随着智能驾驶技术升级，在过去五年时间里，整个行业完成了ODD的扩展期，从L2辅助驾驶到高速NOA，今年已经开启了全场景自动驾驶的元年，也进入了大规模量产自动驾驶能力深水区。
从技术到应用，从实验室到真实路况，要如何趟过量产高阶自能驾驶能力的深水区？
4月20日，“智同·道远”地平线生态圆桌论坛在上海举行，长安汽车智能化研究院副总经理梁锋华；零束科技智驾计算平台职能总监梅近仁；小马智行CFO王皓俊；火山引擎汽车行业总经理杨立伟；纵目科技智驾产品线高级总监郑博；地平线首席生态官徐健发表了各自的真知灼见。
Q：在L2+渗透率不断提高的过程中，行业的主要痛点是什么？
长安汽车智能化研究院副总经理梁锋华
梁锋华：智能驾驶这么多年的发展，痛点一直都在，只不过痛点一直在变化。早期用户认知不足，搭载量不高。但是最近我们可以看到，像L2以及部分L2+的体验在快速上市，L2在很多车型上快速标配，例如深蓝SL03、S7等。用户对系统的认知也在快速提升，用户也不断看到我们智能驾驶系统带给他的价值，包括安全、体验等等。老的痛点在消失，但新的痛点又在出现。
第一，体验。很多用户提起智能驾驶，他首先想到的是无人驾驶，但当前我们能够提供给用户的体验更多的是辅助驾驶。用户的认知有一个重新对齐的过程。在这个过程中，如何创造真正能够让用户满意的体验，真正能够让用户在使用的过程中更加便捷、更加舒适、更加安全，这是我们要来持续地提升的。
第二，价格。我们一直讲科技平权，科技平权的前提是你的成本要做到真正能够让用户接受的状态。比较基础的像IACC，包括像比较基础的自动泊车，用户在快速地接受。但是更高阶的，比如说NOA，包括城区的NOA，用户对它的实际支付比例仍然是偏低的，这点也说明价格这个方面对用户的满足程度，需要再进一步来努力。
第三，安全，尤其是安全和体验的平衡或者兼顾。如何更好的兼顾安全和体验，这也是我们要来快速解决的问题。智能驾驶能力的提升和用户对它的认知的提升，并不是一个等比例的过程。这些都需要我们在提升系统体验和安全能力的同时，通过人因工程等方法持续优化。
零束科技智驾计算平台职能总监梅近仁
梅近仁：我很认同刚才梁院长讲的很多观点。目前零束科技主要专注于高阶智能驾驶，也就是L2+这个赛道，如大家所知，我们和地平线一起基于征程5开发了零束银河智驾计算平台ZPD。在做这个量产项目过程当中，我们发现最主要的三个痛点：第一，工程化；第二，成本；第三，体验。
首先是工程化的问题，在安亭我们能看到很多自动驾驶测试车、Robotaxi等，很多自动驾驶公司都汇集在安亭，但我们也要看到市场上高阶智能驾驶现在做得特别好的、能够面向量产的、并且老百姓普遍接受的产品也不多。实践证明，工程化有大量的工作要做，从demo到量产的差距非常大。软件开发通常做完一个demo，大概也就具备量产状态20%的水平，后面还有80%的工作要去做，这就需要很多非常优秀的工程师和很多生态合作伙伴一起，把质量一点点抠出来。
第二是关于成本的问题，高阶智能驾驶的配置，用户买不买单最重要的是成本，我们也在和合作伙伴、包括地平线一起，把规模化的成本做到最优，为用户提供质量最优、最高性价比的产品。
第三是体验的问题，L2+的定位非常清楚，就是辅助驾驶，肯定也会有很多Corner case的问题要去解决，但是在L2+的应用我们还是要把主要精力放在解决用户的高频痛点场景上，比如如何解决各种场景下的自动泊车困难，比如像在上海内环这样的狭窄道路开车怎么更好的把安全做到位，再比如高速公路车速高、流量大，如何让NOA更加安全、可靠、舒适，这些高频场景体验的提升还有大量的工作要做。
小马智行CFO王皓俊
王皓俊：我分两个维度来讲，一方面是整个行业，另外一方面是对于小马这样的公司。
对于整个行业，我非常赞同两位的说法。我加一下，我觉得今天终端用户非常看重的是性价比，他一方面希望价格更便宜，但是在这个价格的基础上，他希望能够带来更多的价值，越多的价值越好。怎样体现这个价值？一方面是有一些高频场景，他是日常每天都能用的，这就是能体现的。
在有限的价格里面，我们要做高频的场景，要做得更好，是要压榨硬件极限的性能。这就是为什么我们今天和地平线合作，和其他很多的伙伴合作，我们相信只有通过深度的合作，了解底层的性能极限在哪里，以及软件共同地开发，把底层的潜力都做出来，才能把高频场景的痛点真正解决，用户才能觉得这是我要的一个产品。
前几年由于大家的预期特别高，很多终端用户觉得这我也要，那我也要，但我觉得客户是会逐渐趋向理性，他们真正要的是高频的场景你能解决，这就是一个好的产品。我觉得从行业本身来看，就是性价比以及需求的逐渐标准化。
从小马来说，因为我们之前是从L4，Robotaxi起家的，今天我们在业务线上是作为一个供应商，相当于服务客户的定位。我觉得我们还是一个初级玩家。今天也非常荣幸和各位能坐在一起，也是一个很好的学习机会。
另外一方面，工程化能力。之前我们的Robotaxi毕竟还没有量产，走到量产这一步确实有很多很多的工作。从前年开始，我们也陆续引入了很多有工程化经验的人才，我们也希望打造一个共同的团队，一个有战斗力的团队，能够服务好主机厂。
火山引擎汽车行业总经理杨立伟
杨立伟：我的看法跟梁院长比较类似。即使我们技术达到，但是我们成本并没有压下来。L2++目前三万元左右的成本还是比较高，量产起来比较有难度。
从需求端来看，哪些功能是消费者真正需求的？我们也和不同车企进行过深度交流，他们并不清楚自己的车型里面的装配率、消费者日常使用率、日均使用时长。不了解用户需求，在拍板车型去上哪些功能的时候，就完全不知道，可能消费者并不一定喜欢。第二点，消费者喜欢的功能，你能不能把价格压下来。这里面存在很大的gap。这是从行业的发展来看。
第二块，给我们带来的机会。火山引擎帮助了很多大模型公司，包括自动驾驶，包括现在比较火的大模型公司，都在跟我们合作大模型算力，我们提供服务，也帮他们做算力的优化、模型的优化。我们往往观察到这块成本是车端成本。我们看OpenAI这家公司，它大部分成本是云端的算法训练的成本，将来我们的模型越大，云端花费的金额越高。我们还是应该回过头看一看，到底我们云端花的成本是不是值得。
字节跳动在成立之初就在做推荐系统，我们不断优化自己的成本，组建了大规模的优化团队去做算法模型训练及算力层面优化，也在供应链里面谈一些价格的成本的保证。所以每一次我们推荐的模型训练，能把云端的成本降到最低。
应用到我们的客户的时候，跟友商相比，跟其他做推荐的App相比，我们云端的成本就比它低一些。在汽车行业、自动驾驶行业也是一样的，把云端算力平摊到每台车里面，能持续降低它的成本，这个成本也是大家需要持续关注的。
纵目科技智驾产品线高级总监郑博
郑博：刚刚几位大佬把主要的观点都说得比较清晰了，我从Tier1或者自动驾驶公司的角度，来讲一讲成本为啥是L2+的比较痛的一个点。
