【2020汽车蓝皮书论坛】圆桌讨论：循序渐进渐入佳境，自动驾驶在消费者感知中成长

8月11日，以“冬芽”为主题的第十二届中国汽车蓝皮书论坛2020在英雄之城武汉隆重开幕。

今年中国汽车蓝皮书论坛的主题是“冬芽”。中国汽车蓝皮书论坛希望“冬芽”这个主题能够更好地传递积极向上、乐观向上、不屈不挠的精神，非常适合后疫情时代。

作为新冠肺炎疫情后中国汽车行业举办的首个重量级汽车论坛，本次论坛连续举办三天(8月11日-13日)，邀请200多位行业领袖出席，22个重要圆桌议题，30场精彩演讲。

11日下午，由搜狐科技董事主持，滴滴自动驾驶公司CTO魏，时宇科技联合创始人、董事长兼CEO吴甘沙，中智行科技副总裁，法雷奥集团中国区CTO顾建民，穆宗科技创始人兼CEO，围绕“自动驾驶如何在消费者感知中成长”这一主题展开圆桌讨论。

以下是讨论节选。

晓寒:我们今天的主题是“自动驾驶如何在消费者的认知中成长”。现在是关键时刻，各个层面的一些应用已经开始让消费者有所感受。自动驾驶在交通领域的应用有两种，一种是用于人的运输，一种是用于货物的运输。

刚才吴总和魏总谈了一些，另外几位嘉宾这两年发展和状态都非常好。我想先问你一个问题。在你看来，未来几年，无人驾驶应用最能给消费者或用户最深的感知是哪个方向？

魏:未来，我感觉司机在未来两三年内真正做到大规模商业应用的无人车还是很难的。无论是技术上的突破，还是商业法规政策上的突破，都还很难。

对于大众来说，带自动驾驶的试运营，甚至带安全员的驾驶，都是很好奇的，给我们提供了很多建议和鼓励。

我觉得对于大众来说，在小范围内有安全员自动驾驶，可能是第一次可以有一种自动驾驶的感觉。怎样才能真正进入他们的生活？在上海通勤的人用我们的自动驾驶网络，是大家体感最强的。

晓寒:每年有多少人来申请？

魏:这个不方便透露。上海有超过30，000人在白名单上注册并使用我们的应用程序。

晓寒:吴先生，你认为这个问题怎么样？

吴甘沙:这个问题挺难回答的。首先，我们平时说的时候，经常会把无人驾驶和自动驾驶混淆。

其实我们做的比较好的是无人驾驶，是L4级别。L4水平是一个粗略的判断。B端会比C端快，B端的消费者可能感觉不到。

当然，从自动驾驶的角度来说，所谓的自动驾驶就是把驾驶员带上。我们现在实际上已经体验到了自动驾驶这个产品。现在一些特斯拉车主已经享受到了。从远处看，车可以在那边叫。我相信未来两年停车服务产品会出来，可能会更有感知力。

晓寒:张经理，你认为呢？你一直在谈论L4即将到来。

张振林:这个话题是自动驾驶给消费者的大规模感受。事实上，根据国际自动驾驶分类或者中国自动驾驶分类，从L0到L1、L2、L3、L4、L5，消费者最先感知到高级自动驾驶辅助功能的是L2，驾驶员仍然需要承担主要责任，自动驾驶系统作为高级系统的辅助。我们可能有许多消费者已经感受到了这样的自动驾驶条件。

第二，我不是特别看好L3，就直接跳到L4。L4是先感受到的，两位大佬都提到过，可能在某些工作条件下，某些区域消费者会先感受到。比如滴滴很棒，L4自动驾驶体验会在嘉定举办，…它在机场和其他地方完全无人驾驶。我觉得应该从整体或者分层次这样来看，这样讨论可能更准确。

晓寒:顾经理，你觉得呢？

顾建民:这是一个非常好的问题。首先看客户端。事实上，在许多场景中，2B端的客户是自驾车，并且实现了地理围栏。在港区、矿区、物流园区半封闭场景下，已经有高度自动驾驶的设备或车辆在运行，AGV是L4自动驾驶车辆，在园区内运行。

我们看C端客户，不要过分强调L3、L4、L5层面的讨论。更重要的是回归到与C端客户相关的场景和功能。如果从场景和功能来看，其实我们的驾驶辅助或者自动驾驶产品已经出现了。我觉得C端客户更容易或者更早享受到自动驾驶，最容易或者最早出现的两个场景和功能。

