长安汽车张杰：软件定义汽车，驱动产业新变局

2020年8月13日至15日，“中国汽车论坛2020”在上海举行。本次论坛由中国汽车工业协会(CAAM)主办，世界汽车组织(OICA)和世界经济论坛(WEF)唯一支持。本次论坛以“新变化、新挑战、新理念——引领中国汽车新征程”为主题，紧扣时代脉搏，寻求突围之道，紧紧围绕“十四五”规划，掌控宏观产业形势，分析全球汽车产业发展趋势。其中，在8月15日上午举行的“智能网联汽车创新发展与产业生态升级”分论坛中，滴滴自动驾驶公司首席运营官孟星发表了主题演讲。以下为演讲实录:

滴滴自动驾驶首席运营官萌星

孟星:大家早上好。很荣幸和大家分享滴滴自动驾驶在过去四年，尤其是最近两个月的一些进展和工作。

大家都知道滴滴是一个出行平台，出行是我们的基础，出行也是我们的基因。我们认为自动驾驶中出行的基因非常重要，因为我们最终要提供服务。无论他使用多么复杂的技术或智能能力，最终都要保证出行的体验性、安全性和高效性。三者中，安全最重要，安全是我们做事的基因。

全球道路交通死亡事故将达到130万起左右，这是一个可怕的数字。每天不要做什么危险的事情，只管骑车开车上路，每年会有一百多万同胞因为这件事失去生命。这个事情一定是可解的，可解的上限是另外一个数据，就是航空。航空总量比我们日常出行低很多，但航空可以理解为它的运输总量，低1-2个数量级，但死亡人数相差几个数量级，而且差别非常大。

我们认为自己心中期望达到的目标，就是我们实现自动驾驶时的上限，接近航空的在线飞行。每个人的生命都很重要，这是我们做自动驾驶的初心。

这样做本质上是一种选择，也是一种被选择的过程，即我们需要一定的能力和基因来实现我们想要的目标。我们认为有三个重点方向:第一，人工智能的技术。第二，人工智能技术背后的燃料是数据。第三是边界。我们能做到多大就是我们的网络。这三者合在一起就能支撑起这件事发生的关键。

滴滴做自动驾驶，任何认真做L4自动驾驶的团队或公司，都应该做完整的自动驾驶全栈架构。我们需要建立一个完整的以AI为中心的自动驾驶全栈架构，包括在线全栈模块，感知、定位、预测的各个部分，包括支持模块，包括仿真系统、高精地图，甚至背后的资质。这里的建筑并不特别。特别的是每个模块都是独立开发的，可以自己完成。今天的自动驾驶能力再好，也不够好。没有一家公司能把今天的自动驾驶能力放到我们的道路上，运行一整套运营服务。我们需要更快的迭代能力来不断接近我的目标。近似的前提是软件的各个模块上下优化，软硬件一起优化，一切一起做。

刚才陈老师谈到了长尾数据的问题。我们解决了很多事情，也就是前八九成的场景数据差不多解决了。现在解决问题还为时过早。我们其实可以用迭代的方式处理模型车在路上遇到的主要问题，把安全从车上拿下来，把测试器放在车上，不安装测试器。我们需要解决的是长尾问题的最后1%和0.5%。长尾问题出现的概率很低。一个人开一辈子车的总里程可能是几百万公里，也可能是几百万公里，和大部分自动驾驶公司测试的里程差不多。很多长尾场景，几千万公里，几亿公里都没有出现。这种场景不止出现一次，数据结构可能出现一千次，才能拿回足够多的数据给算法系统优化……来处理这个场景。至少一个亿级规模的数据系统远远高于这个才是合理的。

