沃尔沃汽车：油、插、电并行
来源：汽车商业评论（钱亚光）22年12月23日 18:42
2022中国汽车供应链峰会暨第七届铃轩奖盛典主题为“反应”，意在表达转型期汽车行业对供应链发展的迫切要求。它反应了在不确定性大环境下主机厂和零部件供应商之间相互融合的新境界，更揭示了新能源智能网联汽车时代产业竞争的复杂局面和生态重组的迫切性。
本届峰会期间，与会企业家、专家围绕“电动化新格局”“智能化新探索”“构筑新汽车命门”和“打造韧性供应链”等话题，展开头脑风暴，主机厂和供应链企业加强深度合作、共同应对复杂的市场变化成为共识。
23日下午，在轻舟智航联合创始人、CEO于骞的主持下，华为智驾产品线首席运营官李晓骏，禾赛科技亚太汽车业务副总裁张伟，纵目科技副总裁朱光伟，禾多科技创始人、CEO倪凯，镭神智能系统副总裁、汽车事业部总经理曾磊和几何伙伴首席产品与用户官史颂华，以“智驾传感器架构最优路线”为题，进行了深入的探讨。
以下是圆桌讨论实录，由汽车商业评论钱亚光整理，此处略有删节。
主持人于骞（轻舟智航联合创始人、CEO）：今天下午我们这个圆桌论坛的主题是关于智驾传感器架构的最佳路线，我们非常有幸邀请到了几位重磅的嘉宾，包括华为智驾产品线首席运营官李晓骏，禾赛科技亚太汽车业务副总裁张伟，纵目科技副总裁朱光伟，禾多科技创始人、CEO倪凯，镭神智能系统副总裁、汽车事业部总经理曾磊和几何伙伴首席产品与用户官史颂华。
非常有幸请到这几位嘉宾，这几位嘉宾都是行业里的专家和大咖，让我们以热烈掌声欢迎我们的嘉宾入座。
在今天这个特别的日子，大家能够聚在一起很不容易，因为疫情很严重，我们能在一起不仅是缘分，也是真爱。
大家知道电动化、智能化的发展非常快，而在智能化里面，传感器的发展是特别重要的一个环节，所以我们今天下午主要围绕的话题是以传感器来进行的。当然组委会给我们准备了一些话题，也是非常有话题性，也蛮尖锐的，参加的嘉宾很多都是老朋友和老同学，我们也非常希望大家畅所欲言，能够把自己的观点讲得更加犀利一些。
第一个问题是，在智能化发展过程之中，大家越来越多把传感器，尤其是高阶传感器上车，包括高线束激光雷达，高像素摄像头从200万像素到800万像素，甚至最新设计都到16000万像素。
这样使得汽车看上去很高端，但同时也增加了很多车的成本。我特别希望几位大咖能帮我们介绍一下，怎么能够在系统架构的设计上，平衡成本和功能，怎么保证它的性价比能更加合理？
曾磊（镭神智能系统副总裁、汽车事业部总经理）：我是来自深圳镭神科技的曾磊，我们镭神是2015年2月份开始做激光雷达，到现在已经有七年多了，一直聚焦在激光雷达这个核心传感器上。
我觉得您说得非常对，激光雷达在前年我们看到市场的爆发和去年有大批量的定点之后，今年我们已经到了大批量的转场和落地的状态。而且现在主机厂也参与到很多大量新车型的预研之中。
在我来看，目前所有的车企在自动驾驶中，已经把激光雷达当成了一个很重要的核心传感器。此前我们一直有听说激光雷达要不要上车之争，比如说特斯拉一直公开讲，只用摄像头，但我们现在也看到他们的一些变化，如特斯拉也在新的方案中选用激光雷达等等。
现在来看，激光雷达在核心的传感器中也会有一些痛点存在，比如说我们经常讲的成本、价格，比如说产品的稳定性，包括它的尺寸、算力的需求等等，所以我会觉得激光雷达目前算是在摸索和共同进步和探讨之中，谢谢。
于骞：倪总。
倪凯（禾多科技创始人、CEO）：我是禾多科技的倪凯，跟大家分享一下我对刚才于骞总问题的一些看法。
首先我觉得做一个智驾的产品从高端往低端打，从大的逻辑上来说，其实并没有什么问题。大家看电动车，特斯拉现在可能买得最多的是Model 3、Model Y，但是最早的时候它也是靠Model S开始卖的。我觉得通过一款标杆性的产品给用户一个非常能够有印象的标杆企业，对于整个行业的健康发展都是有好处的。
第二方面，我觉得也要一分为二看问题。从长期看，我觉得每个从业者肯定非常关注自动驾驶产品能不能服务更多的消费者，或者说从汽车行业的角度来说，能不能走量，这件事情肯定是大家都关心的。
如果从第二个角度来看的话，可能必须要回答的问题，不管是激光雷达还是高像素摄像头，以及其他相对昂贵的传感器、芯片，都要回答的是最后提供的产品力是多少。
