新智驾
2022年1月4日20:03
关注
行业的发展需要在保证安全的前提下让驾驶员脱离双手。
作者 | 程希
编辑 | 文靓
近日，由雷峰网 & 新智驾主办的第四届「全球智能驾驶峰会」在深圳正式召开。
峰会之上，同济大学汽车学院教授朱西产带来了题为「自动驾驶与辅助驾驶的边界及自动驾驶汽车安全的技术挑战」的精彩演讲。
今年，智能汽车赛道大热，除了蔚小理这三家造车新势力，今年又有很多新玩家加入造车。
朱西产认为，这在很大程度上与资本的流向有关——特斯拉和蔚小理的市场份额可能不足01%，但市值却几乎与传统汽车的市值总和相当。传统车企和造车新势力的市值之间出现了割裂。
不过，普通用户对于自动驾驶以及辅助驾驶的认知还存在提升的空间，尤其是对于 L2+ 的界定。朱西产表示，这种状态不能长期存在，而且今年各国政府已经开始了 L3 的认可认证。
2020年6月，ECE法规出了ALKS草案。ALKS创造性地解决了危险场景的临界测试工况问题：
以熟练、谨慎的人类驾驶员的避撞能力为依据，从法规区分了“不合理的危险”和“合理的风险”；通过危险场景临界工况的确立，为自动驾驶汽车的“电子驾驶员”争取到了“人权”，让自动驾驶汽车不会过于保守，有利于提高用户满意度、提升交通效率并合理地控制事故风险。
为了保证足够的安全，不少车企开始加码更高清的摄像头、更高性能的芯片、更多数量的激光雷达。但朱西产强调，确保自动驾驶系统的可靠性，要基于场景库的 V 型开发流程+用户数据闭环的敏捷开发。
以下是朱西产演讲全文，雷峰网新智驾做了不改变原意的整理与编辑：
大家好！今天上午我听到了很多报告，现在谈智能汽车，任何一个报告都是对大家有启发的。
今天下午，我想跟大家交流一下自动驾驶和辅助驾驶。很多车企在这两年推出了Navigation Pilot，包括NOP（蔚来）、ANP（百度）、NGP（小鹏），也表达了对汽车自动驾驶的期待——在飞机巡航时，飞行员基本已经不用手动 *** 作机器了。
那么，我们目前市面上的汽车到底是自动驾驶，还是辅助驾驶？这个界限非常模糊，甚至有人说不出事是自动驾驶，出事就是辅助驾驶，现在L2+就是处在这种状态，但这种状态不能长期存在。
所以大家会发现，今年开始，各国政府加大了L3许可认证以及无人驾驶许可认证的力度，相应的法律也会有一定程度上的改动，这个我们后面会详细说。
过去的 100 多年，在汽车产业中发生的大变革主要围绕动力。眼下，正是这个产业百年一遇的大变革。我将其形成为三场战役：
电动化战役（2015-2020），“碳排放”国际公约推动汽车“电动化”。
智能化战役（2021-2025），市场需求拉动汽车的“智能化”和“网联化”。
共享出行战役（2026-2030），L4会彻底改变汽车的属性。
可以看到，在过去五年，传统汽车正在慢慢被电动汽车取代，但这场战役还没有结束，内燃机能够通过混合动力、增程、插电等方式延长“寿命”。
新能源车在未来的两个大方向就是，纯电动和燃料电池，但目前特斯拉、蔚小理等新造车企业基本完全依赖动力电池，氢气作为新能源中一个重要分支，还没有得到非常完善的开发，甚至相关企业正在面临亏本、倒闭的风险。
智能化战役，很多以 AI 技术起家的公司也加入了，并且开始在智能座舱以及 ADAS 上有了不错的进展，但这场战役的焦点会是 L3/L4。五年后，随着L4级自动驾驶的逐步落地，汽车的属性将会彻底改变。
从市场份额来看，纯电动乘用车在 A0 级和 B 级两个细分市场销量比较高，A 级相对少一点，呈哑铃型；其中 B 级车已经不再是纯粹的交通工具，而是逐步成为了第三生活空间。