大家都说我路测不够，因为自驾测试车辆数量有限，所以用了模拟系统。模拟可以把我们的测试里程提高1-2个数量级，也就是10-100倍，可能会到亿级水平，还是不够。仿真系统中生成的许多场景往往与现实世界中这些场景的分布不同。尤其是我们解决概率问题的时候，它的分布和它的频率一样重要。最终我们滴滴解决方案，除了用自己的测试车采集数据，还使用了情景设备。滴滴的网约车已经安装了这个设备。到今年年底，将安装100万台，覆盖200多个城市。100万套的概念，收集1000万公里的数据，绝大多数想象中的长尾场景，分布在各地的长尾场景真实数据，一年之内大规模收集，基本上就方便了，而且不只是一次，可能几千次，可能几万次。这些场景进入我们的系统，自动提取三维信息放入我们的模拟系统进行测试和模拟，让我们的算法可以处理这些问题。如果列表很长。相对于我们的路边数据，我们整合两部分数据一起迭代，这是解决长尾问题的一个非常关键的点。

有了长尾数据，接下来你选择在哪里操作？这一点非常重要。在L4级别自动驾驶时，区域不能一下子开到全场景。从一个地区的有限范围，有限的天气条件，有限的道路条件逐渐打开，然后变大。一开始开在哪里，可以让技术满足条件，同时有足够的区域用于商业场景。关于

合在一起有三张地图，第一张地图，业务地图，滴滴八年积累的业务数据。我们知道哪里有订单，哪里没有订单，哪里可以形成闭环订单，哪些屏幕峰值不一样。先看商业价值。第二张地图，看安全。滴滴历史上这八年，哪里发生过安全事故，有多严重，都收集在地图上，每个路段都有评分，用红绿标注。三是技术能力与道路的状态、结构状态相匹配，比如车道是否畅通，车道和自行车道是否分开。像这样的信息也会给道路打分。这三个一起构成了我们的战术地图。我们希望初步开放的区域能够以较少的路况覆盖更多的订单，满足更多乘客的需求，在有限的运力内做出更好的商业闭环模式。这是一个非常重要的区间，也是我们在使用数据时需要解决的核心问题。

有了面积，就算面积能养活我们，车辆数量也不够。毕竟和网约车不一样。自动驾驶汽车是一种新模式，而不是私家车。大家已经有这样的车了，拉到网上运营就行了。新车在这个范围内调配是一个过程，这个调配的成本很高，所以也是一样，从小车队到大车队。

有限的船队，有限的区域，很难满足人类的出行需求。我会用什么样的方式？我把机器和人车放在一个平台上操作。这样借助超大规模的人力运营网络，结合机器，可以服务更多的乘客，机器或者自动驾驶汽车只占极小的一部分，逐渐服务更多的人。在这种情况下，如果乘客的起点和终点在我们的测试服务范围内，那么我们可以向我们的乘客或我们的自动驾驶汽车发送这样的请求。如果不在这个范围内，或者天气不好，或者自动驾驶的车没闲着，就不可能给出租车或者人类驾驶的网络，形成混合调度。从乘客的角度来看没有区别。从自动驾驶的角度来说，我没有压力，不需要接所有的订单，不需要做所有的事情。这种混合模式是突破这件事的一个非常关键的点。

刚才讲了三块，我们的D是数据，A是AI，N是网络，三者合起来就是我们的DNA。我们认为，我们不仅需要意志和能力，还需要DNA来为自我驱动服务……g旅行，而DNA恰恰是我们擅长的。

我刚才说的是理论。从实用的角度来说，6月27日，在上海嘉定，我们正式启动了我们在该地区的无人驾驶示范。现在乘客可以通过滴滴注册，体验我们的自驾体验。面积在嘉定几十平方公里之内，报名人数已经很多了。我们逐渐接待了我们热情的乘客。有兴趣可以来这里体验一下。它在上海汽车展览中心，这是我们的起点。这里实现了混合调度，乘客可以通过滴滴选择自动驾驶或者普通网约车服务。

这是一个视频，可以给你展示6月27日的在线状态。历史上自动驾驶实时直播还是很少见的，因为这还是一个很大的挑战，尤其是那天经历了一场非常大的暴雨。上海下雨并不罕见，但那天雨下得很大。在各种场景中测试我们的汽车通常不是我们正常的操作环境。我们非常想知道我们的极限在哪里。除了车辆的安全，我们的运营监管中心还有一个后方护送中心。

