新浪科技讯 4月27日上午消息，2018GMIC大会今日在北京拉开帷幕，小鹏汽车自动驾驶研发副总裁谷俊丽，做了题为《AI Car 和自动驾驶进化论》的主题演讲。
谷俊丽表示，小鹏汽车的自动驾驶的进化之路主要有四步：
2、芯片+自主研发算法：整车+三方芯片+自研算法；
3、自主芯片+自主研发算法：整车+自研芯片+自研算法；
4、自主芯片+深度算法定制：场景扩维+亚洲场景+特定场景L4。
谷俊丽表示，欧美自动驾驶的场景与亚洲不同，欧美交通是以规则为主的，而受到人口密度的影响，亚洲的交通现状则是交互式的“大马路”。因此，在开发亚洲自动驾驶算法时，需要考虑现实的情况。
谷俊丽认为，我们需要推动AI在具体问题上进行创新。高精地图、高精定位是自动驾驶的基础，但目前并没特别完善的解决方案。
谈到近期一系列的自动驾驶事故，谷俊丽表示，安全是自动驾驶的关键，为了解决这个问题，小鹏汽车采用了冗余设计，在主系统失效的情况下，副系统仍能安全地停车。（钟毓）
谷俊丽：大家上午好！今天非常荣幸有机会在GMIC这个场景下进行讨论，有如此多的国际专家过来，来探讨AI Car小鹏汽车未来的差异化，以及我们对自动驾驶的愿景和我们自己要做的产品。AI生万物非常完美的贴切今天北京的天气，尤其包括我们的AI Car。围绕这个愿景，我们搭建了一个国际化的团队，我们的自动驾驶团队在广州、上海、北京，以及美国的硅谷专门有公司，从全球吸引最优秀的人才。
首先，先谈一下我们这么多优秀的人才为什么聚集在小鹏汽车这个平台上。首先说一下自动驾驶的演进之路和西方的波来体，它可能存在的局限性。
谈到汽车，我自己总结了一个非常简单的交通历史变革，整个历史才一百年的时间，从1908年福特的汽车到现在仅仅一百多年的时间，我们人类的交通由原始的动物变成了一个模拟的、机械的可以快速移动的物体。在之后的一百年之内，汽车围绕它的功能车，在机械层面，在发动机层面，在速度、安全、气囊层面进行了一百多年的演进。由此衍生了很多知名的汽车厂，比如说奥迪、奔驰、宝马等。
2012年出现的AI变革，研发了打通由大数据到AI，再到驾驶功能的链路。由此现在我们自动驾驶几乎变成了国际上最火爆的AI应用，也是最难的AI应用。在当前有不同的方法论，我经常想春秋战国时期有不同的学派，有不同的世家在做不同的方法论。在车辆变革，以及车作为整体的产品，它自身的变革及处置上，我们进行深入的思考，自动驾驶的核心包括两大块，除去大数据之外，有AI的算法，现在所有的人做自动驾驶都几乎是基于2012年以AI进一步的变革。
除了AI算法之外，还有芯片，因为这个世纪的智能是一个计算智能。我经常在外面讲，没有计算就没有智能。所以由此我把自动驾驶的核心分成四代，第一代由整车集成，比如说集成博世的研发方案。但是这个与芯片是一体的，是不可分开的。我们围绕这一代它其实是把自动驾驶当成一个模块集成到整车上。但是又突然发现，当算法不能跟场景进行深度快速迭代的时候，我们的功能演进会受到阻碍，由此演进了第二代，把算法跟芯片剥离开。我们知道芯片可编程，你的软件可以进行快速迭代，所以这是第二代，通过整车集成可编程的芯片，在可编程的芯片上进行快速的AI迭代。AI的发展过去非常迅猛，也非常的百花齐放，每三个月就是一代变化。其实纬度把芯片跟算法分离开来，才能满足芯片两年一个周期，算法三个月一个周期，造车两到三年、三到四年，把不同频率的技术层面，不同频率，不同生长周期的多种方案整到一起变成智能车。