首先是泊车，从泊车辅助到自动泊车，再到远程自动泊车，远程自动泊车可以选择车内或车外，让车辆自动找车位找车位。还有记忆停车，也就是通常所说的定点停车。这条路线很明确。你可以看到很多车辆，不一定是高端车，都有量产的泊车辅助，我们长安CX75就有量产的自动泊车。可以看到你已经在享受这个功能了。

另外一个场景就是所谓的结构化道路，高速公路场景，交通场景比较简单，再加上交通法规的限制，在一定速度以下，客户完全可以放开手脚，这一点在很多车辆上已经实现。

在这两种场景下，C端的客户其实是在享受某种程度的自动驾驶，所以一句话，不要完全纠结于L3、L4、L5哪个场景和功能值。

晓寒:那唐总经理呢？

唐蕊:前面几位嘉宾已经讲得很透彻了。我简单补充一点。我觉得吴甘沙一直讲的就是自动驾驶和无人驾驶有区别，然后辅助驾驶和自动驾驶有区别，L2，L3，L4。未来几年，还是看传统车好，高速以L2为主，低速以L3、L4为主。这两个系统可能会合并成一个系统，不匹配会成为主要形式，被消费者广泛使用。

晓寒:我觉得刚才的回答可以概括为:在一些特定的场景下，比如低速、封闭，比如一些停车场景下，我们可以快速或者清晰地感知到自动驾驶或者无人驾驶带来的便利和技术进步。如果这个问题进一步延伸，作为一个真正的C端用户，可能更关心的是真正的自动驾驶，这样大规模的感知。

其实这个问题已经讨论很久了。到现在中场休息，这个东西什么时候才能真正走进我们的生活？比如滴滴之后就没有司机了吗？小哥哥美团成了机器人？你认为这些什么时候会到达？

魏:自动驾驶的初衷是提高整个交通的安全性和效率。在做的过程中，我们逐渐意识到里面人的重要性。我觉得我们的司机以后肯定不会被取代。他们将提供更高价值的服务。

除此之外，滴滴还会为自动驾驶行业或者整个行业的进化创造更多更好的工作机会，包括自动驾驶的测试人员和安全员，包括远程助手和控制员，可以创造更多的就业机会。从时间线上看，未来几年小规模可期，固定路线固定区域小规模可期。

晓寒:自动驾驶的成本和载人驾驶的成本什么时候能达到平衡？

魏:以前的预测是不断被修正的。从2007年开始举办比赛，感觉五年后自动驾驶会风靡全球。做了15年，还是发现困难很多。我们离产品和最终目标越近，难度就越大。从成本的角度来看，我感觉还是在技术进化的S曲线中间，或者说是在快速进化。

晓寒:吴先生，你认为怎么样？

吴甘沙:生活还是公司……？

晓寒:好几年了。

吴甘沙:就行业而言，不会仅仅因为技术没有完全成熟就停滞不前。我们必须设法让它首先被使用。在这个科技行业，有一种说法叫曝光定律。如果你让你的用户天天用，他会慢慢越来越喜欢你，也会慢慢包容他的错误。这就是所谓的“曝光定律”。

像滴滴这样通过混合调度逐渐让更多消费者接触，并在使用过程中不断纠错学习，才是正道。而且我认为，即使有一天技术成熟了，也有两种情况，一种是极端天气，一种是发现了非常重要的BUG，从对消费者负责的角度出发，应该召回所有汽车。

如果不是混合派单，你的服务会休克，你的APP就没用了。所以我觉得混合饼状图是一个很好的方式，通过灰度来部署，可以让技术运营起来，解决这种极端服务中间的服务场景。

现在我们可以看到，混合调度已经出现。可能三五年后，在一些地方基本就是混派了。遇到恶劣天气和重大bug，由人驾驶的出租车补上是一条很好的路径。

在B端，我觉得今年已经开始了。比如我们在机场跑的无人行李牵引车，已经跑了8个月了。疫情很严重的时候，人力不足是很好的责任。这些场景完全没有问题。

晓寒:这些场景需要混合部署吗？

吴甘沙:目前还是混合部署。半年或者一年后，单线就可以实现无人化部署。

晓寒:工厂外的下一步是什么？

吴甘沙:有很多场景。另一个大市场是干线物流。在一些具体场景中，除了刚才提到的机场、工厂的物流，还有矿山、环卫、终端配送、港口等等。这种特定场景下的无人驾驶应该是近几年才开始运行的。