而燃油车的的销量分布呈纺锤型，A0 级和 B 级型相对少，A 级车仍占有非常大的市场份额。
从市值来看，行业也发生较大的分裂——传统汽车企业仍然占据 999% 的汽车销量，但特斯拉、蔚小理的市值几乎与传统汽车企业市值综合相当。
这也在很大程度上影响了投融资行业的资金流向，其中一个方向就是汽车智能化，主要包括三方面：
智能座舱，如果消费者购车时发现车内没有配置智能大屏，很多人基本上就不会考虑了。智能座舱是吸引消费者购车非常必要的因素。
智能驾驶，这也是一辆智能汽车最重要功能之一。出于安全的考虑，现在市面上的智能汽车大多都安装了基于单目摄像头和毫米波雷达的 ADAS 系统，而且搭载量增速越来越快。可以毫不夸张地说，眼下正是 ADAS 系统的高光时刻。ADAS 系统可以「救人」，但也有「搞砸」的时候。大家意识到，靠着几百块钱的毫米波雷达和摄像头不足以满足智能驾驶的需求。所以今年大家开始堆料，搭载更高清的摄像头、更高算力的芯片、更强性能的域控制器，甚至是激光雷达、高精地图。
域控制器会是一个新的爆发点。因为分布式电子电气架构无法满足自动驾驶的需求，自动驾驶汽车的全新电子架构已经产业化，域控制器是重要一环，再往后则是整车集成、车云联控。同时，域控制器的发展离不开高算力车规级芯片的支持。
这些年，随着车载芯片算力的提高，车载摄像头的像素从原来的几十万升级到了现在的一百多万，甚至是直奔 800 万像素。
但有一个非常现实的问题是，高算力芯片的应用会大大拉高整车的造价，尽管它的成本在不断下降，但目前消费者还接受不了。就算消费者能接受，眼下的智能驾驶技术发展也无法让其真正实现脱手、脱脚、脱眼，更不用说在驾驶位上悠闲地喝咖啡看手机。
今年 6 月，我在一个活动上分享了自动驾驶的安全问题，其中提到了「恐怖谷」的概念，即用户期待大于系统能力。后来不久，某车企发生了一起疑似因智能驾驶引发的致命事故，紧接着几乎所有车企都在修改自己的宣传文案，将「自动驾驶」改成「辅助驾驶」。
此外，车企还做了诸多防范不当 *** 作的改进，比如一旦驾驶员的双手离开方向盘，系统就会发出警告提醒——即便驾驶员的双手在一定程度上可以离开。
然而，行业的发展需要在保证安全的前提下让驾驶员脱离双手，所以我们看到了 L3 相关的认可认证的问世。2020 年 6 月，ECE 出台了 ALKS（自动车道保持系统）的相关法规草案，也是第一个被解读为 L3 自动驾驶国际法规。
实际上，现在各个国家都在制定法律法规，中国汽车工程学会也在成立相关标准。但这些法律法规/标准的制定到底在约束什么？如果是不允许自动驾驶系统发生事故，那么，现实中通过考核拿到驾照的学员也无法完全避免事故的发生。
汽车也是一样，我们现在不是要开发一辆永远不会发生事故的车，这样的车根本开发不出来。我们要做的是确定底线，从而要求自动驾驶汽车比熟练谨慎的人类驾驶员更安全。
那么，怎么来定义“安全”？
目前，ISO PAS 21448预期功能安全已经出台，并且将自动驾驶所面临的场景分为有关安全的四个象限，即已知的安全场景、已知的不安全场景、未知的不安全场景、未知的安全场景。其中，尤其是不安全场景，我们要格外关注。
在已知不安全场景下，如果一个自动驾驶系统的风险处置能力不如人类驾驶员，那么我们则认为这是不合理风险，即缺陷。
而 ALKS 创造性地解决了危险场景的临界测试工况问题：
以熟练、谨慎的人类驾驶员的避撞能力为依据， 从法规区分了“不合理的风险”和“合理的风险”；