开始我们走高端的时候，只要堆料，有产品力出来就可以，但最后大家还是要算一笔账，性价比最优的地方在哪里。无论是智能汽车还是智能手机，或多或少都要经历这样的阶段，最后在市场上肯定有高端的，中低端市场也有定义，这样的事情是必然会发生的，而且整个智能驾驶行业也在非常积极思考这样的问题。
从禾多的角度来说，我们现阶段传感器布局，会更多从行泊一体的角度来考虑整个问题。行泊一体在某个维度上看，其实是希望把所有传感器的架构和信息能够尽可能融合起来，在产品力端可以向用户提供更多的场景。
如果我们说原来行车系统，随便举个例子，如果我们把它向消费者提供的产品力量化成2000元，泊车是2000元，加在一起是4000元，当然这个数字是随便说的。本质上说系统能够承担更多传感器的布置，还是非常重要的。最后，我相信行业还会用用户体验、产品力，为自己的产品体系和产品设计背书，谢谢大家。
朱光伟（纵目科技副总裁）：刚才听了镭神和禾多的分享，很有启发。一段时间以来，大家都在追求高大上，都在追求多，这也没错，是技术的进步。但是汽车，包括世界上任何的产品，不存在最好，只有最合适。
我们要去思考一下，我们开发的产品，最后上车，它要达到什么样的目的，自动驾驶也好，智能网联也好，我们要给用户带来更好的体验，我觉得这是最关键的。我们看到，过去一段时间比亚迪的销量很好，但比亚迪销量很好的车在智能化方面没有花多少钱，仍然卖得很好，这也给我们一个启发，我们上高大上的东西，是不是真正能够给用户带来合适的体验，我觉得这个要去思考。
产品的价格、产品的成本，实际上一直是我们需要去追求的。老百姓要共同富裕，我们的车也要有高中低不同的选择，给用户来做选择，来做体验，我觉得这点比较重要。我们今后开发产品，可以朝着这个思路，多去思考一下，谢谢大家。
于骞：您讲得非常好，更多是从体验的角度出发，而不是堆料。
张伟（禾赛科技亚太汽车业务副总裁）：大家好，我是禾赛科技的张伟，首先请允许我代表禾赛科技CEO李一帆博士，给大家致以最诚挚的问候。他说，今天有很多老朋友和新朋友，因为刚好在美国，所以没有办法来参会。也感谢贾可博士团队带来这样的商业盛会，我本人是巨浪四期的学员，很开心、很荣幸与各位大咖面对面交流。
刚才余总讲到智能汽车在进行传感器的堆叠。在我看来，这种堆叠可能更深层次表明了各大主机厂都把自动驾驶的安全性和冗余度作为最高优先级的考虑，他们认为多用传感器就能够实现更好的安全效果。
我们认为，在将来智能化引导汽车产业浪潮前进的过程中，传感器的使用，实际上是如何合理规划传感器的使用，最终会落实到算法和决策的层面。包括朱总和几位大咖讲了，给客户的体验才是王道。
我们当然希望用最好的传感器组合，通过算法规划出客户能够买单的应用场景，使得这些场景能够带领客户有更好的体验，从而实现智能化引导汽车的销售，就是这么一种情况。
禾赛科技比较单一，从2014年开始就做激光雷达。其实激光雷达是三维传感器，从工程第一性角度来讲，三维肯定比二维更安全，激光雷达也可以解决特殊场景下，比如在复杂的隧道、桥梁、高速公路上，进行远距离、小障碍物的检测，可能有其他传感器不可替代的优势。我们相信把传感器用好，给用户最好的体验，才是真正决胜智能化，引领方向和潮流的最好方向，谢谢大家。
李晓骏（华为智驾产品线首席运营官）：大家好，我是华为智能驾驶产品线首席运营官李晓骏。从营销角度来说，去展现传感器的数量，包括我们算力的多少，其实都是营销的方式。这种情况在前几年座舱也有，当时高档车基本上等于屏的数量。
但是相比座舱来说，传感器的数量和算力，真正消费者是看不到的，如果不能转化成能够体验到的客户感受，这种营销手段是非常单一的，或者不是特别成功。
从华为角度来说，我们认为还是要去匹配每种车型的定位和所对应用户的需求。
举个例子，对于L1和L2辅助自动驾驶的功能，我们认为在开发阶段把功能需求定义以后，选取性价比最高的传感器配置和算力平台来实现，这可能是最好的实现方法。
但是对于高阶的自动驾驶来说，华为和主机厂合作了两款HI车型，按照我们之前的经验，高端的智能辅助驾驶系统，需要不断升级和迭代。换句话说我们的逻辑就是硬件，包括传感器配置和算力平台，不能成为这两三年之内整个智驾系统的瓶颈。
从这点来说，我们会根据整体算法的逻辑和架构，预测两到三年后，我们能够实现的水平和硬件的需求，来预留部分算力和传感器能力，从而不会快速成为整个系统的瓶颈。这样的话前提条件就是，这部分预留能力有成本，大多数需要用户来买单。这种方式更多是存在于相对高端的车型上面。
