“吴甘沙：从L2+到L2++的几点思考”

6月10日，2021年第13届中国汽车蓝皮书论坛在合肥隆重开幕。

当天下午，驱动科技联合创始人、董事长、首席执行官吴甘沙带来了主题演讲“l2+到l2+的几点思考”。

以下是他演讲的实录。

下午好，各位。 今年的上海车展有两个新玩家。 一位是大疆，石破天惊式推出l2+的产品。 另一位是华为，在看起来像robotaxi的这种产品形态上安装了l2的盖子。 这是我的主题中的两个，一个是l2+，另一个是l2+。 从l2+到l2++，中途会发生什么？ 对我们的主机厂来说，对供应商来说意味着什么，这是我想说的几点。

如果说l2+最成熟的是特斯拉的产品，那么它的noa就是典型的l2+，可以实现双手解放，实现自动变道、自动进出灯这样的产品。

说到l2++呢？ fsd是非常典型的l2++，可以实现在城市地区的l2级驾驶辅助。

这两种产品成熟度不同。

l2+现在应该至少有几十亿英里的行驶距离。 具体来说，特斯拉也没说。 我推测大致是这样的订单。

l2++，或者说fsd，严格来说还不是非常成熟的产品形态。 根据目前报告的数据，特斯拉大约跑了15.3万英里，有800多名参与者参加了这样一个计划的测试。 这800多人中，只有71人不是特斯拉员工，其他都是特斯拉员工，平均来说，一个人的身体大概只开了186英里，所以应该说还是早期的产品形态。

夹在两者之间的，我不是说是l3。 为什么这么说呢，因为现在l3是否存在，其实是非常有争议的。 我放在两者之间的是所谓的阴影模式，阴影模式利用了你今天的l2车型，它可以大规模引进。 于是我可以大量收集数据，在车里做点受控算法的实验。 这是阴影模式。

如果特斯拉更早的是noa，那么如果包括比noa更早的车型，我预计可能已经覆盖了百亿公里的阴影模式的数据。 当然，这并不一定真的收集了百亿公里的数据。 百亿公里中，可能以10000:1到100000:1的比例收集精华的数据。 这是当今领域的领导人已经做的事情。

今天，让我们来思考几个问题:

思考1 :学习特斯拉不是一天的成功

这是我去年在蓝巴克斯论坛上用的ppt。 这个ppt试图证明特斯拉在近20年来一直做到今天。 这20年的战术思维非常清晰，几乎所有方面都是三步走。 不是一步两步一踢，也不是四步五步那么复杂的摇滚。

例如，产品的定义从超豪华的roadster到普通富豪用的model s/x，再到大众用的model 3/y，核心是做三电，再到电子电器结构的三域控制器，当然它是四域的，它的车身是左车身，右车身的四个。 然后，进一步开发基于该更新后的以太网双环的新的组织架构。

有整车架构三步走，在功能上实现三步走，首先是操控，交替方面实现全新体验，其标志是那块大屏幕，然后实现整车ota，有整车ota就不断实现一些新功能， 最后有了ota就可以不断推送智能驾驶，以后实现数据闭环，所以大家都能做到

自从智能驾驶开始，它就开始进入芯片了。 芯片这个部分也使用了三步走的战略。 因为只有自研芯片才能允许fsd这样的城市场景，所以那个fsd也一步步出新版本，一开始v7几乎没人用，现在v9用了几百人左右。 这就是坚实的三步，通过二十年的时间。

这给我们的主机厂带来了启示，它走过的路我们不用再绕远了。 这是个好地方。 但是，另一方面，它踩过的洞很多都没有发表。 我们再重复那条经过的路时，必须踩一点看不见的洞。 所以，我们怎么办？ 我们现在看到了很多，特别是制造新车的势力，2023年发表了这样的L2+的产品形态，我相信它会采取这样几个步骤进行。

第一，硬件还在一步步完善。 这一步中包括激光雷达。 当然，这样的硬件可能有点潜在的危险，所以那个硬件的接口被设计成后期可以更换。 也就是说，将来可能可以在4s店换成新一代的发动机。 我们认为，要想一下子度过特斯拉的十年，就不能低估其挑战。

虽然现在大家都很激进，但硬件并不是装电脑，挑战不可低估。 因此，预计最早的产品群在硬件方面需要再重复一些。 软件和高精度地图可以用ota方法逐步往上推。 特别是明年、明年推出的一点车型，这辆车可能会在6月上市，但是其自动驾驶的软件到年末可能会提高ota。 虽然一开始肯定还是以l2+的形态被l2+压着，但是l2+相信，还是用特斯拉一样的方法，先从一条线，或者小区域推送，就能进行一点点控制的考试。 我相信即使将来L2 +成为产品后，从稍微定制一点的线路上，整个区域也不可能实现L2 +。

