2017年 6月13日，由泰伯网主办、主题为“空间大数据的崛起”的WGDC2017，在北京国家会议中心盛大开幕。大会由空间信息产业创新创业服务平台泰伯主办，秉承不断引领和促进空间信息技术创新与变革的宗旨，WGDC已走过六个年头，如今成为全球最具前瞻性的跨界创新风向标。
13日，由北京智能车联产业创新中心、中关村智通智能交通产业联盟协办的高精度地图与智能驾驶峰会开幕。峰会上，由极客汽车主编刘时笑主持了主题为“智能驾驶时代，‘老司机’的养成之路”的圆桌讨论。参与圆桌讨论的有武汉理工大学汽车工程学院副教授尹智帅、 智行者科技CEO张德兆、博世底盘控制系统中国区驾驶员辅助业务单元雷达部门经理蔡旌和易图通科技有限公司副总裁、产品中心总经理羊铖。
以下为圆桌讨论实录(未经本人核实)：
刘时笑：非常感谢大家能坚持到现在，我觉得能坚持到现在的大家都是非常非常想来看看几个亿的自动驾驶生意到底怎么谈的。我先自我介绍一下，我来自GeekCar汽车，是一家汽车媒体，非常感谢泰伯网邀请我来主持这个圆桌，可能我们在自动驾驶车联网这个方面关注相对来说比较多的，但是在这次圆桌开始之前我特别想澄清一个概念，就是所谓的智能驾驶在我看来可能一方面是自动驾驶，另外一方面可能是包括车里面的这块屏幕的智能化的演进，所以我们这次圆桌主要讨论的话题就是自动驾驶。当然以及这次论坛的一个主题依旧是高精度地图，首先我也特别希望在座的4位老师可以先自我介绍一下，然后最好在聊一下你们目前关注的这个领域有没有你们在忙的一些事情。
尹智帅：大家好!我叫尹智帅是在武汉理工大学汽车工程学院担任教师，我本身原来一直是在公司，去年回到中国以后就选了高校作为平台，同时还在外面做一些产业化工作。我原来本科是汽车的，但是出国以后包括学习和工作的都跑到IT方面去了，所以本来已经脱离了汽车行业，但是结果一回来发现说自动驾驶基本上就是一个IT技术和汽车的融合，所以我莫名其妙的跑回汽车这个行业来了。现在产业化方面我的工作还是基于信息技术方面做的一些工作，跟汽车方面主要的一个融合点，我还是主要是在高校科研层面的融合，但是科研的东西就和产业现在在讨论的一些热点有一些差别。比如说我们现在正在关注的一个点是人机共驾方面的研究，这个东西应该是在无人驾驶，就是我们所说的5G自动驾驶实现之前可能要面临长期的现状，但是好像目前在产业界或者是一些大的公司对这一块关注不是那么的多，或者说兴趣不是那么大，大家一谈直接都是无人驾驶方向盘后面有人脸，坐在那儿该干嘛干嘛，这个可能是未来十几、二十年之内不太可能达到的一个现实。所以这也就是我待会可能要谈的一点，高校的层面或者是科研的层面，产业界的关注点的一个结合吧，因为各自都有各自的出发点，各自都有各自的发展目标，也有它的合理性，就是高校做的事情和产业做的事情都是有一定的合理性，怎么把这些东西融合起来共同的推进自动驾驶和产业的发展，而不是去画一些大饼或者是谈一些很酷炫的概念。
刘时笑：张总。
张德兆：大家下午好!我跟智帅我们俩是同学，我也是做汽车出身的，我是来自智行者，智行者主要是聚焦与自动驾驶汽车与开发，更具体一点在自动驾驶技术当中主要是做自动驾驶大脑这部分的开发，包括像传感器的4G融合像决策规划海量控制，我们主要是做这些。自动驾驶因为大家都认为可能实现起来会很远，很长时间落地，但是包括刚才像京东的蔡总也讲了，我们可以在一些先进区域范围内像物流作业车、载人方面实现快速化的落地，我们也是在这方面去布局。另外就是着眼于长远做一些马路上的事情，把马路上的自动驾驶，现阶段主要是跟国内的一些车商在合作，现在跟国内七八家车商在合作，好的测试里程超过30万公里，相对比较多一点，这是我们现在大概的一个情况。