总体而言，随着整个算法和系统能力提升，对传感器的数量和配置也会有变化。比如开始我们更多考虑激光雷达配得越多越好，但是做了两三年算法的研究发现，有时候激光雷达的位置和组合方式，并没有我们想象的线性关系，采取更少量的激光雷达，也可以达到更好的效果。这是智驾系统发展过程中需要一起来考虑的，谢谢大家。
于骞：车型和智驾功能要匹配起来，这是特别好的出发点。请线上几何伙伴的史总来讲讲。
史颂华（几何伙伴首席产品与用户官）：于总好，非常抱歉，由于个人身体的原因，我不能到现场，只能在现场跟大家做交流。针对主持人的问题，关于传感器的数量是否会无限增长，如何降本？我们当然有自己的看法。
在处理非常难问题的时候，我们认为100个小学生肯定做不过一个博士生。对于我们来讲，传感器的数量不可能是无限增加的，最优的办法是提升传感器的质量，把传感器的短板效应彻底弥补掉，这也是我们几何伙伴在成立时候的初衷。
几何伙伴是做毫米波雷达的，正是我们看到了在传统ADAS这个板块中，3D雷达在后端决策的参与度并不是太高，只是做到了一些障碍物的检测以及结构化数据的融合，实际上相比于视觉和激光雷达来讲，它并没有做到对目标的识别，仅仅做到了对目标的感知。
在这种情况下，可能很多的场景还是需要激光雷达、视觉覆盖掉很多的场景。对于我们来讲，提高了毫米波雷达的认知能力之后，变向提升了整个系统的鲁棒性。
所以从我们的角度来看，如何把整个传感系统鲁棒性和功能做到最佳，我们不排斥任何传感器之间的互补和互溶。视觉有视觉的优势，激光有激光的模式，毫米波雷达如果能够提升自身的质量，跟视觉、激光的融合，一定会把整个车载高级自动驾驶所需要的传感器配置做到最优。
只有做到最优，才会有用户最好的体验，只有用户有最好的体验，这样传感器的架构才会被消费者买单，也才能真正为自动驾驶发展过程中所接受。以上是我的观点，谢谢。
于骞：谢谢史总。我们特别注重体验，除了智驾体验的行车，泊车体验也非常重要。在智驾架构里面，把行车、泊车控制器和传感器，在行车、泊车过程中通过分时的方式一起使用起来，对于我们架构特别有帮助。
从行泊一体架构来讲，如何对传感器和计算单元实现分时，或者怎么样更好地使用，想听听禾多倪总和做整体方案的朱总、华为的李总，帮我们多做分析。
倪凯：行泊一体，是多传感器融合非常好的战场，这个战场本质是从产品端更有优势，不管是从性价比还是用户体验来考虑。
传感器融合在行泊一体上表现在几个层面上：第一，能不能把第一层面上行车的传感器给泊车用，泊车的传感器给行车用，这是最底层的逻辑，把传感器的作用最大程度的发挥。
从这个角度来说，行泊一体也符合自动驾驶很多行车的功能往城区走的趋势。开始我们说行泊一体，更多是高速的场景和泊车的场景，现在大家都在考虑的是城区的场景。
在城区的场景，从速度上说，或者从复杂性来说，恰恰跟高速公路有接壤的部分，但是跟泊车的场景也有很多接壤的部分，这是从整个传感器打通的角度来说，是非常好的底子。
从整个硬件的打通来说，长远来看，我们认为从算法层面上，大家也在做打通的探索。最简单的就是整个自动驾驶系统的场景，其实是不断变化的场景，很难说某个时刻某个场景上，完全用一套算法去做执行的情况，能够很好应对更多复杂情况下行泊场景的切换。
第二，我们有这么多的传感器，整个传感器不管是从SOA的架构来说，还是具体感知的任务来说，其实都是要把技术能力在这些方面进行深层次的打通，这个打通是第二层面，除了硬件上，我们还要在软件上进行更好的打通。
第三，对未来传感器发展的推动，刚才很多嘉宾也提到了各种新的传感器。我个人的观点，传感器会不断演进，我们看手机的话，最早是单摄，后来又有双摄，现在很多人手机用的是三摄，甚至是手机上TOF激光雷达的传感器在里面。
随着功能和场景不断往前递进，行业里面会慢慢在每个阶段定义当下这个阶段最主达的功能和传感器的主要变化。禾多更多关注域控，我们很期待跟整个行业传感器厂商一起定义未来最好最佳性价比的方案，能够最好服务于总说的行泊一体的方案。谢谢大家。
朱光伟：行泊一体一定是方向，就像域控走融合的路是方向一样。千万不要忘记当下自己的核心竞争力和解决方案，能够给用户带来更好的体验，甚至带来极致的体验，这样的解决方案不能轻易的丢掉。