让B端的消费者感受到降本增效。我认为你不应该太担心费用。在科技行业，只要你的技术成熟，有分寸，成本从来不是问题。现在关键是技术不成熟，量上不去。所以你会遇到先有鸡还是先有蛋的问题。未来几年，相信会成熟，降到10万元以下会很快。

晓寒:我想问一下张总，您之前关注的是L4。每次采访你，你都在说L4有多好。希望你能再给我们讲一遍。作为一个乐观主义者你为什么这么看好L4？

张振林:关于自动驾驶的分类，我们对L4的想法是相对完全的自动驾驶。其实我们目前说的更多的是完全自动驾驶，更多的是基于自行车智能的自动驾驶。

中之星是一家非常年轻的公司，成立于2018年。在此之前，这个团队在自动驾驶方面有着非常丰富的商业经验。这一块怎么能尽快实现自动驾驶落地，像你刚才说的时间表。纯粹依靠单车智能，我们去和Waymo打这些数据。就在刚刚，Waymo在2012年开始了数百辆汽车的路测，特斯拉的影子模式，包括滴滴也在做大量的工作。我们使用什么样的技术？我是一名工程师。这条路要走很长时间。有没有其他的辅助方式或者一些灵活的方式？

所以我们刚刚提出了L4的技术路线，将5G+AI单车的智能与车辆和道路的协调结合起来。我们一直在做自行车智能。我们在车上安装了传感器，不断进行道路测试，不断训练我们的模型。同时，最近宣布的与中国电信集团在车路协同和5G方面的合作，将把自行车的智能与5G的高带宽、低延迟、安全的特点融合在一起，解决我们需要大量数据积累的问题。

今年因为这次疫情，在3月份推出了“新基础设施”的概念，有一个非常明显的特点:5G的大力部署和中国在智慧道路上的努力。基于这一判断，我们坚信人工智能的优势和中国政府对5G和基础设施的巨额投资……建设相结合，通过智能汽车、智能道路、5G云，L4级全自动驾驶可以在部分区域快速被所有人享用。

晓寒:我刚刚谈到了5G。对了，5G是部署第一年。您对目前的部署速度满意吗？有没有觉得自己在拖后腿或者追不上？

张振林:去年是真正5G的第一年，这可能不尽如人意或有些延迟。各运营商正在部署他们的主要网络。慈之星公司得到了政府和运营商的大力支持，根据业务需求在多个地区部署了具有独立主网的5G网络。我们现在的合作发展非常迅速，这也给了我信心。总的来说，我们正在快速前进。但如果5G全覆盖，所有地区都需要主网还需要一段时间，目前来看不是障碍。

8月11日，以“冬芽”为主题的第十二届中国汽车蓝皮书论坛2020在英雄之城武汉隆重开幕。

今年中国汽车蓝皮书论坛的主题是“冬芽”。中国汽车蓝皮书论坛希望“冬芽”这个主题能够更好地传递积极向上、乐观向上、不屈不挠的精神，非常适合后疫情时代。

作为新冠肺炎疫情后中国汽车行业举办的首个重量级汽车论坛，本次论坛连续举办三天(8月11日-13日)，邀请200多位行业领袖出席，22个重要圆桌议题，30场精彩演讲。

11日下午，由搜狐科技董事主持，滴滴自动驾驶公司CTO魏，时宇科技联合创始人、董事长兼CEO吴甘沙，中智行科技副总裁，法雷奥集团中国区CTO顾建民，穆宗科技创始人兼CEO，围绕“自动驾驶如何在消费者感知中成长”这一主题展开圆桌讨论。

以下是讨论节选。

晓寒:我们今天的主题是“自动驾驶如何在消费者的认知中成长”。现在是关键时刻，各个层面的一些应用已经开始让消费者有所感受。自动驾驶在交通领域的应用有两种，一种是用于人的运输，一种是用于货物的运输。

刚才吴总和魏总谈了一些，另外几位嘉宾这两年发展和状态都非常好。我想先问你一个问题。在你看来，未来几年，无人驾驶应用最能给消费者或用户最深的感知是哪个方向？

魏:未来，我感觉司机在未来两三年内真正做到大规模商业应用的无人车还是很难的。无论是技术上的突破，还是商业法规政策上的突破，都还很难。

对于大众来说，带自动驾驶的试运营，甚至带安全员的驾驶，都是很好奇的，给我们提供了很多建议和鼓励。

我觉得对于大众来说，在小范围内有安全员自动驾驶，可能是第一次可以有一种自动驾驶的感觉。怎样才能真正进入他们的生活？在上海通勤的人用我们的自动驾驶网络，是大家体感最强的。

