作者：阿正（实）
编辑：Mark
出品：红色星际（ID：redplanx）
头图：中智行CEO王劲
7月到8月的天气总是闷湿燥热，反而少被选择，今天中智行内开了一个全体性会议，连特斯拉这样的造车厂，要讨论一下目前公司无人驾驶的发展状况。
众人落座，也对视觉算法情有独钟。然而，王劲扫视一圈，市场从来不缺破者，开口说道，小鹏汽车新推出的P5一口气配备了两颗双激光雷达。城市NGP加持，我们的无人驾驶最近发展的如何？家来讨论一下。
01 L4的窘境
我们一直把单车智能和车路协同同时发展，出行更智能据悉，先来说说L4吧，此次小鹏P5一口气推出的六款车型之中，王劲看向陈章宁道。
陈章宁略一思考，“P”系列的550P和600P的感知系统不仅拥有双激光雷达加持，怎么说呢，更搭载了5个高精毫米波雷达、12个超声波传感器、4个自动辅助驾驶环视摄像头、9个自动辅助驾驶高感知摄像头，我们的L4在国内做的还算可以，共32个感知传感器，目前也算是站在行业前列。
技术上还是取得了一些成果的，不过跟Waymo他们比还是有很差距的，估计追个两年才有可能赶上。
国外的技术比我们成熟很多，就不提他们了，跟国内比怎么样？王劲问道。
国内的百度、小马智行等也都比我们做的好一些，就国内技术水平来衡量的话，他们概都是在90-99分，我们估计也就能达到80分多点......陈胤子道。
（中智行测试车）
王劲看着众人，看来当初选择追逐Waymo这些公司，并不是什么明智的选择。
我们当时选择L4，就是为了能以高起点来使得公司在国内能在技术上占据优势，看来还是很有难度的。车上的技术不好做，那我们的运营平台做的怎么样？
我们选择做平台，主要是想从网约车这块入手，跟出行公司的商业模式结合起来，张振林接话道，但是我们发现目前多数提供出行服务的公司都面临着一些困境，如车辆状况如护、运营效率等。再加上我们的技术现在还不足落地标准，所以还没有实现预期的目标。
对此我们也想过一些解决方法，比如未来我们将在从技术、制度以及运营管理上更加精细化，以此来保证我们的车辆的安全和整洁，提高运营效率。
张振林继续道，我们不能落地的另一个原因是现在只在几个城市出台了路测法规，真正上路的行业标准和法律法规还没有。我们的情况比较复杂，这也是我们面临的一个难题。
的事情我们决定不了，王劲说道，我们要做的是在政策法规出来之前把技术做好。
这个我们一直在努力，陈胤子道，不过也遇到了一些问题。例如计算单元方面，车上的计算单元太小，计算能力不够。之所以小，一是因为它们耗电太多，二是为了符合车规。车规规定，车辆从零下40度到零上80度都要能够很好地进行工作，可是电脑是个非常娇气的东西，尤其是GPU等高端设备，到今天都还不能够符合车规。
而且，现在的成本也是个问题，传感器要好几万，导航定位系统也要7万多，不可能所有车都承担这个成本。
想要在技术上往前迈一步，我们的单车智能是很难实现了，我们在进步，别人也在进步，跟在别人后面跑，始终是很难超越的。陈章宁道。
无人驾驶领域没有先例可循，每走一步都需要不断摸索，林小宁补充道。单车智能我们确实比其他公司慢了一拍，所以我们必须在车路协同这条路上发力。
我看我们就先把L4放下吧，全力搞车路协同，王劲道，现在车路协同也不是新名词了，我们也有不少竞争对手，必须全力以赴。
L4倒不必放下，李军道，也不能放下，虽然我们一直以车路协同作为对外宣传的主要，但是车路协同也离不开单车智能。
02 车路协同的希冀和现实
两个都抓压力有点，而且现在搞得太没有主次了，我们的团队也有点乱，到底谁在搞L4，谁在负责车路协同？
以后把L4和车路协同分开研发，以车路协同为主，两个团队及时沟通交流就行了。王劲严肃的说道。
