专访博世高管：一级供应商在自动驾驶领域有多重要？

编者按：本文来自GeekCar，作者Mark，36氪经授权发布。

对我来说，本次 CES 最大的新闻之一，就是博世与英伟达宣布合作。这意味着在自动驾驶发展的驱动下，科技公司已经正式加入到了传统的汽车供应链当中。GeekCar 在 CES 博世的展台上，有幸采访到了博世 VP Vehicle Systems Engineering / Project VP Future Driver Assistance —— Michael Fausten，和他一起聊了聊自动驾驶。

作为博世负责未来驾驶辅助业务的重要高管，Michael 给我们分析了目前自动驾驶产业的结构，以及博世作为全球最大的一级供应商，在这个产业中所发挥的作用。以下是专访的实录 ( G 代表 GeekCar，M 代表 Michael Fausten）：

G： 在 GeekCar 看来，目前的自动驾驶产业结构已经比较清晰了。我们可以把自动驾驶分为「感知」（Sensing）、「判断」（Decision）以及「控制」（Control）三个大环节，并辅以” 地图”（Mapping）以及” 互联”（Connectivity）技术。在您看来，现在的自动驾驶产业结构是什么样的？我们是否还需要加入更多的技术和环节以实现自动驾驶？

M： 首先我得说，我十分同意你们对目前自动产业结构的理解，你需要有感知、决策和控制，还需要云端连接以及地图数据的支持。

不过从博世的角度来看，我们更愿意将这几个环节连接在一起来看。因为作为一级供应商，我们需要交付的是一个整体解决方案，因此你所提到的每一个环节对我们来说，都要能提供安全，可靠的表现。只擅于其中的某一个领域对于 Tier 1 来说是不够的。 对于目前的整体产业结构来说，我认为所有自动驾驶所需要的环节与技术已经基本完善，已经不需要有全新的技术加入进来了。我们目前应该关注如何将现有的技术做进一步的整合和优化，例如传感器和人工智能等。

G： 很高兴您提到了人工智能，因为我们发现今年 CES 的一个重点就是将人工智能应用在自动驾驶上，英伟达的 CEO 黄仁勋也在他的发布会上着重提到了 AI 于汽车的联系，以及英伟达与博世的合作。在您看来，人工智能与自动驾驶的联系是怎样的？在众多的潜在合作伙伴中，博世为什么会选择与英伟达合作？

M： 对于完全自动驾驶来说，我们的目标是能够把人从驾驶任务中完全解放出来。对汽车来说，这就意味着在任何路况或者条件下，汽车自己都能够提供合理、安全的应对方法，而不需要人来介入。这就让自动驾驶技术从基础的感知开始向智能化的判断能力进行发展，这是我们需要人工智能的根本原因。 而深度学习技术能够帮助我们更加有效的去优化人工智能的判断能力，例如在道路上准确判断出行人、卡车标识等等。

我们与英伟达的合作始于对这方面的考虑，因为深度学习需要有一个合适的运算平台与环境，而最终，我们需要将深度学习与人工智能整合到一个可以大量量产的计算机系统当中。英伟达在 AI 领域及芯片供应链当中的角色与我们的需求十分相符，因此我们选择才选择一起合作。我们会和英伟达一起研究人工智能在汽车领域内的应用，并将成果落实在量产产品上。

G： 黄仁勋也告诉过我们，博世的合作对英伟达十分重要，因为这是将他们的超级电脑进行车规级量产的唯一途径。不过当我们讨论人工智能和深度学习时，只说硬件是不够的，还需要有充足的数据支持，在这方面，英伟达的测试车才刚刚起步。那么在合作当中，谁将会主要提供数据呢？

M： 获得数据的方法其实有很多，其一是博世自己在世界各地的自动驾驶测试车已经积累了很多数据。其二是，我们已经和一些车厂达成合作，一起研发自动驾驶汽车，在合作中，我们也可以共享他们的数据。一方面我们自己可以产出数据，另一方面，我们也可以通过技术手段来模拟数据，在这个层面上，我们也希望能够找到更多的合作伙伴。

G： 目前在人工智能的硬件领域，竞争还是很激烈的，例如 CPU 和 GPU 之间的对比。在博世看来，哪种处理芯片更适合于自动驾驶的应用？

M： 现阶段我们需要新的硬件来支撑深度学习，目前能够支持深度学习的硬件架构其实并不多。在我们看来，GPU 是有能力去计算深度学习任务的，这也是为什么英伟达在现阶段是很合适的合作伙伴。作为 Tier 1，我们也希望有更多的硬件方案出现，因为我们的职责就是评估不同技术的表现，并选择最优的方案给到车厂。

G： 的确，作为供应商，如何将方案整合并量产其实是你们克服的难点。那么目前你们与英伟达合作的人工智能解决方案，是更注重于短期内的量产，还是更注重于未来完全自动驾驶的长远规划？因为大部分车厂在提到人工智能的时候，都将规划的落地时间定在了 2020-2021 年左右。