从L2+的预期来看，肯定是提供了更高的功能和更好的性能体验，但是它相较于传统的L2，传感器毫无疑问会更多，芯片算力也会更多，芯片堆积的也会更多，系统成本就显著提升了。这是显性成本，除此之外，还有一部分是隐性成本。系统复杂度在变高，而且是指数级变高。随着系统复杂度的变高，对于Tier1也好，智驾公司也好，产品开发的生命周期，这个过程中它所要投入的资源、费用，跟原先L2是完全不可比拟的。所以这也是为什么今天我们大家坐在一起，在L2+这个领域里，考虑怎么协同、考虑怎么共创。
成本大概是什么样的痛点呢？就是很多车还装不起，把高阶智驾体验的门槛提高了。原先L2可能10万出头就可以搞得定，但是L2+的系统，至少要到20万、25万以上才能有好的体验。
在这点上，我觉得是我们目前L2+逐渐冲向L3的过程中，会遇到的一个比较痛的点。
另外，前面梁院长也讲到体验预期的问题。用户对L2+的预期毫无疑问就是L3的预期、L4的预期，用户希望什么都不要做，系统可以完全负责。另一方面，从开发者的角度，我们也没有给用户一个非常准确的ODD，告诉他这些是OK的，那些是不OK的，我们给的也是相对模糊的预期。所以他付了很多钱，但是体验上给他带来的价值提升没有那么显著，在有些corner case上面，甚至会把用户劝退。我体验一个高阶的系统，我还要聚精会神，我还不能更放松，之前的比如基础L2的这些功能，已经能够给我很大的便利、很大的安全和舒适，那我就不如少花这点钱。
所以L2+迈向L3的过程中，想要行业快速发展，一定是一个沿途下蛋的过程，沿途商业化能变得更合理，支持车企、自动驾驶企业快速地去迭代技术，快速地冲向L3。同时这个过程中，又能够真正给用户带来价值，让他每一份额外的付出带来真实的收益。这是一个渐进式的发展。
但每一个阶段，我们需要解决的痛点是，能够说得清楚我到底给用户带来了什么样的价值。
我们在推产品的过程中，也是这样一个路线。在低阶的产品上，我们更多的去讲我们要拉低整体的智驾体验的入门门槛，让入门级的智驾还是原先那个预期，但体验会比原先有很大提升，成本上没有什么变化，加量不加价，这样一个逻辑。
在高阶上就是真正能给用户他预期的体验，不断地去逼近他预期的体验。在这个过程中，我们通过L2这样一个框架下，为车企也好，为Tier1也好，保驾护航，能让这个技术快速地去迭代。这是我的主要观点。
地平线首席生态官徐健
徐健：今天非常高兴来参加这个小会，刚才前面五位专家讲得都非常有针对性，大家谈到了性价比、消费者的预期这样的问题。我们从地平线的角度，从Tier2的角度来看这个问题，主要是两个点。
第一，现在这个系统足够复杂，很难有一家把它完全都做齐，大家都需要配合和合作。那么产业如何来进行协作，我觉得是当前大家共同面临的问题。因为产业的边界没有那么清晰，以前做硬件的也会碰软件，做软件的也会碰硬件，大家一起战略合作的时候如何来共同形成一些组合跟联盟，然后实现开发。
第二，在具体开发的过程当中，特别是在软件上，我们缺少一个公共的软件的基础设施。我们把它叫做 *** 作系统也好，中间件也好。现在大家做软件开发，都要自己搞很多中间件，其实是在重复的造轮子，投入也很高。就像大家刚才讲到的成本问题，放到软件上看，如果软件开发的效率高，能够投入相对可控的人力达到量产的状态，那成本就会降低。所以我觉得如何地去提供一个公共的、高效的软件开发平台，是我们行业里面比较大的痛点。
Q：在软件定义汽车的大趋势之下，各方参与者如何更好地在产业链里面、价值链里面做好定位？如何跟上下游产业链进行友好开放的合作，来共同解决好智能汽车的软件问题？
梁锋华：这个问题我们在座的各位，一是非常关心，二是可能是最近几年大家都一直在不断地灵魂拷问的问题——我的边界到底在哪里。我觉得这个问题最终还是要回到体验，当然用户的体验是多维度的，如何更好、如何更快、成本如何更低。其实成本对用户来说也是一个体验。
围绕这几个方面来思考，我们应该会逐步得到答案，也许不能够马上得到最终答案，但我们围绕着这个方向来思考未来产业的边界、各方面到底如何更好地协同，我相信会逐步获得答案，包括产业格局也会逐步地照这个方向去形成。
我们长安汽车一直以来致力于给用户提供越来越好的智能化体验，包括智能驾驶。比如智能泊车，从APA 20、APA40、APA50、APA60、APA70，我们不断迭代系统，从最早帮助用户从泊车中解脱出来，到允许用户在车外一键完成整个泊车过程，再到远程完成挪车等体验，再到远程代客泊车等等，都在非常快速地解决用户一系列泊车的痛点问题。在行车方面，从最早的集成式自适应巡航，到针对行人的自动紧急制动，再到高速公路的全场景的智能驾驶辅助等等，不断地进行体验迭代。
我们在持续真正深入到用户的痛点，为什么？因为我们离用户更近，整车厂是产业链所有环节里面离用户最近的、最能够洞察用户需求的环节。
第二，我们为什么能够更快地迭代用户体验？围绕和聚焦着差异化能力的构建，我们在这方面做了大量的工作。越贴近用户需求，越贴近差异化，越应该由下游贴近用户的环节去完成开发；越贴近共性、越贴近底层，越应该由产业来共建。这样方式，我们认为是更高效的。刚才您所讲的开放软件货架，我认为也是一个共建的过程。
梅近仁：我讲几点，我们零束科技是上汽集团下面的一个子公司，是负责承载上汽集团“场景创造价值、数据决定体验、软件定义汽车”战略的实践者，到现在为止，公司成立快三年了，我们的队伍也发展到了1700人，我们的人员大部分都是软件工程师，也是在做软件，所以在这也跟大家分享一些探索实践的经验。
第一点，在智能车的开发过程当中，包括产品化开发过程当中，确实感觉到现在的合作模式已经不再是原来传统车的金字塔式的合作模式。原来金字塔的合作模式是由主机厂发包给Tier1，Tier1再发给Tier2，Tier2再发给其他一些供应商，以前很少有芯片公司跟主机厂直接打交道的。现在我们明显感受到，在智能车的开发过程当中，合作模式越来越扁平化，包括芯片公司、Tier1公司、Tier2公司、OEM都在一起共创，合作边界相对来说越来越模糊。在做了大量的论证和实践后我们得出的结论是：要抓住工作的“牛鼻子”，合作分工的前提是要分析我们每一位合作伙伴、每一家公司的核心竞争力，以及最终能够给用户创造的价值在哪里。
第二点，零束成立之初就干了一件事：召开了汽车行业首个SOA开发者大会，我们基本每年召开一次，也做了大量的实践和摸索。智能车时代的软件，即便我们有1700人，也没办法把它全部做完，全新的合作模式下，我们发现的不是竞争，而是需要更多的优秀合作伙伴，来共同建设智能车的软件生态。
零束科技除了做基于云管端的电子架构业务，还做智能座舱和智能驾驶业务，并且在智能座舱软件已经做了很好的探索，利用我们建立的SOA软件平台，与很多合作伙伴通过SDK的形式、货架的形式跟我们合作并且量产了。零束和飞凡一起合作共创的SOA数字商城也已经上线了，现在看起来效果也不错。我觉得在智能驾驶领域，我们也可以探索这个路子。
