买车网（Buycar.cn）获悉，11月12日，由国家信息中心信息化和产业发展部与现代汽车(中国)投资有限公司合作举办的“第七届中韩汽车产业发展研讨会”(以下简称“中韩汽车论坛”)在京召开。

据了解，本届论坛以“东方智慧，驱动自动驾驶新时代”为主题。众所周知，当前汽车行业正经历前所未有之大变革，以自动驾驶为核心的智能网联技术正在重塑整个汽车行业产业链。从2018年开始，全球自动驾驶开始进入漫长的技术攻坚期和生态联盟期。在此背景下，本次论坛邀请了来自中韩汽车行业专家、企业领导，以及中外企业的嘉宾从多个角度探讨自动驾驶技术的最新发展及未来方向。

活动现场，腾讯自动驾驶总经理苏奎峰发表了《解放双手 拥抱未来》的主题演讲。他认为，自动驾驶的终极目标，不光是运营移动的服务，还包括更好地连接我们的服务，使我们的出行达到一种无缝连接的状态。它的核心在于数字驱动，建立闭环的数据应用体系，是自动驾驶产品落地的关键。

以下为演讲实录：

各位嘉宾，各位朋友，下午好，很高兴有机会和大家分享对自动驾驶的理解。

我今天讲的题目是《解放双手拥抱未来》，对自动驾驶来说我们大家都很清楚，主要是为了解放人在车上的一个时间，把你的时间释放出来，然后你能够有更多的服务，在未来的自动驾驶上我们有更多的想象空间，能够把它作为一种服务的方式，在那里去享受。

那么我今天想说的是，在L1和L2的时候已经解决了双脚问题，在当下的阶段，我们实际上希望尽快地把我们双手释放出来，得到我们希望的生活。

对自动驾驶来说，它的落地，落地的几个场景，是我们能看到的。第一个是乘用车方面，在乘用车是我们大家每天都在用车的时候，能够期待的，也是我今天要重点强调的。另外一个就是特定的领域，能够提高效率、降低成本，然后尤其是降低一些危险、矿山、码头还有运输物流等行业，那么它是在领域方面特殊的。

另外一个就是我们终极目标，自动驾驶的目标，不光是运营移动的服务，可以更好无缝连接我们的服务，使得我们的出行达到一种无缝连接的状态。

那么这三种场景对不同的用户它有不同的价值，那么首先我今天来分享的主要还是在乘用车这个领域里面，我们到底怎么去做，基于它当下的这种状态有哪些内容可以去做。

在谈到乘用车，我们就谈到每个人的出行，在我看来，每个人的出行实际上绝大多数的情况下，分为一种上下班的出行，这是我们日常经常做的；另外是旅游，当然还有就是日常低频的走朋友串亲戚。

那么最高频的两个领域，主要是第一个我们上下班的状态，是我们每天都要经历的。在上下班的时候，实际上我们会先想一下，尤其是在这种北京、上海这种大城市里面，像今天上午徐主任讲的，那种都是摊大饼的城市里，往往你的出行是从家里出来很短的时间可以上一个高速和快速路的道路上，然后再可以经过一大段的时间，高速、快速路、封闭半封闭路上行驶，有拥堵的，到公司的时候，大概三五分钟就到公司了，在这种场景我们百分之80%甚至90%的时间，行驶在路上，包括在长途路上也是如此。

所以从乘用车的角度来看，我们可以发现高频使用，这两个场景里80%都是在封闭和半封闭的道路里面，针对这种高频的应用我们可以用满足80%的需求，就可以满足相当部分的需求，我们看这两个场景如何去做。

面临的问题和带来的痛点基本是类似的，一个是在长途或者是这种上下班的时候，已经经过一天劳累的时候，如何把你的身心从驾驶上释放下来，另外在拥堵的时候我很焦虑，我们在这种拥堵耗时的时候，无事可做的时候，尤其是像北京这种路况，慢慢你还要时刻的哪怕再堵也在蜗牛的状态在向前爬，否则你就一直被插队。在这种情况下我们怎么解决这些问题，使得我们更好的去享受我们的旅程。

在这个过程当中，实际上我们有更好的技术能够去看这些内容，综合这两个场景和类型，高速巡航拥堵模式，大家经常提到的HWP和TJP。这两个功能加在一起就可以解决大部分的场景，尤其是在国内像德国没有高速限速，0到120公里，到城市就是0到80公里就OK了，工作范围相对来讲是可控的，另外场景，基本上交通拥堵和高速快速公路的场景，对道路环境来说就是高速快速路，在高速快速路即便我们交通环境很复杂，但是在高速快速路上面还是非常少的见到行人，这种自行车这种状况偶尔会有，但是非常低频，这种情况下，它的交通复杂度仅限于车这种行为，所以它也会降低。

