百度智能驾驶郭阳！智能化领域，车企的灵魂在于数据

【报道】9月7日，在第四届全球新能源与智能汽车供应链创新大会上，百度智能驾驶集团首席产品架构师郭阳表示，借力从行业来看，现在实际上正在从上半年的电动化转向下半年的智能化。

但这个阶段的智力有一定的阶段。

以下为百度智能驾驶事业群首席产品架构师郭阳演讲实录： 尊敬的各位领导，非常高兴有机会与大家分享百度近年来在智能化实践中的一些想法和经验。

百度在自动驾驶方面的研究已经有很长一段时间了，接近10年了。

我们还和很多车企在实际智能化领域进行了合作，包括座舱区域、自动驾驶、高级辅助驾驶等。

这几年我们也有过一些实践。

我想与您分享我的知识。

借用行业的角度来看，我们实际上正在从上半年的电动化转向下半年的智能化。

但这个阶段的智力有一定的阶段。

我以百度对于辅助驾驶的思考为例。

现在很多车企都在发力智能驾驶的时候，毫米波和摄像头可以初步帮助用户完成一些ADAS应用，比如自动刹车、单车道巡航等。

现在用户需求增加了，你可能会看到像小鹏这样的国内汽车公司已经开始做一些基于高精度地图和预集成数据的驾驶员辅助驾驶。

我们甚至现在看到激光雷达已经投入量产，大家都开始在城市地区做辅助驾驶。

。

我们认为这些更多的是基础功能层面的竞争。

大家都实现了这个级别的辅助驾驶之后，我们车企就很难做出差异化了。

无论车企内部开发全栈还是使用供应商，这都是商业产品中所做的事情。

实际生产出来之后，在用户体验方面会比较一致。

这是一个基本功能。

我们相信，未来智能驾驶领域的发展将是真正的车企能够做出差异化的阶段。

我们可以举一些例子。

例如，用户从汽车公司购买汽车后，周一至周日可能每天上下班。

吴总是沿着同一条路线行驶。

这条路线上的驾驶员辅助功能能否能够为他做一些个性化的选择，帮助他通过，比如走内侧车道还是外侧车道哪个比较快，或者其他方向的加减速策略如何？更合适？我们相信，这才是车企真正能够脱颖而出、为用户打造不一样的智能体验的地方。

基于这样的思考，我们相信智能化的实际发展将会成为未来。

我们实现了基本功能之后，我们会打造两个非常强的区别于车企的平台，一个是场景平台，一个是学习平台。

平台。

至于这两个平台的核心因素，不在于功能实现的程度，也不在于功能是否自主研发，而在于我们能否在这两个平台的刺激下积累足够的数据，形成共识。

车企之中。

之间的差异。

基于这样的思考，经过几年的实践，我们传统的供需关系有了一些新的变化，比如大家经常提到的软件定义汽车。

正如苗部长昨天提到的，操作系统和软件方面的一些差异将会是相关的。

例如，我们看到了几种不同的变化。

传统上，在制作某些零件时，我们通常会定义一些机械和硬件定义，然后考虑软件将如何完成。

在这个新时代，我觉得这里很多东西都会改变，我们需要共同定义这个东西。

比如说你做一个智能产品，从不断升级的角度来说，你需要收集更多的数据，需要不断OTA很多这样的东西。

例如，在设计智能座舱或智能驾驶域控制器时，是否可以采用传统的CAN来满足这样的需求，还是可以采用以太网更高层次的电子电气架构设计？这是一种软件反过来促进硬件定义的模型。