事实上，我们正在为汽车上路提供大量的安全保护。除了车上的智能，车上还有安全员，路上还有车路协同的设备。上海嘉定部署了几公里的设备经验。

右边有一个安全检查指挥中心，可以看到路上的所有信息和汽车的运行情况。右边可以看到实际情况，也就是从上帝的角度，可以看到这个路口所有车的相互作用，以及它的整体感知。我们现在已经将对路边的感知与对汽车的感知整合在一起，以帮助汽车做出更好的决定。

最后给大家分享两个案例，为什么现阶段的自动驾驶体验给了更多乘客一种体验。其实我们也是怀着好奇心在做这件事。我们认为它可以促进我们技术进步的迭代。七八个乘客体验的信息会被放入我们技术迭代的循环中，让我们的自动驾驶能力更接近在线服务和真实服务所需要的真实能力。

上线后，有一些场景超出了我们的预期。左边的场景是001号乘客。我们在发布的第一天就注册了。他是迪斯尼公园的一名舞蹈演员。她对这个世界非常好奇。他在迪士尼给来迪士尼的游客带来欢乐。她也需要得到新的东西。她用我们的车给了我们很大的鼓励。原来想象的，手机里的都变成了现实，甚至那些做得不够好的事情，比如急刹车，都被认为是我们为了安全故意做的事情。他用世界的美好给了我们很多鼓励。相比鼓励，我们更希望批评和建议。右边的老人已经60多岁了。第二天他开了两个多小时的线，来到我们这边体验。他做过很多自动驾驶汽车，给过我们意见，说我们这个那个不好。正是因为我们的观点和体验，我们才能真正获得客户的反馈，迭代我们的需求。鼓励和批评并存可以让我们进步更快。

我们谈到航空安全是我们的期望目标。其实最近我们经历的是，疫情期间空乘人员做了很多工作，也是第一手了解我们在一线得到的安全需求。还搭了我们的车，很自觉。我们真的从一线最安全的行业了解到了他们的信息，给了我们很多指导和经验。正是这些普通乘客的故事，以及他们不同的身份和背景，让我们鼓励自己在自动驾驶场景中不断进步，并借此机会与同行一起推动这件事的进步。

谢谢大家！(注:本文根据现场速记整理，未经发言人审核。)2020年8月13日-15日，“中国汽车论坛2020”在上海举行。本次论坛由中国汽车工业协会(CAAM)主办，世界汽车组织(OICA)和世界经济论坛(WEF)唯一支持。本次论坛以“新变化、新挑战、新理念——引领中国汽车新征程”为主题，紧扣时代脉搏，寻求突围之道，紧紧围绕“十四五”规划，掌控宏观产业形势，分析全球汽车产业发展趋势。其中，在8月15日上午举行的“智能网联汽车创新发展与产业生态升级”分论坛中，滴滴自动驾驶公司首席运营官孟星发表了主题演讲。以下为演讲实录:

滴滴自动驾驶首席运营官萌星

孟星:大家早上好。很荣幸和大家分享滴滴自动驾驶在过去四年，尤其是最近两个月的一些进展和工作。

大家都知道滴滴是一个出行平台，出行是我们的基础，出行也是我们的基因。我们认为自动驾驶中出行的基因非常重要，因为我们最终要提供服务。无论他使用多么复杂的技术或智能能力，最终都要保证出行的体验性、安全性和高效性。三者中，安全最重要，安全是我们做事的基因。

全球道路交通死亡事故将达到130万起左右，这是一个可怕的数字。每天不要做什么危险的事情，只管骑车开车上路，每年会有一百多万同胞因为这件事失去生命。这个事情一定是可解的，可解的上限是另外一个数据，就是航空。航空总量比我们日常出行低很多，但航空可以理解为它的运输总量，低1-2个数量级，但死亡人数相差几个数量级，而且差别非常大。

我们认为自己心中期望达到的目标，就是我们实现自动驾驶时的上限，接近航空的在线飞行。每个人的生命都很重要，这是我们做自动驾驶的初心。

这样做本质上是一种选择，也是一种被选择的过程，即我们需要一定的能力和基因来实现我们想要的目标。我们认为有三个重点方向:第一，人工智能的技术。第二，人工智能技术背后的燃料是数据。第三是边界。我们能做到多大就是我们的网络。这三者合在一起就能支撑起这件事发生的关键。