我们纵目接下来几年把泊车做到极致，在市场上单泊车也有它存在或者生存的市场。但是话说回来，接下来一定是走融合的道路，包括行泊一体、舱行泊一体，包括传感器的互用、控制器的融合。
以往的话，我们发展都是做加法，堆叠的东西越来越多，所以我认为今后发展到一定程度要做减法，这个减法包括传感器的复用，包括通过软件通过新的架构SOC做简化。简化的话，不是简化它的功能，恰恰是做强化，我觉得这可能是哲学命题。谢谢。
李晓骏：华为进入车行业不算太长，因为我对之前行泊一体的历史不是特别理解，因为我们做的智能驾驶系统一开始定位就是行泊一体化，从硬件、传感器配置、软件架构、算法，就是从一体化开始做的。我的理解可能不一定成熟，我觉得几年以前的行泊可能功能的要求和性能的要求相对是比较低的，这样你从解决方案的角度推过来，发现它们所需要的传感器和算力平台可能融合在一起还不如不融合起来，可能性价比是更高的，在这种情况下还没办法复用，也许可能就分开了。
但是随着后面行泊智能化的要求越来越多，每一个功能所需要配置的传感器和它的算力都会有所提升。打个比方，我的泊如果有AVP的话，你肯定需要很多行车的能力，因为你怎么开进这个车库，就需要看周边很多视觉。这时候你会发现它本身在传感器上面就很多复用的，就成为一种可能。所以我觉得这时候行泊一体化从方案角度来说，还是从算力合一角度来说，本身就是合情合理的。
于骞：李总的意思是这个需求使得我们的复用变得更加可能，需求提升。
李晓骏：是的，而且我觉得泊本身的话，因为我们的智驾系统，一开始我认为相对做得比较成熟的方案是泊。但我发现泊要做得很好的话，它对于传感器，包括对算力的要求，并没有之前大家想象中的那么低。
于骞：泊车也很难做。我也想听听包括做激光雷达的两位厂商，在你们的产品里面是怎么考虑泊车这件事的，现在补盲的雷达越来越多，相信对泊车有很大帮助。
张伟：因为激光雷达产品相对来说比较单一，但是对于行泊一体这件事，我可能从技术层面和用户感受层面两方面聊聊我们比较浅显的见解。
从技术层面来讲，像现在这种分布式连接和集中式运算肯定是一个非常好的潮流，无论是舱驾融合，甚至是行泊一体，都是把以前固有的底盘域、车身域、娱乐域捏在一起。因为我们了解到特斯拉号称是名义上的大脑，实质三个大脑，可能大家都在往这个方向在走。所以我们认为这事可能确实是趋势，刚才几位领导也讲了。
从用户体验上来讲，刚才大家都在强调用户感受，希望通过智能化能够给客户带来好的场景体验。如果说到激光雷达，刚才我们也一直强调激光雷达其实能够解决很多特殊场景下的一些corner case。
我们举一个小的例子，比如上海有很多立体式车库，车库上下层升降用了一根铰链，大概像手指这么粗的铰链。在泊车的时候，如果灯光比较暗的情况下，如果用传统的超声波雷达、毫米波雷达都极有可能对这个铰链发生一些误识别的情况，发生擦碰。
但是激光雷达因为它的角分辨率特别小，对于小物体的监测能力，确实在这方面会进行一些弥补。所以在这样类似的场景下，激光雷达是能够作为3D传感器在泊车的场景中能帮助解决一些corner case，这是我个人的一些浅显的见解。
曾磊：我们主要是做激光雷达传感器，做控制的几位领导这边已经把他们的观点表达很清楚了，在我这里我也想说，我们现在基于激光雷达本身参与的主机厂的项目，包括一些低速车等园区的小场景车，我们在激光雷达本身会有很多跟激光雷达自己的方案相关的场景。比如说我们经常会去探讨我们到底用几颗主雷达，几颗补盲雷达，或者说我们的主雷达到底用1550nm还是905nm，我们的补盲雷达现在的方案是用Flash走纯固态，还是暂时先以半固态再做一两年，等到纯固态更成熟一点再说。这里面会有大量一些实际案例的需求，当然我们也在深入参与。
所以我觉得从激光雷达本身来讲，现在这件事情是非常热闹的，我们也都做了大量的事，我觉得把这个问题还是由几位专家来讲会更好一点。
于骞：史总，你有什么想讲的吗？从传感器角度来讲有哪些可以助力的吗？
史颂华：是这样的，关于行泊一体，我们一直认为行泊一体是可能解决最后消费者买单最优的一个路线。当然我们几何现在也是充分考虑行泊一体这样的解决方案。
刚才我也在想，真正要解决行泊一体，一方面是从传感器本身它是否能够具备在这样的一个高速场景和低速场景下自由的切换。第二个就像刚才禾多的倪总讲的，靠后端的算力，在算法上能不能自由切换。
