在近日舉辦的2021泰達論壇上，均勝電子副總裁、均勝智慧汽車技術研究院院長郭繼舜進行了一場非常有見解的分享，針對一系列發展智慧駕駛存在的爭議性話題發表觀點。【微信公眾號後臺回覆：

演講影片

，獲得2021泰達論壇多位嘉賓演講影片內容】

得益於先後在科技公司、主機廠、零部件公司從事高級別智慧駕駛技術的開發和落地工作，他對行業爭議的熱點和痛點，有著深入的理解。

郭繼舜的學業經歷和從業經歷非常豐富，本科畢業於電子科技大學電子資訊工程專業，後在臺灣清華大學資訊工程系、ETH Zürich計算機科學系獲得碩士學位，2012年起於電子科技大學、斯坦福大學攻讀人工智慧博士。

從業經歷來看，他先後在美國德州儀器（TI）、聯發科技（MediaTek）研究院、谷歌（Google）、EMC2、百度深度學習研究院（IDL）、廣汽集團汽車工程研究院等企業工作，現在全球知名零部件企業均勝電子，擔任均勝電子副總裁、均勝智慧汽車技術研究院院長職務。

對於高級別智慧駕駛開發，他總結出六點關鍵判斷：

第一，什麼是高級別智慧駕駛？他認為，能長時間脫手的駕駛就是高級別智慧駕駛。長時間脫手，意味著在功能安全、感測器、感知決策做非常多的考量，可以限制ODD（執行設計域），但只要能脫手就是高級別的智慧駕駛。

第二，鐳射雷達是必須的感測器，他非常堅定認為，只要脫手必然要有鐳射雷達。

他舉例稱，前一段時間某知名的新造車勢力的車禍，有各種各樣的結論，一個推測說，可能是使用的某以色列公司的演算法，晶片演算法存在一些問題，沒有識別到中國特色的道路養護車。

但是本質上來說，在做智慧駕駛系統設計的時候，往往會把毫米波雷達權重調的非常低，因為毫米波雷達太容易誤觸發了，對金屬物太敏感，但同時攝像頭對有些物體不分類就不識別不跟蹤，這就意味著沒有一個更魯棒的感測器，在某些極端條件下，毫米波雷達和攝像頭都會失效。因此，只要脫手就必須有鐳射雷達。

第三，主機廠到底為什麼要用域控制器？從落地的角度看，更重要是降本，一個行車盒子加泊車盒子成本是五六千，如果使用一個域控制器，即使晶片用的好一些，行泊一體至少降本一千塊錢，這對於整車成本壓力減小非常有用。可以說，驅動域控制器發展最重要的原因就是降低成本。

第四，價效比更高的輕量級控制器會取代Smart Camera成為ADAS主流解決方案，現在很多ADAS還在使用智慧攝像頭，這個不是未來終點，會透過降級的方式，即使簡單L1、L2功能也會使用輕量控制器解決問題，原因就是降本。

第五，To C量產功能將長期處於L2++階段，他認為到2025年可能也無法出現TｏＣ的L４出現，L3也不太會有。L3在於法律法規的影響，非常影響主機廠的開發熱情。L4的問題在於原本就不是面向TｏＣ市場，需要一定時間來孵化。

L2++將長期存在於產品線的中高階，且複雜場景將進行拓展。在駕駛員隨時接管車輛的前提下，能夠從高速公路到城市道路，L2++可以理解在功能安全上相對於L3進行降級，但在應用體驗上場景擴充套件了，L2++是一個挺好的產品形態。

第六，使用眾包資料形成閉環基於資料驅動的功能迭代方式將成為業界共識。他談到，目前還沒很好解決資料問題，擺在面前一個很重要的問題就是《資料安全法》，此前開發影子模式的盒子，這個技術已經停下來了。他認為，所有的技術的拓展必然在吃透法律法規前提下進行，《資料安全法》會成為重要指導方向。

01

標準化前裝量產是L4規模應用基礎

郭繼舜認為，從落地的角度看，L3不是好的產品形態，因為法律法規要求人機互動過程，有一部分時間是車在為交通結果負責，有一部分人在為交通結果負責，這個切換容易造成責任認定的問題。

L3不是好的形態，L2++是可能更好。高速公路換道行駛就是L3有的功能，如果把功能安全降低了要求，擴充套件到城市場景下，就是城市的L2++。怎麼判斷一輛車到底是不是能夠做城市的L2++呢？

他認為，以當前鐳射雷達的能力，當只有一個鐳射雷達的時候，判斷只在高速公路上進行領航輔助駕駛；如果搭載兩個、三個或者以上鐳射雷達，那麼基本判斷能夠做城市下的領航輔助駕駛。

L4到底什麼樣子？郭繼舜認為，只有滿足以下條件，才能真正實現L4的商業化運營。

首先，所有零部件都要前裝，他談到，瞭解一些自動駕駛公司，200臺車每天要修5%，但是壞的地方並不一樣，手工誤差的系統積累會造成非常大的問題。

標準化的、一致性高的前裝量產是L4大規模應用的基礎，即使把5%降到2%和0。5%的機率也是不能被接受的，需要足夠好的穩定性。

他認為，現在宣稱自己是L5的企業，都是對於自己對於公眾不負責任的公司。現有的能力下，要麼嚴格限定ODD的，要麼讓人來做備份，比如5G的遠端接管。

現在L4自動駕駛公司基本都能融資，什麼才是能角逐出一二三名的時期呢？現在還不行，重要是什麼時候真正能把安全員拿掉，什麼時候就會見分曉，安全員被拿掉是L4的命門，可以拭目以待。

