小鹏汽车首席科学家郭彦东：造更懂中国人的智能汽车 | 科技生活节

钛媒体 • 6年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

小鹏汽车首席科学家郭彦东在2018科技生活节

7月29日，由钛媒体集团举办的“钛媒体 2018T-EDGE 科技生活节”在北京·751东区故事正式拉开序幕。小鹏汽车首席科学家郭彦东博士从整车厂商的视角同与会人员探讨，如何造更懂中国人的智能汽车。

郭彦东从特斯拉高级辅助驾驶系统被一颗橘子骗过这样一个案例引入，直言，在出现高级辅助驾驶功能之后，有的司机会出现过度依赖的现象。另外，从统计角度来看，尽管辅助驾驶市场一直在增长，而美国的交通事故致死数量在2015年，2016年不降反增。

因此，小鹏汽车做出了这样一个思考：如何能让人工智能技术真正提升用户体验跟车辆安全性，比如用智能的感知与决策把独立的辅助驾驶功能有机结合起来。具体来说，根据车外环境、天气、场景的理解来调节与选择行车功能。更重要的一个场景是，在车和人互动的过程中，让车去更好的理解人的状态。不光是注意力方面，还包括司机的疲劳、情绪，做一个正向的反馈循环，来提升用户的体验。

为达到这一愿景，小鹏汽车从数据、人工智能平台、量产车入手，构建闭环智能进化能力。

第一是大数据平台。从整车厂的角度，小鹏汽车收集了大量的数据，包括：1、互联网大数据。2、仿真大数据。3、自有车队，或者测试车队大数据。4、中国用户大数据。

郭彦东博士特别强调真实中国用户数据的重要性：

“ 可以说，中国用户的真实数据，不管从真实度上，还是成本效率上，还是对场景的覆盖度、数据量上，都远远的优于仿真和自有车队的数据体量。在人工智能尤其是深度学习的大环境下，其实谁坐拥了数据，谁就有可能会有最先进、最完善的技术体系。这个也是整车厂商有的一个优势。我们从大量的用户中搜集用户的反馈，用这个数据不停的调教和更新我们的智能车系统。”

第二，人工智能平台。郭彦东博士表示，在智能车的场景中，往往最有价值的就是所谓的长尾（long-tail）数据。这些数据发生的频次很低，很有可能你开很久的车才会有一次、两次发生，但是这些事情的种类、类别、数量会非常多，这个就要求人工智能平台有快速处理小样本长尾数据的能力。

第三，量产车场景。小鹏汽车布局全球，也是中国最大规模的单车研发投入。这样也保证，最新、最强的算法能够在车上跑起来，能够把用户的一些行为实时反馈回来。

基于闭环智能进化，小鹏汽车致力于打造更懂中国人的智能汽车。包括更懂“路上的”中国人：理解中国人的驾驶文化，中国政策法规，中国行车/道路环境，最重要的是更懂“车里的”中国人，包括司机/乘客的识别，注意力，情绪的感知，从而提供无缝的，个性化的，适应中国人的智能化驾驶体验。

总结而言，小鹏汽车要成为 “更懂路上的中国人、更懂车里的中国人”的智能汽车。

以下为小鹏汽车首席科学家郭彦东的演讲实录，略经钛媒体编辑

自动驾驶，在中国有它独特的挑战，以及独特的机遇。我从整车厂商的视角，来跟大家分享一下我们的经验和体会。我今天想从小鹏汽车发展中的一些思考和努力，跟大家探讨一下如何造更懂中国人的智能汽车。

自动驾驶面临几项实际应用问题

我今天的分享从一个橘子开始，大家在图上看到，一个橘子被卡在了方向盘上面。这其实是一张特斯拉的图片，说的是，特斯拉的“自动驾驶限制”被1颗橘子破解。
小鹏汽车首席科学家郭彦东：造更懂中国人的智能汽车 | 科技生活节

特斯拉高级辅助驾驶被一颗橘子骗过

我们知道，特斯拉的辅助驾驶系统，实际上要求，司机必须要手持方向盘。

那么，它是通过什么来检测司机是不是手持方向盘的呢？

其实，在特斯拉的方向盘里面有一个压力传感器。有些用户不愿意去遵守特斯拉公司这样的一个规定，就把这个橘子放在方向盘上面，从而成功的骗过了特斯拉汽车。

这个是一个很小事件，但是我们从这个橘子上也看到了一些挺有意思的事情。

第一，我们现在尤其是非营运的大众消费车，包括特斯拉在内，其实做的都是辅助驾驶，或者高级辅助驾驶。它其实是对司机的注意力、手持方向盘是有要求的。

第二，用户在有了辅助驾驶功能汽车之后，有些用户会过度的信任驾驶系统。另外，从统计意义上来讲，也存在这样一件事情——高级辅助驾驶市场越来越大，一直在持续增长，但是很不幸的是，我们看到在美国的数据显示，在美国的交通中的致死数量其实在2014年之后到2015年有一个拐点，2015年是不降反升的，2016年最新的数据是比2015年的致死数量更高。