实际上我们在做毫米波雷达的时候，我们也已经充分考虑在高速场景下，我们车辆的交汇，我更多需要去解这样的速度模糊，速度可能是我其中最为优势的一维数据，对这一维数据的利用，我需要花大量的计算资源去解析这样的速度。
在低速场景下，我们交汇过程当中可能不会再产生这样的速度模糊，这样我可以把我后端的算力释放出来，我只需要在距离维这块能够做到足够高的精度。
所以我们现阶段的产品，我既可以在高速行进的场景下能够解决这样的速度模糊，当然我牺牲了这样的距离的盲区，我可能在高速场景下，我的距离盲区会达到30厘米以上，但是在低速场景下或者泊车的场景下，我把大量的计算资源能够放到这样的距离解析上面，我可以做到将盲区控制在10厘米以内。这样的话，我的这个产品既能满足行车场景，也能满足这样的泊车场景。
当然随之带来的是我们后端算力的切换，会对整个的域控，或者将来讲的车载计算机，会有非常大的算力消耗，我们也是希望后续国内真正做百T算力的芯片能够尽快问世，我相信在硬件功能的迭代下，以及在算力的匹配下，行泊一体一定会在三五年之内成为一个趋势。
以上是我的见解，谢谢！
于骞：今天我们讨论的话题虽然主要是传感器这方面，但是有一种说法，高精地图可以认为是另外一种传感器，对于整个的智驾来讲。所以我们特别想听听，尤其是几位做系统方案的大咖们，在城市内部，包括高速公路，对于量产车，高精地图是不是必要的？我们现在也看到一个趋势，很多的主机厂也好，还是供应商也好，提出了轻地图、重感知的方案，这点想听听几位大咖关于高精地图一些自己的看法，从华为的李总开始。
李晓骏：大家也知道使用高精地图首先要考虑国家政策的趋势，目前来看，国家是逐步收紧了对于高精地图资质的发放，这是首先一个政策。所以目前来看，虽然年底以前说是有六个城市的试点会逐步放开，目前包括广州、深圳和上海应该都已经开放了。但是相比于全国这么多城市来说的话，我觉得整体的高精地图的开放可能比我们想象中要晚一些，这是第一个。
第二个，高精地图的核心，从商用角度来说它的成本。大家都知道之前一个大的城市，特别是城区高精地图，成本不是一个车厂或者某一个企业能够承受的，除非是我们大家都同样用一套高精地图。但是由于高精地图，很多算法公司是把它作为第四种传感器，所以它又和我们的算法密切相关，所以要做到标准化也很难，这就是个悖论。
高精地图某种意义上给高阶自动驾驶叠加了非常高的成本。所以从长远来说，我们认为随着激光雷达、视觉和算法自构图能力的提升，在很多城市逐步会去放松对高精地图的需求。
华为在做自动驾驶开发过程中也发现，高精地图在高速公路上的变化比较小，但对于城区来说，比如上海，天天修路，高精地图一旦成型以后，这个车到了修路的地方，你是听高精地图的，还是听自己的感知呢，这时候如果处理不好会有危险的发生，这种情况是悖论。
但是要走国家高精地图的更新流程可能要一两个月，那时候路可能已经修完了，所以导致这种时候有些用户体验并不是很好。
从某种角度来说，我认为高精地图在高速公路上，在感知能力或者大算力平台还没有很好地搭建起来之前，它能够快速地帮助我们实现自动驾驶的一些比较高级的体验。但随着后面数据的积累和各种算法的优化以及算力平台的提升，包括激光雷达和各种传感器的使用，我相信后面的NCA还是会逐步依赖于本车的能力或者商用车的能力，而不是依赖于高精地图。
于骞：非常感谢您！也非常恭喜在上一周的中国轩辕奖的评比中，华为有两款车型都是在智驾和泊车方面排名非常靠前，我想请问关于北汽极狐还是阿维塔的这两款车，它们都是使用高精地图吗？
李晓骏：对，它们都在使用高精地图。其实这个东西就像我刚才举的例子，如果有地方修路，你开过去，发现实际感知的道路和你的高精地图是不符的，这时候你的车怎么办？这就是非常关键的点。当你觉得你的算法或者你的感知能力可信度比较低的时候，你更多还是会follow高精地图，这个就做接管。但是一旦你觉得这方面的能力接近于高精地图的话，可能你慢慢会转向相应的感知能力，这时候NCA就会逐步慢慢摆脱高精地图。
于骞：在高速公路场景上变化比较小。
李晓骏：高速公路场景变化比较小，所以大多数会比较好地去认知这个高精地图。
于骞：请倪总介绍一下，关于高精地图禾多是怎么看的？