王皓俊：我来讲一下。首先，对于自己软件的定位以及竞争力到底在哪里，我们作为供应商而言，是要主动去研发以及主动去供应的。我们自己认为，根据我们自己的技术栈、根据我们的积累、根据我们的人才团队，我们最有竞争力的应该还是算法，包括感知、规控、预测这些。它是非常和人工智能相关的。这些我们应该更偏重的是自研，打出我们自己的优势化差异。
另一方面肯定是合作，举一个例子，比如我们也有很强的工具链，但是工具链是和公有云非常相关的，我们自己并不会做公有云的一套架构。如果我们的工具链要给主机厂的话，我们必须要和云端的供应商一起去打造这样一个产品。我自己认为这就是合作的一种方式。
最后就是开放性的架构这块，刚才那个比喻很好，安卓是在硬件上面的底层软件，如果大家越来越有一个标品的需求，开放性的架构或者是一个统一的架构，确实会对产业本身带来很大的好处。
手机也是一个很好的比喻，有安卓、有iOS。有些公司可能想做iOS，想所有东西都做。但是我相信往下走的话，一个安卓的生态应该会产生。当然也要靠底层的芯片厂商和软件厂商共同往这个方向去推。
杨立伟：承接刚才小马的话题，需要绑定一家公有云厂商。其实合作伙伴就在你旁边。
作为互联网公司，我们叫数字化或者软件，是同一个话题。我们看移动互联网或者看PC互联网，底层系统的趋同离不开硬件的趋同，我觉得汽车行业变化跟移动互联网非常像。芯片也是逐渐从最简单、单一的功能变成智能、变成算力很高的算力平台。
现在看车载里面的行泊一体的趋势，舱驾一体大家都在努力。如果将来算力平台真的能够实现一定程度上的统一，它在系统层面也会统一。如果系统有一定的统一，那上面的软件接口我觉得也会趋同。这个是支持上面的生态能不能长起来的非常重要的一个基础，我的系统是不是统一性，统一性也就意味着我在上面做生态，有非常庞大的用户群体，能非常快速地去做复制，非常快速地去做落地和标准化，这个非常重要。这是第一点。
第二点，提到哪些东西是车厂来做，哪些东西是生态或者服务商来做。刚才梁院提到一点，我觉得也代表了相当一批有想法的主机厂，就是贴近用户使用和用户最敏感的一些软件和服务，往往是车企自己要做的。如果你通过供应商来做，供应商想要通过规模化降低成本，必须得ABCD几家车厂都提出了相同的需求，它才会开始做很大投入的开发。但这时候，其实不能满足你自己车厂的、针对你自己品牌调性的用户，他可能提出来的需求。这个群体不大，作为供应商来讲，投入开发比不是特别高，这时候车厂想要抓住用户群体
本文来自易车号作者电动汽车观察家，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关
计算平台相对系统的发展速度是落后的。
文 | 祥威
“整个行业的自动驾驶系统量产时间节点延迟了，因为在那个节点上要有一个车规级的域控制器。行业内原定的是2021年的第一季度（实现自动驾驶量产）。现在普遍都延后了一年或一年半。”比亚迪智能驾驶首席专家王欢近日接受新智驾专访时表示。
域控制器是指自动驾驶 汽车 的计算平台，相当于车载大脑。在王欢看来，近年来计算平台相对系统的发展速度是落后的，由于缺少满足车规级的自动驾驶域控制器，导致大部分主机厂和供应商在开发时只能暂时冷处理，将整个量产的时间节点向后推迟。
新智驾了解到， 汽车 产品标准分为消费规、工规和车规。其中车规是级别最高的，需要通过抗冲击性、振动性、防火和高低温等实验。同时作为智能驾驶功能安全， 汽车 产品必须满足ISO26262标准。
谁能率先推出车规级自动驾驶域控制器？关键或许在于客户群体。
王欢认为，由于大陆、博世拥有庞大客户群体，所以向客户推送时会更加方便。华为在做生态，由于体积大、联盟伙伴多，推起来可能也会更加容易，但创业公司面临的困难可能会比较多。
除了域控制器，实现自动驾驶量产还涉及到一些研发模式等问题。比如，对于许多公司采取的在改装量产车上进行方案论证的模式，主机厂会认为它并非量产的正确模式。
据王欢介绍，面对复杂的自动驾驶，主机厂需要有正向的开发模式、验证体系、自动驾驶系统架构等。
他在一次名为《自动驾驶开发升级》的主题演讲中重点介绍了这些量产要求。以验证体系为例，自动驾驶对于开放道路测试数据、人机交互、评价维度和系统架构均有着迫切需求。而且，这些需求与传统 汽车 有着根本区别。
附：
今天我站在主机厂的角度，分享一些自动驾驶开发升级过程中面临的问题。
众所周知，自动驾驶的开发模式主要分两种，一种是以Waymo为代表的 科技 公司主导的跨越式开发模式，一种是以特斯拉以及其他主机厂主导的渐进式开发模式。跨越式开发模式是指跨过L3，直接研究L4级自动驾驶。渐进式开发模式主要指以传统的ADAS技术为基础，慢慢过渡到L3、L4。这两大阵营在开发工作项目中也有紧密的合作，一些算法公司、传感器巨头都参与到了合作当中。
无论是L3还是L4，行业内都遵循着这样的原则：首先要找出自动驾驶的落地点，然后分析这些落地点的场景，基于场景开发功能。或者沿着反方向，从场景功能倒推落地点。
如果自动驾驶适合的场景非常少，边界非常窄，对 汽车 的安全贡献就会非常小，甚至由于运行过程中超出边界而发生危险，那么，它就是不安全的。同理，如果驾驶场景边界特别宽，现在的技术又不能全面分析它的安全性，那么，这种场景也是比较危险的。
总结看， 自动驾驶就是要确定合理的场景，并且设定科学的安全目标来进行开发，行业也都是按照这个流程来做的。大家会逐渐地把功能开发聚焦到几个方面，以L3和L4举例，它们包括HWP、TJP和AVP等，这个过程中有大量的方案论证，经过大量的验证，然后展示，再示范运营，最后收集数据进一步优化算法。
其实在主机厂看来，这种模式基本上量产不了，原因很简单，量产的过程比这复杂得多。因为量产自动驾驶是一项很庞大的工作，投入会很大，时间也会很长，车厂还要和一些公司建流程、出标准等等。所以说大家之前做的工作意义很大，但是还不够。
对于这种复杂的开发，我们迫切地需要对原始的开发流程进行升级，不仅要有一个正向的开发模式，还要有一个验证体系。此外，由于现在的开发都是类似于后装的车改制的方式，所以还需要一个自动驾驶系统架构。最后，人机交互和车辆平台也是非常重要的。
自动驾驶是以车为中心的车辆系统，所以还是要遵循V流程开发模式，在开发过程中要借鉴传统的标准。一些标准比如说ISO21448，它只针对L1、L2而不针对L3，但是没有关系，我们可以借鉴里面的思想，然后扩展标准里的开发流程。
主机厂更注重什么？首先是预期功能安全，它关系到能否解决场景的问题。甚至可以说，产生自动驾驶危险更多的是因为场景不足，而不是系统的不安全。预期功能安全这个标准主要关心四个范围。范围一是已知的安全场景。范围二是已知的不安全场景，范围三是未知的不安全场景，范围四是未知的安全的场景。