AI随着算法的演进，它对计算的需求越来越高。由此其实现在有很多的国际上主流的，做自动驾驶的公司，国际上主流的做芯片的公司都在开始做AI的芯片，通过面向应用特定的研发来提供更高的计算能力，更高能效、更低工效的计算能力，这是第三代。
我们认为自动驾驶产品智能车，它虽然作为一个小的行走在大马路上的载体。但它同时又是一个场景的东西，这个车辆一定要在场景上形成系统化的功能，这才是一个可用的功能。所以我们认为第四代自动驾驶产品智能车一定是跟场景进行深度耦合，对场景进行扩纬，在特定的场景下对数据、算法，对它所需要的计算，也就是芯片进行进一步的收敛，使得在这个场景下能够达到越来越多的概率，车可以自动驾驶，这是芯片算法以及场景四代的迭代关系。我相信在未来的几年内，随着现在AI芯片的勃起，随着现在各种场景的挖掘，我们所能看到它的循环迭代以及产品的形态，技术的组合会越来越多。
自动驾驶的国际化有很多局限性，在这方面我的感触也非常深。因为驾驶它不仅是一个很难的技术问题，它也是反映一个社交文化的问题。比如说我们在西方写很多的逻辑，拿到了亚洲在障碍物居多，交通密度比西方要高一个量级，在这种场景下它可用性面临的问题比较多。在西方大部分人驾驶是以规则为主，这种情况下你编程它的可操作性和简洁性会好很多。但是在亚洲尤其是以密度导致的，人是以交互为主交通，这种情况下我们的算法就意味着几乎是要重写，要针对亚洲的交互进行理解、建模，要针对亚洲大马路上可能是无穷无尽的障碍物，想对这种方法进行精准的探测，唯独这样我们才能在亚洲解决精准驾驶的问题。
接下来谈一谈我们如何打造具备中国特色的自动驾驶，通过中国来解决亚洲的驾驶问题。我们最近借助GMIC也反复传达了我们自己对车的定义是AI Car，我们对AI Car的定义是什么呢？一个AI Car在亚洲的场景下，要让它可用一定是感知能力非常强，会思考，会学习，会通过不同的车辆超越个体进行群体的学习，会沟通。
我接下来解读一下小鹏汽车在车辆设计过程当中，是怎么对AI Car进行逐步的变革，进行系统的改进。我们会在小鹏车的载体上装装多种传感器、导航、定位的传感器，让它通过AI算法进行感知，我们感知的载体主要是以车内人工智能算法，在高性能的芯片上进行计算，让它在车的个体具备安全驾驶的能力。同时，借助于云端，在不同的车辆情况下，能够彼此学习，增强群体智能。
随着现在我们整个国际上，国家对智能驾驶的重视，我们公共的场景，我们交通的建设都已经改进，所以我们这个车一定要学会跟日新月异的建筑进行沟通。
详细讲解一下，我们在车上会布置多维的传感器，现在没有一种传感器可以做到全天后、各种场景下对环境、对物体进行可靠的感知。所以为了达到这一点，我们将多种摄象头进行侧距的雷达、超声波，以及未来其他新型传感器，针对亚洲的场景布置到车上，通过多纬的融合来确保我们能够尽量在各种天气情况下，各种光照情况下，能够看到周围的物体。
这种看得到，其实是通过AI，通过传感器中提取的数据来做到的，这就是我们AI的思考能力，这个思考是通过计算来做的。我们的计算是智能的使能者，智能是计算智能。所以我们通过高性能计算平台融合到车端，在这个平台上搭建一个高性能的AI机器学习引擎，来对AI算法进行实时的计算。
互联把多种车联到一起，通过不同车辆的驾驶习惯进行群体的学习，让车像人一样，我们不仅能够通过自己的错误来学习，如果能够通过别人的错误，别人的经验来学习，我们学习的速度会更快。
辅助智能云，以及云提供的交通信息，其他层面的信息，以及我们未来的交通灯，属于能够发出一些信号，我们的建筑物能够发送一些信号，这些沟通都使得车辆本身获得更为可靠、超越传感器本身局限更多的信息，使得我们感知的能力、决策能力的信心增强。
