蘇奎峰：自動駕駛，騰訊只做軟件和服務

2020年1月10-12日，中國電動汽車百人會第六屆年度論壇在釣魚臺國賓館正式舉行。本次論壇以“把握形勢，聚焦轉型，引領創新”為主題，繼續秉承“傳遞權威信息，廣泛討論，促進交流合作”的目標，試圖幫助業內人士梳理分析產業形勢，探討回應產業關切，尋找未來3-5年產業調整的方向和路徑。在10日上午的自動駕駛論壇上，騰訊自動駕駛業務中心總經理蘇奎峰就全球自動駕駛前沿技術和發展趨勢發表了對自動駕駛場景的看法。

以下為嘉賓精彩實錄，未經本人審核，已刪除。實際上，我們不太強調L1、L2、L3、L4和L5。我們更傾向于強調場景，我們應該為客戶解決什么樣的問題，在高速擁堵的時候，或者在擁堵模式下，無論是解決用戶的手腳問題。針對這些問題，我今天簡單分享一下騰訊在自動駕駛領域做的一些工作。自動駕駛服務首先要了解用戶的需求。我們在自動駕駛中劃分了幾個場景，包括乘用車和一些特殊場景，還有出租車出行服務。對于我們來說，首先要了解當前客戶的需求，尤其是在乘用車這么大的市場規模下。我們可以看到用戶的兩個痛點。首先，上下班的時候，上高速可能要三到五分鐘，下高速后到公司也要三到五分鐘。80%以上的時間是在高速公路這樣的封閉環境中運行，或者是高峰時段擁堵的城市道路。另一個是長途。當我們長途旅行的時候，這個場景里有擁堵，有高速巡航。在這兩個高頻出行場景中，我們用戶的痛點是顯而易見的，我們更愿意為這兩個場景做一些服務。所以長途出行和擁堵的城市交通環境是我們研究自動駕駛非常重要的業務方向，包括和一些汽車廠商做一些深度合作。從數據驅動的角度來看，我們更喜歡把它們放在一起研究，因為即使在HWP模式下，我們實際上也有擁堵的路況。即使在TJP工作模式下，他也可能會遇到在四環上巡航80公里的狀態，所以會有模式切換，但是我們需要解決的功能設置和場景響應也是一樣的問題。在這些場景之后，騰訊愿意成為軟件和服務的提供者，幫助行業發展。對這些場景做研究，收集數據然后做一些算法來搭建我們的云平臺，仿真平臺，高精地圖。這些都不是為了給車廠提供整體解決方案，我們更愿意用靈活的模塊化甚至場景模塊化來幫助這個行業的發展。在整個布局上，我們將在云平臺、仿真、高精地圖的開發上投入巨資。我們相信這些方面也是互聯網公司的優勢，可以幫助車企發展。要做好云平臺，做好仿真，做好高精地圖。一定要自己做算法的研究，知道痛點在哪里，核心問題在哪里。我們要做好這些定位、感知、決策和核心算法。除了功能安全，我們還需要在系統安全上投資。當然，我們騰訊有科恩實驗室，我們的實驗室在整個信息安全，尤其是汽車領域，應該是全球相對領先的。云平臺模擬+高精地圖，解決用戶痛點。在布局上，我們利用云平臺仿真和高精地圖來支撐車端的算法，解決核心痛點。在整個數據平臺方面，我們在2019年與寶馬合作，打造寶馬在中國的自動駕駛開發平臺。對于自動駕駛，尤其是L2.5以上的自動駕駛，一旦放開，其實就是場景驅動的數據驅動模式，永遠不會改變。我們需要一個高效的開發平臺，在高效利用數據、高效獲取數據、高效獲取計算資源的情況下，滿足系統的要求。因此，我們在世衛組織期間建立了一個閉環系統……研發，而且我們會和車企合作，利用騰訊云的能力和自動駕駛相關研究的能力，支持車企和Tier1做研發。在仿真方面，其實很多車企都在用傳統的仿真軟件做仿真，但是一旦自動駕駛系統在2.5以上，其實有很多場景可以駕駛。