2020年1月10-12日，2020中國電動汽車百人會論壇在釣魚臺國賓館隆重召開。本次論壇圍繞“把握形勢 聚焦轉(zhuǎn)型 引領(lǐng)創(chuàng)新”主題，邀請政府有關(guān)部門和汽車、能源、交通、城市、通訊等領(lǐng)域的行業(yè)機構(gòu)和領(lǐng)先企業(yè)代表，就行業(yè)、企業(yè)、政策的轉(zhuǎn)型與創(chuàng)新展開深度研討。以下是騰訊自動駕駛業(yè)務(wù)中心總經(jīng)理 ， 蘇奎峰在本次論壇上的發(fā)言：

騰訊自動駕駛業(yè)務(wù)中心總經(jīng)理 蘇奎峰

　　我今天和大家分享一個解放雙手擁抱未來，在介紹我們內(nèi)容之前我首先要強調(diào)我特別同意剛才李院士講的，輔助駕駛以后一定是自動駕駛，我們也相信自動駕駛一定是在隨著輔助駕駛逐步的演化過程中實現(xiàn)的。我們實際上不太強調(diào)L1、L2、L3、L4、L5，我們更愿意強調(diào)場景，到底給客戶解決什么樣的問題，在高速擁堵的時候解決問題，還是在擁堵的模式解決問題，是解決用戶雙手的問題還是雙腳的問題，針對這些問題針對場景問題我今天簡單分享一下騰訊在自動駕駛領(lǐng)域做的一些工作。

　　剛才各位院士和嘉賓也介紹了，我們在自動駕駛里面分了幾個場景，包括乘用車還有一些特殊場景，還有出租車的出行服務(wù)。對于我們來說，首先要理解當前客戶的需求，尤其是乘用車這樣一個大的市場規(guī)模中，我們能看到用戶的兩個痛點，首先就是上下班的時候，可能就三五分鐘到高速，下了高速快速路還有三五分鐘就到公司了，80%以上的時間是在快速路這樣封閉的環(huán)境里面去運行的，或者是上下班高峰期的擁堵城市道路，另外一個就是長途，我們在長途旅行的時候，在這種場景下有擁堵，也有高速巡航的狀態(tài)。在這兩種高頻出行的場景里面我們用戶的痛點是顯而易見的，我們更愿意針對這兩個場景去做一些服務(wù)，所以說長途出行和擁堵的城市交通環(huán)境，是我們在研究自動駕駛的時候很重要的業(yè)務(wù)方向來，包括和一些車廠做一些深度的合作。

　　所以我們定義這件事情的時候，像剛才蔣總也提到HWP和HWA，我們愿意結(jié)合這兩個場景放在一起，從數(shù)據(jù)驅(qū)動的角度來說，我們更愿意把他放在一起去研究，因為我們即便是在HWP的模式下實際上也有擁堵的路況，即便是在TJP的工作模式他同樣也可能遇到在四環(huán)上可以80公里巡航的狀態(tài)，所以會存在模式切換，但是在功能設(shè)置和場景應(yīng)對上我們是需要去解決同樣的問題。 有這些場景以后，我們騰訊愿意做一個軟件和服務(wù)的提供者，助力產(chǎn)業(yè)發(fā)展，我們愿意針對這些場景做研究收集數(shù)據(jù)然后做一些算法，構(gòu)建我們的云平臺,構(gòu)建我們的仿真平臺,做我們的高精度地圖，所有這些不是要提供一個total solution給車廠，我們更愿意以靈活模塊化甚至是場景模塊化的功能，去助力這個產(chǎn)業(yè)發(fā)展。所以說我們在整個布局上，我們會在開發(fā)的云平臺方面、模擬仿真方面和高精地圖這三大基礎(chǔ)層面做大的投入，我們相信在這些方面也是互聯(lián)網(wǎng)公司的優(yōu)勢，可以助力車企發(fā)展。我們要做好云平臺、仿真和高精地圖，我們必須自己做算法的研究，知道痛點在哪兒，核心的問題在哪里，我們要做這些定位、感知、決策和核心的算法，在除了功能安全以外，我們在系統(tǒng)安全上面也需要投入，當然我們騰訊有科恩實驗室，我們的實驗室在整個信息安全尤其是在車的領(lǐng)域，應(yīng)該在國際上還是比較領(lǐng)先的。

　　所以歸結(jié)起來，我們在這個布局上面，實際上云平臺模擬仿真和高精度地圖來支撐車端的算法解決核心的痛點問題，在整個數(shù)據(jù)平臺方面我們在2019年跟寶馬合作構(gòu)建了寶馬在中國自動駕駛開發(fā)平臺，對于自動駕駛來說尤其是L2.5以上的自動駕駛一旦脫手以后，實際上是場景驅(qū)動數(shù)據(jù)驅(qū)動的模式,是永遠不會改變的，高效的利用數(shù)據(jù)和高效的獲取數(shù)據(jù)，高效的獲取計算資源的情況下，我們需要有一個高效的開發(fā)平臺來滿足系統(tǒng)要求，所以說我們在整個研發(fā)的時候構(gòu)建了閉環(huán)系統(tǒng)，同時我們會和車企合作，利用騰訊云的能力和在自動駕駛相關(guān)研究的能力來支持車企和Tier1一起去做研發(fā)。