很明显，我们的重点是在范围二和范围三，怎么样用一切办法缩小它们的范围很重要。
首先，必须要有一个场景库，场景库是任何一个开发团队的核心数据库。通过场景库，找到一些不合理或者是不安全的场景，针对这些场景提供安全措施，通过验证安全措施的方式，最终达到安全目的。当安全目标都能够满足范围二的范围标准的时候，主机厂就可以接受了。针对范围三，对于未知的不安全的因素怎么考虑，其实对这个问题，可能到现在我们的行业都没有一个有效的方法，都是按照完整分析测试来实现的。所谓的完整分析，其实是对于一个基础场景进行排列组合的分析，对它所有的可能出现的状态进行分析。
然后是功能安全标准ISO26262，这个标准已经比较成熟，但在L3自动驾驶上的分析还是比较新颖的，可能目前来看，还没有更全面的分析经验。
针对L3级别以上的自动驾驶与传统的ADAS等级的功能安全的区别在哪？在L3的开发过程中，我们进行安全分析时目标和对象会更庞大。比如，基于V2X的HWP功能进行分析，当我们进行分析时，除了对车进行分析，还要对通讯接口、路边设备已经云端服务器进行分析，这是自动驾驶功能安全需要额外考虑的问题。
信息安全方面，自动驾驶要解决的问题是怎么抵抗黑客攻击和网络攻击。在整个行业内，信息安全几乎没有一家能够独自完成。为什么？因为一旦车联网以后，它能够被攻击的接口太多了，有网关、T-BOX、V2X、第三方的云、主机厂的云、手机APP、车机、充电桩等等，甚至包括自动驾驶传感器及系统本身，这些都会受到信息安全带来的挑战，所以需要各方合作。
无论信息安全还是功能安全，最终的落脚点都是车，如果车不动，发的信息车不执行，那就是安全的，所以功能安全和信息安全之间有某种联系。
在开发的过程中，怎么判断这种关系，将他们联系在一起？首先我们要定义一个安全指标，并且对这种安全指标进行策略分析，分别执行两件事，一个是功能安全，一个是信息安全，这一流程应该可以把功能安全和信息安全联系在一起。
以上这几个安全，包括V流程的一些开发，是主机厂面临开发升级所面临的挑战。
接下来谈一下验证过程。传统的ADAS开发有很多地方可供借鉴，但是它和自动驾驶的深度和广度完全不是一个数量级的。智能驾驶更关心的数据，或更难拿到的数据是开放道路测试数据，这是有实际意义的，而且是必须要有的。
然后是人机交互，这也是验证过程中的重头戏。整个验证过程的工作量是非常大的，是每个主机厂的核心工作。问题的关键点不仅在于怎么测试，还在于怎么通过一个评价体系把这些东西串在一起。
要引入我们虚拟测试的自动化，只有自动化才能够满足我们对这种工况的分析的条件。
分析结果后怎么评价，我在这里给出几个维度的建议，一是安全度，一是舒适度，车与车之间的交互等等一些因素。以安全度为例，主要是碰撞，碰撞的程度怎么样，碰撞之后车辆的表现如何。我们会发现，每个主机厂对自动驾驶的理解是不同的。
下面谈一下主机厂更关心的系统架构。
大家的前期开发都是基于量产车的改装，属于后装形式，成本也很高，这时就急需一种正常的智能驾驶架构。要搭建这种架构的前提是针对什么样的功能。基本上，功能可以分为两大类，一个是Fail-safe，一个是Fail-degrade，这些功能分别包括定位、感知、警醒等。
针对这些功能的架构，我们可以给出一个架构体系，就是传感器的输出到主辅控制器的工作模式，主辅控制器的工作受到安全监控这个模块的宏观调控，再决定是由主控制器来控制，还是辅控制器来控制，这是行业比较认可的一种架构。当然这里面没有提到通讯和电源的冗余，正常情况是要考虑到的。
这个功能集成是指控制器必须有L1和L2的功能，也包含L3的功能，现在的车上既然已经有了L1和L2的功能了，如果控制器只有L3的功能，意味着车的成本是增加的。那么，为什么不能用强大的计算力，在L3的控制器把L1和L2一起都做了呢？在项目的开发过程中，其实能够提供这种解决方案的人也比较少。
对于未来的OTA软件升级，包括降低成本和轻量化，其实主机厂对于这种体系架构有迫切的需求。
域的概念有一个好处就是功能集成。近年来行业里提出来一个架构，就是以车辆的物理空间为基础的域，比如它可以控制雷达、应急车灯。像这种域很明显，它的布线就比较简单，但是它对软件架构要求非常严，这种域在特斯拉的Motel3上已经量产了。
然后是人机交互。在L3上，已经不仅仅是人机交互那么简单的事情，而是和安全甚至控制有密切的关系。传统 汽车 的人机交互大部分基于人对 汽车 信息的监控，L3、L4之后， 汽车 要监控人的信息，这是有着天壤之别的。
所以针对人机交互的开发是不容小觑的。驾驶员在接管了自动驾驶之后的表现怎么样，他慌不慌张，他迷不迷茫。另外一点就是车在接管之后，它的功能表现怎么样，不同的车辆之间的替换，不同安全等级之间的切换，尤其是L2和L3，因为L2也控制纵向横向，L3也控制纵向横向，驾驶员容易混淆，以上的这几点加在一起，就需要有一个行业上统一的HMI标准，这正是我们需要的。
同时还有一些其他的标准，包括乘客上下车的交互和场景的交互等。场景的交互主要是指车和车，包括L4的远程控制等等。另外，人机交互还必须有关于漏报和误报的指标，不能总发生狼来了事件。
最后谈一下车辆平台，L3以上的自动驾驶开放平台和传统的车辆平台之间的差别在哪，我认为主要体现在，传统 汽车 上，驾驶员在驾驶的时候，要求舒适性、 *** 控性和安全性，但是在自动驾驶系统控制时，问题就来了，我们称这个车是Fail-degrade的，是双备份冗余的。
这个双备份冗余指的是执行层面，包括制动、转向和电源等等，以及自动驾驶对车辆指令的响应，对响应性要求是很高的。另外就是车辆动力学的性能，发出一条指令之后的运动应该是线性的，不能是非线性的。
2022年，全球数据中心建设热潮或将进一步升级，据头部厂商工业富联预测，在元宇宙概念持续走热以及云网端融合需求增加、端边云协作型态普及等助推下，整个服务器产业都将在2022年持续成长。据市场人士预测，该公司云计算相关产品在2022年第一季的出货量将取得双位数成长。
近年来，工业富联的数据中心业务持续畅旺，在该公司日前举行的年度会议上，CEO郑弘孟曾表示，截至2021年底，工业富联企业服务器全球市占率超过35%，云服务商服务器占超过30%，两项均处于世界领先的地位。
元宇宙概念的持续火热被视为推动数据中心需求剧增的重要原因，然而在工业富联首席技术官暨云企业解决方案事业群总经理周泰裕看来，除了元宇宙之外，云网端融合需求增加、边缘运算应用成形、端边云协作型态的普及、自动驾驶等新应用崛起，都不仅会维持，更提高了今后一段时间内，市场／客户对数据中心、服务器等产品的需求。
根据Synergy Research Group日前公布的数据分析，全球超大型数据中心目前已经超过700座，近4年来数量成长一倍；同时据统计，2021年全球前七大的云端服务供应商（CSP）的资本支出，平均年增173％。而根据DIGITIMES Research调查，2021年全球服务器出货年成长约45％。随着云端需求续强，再加上新处理器的问世，2022年全球服务器出货量可望再成长68％。
