速腾聚创张冲：无人驾驶面临政策、交通安全、高费用、云端安全等问题

由亿欧华南举办的人工智能促进产业升级「2016亿欧黑科技+行业沙龙·深圳」活动，在12月2日南山区金融科技大厦举办，活动嘉宾包括： 速腾聚创 -战略执行总监- 张冲 、码隆科技-创始人兼CEO-黄鼎隆、索信达数据-董事长-宋洪涛、尖叫科技-创始人-李响、达晨创投-投资总监-陈全、速腾聚创-COO-邱纯潮。

以下是 速腾聚创-战略执行总监-张冲分享原文：

干货提炼：

① 无人驾驶的技术需求和渗透已经做得很好，整个生态的参与者非常非常多，而且有巨头，有新的创业者，有互联网的厂商。

② 有三股大的力量在分这个万亿市场蛋糕。

③ 无人驾驶本身也存在着非常多不确定性，挑战也很多。

④ 整个 无人驾驶 大概是需要四个重要的基础部门。

⑤市面上 三大主要的无人驾驶传感器比较。

我的题目是“遥望星空，无人驾驶离我们究竟有多远”？

这个命题目前的争议也比较多，有的人比较乐观，有些人会觉得还是比较遥远。后面会从公司的角度来给大家做一些分析。

首先简单介绍一下速腾聚创，另外是从我们的角度看一下目前无人驾驶技术的研究情况，第三个是无人车的优势，以及挑战，最后介绍 激光雷达 在无人驾驶中的作用和地位。

速腾聚创，最初称为机器人的感知系统，目前是全球领先的、高精度的激光雷达供应商，目前只有美国一家公司给全球无人驾驶产业提供激光雷达，我们是2014年在深圳正式创立。整个核心的团队都是来自自动化方面的博士，在公司成立之前已经有大概十年时间的基础技术积累，包括在机器人的户外环境感知、运动、控制和激光传感器本身都有非常深的积累，所以才能在两年时间里把产品做出来。

目前我们做的RS系列产品，在国内是第一梯队的，与很多主流无人车的厂商都有很深的技术交流合作。 从我们接触到的情况来看，无人驾驶确实很热，热到什么程度？

传统的BAT、Google他们很早就有专门的部门投入巨资，投入大量的科研人员来做。国内尤其百度是走得最远，目前也走得比较扎实。阿里是通过投资参与介入，腾讯也是通过合作的方式介入。

传统车厂、奥迪、奔驰、宝马等都有自己参与，国内我们接触的北汽、广汽、比亚迪、也有专门的部门做这个事情。甚至是东风乘用车也有自己的计划。

在新能源汽车领域，特斯拉跑得最快，但是他并没有采用激光雷达的方案，是因为他们前期认为成本太高，他有量产车的需求，所以他现在用摄象头等组合的方式来实现。

国内大的玩家，比如说未来汽车，智车优行，广州的小鹏汽车，这些都有自己的无人驾驶或者是半无人驾驶的计划。

运营层面有Uber、滴滴，他们也在大量地投入。包括Uber和丰田，现在是合作得比较紧密。

传感器方面，我们是需要做测试的。

其他的玩家，京东也在投入，主要是从物流的角度，有大量的自建物流需求，无人驾驶的卡车可能是未来的发展方向。还有新的无人驾驶技术提供商，比如说驭势科技，无人驾驶的技术需求和渗透已经做得很好，整个生态的参与者非常非常多，而且有巨头，有新的 创业 者，有互联网的厂商。

以上是现状。

我们自己总结有三股大的力量在分这个万亿市场蛋糕，在新能源汽车这条线上，有很多设计的元素接入，比如说锂电，本身就是一个非常大的产业，涉及到电池的设计、生产，甚至更大跟现有的能源格局结合，都是非常大的博弈，都在紧锣密鼓进行中。 去年大家看到比较多是充电桩创业企业，这是由于特斯拉的推动。

第二股力量在自动驾驶技术上，从事激光雷达、摄像头，新锐的毫米波雷达的企业，在基础传感器上面会找自己的定位。还有专门提供无人驾驶算法的软件公司，从业者的背景都是很好的，分别来自微软、谷歌等大公司，还有做算法的软件公司，提供给整机厂，为他们做支持，还有一些做大屏的厂家。

第三股力量是做共享经济的Uber、滴滴，他们为了自己长期商业模式考量，参与进来。还有一部分是高精度的地图商，在现有的地图基础上要升级做高精度地图，高精度地图和无人驾驶之间的关联度非常紧密，一定程度上无人驾驶是需要高精度地图做道路环境支撑的，他们占据了一定的位置。