如上是我们对AI Car的解析跟我们自己的定义，我们在今年开始，昨天小鹏讲完以后，预定的第一代车上搭载了将近20个传感器，做我们的自动泊车、高速驾驶。我们在两年后的车辆上，当前我们正在设计的车辆上搭载了30种传感器，以及30万亿次计算能力的高性能计算平台。通过这些技术的储备，让我们的车辆具备智能学习、具备实时计算的能力，具备持续演进的一种空间。
接下来再讲一下，我们中国是自主研发应该怎么去做？其实前面我只是定义了一个问题，我们要解决一个什么样的问题，我们要解决通过自主研发解决亚洲的驾驶问题，亚洲的驾驶问题，我们不能依赖通过舶来西方的技术来解决，这个问题只能我们自己来解决，通过一个垂直的从场景到算法、计算，再到传感器一个垂直的场景来解决。
接下来谈方法论，我们永远要通过正确的方法来解决正确的问题，唯独通过这样才能在一个行业，在一个趋势的初始的阶段来彻底的解决，逐步的解决这个问题。围绕刚才说的自动驾驶核心的技术，我再阐述一下我们自主研发的思路。
第一非常重要的就是形成一种闭环，形成一种通路，这种通路应该建立在我们从场景中来抽取海量的技术，持续的抽取海量的数据。通过这种数据来演进我们的算法，这个时代的智能，它不是一个编出来的智能，它是从数据中抽取出来的智能，有多少的数据就决定了你有多少智能。AI的算法，它能解决多少问题，一定要在实际场景中，通过量产的车辆来进行验证，不能通过几十台车，甚至几百台车来解决。
所以从车辆上去抽取海量的驾驶大数据，我们希望我们能建立一种平台，这种数据平台涵盖中国各种驾驶场景，高速公路、城市路、拥堵路段。通过这种场景其实第一个问题，我们再来分解有哪些问题对应哪些算法，对算法进行创新，逐步的攻克和解决各种场景下它所需要的算法，持续不断的把我们的算法通过OTA推送到车上，推送到车载高性能计算平台上来真正的验证和评估，我们解决了多少场景，有哪些场景依然解决不了，然后再把这些问题依然抽取回来以后算法的二次迭代。我们形成一个高频快速迭代的方法中，这种方法论就是我们智能，它能够源源不断演进的原动力。
我想讲一下，我自己对AI定义了六种感知能力，我希望我们的AI Car上有六种感知能力，六纬感知能力。刚才我说过，我们的传感器从场景中实时的抽取各种数据，通过这种数据首先要通过车辆动力学真正了解自我感知，这是第一纬，我要知道自己的刹车，自己的速度，自己的引擎。第二纬就是从2012年开始的以深度学习为代表的大规模物体感知，让我们对周围的障碍物和周围的车辆有了感知，这就是第二纬物体感知。第三纬我们仅知道这些物体是不够的，我们需要这些物体距离我的位置和方位，才能控制我的车辆。深度学习非常擅长解决98%的问题，但是我对车辆复杂物体的控制一定要做到99.999%的感知，那就是我们的挑战。在这个层面上其实并没有完全解决。第三个涉及到高精定位和高清地图，虽然现在有很多高清地图各种创业公司研发方，其实在整个业界，国际上和国内如何把车内的AI跟高清地图情况一个连贯的方案还没有成熟的解决方法，我们会在这个方向上进行持续的探索。
第四纬一定要对未来制定预测能力，我们人类的反射弧其实是出乎意料的长，我们人类能够驾驶是我们对未来进行预测。不仅如此，第五纬我们能预料别人的意图怎么样，如果我刹车会怎么样。第六纬一定要推测，决策推理，如果我做了一个决定，我一定知道为什么在这种场景下做了这种决定。如此六纬的感知能力，一环一环下来形成一个流水线，才能够从原数据到车辆控制，我能够做到车行走在马路上不出车祸，并且能够快速抵达目的地。