周泰裕表示，不论是远程化还是无人化应用，在疫后都将会是市场主流趋势，这些对大数据及人工智慧有相当需求的应用，将同时推升对高效运算及数据中心的需求，“此外，由于通过边缘数据中心能更贴近使用者与数据产生源，提供低延迟、在地运算与即时反馈等服务，这种由云端应用市场而衍生的边缘运算架构的相关需求及市场在近两年也陆续浮现。”
周泰裕认为，由于集中式的云服务，无法满足使用者对低延迟的需求，进而促使端、边、云的数据撷取、传输、运算的新架构逐渐成形。
“就像是自动驾驶等新应用的崛起，”周泰裕表示，大量业者投入自动驾驶技术的发展，从先进驾驶辅助系统（ADAS）层面，逐步往完全无人的自动驾驶方向发展，但除了载具本身的平台发展外，更需要的是载具（端）、路侧（边）及后台（云）三方之间无逢接轨的协作模式，才能完美的达到无人驾驶的境界，而这其中就包含了各类数据中心的协同应用。
同样的，元宇宙这个包含了云 游戏 、沉浸式虚拟工作与社交平台、NFT区块链交易平台并与现实紧密连结的虚拟世界，也同样可以视为是另一种会带动对大量各类数据中心需求的端边云协作生态系统下的新应用。
周泰裕强调，无论是端边云的基础建设架构，还是元宇宙、自动驾驶等领域，工业富联在技术发展及产品导入速度上，都与全球主要客户间有着密切的合作。不仅能随着市场趋势、客户需求而稳定成长，更能借由集团平台化的发展方针，从市场上寻求更多可能的机会。
本文源自挖贝网
转眼间，2020已经接近尾声。这一年，有很多变化，也有许多不变的信念与坚守。12月30日，百度发布《百度AI的2020》，以一篇万字长文回顾与总结过去的一年。CTO王海峰总结百度AI在2020年的三大特色：持续 探索 科技 前沿、打造AI新型基础设施、云智一体加速产业智能化。
王海峰表示：“世界的2020，是充满不确定性的变局之年；中国的2020，是团结一心、共克时艰、于变局中开新局的希望之年；百度AI的2020，是坚定信念，拥抱变化，践行“ 科技 为更好“的实干之年。
回望2020年，抗击疫情中，百度AI第一时间贡献了 科技 抗疫、保护生命安全的温度和力量；复工复产和高质量发展中，百度AI是促进创新、构建新格局的新动能；我们的工作和生活中，百度AI在你搜索的每一条信息和知识里、在地图导航的叮咛声中、在国际会议的同传字幕上、在工厂的无人质检设备上、在自动驾驶出租车持续拓展的里程上……百度AI在我们身边每个角落，让我们的工作更高效、生活更便捷。
2020，百度AI的实干之年继续自己的特色之路：持续创新突破， 探索 科技 前沿；自主可控、开源开放，夯实软硬一体AI大生产平台，打造AI新型基础设施；云智一体，使能行业，赋能生态，加速产业智能化。”
一些关键的数字可以窥见百度AI的成绩：在 CVPR、ACL、ECCV、NeurIPS、INTERSPEECH等全球顶级人工智能学术会议和权威竞赛上，百度AI问鼎冠军30多次，论文收录260多篇，持续彰显AI技术领军实力；在人工智能专利申请量和授权量方面，百度以9364件专利申请和2682件专利授权处于中国第一位；今年，百度再次入选《麻省理工 科技 评论》“50家聪明公司”；截止目前，百度共获得了来自政府、行业协会、媒体等多方机构颁发的100多个奖项，例如2020世界人工智能大会最高奖项SAIL奖。
除了这些最直接的数字，《百度AI的2020》还全面展现了其在AI新兴基础设施、产业智能化、AI服务 社会 和人才培养等方方面面的进展和成果。
AI 新型基础设施
2020年，百度AI的四个剪影，描绘出AI进入工业化大生产，成为坚实的AI基础设施。
第一个剪影，百度大脑60勾勒的核心技术自主创新。2020年，百度大脑核心技术突破“知识增强的跨模态深度语义理解”，理解真实世界的复杂场景。另一方面，百度大脑“软硬一体AI大生产平台”升级为AI新型基础设施，更高效地支持AI工业化大生产，帮助产业智能化发展提速。
第二个剪影，百度飞桨持续创新，繁荣的开源生态支持产业发展。飞桨是中国首个开源开放、功能完备、自主可控的产业级深度学习 平台。飞桨开源框架V20RC版本，带来“编程一致、动静统一”的全新开发体验，硬件生态伙伴达到20家，适配或者正在适配的芯片/IP型号29种，提供自主可控的坚实底座，加速AI产业生态构建。飞桨凝聚超过265万开发者，训练34万个模型，服务10万家企业。
第三个剪影，前沿技术描绘的未来蓝图。百度发布了国内首个云原生量子计算平台量易伏Quantum Leaf，提供QCompute等量子开发套件，缩短量子编程全生命周期，实现量子工具链闭环。百度超级链拥有链内并行技术、立体网络等425项技术专利，实现单链87万TPS 的行业领先网络性能，并作为国内首个项目捐赠给开放原子开源基金会。百度人工智能还与生物计算和病毒研究相结合，百度开源了线性时间算法Linearfold，可将此次病毒全基因组二级结构预测从55分钟缩短至27秒，提速120倍。此外，百度推出的全球首个mRNA疫苗基因序列设计算法LinearDesign，能在16分钟内大大提升疫苗设计的稳定性和蛋白质表达水平，从而有效解决了mRNA疫苗研发中最重要的稳定性问题，加速疫苗研发速度。
第四个剪影，云计算铺设的智能经济“高速公路”。今年，百度智能云在业内率先提出AI-Native的云计算架构，发布新一代基础架构百度“太行”，自主研发的云原生数据库产品百度智能云Gaia（盖亚），便捷高效支持产业的智能应用。此外，混合/专有云平台ABC Stack全部支持国产化服务器和 *** 作系统，ABC Stack行业版和企业版重点加持百度自研昆仑AI芯片，实现真正的国产化智能云。
四个“剪影”交叠，“百度AI新基建版图”逐渐清晰。百度正在依托包括百度大脑、飞桨、智能云、数据中心等在内的新型AI基础设施，推动智能交通、智慧城市、智慧金融、智慧能源、智慧医疗、工业互联网和智能制造等领域实现产业智能化升级。
AI 描绘“万物智能”，产业智能化更加澎湃
新冠肺炎疫情对全球经济带来巨大冲击，也让 社会 各界充分意识到人工智能等新兴 科技 的重要价值。百度AI一方面通过搜索、地图、输入法、小度、Apollo等产品和平台服务大众，让生活更简单、更便捷；另一方面通过百度AI to B的重要承载者和输出者——百度智能云，为各行各业大规模输送百度的AI技术成果与平台能力，支持产业智能化升级，加快智能经济的到来。
百度AI助力 搜索体验持续优化，更好地连接信息与服务。 百度移动生态是中国领先的以信息和知识为核心的移动生态，在AI技术的加持下，百家号、智能小程序和托管页三大支柱迅速发展成为国内领先的内容和服务接入平台。基于自然语言处理、知识图谱、语音、视觉、深度学习等AI技术能力，百度搜索也在持续智能化。