場景的驅動系統除了剪輯場景，更多的是道路場景，大量場景需要加速。甚至說需要模擬大量現實中很少遇到的場景，需要搭建虛擬城市的場景。所以在仿真領域，除了單一版本的仿真，我們還會做場景仿真。場景模擬的核心是云加速，我們會產生大量的場景。每一次更新迭代，都需要數百萬場景并行加速，快速驗證需要云的并行計算加速。另外，很多場景在現實中是很難遇到的，哪怕是偶爾。我該怎么辦？我們需要建立一個虛擬城市，在這個虛擬城市中運行隨機的交通流來沉淀這個場景。這是騰訊在模擬方面做的。當然，我們現在和主機廠有一些商業合作，已經實現了云、單機版本的落地。實際上，模擬是在開發階段進行驗證的。自動駕駛是一個學習和進化的過程，在自動駕駛的整個生命周期中，甚至在汽車的生命周期中，都在不斷進化和迭代。在這個過程中，我從車上反饋了一些數據。另外，我們需要這些我們處理不了的場景。經過仿真系統的大量驗證，我們需要對OTA進行升級。目前和未來，自動駕駛系統中的仿真是伴隨整個自動駕駛生命周期的過程，不再是傳統的、簡單的、只在開發階段使用的工具。這是我們在模擬中有幾個核心的功能。一個是交通流量，我們會收集很多數據來看這個交通流量。中國幅員遼闊，各個城市的交通駕駛行為并不完全相同，甚至大相徑庭。我們會收集各個城市的數據來訓練這個交通流，模擬當地的算法。在虛擬城市中，我們采集了國家高速公路的地圖，可以自動快速生成國家高速公路。在做自動駕駛測試驗證的時候，完全可以模擬在國家高速公路上行駛的場景，包括傳感器模型。正是因為我們使用了Enrique引擎，所以我們可以從最底層獲得他們的支持，從而開發出更精確的傳感器模型。同時，他從最底層支持我們驗證傳感器模型和物理模型的一致性。同時，當我們構建3D環境時，我們將從最低的引擎級別加速3D城市級別的模擬。我們認為城市層面的三維重建模擬也是一個世界性難題。我們從最底層的引擎層面構建城市、燈光、天氣、虛擬仿真，這是最核心的功能點。另外一個平臺是我們的高精地圖平臺，高精地圖就是數據和車的軟件。無論對于車載終端，還是除了汽車之外的車載終端軟件系統，我們都會利用我們在地圖定位方面的優勢。我們有全球頂尖的專家來做這個，我們會建立一個完整的閉環來做這個云服務系統。我們只是針對擁堵環境和高速巡航這兩個場景定義了這些硬件。對于騰訊來說，硬件門檻太高。我們從不涉足任何硬件和傳感器。我們只做軟件和服務。這是我們一直非常清楚的。所以我們愿意和車廠和Tier1合作。就算我們做軟件，哪怕一個小點給你帶來價值，我們也愿意提供。不會有捆綁模式，我們更喜歡靈活。原因是我們認為自動駕駛本身是一個進化的過程。不再是傳統的賣一塊硬件的商業模式，而是未來逐步升級軟件的服務模式。基于這樣的服務模式，我們相信一定會有一些共同的合作點。所以自動駕駛解放雙手后，對騰訊來說會有更好的內容生態。騰訊在內容生態上更有優勢。我們有音樂，視頻，游戲和微信，等等。基于這些內容，我們希望能夠……給已經擺脫的司機和乘客更好的內容服務，這樣我們才會把千人千面的服務生態推廣給客戶。對于騰訊來說，做自動駕駛，我們希望從云端打通服務，和你合作，打通汽車的入口。我們希望通過這樣一個入口，為用戶帶來更多的內容和服務生態體系，為行業整體助力，讓你在這個移動智能空間享受到更好的服務。我的分享到此為止。謝謝你。2020年1月10-12日，中國電動汽車百人會第六屆年度論壇在釣魚臺國賓館正式舉行。本次論壇以“把握形勢，聚焦轉型，引領創新”為主題，繼續秉承“傳遞權威信息，廣泛討論，促進交流合作”的目標，試圖幫助業內人士梳理分析產業形勢，探討回應產業關切，尋找未來3-5年產業調整的方向和路徑。在10日上午的自動駕駛論壇上，騰訊自動駕駛業務中心總經理蘇奎峰就全球自動駕駛前沿技術和發展趨勢發表了對自動駕駛場景的看法。