蔡旌：大家好!我是蔡旌，是来自博世底盘，我这边是雷达开发，现在有100多人左右，主要是负责雷达的研发，从软件测试到硬件开发到匹配到调试然后提供给我们的主机厂，大概说我们知道的大的主机厂是我们的主要客户，这是一部分。当然我们还有很多组织做视频的，超声波的。我们的目标不仅仅是ADDS或者是L1，我们的目标主要是看L2、L3整个市场的推广。另外一方面在L2也会在今年或者明年年初的时候会有量产的计划，在今年上海车展的之前进行了联合的发布，我的目标是说要把我们的这些传感器，基于传感器的这些定位基础和中国主流的地图图商联合在一起，提供基于雷达和摄像头的高精度地图的方案，等会会具体来讲这个方案，所以很高兴到北京跟大家见面。
刘时笑：羊总，相对来说我对你们的公司可能是有点陌生的。
羊铖：大家下午好!我是羊铖，来自易图通科技北京有限公司，我们公司应该说也是一家老牌的图仓，但是相对我们以前的业余主要是2B，给车商，包括像四维图新和高德对大众的知名度可能相对低一些。应该说对自动驾驶来说，也是我们公司下面重要的战略方向，目前我们在做这么几件事儿，第一件事就是我们在做自动驾驶，刚才在前面的孙总也提到了，他们现在在做自动驾驶的实验园区，其实在PPT里面也提到了，应该说他们是一个面向产品的测试。而在这之前，包括软件包括硬件的保证，我们现在和我们的合作伙伴在做这方面的工作。应该说我们这套方案的优势和其他的这些软件仿真等等，我们会除去激光雷达等等一系列传感器，会把真实的道路环境采集。然后在实验室室内，应该说真实的道路环境来进行仿真，测试这些传感器的算法，包括它的可靠性，一些特殊的情况进行对应，这个是我们现在做的一个方向。另外一个方向，应该说目前和一些国内的车商也在进行自动驾驶方面运营项目的合作。我们这边提供高精度地图，然后的话有我们的软件合作伙伴包括车商来进行自动驾驶前期的研究工作，这个是我们目前在做的一些事儿。
刘时笑：经过四位嘉宾的介绍我不知道大家听明白了没有，我给大家简单地翻译一下，尹总这边是提供人才教学研究，张总这边是做自动驾驶和算法，蔡总是供应商做传感器，现在又有高精度地图的一些东西，羊总就是地图。其实我觉得就是主办方这次的嘉宾邀请搭配还是挺好的，因为如果大家对自动驾驶有一些了解的话，可能会知道整个的自动驾驶可能包括算法、感知、决策控制这些方面，所以今天的嘉宾到场其实涵盖了大部分自动驾驶的一些关键要素。然后我下一个问题特别想问问四位，就是在2016年其实有很多自动驾驶市场非常重大的事情发生，现在2017年了已经过了半年了，那你们在这半年自动驾驶行业里面有哪些新的变化和新的趋势呢?要不然羊总先吧。
羊铖：应该说这样，这个是我个人的一些看法，我觉得进入2017年以后，整个行业对自动驾驶这个事的思考应该说更加理性了。刚才其实尹教授也提到，真正到L4或者L5级别的自动驾驶，其实的话应该相对来说还是比较长远的，真正走向商业化。我说的理性就是包括主机厂，包括供应商也在考虑怎么样把地图应用到L2、L3，相对来说没有这么高，怎么样在L2、L3级别叫做ADDS或者是高级辅助驾驶，怎么样用到这些方面，其实我们现在跟一些供应商和主机厂也在进行这方面的探讨。因为到目前为止主流的应该是在L1跟L2，在这两个阶段其实对于地图的应用相对来说比较少，应该说主要是靠传感器，应该说地图的话其实前面讲了很多了，应该说可以叫做一个电子的概念，汽车传感器视觉的延伸。把车辆的传感器作为受要传感器，而地图的话作为第二传感器，应该说可以给ADDS功能带来很好的体验，这个也是我们现在的合作伙伴包括主机厂探讨的事儿。
