“倪凯：场景打通比级别更重要”

2021年6月10日，第13届中国汽车蓝皮书论坛在合肥隆重开幕。 在接下来的三天三夜里，将举行40多次演讲、17次议题讨论、一本旅游蓝皮书的发布、轩辕之学与法国里昂商学院联合授课的签约仪式。

三大盛典“蓝皮书之夜与轩辕之学大浪一期毕业典礼”、“第六届铃轩奖启动仪式”、“第七届金轩奖颁奖仪式”也在等待嘉宾的就座。 150多名嘉宾将参加大会的演讲和讨论，预计为期三天的全体参加者将超过1000人。

从2009年到2009年，中国汽车蓝皮书论坛已经连续举办了12届，恒心、寻找未来竞争巅峰、盛世危局、挑战与变革、榜样、重构、汽车四化、下一步、升极、梦想与焦虑、勇气、先手

今年，第13届中国汽车蓝皮书的主题被确定为“先手”。 这个概念来自围棋，在对战中争夺先手往往意味着局面的特点乃至胜势。 对于汽车竞争来说，如何掌握先手，拥有先手思维同样决定胜负？

当天下午，禾多科技创始人倪凯进行了主题演讲。

以下是NiKai此次在蓝皮书演讲的复印件。

你好，我是禾多科技的创始人倪凯。 今天我将分享一个主题“自动驾驶所有场景的批量生产落地”。

首先，让我们来看看什么是全屏自动驾驶。 众所周知，waymo是最早在城市无人驾驶的企业，去年晚些时候，特斯拉开始在城市推出fsd功能。 大部分人都在问，明明waymo在城市无人驾驶了10年，为什么特斯拉还要在这个时候自动驾驶去城市？ 今天是我报告的前半部分，我来说明一下我们所理解的未来自动驾驶的一点方向和背后的一点逻辑。

首先，在领域中逐渐形成共识，我认为所谓的场景传递比水平更重要。 什么是场景透视？ 众所周知，过去的驾驶辅助被很多车搭载着。 虽然是类似于acc、ldw的功能，但是很多功能非常分裂。 无论我什么时候开始使用这个功能，什么时候开始使用那个功能，其实那个顾客体验都不好。

我记得我第一次开特斯拉车的时候，有些印象非常深刻。 无论是高速还是城市地区。 虽然城市有点差，但是这个功能还可以运转。 当然，这背后需要自动驾驶技术来支撑整个场景，但反映出顾客体验上的几个非常重要的点，顾客不喜欢实际上被分割的自动驾驶，所以我们认为全场景的开通很重要。

第二，在现阶段，与小范围的无人化驾驶相比，广泛的驾驶对于将来的自动驾驶反复很重要。 为什么呢？ 后面我会说，通过更广泛地执行，我认为重复模仿无人驾驶的算法的数据正在增加。

各位，如何实现这样广泛的运行呢？ 是所谓的大规模搭载。 优秀的体验其实很重要，这样的体验现在贯穿我们整个场景，也体现在很多客户小痛点场景问题的处理上。 例如，我们这里稍微统计了无人驾驶最应该攻略的场面。 包括有一点停车场的场面。 特别是在中国，还包括了一点点的城市、堵车、高速等场面。 通过清除所有这些场景，提高体验，客户可以有动力购买像我们这样的智能车，客户也可以有动力采用这样的功能。 否则，这个功能可能是即使放在车上客户也永远不会打开的功能。

所以简单地说，我觉得有时候可能很慢其实很快，怎么说呢？ 数据迭代升级实际上是一个相对缓慢的过程，所以我使用waymo模式时，会搭载很多激光雷达。 我记得当时百度自动驾驶也搭载了很多激光雷达，很快就可以出样品了，但是实际上要想广泛运行，其实你需要用比较慢的方法实现大规模的搭载。 而且，更难的地方是大规模搭载，可以确保客户的安全。

所以，看看特斯拉目前的数据在l4领先的waymo的数据，就会发现无论是车的数量还是积累的里程数，在这两年中都拉开了质的差距。 这种差距最后体现在所有自动驾驶的进化速度上。

自动驾驶全场景量产落地，我认为还是非常有挑战性的事件，特别是大规模的运行。 一些事件需要保证:

第一个事件是如何建立安全可靠的系统？ 这个系统不是说对自动驾驶制造商和汽车工厂来说是安全可靠的，而是整个市场必须反映你的系统是安全的系统，政府也相应制定了针对高次自动驾驶的规定、政策，使这样的系统安全可靠

二是可以批量生产。

三是商业模式的成立。 我们正在讨论百万订单，甚至是所有领域的上千万订单的交货，所以需要能够交货的商业模式。

你认为自动驾驶行业、能够量产是什么？ 行业不同，批量生产也不同。 在轿车市场上，我们认为，未来5-10年内将实现100万辆级的交付，肯定能够覆盖100万平方公里级的所有场景数据。

这有两个关键点。 第一，为了支持大规模交货，需要合理的商业模式，而不是赚钱或大规模赤字。 第二，这个系统必须给客户足够的价值。 这样的话，你的车会很畅销，并且可以让客户在很大范围内开启功能。 这两点都很重要，关于可以批量生产的定义。