以下為嘉賓精彩實錄，未經本人審核，已刪除。實際上，我們不太強調L1、L2、L3、L4和L5。我們更傾向于強調場景，我們應該為客戶解決什么樣的問題，在高速擁堵的時候，或者在擁堵模式下，無論是解決用戶的手腳問題。針對這些問題，我今天簡單分享一下騰訊在自動駕駛領域做的一些工作。自動駕駛服務首先要了解用戶的需求。我們在自動駕駛中劃分了幾個場景，包括乘用車和一些特殊場景，還有出租車出行服務。對于我們來說，首先要了解當前客戶的需求，尤其是在乘用車這么大的市場規模下。我們可以看到用戶的兩個痛點。首先，上下班的時候，上高速可能要三到五分鐘，下高速后到公司也要三到五分鐘。80%以上的時間是在高速公路這樣的封閉環境中運行，或者是高峰時段擁堵的城市道路。另一個是長途。當我們長途旅行的時候，這個場景里有擁堵，有高速巡航。在這兩個高頻出行場景中，我們用戶的痛點是顯而易見的，我們更愿意為這兩個場景做一些服務。所以長途出行和擁堵的城市交通環境是我們研究自動駕駛非常重要的業務方向，包括和一些汽車廠商做一些深度合作。從數據驅動的角度來看，我們更喜歡把它們放在一起研究，因為即使在HWP模式下，我們實際上也有擁堵的路況。即使在TJP工作模式下，他也可能會遇到在四環上巡航80公里的狀態，所以會有模式切換，但是我們需要解決的功能設置和場景響應也是一樣的問題。在這些場景之后，騰訊愿意成為軟件和服務的提供者，幫助行業發展。對這些場景做研究，收集數據然后做一些算法來搭建我們的云平臺，仿真平臺，高精地圖。這些都不是為了給車廠提供整體解決方案，我們更愿意用靈活的模塊化甚至場景模塊化來幫助這個行業的發展。在整個布局上，我們將在云平臺、仿真、高精地圖的開發上投入巨資。我們相信這些方面也是互聯網公司的優勢，可以幫助車企發展。要做好云平臺，做好仿真，做好高精地圖。一定要自己做算法的研究，知道痛點在哪里，核心問題在哪里。我們要做好這些定位、感知、決策和核心算法。除了功能安全，我們還需要在系統安全上投資。當然，我們騰訊有科恩實驗室，我們的實驗室在整個信息安全領域，尤其是汽車領域，應該是全球相對領先的。云平臺模擬+高精地圖，解決用戶痛點。在布局上，我們利用云平臺仿真和高精地圖來支撐車端的算法，解決核心痛點。在之三……整個數據平臺中，我們在2019年與寶馬合作，搭建了寶馬在中國的自動駕駛開發平臺。對于自動駕駛，尤其是L2.5以上的自動駕駛，一旦放開，其實就是場景驅動的數據驅動模式，永遠不會改變。我們需要一個高效的開發平臺，在高效利用數據、高效獲取數據、高效獲取計算資源的情況下，滿足系統的要求。所以我們在整個研發過程中構建了一個閉環系統，我們會和車企合作，利用騰訊云的能力和自動駕駛相關研究的能力，支持車企和Tier1做研發。在仿真方面，其實很多車企都在用傳統的仿真軟件做仿真，但是一旦自動駕駛系統在2.5以上，其實有很多場景可以駕駛。