滴滴做自动驾驶，任何认真做L4自动驾驶的团队或公司，都应该做完整的自动驾驶全栈架构。我们需要建立一个完整的以AI为中心的自动驾驶全栈架构，包括在线全栈模块，感知、定位、预测的各个部分，包括支持模块，包括仿真系统、高精地图，甚至背后的资质。这里的建筑并不特别。特别的是每个模块都是独立开发的，可以自己完成。今天的自动驾驶能力再好，也不够好。没有一家公司能把今天的自动驾驶能力放到我们的道路上，运行一整套运营服务。我们需要更快的迭代能力来不断接近我的目标。近似的前提是软件的各个模块上下优化，软硬件一起优化，什么都一起做。

刚才陈老师谈到了长尾数据的问题。我们解决了很多事情，也就是前八九成的场景数据差不多解决了。现在解决问题还为时过早。我们其实可以用迭代的方式处理模型车在路上遇到的主要问题，把安全从车上拿下来，把测试器放在车上，不安装测试器。我们需要解决的是长尾问题的最后1%和0.5%。长尾问题出现的概率很低。一个人开一辈子车的总里程可能是几百万公里，也可能是几百万公里，和大部分自动驾驶公司测试的里程差不多。很多长尾场景，几千万公里，几亿公里都没有出现。这种场景不止一次出现，而数据结构ma……出现一千次，才能拿回足够的数据给算法系统优化迭代处理这个场景。至少一个亿级规模的数据系统远远高于这个才是合理的。

大家都说我路测不够，因为自驾测试车辆数量有限，所以用了模拟系统。模拟可以把我们的测试里程提高1-2个数量级，也就是10-100倍，可能会到亿级水平，还是不够。仿真系统中生成的许多场景往往与现实世界中这些场景的分布不同。尤其是我们解决概率问题的时候，它的分布和它的频率一样重要。最终我们滴滴解决方案，除了用自己的测试车采集数据，还使用了情景设备。滴滴的网约车已经安装了这个设备。到今年年底，将安装100万台，覆盖200多个城市。100万套的概念，收集1000万公里的数据，绝大多数想象中的长尾场景，分布在各地的长尾场景真实数据，一年之内大规模收集，基本上就方便了，而且不只是一次，可能几千次，可能几万次。这些场景进入我们的系统，自动提取三维信息放入我们的模拟系统进行测试和模拟，让我们的算法可以处理这些问题。如果列表很长。相对于我们的路边数据，我们整合两部分数据一起迭代，这是解决长尾问题的一个非常关键的点。

有了长尾数据，接下来你选择在哪里操作？这一点非常重要。在L4级别自动驾驶时，区域不能一下子开到全场景。从一个地区的有限范围，有限的天气条件，有限的道路条件逐渐打开，然后变大。一开始开在哪里，可以让技术满足条件，同时有足够的区域用于商业场景。关于

合在一起有三张地图，第一张地图，业务地图，滴滴八年积累的业务数据。我们知道哪里有订单，哪里没有订单，哪里可以形成闭环订单，哪些屏幕峰值不一样。先看商业价值。第二张地图，看安全。滴滴历史上这八年，哪里发生过安全事故，有多严重，都收集在地图上，每个路段都有评分，用红绿标注。三是技术能力与道路的状态、结构状态相匹配，比如车道是否畅通，车道和自行车道是否分开。像这样的信息也会给道路打分。这三个一起构成了我们的战术地图。我们希望初步开放的区域能够以较少的路况覆盖更多的订单，满足更多乘客的需求，在有限的运力内做出更好的商业闭环模式。这是一个非常重要的区间，也是我们在使用数据时需要解决的核心问题。

有了面积，就算面积能养活我们，车辆数量也不够。毕竟和网约车不一样。自动驾驶汽车是一种新模式，而不是私家车。大家已经有这样的车了，拉到网上运营就行了。新车在这个范围内调配是一个过程，这个调配的成本很高，所以也是一样，从小车队到大车队。