通过危险场景临界工况的确立，为自动驾驶汽车的“电子驾驶员”争取到了“人权”，让自动驾驶汽车不会过于保守，有利于提高用户满意度、提升交通效率并合理地控制事故风险。
最难处理的是未知的不安全场景，因为我们无法预知未来。现在国家级检测中心也在建场景库，但用于收集道路数据的里程大概只有 3000-5000 万公里。为了尽可能地覆盖长尾场景，大家现在都在通过影子模式来构建数据闭环，不断迭代自动驾驶算法。
目前为止，传统车企对汽车的开发基本到 SOP 阶段就结束了，但对于智能汽车来说，自动驾驶系统的可靠性离不开基于场景库 V 型开发流程以及用户数据闭环的敏捷开发。主要须经历以下六大阶段：
开发、测试评价场景库；仿真平台；HiL、ViL 测试平台；测试场测试；道路实证测试；用户使用中的持续改进。
最后谈一下无人驾驶。从量产落地的角度来说，无人驾驶公司可能要到五年后才能见到曙光，甚至很多人开始往低速场景再转型。事实上，低速场景自有其难题和挑战。
技术上，我们感受到了自动驾驶汽车的神奇之处，我们也相信它的安全性将高于人类，但就像人类驾驶员需要考驾照一样，无人驾驶的落地也需要等政策。尤其是之前 Uber 自动驾驶车曾发生过致命事故，这件事给行业造成了很大的影响。
在国内的各大示范区内，从没有爆出来有关自动驾驶事故的报道。这意味着什么？我估计是太保守了。我在汽车安全行业从事了二十多年，深深明白一个道理，只要车辆动起来就会有发生事故的风险，即便速度为零也不代表绝对安全。
好在今年北京亦庄示范区首先喊出了“政策先行区”的口号，加大了对自动驾驶行业的扶持。
另一方面，如果单车智能的安全性还不够高，那我们就走网联的路线。
根据DMV的脱离报告显示，2019 年成绩最佳的玩家也就做到 18 万英里的脱离平均里程；如果人工不干预的话，相当于 18 万英里就会发生一次事故，这是我们无法接受的。
中国现在正在加速布局车路协同，通过 5G 通讯技术来支持智能网联汽车的落地。以前的4G 时代，路端摄像头的信息传到车内可能需要 500 毫秒，这样的时延并不足以满足辅助自动驾驶车辆的需求；如今，5G 网络的时延已经可以压缩至几十毫秒，能够较好地在路端支持自动驾驶。
而且，现在的自动驾驶汽车上大多都还保留着安全员，无法实现真正的无人驾驶商业运营。基于 5G 网络的支持，安全员已经能够远程对运营车辆规划路线的运营能力进行评估，确定运营车辆是否能够安全运营。
今年国内发布的GB/T 40429-2021《汽车驾驶自动化分级》就提到了远程驾驶员、调度员。之前，德国也修正了《道交法》中关于自动驾驶的内容，包括自动驾驶车辆必须配备（远程）技术监督员等，目前该修正案已生效。
这方面有很多的产业机构发布了研究报告，我就不重复说了。
在 130 年前，汽车代替了马车，在可预见的未来，也许自动驾驶汽车也将代替人类驾驶汽车。谢谢大家！
往期「第四届全球智能驾驶峰会」文章
澳门大学须成忠：「保守」无法推动智能驾驶行业进步 | 第四届全球智能驾驶峰会
2021-12-15
美团夏华夏：「无人配送」，技术难度并不低 | 第四届全球智能驾驶峰会
2021-12-17
AutoX 肖健雄：无人驾驶，路线不同但殊途同归 | 第四届全球智能驾驶峰会
2021-12-17
Innoviz 中国区总经理苏淑萍：激光雷达于智能驾驶车辆是工具，而非用来「炫富」
2021-12-16
阿里达摩院郭振宇：技术进步不等于商业成功 | 第四届全球智能驾驶峰会
2021-12-20