晓寒:每年有多少人来申请？

魏:这个不方便透露。上海有超过30，000人在白名单上注册并使用我们的应用程序。

晓寒:吴先生，你认为这个问题怎么样？

吴甘沙:这个问题挺难回答的。首先，我们平时说的时候，经常会把无人驾驶和自动驾驶混淆。

其实我们做的比较好的是无人驾驶，是L4级别。L4水平是一个粗略的判断。B端会比C端快，B端的消费者可能感觉不到。

当然，从自动驾驶的角度来说，所谓的自动驾驶就是把驾驶员带上。我们现在实际上已经体验到了自动驾驶这个产品。现在一些特斯拉车主已经享受到了。从远处看，车可以在那边叫。我相信未来两年停车服务产品会出来，可能是m……敏锐的洞察力。

晓寒:张经理，你认为呢？你一直在谈论L4即将到来。

张振林:这个话题是自动驾驶给消费者的大规模感受。事实上，根据国际自动驾驶分类或者中国自动驾驶分类，从L0到L1、L2、L3、L4、L5，消费者最先感知到高级自动驾驶辅助功能的是L2，驾驶员仍然需要承担主要责任，自动驾驶系统作为高级系统的辅助。我们可能有许多消费者已经感受到了这样的自动驾驶条件。

第二，我不是特别看好L3，就直接跳到L4。L4是先感受到的，两位大佬都提到过，可能在某些工作条件下，某些区域消费者会先感受到。比如滴滴很棒，L4自动驾驶体验会在嘉定举办，机场等区域完全无人驾驶。我觉得应该从整体或者分层次这样来看，这样讨论可能更准确。

晓寒:顾经理，你觉得呢？

顾建民:这是一个非常好的问题。首先看客户端。事实上，在许多场景中，2B端的客户是自驾车，并且实现了地理围栏。在港区、矿区、物流园区半封闭场景下，已经有高度自动驾驶的设备或车辆在运行，AGV是L4自动驾驶车辆，在园区内运行。

我们看C端客户，不要过分强调L3、L4、L5层面的讨论。更重要的是回归到与C端客户相关的场景和功能。如果从场景和功能来看，其实我们的驾驶辅助或者自动驾驶产品已经出现了。我觉得C端客户更容易或者更早享受到自动驾驶，最容易或者最早出现的两个场景和功能。

首先是泊车，从泊车辅助到自动泊车，再到远程自动泊车，远程自动泊车可以选择车内或车外，让车辆自动找车位找车位。还有记忆停车，也就是通常所说的定点停车。这条路线很明确。你可以看到很多车辆，不一定是高端车，都有量产的泊车辅助，我们长安CX75就有量产的自动泊车。可以看到你已经在享受这个功能了。

另外一个场景就是所谓的结构化道路，高速公路场景，交通场景比较简单，再加上交通法规的限制，在一定速度以下，客户完全可以放开手脚，这一点在很多车辆上已经实现。

在这两种场景下，C端的客户其实是在享受某种程度的自动驾驶，所以一句话，不要完全纠结于L3、L4、L5哪个场景和功能值。

晓寒:那唐总经理呢？

唐蕊:前面几位嘉宾已经讲得很透彻了。我简单补充一点。我觉得吴甘沙一直讲的就是自动驾驶和无人驾驶有区别，然后辅助驾驶和自动驾驶有区别，L2，L3，L4。未来几年，还是看传统车好，高速以L2为主，低速以L3、L4为主。这两个系统可能会合并成一个系统，不匹配会成为主要形式，被消费者广泛使用。

晓寒:我觉得刚才的回答可以概括为:在一些特定的场景下，比如低速、封闭，比如一些停车场景下，我们可以快速或者清晰地感知到自动驾驶或者无人驾驶带来的便利和技术进步。如果这个问题进一步延伸，作为一个真正的C端用户，可能更关心的是真正的自动驾驶，这样大规模的感知。

其实这个问题已经讨论很久了。到现在中场休息，这个东西什么时候才能真正走进我们的生活？比如滴滴之后就没有司机了吗？小哥哥美团成了机器人？你认为这些什么时候会到达？

魏:自动驾驶的初衷是提高整个交通的安全性和效率。在做的过程中，我们逐渐意识到里面人的重要性。我觉得我们的司机以后肯定不会被取代。他们将提供更高价值的服务。

此外，滴滴还将为自动驾驶行业或整个行业的进化创造更多更好的工作机会，包括自动驾驶的测试人员和安全员，包括远程助手和……控制器，可以创造更多的就业机会。从时间线上看，未来几年小规模可期，固定路线固定区域小规模可期。

