特斯拉|中国自动驾驶进入战略机遇期，如何克服同国外巨头的数据差距( 二 )

文章插图

马克·斯坦顿主办方供图
据咨询机构麦肯锡预测，在接下来10年的时间，跟汽车市场相关的软件市场的市值会翻番，达到4690亿美元，未来汽车的创新90%都会基于软件。还有机构预测，到2040年，自动驾驶的车辆将达到3300万辆。
但他认为，这个数字是被低估的，未来自动驾驶将会变得越来越平常，而且越安全越有效，而中国正处于这样的变革的中心地带。
斯坦顿坦言，自己之所以三年前选择来到中国，致力于中国新能源汽车的发展，就是因为看到中国正积极利用政策引导，实现一些新的创新方案，来解决交通出行所面临的一些痛点。所以，中国将会成为出行企业变革的催化剂，同时他坚信越来越多的技术将会支撑全球的汽车产业发展。
车路协同——中国的路线
那么，中国的自动驾驶是该走单车智能还是车路协同？与会嘉宾普遍看好后者。
马克·斯坦顿称，车路协同能给无人车的安全性提供非常大的价值，未来是无人驾驶落地非常好的契机。
楚航科技高级顾问浦维达指出，单车智能的成本始终降不下来，通过网联来提供辅助驾驶更多的信息，可以使单车成本大幅下降。而且，网联化真正体现了我们国家举国体制的优势，中国的高速公路可以集中控制，不像有一些国家它的高速公路很多都是财团控制的，所以做起来比较难。
不仅如此，中国的5G通信技术还是布局条件最好的，有条件的话可以在所有高速公路和城市的骨干道路上实施5G通信技术。
尚颀资本股权投资部董事总经理胡哲俊则认为，单车智能加智能网联是最适合我国国情的发展策略，我国在人口密度、通信技术和资源上都具备优势，政府的执行力强，从公共交通的层面去推车路协同相对来说阻力更小。
数据采集——中国的挑战
不过，要做好自动驾驶，有一道坎是绕不过去的——数据。
高质量数据和算法是自动驾驶软件的核心。目前自动驾驶商业模式正在发生深刻变化，数据和算法紧密结合的做法逐渐得到市场的认可。无论是视觉还是雷达方案，本质上都是一整套服务于汽车工业的软件解决方案，而数据在其中扮演的角色是促进算法持续迭代的基础设施。
美国自动驾驶巨头，同时也是车辆制造商的特斯拉曾表示，他们现在最大的竞争力其实不是在自动驾驶的算法，而是每天在路上跑的大概40多万辆的车和这些车每天贡献的数据。特斯拉可以通过这些数据可以不断优化自动驾驶的算法、模型，进一步加强它的竞争力。
据胡哲俊介绍，现在各家车厂在硬件层面已经差异不大，软件这一块很多自主品牌也具备比较大的竞争力，但国内公司没有特斯拉这样的先天优势。一些自动驾驶公司可能更多程度上都是轻资产、偏软件的，很难运营比较大的车队，持续去获得这么大量的数据。车厂也是一样，传统车厂不直接面对消费者，所以很难获得这些数据，缺少中间渠道。
而且，即便找到了数据获取的途径，数据的长尾效应（注：在数据训练中，一小部分的类别占据了大多数的训练样本，而大部分的类别只有极少数的训练样本）也一直困扰着自动驾驶研发团队，如何高效获取和使用2%稀缺复杂场景下的高质量数据始终是个难题。轻舟智航联合创始人兼CEO于骞指出，实际上稀缺场景的路测数据量是十分有限的，需要创造一种虚拟环境把现有数据的价值重新发挥出来，验证算法的修改、系统的变化是否安全可靠，加速开发流程，提升路测效率。
已布局这一领域的格物钛首席运营官吴琼婧表示，仿真场景库会是一个非常好的应用。因为长期路侧采集的成本很高，像一辆数据采集车每天会采集10TB的数据，100台车就是PB级的数据量。如果能在海量的数据中快速找到符合需求的复杂场景数据进入模型训练阶段，并且把采集的真实数据转化成仿真场景库，在仿真场景库中做调优，例如把旁边并线的车速提高或者降低15%、或调整角度。这种做法可以仿真创造出更多的数据，来替代高成本的数据采集工作，这一方面的解决方案都可以用数据平台的方式来实现。