智加科技刘立：无人驾驶商业化落地不会一蹴而就 | 第四届全球智能驾驶峰会
2021-12-23
魔视智能高文博：「主机厂+供应商」体系将长期共存 | 第四届全球智能驾驶峰会
2021-12-21
西井科技无人驾驶事业合伙人孙作雷：商用车无人驾驶的用户培育期已基本完成 | 第四届全球智能驾驶峰会
2021-12-20
高新兴吴冬升：车路协同，如何提升自动驾驶安全性 | 第四届全球智能驾驶峰会
2021-12-24
商汤石建萍：高效解决长尾场景是智驾场景覆盖度提升的前提 | 第四届全球智能驾驶峰会
2021-12-28
3 个问题、7 位CXO，围绕「自动驾驶」来了场头脑风暴 | 第四届全球智能驾驶峰会
2021-12-27
免责声明
本文来自腾讯新闻客户端创作者，不代表腾讯新闻的观点和立场。
点击展
京东在全球互联网大会上为零售行业勾绘出了充满智慧的愿景：打通线上下线，创新零售模式，为合作伙伴开放赋能，构建无界零售的新生态。作为“零售基础设施服务商”的京东，用科技定义无界零售，要将电商基础设施能力像“水电煤网”一样普惠提供，无处不在，成为全行业的零售基础设施。
12月23日，北京，国家会议中心将举办京东技术——平台架构峰会，作为京东首次向业界全面分享无界零售背后的六大核心技术平台，七位资深架构师组队介绍电商核心能力，能够将京东的数据，流量开放赋能给业界的各类核心平台架构。从这张对比图可以看到，电商基础设施与传统零售基础设施正在不断融合，形成新的零售基础设施。零售行业的竞争重心将从“商品”，“流量”升级为技术驱动的基础设施层面的竞争。
京东集团副总裁黎科峰博士将在峰会上和业界专家共同探讨无界零售背后的核心技术。
未来的消费将会更加注重个性化，精准性，背后的技术平台一定要基于智能化。在数据和算法的驱动下，零售链条的信息，商品和资金流不断进化，推动着零售基础设施的不断升级。
京东战斧智能投放平台，就是以大数据和AI为实际业务赋能的经典场景之一——资源投放领域的实践探索，通过海量数据的实时处理、算法训练，将运营资源投放到最匹配的用户，达到千人千景千券的目的。后端通过自动化，智能化和平台化的运营模式，减少资源损耗，降低运营成本，人力成本。
在12月23日，京东技术——平台架构峰会上，京东战斧智能投放平台的资深数据专家将详细讲解平台中运用的数据新技术和新思路。
无界零售的特征表现为“无界”和“精准”，无界就是无处不在，无时不在，入口极为分散，多变。这也正是应对移动互联网发展下信息爆炸式增长，时间不断被碎片化的场景。
今年“京东11·11全球好物节”累计下单金额超过1271亿元，这其中有7%是通过京东开普勒平台从站外引入;11月11日当天，通过京东开普勒引入的订单量更是同比增长高达2500%。
12月23日，京东技术——平台架构峰会上，开普勒平台的两位资深架构师，为大家详细讲述将运营、营销、建站、交易、物流、金融、智能、研发、云服务、数据等近百个能力模块进行组合，打造的京东开普勒开放平台。
京东Alpha智能服务平台，利用行业内最具有价值的大数据，结合语音识别，语义理解，图像识别等相关人工智能技术，IoT软硬件技术，将智能购物的核心能力在硬件设备上整合，真正实现物联网智能平台产品之间的互联互通。
如何利用京东的开放数据，开放平台，用云的方式实现与硬件的交互，都将在12月23日京东技术——平台架构峰会上，在议题《京东Alpha智能服务平台技术体系构建实践》中深入分享。
12月23日，京东技术系列峰会2017压轴收官力作!