所以在这种功能和场景定义下我们需要解决问题，实现我们的自动驾驶，满足绝大部分人的需求。

对于我们互联网公司来说做自动驾驶，本身实际更愿意以一种助力形式来做这个事情，刚才描述一个功能和定义，我们如何实现功能和定义。和传统的TIER1的区别，我们更多的希望能够给大家在平台上提供更多支持，而不是直接面对更多的竞争。

在支持方面，我们可以看到我们强调场景，强调AI算法、数据。整个自动驾驶来说，都是数据驱动型的自动驾驶解决方案，在数据驱动型自动驾驶解决方案当中，我们实际上如何快速的利用数据和高速利用数据，是本质的事情，如何快速利用数据或者快速的计算资源，这是我们在解决量产化和降低成本过程当中，需要解决的问题，对于腾讯来说，愿意从这两个维度给大家助力，我们在做这个工作的时候会强调开发运营和云平台。有一个云平台我们从收集到数据、处理数据、使用数据、算法训练、评测，我们可以更高效把数据流转和运用起来。

另外需要我们的场景，可以收集大量的数据，场景有限，我们需要有更好的仿真系统来支撑我们这样的去做更好的测试和验证。甚至有些场景现实当中非常少见的场景，我们能够模拟仿真出来，降低成本，增加这种场景的覆盖度。

有了这些以后，我们还是需要有一个高精度地图作为一个基础的设施，高精度地图它不仅仅是完成了一个定位的一个基础，它实际上可以更多的辅助于感知，辅助于决策，同时在随着高精地图的运营随着我们在路上跑的车辆越来越多，高精度地图本身也逐渐变成一个从基础的设施属性变成一个运营属性，可以传更多的数据更新，使得高效的调动和运营系统。我们可以采用探头的数据，利用场景的数据，更多的丰富PIO的点，使它更精准，甚至在出行服务、物流、快递配送方面等得到更多附加值的应用，所以在这个方面高精地图本身由原来的最基础的技术平台，逐步延伸到运营平台。包括仿真它本身也不带是说，我只是一个测试的平台，我们在OTA功能逐渐升级迭代过程中，它是通过仿真去测试。

实际上每个人是有千人千面的，你的驾驶行为是不一样的。你的习惯不一样，有的人开车比较激进，有的人相对来讲比较平缓，那么他是很注重安全的感受，可能是比较保守的策略。随着自动驾驶，你的车在客户手里，本身行驶状态也会随着变化，这些变化是要根客户来定制算法。这些算法本身要经过严格的验证，不可能每个人的验证都要到马路上跑，仿真层面，长期来看不单是测试平台，更多的是说我可以做一个运营属性。

在这三个维度上，无论是开发的云平台，还是仿真平台，还是高精度地图都具有互联网运营的属性，我们致力于从现在开始加速你的自动驾驶的开发、落地。同时也愿意支持你在长期的根据客户的需求来定制你的自动驾驶的一个特点，使其更适合用户的需求，更能满足需要的出行工具。

那么基于这样的一个平台，我们会在定位、感知、预测、规划、控制等方面，再做基础的研究，在这些研究方面我们也会模块化的设计出来，如果有需要，我们会给独立的模块提供相应的产品。

除此之外腾讯还有在全球信息安全领域有很强的团队，我们也有专著自动驾驶的科研实验室，包括特斯拉、BMW等在自动驾驶安全方面的合作，在这个更广的维度我们也来助力。

为了实现这些，云平台、模拟仿真、高精地图，就是来支撑这些算法研究的。云端来说我们要采集数据，如何把数据高效化、模块化，实现系统的闭环测试、开环测试以及机器学习模型的测试，从而使得整个的研发链条在数据流的驱动下，更快更高效的运转起来，降低你的成本，加速你能够快速推向市场。

在仿真方面，我相信大家在做自动驾驶研发和体系构建的时候，都会涉及到，无论是大的公司还是小的公司，你想做测试验证一定要经过仿真这个环节，无论是做的简单的仿真模拟器，还是复杂的模拟器，一定是上实际车测试之前要进行仿真，仿真也分很多层面，整个的环境从感知到决策的闭环，我也可以针对某个场景进行闭环测试，为了满足不同层级的需求，我们构建单机版的系统，让它能够包含很多环境模型的构建，可以云端版，可以进行场景加速。

随着时间积累，我有几十万个甚至上百万个测试用地，我可能单机跑很长时间，需要在云端进行加速。另外我们在采集数据或者说编辑场景的时候，实际上非常难的，很难覆盖到整个的这种场景。那么我们就必须来通过一种虚拟的方式，概率统计的方式，实现场景的多维覆盖，我们有虚拟城市，在虚拟城市可以跑概率和统计方法，来进行相应的KPI和逻辑的判断，只要在这个城市逻辑上跑，产生碰撞或者说KPI的冲突之后，你就可以把这项事项沉淀下来进测试验证，这是不同的维度满足在整个开发体系上的不同的需求。

