2022年7月8日，第十四屆中國汽車藍皮書論壇繼續在武漢經開區舉行。馭勢科技聯合創始人、董事長兼CEO吳甘沙在第十四屆中國汽車藍皮書論壇上發表了主題為“劍指2025：乘用車智能駕駛淘汰賽的七個核心觀點”的演講。

“自動駕駛下一步該怎么走？我們是有一種焦慮的，尤其2025年可能是非常重要的時間節點，我們從戰略層面，如何去面對這么一個淘汰賽？”開場時他提出了這樣一個問題，這也正是自動駕駛目前面臨的一種普遍困境。

來今天我這個演講是我們內部做過的一個小小的討論，大家知道馭勢科技做乘用車也已經做了大概6年了，但是我們主要是軟件的Tier2，所以參與了4款量產，也做了我們高速的NGP、停車的AVP、城市道路的像Robtaxi這樣的場景。下一步該怎么走？我們是有一種焦慮的，尤其2025年可能是非常重要的時間節點，我們從戰略層面，如何去面對這么一個淘汰賽？所以我們自己總結了七個核心觀點，我們里面討論的時候要講一個多小時，今天高度濃縮一把跟大家做一個分享。今天上午博泰也對過去很多年藍皮書論壇做了回顧，我參與了好多年，把以前的一些PPT拿出來做回顧。這是我2019年的觀點，自動駕駛尤其是L4知易行難需要協同創新。因為L4 層面99分就等于0分，它還有所謂的991原則。我們雖然已經走過了99%，剩下的1%可能還需要99%的時間和努力。L4最終，我們是需要在大數據的意義下面證明比人安全，而這個大數據可能需要百億英里的概念，這意味著我自己弄個幾百臺L4的車輛是無法到達這樣的終局，所以我當時也給出了這么一個簡單的算術，我們希望一定要有1千萬臺車裝上這套系統才有可能到達終局。我們當時列舉了和一些主機廠的合作項目，這是2019年我們有了一個初步的設想，一定要把車隊的數量做大，2020年我們的標題叫智能駕駛的中場戰爭，我回顧特斯拉如何三步走，給出了一個結論說我們一定要找到一個滿足影子模式的最低成本平臺。我給出了一張圖，這是當時的PPT，我認為在2021到2023年之間，可以出來這么一種產品，它是L2的身體、L3的體驗、L4的靈魂，這么一個產品大家可以看到我把高速的行車，把停車場的泊車，以及城市道路的產品放在了一個體系當中，可以說在2020年我也預測了L2++和行泊一體的產品形態出現，這是2020年。到2021年我的標題叫從L2+到L2++的幾點思考，這個時候我就更加明確地提出來了兩種產品形態，一種產品形態叫做三場景合一，這是我們現在說的L2++的產品，大家看左下角。另一種產品形態剛才唐總講了行泊一體，這兩種形態都非常強調體系的共享能力，不同的傳感器包括域控制器在不同場景間的共享，我認為L2++是OEM主導研發的，自動駕駛公司更像一個模塊提供商。在行泊一體當中，可以是OEM主導，也可能是OEM和技術公司聯合做到的產品，我們說產品形態1就是三場景合一，需要一種能力叫借假修真，雖然是L2++的產品，但是它修的是L4的能力，第二種產品形態一定要走量，走量我們用的詞叫草船借箭，大量的車主是你的安全員，是你的訓練師，他能夠在這么一個大量的平臺上幫助你獲得數據和訓練你的算法。在去年我也提到OEM和供應商的關系需要重構。第一，集成不再是一個供應商通過一個黑盒完成的過程，需要黑盒、白盒、灰盒。第二，交付不再是一次性的交付，在整個生命周期當中需要不斷的數據迭代。第三，不再是一手交錢，一手交貨物，什么是豐潤的模式，可能是XaaS/Pay as you go，也可能是其他的模式。供應商需要三種模式：