互联网独角兽研发总监，传统企业关注互联网+业务创新CXO，零售企业电商平台负责人，产品经理，运营总监，2000人齐聚北京国家会议中心，错过等一年!
2021年4月17日，2021中国数字化转型创新展&第三届华东CIO大会在上海浦东星河湾酒店国际会议中心隆重举行。本次大会延续往届的 “线上+线下”双融合渠道参会 ，让许多因事无法到会的嘉宾们在线上共观大会精彩。
会场内原江苏省发改委主任、南京大学教授钱志新，北京航空航天大学管理学院教授、博导郝金星，波士顿咨询合伙人张希，SAP大中华区首席数字官、副总裁彭俊松，德勤领导合伙人周令琨，Infosys全球副总裁Prabhat Kaul，原恒大集团副总裁/CIO陈东峰，中南控股集团副总裁和首席信息官黄澄，泰康保险副总裁兼首席技术官陈玮，CEO of Sycor China PeterRC，艾瑞集团合伙人兼CIO张一帆，汉高CTO高峻，立邦涂料VP谢宝财，数聚股份董事长陈庆华，西门子数字工业运动控制制造中国区CIO杨泽萍等 60多位行业翘楚 ，同近 1000位 CEO、CIO、CFO等CXO群体及各行业企业IT负责人就如何在疫情常态化的时代下，推动企业信息化数字化转型，为企业赋能助力进行深入探讨和交流。
汽车、电子高科技、零售、化工 四大行业主题圆桌 共话行业数字化转型热点。
一共有二十余家数字化转型服务商参加了本次创新展与CIO峰会，ManageEngine卓豪、Zoho、QAD、字节跳动（火山引擎）、XSKY、英诺森、帆软、企企通、销售易、数聚股份、MAXHUB、瑞云服务云、奥哲、上上签、MCHR名才、微创、销帮帮、SPARKLE、小鱼易连、中航云税、IFS软件、焱融科技、普菲特、百度云等 20多家国际国内领先的科技企展示了其产品、服务和前沿技术 。
颁奖典礼上，原江苏省发改委主任、南京大学教授钱志新颁发了中国产业数字化转型；上海计算机用户协会原秘书长陈永耀，原恒大集团副总裁/CIO陈东峰共同颁发了大中华区服务商杰出品牌系列奖项。（后附获奖名单，排名不分先后）
中国产业数字化奖
★中国汽车产业数字化转型： 鲁阳、颜廷方、马景魁、吴国林
★中国金融产业数字化转型： 陈玮、陈星宇
★中国化工产业数字化转型： 余斌、谢宝财、褚晓勤、陶维、赖江龙
★中国消费品产业数字化转型： 高峻、谢宝财、陶振华
★中国电气产业数字化转型： 江世民
★中国工业产业数字化转型： 杨泽萍
★中国能源产业数字化转型： 张桥、徐礼卿、李斌
★中国电力装配产业数字化转型： 舒正、张鹏
★中国电子产业数字化转型： 郭雄猛、蔡勇
★中国人力资源数字化转型： 徐刚
★中国信息产业数字化转型： 彭俊松、胡继东
★中国房地产产业数字化转型： 黄澄
★中国教育产业数字化转型： 王铁军、徐礼卿
★中国材料产业数字化转型： 郭凡
★中国公共服务产业数字化转型： 陈健、崔幸
★中国电梯产业数字化转型： 罗骏
★中国零售产业数字化转型： 金勇杰、徐栋
★中国建筑产业数字化转型： 李工龙
大中华区数字化服务商杰出品牌系列奖项
期待2021在数字化转型道路上一直伴您前行！我们明年再见！以下文章为CXO联盟特邀嘉宾 张晨博士 在2022年5月13日晚举办的中国泛化工行业数字化云端峰会上的精彩分享节选 。
一、 数字化转型从范围或广度来讲都比较大，对于化工行业来说，我们则定位在以下三个方面
1、 化工是一个高危行业，从建立客户需求敏捷供应链角度来看。供应链产业的安全稳定是一个重要抓手。