这几个图是代表我们想在做仿真的时候你所需要的功能，第一个交通流，在做自动驾驶的时候，需要更逼近于现实的交通流来趋近你仿真验证，甚至说，根据不同的地域特点来构建不同的交通流。北京人的驾驶行为和济南人的驾驶行为或者说深圳的驾驶行为是有很大的区别的，我们需要有不同的行为，当地的驾驶数据来产生相应的当地交通流来验证，同时根据数据来验证你的决策算法。所以自动驾驶的挑战，不单纯是某一个技术的挑战，还挑战它的这个scalable的挑战，不像滴滴从一个城市复制到另外一个城市，而它需要一个城市到攻克另外一个城市。部署更多的虚拟城市，我们需要沉淀更多的交通场景，第三个自动生成，需要广的覆盖度，人工编辑的场景是有限的，需要覆盖更广范围的时候，需要高精地图和有需求的时候，可以产生场景。

这个图，全中国的高速快速路，34万的高精地图，我们可以自动生成34万的场景，可以在上面跑和验证。这个反过来又提到TJP和HWP，可以在云端验证，验证你的地图，验证你的决策。

传感器的仿真，我们需要重新验证的时候，需要它的天气光照，主要是在仿真上面，需要大量的数据，虚拟传感器。在L2的时候，根本就没有激光雷达这样的传感器，但是它在路上跑几十万辆车。我在开发L3的时候，主要是原来的L2的基础之上增加了新的传感器，或者只是增加了激光雷达这样一个传感器，将原来的数据利用起来，提供利用仿真技术增加新的激光雷达，结合L2的传感器共同产生新的数据去训练，这样可以很大的提高数据利用效率，可以快速使得从L2升级到L3，设置更高级的自动驾驶系统。不单纯降低你的成本，更多的是说，可以在市场上快速的占领先机。

无论是在什么样的道路上，即便是在封闭的高速快速路的场景下，我们都需要有这样的去应急紧急的刹车的方式，这有虚拟城市产生的交通流，可以去验证你的算法，这在整个研发链条当中是需要看到的。

云端的利用效率，要把数据快速的利用下来，利用数据产生很多的场景放到仿真系统进行验证，对高精地图来说，不光是车端的某一个定位，不光是用EHP、EHR的管理数据，更多的是跟云端地图实时交通系统，以及它动态的信息，要融合在一起，云端和车端必须动态的融合在一起，才能够给你提供更精准的高精度地图的服务，实时地图更新服务，以及未来地图相关的运营服务。

所以在整个里面，我相信这个解决方案大部分的车都是这样的一个解决方案的图，那么都是我们针对HWP和TJP这两个场景经常会用到的叫雷达前置摄像头，区别就在于说我们可以为了降低成本你可以把你的定位系统集成在它的ADCU里面，整个系统成本更低，可以采用强的耦合方式，来实现你的自动驾驶系统。

我们需要的是什么？我们需要更多的服务提供给大家，所以我们才会有释放双手享受其它的生活，对于其他的互联网公司也好，或者说提供服务的公司也好，我们需要有千人千面的这种服务的形式，用原来人找服务的这种状态，由服务找人的方式来替代，所以需要有更好的一种服务的生态来去构建。也就是从自动驾驶的层面，上升到了车联的层面，车联网了，把服务通过联网的生态打进来，使你的全时在线，能够跟更多的合作伙伴，一起把更多的服务，无论是购物也好，还是你的音乐也好，还是其它的智能服务，能够通过更新的一种方式，传递给用户，给用户带来更多的价值，使用户在这种出行过程当中的80%的时间里不需要驾驶的时候，能够享受更好的服务形式。

举一个例子来说，实际上我们日常生活，我们要出去的时候，可能会要定一杯咖啡或者买一些娱乐系统，或者其他的内容，我们原来所有的内容在咖啡馆或者办公室做的事情，都可以在你出行过程当中做。另外一个随着自动驾驶系统数量的逐渐增加，更精准的LBS服务也会出现，到时候你就不再是说预定一些东西，而是很多的东西都会直接的送达到你的手上，你的车里这种服务的形式，会更多，因此我们想象的空间会更大一些。

在这个过程当中，我们第一步对于未来的生态来说，还是需要解放双手，把你的双手解放出来，只有解放双手了以后，我们才能有机会、有时间来享受我们的生活。在中国这种互联网发达的生态里，我们的生活是美好的，很多好的服务都在那里等着，只是希望我们在座的各位，一起努力，把真正的用户的双手解放出来，才能更好的拥抱未来。

我的演讲就这么多，谢谢大家！