成巡航控制，可以在高速上擺脫巡航控制。
為什么花了這么長時間才開發出真正上路的產品？其實目前談得比較多的就是長尾問題。從去年開始，許多企業，尤其是高科技企業，一直在推遲L4、L5和L3的量產。最重要的問題是有很多長尾問題無法解決。換句話說，從R&D工藝到量產階段還有很多挑戰。
以下是我個人總結的三個挑戰:
(1)技術挑戰；(2)工業化的挑戰；(3)商業化的挑戰。
每個人都知道技術挑戰。近年來，許多新的科技企業在傳感器、定位、決策、芯片、計算能力等方面做了大量的研究。感知、決策、控制的科技難題也在一一解決。我個人對科技方面的挑戰非常有信心。隨著時間的推移，只要我們投入資金，這些問題是可以解決的。
正在討論商業化的許多方面。現在大家一致認為城市自動出租車和自動貨運會比較容易先商用，會比較早商用。同時，商業化本身取決于自動駕駛汽車的成本，涉及到零部件和汽車的成本。談到成本，就談到量和商。給大家分享一下如何真正產業化，滿足所有要求，量產，讓價格降下來，讓終端用戶早日真正享受到真正的自動駕駛。
今天很多嘉賓提到了自動駕駛的安全問題。對于自動駕駛和行業來說，靈魂的考驗是如何實現安全的自動駕駛，這個大家都在討論。剛才王醫生也介紹了一些事故。的確，許多事故仍在發生。當然，這在R&D進程中是正常的。一開始不可能沒有事故，但事故能不能徹底杜絕，是我們需要探索的。我們如何避免最小化甚至減少到少于人為錯誤？這也是我們面臨的挑戰。
目前衡量自動駕駛水平和安全程度有兩個方面。比如美國的車管所，有一個自動駕駛間隔的“率”，多少公里多少英里就離開了。蘭德公司試圖從駕駛層面來解釋自動駕駛的水平。根據美國2015年總行駛里程4.8萬公里發生的事故統計，目前平均200萬公里就有一次死亡事故和一次受傷事故。這是什么概念？如果要行駛1.4萬億公里，地球3600圈以上的話，時間需要200多年。挑戰在于如何證明和驗證汽車是安全的。
博世有三點考慮:
第一，符合現行或未來法律法規的要求。今天很多嘉賓都談到了功能安全、預期安全、自動安全、轉向安全，尤其是發生故障時如何保證安全。全安按照汽車開發、驗證、發布的傳統流程，像大家熟悉的V-model一樣，根據行業法規和企業的要求，制定系統要求和零部件要求，一步步進行驗證。整個驗證過程仍在實驗室和封閉的特定實驗場所進行。
自動駕駛涉及的場景太多，傳統的方式已經無法繼續。因此，有必要在實際道路上進行測試，尤其是通過數據驅動的驗證來驗證自動駕駛的安全性。是V模型和數據驅動閉環的結合，實現安全驗證。
運用系統分析方法，如故障樹分析，對所有故障模式進行系統分析，盡可能明確故障模式，找出相應的解決方案，從而更好地驗證安全問題，為大家提供更安全的產品。
第二，應對極其復雜場景的能力。
就是我們現在說的長尾問題。已經處理了許多標準問題。有時候業內有個笑話。要看你和城管的關系，能不能提前把路上不規則的東西處理掉，讓自動駕駛更好的感知周圍的環境。由此可見駕駛環境的復雜。就像剛才周主任提到的，沒有一個駕駛場景是相同的，所有的駕駛場景都可能在開發過程中被覆蓋，所以需要在汽車生命周期中提供持續學習和改進的能力。
博世從三個方面考慮:
(1)充分利用人工智能和車路協調。
它不是一個簡單的人工智能，而是人工智能和概率方法的結合，創造一個可解釋的人工智能。順便說一下，Bosch在今年2月發布了AI標準，希望能做出一個AI algo……thm和產品是可解釋的和高度健壯的。
因為車和人的視野是有限的，路段可以提供更廣闊的視野和無形的信心，幫助我們解決長尾問題。
數據驅動的循環迭代具有量產后持續學習的能力，而不是自行車的自學習能力。方案是將自行車遇到的問題上傳到云端進行統一的離線學習和訓練，然后賦予汽車新的數據和模型。最重要的是保證可追溯，每輛車的狀態都是可追溯的。每輛車都變得不可控不可知，這是一件很可怕的事情。這樣就可以避免單車不可控的發展，很好的解決迭代學習的問題。
我們知道，駕駛情境是千變萬化的，不可能在研發過程中，甚至在后續的學習過程中，覆蓋所有的學習場景。當我們的算法無法檢測到的時候，它需要能夠在無法識別冗余系統故障的情況下保證安全駕駛，包括車內人員的安全和道路使用者的安全。
第三，可持續復制。