没有人有一个非常明确的答案说这到底是为什么，但是，我们可以从其中延伸出一些探讨。

一方面，可能是因为智能手机大规模普及，大家更愿意用手机，在开车的过程中看手机，回短信、回消息。

另一方面，有一些说法是，因为有了辅助驾驶功能的出现，有些司机不愿意关注驾驶过程中的一些交通情况。甚至会因为长时间的不关注，引发疲劳现象。怎么去解决这个问题呢？

我们今天都在讲无人车、智能车。那么，智能怎么帮我们提升车的一些体验跟安全性，这是我们的一些思考。

三大维度构建小鹏AI car

有很多辅助驾驶功能，都包括车道线辅助、紧急刹车、盲点检测等等技术，甚至很多都可以有供应商提供了。我们希望能让人工智能技术真正提升用户体验跟车辆安全性，比如用智能的感知与决策把这些独立的辅助驾驶功能有机结合起来，这个车才是一个真正的智能车，才能够提高用户的体验。我举几个例子，一方面是车外的一些感知，比如天气，比如说场景的识别、事件识别和预测。

例如，一个司机在路上看到一辆校车停在路边，车门打开了，他会知道可能有小朋友从车里跑出来。但是什么时候我们的辅助驾驶功能车，搭载了智能模块以后也能做出类似的判断呢？这才是我们乐于看到的一个事情。

另外，我觉得，跟车外的一些情况预测和判断、智能感知比起来，车内的感知可能显得更重要。

我举几个例子，包括乘客、司机的识别，包括我刚才说的注意力、情绪的识别。

我们能不能在人和车互动的过程中，让车去更好的理解司机的状态？不光是他的注意力，包括他的疲劳、情绪，做一个正向的反馈循环，来提升用户的体验，这个是我们的近期愿景。

所以，我们核心就是要把这些功能智能化，然后提升用户体验。它的基础就是智能感知。

下面，我想和大家分享一下，我们小鹏汽车是怎样实现这个愿景的。

我们有三大模块，第一是大数据，我们的智能车，始于大数据，训练和优化在人工智能训练平台上，成熟在量产车平台。量产车平台是我们作为整车厂商一个独特的优势我们OTA最新的算法模型在量产车上，然后我们再从量产车里面收集、采集更多的中国用户真实数据，来完成这样一个闭环迭代的过程。

我从数据、人工智能平台、量产车从这三个方面，来跟大家分别探讨一下。

第一，数据为王。

小鹏汽车作为整车厂商，作为一个真正做量产车产品的公司，我们最关心的、最重视的就是我们的数据。

我们的数据来自于下面4个主要的来源：

互联网大数据。

仿真大数据。

自有车队，或者测试车队大数据。

中国真实用户大数据。

我主要说一下互联网大数据和中国真实用户的大数据。

一是互联网大数据。最近这20年，整个人类其实做了一件很有意义的事情，就是把他们的行为、信息、知识都做了互联网化。我们现在想要找一些信息，在互联网上直接做简单的搜索就可以马上得到，是因为我们大量的人类信息都已经在互联网上有所体现了，都已经在互联网上被数字化了。

我可以和大家分享一个更细节的数字，我们也跟很多技术供应商去探讨，一些很顶级的技术供应商，可能一年收集10个亿的图片，但是这个图片的量对于互联网数据来说，可能是一周，甚至远远不到一周的时候，互联网上就有这么多图片产生了。这个做过搜索引擎的人最有体会的，包括我自己。

互联网数据量非常之大，对早期算法的演进意义重大。但是它有它的挑战，就是说，这部分数据可能跟无人驾驶、智能车想要的数据分布有一些不一样的地方，标注也有一些困难，需要用一些办法，比如迁移学习把互联网的知识转移到智能车上去。

为了达到这样的一个目的，我们也关注另外3个主要数据来源：1、仿真大数据。2、自有车队数据。3、来自于用户的真实数据。

尤其是中国用户的真实数据，不管从真实度上，还是成本效率上，还是对场景的覆盖度、数据量上，都远远的优于仿真和自有车队的数据体量。在人工智能尤其是深度学习的大环境下，其实谁坐拥了数据，谁就有可能会有最先进、最完善的技术体系。这个也是整车厂商有的一个优势。我们从大量的用户中搜集用户的反馈，用这个数据不停的调教和更新我们的智能车系统。

第二，我们有了数据以后，如何去做。我们搭建人工智能平台，用大量的数据训练多个深度学习模型。

但是，我们想强调的是在智能车的场景中，往往最有价值的就是所谓的长尾（long-tail）数据。就是说这些数据发生的频次很低，很有可能你开很久的车才会有一次、两次发生，但是这些事情的种类、类别、数量会非常多，想要让我们的车辆适应尽可能多的场景，就要求我们的人工智能平台有快速处理这样一个长尾（long-tail）数据的能力。