1、你需要把你的產品拆解成模塊，可量產、可白盒產品模塊覆蓋高速、停車場和城市三大場景。

2、駕馭復雜軟硬件系統能力。

3、后端有全功能云腦，實現數據和AI算法閉環。這是我前面三年的回顧，今年希望在這些觀點上做一些分享。前三年到達終局需要靠這個公式，第一數據量大，靠的是硬件成本低車隊規模大；第二數據價值密度高，密度高第一傳感器盡量全，覆蓋的場景和區域盡量廣；第三數據迭代能力強，車端要有足夠算力，云端更需要算力，數據閉環要打通。在行業當中這兩種產品，第一種L2/L2+是高性價比產品，硬件成本低量大，可惜很多沒有數據閉環，數據價值密度低，傳感器少、算力低、場景不全，好處是區域覆蓋率高。另一種產品是很多人做的Robotaxi，硬件成本高，量小，有數據閉環，數據價值密度高，場景復雜、可惜區域覆蓋率低，只能在某些城市的某些區域來做。現在整個行業在做的是在這兩種產品上進一步迭代，左邊往右走引入數據閉環形成行泊一體，右邊往左走把L4技術降維到L2++，實現三場景合一。過程中不可避免涉及到數據，怎么把算法和車企、數據形成閉環，需要和OEM形成關系重構，需要在商業模式上有一種全新的分潤模式，這種預測在行業當中已經有了很多的動作。在Robotaxi的玩家，不斷的把成本降低，通過和Tier1合作進入到乘用車量產，傳統的智能L2級別的玩家立足于行和泊，進一步再往城市場景當中去進發。另外是L2玩家往行泊一體方向走，很多科技公司發現數據閉環是很難實現的，跟OEM的關系怎么來重構，如果重構不好，是不是我自己就做OEM了，所以大家看到下面這些科技公司又有了新的動作。總體上來說，總結這三句話：第一，低成本L4降維到L2做大規模，第二，擴展產品價值做全場景，第三，重構與OEM關系形成數據閉環。特斯拉是覆蓋了三大場景，高速叫NOA，停車場AVP做得并不多，這和美國的場景相關，他并不需要地下停車場的AVP，他做了智能召喚和APV，城市道路他叫FSD，他是用一套產品實現，可以說是L4降維型的產品，特別獨特的是沒有用激光雷達，中等的傳感器，這保障了車隊的數量是足夠大的，車隊數量大同時覆蓋場景多，唯一的缺點是數據的價值密度比較低一些。大家可以看到特斯拉做了幾個Hardware版本的迭代，迭代速度非常快，保證了綠色的部分，是最新辦法的Hardware，硬件迭代過程中自動駕駛操作系統的延續性非常好。高配的系統貢獻了絕大多數的里程。現在市場上是三種產品形態獨立發展，最右邊是L4降維到L2，我們叫L2++，特點是在中國使用到高端、低成本的激光雷達，問題是車數量比較少，好處是數據全。左邊兩個是更能上量的產品，最左邊是普通的L2+，是NOA，數量特別大，絕大多數是沒有數據閉環的，中間行泊一體是中等傳感器和中等的算力，具備了數據閉環，算法有一定的迭代能力，車的數量逐步在增加，數據還是不夠全，這是現在市場上三種產品形態獨立在演進的過程。馭勢科技的想法，我們也有三個產品，我們叫做高智價比的產品，智力除以價格，最左邊和市場上最低成本的產品一兩千塊錢的產品是沒有太大差別的，我們要強調在這個低成本的前提下，能不能實現有限的數據閉環，支持很好的算法迭代。右邊這兩個產品也強調高質價比，中間的產品是L2價格實現L2+的智力，右邊是L2++入門價，能實現L4的智力。在市場普通產品的基礎上，我們進一步加強了數據閉環，最重要的一點是右邊兩個產品通過一套全場景自動駕駛操作系統打通，好處是左邊這兩個能讓更多車回送數據，右邊能實現高質價比價格可以承受，加速這一類車型的滲透率，解決數據大和數據全的問題。今天的核心觀點：

01智價比是未來競爭的關鍵

你要具備數據閉環能力，具備算法迭代能力，同時價格還不能太高。

02要降低價格重要的是降低研發成本

共享自動駕駛操作系統，同時兼顧大和全是很重要的工作。這是去年在工信部的人工智能產業創新揭榜掛帥上面，自動駕駛操作系統領域獲得了優勝獎，在自動駕駛操作系統上，首先是模塊化可組合，有些模塊能實現功能安全，同時實現跨平臺和輕量級。比如說純視覺算法，現在流行BEV，我們要把它作為一個模塊做出來，激光雷達我們也可以做模塊，做全景的目標檢測和分割，在這兩個基礎上還可以做融合，把視覺和激光雷達又融合實現全景，這樣可拆可合，更容易滿足L2++這種高階段產品的要求。