晓寒:自动驾驶的成本和载人驾驶的成本什么时候能达到平衡？

魏:以前的预测是不断被修正的。从2007年开始举办比赛，感觉五年后自动驾驶会风靡全球。做了15年，还是发现困难很多。我们离产品和最终目标越近，难度就越大。从成本的角度来看，我感觉还是在技术进化的S曲线中间，或者说是在快速进化。

晓寒:吴先生，你认为怎么样？

吴甘沙:生命还是代价？

晓寒:好几年了。

吴甘沙:就行业而言，不会仅仅因为技术没有完全成熟就停滞不前。我们必须设法让它首先被使用。在这个科技行业，有一种说法叫曝光定律。如果你让你的用户天天用，他会慢慢越来越喜欢你，也会慢慢包容他的错误。这就是所谓的“曝光定律”。

像滴滴这样通过混合调度逐渐让更多消费者接触，并在使用过程中不断纠错学习，才是正道。而且我认为，即使有一天技术成熟了，也有两种情况，一种是极端天气，一种是发现了非常重要的BUG，从对消费者负责的角度出发，应该召回所有汽车。

如果不是混合派单，你的服务会休克，你的APP就没用了。所以我觉得混合饼状图是一个很好的方式，通过灰度来部署，可以让技术运营起来，解决这种极端服务中间的服务场景。

现在我们可以看到，混合调度已经出现。可能三五年后，在一些地方基本就是混派了。遇到恶劣天气和重大bug，由人驾驶的出租车补上是一条很好的路径。

在B端，我觉得今年已经开始了。比如我们在机场跑的无人行李牵引车，已经跑了8个月了。疫情很严重的时候，人力不足是很好的责任。这些场景完全没有问题。

晓寒:这些场景需要混合部署吗？

吴甘沙:目前还是混合部署。半年或者一年后，单线就可以实现无人化部署。

晓寒:工厂外的下一步是什么？

吴甘沙:有很多场景。另一个大市场是干线物流。在一些具体场景中，除了刚才提到的机场、工厂的物流，还有矿山、环卫、终端配送、港口等等。这种特定场景下的无人驾驶应该是近几年才开始运行的。

让B端的消费者感受到降本增效。我认为你不应该太担心费用。在科技行业，只要你的技术成熟，有分寸，成本从来不是问题。现在关键是技术不成熟，量上不去。所以你会遇到先有鸡还是先有蛋的问题。未来几年，相信会成熟，降到10万元以下会很快。

晓寒:我想问一下张总，您之前关注的是L4。每次采访你，你都在说L4有多好。希望你能再给我们讲一遍。作为一个乐观主义者你为什么这么看好L4？

张振林:关于自动驾驶的分类，我们对L4的想法是相对完全的自动驾驶。其实我们目前说的更多的是完全自动驾驶，更多的是基于自行车智能的自动驾驶。

中之星是一家非常年轻的公司，成立于2018年。在此之前，这个团队在自动驾驶方面有着非常丰富的商业经验。这一块怎么能尽快实现自动驾驶落地，像你刚才说的时间表。纯粹依靠单车智能，我们去和Waymo打这些数据。就在刚刚，Waymo在2012年开始了数百辆汽车的路测，特斯拉的影子模式，包括滴滴也在做大量的工作。我们使用什么样的技术？我是一名工程师。这条路要走很长时间。有没有其他的辅助方式或者……我灵活的方式？

所以我们刚刚提出了L4的技术路线，将5G+AI单车的智能与车辆和道路的协调结合起来。我们一直在做自行车智能。我们在车上安装了传感器，不断进行道路测试，不断训练我们的模型。同时，最近宣布的与中国电信集团在车路协同和5G方面的合作，将把自行车的智能与5G的高带宽、低延迟、安全的特点融合在一起，解决我们需要大量数据积累的问题。

今年因为这次疫情，在3月份推出了“新基础设施”的概念，有一个非常明显的特点:5G的大力部署和中国在智慧道路上的努力。基于这样的判断，我们坚信人工智能的优势和中国政府在5G和基础设施建设上的巨大投入相结合，L4级别的全自动驾驶可以通过智能汽车、智能道路和5G云在部分地区让所有人快速享受到。