车路协同是我们实现弯道超车的一个机会，既然单车智能现在遇到了瓶颈，我们想在技术上超越别人是很难了，那就做好车路协同，希望可以在这上面能够快速看到技术的进步。
成本问题
在这方面你们是怎么考虑的？王劲问道。
我们的是5G+AI，还是放在出行服务这个场景来做。李军道。
其实更准确地说是5GAI，张振林道，不是简单的5G+AI，而是要将两种技术相融合起来，形成一个生态整体，这样5G和AI可以相互促进。
（车路协同效果图）
这也能解决我们L4的一些技术难题，比如Corner Cases、鬼探头等长尾问题和极端场景。车路协同能够实现全域协同，而且把车端硬件分摊到路端，理论上讲，我们的成本也会降低。
王劲沉思道，张总刚才说“理论上”，我听着话里有话啊，实际上现在是什么情况？
是这样的，张振林说道，先说一下成本吧。我们目前遇到的问题就是路侧的改造成本，单公里的改造成本在100万左右，我们有高速路14万多公里，城市道路43万多公里，这样算下来就是万亿级的改造成本，虽然我们不需要等到全改造完成，但想要落地，这也是一道很的坎儿。
车路协同，肯定得先改造路，王劲道，但是这么的投资，谁来出钱，又由谁来改造？
其实这个估算的改造成本已经降低了，原来一些改造报价在400万每公里，现在是100万，随着产业的发展，应该能控制在80万左右，实现量产后能在50万以下。张振林道。
有具体的计算方式吗？王劲问道。
激光雷达、传感器等组件的价格都是不低的，每公里需要铺设的数量不少，这个估算是行业内根据组件的价格和概数量得出来的，根据我们的测试结果，成本概需要100多万。这是在直行道路上，路口的话，每个路口估计就得50多万，路口是最复杂的场景，需要安装的组件数量更多。张振林道。
我们现在还在不断的测试，看看一段路上最少可以安装多少组件，或者说最远可以多少米安装一组，毕竟激光雷达和传感器的感知和交互距离就那么远（最多200米），如何在固定的范围内以最少的数量达到最好的效果，是我们目前探索的目标之一。
假如以后路端设备能够量产，价格会逐渐地下降，而感知范围再有所提升，那么整体成本就会下降，也许能控制在50万以内，不过目前这还只是理论，或者说是一种向好的预测。
王劲道，现在做测试铺设几公里，十几公里还行，如果后期规模铺设，那又谁来出钱呢？单靠吗？
单靠出钱肯定也有些困难，李军说道，所以我们还要去联络产业链里的相关企业，并且由出面来协调，才有可能促成。不过目前在长三角地区，我们跟上海、苏州等都在积极联系，他们对我们还是比较支持的。
（上海市发改委领导莅临中智行考察）
这么的投资，肯定需要来推动，你刚才说的降低单车成本，是怎么计算的？王劲问道。
我们是按量产后每公里50万的成本来算的，全国道路概有500万公里，也就是2.5万亿，而我国车辆总数概是3亿辆，如果都进行智能改造的话，那车路协同的成本比之能节约6万亿。
王劲反问道，这个账算得这么理想化，宣传一下还行，那50万每公里的成本还不知道什么时候能实现。
退一步讲，就算这些都能实现，那也是几年以后的事吧，时间甚至会更长，这期间的变化因素太多了，我们都不能保证会按照我们的设想去发展。
陈胤子抬头说道，王总，车路协同运营起来以后，成本是比较低的。比如电价，路端用的是220伏的市电，无人车用的是电池的电，市电的价格远低于通过内燃机转化的电能。
见到王劲点了点头，陈胤子继续道，而且用市电也突破了车载能源的限制从而可以使用性能更强劲的计算单元，车辆的决策能力也能幅提高。
虽然也是需要后期验证，王劲说道，但是这个理论还是比较切实际的。但是总体成本还是太高，我们必须制定出真正有效的解决方案，包括谁来做、谁出钱，让投资人、让出钱的人看到了这个模式的可行性，他们才会愿意砸钱。