新一代人工智能地图—百度地图让出行更简单。 2020年，百度地图坚守AI优势和创新能力升级出行服务，上线熟路导航模式、车道级导航功能、AI室内通和红绿灯倒计时等，已成为国民信赖的权威出行平台。目前，百度地图90%以上的数据生产环节实现AI化，全景地图覆盖全国95%以上的城市，覆盖里程超过300万公里; 语音交互场景也实现迅速增长，百度地图智能语音助手用户量已破4亿。
百度地图AI室内通
AI 全面赋能输入法，市场份额与活跃用户量跃居行业领先。 百度输入法市场份额与月活跃用户量增势迅猛，目前月活突破6亿；多项AI功能取得重大行业突破，其中语音输入能力持续突破，并成为业内首个日均语音请求量破10亿次大关的输入法产品，语音识别准确率达986%，同时实现离线中英自由说升级突破，百度输入法目前已成为语音输入渗透率最高的第三方手机输入法；手写输入持续升级，手写识别准确率提升至96%。
小度“破圈”，拓宽智能助手的应用边界。 小度今年发布了搭载百度鸿鹄芯片的小度智能音箱2红外版、主打在线少儿教育的小度教育智能屏和小度智能早教机、以及超高性价比的智能屏入门级产品小度智能屏Air、随身场景首款新品小度真无线智能耳机和满足每一位家庭成员更多元细分需求的小度智能屏X10，让小度在更多场景和人群实现了“破圈”，加速人工智能硬件的市场普及，拓宽智能助手的应用边界。
Apollo 自动驾驶超过十项中国第一，技术实力领跑行业。 百度Apollo不断刷新智能出行领域的“高难度”。在“万物智能——百度世界2020”大会上，百度完成全球首次全无人驾驶直播，即人工智能系统在没有车内安全驾驶员的情况下独立驾驶。百度先后在长沙、沧州、北京开放Apollo Go自动驾驶出行服务。智能车联产品 Apollo小度车载已进入上百万辆智能 汽车 。百度发布了国内外首个车路行融合的全栈式智能交通解决方案“ACE 交通引擎”，扎根中国智能交通新基建，目前已获近20个城市的智能交通新基建订单。
壮“智”凌云，百度智能云加速产业智能化。 2020年在疫情、全球经济局势变化的背景下，以 科技 创新推动产业发展，提升经济质量的效益和核心竞争力成为关键。百度智能云融合了云计算、百度大脑、大数据等百度核心技术，发布“以云计算为基础，以AI为抓手，聚焦重要赛道”的全新战略，推动产业智能化发展，成为新基建大潮中加速AI工业化大生产的关键力量。
百度智慧城市解决方案已在北京海淀、重庆、成都、苏州、宁波、丽江等10+省市落地应用；智慧金融服务近200家金融客户，构建了超过30家的合作伙伴生态，跻身中国金融云解决方案领域第一阵营；百度智慧医疗“灵医智惠”已经服务300多家医院和1500家基层医疗机构，辅助数万名医生，惠及超过千万患者；智能制造覆盖14大行业，100多家企业，30多个合作伙伴，触达50多类垂直场景，在3C、 汽车 、钢铁、能源等行业已规模落地；百度智慧能源已覆盖电网、发电、新能源、清洁能源、石油、化工等场景，携手国家电网、南方电网智能化升级；发布企业智能应用“百度如流”，构建 AI 时代办公流水线，打造新一代智能工作平台。
服务 社会 与人才培养
没有一个冬天不可逾越，没有一个春天不会来临。2020年，面对突如其来的疫情，百度AI第一时间加入抗疫防疫的战斗中。百度AI出现在中国疾控中心，助力10个小时就完成了北京四个病例样本的全基因组测序；出现在地铁高铁等公共场所，解决佩戴口罩及帽子情况下的体温检测；出现在基层随访的电话中，智能外呼平台一秒呼出1500个电话辅助排查及通知，让基层防控人员有时间坐下来吃一口热饭；AI问诊每日调用近万次，机器人战疫解决方案落地30多家医院、机构，百度地图迁徙大数据平台、实时路况平台为国家防控部署提供参考，发热门诊地图、疫情小区地图、核酸检测机构查询等功能，从不同角度帮助抗疫防疫更快速、更便捷。
百度秉承“ 科技 为更好”的理念，践行企业公民的 社会 责任。百度最早将人工智能技术用于寻人，截止到2020年12月，百度AI寻人已经累计帮助了近12000个家庭团聚。百度AI持续支持文化保护、动物保护，例如百度和国际爱护动物基金会IFAW合作，推出全球首个利用人工智能技术打击野生动物制品非法贸易的平台。
人工智能的快速发展和产业智能化浪潮加剧了全球AI人才的紧缺。面向高校，百度提供了全套教学资源包、实训平台和亿元算力支持，并与高校共建课程体系；目前已举办13期高校师资培训班，培养了1800多位AI教师，支持200余所高校开设AI学分课。前不久，百度飞桨的“大航海”计划公布，其中的“启航”部分面向高校AI人才培养：未来三年，百度飞桨将投入总价值5亿元的资金与资源，支持全国500所高校，重点培训5000位高校AI教师，与高校联合培养50万AI未来人才。
面向未来
2020年，世界格局不断变化。正如百度CTO王海峰所言：“立足新发展阶段，以新理念建新格局， 科技 创新是关键。百度AI的2020，与时代共前行。”
天还未大亮，一辆辆 汽车 的红色尾灯排成了一条长龙， 汽车 喷吐出来的尾气和路人呼出的哈气互相交织，这就是城市生活中人们最熟悉的早高峰场景。
汽车 的诞生本来目的是为了人类出行提供更大的便利性，拓展人类的出行边界。估计其发明人也没有想到，有一天 汽车 反而因为数量过多成为了交通出行的阻碍因素。据中国公安部交通管理局数据统计，截至2021年9月，全国机动车保有量达390亿辆，其中 汽车 297亿辆。
越来越大的城市，越来越多的人口，越来越多的 汽车 ，这让解决交通问题变得前所未有的迫切。目前，为了缓解交通拥堵，我国在大城市普遍采取限号限行、控制私家车牌照的发放的措施，同时尽可能扩建道路、优化城市管理。但是，道路扩建的速度远远赶不上 汽车 的增量，并且改扩建道路的资金成本和 社会 成本都极高，所以解决交通拥堵问题，还需要新的思路来破局。
从自动驾驶入局
随着人工智能、大数据、5G等高新技术的层出不穷，行业看到了新兴技术在解决交通拥堵问题上的可能性。各大企业纷纷入局，从不同技术角度切入，既希望能够解决这一 社会 、民生问题，又看好这背后的巨大交通出行市场。
众多参与者中，百度宛如一匹黑马，闯入了智能交通领域。
2017年搜索引擎巨头百度宣布将“All in AI” 打造AI生态，并且推出对话式人工智能系统Duer OS和自动驾驶系统Apollo两大开放平台。并且在2017年7月的百度AI开发者大会上，百度创始人李彦宏通过现场直播，乘坐百度研发的自动驾驶 汽车 开上北京的五环路，瞬间引爆了全网的热度。
自动驾驶技术也成为百度试图解决交通问题的最初尝试。
据数据统计显示，全球每年有135万人死于交通事故，平均每24秒就有1人在交通事故中丧生；在5-29岁的青少年和青年人群中，道路安全伤害是排名第一的死因。94%的交通事故是人为因素导致的，包括注意力不集中、决策误判、疲劳驾驶、醉酒驾驶等。我们相信，随着技术的成熟，自动驾驶比人类驾驶更安全，通行效率自然也会更高。