2、 化工的产业链很长，包括基础化工、精细化工、纺织化纤、石油化工等等，对于化工产业来讲，全局、全流程的优化，确保这个价值链的最大化也是一个重要抓手。
3、 整个数字化赋能的目的是为了使这个行业更加绿色，因为化工的高危行业，所以整个环境的实时监控，整个生产的环保安全，也是一个很重要抓手。
二、化工行业跟其他行业有相似之处，也有有区别的地方，那为什么会跟其他行业有一些差别呢？
因为化工行业自身的特点。简单的一个说法叫 “三传一反” 。
什么叫“三传一反”。做一个形象的比喻，我们人体实际上是一个很大的化工厂，当然他是一个生物化工。我们人的身体里面平时一直在发生各种各样的化学反应。 “三传” 就是传热、传质、传动能。试想一下我们的呼吸系统、循环系统、消化系统等等，它实际上跟周围的环境保持着传热，不光是皮肤，还有我们的内脏，包括血液系统，它实际上都是传热，不管是冬天夏天，大家都会有这样的感觉。“传质”可以理解为我们吃食物进行消化，实际上是有物质在传送。“传动能”就是我们人体的循环。任何一样东西都在里面有流动，血液，包括各种各样的物质，营养通过我们的心脏来进行整个提供动能到各内脏的吸收营养的化学反应，实际上跟一个大型的化工厂类似。“三传一反”的特色从我们人自身的角度也能看出来，每分每秒都在发生，以维持这个生命。
那么在这样“三传一反”的这个特点下，实际上就是5G和AI的赋能，跟其他行业，或者说其他的制造业都有一定区别。
三、5G和AI如何赋能化工企业数字化发展？
从体系架构上来讲，底层要有5G甚至于是以后6G的物联网的架构，在这个之上要有工业大数据的中台和平台，再在这之上去进行数据的治理。在这个过程当中数据的支撑就包括AI，在上面使用的有各类的专家系统、机器学习、知识图谱，以及支撑安全、环保决策生产的各类应用等。
四、设备基于5G可以做些什么呢？
巡检、监控、应急指挥、移动作业，无限的素材，还有人员定位。具体来说包括以下几类：
1、 可以用视频来做行为的识别；
2、 用于危化品的管理；
3、 用于报警管理；
4、 用于突发状态下的应急管理。
在环保和排放方面，5G和大数据分析的赋能就显得尤为重要。例如在一个园区或周边社区进行溯源调控，通过风险评估以及空气流畅的扩散模型来计算来追溯在这个园区里面的哪一家，或是哪个源头有污染排放、有机物排放等，如果通过传统方式，靠人肉眼去看，或鼻子去闻这样肯定达不到理想效果。找到源头不是为了让大家互相推诿，或瞒天过海。想要解决问题首先重要的是把问题根源找出来。通过5G和网格化的传感器的布置、大数据的分析就能够极大的提升能力，使绿色低碳的发展水平能够得到赋能去实现。这就是5G赋能的一个重要点。
五、AI人工智如何赋能化工行业？
通过人工智能的算法赋能在数字化摄像头上可以做很多工作。包括 防火安全服检测 ； 人员的异常行为检测 。 周边环境检测 ， 是否有烟雾、火灾、本身 *** 作流程问题的检测。 这些检测有了之后能够替代原来安全员的很多工作，或者是辅助工作，比如说报警事件的截图，视频的合成，原始记录的跳跃。可以自动去分级通知应急的处理和现场多媒体的互动等，这些都是能够通过 AI和5G的场景去做的事情。而AI的算法。可以在相当程度上去提升我们原来靠人工去监控的这样一个作用的这个效果。甚至于在未来有可能甚至于都是用全自动来做，这就是一个探索方向。
CXO联盟（CXO UNION）、数字化转型网共同出品
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）