无人车的优势，大家也比较容易理解。如果真的是采用无人驾驶，所有的决策动作处理都是由计算机、软件来实现的，无人车的反映时间是比人的反映时间要短很多。各种类型车祸的短视频都是已经发现了这个趋势，你也做了制动，还是没办法避免这，就是因为人本身的处理时间是有局限的。 就算你是非常清醒的情况下，发现危险已经避免不了。

如果是无人驾驶，通过程序的传感器，激光雷达就可以达到 150 米这样的范围内，提前发现一些人眼发现不了的危险，再配合道路上的高精度地图和道路周边的传感器，可以实现更好的制动。当然这是一个比较理想状态，整个系统都是无人驾驶的环境。如果实现的话，应该是能够降低 90% 的交通事故。

还有其他的好处：舒心。

比如说是全电动的，能源上、排放上都有优势，如果能实现全自动驾驶，就意味着Uber，滴滴的共享经济是成立的，我们就不需要买车，随时可以叫唤无人驾驶车接上下班，可以降低很多没必要的浪费，也不会再有拥堵的情况，节省时间，满足残疾人、小孩，老人等等不会开车人群的特殊出行需求。

但是无人驾驶本身也存在着非常多不确定性，挑战也很多。

第一个是政策问题。

这个问题很难回答，因为也不知道各国政府的政策是什么样，大家都有试探性的感觉，可能美国会比较快，可能美国的个别州会先做示范无人驾驶环境。在国内，我们知道厦门、安徽等等，大家会先辟一块很小的地，在这里面可以做示范区。从示范区走到正常的应用，我们感觉也需要三五年。

第二是交通安全问题。

主要是责任认定的问题，虽然可以大幅度降低危险情况的产生，但是不可避免还会有意外情况，一旦发现这种意外情况，怎么样界定责任，究竟是车厂商造成的，还是某个传感器造成的，还是软件厂商造成的，还是其他原因造成的？这个责任就会很复杂。这也是迟迟没有很好的答案，目前整机厂对这个非常担忧，因为最终是他们卖产品给用户，可能最终的责任是他们。所以是比较谨慎的。

第三个是费用问题。

我个人认为在未来不是大问题，现在还是很贵，比如说现在一个传感器比较贵，如果到了批量，边际成本下降，费用问题最终会得到解决，可能是十万二十万，甚至是租赁的方式获得这些车都有可能。

第四个是云端安全。

会带来黑客的问题，比如说开着开着被黑客攻击了也不知道，他在远端把你的方向盘控制了，把你的传感器控制了，把你的刹车控制了，这些都是很危险的，所以单独的汽车安全这一块，目前是比较弱的。需要很多新的安全方面立法，甚至是一些研究机构、团队进来把这一块弥补上，这一块非常重要。不像其他行业，安全往往是到最后才考虑。无人驾驶这个行业应该是最先被考虑，否则大家也不敢坐。

第五个是伦理道德问题。

司机都学了驾照之后会造成失业等等问题，我个人感觉随着技术发展，会有应对策略出现。现在你让我回答，如果司机全部下岗了，怎么安排？其实我也很难回答。

整个无人驾驶大概是需要四个重要的基础部门：

第一个是要有高精度地图的支持。 需要把现有的导航地图做到可分车道，可探测实时周边的环境信息，天气信息，可标识红灯，可标识标牌，可标识其他道路上非常细节的数据信息，给到无人驾驶车，做参考。

第二个是环境感知。 主要是车上要放各种各样的传感器，除了三大主要的视觉、传播，激光传感器以外，还需要有其他传感器参与，让这个车具有很强环境感知能力，它能探知车内车外，包括和道路之间的交互，数据究竟是怎么样，才能确定自己的行驶路线和位置。

第三个是决策规划。 主要是主机厂，车厂来做这个事情。他要把所有感知环境数据拿到自己的处理器上，由他做出判断决策。究竟是哪一个传感器的权重高一些，什么环境下是激光雷达，什么环境下更侧重视觉的，什么情况下更侧重其他传感器的信号，这是一个策略问题，是需要主机厂通过大量路测和数据采集分析来解决这个问题。

第四是车辆控制。保证车的行驶安全。

这张图是主要的传感器，包括毫米波雷达，放在车前部的，摄像头，在车的周边，四周都有。激光雷达目前是装在车顶，以后体积变小，也会逐渐隐藏在车体里面。还包括一些GPS+IMU控制的编码器，以及其他车内的传感器。所以说无人车在未来会是集成非常多传感器平台。