倪凯：我觉得可以从几个角度去看高精地图，首先我们可能在讨论高精地图的时候，这个词的含义有时候是偏狭义的高精地图，就是现在图商正在提供的模式，尤其是大家都知道高速公路的高精地图，城区可能现在刚开始。
这种我认为是相对来说比较狭义的高精地图，它不仅仅指的是地图数据本身，也指了后面地图整个的采集，包括商业销售的模式。
我觉得第二种是更广义的高精地图，或者说在自动驾驶上大量的先验信息，这种先验知识对于整个自动驾驶未来的地位是怎么样。我可能先把狭义的放一放，先来看广义的这件事情，我个人认为从广义的角度来说，高精地图还是会在整个自动驾驶系统里面，扮演非常强的角色。
我也非常同意刚才李总说的，比如说地图，因为只要是先验信息，总会跟现实的情况有不一样。我觉得这个本质上还是自动驾驶怎么更好地处理感知和地图的优先级的关系，从这点上我认为不可否认的是，未来的方向一定是实时的感知要强于先验的信息的。
我们从另外一方面看，即便拿人开车来说，我相信所有人都在自己整天在开的地方，会开得非常放松，或者说不需要特别聚精会神。人当然脑子里没有地图文件，但是本质上还是相当多的先验信息，让你大脑在比较低负荷的情况下就能够开这个车。
我觉得从自动驾驶的角度一定是类似的，你有了这个先验信息，对于提高自动驾驶的性能和去降低某一些在特殊场景下的计算能力，或者说让整个的系统能够反应得更快，我觉得肯定是有帮助的，只是怎么样去结合好这一点，不能说只听着地图走，不看这个感知，我觉得这个先后关系可能要去把它解决好。
我们的感受，自动驾驶可能从地图的落地上来说有几个关键的问题要解决，可能回到了前面狭义的高精地图。
首先我们在有一些场景上是在解决有没有的问题，有一些场景上是解决有了以后，怎么更新更快的问题，再有一些可能整体来看的话，我们解决了既有，又有更新了以后，怎么让高精地图变得更便宜的问题。
从第一个问题上来说，我觉得像现在很多停车场，其实高精度地图从行业里来看是非常不完善的，大家平时在停车场99%是没有高精地图的。在这样的场景上，我认为行业里面需要考虑的解决方案是怎么先解决有的这个问题。从禾多的角度，我们现在在做包括记忆泊车这样的功能，一定程度上去解决有没有的问题。
第二个就是先验度的问题，尤其是刚才李总提到城区里面这件事情变得尤为关键，我们在城区里面怎么去保证在有了第一版的地图以后，还能够做不断地更新，甚至未来的众包建图，我觉得是第二件事情。
第三个是价格的问题或者成本的问题，如果你算一笔账的话，如果我们把高精地图当成一个传感器，这个传感器的费用还不低，我觉得自动驾驶的公司和现在行业里的图商，应该一起来想一想未来的商业模式。
当每天有这么多车在跑，每天接受这样的数据，哪一部分的信息是能够先去为这部分降本去做出贡献，我相信这种降本它不可能是一蹴而就的，说2023年、2024年哪一年突然变成集中采集就不需要了，但是这种趋势我认为还是行业里面大家都在推动或者一定会发生的趋势。
总结的话，狭义的高精地图会往更广义的高精地图去做演进，在这个过程中所有技术的演变可能都会最后变成给行业去提供一个更好的性价比、更优质的我们的先验知识，谢谢大家。
朱光伟：大家都谈到了，高精地图可以看成是另类的传感器，它在高速场景还是比较必要的。目前看，城市生态比较复杂，再加上变化比较快，这一块至少当下来看还是要使点劲吧。
前面李总讲国家现在也在收紧高精地图，收紧以后对我们禾赛和镭神来讲，可能是件好事，可能会让一部分的玩家去重传感、轻地图，这样我们讲的智能驾驶一定是传感和地图之间要有一个很好的配合，这才是一个比较好的解决方案。
另外在某些特殊的场景，我通过车自己可以建图，比如说停车场或者这个小区，实现记忆泊车等等，这个是非常经济的地图，也能满足特殊场合的用户的需求。
另外我们谈到高精地图，有些图商现在也在做增强版的地图，这也上有性价比的、可以来支持自动驾驶和辅助驾驶的解决方案。
还有一点，车端、厂端和基础设施之间要有一个比较好的配合。从这点来讲，国家有顶层设计，特别像中国，国家的执行力、行政力，在智能驾驶、自动驾驶这一块可能可以给中国带来一条有别于其他国家的路。
于骞：提到成本的问题，也提到传感器的问题，包括地图的问题，我们可以看到特斯拉宣称完全不用高精地图，不仅不用高精地图，之前把毫米波雷达都去掉了。但是我们看到国内的智驾方案，不仅仅有高精地图，还加激光雷达，一颗不够，还要加几颗激光雷达。想问两家激光雷达的供应商，激光雷达的趋势到底是什么样的，到底是往更高阶性能的方向发展，还是向成本更低，使用更加广泛，在中低端车型上发展。这两条路，你们怎么看？