從0到1是從無到有，是實驗室的產物，包括現在的DEMO，還屬于0到1的階段。1到n，從100輛車到10萬輛車，100萬輛車，就是工業化的過程。如何實現？因為生產可能是一家工廠生產的，不可能生產一個車模。每個車廠，每個車型的定位和功能都不一樣，所以一定要兼容和可擴展。首先，我們必須建立有利的工具。這兩天有嘉賓談到軟硬件分離，一定要有非常好的基礎。基礎是中間件。博世有非常好的產品——VRTE和AOS，更好的支持應用軟件和硬件的有機結合，并且可以擴展。這時候就會有一個非常好的可擴展架構，可以在不同的傳感器配置和型號中進行復制和擴展，逐步擴大應用范圍。
總結一下實現安全的思考和總結，自動駕駛系統需要提供一致的、可預測的、安全的行為，這是我們對自動駕駛的要求。如果道路使用者和其他動物遇到危險，自動駕駛系統應該盡力避免事故，如果不可避免，必須將傷害降到最低。
必須有系統完整的驗證放行方法，必須建立一套結構化的流程和配套的方法。最后，它必須基于可核實的過程和確定的結果。
感謝您的時間，謝謝！
(注:本文根據現場速記整理，未經發言人審核。)2020年8月13日-15日，“中國汽車論壇2020”在上海舉行。本次論壇由中國汽車工業協會(CAAM)主辦，世界汽車組織(OICA)和世界經濟論壇(WEF)唯一支持。本次論壇以“新變化、新挑戰、新理念——引領中國汽車新征程”為主題，緊扣時代脈搏，尋求突圍之道，緊緊圍繞“十四五”規劃，掌控宏觀產業形勢，分析全球汽車產業發展趨勢。其中，博世底盤控制系統中國區總裁陳黎明在8月15日上午舉行的“智能網聯汽車創新發展與產業生態升級”分論壇上發表了主題演講。以下為演講實錄:
博世底盤控制系統中國區總裁陳黎明
陳黎明:女士們，先生們，早上好！我是博世底盤控制系統的陳黎明，負責主/被動安全、ADAS和自動駕駛。今天和大家分享一下博世在自動駕駛量產道路上的思考。為什么我們要談論大規模生產？因為大家在路上看到過一些自動駕駛的車，特別是一些低級的自動駕駛，高級的輔助自動駕駛，還有一些現在在三四級DEMO的車。博世從1993年開始做封閉道路的DEMO，也在做高級自動駕駛輔助的研發。2017年首次推出集成巡航控制，可以在高速上擺脫巡航控制。
為什么花了這么長時間才開發出真正上路的產品？其實目前談得比較多的就是長尾問題。從去年開始，許多企業，尤其是高科技企業，一直在推遲L4、L5和L3的量產。最重要的問題是有很多長尾問題無法解決。換句話說，從R&D工藝到量產階段還有很多挑戰。
以下是我個人總結的三個挑戰:
(1)技術挑戰；(2)工業化的挑戰；(3)商業化的挑戰。
每個人都知道技術挑戰。近年來，許多新的科技企業在傳感器、定位、決策、芯片、計算能力等方面做了大量的研究。感知、決策、控制的科技難題也在一一解決。我個人對科技方面的挑戰非常有信心。隨著時間的推移，只要我們投入資金，這些問題是可以解決的。
正在討論商業化的許多方面。現在大家一致認為城市自動出租車和自動貨運會比較容易先商用，會比較早商用。同時，商業化本身取決于自動駕駛汽車的成本，涉及到零部件和汽車的成本。談到成本，就談到量和商。給大家分享一下如何真正產業化，滿足所有要求，量產，讓價格降下來，讓終端用戶早日真正享受到真正的自動駕駛。
今天很多嘉賓提到了自動駕駛的安全問題。對于自動駕駛和行業來說，靈魂的考驗是如何實現安全的自動駕駛，這個大家都在討論。剛才王醫生也介紹了一些事故。的確，許多事故仍在發生。當然，這在R&D進程中是正常的。一開始不可能沒有事故，但事故能不能徹底杜絕，是我們需要探索的。我們如何避免最小化甚至減少到少于人為錯誤？這也是我們面臨的挑戰。
目前衡量自動駕駛水平和安全程度有兩個方面。比如美國的車管所，有一個自動駕駛間隔的“率”，多少公里多少英里就可以離開。蘭德公司試圖從駕駛層面來解釋自動駕駛的水平。根據美國2015年總行駛里程4.8萬公里發生的事故統計，目前平均200萬公里就有一次死亡事故和一次受傷事故。這是什么概念？如果要行駛1.4萬億公里，地球3600圈以上的話，時間需要200多年。挑戰在于如何證明和驗證汽車是安全的。
博世有三點考慮:
第一，符合現行或未來法律法規的要求。今天很多嘉賓都談到了功能安全、預期安全、自動安全、轉向安全，尤其是發生故障時如何保證安全。全安按照汽車開發、驗證、發布的傳統流程，像大家熟悉的V-model一樣，根據行業法規和企業的要求，制定系統要求和零部件要求，一步步進行驗證。整個驗證過程仍在實驗室和封閉的特定實驗場所進行。