这其中另一个被忽视的是司机的训练。 L2+今天robotaxi企业雇佣的保安人员换成了你和车。 这些保安人员可能需要接受几个月的训练。 所以，这也是业主训练中不可缺少的工作。 这是我们将来发售产品形态的评价。

思考2 :两种车型的组合加速追赶

对车厂来说，我们相信它会对两种车的组合加速特斯拉的追赶。

一种产品形态是有可能发展为l4的l2++，也就是特斯拉fsd，或者华为演示的产品形态，我们称之为l2的样子，l4的灵魂。 这张照片是倪凯刚才包括唐锐在内反复展示的，这张l2的样子，l4的灵魂，这样的l2++，本质上是第一次全面覆盖了这三个场景。 l2+，或者说nov的这种高速公路，关闭了高速的场景。 l4，或者类似robotaxi城市的场景，以及在停车场记忆停车的场景。 所以，用一个产品形态覆盖三个场景。

这三个场景不是像今天这样的车厂。 例如，l2+需要博世，停车需要法雷奥等多家供应商。 那一定是与控制器共享传感器，实现了软件和硬件的兼容性。 从那个域控制上来看，我相信一定有100+tops的计算能力。

今天特斯拉的配置是，前方三个摄像头有三个不同的福克斯。 不同的立场实际上代表着上一代的产品。 新一代800万像素这样的相机，一个就可以覆盖，所以整车基本上可以用约6个相机实现360度。 毫米波雷达上可能会映出4d的图像。 激光雷达，大家看到的第一个l3产品的形态是奥迪的a8，它其实用的是4线激光雷达。 那个激光雷达本质上是为了处理堵车时和车的问题，但是为了实现l2++，我们现在看到的激光雷达，至少是64线，比如大疆的64线，华为的96线。 然后是超声波。 超声波很可能会在车上转一圈而不是转两圈，从而实现更好的近距离感知。 的整个体系结构将成为故障操作。

第二种产品形式，将其称为强化版的l2+，在今天的l2+中加入数据闭环，加入局部阴影模式。 这偶尔是l4魂，第一个是l2。 少了一个场景，城市场景少了，它也变成了共享的控制器和传感器，实现软硬件的解耦。 虽然其计算力为20+tops，是360度的照相机，但并不一定是800万像素。 为什么不是800万像素呢？ 因为800万像素不够这个计算力。 800万像素需要使用更高的计算力。 毫米波、激光雷达没有了，有超声波，也有低速故障操作。

那么多传感器，大家说需要吗？ 特斯拉最近发表了纯粹的视觉，不再使用雷达。 历史上，毫米波雷达作为非常优秀的视觉感知检测器，特别是视觉测距检测器，相信有助于算法的提高。 但是，毫米波雷达也有局限性，毫米波雷达与纯粹视觉的融合，反而有可能拖累纯粹视觉算法的结果，因此做出了这样大胆的决定。 这个决定，我们相信那个纯粹的视觉。 当然，在我们当中，要说多摄像头的纯粹视觉，在光的天气好的情况下，会比视觉+毫米波好，但是在低光和恶劣的天气下，有可能会发生性能的衰退。

当然鱼和熊掌不能兼得。 据说特斯拉车也搭载了激光雷达，但并不是批量生产的，只是作为照相机进行验证用的。

我认为这几个可能会限制特斯拉的技术领先。 我们技术领域常说。 也就是说，发明同样东西的人最后会承认他过时了。 因为他如此推崇视觉算法，所以他可能忽视了激光雷达产业的迅速发展，而在后面的追赶者身上有一定的特点。 这是我们的第二个思考，第二个思考的结论是，未来一定是这两种产品形态的组合。

产品形态一是l2++，它有点曲高，但是我们用的词是“假借真品”，可以借l2的车修你l4的真品。 产品2的形态是步行量。 这样的产品，如果是二三十万(元)的价格，如果采用嵌入的话，价格可以降到四五千元，或者更低。 它可以通过走量、走量实现数据闭环，实现局部阴影模型，可以坐草船借箭，可以借大量的车主跑车获取数据。 这个组合也许是未来汽车工厂应该考虑的事情。

思维oem+供应商关系的重构

典型的例子就是这个。 这是专门做开关旋钮的供应商。 是他对我们说的话。 他们花了30年的时间进入了像bba这样豪华的汽车供应链。 然后，这位董事长去了硅谷，看着model 3，心里凉了一半。 由于以前bba豪华车传来了，一辆车有70个开关旋钮，model只剩下3个，这就是技术突变的发展，给与供应商的关系带来了一些变化。

另一个典型的例子是自适应雨刷。 以前，汽车在前挡风玻璃前面有日光雨量的传感器，它是用单独的ecu实现的，但这是特斯拉，这是一项专利，在挡风玻璃上安装摄像头测量雨量大小，可以卸下整个ecu，仅此而已。 将来可能会有很多像特斯拉那样的创新，但是这辆车有独特的地方。 当然最终产品是不是这样还不知道，但是现在看起来独特的地方是没有雨刷。 这是专利，用激光除尘除水。