张伟：于总提出的这个问题，也是我们考虑的方向。激光雷达确实是新的车载电子元器件品类，激光雷达上车到现在时间还很短，可能需要更多大量的样本数据去验证。我本人做销售，经常在主机厂跑，跟客户聊。我问他们，激光雷达最大的缺点是什么？99%的客户会说贵，这是绕不过去的问题。
大家想用，但是比较贵。贵的原因也比较简单，大家了解激光雷达最开始从一发一收，作为分离式元器件，装在一起128线的话就要有256块小板子，通过装条装在一起，自然就变成工艺品，当然会比较贵。随着激光雷达的上车，我们认为解决贵最根本的原因就是做芯片化。
禾赛科技从2017年开始组建了自己的芯片团队，目前有100多人，我们给业界主力供货，今年销售总数量几万台的AT1288这款半固态的车规产品，里面的收发芯片都是禾赛自研的。
大家了解芯片领域有摩尔定律，我们不敢说在激光雷达的发展上照搬摩尔定律，但我们想说，随着我们把集中式元器件做得更集成、更集中，通过技术迭代坚决走芯片化道路，应该能够在可见的未来把成本做下来。
因为大家了解，在汽车行业来讲，整车是有天花板的，我们这颗激光雷达传感器如果要让大家用得好、用得起，用得起的情况下用得好，这样才可以和友商一起助力智能汽车的发展，是禾赛科技的想法。
曾磊：我很认同张总的观点，激光雷达领域中，禾赛和镭神是深耕这个领域的企业。关于这个问题，我确实有共同的认知，激光雷达从机械式到半固态到纯固态，这是大家公认的发展趋势。
机械式的时候大家在堆叠元器件，可靠性确实有一定的问题，我们要花很大的力气解决一致性和可靠性。到半固态的时候，从我们自己来看，我们认为半固态主要是性能解决得更好，比如探测精度、距离等。镭神在905nm、1550nm这两个领域做了很多的探索。
主持人在这个问题上讲激光雷达价格，在这个点上我确实有很多的感触。记得在去年中旬的时候，905nm激光雷达 128线卖得很贵，给主机厂的价格大概是1万多元 。有一次类似活动的时候，主持人问激光雷达可以做到多少。我们镭神董事长胡总伸了三个指头，也就是3000元。紧接着激光雷达905的价格直线下降。今年上半年一直到现在，905nm激光雷达的价格打成了一片红海。
前两天武汉轩辕之夜，董事长胡总的演讲，关于1550nm的价格，做了同样的阐述，他说我们要把1550纳米的光纤车规激光雷达要做到4500元。我们既然已经喊出来了，我们一定能够做到，对整个行业做出一定贡献。
于骞：虽然特斯拉不用高精地图，毫米波雷达也撤下去了，有些谣传特斯拉在研究4D地图。史总怎么看4D毫米波雷达这个事情，以及成本、性能上的特点，还有对未来的预期。
史颂华：最近特斯拉重提4D毫米波雷达这件事情，特斯拉也是几进几出，开始不用，然后用，然后不用，现在又明确提出要用4D毫米波雷达。为什么说4D毫米波雷达后面有很好的发展呢？
我们追溯，雷达在一战期间是用在军事上，这么多年的演进，上世纪90年代开始陆续演变到车上。到现在为止，3D毫米波雷达非常成熟了，包括博世、大陆，还有海拉的BSD雷达，都已经非常成熟了。
但是我们也看到，就像ADAS系统发展来讲，3D毫米波雷达最终在ADAS或者高阶自动驾驶里面的参与度还是非常低，只能用结构化数据，或者追踪64个点目标，没有办法对我们看到的物体进行成像。
不能成像，也就是说不能跟视觉、激光一样，对物体产生认知，仅仅知道这是个物体，最大限度上是因为有全天候，所以在速度上更多感知物体是什么速度，然后预判是行人，是车，还是非机动车。
4D毫米波雷达增加了俯仰向的感知，物体可以一体成像。有了速度、距离、水平角度、俯仰角度这四维信息以后，我们对于看到的物体，基本上具有认知的能力。几何伙伴现在做的4D成像雷达，可以在150米内对车辆，以及80米内对行人进行很好的成像。关于这些视频，大家可以关注几何伙伴的网站，我们在网站上公布了自测数据。
因此我们认为4D毫米波雷达很好解决了认知能力，它的认知跟我们讲的激光和数据没有办法相比，毕竟我们是毫米波，禾赛也好，镭神也好，激光都是905纳米或者1150纳米，到我这里变成了毫米级，所以我的颗粒感还是相对比较粗的。