波士顿咨询的一份报告认为，智能驾驶有望成为自 汽车 发明以来影响最为深远的技术，智能 汽车 和自动驾驶出租车Robotaxi，尤其是共享自动驾驶出租车在市区的广泛使用，可以让城市街道上的 汽车 数量下降60%，尾气排放下降80%或更多，同时减少90%的道路交通事故。
Apollo一骑绝尘
于是，八年前，百度决定投资自动驾驶技术，李彦宏说，“它是人工智能最顶级的工程，将彻底改变人类的出行和生活。”
自动驾驶是一个复杂的系统，包括环境感知、行为预测、规划控制、高精地图、高精定位等多个领域的顶尖技术。L4及以上的自动驾驶的实现，在硬件、软件层面，在算力、算法、数据层面，其技术难度不是线性的增长，而是指数级增长。
这一领域的竞争在当下变得空前激烈，技术也在快速演进。得益于百度长周期的技术研发投入和运营积累，在专业研究机构排行中，百度的自动驾驶处于全球技术领导者阵营，也是全球技术领导者阵营中唯一的中国企业。
2017年百度Apollo发布半年后就实现了两次版本迭代。在2018百度世界大会美国场上，Apollo发布了20版本，展示了十辆不同类型、不同功能的Apollo自动驾驶车辆，在凌晨6点的北京百度大厦周边展示的车队场景，构成了Apollo自动驾驶的全球“不夜航线”；2019年百度公开了国内唯一的L4级自动驾驶纯视觉城市道路闭环解决方案——百度 Apollo Lite。经过前期的技术研发投入和2019年上半年的路测迭代，依靠10相机的感知系统，百度自动驾驶车辆已经可以在城市道路上实现不依赖高线数旋转式激光雷达的端到端闭环自动驾驶。2020年的百度世界大会上，百度自动驾驶 汽车 首次实现了取消安全员的全程无人驾驶，百度Apollo展示了成熟的无人驾驶与5G平行驾驶；2021年8月18日，百度发布了全新升级的自动驾驶出行服务平台——“萝卜快跑”，结合了Apollo过去两年的运营实践，能向大众提供商业运营和多元化增值服务。
萝卜快跑亦庄商业化
11月25日，北京市智能网联 汽车 政策先行区向部分企业颁发国内首批自动驾驶车辆收费通知书，这意味着北京率先落地智能网联乘用车服务商业化试点。当天，百度Apollo获国内首个自动驾驶收费订单，并在亦庄地区开启正式商业化运营。
截止目前，百度 Apollo 已获得411张自动驾驶测试牌照，已经在全国超30个城市开展自动驾驶测试，路测里程超过2100万公里，自动驾驶专利数量超过3400件。
百度的自动驾驶技术发展虽然已经很快，但是包括李彦宏在内的百度内部人士都清晰地认识到，要想靠自动驾驶技术彻底解决交通领域的问题，并非一日之功，单车智能发展还同时受到技术、规模、成本、政策等方面制约。因此在智能交通解决方案设计之初，百度就明确认识到，智能交通不仅要能够解决未来的事情，同时也要解决当前城市发展的实际交通问题。
车路协同自动驾驶理论和实践就在此基础上产生了。自动驾驶的普及，不能只依赖单车智能，道路基础设施的智能化也很重要。车路协同可以大大提升无人车的安全性，加快自动驾驶大规模商用的进程。
聪明的车加智慧的路： 探索 智能交通系统
未来的城市智能交通，不仅要有『聪明的车』，还要有『智慧的路』。Apollo 汽车 机器人代表“聪明的车”，展现了百度对 汽车 发展的未来判断；AIR（AI Road）智能道路系统则是百度推出软硬一体的路端“自动驾驶系统” ， AIR智能道路系统利用了百度在自动驾驶领域多年的深耕成果，与百度Apollo自动驾驶系统架构同源、数据共享，可以持续迭代升级，使出行更安全、高效、便捷。
AIR智能道路系统作为路端“自动驾驶系统”，具备与自动驾驶车辆同类的传感器、计算单元、软件及云端系统，拥有与Apollo自动驾驶同类型的感知、规划与决策能力。此外，AIR系统和Apollo车，双轮数据驱动算法自学习，推进AIR系统快速迭代升级不断进化，达到C4-C5级高度智能化道路系统。
AIR智能道路系统不仅服务当下，让出行更安全、交通更畅通、城市更绿色，也推动自动驾驶时代的到来。得益于技术创新，AIR智能道路系统能够让自动驾驶更安全，通过“上帝视角” 全量对象实时协同感知，解决自动驾驶长尾难例，实现路口通过率99%；同时，可以做到道路全量危险事件实时、广触达预警，协同主动式运营管理，有效降低90%交通事故。此外，AIR智能道路系统能够通过对路口进行单点优化到区域优化，大幅降低城市道路拥堵延误，提升15%-30%的通行效率，百度AIR智能道路系统已在全国数2000多个城市路口实现“城市级”信控实时优化，并在全国数百万公里道路实现对车辆的安全护航。
在落地城市，百度的智能信控，通过“让灯数车”、“让车读秒”提升交通效率。灯会根据实时的车辆数，来调整红绿灯时长。广州黄浦区核心干道开泰大道实现了一路绿灯通过12个路口。道路平均行程时间下降了25%，平均遇红灯停车次数由3-4次下降为0-1次。在河北保定核心区，过去两年年均机动车增长7%，但拥堵指数却通过部分路段信控优化下降了6%。
百度智能交通在智能网联、智慧交管、智慧高速，智慧停车四大领域不断深耕，已在全国落地近50城。但无论是哪个方案的落地，都不同于以往一刀切式的传统基建建设，而是一种更加长远的智能交通运营商模式。
造车还是造机器人
在整个智能交通发展的全链条上，百度几乎覆盖了全部，唯一欠缺的就是交通出行中的最重要主体——车。在自动驾驶的测试研发过程中，百度早期采用的是林肯轿车进行改装的方案，后期采用和北汽极狐、红旗等轿车进行前装量产，但是毕竟是别人的车，这些车不是完全为自动驾驶而生的，所以百度动了自己下场造车的念头，也是为了弥补智能交通版图上欠缺的那块拼图。
2021年3月由百度集团发起并联合吉利集团投资成立的 汽车 机器人创业公司正式成立，这家公司还通过AI为自己选了一个好听的名字——集度。
2021年11月29日，百度、集度和高通技术公司宣布，集度首款量产车型将采用由百度和高通
1月上旬，新元科技股价暴涨，其布局的云游戏服务器业务受到关注。记者来到新元科技，与高管进行面对面交流，探究作为轮胎橡胶设备厂商的新元科技，如何布局智能行业机器人，打造智慧工厂、智慧城市另外，记者与新元科技高管就云游戏领域的ARM型服务器进行了沟通。
新元科技高管介绍，公司炼胶设备主业仍将继续发展，清投智能的智慧工厂业务主要为各种智能行业机器人，应用于电站、高铁、戒毒所等固定区域的巡视巡检。另外，公司通过子公司邦威思创布局的ARM颗粒计算云游戏服务器设备2019年开始推广。
(右起分别为邦威思创总经理陈尧、新元科技副总经理张亮)
“职业涉险”机器人
据了解，新元科技主业为智能化输送配料系统，主要产品包括上辅机系统、小料配料称量系统、气力输送系统，用于轮胎橡胶行业的炼胶环节。2017年控股清投智能后，主营业务拓展至大屏幕智能显示控制系统和智能装备业务。