这些都反映了什么？ 硬件电子化、集中化、平台化。 从以前流传下来的零件的软件化，会带来很多利益。 例如，全球智能。 本来我感知雨量是在ecu里做的。 那个和车的其他部分的信息表现有限。 但是，当我把它做成软件模块的时候，如果感知雨量的大小，我会发生很多事件。 例如，我可以自动摇动打开的窗户，通知导航软件走不同的路，通知制动系统选择不同的模式，从而实现，但对于以硬件为中心的供应商来说，很大程度上

所以，这里面出现了全新的oem和供应商的关系。 一个是怎么集成，本来是通过黑匣子集成的，现在通过灰匣子，白匣子。 二是如何进化。 零件卖给车厂结束了。 目前，数据管理必须联合全生命周期，自动驾驶持续演化的迭代需要全生命周期数据的交换。 第三，如何分钱。 那里带来了全新的这样的关系。 我相信oem会和供应商进行深度融合。 这种深度融合是为了更好地迎接暴风雨般的未来。

这是今天的燃料车。 框架很便宜，但是用起来很贵。 电动汽车相反，用起来比较便宜，但买了就比较贵。 今天基本平衡了。 早上，小鹏表示，今天的电动汽车只占5%的市场份额，但根据今天技术的快速发展趋势，到2023年，电池将降至新的价格，此时电动汽车不仅会使用，而且可能还会便宜。 这对我们的汽车市场是第一个冲击。

第二波冲击是成为智能电动车、智能电动车，车的成本将进一步降低。 我觉得这可能违背直觉，但这里面有很多更贵的智能零件，所以为什么下降了更多呢？ 这是因为您可以降低硬件的毛利，并通过软件和订阅服务获得更高的毛利。 这就是第二波的冲击，但这两种冲击，特别是第二波的冲击，需要主机厂和供应商能够在深层次上融合。

思考4 :新时代的供应商需要三种能力

我们利用我们企业发展势头良好的技术制作了样品。

第一个是可以批量生产、可以白盒的产品模块涵盖三个场景。

为什么要使用产品模块而不是一个产品，正如我前面所说，无论是l2+还是l2+，都是由主机制造商主导开发和集成的，所以供应商提供的是可以批量生产、可以白盒的产品模块。 我们现在正在和主机厂合作，进行这样的实践。 例如，这可以达到刚才一汽李丹院长提到的l3，但我不敢声称这是l3的产品。 在停车场l4级代理停车场，我们也向整车厂提供少量交货。 城市l4级robotaxi，开始与东风合作运营团队。

这三个场景使用统一的菜单化传感器、控制器模板。 我刚才说的是模块，这里说的是模板。 模板是一种参考设计，可以高度定制，可以让主机厂改造，可以替代的模板。

其中的产品模块包括激光雷达在内的完整的前视和环视计算机算法，为激光雷达的点云解决提供了非常好的场景。 包括深度学习+slam+语义定位的视觉定位。 这些模块将嵌入到模板中，以实现快速定制。

例如，这辆车，这辆车和轿车没什么关系，是做末端配送的。 但是这辆车的底盘租的是a00级车的底盘。 我们本来是做avp的，加上l4城市区域的感知和决策算法，通过快速的模板定制化，它很快就做出了新产品。 由于用最新技术传递来了不进行末端配送的产品，我们中还是强调以产品模块为基础、以模板为基础，可以迅速定制。

当然，我们也成为了汽车商务评论家轩辕奖的合作伙伴，去年测试了34种参赛车，完成了87页的测试报告，对市场上的产品是什么状态做出了更专业的判断。

二是控制许多复杂的硬件和软件系统的能力。 我们作为新的供应商，这一块是我们的核心竞争力。 因为我们的核心团队参与了多个核心芯片和系统软件的研发，我们可以看到我们建立了四代核心域控制器。 各代更小，更符合车规，计算能力更高，我们根据汽车领域的要求，从最初的iso 9001到iatf 16949包括iso 27001进行认证。

第三个是云，你要实现闭环，就需要车+云。 在云端，我们也实现了全功能的云端大脑。 这有助于主机厂实现数据和ai算法的闭环。 这个云平台目前正在帮助一些主机制造商定制和交付。 其中包括从最底层的基础架构到工具、模拟服务、上面的地图、多辆车的调度、运输、数据观察、第三方系统界面的真正访问，一切都可以定制。

模拟确实是一个非常有用的工具。 因为，我可以应对今天我测试的里程太多的问题。 如果你真的在路上跑的话，那个价格非常大。 想象一下我们在制作软件。 每次升级软件时，我都需要重新进行回归测试。 当你回归测试的行驶距离达到百万、千万公里时，几乎不能开所有的实车。 此时，模拟将变得非常有效。

今天首先和大家分享这四个思考。 说这么多，谢谢。