技术问题
王劲想了想，现在我们从单车智能转到车路协同，技术上应该好做一些了吧？
我们已经在临港和奉贤这两个地方已经实现了非常初级的车路协同功能。李军说道。
之所以还处于初级的层面，是因为车路协同，需要车端和路端都要智能，而且还需要完美的融合，让路帮助车来开车，不只是在路边布置传感器收集信息那么简单，李军说道。
单车智能是车路协同的基础，而车端还是依赖于人工智能技术，我们需要不断的通过路测来积累行驶数据，积累里程，然后把数据通过5G传到云端。
把所有看到的东西从视域、地域上面充分融合起来，达到更加高效的安全，将我们的眼睛从视距类的感知扩展到超视距的感知。
那现在成果怎么样？王劲问道。
目前我们还是在测试阶段，我们首要目的是达到技术要求的标准，然后再慢慢的考虑降低成本。
路侧数据需要积累，同时也需要让车端和路端不断的磨合，现在路端的设备还不够稳定，与车端的交互还存在一些问题，我们还在不断地调试中。李军道。
路侧设备也这么复杂？王劲沉声问道。路端设备能给车辆带来多少帮助？
李军赶紧回道，单靠单车智能上路还是有很多问题的，虽然现在不少企业都把单车智能做的不错，但是长尾问题一直无法有效处理，这也造成了当前的单车智能的瓶颈，这不是我们一家公司的问题，而是行业的问题。
我们在路端的传感器、激光雷达、毫米波雷达，帮助车识别看不到的角度、看不到的位，可以弥补单车智能的一些问题，只是我们目前还没有达到那种效果。
车路协同是我们最的目标，但是我怎么感觉把路端纳入进来反而显得更复杂了？王劲看向李军道。
突破单车智能，做车路协同，路边单元是不可或缺的一环，这些硬件承载的智能化程度才是真正的关键。李军思索了一下说道，我们把路端纳入进来确实让事情变复杂了，但是先苦后甜嘛。
王劲抬头看向几个技术骨干说道，既然如此，那我们就要好好去思考一下，路侧设备到底要去判断哪些东西？它应该对车的行为做出什么样的评估？能够达到什么样的精准度？另外，区域计算单元的规模如何规划？区域计算单元的算力要有多强？光纤怎么署，通讯带宽需要多？
如果我们一直迷迷糊糊的只是搞测试，理不清思路，那永远也出不来什么成果。
还有一点，我们的测试数据一定要牢牢抓在自己手里（保证数据安全），这些年我们获得了不少专利，并且一直把知识产权归在我们本土公司，这是使得我们获得支持的一个重要因素。
众人听完连忙点头。
安全问题
还有一个重要的问题，王劲接着道，我们一定要把安全性解决好，单车智能说到底也是安全性不够完善，我们做车路协同就要把这块儿问题处理好。
安全性是无人驾驶技术的重中之重，现在的无人驾驶技术达到什么样的安全等级，这是家都想知道，和监管门想去评估的，不过目前很难给出一个具体的量级。陈章宁道。
那么，我们现在的安全级别能达到什么效果呢？王劲问道。
技术上我们一直在努力提升安全性，张振林道，目前我们通过车端和路端的设备交互融合，然后通过云来统一协调路面信息，安全性已经十分接近100%。
03 落地其实还很远
另外，什么时候我们能落地，未来是怎么规划的？我们一直都说5GAI，而且已经跟电信也合作了一段时间了，现在在技术上有什么成果吗？王劲接着问道。
跟电信的合作，主要还是上海市拉了我们一把，说起来其实是人家两家合作，带上了我们。李军说道，我们在临港和奉贤实现车路协同也是得益于这次合作。
（中智行进驻上海奉贤）
但是我们也遇到了不少问题，比如现有通信设备基本上不支持无线电专用频段，需要设备商进行升级，人工去调测，这是比较麻烦的一个事情。
还有就是这种情况一出现，就需要、设备商和电信一起沟通解决，家有时候因为各种原因意见也不太一致，这个很难协调，毕竟我们相对比较弱势，很难去指挥他们怎么做。
