陶吉：从测试到运营，无人驾驶的发展之路

我们先看一下科技公司和主机厂两方的合作关系，简单来说在这样的合作中科技公司更多的是提供全套的解决方案，软硬件的能力，主机厂和OEM提供的是车辆定制化的设计和生产，以及整个质量保证的服务。这里面并不是简单说主机厂成为一个代工，它需要深刻理解目前自动驾驶涉及到的软件和硬件到底有什么需求，有什么样的长处和不足，需要通过什么样的设计方法克服它带来的问题。所以我们划分为四个阶段，从产品定义、研发、量产、运营阶段，双方要各自贡献出长处。比如在产品定义阶段，OEM需要根据我们需要什么样的传感器和计算设备、散热条件进行车辆的正向设计。在研发阶段，OEM需要提出整车的集成方案，如何做到这个性能的测试，满足要求，量产阶段更是科技公司提供产线上OEM没有的工具，最后到运营的阶段，科技公司提供整个的运营服务体系，OEM公司可以参与进来，进行整车的售后和销售管理。

看一个例子，百度在过去的一年和一汽、红旗进行了定制前装量产合作，我们在红旗的H3，也就是纯电的SUV上进行了尝试。在H3的车型上基于百度的方案进行了新的设计，包括整车的自动驾驶部分的融合，包括整车的电子电机架构。有了这样的设计之后，我们在红旗的量产产线上进行了改造，添加了很多新的工具和手段，能够帮助我们把设备集成进去。集成完毕之后，不管是零部件的测试还是整车测试，会按照车场的要求进行严格的测试，这个车是目前在中国市面看到的L4级别的测试运营车里面最符合车厂规范要求的，一款高质量的自动驾驶车。

这是跟一汽红旗的生产过程中、研发过程中零部件的测试和整车测试的过程，这是高温环境舱的模拟测试。这个是根据我们的L4级别的要求设定的标定间，包括室内和室外的标定部分。我们所有的车身打孔、线束走线都是从白车身开始集成进去。大家可以看到，有很多零部件级的测试，我们叫做DVP的验证，实际上严格来说，汽车行业大家都是专家，并不能严格的叫做DVP，D这个阶段不在里面，不是设计在什么样的工况下运行开发的，而是说市面上已经有了这样的东西，我们更多的是拿来对它的工况能力的验证，更多的V的过程，虽然我们知道目前零部件达不到车规，但是这个过程是非常有价值的，当你做完了零部件的DVP之后，你会知道每个零部件工作的上下边界在哪儿，就会定义L4级的车ODD到底是什么，有了这样的定义对车辆的部署是负责任的态度，保证车在可控的环境下做这样的测试，同时希望通过这件事情进一步推动行业规范，我们知道什么样的L4级的车是可以上路测试的，目前行业中缺乏这样的指导。

看完了跟OEM的合作，看一下科技公司和政府之间的合作，这里也是以百度为例，看看百度跟长沙政府在今年即将落地的服务上做了什么事情。首先百度提供一批自动驾驶车辆到长沙去，通过自动驾驶车辆的牌照考试，长沙现在有中国智能网联的测试示范道路，提供这样的封闭场地可以让我们进行测试，但是他们缺乏的经验是说到底怎么去考一辆无人驾驶车给它发放牌照，是符合国家的意见，北京积累了非常多的经验，可以把这些经验告诉长沙的主管机构，帮它建立这套体系。当车辆测试完获得牌照上路之后，百度要提供全套方案，作为政府来说一方面要把合规牌照发放出来，同时要制定这个车测试多久之后可以真正进行运营载客测试的标准规范，目前在国内实际上还没有这样的规范标准，加州已经有了。同时为了安全考虑，如果车辆出现事故怎么办？相关的保险配套政府也要大力推进，把新的保险条例拿出来。

最后也是非常重要的一点，中国的自动驾驶一定是走在聪明的车驾、智慧的路这样一条有特色的道路上，政府有责任和义务把基础设施进行智能化升级改造，提供具备车路协同功能的测试道路，长沙政府目前也是在湘江新区投入了大量的精力做道路的升级改造，百度作为一个科技公司也提供了全套的车路协同方案，帮助政府进行车路协同的升级。

说到车路协同升级，后面会重点讲一下我们对于车路协同这件事情的看法是什么。首先看一下三张图片，说明了一件事情，为什么我们需要车路协同。从马车过渡到汽车的时代，最早的一代汽车是开在马车的路上，这种路其实不适合汽车开，有了新的汽车需求产生之后，道路才逐渐变成了公路，更多的智能网联车出来以后，传统的车的道路是不是适合智能网联车的驾驶呢？看一下自动驾驶有90和10的理论，花了10%的时间解决前面容易的90%的问题，对于最后10%困难的问题可能需要花90%的时间。那么车路协同的作用更多的是帮助你用更短的时间和更少的成本代价，用更廉价的传感器去解决10%最复杂的场景。比如说路口的盲区怎么样探测，单车角度想很多的办法。如果想要弯道超车，首先要做的是什么呢？在直道必须先追上，如果在直道没有追上，弯道也没有机会超车，在车路协同领域，先要把前面90%的事情做好，做好之后才知道未来智能的道路，路测的设备需要解决10%的问题，如果前面90%没有很好的积累，现在产业界做的测试，更多的是基于已有的通信条件可能想到能做到提请，但是具备上路的需求还有很大的距离。

所以我们认为，符合L4级别的车路协同一定也是能够做到对象级的精确感知，能够做到毫秒级的延时。就是因为我们有了基于过去的单车智能的测试，才能提出这样的需求，才能把需求转化成功能，返回到车队上进行很好的应用。通过L4级别的车路协同解决超过一半的单车智能在路上出现的问题。这个例子是我们在早期做车路协同研发的模型，在百度公司附近的十字路口，安装了智能红绿灯还有多传感器融合的车路协同方案，可以看到这个路口里面所有的车辆障碍物，包括藏在大车后面的一些行人，都能够被非常准确监测出来，使得车辆通过路口的时候有安全性。