大咖来了!希迪智驾马潍:自动驾驶,真的快要普及了?

Release Time:2021-07-31 15:36:01
CIDI

实际上,无人驾驶是一个追求的目标,但很多机会,很多落地的场景是在追求无人车的过程中,而不是之后,我不太赞成因为你找到好的应用就认为不需要做更难的技术。

——希迪智驾创始人及CEO马潍博士

近日,公司创始人及CEO马潍博士接受了全球知名中文IT交流平台CSDN的采访,并就长沙“自动驾驶之城”建设经验、自动驾驶技术的场景落地、算法/规划决策等智能驾驶中的难题,以及中美智能驾驶发展的不同等畅谈了自己的看法。


马老师.jpg


以下为本次采访实录:

 

我叫马潍,是长沙智能驾驶研究院的总经理。长沙智能驾驶研究院有限公司也叫希迪智驾,我们主要从事商用车的自动驾驶,以及智慧交通有关车路协同的一些产品和开发工作。

 

CSDN:长沙市走上“自动驾驶之城”的道路上经历了“1.0智能网络、2.0工程闭环,以及3.0市场闭环”三个阶段,今年又取得了怎样的进展?

马潍:一个是我们第一次闭环中的1230亩的试车场,这是全国最大的,当时是7.8公里公交车的试验线,然后“双一百”这是一个数据,“双一百”那一年,百度阿波罗也落地了100辆无人出租,后来我们有2000多辆公交车的落地,改造了70多个公交线路,所以这些数字很说明问题。长沙在智能网联汽车的发展中走的比较靠前,所以也非常荣幸去年年底的时候被国家授予了先导区的资质。

 

CSDN:您认为有哪些经验可以推广至全国?

马潍:第一个经验,我们采取的策略是“小步快跑”,把它化成几步。那么小步快跑怎么知道好坏?叫快速闭环,所以这一点我们做的比较好,把它分解成几个小的步骤,每年,甚至一年多的时间能够迅速闭环,拿到反馈,再决定下一年的路径。

第二个经验是智能网联汽车。我们国家的路线图是走车路协同的路,就是以路带车,这个美国有很大的不同,美国的道路改造起来非常困难,基础建设比较老旧,你比如说高速公路都是50年代建设的,我们国家的路都比较新,都预埋了光纤,所以改造成本比较低。我们是以路先行,所以路是我们国家要率先走出来的一个非常有效的竞争力。可是在很多城市落地的时候,我们把路和车之间的关系优先级没有摆的特别对,政府如果说仅仅是补贴车企,路这个东西它是共辖的东西,很难发展起来,所以最终生态也创造不起来。

第三个经验是如何打造生态。是花很多钱,很多地引进一个巨型车企,还是说创造一个软件定义汽车的生态,孵化出很多小公司、创业公司,如何利用大量的人才能够创出很多新的产品和新的思路,这是我们长沙的一些经验。

 

CSDN:在智能技术落地产业上,不少业内人士认为相较于攻克高难度的技术,应用场景的挖掘和开发才是真正的难点所在,您同意这个观点吗?为什么?

马潍:从供应端的角度,我们认为技术的成熟度也好,高精尖的技术、难度大的技术也好,我们必须追求,必须努力地做。

但是场景是需求端,到底什么场景需要用这个技术。第一是不是刚需,刚到什么程度。我们都知道井下是第一刚需,矿山是第二刚需,园区是第三刚需,往下排,刚需就和场景有巨大的关系。

同时,怎么发掘刚需,这就和方法论有关系。所以很多场景的发现不是做市场调研发现出来的,而是在动态中发现出来的。

如何在需求端能够通过多次迭代,快速闭环,找到应用的场景都不容易。供应端和需求端两个发掘不可偏废。

现在技术的成熟度,顶尖的技术追求,一直是我们创业公司追求的的目标。实际上,无人驾驶是一个追求的目标,但很多机会,很多落地的场景是在追求无人车的过程中,而不是之后,不管是半无人的或者智能驾驶的,包括主动式的公交优先,这都是我们的技术在落地的过程中,不断发掘出来的一些应用。

我不太赞成因为你找到好的应用就认为不需要做更难的技术,这个节奏怎么迭代,怎么闭环,实际上它是有一套方法的。

 

CSDN:如何从封闭式较简单的应用场景拓展至更为复杂的场景中?目前实现了哪些突破?