正是因为4D毫米波雷达有了认知能力，我们可以对物体进行识别，在早期自动驾驶或者L2+、L3甚至L4里面，4D毫米波雷达可以跟视觉、激光进行有效的融合，甚至在低速场景下可以独立承担，比如雨天泊车的时候，雷达可以在行泊一体过程中解决雨天黑暗情况下泊车的场景。
4D雷达，从L2到L5，我们有了成像的能力以后，可以更有效参与到整个这样的过程。我们也看到从3D到4D的演进，并不是说4D雷达一下子超越其他的传感器，我们也要认识到自己的不足。
最终来看，4D雷达只是承担了未来高级自动驾驶里面众多传感器中，一个比较重要的传感器的角色。最终高阶自动驾驶能否量产落地，我们还是要跟视觉、激光进行最为有效的融合，多传感容器才是最终的技术路线。我也希望4D毫米波雷达在多传感融合过程中，扮演好自己的角色。
以上是我的认知，谢谢。
于骞：您认为融合是需要的，只靠4D毫米波雷达并不够，需要多种传感器融合在一起。
史颂华：是的。
于骞：今天的讨论包括了成本的问题，怎么样把成本降下去，怎么样给消费者提供更加一体化的体验，行泊一体，不仅仅是传感器的复用或者计算的复用，更多是把体验做得更加一致化。怎么样把地图用得更好，一方面成本降下去，另一方面把我们整体体验提升。我们也提到了激光雷达以及4D毫米波雷达这些新的趋势。
最后想问个比较开放的问题，大家能不能简要一两句话，把自己对于未来智驾趋势判断比较关注的点，向线上和现场的朋友做简要的阐述。从李总开始。
李晓骏：从我自己和华为的角度来说，我们觉得城区高阶自动驾驶做到L4、L5需要长期的过程。后续如何把驾驶员作为其中的一环，就像下午第一位演讲嘉宾说的，怎么样让客户虽然不是L4自动驾驶，但仍然可以在辅助驾驶下降低开车的压力以及放松心情，我觉得这个很重要。即使做到L4，但是让你心惊胆战，估计也没有多少人敢用。一方面自动驾驶是想拔高，把体验做到极致，但是极致做完以后，下面要做的就是安全，包括座舱，包括人机，甚至和用户的心理学结合起来，让用户敢用、好用，并在安全的前提下用，我认为这才是真正好的乘用车自动驾驶。谢谢。
张伟：安全是永恒的主题，特别是对于自动驾驶来说，安全更是绕不开，也不会去绕，我们必须把安全做到极致的主题。确实认为多传感器融合是王道，选用合理的传感器组合，通过算法实现更好的应用场景，引导大家更安全更舒适的开车，我相信这是每一位自动驾驶从业人员最终的诉求和心声，我们也希望和友商一起，把激光雷达市场培育好，把自动驾驶市场培育好。谢谢大家。
朱光伟：传感器、硬件、算法，做到有机结合，实现我们最佳的路径。另外，我也期望今后是不是能够有革命性的产品出来，比方说有没有激光相机，如果出现的话，禾赛、镭神就要进一步思考了。
倪凯：刚才提到很多热销的车上不一定有自动驾驶，从我的角度，我们更关注用户需要什么，更关注用户体验，多思考我们能够给用户提供什么，或者帮用户解决什么问题。我相信只有整个搭载率上去了，让智驾成为消费者的标准功能，可能对于整个行业发展最有触动作用，或者未来两年整个行业最应该关注的话题。期待跟大家一起进步。
曾磊：既然是畅想未来，我的未来就有点远了。入行这个领域快两年了，我感触非常多，最重要的感触就是未来已来。我们看到大量智能驾驶已经在很多场景中实现，我想得很远，镭神参与过全国五六十个城市车路协同的项目，我会想到未来智能驾驶会变成什么样呢？
每辆车既是道路交通的参与者，也是数据的提供者，车跟路之间进行有机的融合，空中还有飞行汽车，跟一些拥堵的路口做连通。我之前跟一些业内专家做过探讨，有很多人在做了。
现在算力不够，以后每个车算力非常高，但算力是闲置的，可以让算力之间进行融合。还有，每个车自身是带电的，每天可以输出到电网，晚上再拿回来，相当于变成了巨大的储能站，这是很远未来的构想，希望能够尽快实现，谢谢。
史颂华：我希望在未来能够看到L3、L4甚至L5的情况下，期望在座企业能够打开企业之间的壁垒，把我们的技术点更加前移，比如我们跟激光雷达是不是可以做到点云级的融合，我们跟视觉做到像素级的融合。
我们把这一系列技术壁垒打破以后，不管是从传感器降本，还是传感系统融合的性能来讲，都会有非常长足的提升。我相信大家一起发力，在技术端一起突破感知融合，最终把它演变成为我们真正意义上的认知融合，我相信我们中国的自动驾驶一定能够站在世界最高的舞台上，这是我对未来的一些期望，谢谢。
于骞：非常感谢各位专家大咖嘉宾的分享，让我们以热烈的掌声感谢各位嘉宾。谢谢。