我觉得另外一个确实，也可以说是回归理性化的趋势。怎么说呢?其实刚才前面的RIEGL也介绍了他们那套激光雷达的产业设备，其实我们也在用，但是实话实说这套东西的成本太高了，应该说这套东西非常好，采集的无论是精度还是详细程度非常好，确实是世界顶尖水平，但是从商业化的角度来说的话成本太高。应该说我们现在的话，从行业来看或者说包括自己现在也在做这个事，我们在相对来说寻找低成本的高精度地图制作方案。其实从两点出发，第一个从采集的时候就需要降低成本，其实刚才京东的小伙伴也提到，以后的话可能不需要专门的再去采集地图数据，而通过众包的方式，就是包括通过车辆传感器用来制图，这个也是我们现在在探索的一个方向。第二个出发点就是解决数据更新的问题，因为用现在的这种高成本或者说这种高大上方案的话，很难解决地图更新的问题，因为对于自动驾驶也好，无人驾驶也好，地图的话一定是一张动态的地图，它对地图的新鲜度，实时进度要求是非常高的，而通过传统的方案很难解决这样的问题，我不可能实时的去采集，以后一定是车辆上的传感器发现变化传到云端，然后处理以后及时的更新到再返回到客户者。而车辆上的传感器相对来说的话，可能就是一些包括激光雷达，像激光雷达测绘级相对来说比较高端的，我们现在也在做的事寻找低端的包括低成本激光雷达，来解决第一是采集的覆盖面或者是成本。第二个解决更新的问题，这个就是我个人的一些看法，可能跟地图比较相关的一些行业的变化。
刘时笑：好的，那蔡总吧，其实我特别想听听，咱们一会再说合作，特别想听听您从一级供应商的角度或者说底盘控制这些角度来讲解，在近年以来发生大家比较关注自动驾驶方面的一些大事。
蔡旌：刚才也讲2017年的话，其实是一个方向特别明确的一年，在2017年可以看到很多不同新兴的新成立的小公司，不管是Google还是苹果都是在群雄着陆这样子，今年我们在主机厂方面得到路线是非常清楚的，从L1到L2，L3什么样的功能，功能定义是什么样子的，时间点是什么样子的，需要什么样的传感器配置，传感器配置可能会有一些区别，基本上这些方向是比较明确的。从L4、L5所谓的绿色世界来看的话，新的出行方式，新的联盟越来越明确了，看出行公司比较大的主机厂都在进行联盟。
今年年初的时候，我们签了一个战略合作，最主要是做L4、L5，其实从这两个方向来看的话，从最大规模整车厂L1、L2、L3路线越来越清楚，L4、L5不同的联盟形成以后，可能会更加快速的推动整个市场，或者说科技方面的一些创新和尽快应用。另外一方面在中国也可以看到，我们消费者其实对ADDS系统包括L1、L2、L3非常欢迎的，这个也做了很多的调研，不展开了，包括从市场上的反馈，即使说L1看到市场上有非常好的接受程度，一方面要推，一方面也要接受。其实我觉得在中国的发展特别是自动驾驶很有可能会超过某一个欧洲国家或者是美国，因为中国不仅仅是整车厂的变化。因为只有这样能够提供很好的方向和人才的培养。
刘时笑：张总，有人说您做算法的，然后可能最近一年因为大家这些公司是非常热门的，您对这些事情怎么看?