M： 我认为，短期内英伟达提供的是深度学习芯片的量产能力。不过他们也并不是这种芯片的唯一供应商。对于博世来说，我们在短期内的任务是如何能够更好的使用这些深度学习芯片去运行我们的软件以及算法。 至于我们未来是否会进一步使用英伟达的软件和算法去提高我们方案的表现，还需要进一步的探讨。

G： 我们将话题转到互联与自动驾驶，5G 是互联领域内的热门话题，大家都在谈论 5G 在自动驾驶里的应用。但是我听到一些汽车工程师告诉我说，在 V2V 及 V2I 等的应用当中，出与对安全和稳定性的考虑，他们还是会去选择更加传统的 DSRC 技术。您是否同意这个观点？

M： 这个选择其实取决于你的具体需求和应用场景。比如我们会使用 5G 来做在线服务以及传输大尺寸的交通行驶数据、地图数据等。而在 V2V 与 V2I 应用上，目前在美国已经要实行对每辆车的强制性 V2V 技术要求了，我们要进一步看市场的渗透情况以及发展走向，然后我们再相应调整我们的技术策略。

G： 正如您刚才提到的，地图技术也是自动驾驶当中非常重要的一部分，现在的行业中有两类解决方案，一种是 Mobileye 的 REM，通过小尺寸的摄像头数据来辅助定位，另一种是类似谷歌这样通过激光雷达的实时扫描并与高精度地图进行对比定位。在您开来，现阶段哪种解决方案会更有优势？

M： 目前我们提供的解决方案是通过视频摄像头和雷达技术进行定位。因为从我们的经验来看，只使用摄像头来定位是不够可靠的，比如说下雨天气、路面反光以及黑天的情况都有可能产生错误，视频摄像头对于周边环境以及光照情况很敏感。所以博世选择将摄像头与雷达结合的地图技术，并且我们认为这两种传感器是目前最好的解决方案，原因有二：第一是它反馈回来的结果十分稳定可靠。第二是，数据的大小及流量相对合理，并没有像高精度地图那么高。我们认为现在一些低精度的地图已经完全可以满足目前的需求了。而且我们也可以通过推广这两种传感器结合的解决方案去积累更多的地图数据。

G： 在特斯拉 8.0 系统对于 Autopilot 功能的更新中，他们把博世的毫米波雷达作为核心传感器之一。而在更后面的 Autopilot 2.0 系统里，却使用了八摄像头的方案，号称具备了 4/5 级自动驾驶的硬件基础，这是否意味着高度自动驾驶是可以不需要激光雷达的？今年，很多 Tier 1 供应商都公布了自己的激光雷达产品计划，博世有没有这方面的考虑？

M： 对传感器种类的选择同样取决于对功能的需求，特斯拉决定选择这几个传感器肯定有他们自己的系统设计，以及功能上的考虑。至于我们自己是否会生产激光雷达，目前我还无法透露，让我们再等等看吧。

G： 在去年 CES 期间，博世曾经说过，自动驾驶是一个步步推进的过程，2016 年当中，我们已经看到越来越多的车型具备了高级驾驶辅助以及 Level 2 的半自动驾驶功能。您觉得在未来的量产产品当中，我们会看到哪些驾驶辅助功能方面新的变化？

M：我们看到了两个趋势，第一是常见的整车自动驾驶功能级别的逐渐提升，我们会向着 Level 3 继续发展，并在高速路等路况率先实现高度自动驾驶。另一种趋势是自动驾驶引起的新的出行服务解决方案，尤其是城市中的应用场景，比如如何解决最后一英里的问题。 这类交通工具会是一种崭新的模式，因为他们的所有权将不再属于个人，而是由公司来负责运营的。

G： 最后一个问题，目前行业中有呼吁希望能够将自动驾驶的解决方案标准化，您觉得是否有这个必要？

M： 我认为在自动驾驶行业当中，还有很多的空间可以给不同的企业来做差异化，不管是 OEM、供应商还是我们选择的技术解决方案，都是如此。但是在某些问题上的标准化还是非常必要的，例如当我们谈论 Level 3 级别的自动驾驶时，什么样的表现是最低标准？这样的标准对整个行业的发展将会是十分有意义的。

G：Michael 非常感谢您接受我们的采访！

M： 谢谢！

在和 Michael 聊完之后，我深深的感觉到，自动驾驶所需要的环节越多，Tier 1 的重要性就会越发明显。因为他们是所有环节最终能否落地到量产产品上的关键。任何单一技术供应商，想要跨过 Tier 1 直接落地到车厂的量产产品上都会十分艰难。好在目前自动驾驶产业的结构环节已经基本上发展完整，大家现在应该开始一门心思好好想想怎么把产品落地了。

在这次 CES 逛展期间，很多科技圈的爱好者都跟我说，觉得今年自动驾驶领域内没有什么新出来的黑科技。但实际上，今年，才是一切黑科技的真正开端。