历史财务数据显示，在收购清投智能后，智能制造业务利润不断提高。2017年，新元科技与清投智能净利润分别为208900万元与95284万元，到了2018年，两者净利润分别为700346万元与523930万元，2019年上半年，清投智能净利润已超过母公司，两者分别为253290万元与306886万元。
关于新元科技的发展方向，公司高管介绍，公司整体围绕智能制造展开，发展战略为两条主线：一条是智慧工厂，第二条主线是工业智能机器人。
据了解，智能装备制造与智能机器人项目均由清投智能承载，“清投智能主营业务为大屏幕显示控制系统和智能装备的研发、生产和销售;主要产品包括液晶项目、DLP项目、智能滑雪机、智能qd柜、智能机器人等。”新元科技在财报中称。
新元科技专门介绍了智慧工厂业务的“亮点”——“宝”系列智能巡检机器人，包括应用于电站巡检的“电宝”、应用于安防巡逻的“安宝”、运维辅助机器人“维宝”等。
(清投智能“宝”系列机器人展示图)
(清投智能“宝”系列机器人产品线归类)
新元科技副总经理张亮介绍，“宝”系列机器人绝大部分原材料来自外采，清投智能的优势在于数据采回后的智能化分析处理，同时，在机器人制造时不断整合红外雷达壁障、AI图像识别处理等功能，整合设计也是优势之一。
在市场竞争方面，张亮告诉记者，除了清投智能之外，做巡视巡检机器人的企业以国家电网下属企业为主，向外延伸的很少，公司向外延伸已取得一定成果，向化工厂、煤矿输煤廊桥、中储粮粮食储备库、看守所等应用场景延伸出的销量大于电网销量。
(电宝应用场景)
“现在‘宝’系列机器人的成本较人工成本优势并不突出，但考虑社保、伤亡事故处理、后勤保障等隐性成本，在危险领域，机器人的成本还是有优势的，现在销量增长还可以，但整体的规模还不是特别大。”张亮称。
财务报告显示，截至2018年末，机器人项目营业收入为20011万元，毛利率为3744%。
云游戏服务器进展如何
除上述两条主线外，新元科技还在布局服务器相关业务。据了解，2019年中，新元科技并购邦威思创51%股份，业务拓展至智能视频通讯及专用领域新型异构服务器和ARM颗粒云计算服务器等领域，而ARM服务器在云游戏领域存在应用空间。
(陈尧介绍基于高性能ARM颗粒计算的云游戏服务器的技术特点)
邦威思创总经理陈尧认为，基于高性能ARM颗粒计算的云游戏服务器对比传统服务器有较大优势，这主要因云游戏与ARM计算单元的良好兼容性及其颗粒化计算特点决定，云游戏的每个用户都是独占性用户，需要独立的计算单元或虚拟机进行单独运算，ARM颗粒计算的云游戏服务器是由大量ARM+GPU颗粒计算单元构成，虽然单体ARM颗粒计算单元的运算能力不及传统服务器，但因其并行了众多独立计算单元可供调度，非常适合云游戏等业务的计算处理。
“另外，基于高性能ARM颗粒计算的云游戏服务器的成本方面较传统服务器有非常明显的优势，尤其是低功耗的特点，可以较大地降低大规模的云游戏运营商的运营成本。”陈尧告诉记者。
关于ARM服务器的市场，陈尧称，该业务2019年开始推广，目前量还没有起来。
某专业人士对记者表示，现在云计算和边缘计算已经实实在在产生需求，在5G商用的推动下，相关市场应用预计会越来越大，目前谷歌、亚马逊、微软、英伟达、华为等厂家都已相继发布云游戏产品。
IDC在报告中称，当前以5G、人工智能、物联网为代表的新兴技术正在推动人类进入智能社会，加速了智能化应用爆发性发展，自动驾驶、云游戏、VR/AR等智能化应用的兴起，使得传统单一的X86架构产品很难满足多样化的计算场景需求。
除ARM云游戏服务器外，陈尧还介绍了公司的FCPC协同计算平台系列服务器，较Intel等通用服务器，邦威思创的FCPC产品为利用FPGA+ARM/CPU的异构服务器，可帮助下游应用厂商快速打造各种专业的个性化产品。比如：图像处理机器人，传统处理器方案功耗高、空间大、成本高，应用FCPC方案则可以重点搭载AR引擎、图像分析处理等模块，会更有优势。
(陈尧介绍新型FCPC异构服务器产品的技术特点)
市场推广方面，陈尧表示，市场很大，客户很有兴趣，但还没形成规模，陈尧补充道，“相关产品具有良好的客户粘性，使用的客户会很稳定，会一直使用我们的产品和服务。”
上述服务器行业人士表示，微软和阿里也在搭建FPGA云服务器，都看好FPGA计算能力强、低功耗、小体积的特点，不过，FPGA研发横跨软硬件，需要多方面协调共进，研发难度高。同时，FPGA使用起来不如通用服务器简易，出现问题以后的维养也比较麻烦，能否达到邦威思创的预期市场效果，还需要时间检验。
值得注意的是，截至2019年半年报，新元科技并未单独列示服务器产品相关财务情况，故服务器收入及利润占比尚无从得知。
数据和云计算，在汽车自动驾驶技术里的作用是什么？可以基于路况、车辆性能、驾驶员 *** 作习惯等因素，提供节能减排、降低驾驶疲劳的驾驶方案。自动驾驶借助汽车上的激光传感器和GPS，车辆通过相对先进的算法进行自我定位。
科技解放人力的趋势从未停止，把人类从繁重重复的机械劳动中解放出来一直是科技进步的原始动力。驾驶，一项需要长期关注的机械任务，已经成为科技发展和应用的主要目标场景之一。自动驾驶汽车的传感器包括高智能摄像头、激光镭等。通过这些技术，我们可以感知汽车在行驶过程中遇到的各种信息。这些信息被传输到云上，在云中进一步集成、机器学习和分析后，将再次分发到车辆上。这种数据传输在高精度实时流量中也发挥着重要作用。
云计算产生大数据，这让自动驾驶技术成为现实。借助汽车上的激光传感器和GPS，车辆通过相对先进的算法进行自我定位。然后，需要确定道路上其他人和车辆的位置，从而预算出自动驾驶所需的安全信息，如周围物体的轨迹和安全距离。这些确定后，加入人工智能系统，分析信号、路径、速度、能源的统计数据，然后通过云端。
大数据云计算技术可以根据车辆在特征道路环境中的行驶特性、不同交通因素以及不同领域驾驶员的驾驶需求，自适应调整车辆危险的预警阈值和驾驶策略，使预警效果更好地满足相应领域和状态下驾驶员的安全需求。基于图大数据信息的挖掘分析，可以基于路况、车辆性能、驾驶员 *** 作习惯等因素，提供节能减排、降低驾驶疲劳的驾驶方案。大数据存储管理技术可用于智能联网车载系统交互数据和控制系统数据的在线监测，提供车辆启动时的数据稳定性和可靠性检查，提供车载控制系统级安全性的在线检查。
在道路上行驶是一个处理大量数据并做出决策的过程，而自动驾驶汽车则使用各种传感器来“观察”道路。这个过程也会产生大量的数据，平均15小时左右的驾驶时间会产生4TB的数据。在车辆方面，显然不适合处理和储存如此巨大的工作量。所以最好的办法就是使用云计算和云存储来支持自动驾驶汽车。
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）