张德兆：是这样，我觉得自动驾驶近年以来发展的特别特别快，咱们每天可以看到一些关于自动驾驶的行为每天都在变化，每天都在变化，去年的话其实进来的大家做实验，今年的话我觉得应该从实验变成实际的课和应用场景去转变。我们不可能永远做实验，现阶段可能会在低速一些应用场所快速的实现市场化，逐渐的在过渡上路上的一些车辆。刚才咱们羊总讲到地图，也是契合今天的主题，高精度地图在自动驾驶车上必不可少的东西，我觉得实现自动驾驶无非两种，一种是依靠高精度地图，它跟传统的地图不是一种概念。另一中利用人工智能也好或者是其他方法也好得到高智商的大脑自动驾驶，我之所以这么说，我觉得我们现在自动驾驶最大的难点不在于感知，而是说感知之后对整个场景的理解才是最难的。现在比如说我前面摄像头识别到前面一个人，人的大脑是很容易判断错误，从他一个眼神和动作很容易判断错误，是否过马路，但是车上的摄像头很难理解这个事情，所以我觉得现在高精度地图是把人对场景的理解加上去，这是高精度地图对自动驾驶来说最主要的作用。
第三个想说的话，刚才蔡博士讲的，后面自动驾驶这件事情在中国的发展，我觉得最伟大的自动驾驶公司会出现在中国，因为我们中国现在有最大的市场和使用环境。我觉得自动驾驶的实现不仅仅是依靠车本身能够决定的，特别是在城市道路的L4、L5实现不仅仅依靠车还依靠大量道路基础设施的改造，而只有中国能够集中力量办大事。这个是咱们整个自动驾驶的理解，另外回到主持人的话题，就是说关于AI在汽车上的应用。实际上我觉得AI这个东西，我们现在一讲就讲AI，AI一切，但是我觉得AI不能解决一切，AI不是万能，所以我们现在只能是说，AI对于我们来说只是一个工具，但不是万能的工具，只能说把它放到车上实现相关的应用，但是要结合出本身的一些特点去做应用。同时我觉得AI它出来是概念性的一个东西，所以说我们基于传统规则的方法，但是自动驾驶上还是有非常多的一些作用在那里，所以我们现在的做法是基于传统规则的方法，加上深度学习方法结合起来做件事情。
刘时笑：所以我的理解比如说像深度学习这些东西，对于自动驾驶来说它是一个必要的手段，但是不能完全的去依赖这些东西。
张德兆：没错，它不是一个充分条件是必要条件。
刘时笑：好，我们把话筒给到尹老师，其实最近一段时间不管是中国还是美国，都有非常多关于自动驾驶人才的话题发声，比如说Google和Uber的自动驾驶专利，比如说百度它也走了很多自动驾驶相关的人才，我不知道从您的角度上来说，您对这些现象有什么样的看法?
尹智帅：我谈这个问题不见得到位，我只是提供一些我自己个人的看法，因为可能我是从高校的角度能够谈一些和人才相关的话题。自动驾驶这个东西，无论是在国内外，其实最早以无人驾驶为目的的这种自动驾驶都是从高校开始。国外的话，比如说2005年斯坦福推出的一个自动驾驶汽车，某种意义上就是Google后面自动驾驶的雏形和基础，国内的态势更明显，我们高校里面比较优秀的就是国防科技大学，他们就是在1985年开始这方面的工作，但是那时候的叫法不一样，更多的是从机器人角度去研发这个东西。但是最迟到2003年的时候，他们的自动驾驶汽车就已经从长沙跑到武汉，高速公路是跑了200多公里了。所以这个东西如果你从技术的前瞻性来说，高校尤其是国内的高校相对于国内的产业界来说是有很大的领先优势。因为高校本身就是一个人才培养的这么一个摇篮，首要的任务应该是人才培养而不是做一大堆的技术研发。所以高校本身在这一方面的基础，应该说是非常好，作为人才培养来讲。