另外，完全的自維護也是非常關鍵的一環，在AVP時候考慮這樣一個場景，就是車輛完全自主執行。只有把駕駛員拿掉，車輛能夠完全自維護，Robotaxi自動駕駛的行業模式才會存在。

02

電子電氣架構的發展需要漸進和理性

座艙越來越智慧化，但是智慧駕駛會越來越收斂。他在這兩年非常強烈的感受到，智慧座艙越來越百花齊放，各種生態、各種場景、各種應用，各種用表情、面部去控制車輛，但是智慧駕駛越來越統一。

這主要是因為座艙對於功能安全要求不高，但是自動駕駛要求很高。當討論一個強功能安全的時候，最後都會落在一個點，價效比高又能滿足安全，可能就會收斂到同一個功能模式，比如NGP、NOP、NOI，只是名字不一樣，最終場景落在最安全穩定的區域中。

他推測，未來的個性化靠的不是自動駕駛，靠的是智慧座艙，智慧駕駛是區分車輛等級的門檻，但不是個性化的商品。

電子電氣架構的發展需要漸進和理性。他談到，現在有很多車企說直接幹集中式的電子電器架構，首先集中式架構意味著在所有的控制器領域，包括車身域、座艙域，都需要把功能安全提到最高的級別，成本非常高。

另外，集中式的架構必須有非常好的冗餘控制器在旁邊做熱備份，這是非常難以實現。雖然OEM和Tier1的研發過程中，都在宣傳說做集中式，但他覺得域控制器還是一個長期的過程，未來５年能實現集中式就非常不錯了，需要要理性一點。

算力需求也是發展高級別自動駕駛重點討論的方向。到底多少算力夠用？他從工程師角度給一個計算標準。

他認為，ADAS基本是1-5T， ADAS是1到5T量級，L2+是5-10T，L2++是30-100T量級，L4是100-1000T量級，前提是使用主流的感測器方案。

算力要求和感測器直接相關。需要什麼樣的硬體？單個400萬到800萬畫素的攝像頭的提升，大約需要4T算力左右。全車１０餘個攝像頭都要做成這樣嗎？他認為，前後前後攝像頭需要到這個級別，側向則不需要這麼高，側向攝像頭的功能需求在於識別種類，而不是細節的特徵。另外，單個64線的鐳射雷達所需要算力15T。

與此同時，高級別智慧駕駛需要更多的安全功能設計，包括感知、轉向、定位、域控制器以及演算法的冗餘。需要有30％的算力分配給冗餘控制器。

他認為，語音、手勢、體態的識別不要放在智慧駕駛裡使用，太容易誤觸發。一鍵觸達也有待商榷，碰一個鍵就自動駕駛，看起來使用者很滿意，使用者知道怎麼自動駕駛，但太容易引發誤碰了，到最後出現了事故，這個就是設計問題。

車企的很多需求和功能來自於使用者的反饋，但使用者所有需求是非常感性，千萬不能拿來直接用，要像外行一樣思考，像專家一樣工作，必須做梳理。

03

2023年會是自動駕駛另一個高峰

面向高級別自動駕駛，目前來看，OEM主導功能軟體開發，Tier1提供標準化的服務，Tier２變成Tier0。5，晶片、地圖、感測器公司開始直接對接車企。

他認為，掌握迭代資料OEM能夠成為頭部OEM，與此同時，Tier１頭部效應凸顯出來，而Tier２技術的整合化程度會變高。

目前，行業面臨著短暫的人才短缺，長期人才過剩和不均衡發展的問題。他介紹到，在2013-2014年他在百度工作的時候，深度學習人才非常匱乏，匱乏到幾乎招聘不到人，差不多有一半非AI的人來到了AI領域。

現在來看，車企也有非常多的來自非汽車行業，情況非常相似。汽車行業會出現什麼問題，人才會越來越多，可能會在一年、兩年來到智慧駕駛領域。

但頂尖人才依然很少，底部的人才很多，這個現象要警惕，智慧駕駛很缺人，但是要系統性更多的引導，比如對於應屆畢業生、對於其他行業轉過來人才的培養更加系統，這樣才能保證人才梯度是更加完善。

最後，他表示，他對市場發展趨勢做了一個預測，並將其稱為高級別智慧駕駛的漣漪效應。

他談到，可以看科技增長曲線，一開始是這些新勢力使用高級別智慧駕駛功能，比如NGP功能，現在是傳統的車廠在全力的開發域控制器和相關的功能，但是全球的OEM都沒有動。

每一個漣漪傳播需要一到兩年時間，中國汽車行業的智慧化程度是非常靠前和非常快。現在狀態在於蔚小理的團隊已經完成驗證，比如小鵬的P5和蔚來ET7。

目前來看，整個Tier1、Tier2，大家發現好像量不大，原因還沒有迎來高點，當技術應用全球化、平臺化，才能真正迎來這個行業爆發。

他相信，未來是可期的，即使現在遇到一些困難也可以理解。“可以等待一下，2023、2024年會是自動駕駛又一個高峰，那時候會有更多的資金、更多的專案，也有更好人才儲備”。