基础设施落地慢
说到，王劲又想起了路侧改造，现在车路协同的基础设施改造的怎么样了？
临港和奉贤等几个区域的改造现在还不错，分路边单元已经加入了车联网测试，我们已经在这两个区域实现了初级的车路协同，目前署的还不完善，而且完全融入使用还需要调试改进。李军说道。
其他的区域还在规划落实当中，目前还满足不了运行要求。
我们是奔着5G和“新基建”才走车路协同这条路的，看来基础设施的没有想象中的那么快，我们低估了其推进的难度。王劲道。
其他区域的基础设施我们要想办法参与进去，在筹划过程中统筹好和应用，尽量确保硬件设备和我们的软件能够协同使用，这样也许我们在下一条路上的车路协同就不是“非常初级”的了。
王总这个主意好，张振林道，不过这个需要跟沟通好，毕竟未来这些设施不是单单面向我们一家公司使用，会不会同意按照我们的技术来署还不好说。
另外，现在传感器、激光雷达等硬件的更新也很快，路侧设备也是会不断迭代升级的，现在首次铺设就这么困难，不知道面对不断的升级迭代，会怎么处理，这个成本也不低，而且这里面的技术升级难度也不小，这对我们的技术推进也有很的影响。
基础设施跟我们的技术高度融合，那以后我们项目落地就更容易一些，在技术上也更有话语权。王劲道。
至于后期的迭代升级，那等以后再考虑吧，我们把自己的技术做好，别到时候在技术上应对不了就行。
还有一个问题，陈章宁说道，现在我们的一些合作伙伴都在关心盈利的问题，包括一些投资人和车企等，虽然还没有落地，但是他们很关心我们的商业模式怎么样给他们带来利润。
现在就谈盈利是不是早了点？王劲说道。
我是这样想的，陈章宁道，出行公司能帮我们开拓更多的市场，我们需要多找一些出行公司合作。网约车之外，我们也可以跟每个城市的出租车公司合作。
经过我们的计算，在虚拟司机的成本降下来后，有两万辆无人车购买我们的技术解决方案，我们就可以幅度盈利了。
王劲说道，目前盈利以及商业模式还不是现阶段的重心。一切都是以落地为前提。按照我们现在的情况，概什么时候能实现落地？
假设我们的技术验证阶段是100公里，什么时候我们能够把这段路的基础设施署完善，在这段路上跑得特别顺我们才能够进入到下一个阶段。陈章宁道，按照当前的情况看，恐怕落地时间我们还不能把握。
拖了单车智能的后腿？
王总，我有个想法不知道该不该说，张振林突然说道。
有什么想法就提出来，我们现在就是集思广益，解决问题，王劲道。
张振林略一沉思，说道，现在5G还没有完全覆盖，自动驾驶仍要依靠“单车智能”，即保证单一车辆能够自主完成感知、运算和决策等多方面的工作。
随着5G的逐渐普及，无人车上的传感器等硬件可以适当精简，运算可以通过云端+边缘的方式进行，无人驾驶成本可以幅降低。
车路协同从成本考虑这对于汽车的改造是最少的，但从另外一方面来说，实际上每半年传感器价格会下降30%甚至50%，当花了量的成本去改造道路后，不久后会有更好、更便宜的传感器推出，通过这种方式实现自动驾驶，在我看来它不是可持续性的。
所以我想我们是不是可以把单车智能好好搞一搞，也许这个能发展的更快，也能早一些落地盈利。
你是说，我们搞车路协同其实是拖了单车智能的后腿？王劲看着张振林道。我觉得你这个想法有一些道理，所以我们要单车智能和车路协同一起搞，哪种解决方案便宜（单车智能方案，车路协同方案，路端智能方案），我们就选择哪一种。
虽然现在我们搞车路协同进展不快，但是我们还是看到了一些曙光，我个人认为未来还是可期的，不然也不会一直力挺家坚持到现在。
未来我们要做的就是深耕技术，跟多多沟通，促进产业融合，一步一个脚印，踏实地做好每项工作。
散会......
-END-
关注我们，获取更多深度解读
标签：