但是高校做自动驾驶的研发，为什么到近两年好像反正就没有那么的抓眼球，从2015年产业界开始大量涌入这个领域开始之后，高校就变得微弱起来，这可能是跟本身的缺陷有关系的。科研本身是探索的过程，探索本身是前瞻性够，但是随意性太强，所以它没有一个清晰的产业化目标，也没有一个清晰的路径，甚至在早年的时候没有对这个东西进行关注的时候，连一些名词都是混乱的。包括现在经常说到自动驾驶、智能驾驶、无人驾驶这些名词有时候是代表不同的东西，所以这个东西也是因为前些年产业界还没有对这个问题高度重视的时候，学界基本上对这个东西是处于放任自流的状态，这在某种意义上也是体现了高校做科研、做研发的一个原有的问题吧，随意性比较强。
这就导致高校在做样车，比方说国防科技大学在2003年能够做出一个跑200多公里高速公路的样车，但是样车离量产产品直接距离非常大的，如果依靠高校去完成这个工作是不可能的，所以就是需要产业界的加入。然后还有另外一条就是现在我看到的一个路径，就是具有高校背景的一些创业团队，出来去做自动驾驶的创业。比如说智行者，这些团队因为他们有优秀的人才基础，高校本身在这方面的技术累计是很长的，时间是非常长的。我们做自动驾驶的话，技术累计是一定不能忽视的，不是说靠一些资本大量的投入或者是一些跨产业的并购投资，就能够最终造出一辆能够真实服务于大众的自动驾驶汽车，尤其是中国凡是要强调自主，自主没有长时间的积累不可能达到。不能说到时候我布局全球的零部件厂商，布局全球AI的这些公司，你就算把公司买了还是人家的公司，像高校技术积累的人出来创业，我觉得是充分发挥高校原有的人才优势，技术基础很好的途径。
关于人才培养方面，其实我自己回来这一年以后是有一些个想法的，就是从我自己接触的本科教学和研究生教学角度来说，我觉得现在呈现出一个分化的状态，本科生教育相对来说僵化。如果各位想从各大高校，不管是从计算机专业、汽车专业还是通讯专业找学生，马上能够投入你们项目工作的话可能是很困难的。比如说汽车专业培养的学生，基本上看他上的课程和我10年以前上的课程一模一样的，基本上都是汽车构造、汽车理论、有一些电子电工的东西，但是绝对不会出现深度学习。人工智能这个东西可能很多学生还不是特别清楚到底代表什么意思。
刘时笑：学汽车的可能还是学本身汽车。
尹智帅：这个问题不只是汽车，还有包括电子的问题。计算机很多学生出来以后在我们的公司实际上派不上很大的用场，就是高校培养的机制无论是国内还是国外和产业界的实际需求存在脱节，研究生稍微好一点点。研究生因为现在的老师一般呈大量纵向的课题和横向的课题，在项目进行过程当中学生可以通过项目去学习一些实际的知识。这个是有点类似于说企业的人才培养方式吧，企业也是通过大量的项目，一些实际的操作去培养人的经验，所以研究生这个方面稍微好一点。
总体来说，中国缺什么不会缺人，人才不需要担心。现在我反而觉得说，包括做我们这些老师们，需要大力的去加强自己的知识累计。因为我觉得现在好像没有哪一个教汽车的老师或者是教计算机或者是教通信的老师，敢说自己能够满足现在产业界的需求，就是连我们自己都让你放到一个公司去，你自己去做研发做不做得了，可能都要打一个很大的问号，那你培养出来的学生怎么可能就面对产业界的需求呢?是吧。
刘时笑：其实是在智能驾驶行业里面，比如说科技公司、互联网公司，然后跟供应商、整车厂越来越融合的这种情况下，但是在高校里面其实还是各自独立的。
尹智帅：高校的话因为它牵扯到很多别的体制问题，你比如说本科生，我上个学期申请开一门新的课程大家被打回来了，为什么呢?因为本科生任何课程的设立都要整个专业讨论，然后要形成一个培养方案，N多年以后才能给你开设这个课程，这可能就是一个体制的问题。
刘时笑：这就涉及到很多不能说的东西了是吗?