03數據閉環和算法迭代速度是致勝核心

數據閉環我們也說了很多，算法迭代速度非常重要，我拿特斯拉做案例，他花了1.4億美金做了超級計算器，目的是為了比別人快，數據其實并不多，100萬個10秒的視頻，他把他認為重要的內容都放進去了，超級計算機確保他能快速的做算法模型迭代，我們有一個段子每天提升1%，一年以后就是37倍的我，他通過快速的迭代來實現超越。在中國做數據閉環有很多挑戰，第一個就是要合法合規，這是國家標準委和網信辦分別出的兩個標準，大家有興趣可以看一下。未來針對智能汽車的地理信息采集存儲、傳輸和管理，會進一步嚴格的要求，合法合規是第一步的。剛才說高智價比很便宜，存儲和傳輸的成本怎么解決。擁有一般是車廠，有時候是車主擁有，監管一定要有監管體系，使用往往是算法公司在使用，這里面怎么來平衡？我們也是試圖做一個最低成本的數據閉環，車端可以看到有事件觸發器、數據脫敏器，可以降低清晰度，可以把高清的攝像頭降到120萬像素以下，還有匿名人臉和車牌的匿名，還有數據打包器，傳輸和存儲成本高怎么來打包。到了云端以后，大家可以看到兩條線，一條線是數據分揀，半自動標注、模型訓練，另外一條線是形成測試用力，加入場景庫，做仿真和路測case，路測要么就是通過hotfix的形式，要么就通過發版測試，可能一個季度就發一個新版，里面存在一個灰度發布和量子發布，灰度發布是選擇一些車型率先發布，量子發布是把新版發到這輛車上，老版還是存在的，新版和老版同時存在，大家聽說過薛定諤的貓可能是死的也可能是活的，它既可能是新的也可能是舊的，這形成了最低成本的數據閉環。數據其實沒有價值，有價值的是數據沉淀為案例場景，我們經歷了很長一段路，最早是案例手動編輯，我們看到了現實生活中存在的場景不能處理的話，我通過案例的手動編輯完成，這是第一個階段。第二階段可以自動生成場景，比如先把路網做進來，可以加入隨機的交通流，交通流里是隨機車輛，最后形成open scenario案例的生成，用數據生成案例，生成案例每一個場景可以加入隨機噪聲，確保這種場景徹底做深做透不再出現問題。

04需要和OEM構建可信互利的基礎設施

一種如果和OEM深度結盟的話，可以打開數據和技術的白盒，還有一種情況和很多OEM合作，怎么實現數據閉環，一種方式是做私有化訓練服務，我在OEM地方做駐場訓練定期更新，還有一種在探索的是請OEM把數據上轉，數據是帶有OEM標簽的。在中央訓練平臺提升模型，要記錄不同OEM的數據貢獻度，把不同OEM數據融合成新模型，讓每一個OEM都能享受到，因為不同OEM數據貢獻度不一樣，應該有一種長期的分潤模式，這種互信和互利的模型是未來技術提供商和OEM的全新關系。

05從L2到L3的飛躍需要商用車L4經驗

無論是2.8、2.9、2.99，還不是L3，商用車L4的經驗很有幫助，乘用車要上到L3像我扶著一個小孩教他走路，走路的環境是在懸崖邊上，你一脫手就掉下去了，商用車的L4，我可以讓它在簡單的環境先脫手讓他跑，逐步適應更復雜的環境。我們認為L2這個級別是好和不好的問題，L3是有和沒有的問題，這就回到我們的標題，2025年淘汰賽一定需要L3，L3以上的產品沒有3到5年的驗證和運營經驗是沒有廠家敢于縱身一躍，通過商用車的場景來鍛煉能力和經驗是很好的，商用車的出錯成本可控，因為先慢后快，先小后大，先載物后載人，先限定場景后開放道路，先遠程監控再遠程脫困。前不久舊金山Robotaxi公司出了一個事故，不是撞了人，是開不動把后面的消防車堵住了，消防車要急著救火，這種遠程脫困的能力也很重要。我們積累了160萬公里的真無人商業運營里程，每天人力運維事件不斷下降，這是不斷積累信心的過程。

06從L3到L4是考慮全天候運營能力

我們特別強調L4競爭壁壘是在于全天候業務的不中斷，我在大雨當中是不是能跑，在大雪、大霧當中，L4和L2不同，L2如果天氣不好可以退出自動駕駛系統，L4你是不能退出的，不能碰到惡劣天氣的時候把司機請回來，這是不行的，這其實是有很多斷裂。另一個是人禍，我們經歷過網斷云服務器斷了，怎么快速恢復遠程運維和無網運營，這對于未來從L3到L4非常有幫助的。

072025年L3大規模面世是淘汰賽的開始

今天特斯拉是一馬當先，還沒有一騎絕塵，它具備的數據和算法迭代速度的絕對優勢，還沒有幫助它越過臨界點，很有可能未來幾年會發生，我們一直在跟蹤他的打開他的每過多少萬公里出一次事故的數據。從2019到2020、2021有提升也有反復，Q1也是一樣，其實是有反復的，2021年反而變糟了，2020年特別好，可能是因為新冠疫情導致路上的車少了，每年Q4都是特別糟糕的，可能是因為天氣特別差，我們認為它不斷的在提升，還沒有把其他的玩家甩下。2025年是非常關鍵的時間點，我們還有3年的時間窗口，我期待我們跟行業的同行都能夠像高爾基的這篇文章里寫的《海燕》一樣沖向烏云，而不是像海鷗和企鵝一樣，去躺平或者躲避，2025年讓我們一起去加油！