禾多现在关注的是全场景量产的自动驾驶公司。 禾多的名字也是从移动开始移动，希望通过全场景量产的路径实现最后的无人驾驶。

对于制定本土数据驱动的自动驾驶批量生产处理方案，禾多是如何考虑的？ 我们把我们整个系统分成两部分。 一部分是行驶系统，一部分是停车场，或者是专门处理最后一公里的系统。 这边也有简单的视频。 显示的是我们以前做过的高速公路，比如城市和停车场。 我们的创意是在相对批量生产的配置、统一的配置上，为客户提供完美、大部分客户可以涵盖的体验。

具体的草在那些方面有没有考虑一点？ 或者我们要做什么？

第一个是功能安全性、期待的功能安全性。 我们专注于整个系统从一开始的功能安全。 具体来说，我们在许多系统设计中，禾多也在不断地进行这方面的思考。 简单地说，从功能安全的角度来说，我们越来越多的从顶层设计中实现各种安全状态的转移。 包括失效状态在内，我们如何进行降级，如何保证整个自动驾驶系统处于安全状态？

二是期待功能的安全性，期待功能的安全性最核心的是建立整个场景库。

第二个方面:汽车规格级的硬件结构。 在硬件方面，自动驾驶最关注的是两个方面。 第一个是传感器，传感器是毫米波雷达、照相机、gnss、imu、超声波雷达等传感器。 二是车规级域控制，目前有两个方案。 一个是数百吨大计算力的方案。 二是几十t计算力的性价比方案，而且是可以在短时间内迅速扩大客户招聘量的方案。 特别是在必须真正走的计划中，在几十t的计划中，甚至在10t以下的计划中，比较像素的优化经常是重要的，从这些点来看，从硬件向软件开发的转移是如何应对的呢

三是多传感器融合算法。 最中心的是狭义的感知。 现阶段量产最重要的还是多源融合能力。 我们现在传感器很多，如何有效地结合这些消息呢？ 第一个是算法能力的边界。 这可能回到了刚才所说的广泛执行的概念上。 如果不能广泛执行，就无法知道算法能力的界限。 简单地在几条街上跑比较容易。 基于现有硬件搜索算法的局限性，是关系安全的长尾问题。 第三，它适用于包括4g毫米波雷达、激光雷达和相机阵列在内的新硬件。 新的传感器不仅仅是加法，还有可能进入下一个阶段。

不仅狭义的感知，广义的感知也很重要。 也感知地图。 如果把车辆的位置新闻和姿势新闻也考虑为感知新闻的话，那么其位置也是感知的。

另一个是预测，特别是自动驾驶从停车场、城区进入整个城市后，这样的提前量也是衡量司机是新司机还是老司机的核心事件。

所以我认为自动驾驶的所有哈克，本质上是广义上的感知能力不足。

接下来我简单展示几个视频，刚才也提到了整个嵌入式平台的重要性，我们致力于在车规级的线路平台上布局自动驾驶的算法。 (视频播放)这样一系列的系统，可以以非常有竞争力的性价比方案实现主机厂所需的自动运行功能。

二是基于因子图的紧密耦合定位方案。 我们和frank dellaert合作，他刚刚获得了世界顶级机器人峰会rss颁发的第一个时间检查奖。

第三个视频是关于整个停车场景的众包图和动态更新。 领域之一的优点是停车场的地图不像高速公路和城市道路的地图那样商业化。 在这样的大市场背景下，停车场的场景比其他场景有非常好的众包能力。 通过制作这样的地图，停车场比较拥挤，复杂的地图更新工作也可以实现。

除此之外，我们目前在清华大学和视觉感知行业也有非常深入的合作，目前正在进行的项目之一是使用多孔径的相机阵列制造新一代的智能视觉雷达。 因为，我们现在尽管摄像头在重复，但像素数却是100万到200万到800万，这样的重复时间相对于时间来说很长。 我们希望通过多孔径相机阵列的工作，真正把现有的相机技术进一步升级，相机阵列非常回来

最后一部分，我稍微谈谈我们正在做的算法验证工作。 我们自己的整个验证平台，我们叫holox，是我们自主开发的自动驾驶仿真验证平台。 很多朋友问我，为什么不买商业模拟软件？ 理由很简单。 第一是因为商业模拟软件很慢。 二是从下面列举的功能中可以看出，模拟是我们要做的平台中的非常小的功能，具体包括高精度地图、可视化、场景库、随机交通流，所有功能都是模拟平台

最核心的还是场景库的验证这一部分，我们建立了包括天气、道路、交通参与者、驾驶行为、甚至我们一点点的硬件状态在内的我们整体的自动驾驶、模拟和测试的场景库，实际上是道路测量数据。

除了前面提到的模拟、场景库以外，还通过全国规模的大规模实际道路测量积累了这样的数据。 当然，本质上这样的数据，我认为通过搭载车辆可以实现百万辆水平的交付，是最后进入真正无人驾驶的必要门槛，但是在这样的门槛下，我相信所有阶段的自动驾驶功能都是可以慢慢实现的。 测量acc可能需要数十万公里，测量更高级的功能可能需要数百万公里，甚至数千万公里这样的数据。

最后是数据的闭环。 数据闭环的思考主要有两种:

最初的闭环是禾多现在主要以自己为中心进行的，从整个云的模型到自动驾驶的模型更新、云模型培训。

第二个闭环是右边的闭环，是和越来越多领域的合作伙伴一起做的，越来越多的东西包括众包地图、数据融合。 这又可能从停车场地图开始，慢慢扩展到很多场景，实现未来所有场景的高精度地图，从而实现比较及时、实时、廉价的金钱更新。

谢谢你。 这是我今天的演讲。