圆桌辩论：高端自动驾驶距离普及还有多远？

汽车资讯网7月15日讯：近日，由东浩兰生与“汽车字节”联合主办、与“电车汇”战略合作的“WAIC智慧出行论坛”在上海世博展览馆举行。

论坛不仅得到了华为汽车云、高通、福特等行业巨头的支持，也得到了驭势科技、映驰科技、AutoX等快速崛起的一线自动驾驶团队的响应。

众多行业重量级人物的参与，使本次论坛成为每年一度的世界人工智能大会相关领域最受关注的论坛之一。

本次智慧出行论坛由行业领袖参与，主题包括数据学习、芯片、云仿真训练、C-V2X、车辆软硬件等。

在圆桌讨论环节，顶级技术专家和行业重量级嘉宾甚至引发了“自动驾驶路线之争”，重点讨论了自动驾驶目前面临的“成本、普及、商业化”等路径问题。

在桌面上。

数据是自动驾驶的基础。

自动驾驶远未普及。

最根本的原因是技术还没有达到L5的最高水平，可以在任何天气、任何条件下行驶。

自动驾驶的场景太多、太复杂。

目前的计算机算法无法满足要求，工程师也没有办法提前预测。

他们只能依靠积累大量的数据来训练算法来适应不同的场景。

场景无处不在，有着各种可能性，其复杂程度堪比天上的星星。

所有自动驾驶汽车都需要面对某种不可预见的情况。

没有完美的自动驾驶系统能够应对所有场景。

自动驾驶最重要的部分是收集数据。

多少数据可以实现自动驾驶？ “这个问题没有统一的答案。

在圆桌讨论中，华为智能汽车云服务CTO余杰从数据的角度进行了讨论，表示实现全覆盖所需的数据量没有统一的答案。

” “我们对数据积累的追求是无止境的，我们要不断提升我们的能力。

”余杰还提出，“我们还要强调数据的有效性，如果你在封闭的公园里不断行走，你就能积累。

里程很多，但出去对于其他场景可能没效果。

”这样的观点得到了其他嘉宾的一致认同，那就是一定要积累有效的数据。

AutoX创始人兼CEO肖建雄对此表示赞同，“业内人士常常认为数据越多越好，其实这有一个前提，就是有效。

数据越多越好。

”另外，有效的数据非常重要，即高质量的数据越多越好。

”但同时，肖建雄表示，拥有大量数据后如何分析和学习是一个更大的问题。

“比如我们做无人驾驶，我们有激光雷达、毫米波雷达等，这么大的数据量每小时可能会产生1TB以上的数据，这就是有效数据。

”肖建雄做了一个简单的计算：每辆车每小时产生的数据量超过1TB。

假设每天运行10小时，一辆车就有10TB的数据。

如果你有数百辆车，每天会有近 1PB 的数据。

这些数据需要有人标记才能被机器学习，而没有一家公司可以标记如此庞大的数据量。

“我还没见过世界上有哪家公司敢声称1PB的数据已经被标注了。

1PB的数据只是数百辆汽车每天运行10个小时的数据。

”无人驾驶什么时候才能真正普及？在谈到自动驾驶水平发展路线时，嬴彻科技CTO杨瑞刚表示对L3-L5的逐步迭代表示认可。

首先，他认为，机器成为驾驶主体的L3、L4、L5级自动驾驶汽车在软件架构、传感器配置、车辆底盘要求等方面并没有本质区别。

此外，如果车辆配备全套传感器并具有足够的全息数据记录能力，则可以为迭代开发提供有效数据。

不过，嬴彻科技CTO杨瑞刚提出疑问：“传感器越多，是否意味着数据越有效？”杨瑞刚表示，量产自动驾驶是带有“紧缩魔咒”的自动驾驶，不仅要考虑安全性和舒适性，还必须考虑车规级硬件和功能的安全性。

考虑成本尤为重要。

“自动驾驶技术只有在成本可控的情况下才能普及。

这是我在嬴彻做自动驾驶时深刻体会到的。

我觉得我们现在已经超越了依靠堆放材料来实现自动驾驶。

一定要在成本可控的情况下去做。

我们可以做出可以在受控条件下量产、可以普及到所有人的自动驾驶。

”不过，肖健雄对此提出了反对意见：“传感器并不一定越多越好，但一定要足够。

如果不够，自动驾驶肯定是不可能的。

“而且他认为，数据的有效性仅限于类似的数据。

从经济的角度来看，如果车上的传感器和价格已经是L4级别，那么就没有必要从L3开始逐步发展。

高端自动驾驶普及需要2-3年还是5-10年？ 对此，德路科技有限公司创始人兼CEO张颖表示，“未来自动驾驶必须克服的问题”不仅仅是监管问题和技术问题，等待我们的更大的障碍是消费者如何理解你，如果你的消费者不付钱，你就永远是零。

杨瑞刚认为，自动驾驶普及的时间是5-10年。

他表示，“高端自动驾驶已经有了，纯无人驾驶矿车在澳大利亚已经运行三五年了。

”如果要普及到每个人都能感受到，无论是技术还是法律法规，我个人认为至少还需要5-10年的时间才能真正感受到汽车失控，汽车真正成为一个大玩具。

“新能源汽车已经成为大趋势，而自动驾驶肯定会是未来车企不可或缺的技术之一。

从目前在售的量产车来看，特斯拉已经达到了L2级别，已经超越了现在的水平。

”被称为L2.5的自动驾驶也是目前市面上最高级别的自动驾驶之一，但距离L4级及以上的自动驾驶看似近在眼前，却还很遥远。

。