马潍:公交车的信息化、物联网,很多做了20年了,各种各样的设备,装了很多盒子,大家都看到了,但他们往往是检测、监管型的,对驾驶的引导不够。

我们经过深挖痛点,在公交上挖了一阶痛点、二阶痛点、三阶痛点,最后挖出来“优先”是个关键,“优先”我们就用最新的国标车路协同在5.9G的频率上和红绿灯发生通信,让红绿灯对公交车优先放行,就避免了大规模做BRT的投入,所以在这方面我们走出了一条路。

 

CSDN:您之前说“算法很难达到理论上8bit×8bit的峰值”,目前智能驾驶的算力问题是如何解决的?

马潍:到底是怎么Benchmark?怎么来界定?这个算力是多少?有十几种算法来界定一个统一的算法,但是目前的高算力我们都是用的8×8来算,可是算法本身很难保证,它一定是每一个运算环节都是在一个动态范围之内,这个就是计算机的有限字长的问题。

我们做软件的实际上这是一个创新的领域,真正一个算法如何能够利用他的峰值算力精度上是个具体的挑战。所以说在多种运算中,如果32位、16位你要用8位来算,速度就会下下来,所以综合算力很难达到它的峰值的要求,目前看起来一般达到10%就不错了。

第二个瓶颈就是属于存储、存算的问题。就算是你的算力能够达到无穷的计算,但是这个数据怎么能喂进去,因为它的总限是有限的,所以并行利用双精度,各方面的特点把数据装进去,浮点运算也好,这又是另外一个挑战,能够把它喂饱,同时把动态范围和精度限定在某个有限字长,这是我们目前软件工程师的一个挑战。

 

CSDN:“规划决策”被认为是实现智能驾驶最具挑战性的技术难题,您有哪些可供分享的宝贵经验?

马潍:决策规划中你可以采取比较保守的,也可以采取比较激进的。比如在高速公路上,你保守的策略就是老跟车,尽量不超车,不换道,但是换道的时候你速度慢了,又换不过去,要快速,那么一旦加速,往往是事故的根源,所以这段挑战确实比较大,这都是我们在做自动驾驶工作中要实时地、不断地研发,在这方面我们目前是从场景上做一些优化,比如我们的矿山,道路是不定的,而且不断地变化,我们怎么通过车路协同,前车后车,车车通信,知道他们的相对位置,感知激光雷达在雾、雪、粉尘的情况下能不能工作,规划的时候会车地点是采取激进的还是保守的,还是在待定地点的会车,这就牵扯到无人矿山调度的问题,这里包括节省能源,什么省油,这是一个规划问题,也是个数学问题,但是在实际中还有很多新的问题,需要根据数据的采集、优化。怎么做是一个比较重要的领域,我们一直在努力过程中。

 

CSDN:您曾在硅谷工作和生活20余年,从美国到中国,您觉得有哪些“变”与“不变”?

马潍:不一样的地方,一个是美国很多产业,包括半导体产业,过去10多年来投资力度下降了,很多公司回购股票,所以初创公司就相对少了,相反中国的经济,尤其2010年以后大幅度地进入一些“无人区”,所以初创公司的机会非常多,这是一个不同;另外一个不同就是我们国家是基础投入型的政策引导型经济,对很多的产品技术落地的促进这方面做的也比较好,尤其是自动驾驶这样属于革命性的技术,对未来的整个产业会产生深刻的巨变,那么能否在政策上,能否在环境上,能否在落地场景上做一些引导,中国可能会有不同的路径。

目前看起来在美国自动驾驶政策比较宽松,很多路上都可以测试,中国的监管比较严格一些,反之在很多固定场景,国内推动的比较活跃,比如说矿山、园区、港口,有很多落地的场景,所以“变”和“不变”之间也在迅速地发生变化。

 

CSDN:眼下正是毕业季,对于刚走出校门想从事智能驾驶行业的新晋程序员,您有哪些建议和期许?

马潍:我是觉得我们软件工程师也好,程序员也好,生活在一个非常好的时代,新晋的程序员第一就是要明白这个领域潜力非常大,未来50年的主战场就在这儿,比如传统的车企,大众需要2万软件工程师,那么未来车企中,90%的利润可能来自于软件,所以产业的前景非常好,但是问题、挑战也很多,考验的是你快速学习的能力,对新的工具,新的TOOI能不能迅速掌握,新的库能不能理解,这是第一步。

第二步,我们产业界要求效率和优化,程序开发出来后能不能迅速到嵌入式的平台中去,嵌入式的平台的计算机体系架构又非常复杂,多达几百个内核,很多工具自动编译,实际上利用率又不够高,我们能不能钻进去,能不能做出来比较有竞争力的算法。软件的领域很多,开源也是一个很好的领域,我们非常希望有年轻的员工能够加入到行业,这是一个非常好的行业。


Back