这有几个挺有意思的例子，比如我从加州回来之前在路上。因为天气也很好，前面是一个油罐车，这个油罐车很干净，它把后面的车，包括我自己的车倒影在油罐车的油罐上面去了。

如果你对这个场景没有一个特殊的理解和处理的话，很多世界上最好的计算机视觉算法，都有可能误认为倒影是真实的车道线与车辆。

特斯拉曾经发生过一件很惨痛的事故，特斯拉的车没有成功的把一辆白色的大货车认成车，认为是一片云彩，也撞上去了。

右下角就更有意思了，尤其是坐在前排的观众，可以马上发现，这其实是一个披着cosplay衣服的行人走在路上，人类司机都可以完成识别是一个行人。但是计算机视觉，由于这个人穿了一件cosplay的衣服，可能算法不一定能成功检测到是一个人。

这就对我们人工智能学习平台提出的问题——当样本不是那么常见、频次很低的时候，如何快速学习呢？

其实在业界有很多这种类似的方法、技术已经被研发出来了，比如微软的custom vision，我本人也曾参加了custom vision的核心研究工作。将来也会针对小鹏汽车的特殊场景定制和打造可以快速迭代，应对小样本学习的人工智能学习平台。

第三个我想分享的是我们有了数据，有了人工智能训练平台，我们有一个独特的场景，就是量产车场景。

首先我们想说我们有一个全球化的企业布局，我们在硅谷、广州、北京、上海、肇庆、郑州等等地方，也都有我们的研发和生产中心，小鹏也是中国最大规模的单车研发投入。

包括我们现在也跟世界上最好的芯片厂商有紧密的合作，也签署了战略合作协议，我们将会搭载世界上算力最强的人工智能芯片之一，这样也保证我们最新的算法能够在车上跑起来，能够把用户的一些行为能够实时的反馈回来。

如何造更懂中国人的车？

有了这样一个闭环的智能进化能力之后，我们也想更多的探讨一下在中国的场景怎么打造我们的差异化，更懂中国人。

更懂中国人，我们其实把它分两个层面来理解：

第一层面，更懂路上的中国人。

其实我们路上有这样那样的行为，包括开远光灯也好，有时候人车混流也好，需要学习的其实是人的行为，人的文化，也还有人制定的政策和法规。我可能稍微多说一点的就是右上角的图，右上角的图是对比图，就是车辆等红灯时的一些行为，对比图的右边也是我回来之前在加州拍的一张图片，等红灯的时候大家看到，其实在美国车跟车之间的距离是比较远的，但在对比图的左侧我们看到，在中国驾驶场景当中，在等红灯的时候，车跟车的距离非常之近，哪怕非常之近的时候都有车加塞进来，这个环境当中，这个事对智能的要求，就已经超出了普通的物体检测提到的要求。它其实学的是人的行为人的文化，学的是人的政策和法规。

其他几个例子包括中文的路牌、中国特色路牌，包括密集交通、人车混流，甚至中国一些特色天气下的处理，等等都给我们更懂“路上的”中国人提到一些机遇和挑战。

第二层面，更懂车里的中国人。

更懂车里的中国人，我也把它分这么两个层次讨论：

1、更懂车里的中国人，最简单的就是要求智能车听得懂中国话，认得到中国人，符合中国的驾驶习惯。

2、“懂你”。“懂你”指的是说，懂在车里的这一个中国人，这一个中国司机我们要懂他。为了实现这样一个目的，第一我们要人脸识别，知道开车的是谁，他有什么样用户的画像。第二我们需要对用户的情绪状态有这样的感知，为什么有这样的感知呢，情绪信号其实是对我们调教车的用户体验的一个非常强的信号。

最后，我想谈一谈标准化的问题。

现在国际上有两套无人驾驶的法规，包括美国NHTSA和SAE，都有两套这样的规则，或者两套分类的标准。

这两套分类的标准，其实一定程度上偏定性的描述，缺乏一些定量的规定，这是其一。

其二像我刚才说的，我们绝大部分整车厂商或者消费类的车辆集中商，现在都集中在L2冲刺L3的阶段，大家都聚焦在这个层次上。而营运类的车辆，绝大部分都聚焦在L4，因为它限定场景（不管运人还是运货）集中在L4的阶段做。

所以，我们想把这个标准化的东西提出来有两个原因。

我们认为这个标准化的规则，应该制定的更加细分一些、定量一些，这样有这么一套标准、体现车跟车之间的差异化，能够促进车企之间的良性竞争，推动整个行业的发展。

我们也希望这样的标准化，不仅只是由美国主导和提出，包括这两套标准全部都是由美国主导的，我们也希望中国能够参加到这个标准的制定中去，为世界的智能车发展贡献一份力量。