尹智帅：不能说不能说，这个完全可以说的，但是体制的改变或者机制的改变不是一时之间就可以办到的。然后还有一点我觉得可以借鉴国外的教学方式，因为现在汽车融合了这么多的技术领域，你如果单从汽车专业去做培养的话这是不现实的，现在汽车如果把通信、人工智能、计算机、图像各方方面面的专家找过来做老师的话，学校变成医科大学了，不可能办得到的。国外是一个专业的课程开放给各个老师去教，甚至比方说掌握核心技术的技术负责人去做客座教授，跟我们客座教授不一样的地方是，他是真真事实每个学期要给你上那么多课的，他是有实实在在的教学任务的，所以我觉得这是我的一个个人看法吧。
刘时笑：好的，谢谢尹老师。接下来把话题回到高精度地图，该蔡总介绍一下你们和高德、百度、四维图新的合作，你们到底想要做的是什么?
蔡旌：我们在讲高精地图这个事情意义非常重要，因为我们刚才也讲到，我们需要大脑，需要有感知，也需要架构，其实我认为在国内我们需要的也是非常重要的，也是今天为什么我要来这边讲高精度地图的重要性。最主要是我们为什么要合作，因为我们第一想要创造一个比较开放的平台，大家就把这些高精度地图的资源能够整合起来，最主要是什么呢?第一个话是说因为很多国内的一些大的地图商他们有自己的采集车，刚刚也讲到采集车去采集最基本的高精度的，这个我们认为非常重要的一层。另外是适合于车的应用，车里面有摄像头、有雷达、有传感器，它要不仅仅通过高精度地图知道原始信息以外，它还要知道我在这个情况下发生了什么，因为我的眼睛看到的，能够用我鼻子闻到的是不一样的，我们需要用传感器特征的一些信息作为地图的单独图层。
我们还有雷达，雷达的话是非常的可以保证高的环境融合性，直接照射，包括我们下雪看不到车道线，我们雷达看到的是车周围的基础设施包括灯烛这样子，我们的精度可以做到的。我们可以通过雷达探测到的信息上传到云端，这个时候其实有很多主机厂可以用我们的雷达，它可以从应该把这信息找到进行它的定位。这样的话第一它可以更快的推广，另外一方面也可以把高精度地图更快的产生出来，刚才谈到众包，这样的话会大大减少对图商的一些成本要求，我们这个其实也是今年开始合作，我们希望是在今年年底会把这个方案能够落地。然后是在2019年、2020年真正的运用这个事情。
刘时笑：但是需要未来车里搭载你们最新的一套雷达。
蔡旌：因为我们现有雷达点云还不够丰富，但是多装几个雷达可能会好很多，但是以后雷达的话不管是我们家的或者其他家的，雷达的成本会下降的，它的性能会越来越好。
刘时笑：时间应该差不多了，OK，简单地总结一下。虽然我们现在在一个讨论空间大数据的场合去讨论自动驾驶这个问题，但是在我看来这两者其实是分不开的，因为包括未来的智能驾驶，其实它都是一个涉及空间的概念，包括之前也有像您说未来的自动驾驶车它就是一个移动的空间。所以从这个角度上来想的话，其实这两个东西是有非常密切关系的，包括刚才大家也提到高精度地图是自动驾驶里面多地的一个非常必不可少的环节，所以说非常感谢大家能在这么一个场合去关注自动驾驶，关注智能驾驶的话题，当然我们肯定也会在未来看到越来越多的关于自动驾驶、关于高精度地图这方面的一些新的新闻、新的动向，当然其中很有可能就来自于我们台上在坐的这几家公司。所以还是希望大家能够继续的多多支持、多多关注自动驾驶领域。因为怎么说呢?其实它并不是一个非常虚幻飘渺的东西，包括智行者，我们已经体验到智行者在封闭区域里面测试的东西，所以其实它离我们的生活真的是越来越近了。所以大家每个人可能在面对几万亿市场的时候，可能都会从各自的角度上看到一些不一样的东西，但是希望大家能明白的是智能驾驶或者是自动驾驶一定是未来或者说短时间内可以让大家看到的一个东西，那也谢谢台上的四位嘉宾跟我们一起进行圆桌的讨论。谢谢!
{{item.content}}