自動駕駛涉及的場景太多，傳統的方式已經無法繼續。因此，有必要在實際道路上進行測試，尤其是通過數據驅動的驗證來驗證自動駕駛的安全性。是V模型和數據驅動閉環的結合，實現安全驗證。
運用系統分析方法，如故障樹分析，對所有故障模式進行系統分析，盡可能明確故障模式，找出相應的解決方案，從而更好地驗證安全問題，為大家提供更安全的產品。
第二，應對極其復雜場景的能力。
就是我們現在說的長尾問題。已經處理了許多標準問題。有時候業內有個笑話。要看你和城管的關系，能不能提前把路上不規則的東西處理掉，讓自動駕駛更好的感知周圍的環境。由此可見駕駛環境的復雜。就像剛才周主任提到的，沒有一個駕駛場景是相同的，所有的駕駛場景都可能在開發過程中被覆蓋，所以需要在汽車生命周期中提供持續學習和改進的能力。
博世從三個方面考慮:
(1)充分利用人工智能和車路協調。
它不是一個簡單的人工智能，而是人工智能和概率方法的結合，創造一個可解釋的人工智能。順便說一下，Bosch在今年2月發布了AI標準，希望能做出一個AI algo……thm和產品是可解釋的和高度健壯的。
因為車和人的視野是有限的，路段可以提供更廣闊的視野和無形的信心，幫助我們解決長尾問題。
數據驅動的循環迭代具有量產后持續學習的能力，而不是自行車的自學習能力。方案是將自行車遇到的問題上傳到云端進行統一的離線學習和訓練，然后賦予汽車新的數據和模型。最重要的是保證可追溯，每輛車的狀態都是可追溯的。每輛車都變得不可控不可知，這是一件很可怕的事情。這樣就可以避免單車不可控的發展，很好的解決迭代學習的問題。
我們知道，駕駛情境是千變萬化的，不可能在研發過程中，甚至在后續的學習過程中，覆蓋所有的學習場景。當我們的算法無法檢測到的時候，它需要能夠在無法識別冗余系統故障的情況下保證安全駕駛，包括車內人員的安全和道路使用者的安全。
第三，可持續復制。
從0到1是從無到有，是實驗室的產物，包括現在的DEMO，還屬于0到1的階段。1到n，從100輛車到10萬輛車，100萬輛車，就是工業化的過程。如何實現？因為生產可能是一家工廠生產的，不可能生產一個車模。每個車廠，每個車型的定位和功能都不一樣，所以一定要兼容和可擴展。首先，我們必須建立有利的工具。這兩天有嘉賓談到軟硬件分離，一定要有非常好的基礎。基礎是中間件。博世有非常好的產品——VRTE和AOS，更好的支持應用軟件和硬件的有機結合，并且可以擴展。這時候就會有一個非常好的可擴展架構，可以在不同的傳感器配置和型號中進行復制和擴展，逐步擴大應用范圍。
總結一下實現安全的思考和總結，自動駕駛系統需要提供一致的、可預測的、安全的行為，這是我們對自動駕駛的要求。如果道路使用者和其他動物遇到危險，自動駕駛系統應該盡力避免事故，如果不可避免，必須將傷害降到最低。
必須有系統完整的驗證放行方法，必須建立一套結構化的流程和配套的方法。最后，它必須基于可核實的過程和確定的結果。
感謝您的時間，謝謝！
(注:本文根據現場速記整理，未經發言人審核。)
標簽：
當下，汽車產業正經歷巨變。移動互聯以及各類顛覆性技術讓商業世界快速迭代。科技變革下，汽車行業秩序重建如火如荼，而中國汽車產業也正在成為全球汽車產業創新的主戰場。
1900/1/1 0:00:00編者按：2020年8月7日，全球人工智能和機器人峰會（CCFGAIR2020）正式開幕。
1900/1/1 0:00:00TechWeb8月13日消息，特斯拉供應商、深交所上市公司三花智控發布公告稱，該公司擬吸收合并旗下全資子公司三花自控。
1900/1/1 0:00:00網易汽車8月15日報道2020年8月13日15日，2020中國汽車論壇在上海隆重召開。
1900/1/1 0:00:00網易汽車8月15日報道2020年8月13日15日，以“新變局新挑戰新思路引領中國汽車新征程”為主題的“2020中國汽車論壇”在上海召開。
1900/1/1 0:00:002020年8月13日15日，“2020中國汽車論壇”在上海隆重召開。該論壇是由中國汽車工業協會（CAAM）主辦，世界汽車組織（OICA）、世界經濟論壇（WEF）唯一支持的行業頂級論壇。
1900/1/1 0:00:00
汽車導航