我想说一下，目前AI并不能解决这六纬感知所有的问题。比如说我刚才说过DNA很好解决二纬的问题，但并没有全部解决高精地图和高精定位。第四、第五、第六纬现在国际上有非常好的解决方案，三个月一个周期推送，我们需要把这些东西在特定的方面进行创新验证，进行二次的研发让它变成我们的研发方案，这是我们做自动驾驶核心的竞争力和创新力。
强调一点，安全是所有车辆的要求，我们在追求高级智能的同时，我们要知道车要满足它的安全性，我们对这个问题非常重视。尤其是在自动驾驶车辆，各家的车辆都发生了不同种类的问题。我们对我们的系统进行了多维的设计，比如说传感器层面，我们确保即便是一个传感器坏了，其他的传感器进行互相的补充，让它依然看到我们在算法和计算平台上有主系统和副系统，主系统能够保证高级智能，副系统能够保证作为一个副手，比如说紧急刹车，我依然能保证基本的驾驶功能，使得我的车能够沿着路径行走，能够安全停下。通过车辆控制做到双电源、双引擎，即便是一个部件断电，依然可以对车辆进行控制。
最后，在这种方法论上，我们希望能够达到我们自动驾驶产品，也就是我们的Xpilot智能演进的蓝图跟大家分享一下，自动泊车我们昨天推出的G3上能够做到从耳朵，也就是以传统的超声波泊车，它的一个感知能力做到基于视觉停车，让我们看到空旷的停车位停进去。通过我们的自由泊车可以选择车位，这些都是超过传统的超声波，通过AI，通过视觉，这些前三步都会在我们车辆发布的G3上得到同时推送。
同时我们对泊车功能对AI进行持续的演进，通过AI像人一样推理和判断，即便前后没有车，即便是没有停车线，我是不是能够推理出来，我真的可以是可以停车，像人可以推断。我能不能记住我家的停车位，我喜欢的停车位能够进行车辆的自由停车，还有一些召唤的功能。
自动驾驶的演进及OTA，我刚才说过自动驾驶它的功能推送一定是基于场景的，在一个场景下形成一个完整的功能，才是我们的目标，我们不是支离破碎的技术点。第一步我们想做到高速驾驶，解决人长途高速驾驶的焦虑。第二在拥堵的路况下解决人的焦虑，如果我们能把这个解决掉人可以解决很多生产力。第三步通过跟地图结合，能够保证人自由驾驶，能够主动换动。第四步是城市驾驶，我个人认为未来的自动驾驶肯定是个性化的驾驶，我们每个人不同的人有不同的驾驶习惯，不可能要求所有的用户都一个模式去驾驶，这样用户会不舒服。我们同样一个人早上上班跟晚上下班的心情也不一样，我们要让我们的算法对用户的心情，对用户的驾驶习惯进行建模，并把这种建模使用到自动驾驶的习惯中，让人真切感受到我们的智能车真的是一个智能的伙伴，它是对懂你的，能够带来生活上不一样的体验。
随着我们对场景不同的突破，以及场景的深度扩纬，我们希望能做到在特定的场景下能够做到无人驾驶。当然随着我们更多车辆出来，这个愿景我们会进一步的跟大家分享。
我想说，小鹏汽车在自主研发层面的投入是非常大的，我个人也感觉到非常欣慰，我们动力十足，我们希望能够通过GMIC传递给大家的声音，真的送到大家面前做出中国不一样的自动驾驶产品，做出中国人自己研发的垂直的智能载体。
最后说一下我们的G3已经开始预定，大家可以通过我们小鹏汽车小程序来进行预定，谢谢大家，非常感谢！
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
迪威开户：http://www.dvv66668.com