有限的船队，有限的区域，很难满足人类的出行需求。我会用什么样的方式？我把机器和人车放在一个平台上操作。这样借助超大规模的人力运营网络，结合机器，可以服务更多的乘客，机器或者自动驾驶汽车只占极小的一部分，逐渐服务更多的人。在这种情况下，如果乘客的起点和终点在我们的测试服务范围内，那么我们可以向我们的乘客或我们的自动驾驶汽车发送这样的请求。如果不在这个范围内，或者天气不好，或者自动驾驶的车没闲着，就不可能给出租车或者人类驾驶的网络，形成混合调度。从乘客的角度来看没有区别。从自动驾驶的角度来说，我没有压力，不需要接所有的订单，不需要做所有的事情。这种混合模式是突破这件事的一个非常关键的点。

刚才讲了三块，我们的D是数据，A是AI，N是网络，三者合在一起……我们的DNA。我们认为，我们不仅需要意志和能力，还需要DNA来服务于自驾旅行，而DNA正是我们所擅长的。

我刚才说的是理论。从实用的角度来说，6月27日，在上海嘉定，我们正式启动了我们在该地区的无人驾驶示范。现在乘客可以通过滴滴注册，体验我们的自驾体验。面积在嘉定几十平方公里之内，报名人数已经很多了。我们逐渐接待了我们热情的乘客。有兴趣可以来这里体验一下。它在上海汽车展览中心，这是我们的起点。这里实现了混合调度，乘客可以通过滴滴选择自动驾驶或者普通网约车服务。

这是一个视频，可以给你展示6月27日的在线状态。历史上自动驾驶实时直播还是很少见的，因为这还是一个很大的挑战，尤其是那天经历了一场非常大的暴雨。上海下雨并不罕见，但那天雨下得很大。在各种场景中测试我们的汽车通常不是我们正常的操作环境。我们非常想知道我们的极限在哪里。除了车辆的安全，我们的运营监管中心还有一个后方护送中心。

事实上，我们正在为汽车上路提供大量的安全保护。除了车上的智能，车上还有安全员，路上还有车路协同的设备。上海嘉定部署了几公里的设备经验。

右边有一个安全检查指挥中心，可以看到路上的所有信息和汽车的运行情况。右边可以看到实际情况，也就是从上帝的角度，可以看到这个路口所有车的相互作用，以及它的整体感知。我们现在已经将对路边的感知与对汽车的感知整合在一起，以帮助汽车做出更好的决定。

最后给大家分享两个案例，为什么现阶段的自动驾驶体验给了更多乘客一种体验。其实我们也是怀着好奇心在做这件事。我们认为它可以促进我们技术进步的迭代。七八个乘客体验的信息会被放入我们技术迭代的循环中，让我们的自动驾驶能力更接近在线服务和真实服务所需要的真实能力。

上线后，有一些场景超出了我们的预期。左边的场景是001号乘客。我们在发布的第一天就注册了。他是迪斯尼公园的一名舞蹈演员。她对这个世界非常好奇。他在迪士尼给来迪士尼的游客带来欢乐。她也需要得到新的东西。她用我们的车给了我们很大的鼓励。原来想象的，手机里的都变成了现实，甚至那些做得不够好的事情，比如急刹车，都被认为是我们为了安全故意做的事情。他用世界的美好给了我们很多鼓励。相比鼓励，我们更希望批评和建议。右边的老人已经60多岁了。第二天他开了两个多小时的线，来到我们这边体验。他做过很多自动驾驶汽车，给过我们意见，说我们这个那个不好。正是因为我们的观点和体验，我们才能真正获得客户的反馈，迭代我们的需求。鼓励和批评并存可以让我们进步更快。

我们谈到航空安全是我们的期望目标。其实最近我们经历的是，疫情期间空乘人员做了很多工作，也是第一手了解我们在一线得到的安全需求。还搭了我们的车，很自觉。我们真的从一线最安全的行业了解到了他们的信息，给了我们很多指导和经验。正是这些普通乘客的故事，以及他们不同的身份和背景，让我们鼓励自己在自动驾驶场景中不断进步，并借此机会与同行一起推动这件事的进步。

谢谢大家！

(注:本文根据现场速记整理，未经发言人审核。)

标签：特斯拉长安大众丰田Model 3

汽车资讯热门资讯