我们看到的另一个变化是，现在很多主机厂对于一款新的智能产品的SOP时间非常短，有的甚至要在一年内推出新产品。

事实上，你会发现，传统的完全定义好硬件，不允许改变，然后转向软件，甚至是拆包的模式，让它无法适应这样的节奏。

也有一些变化。

比如刚才领导分享的，我们认为OEM的定位实际上会从生产、制造、品牌、掌握零件转向掌握用户和数据。

例如，许多整车厂已经推出了许多量产的停车系统。

许多主机厂基于该系统获得了大量数据。

我发现在很多主机厂，我们互联网公司都认为可以由用户来运营。

该部门挖掘的数据包括用户今天的停车使用率有多高，使用成功率是多少，是否有波动，比如下个月的留存率、半年的留存率等。

你会发现车企守护着数据这个宝矿，但真正去挖掘这个东西的人却并不多。

虽然我们已经开始有了连接用户的意识，但实际上我们需要在组织架构上做出这样的改变，才能真正开始对这个用户的运营。

从供给和需求方面来看，我们看到很多产品不再依赖传统的指定供应商一步一步做的方式。

相反，其中更多的是共同创造的元素。

这种共创需要大家有更深层次的战略合作关系。

基于此，包括百度以及整个行业，实际的思维也会发生很大的变化。

以百度为例。

在百度，我们大约四五年前就开始开源我们的自动驾驶代码。

这可能是行业内比较领先的操作，但我们发现，虽然这个操作推动了自动驾驶领域，但完成从零到一的过程的公司很多，企业也很多，但实现量产的相对较少。

我觉得这和苗部长昨天说的特别相似。

中间，软件公司生产软件，硬件公司生产硬件。

两人在设计过程中并不合作。

我们相信这样的模式在未来会很难推广，让我们自主研发的海量东西真正能够量产。

所以大概三四年前，我们就开始做类似解决方案层面的工作，相当于软件和硬件一起考虑。

基于目前的硬件能力和性能，基于目前的传感器能??力，我们设计什么样的解决方案？该框架让每个人都能真正构建起这个基本能力，并开始走向量产。

从我们的思考来看，我们认为在行业关系中，我们的供应商和整车厂需要优势互补，共同创造，这样才能真正在自己擅长的领域创造出自己的东西，同时，我们需要让中间的接口层次有一个统一的标准才能实现最大的价值。

所以从我们的角度或者从我们的实践来看，我们最终总结出了一套百度可以提供的解决方案，我们相信可以促进智能更快的量产。

我们认为有三个主要核心。

首先，不仅仅从软件代码层面思考问题，我们从软件+硬件的融合上考虑应该构建什么样的框架，让智能化能够不断进步。

同时基于该框架提供了SOA原子服务架构。

我觉得这个架构应该是基于真实的需求，而不是把一切都做成SOA，这样没有真正的使用价值。

最后，这就是百度认识到的与别人不同的地方。

我们认为，在智能化领域，所谓车企的灵魂在于数据。

就是之前的很多东西都是车企的工具。

如果掌握了工具，没有数据，就会出现能力的巨大匮乏。

我们认为，如何让车企抓住数据的灵魂是核心部分。

我就这三个方面简单阐述一下。

例如，一个软件和硬件集成的框架不应只包括算法或一些底层硬件或操作系统。

它实际上是一套完整的协调，包括中间，比如多核异构SOA如何通信，如何适配接口。

所有这些都必须包括在内，才能形成一个相对坚实的框架。

基于这个框架，我们也做了很多实践。

百度目前的做法主要跟大家分享一下，比如我们整个第三代域控的设计，更多是基于未来如何进行产品演进和开发，考虑到这个问题。

的。

所以从这个考虑，问题就反过来了，这就要求我们在每一代的设计中都保持一致性，比如传感器的位置和传感器采集的数据，它的电子电气架构也必须保持一致性。

这里我们还要提一下，因为今天我们讲的是整个国产化流程，所以我们实际上是在和地平线这个国内最好的合作伙伴合作基于国产化芯片的自动驾驶解决方案。

我们刚刚讨论了数据。

我们认为这是车企真正智能化的灵魂。

我们为这个聪明的灵魂提供了什么？我们认为，一个合格的供应商应该真正为车企提供一套工具链，让车企闭环掌握这些数据。

基于此，未来可以进行很多长期的演进。

应用。

这里我举两个非常简单的例子，这也是很多车企实际实现的过程。

例如，当我们做一些城市红绿灯识别时，我们会发现原来的软件中最左边的红绿灯的识别率非常高。

糟糕的是，汽车公司使用我们的工具后，大约需要几周的时间才能在这些数据上取得良好进展。

再举个简单的例子，停车系统量产上线后，车企通过数据反馈发现，一些城市交通拦车器尺寸很小，而且很暗淡。

如何识别和优化它们。

我们相信，掌握了这个东西，车企就能用好工具，最终为不同的用户产生服务和能力。

这才是真正的灵魂掌控。

在SOA层面，正如我刚才提到的，我们认为并不是所有的东西都必须是基于SOA的，但是有用的东西必须是真正基于SOA的。

比如众所周知，国家最近在研究标准，要求我们所有与智能驾驶相关的产品都要进行智能脱敏。

基于这个思想我们也做了很多SOA的想法。

比如现在车端域控脱敏了。

智能功能真正可以称为SOA级别。

汽车公司可以利用这一点，甚至在未来继续改变法规。

这是一个更好的应用程序。

另外，基于我们的感知能力来聚合一些简单的服务等操作，其实也是比较常见的应用。

最后我想补充一点，除了底层能力的开放之外，我们认为上层的互动也非常有价值。

比如基于人机交互的SDK，我们很多合作伙伴在差异化、个性化方面也做出了非常明显的东西。

举个简单的例子，这是一个基于我们合作伙伴的智能导航+辅助驾驶产品的产品，最后整合起来，打造出像小鹏的NGP这样业界相对领先的产品解决方案。

我们还包括使用我们的导航 SDK 创建个性化导航的合作伙伴。

给大家一个整体的总结，我们认为在行业的发展和竞争中，智能产品的发展其实是非常复杂的。

所以在这个发展过程中，我们需要供应商和整车厂之间形成一个非常明确的分工和互补，然后大家才能做好这个开放。

在此基础上，我们认为我们国内的很多整车厂实际上是可以取得非常好的市场竞争力的。