　　在仿真方面，實際上現(xiàn)在很多車企在用傳統(tǒng)的仿真軟件來做仿真，但一旦到2.5以上的這種自動駕駛系統(tǒng)，實際上有很多的場景來進行驅(qū)動，場景的驅(qū)動系統(tǒng)除了我們編輯場景以外更多是道路的場景，而且大量的場景需要加速，甚至說我們要模擬產(chǎn)生大量現(xiàn)實當中很少可以碰到的場景，需要構(gòu)建虛擬城市的場景，所以我們在模擬仿真領(lǐng)域里面,除了單一版的仿真以外,還會做場景的仿真，場景的仿真核心就是云加速，我們會產(chǎn)生大量的場景，在每次更新迭代的時候需要把上百萬的場景要并行加速去跑，快速的驗證，需要云的并行計算來加速。另外，很多場景在現(xiàn)實當中很難遇到，甚至偶爾遇到，那怎么辦?我們需要構(gòu)建一個虛擬的城市，在這個虛擬城市跑隨機的交通流沉淀這種場景，這個是騰訊做模擬仿真做的工作，當然我們現(xiàn)在和主機廠有一些商業(yè)上的合作，而且已經(jīng)實現(xiàn)了云的和單機版的落地。

　　正是這些驗證，實際上傳統(tǒng)用仿真的時候是在開發(fā)階段去驗證，實際上剛才李院士也提到，自動駕駛是一個學(xué)習(xí)進化的過程，在整個自動駕駛生命周期里，甚至在車的生命周期里，不斷的演進和迭代，在這個過程當中我從車上反饋一些數(shù)據(jù)，另外我們需要這些處理不了的場景，需要通過仿真系統(tǒng)進行大量的驗證以后，然后在OTA升級上面，在當下和未來，自動駕駛系統(tǒng)里面仿真是伴隨整個自動駕駛生命周期的過程，不再是一個傳統(tǒng)的、單純的、在開發(fā)階段才使用的工具。

　　這是我們在仿真里面幾個核心的功能，一個是交通流，我們會收集大量的數(shù)據(jù)來看這個交通流，我們看到中國地緣遼闊，每個城市的交通駕駛行為不完全一樣，而且甚至差異很大，我們會采集各種城市的數(shù)據(jù)來訓(xùn)練這個交通流，來仿真當?shù)氐乃惴?。虛擬城市，我們采集了全國高速快速路地圖，可以通過自動化快速的生成全國高速快速，在做自動駕駛測試驗證的時候，完全可以在整個全國高速快速路里運行的場景去進行仿真，包括傳感器模型，正是因為我們用的是安瑞引擎，所以說我們可以從最底層得到他們的支持，來開發(fā)更精準的傳感器模型，同時他從最底層支持我們做傳感器模型跟物理模型一致性的驗證。同時我們在構(gòu)建3D環(huán)境的時候，會從最底層引擎層面來加速3D城市級的仿真，我們相信在城市級的3D重構(gòu)仿真在國際上也是難題，我們從最底層引擎層面構(gòu)建這個城市，光照天氣以及虛擬的仿真，這是核心的功能點。

　　這個是模擬一些交通流，通過采集的數(shù)據(jù)，編輯數(shù)據(jù)產(chǎn)生各種交通流，在場景仿真里面我們需要加速這種場景，一旦有一些產(chǎn)生問題的場景，我們會進行沉淀。一旦出現(xiàn)碰撞KPI不滿足的時候，可以把他沉淀下來直接進入到你的場景庫里面去。另外一個平臺就是我們高精度地圖平臺，高精地圖就是做數(shù)據(jù)和車端的軟件，無論是對于車端來說，還是除了車以外的車端軟件的系統(tǒng)，我們會在地圖定位方面利用我們的優(yōu)勢，這方面我們有國際上很頂級的專家來做，另外我們會構(gòu)建整個閉環(huán)來做這種云的服務(wù)體系。

　　我剛才提到的針對這兩個場景擁堵環(huán)境和高速巡航的場景，這樣一個傳感器跟剛才蔣總提到的傳感器配置一樣，5REV的傳感器配置，我們會把ECU集成在ADEUC里面去做，騰訊不會做這種硬件，我們只是定義這些硬件，對騰訊來說硬件門檻太高了，我們從來不會去涉足任何硬件和傳感器，我們只做軟件和服務(wù)，這個是我們一直非常非常清晰的，所以說我們愿意和車廠和Tier1去合作，即使是做軟件，哪怕一個小點給您帶來價值，我們也愿意提供，不會有一種捆綁式的模式，我們更愿意以靈活的方式。之所以這樣就是因為我們相信自動駕駛本身是一個演進的過程，他不再是傳統(tǒng)的一個固定銷售一個硬件的商業(yè)模式，將來一定是一種軟件逐漸升級的服務(wù)模式，基于這樣的一個服務(wù)模式，我們相信一定有共同的合作點，所以說自動駕駛解放雙手了以后，對于騰訊來說會有更好的內(nèi)容生態(tài)，騰訊在內(nèi)容生態(tài)里面更有優(yōu)勢，我們有音樂、視頻、游戲還有微信，等等這些，基于這些內(nèi)容，我們希望能夠把更好的內(nèi)容服務(wù)給到已經(jīng)脫手的司機、乘客，使得我們會把千人千面的服務(wù)生態(tài)推動給客戶。

　　對騰訊來說，做自動駕駛我們希望能夠從云端打通服務(wù)和各位合作獲得車端的入口，我們希望通過這樣的一個入口給用戶帶來更多的內(nèi)容和服務(wù)生態(tài)的體系，整體來助力這個產(chǎn)業(yè)，使得您能夠在這種移動智能空間里面享受更好的服務(wù)，我的分享就到這里，謝謝大家。