现在说三大主要的无人驾驶传感器：

第一个比较成熟的是摄像头。好处是价格很便宜，对不同档次的车可以提供不同档次的摄像头和解决方案，而且现在非常成熟。比较劣势是像人眼一样，有些环境下会无法辨识，比如说对面突然打远光灯，非常亮，或者是出现其他视觉上比较模糊的情况，车被泥土掩盖，路面可能有积水，有坑等等，这些视觉上的问题，现在解决还是比较困难，所以不完备。

第二个是毫米波雷达，它的优势是距离比较远。但是劣势是精度无法达到很高，可以模糊的看到前面或者是侧面有一个物体，但是这个物体的轮廓尺寸和究竟是什么，并不知道。所以他给整个无人驾驶能起到望远镜的作用，告诉你那里有东西，但是具体是什么，尺寸多少，无法给出准确的判断。

第三是激光雷达。优势是探测距离在50到150米之间，距离也比较远，精度也比较好。因为他用激光的焦点来探测的，相当于我对外打出非常多、非常密的激光点，射到物体上之后有一个反射，这个反射会构成非常精细的东西，这个图形经过我们的算法处理，就可以判断车距离物体到底有多远，这个人，这个动物，对外形轮廓都有非常精确的判断，响应速度也很快。劣势是目前的成本很高，只能在测试车上使用，而且目前体积也非常大。

这几个产品是速腾聚创目前推出的，左边两个并不是用在无人驾驶上，而是用在测绘上，在基站，或者是很多电子测绘中使用。精度很高，但是不能适时处理。

右侧是今年10月份推出的16线激光雷达，我们会在成本上，维护上，算法上做更进一步提升。

这是激光雷达的一些应用，除了最大的应用场景，未来的场景，在无人机上面有非常多的应用，包括电力，治保等等需要测量的部分，放在无人机上，飞过去，可以得到非常精确的环境模型。

在现有的机器人领域，物流领域，尤其是室外的AGV上，激光雷达也是一个必须的产品，在无人港口，无人机场，无人物流车上，都有大量应用。

静态的激光雷达，需要精确测量，精确建模的地方都可以用到，好处是效率非常高。传统方式如果要测量一个非常耗时的，但是如果用激光雷达可能几分钟就可以了。特别大的挑战比如说室外有大量的应用场景。

这几张图是我们的产品在道路上反馈回来的结果。激光雷达对车本身的数据的获取，和对道路和环境的处理，知道路有多宽，车道线在哪里。

第二张图是对周边环境的数据建立，可以清晰地分辨出来路两边的树木，路牌，周围的车和人。

第三张图是在第二张的基础上增加了一些障碍物的检测，后面通过算法可以分辨出来这些障碍物是什么东西。

自己除了激光传感之外，还在自己的车上增加了一些视觉补充，虽然有很多做视觉的算法公司，但是目前还没有很好跟激光雷达结合在一起，目前我们用视觉的方式，和激光雷达的数据结合，可以更好判断障碍物。

在高精度地图方面也是一个必备的产品，目前百度、高德、腾讯，反正做地图的公司基本上都找过我们，想要这个东西。因为对他来说，在现有的道路基础上一定要加装激光雷达，这样可以获得更多的数据，需要不停地确定整个道路周边的障碍物，路径，地图更新、控制等等，非常需要传感器来帮助他。

速腾聚创目前的发展规划，最重要是把现有机械式激光雷达国产、量产化的事情做好，17年达到量的能力，现在在做供应链和生产端的事情。

接下来，在一些机构里面也在研究芯片化的激光雷达，如果芯片化激光雷达被验证可行，而且性能参数可以达到并且可用的话，未来激光雷达可能会变得很小，甚至装在手机上也有可能，在这种情况下，真的是无人驾驶完全解决了成本高、体量大的痛点问题。另外还可以延伸出其他应用环境。

第三个部分是自己在算法方面要做更加多积累，我们现在也在做路测，收集环境数据，用它训练后面算法数据平台。

对我们来说，目前任务就是集中在激光雷达的领域，把激光雷达硬件做好，把软件的分辩能力做得更好。

---

2016年最后一场行业盛会，第二届创新奖评选再度来袭，12月23日，北京亮马桥四季酒店，见证新资本、新产业、新技术、新理念带来全新变革。科技赋能产业， 见证下一个商业风口！