場景的驅動系統除了剪輯場景，更多的是道路場景，大量場景需要加速。甚至說需要模擬大量現實中很少遇到的場景，需要搭建虛擬城市的場景。所以在仿真領域，除了單一版本的仿真，我們還會做場景仿真。場景模擬的核心是云加速，我們會產生大量的場景。每一次更新迭代，都需要數百萬場景并行加速，快速驗證需要云的并行計算加速。另外，很多場景在現實中是很難遇到的，哪怕是偶爾。我該怎么辦？我們需要建立一個虛擬城市，在這個虛擬城市中運行隨機的交通流來沉淀這個場景。這是騰訊在模擬方面做的。當然，我們現在和主機廠有一些商業合作，已經實現了云、單機版本的落地。實際上，模擬是在開發階段進行驗證的。自動駕駛是一個學習和進化的過程，在自動駕駛的整個生命周期中，甚至在汽車的生命周期中，都在不斷進化和迭代。在這個過程中，我從車上反饋了一些數據。另外，我們需要這些我們處理不了的場景。經過仿真系統的大量驗證，我們需要對OTA進行升級。目前和未來，自動駕駛系統中的仿真是伴隨整個自動駕駛生命周期的過程，不再是傳統的、簡單的、只在開發階段使用的工具。這是我們在模擬中有幾個核心的功能。一個是交通流量，我們會收集很多數據來看這個交通流量。中國幅員遼闊，各個城市的交通駕駛行為并不完全相同，甚至大相徑庭。我們會收集各個城市的數據來訓練這個交通流，模擬當地的算法。在虛擬城市中，我們采集了國家高速公路的地圖，可以自動快速生成國家高速公路。在做自動駕駛測試驗證的時候，完全可以模擬在國家高速公路上行駛的場景，包括傳感器模型。正是因為我們使用了Enrique引擎，所以我們可以從最底層獲得他們的支持，從而開發出更精確的傳感器模型。同時，他從最底層支持我們驗證傳感器模型和物理模型的一致性。同時，當我們構建3D環境時，我們將從最低的引擎級別加速3D城市級別的模擬。我們認為城市層面的三維重建模擬也是一個世界性難題。我們從最底層的引擎層面構建城市、燈光、天氣、虛擬仿真，這是最核心的功能點。另外一個平臺是我們的高精地圖平臺，高精地圖就是數據和車的軟件。無論對于車載終端，還是除了汽車之外的車載終端軟件系統，我們都會利用我們在地圖定位方面的優勢。我們有全球頂尖的專家來做這個，我們會建立一個完整的閉環來做這個云服務系統。我們只是針對擁堵環境和高速巡航這兩個場景定義了這些硬件。對于騰訊來說，硬件門檻太高。我們從不涉足任何硬件和傳感器。我們只做軟件和服務。這是我們一直非常清楚的。所以我們愿意和車廠和Tier1合作。就算我們做軟件，哪怕一個小點給你帶來價值，我們也愿意提供。不會有捆綁模式，我們更喜歡靈活。這是因為我們……我認為自動駕駛本身是一個進化的過程。不再是傳統的賣一塊硬件的商業模式，而是未來逐步升級軟件的服務模式。基于這樣的服務模式，我們相信一定會有一些共同的合作點。所以自動駕駛解放雙手后，對騰訊來說會有更好的內容生態。騰訊在內容生態上更有優勢。我們有音樂，視頻，游戲和微信，等等。基于這些內容，我們希望能夠給已經擺脫的司機和乘客更好的內容服務，這樣我們就把千人千面的服務生態推廣給客戶。對于騰訊來說，做自動駕駛，我們希望從云端打通服務，和你合作，打通汽車的入口。我們希望通過這樣一個入口，為用戶帶來更多的內容和服務生態體系，為行業整體助力，讓你在這個移動智能空間享受到更好的服務。我的分享到此為止。謝謝你。

標簽：寶馬北京

汽車資訊熱門資訊