晓寒:我刚刚谈到了5G。对了，5G是部署第一年。您对目前的部署速度满意吗？有没有觉得自己在拖后腿或者追不上？

张振林:去年是真正5G的第一年，这可能不尽如人意或有些延迟。各运营商正在部署他们的主要网络。慈之星公司得到了政府和运营商的大力支持，根据业务需求在多个地区部署了具有独立主网的5G网络。我们现在的合作发展非常迅速，这也给了我信心。总的来说，我们正在快速前进。但如果5G全覆盖，所有地区都需要主网还需要一段时间，目前来看不是障碍。晓寒:那你问顾总，我之前在CES上看到一个很有意思的东西。法雷奥展示了一款电动无人送货车。更吸引我的是这个项目是和美团合作的。这个项目目前进展如何？

顾建民:在CES 2019上，法雷奥和美团签署了战略合作协议。所谓最后一公里，无人配送平台开发，双方更有合作意向。一年后，在今年的CES展会上，双方推出了这样一款原型车和一款电动无人物流配送车。

从这个原型车上可以看到，它的底盘、电驱动系统、自动驾驶传感器都是法雷奥研发的，美团负责全身APP领域。这是原型车，需要很长时间。在这个过程中，双方需要沟通，基本条件协商好了，包括相互协调。直到最后的原型车制造出来，运到美国，真正的开发时间只有几个月。情况就是这样。

原本计划在1月份的CES展之后，4月份在北京会有一个车展，把车从美国运到欧洲，再运到中国，进行后续的展示、交流和开发。可惜疫情的爆发耽误了包括北京车展在内的原定计划，限制了人员进出。因此，目前这方面的工作很遗憾地被耽搁了，双方正在讨论下一步该怎么做。

晓寒:我想问这个项目是否可以大规模应用。类似项目大规模应用是什么时候？

顾建民:在CES上是同一款车，还是规模大的两个概念。同时，这是一辆原型车，也是一个平台。同时，法雷奥与新的出行模式或初创公司合作。我觉得量产的问题应该扔给出行服务商或者无人物流，比如美团或者出行服务商。法雷奥提供了这样的技术，我们希望量产能早日到来。

晓寒:我在发言中多次提到，托运人的需求大于托运人的需求？

顾建民:货运的主要客户有两个，2B的客户，比如港口，或者矿山，包括园区矿区和物流。你已经可以看到有许多应用程序，需求已经在其中。

我给你举个例子。矿井里有很多矿车来运输矿渣或矿物材料。这些司机在那里工作，有些收割机的工作条件非常艰苦。我知道很多司机都有职业病。在这种情况下，这种收割机很难招到司机，没人愿意出高价做这份工作。

W……经常说出租车司机已经很辛苦了，矿区的司机更辛苦，没人愿意干。这种情况下，需求很大。矿上还有一个更重要的问题，就是安全。车辆是个小问题。如果车辆受损，就是量的问题。伤亡可能已经触及红线，B端的需求摆在那里。

如果看物流，可能今天在座的很多听众都亲身经历过。关于物流中的快递或者外卖，我有一个很有意思的数字。昨天美团发布了一个数据，当天订单突破4000万。这是每天的订单量。可以看到，几乎每年都是每天新增1000万的订单，增量市场特别大。

大家都觉得我们快递小哥的数量增加了这么多，还有其他快递员和其他运营人员在那里。那么整个市场对快递的需求是存在的，又该如何应对呢？我相信美团这样的公司是很有兴趣用无人物流至少解决增量市场的。这个市场是存在的，不是说没有客运市场。很多情况下，运送乘客比海运更实际。

晓寒:请问唐先生，湖州的智能工厂已经投产了，设计产量是50万片/年。你也看好，不会有这么大规模的生产。

唐蕊:据报道，湖州的生产基地在7月初已经投入使用。单线设计产能50万件，只是单线。以后一辆车可能会装不止一个，五个，七个。我们相对看好这个市场。解释我们为什么这样做。在越回越多的过程中，当辅助驾驶或者自动驾驶推进到更高的阶段，传感器融合原始数据时，会对整个系统产生很大的影响。

我们的一个观点:向前看，许多算法与传感器有非常强的耦合。也是因为这个原因，我们在2018年成立了毫米波团队，针对高速和低速进行优化，打造了很多毫米波产品，也是我们去年在厦门发布会上发布的产品。

晓寒:现在穆宗科技更多的是自动驾驶停车系统中的自行车智能，对吗？

唐蕊:停车场景很多，从L2停车，从远程停车到记忆停车，再到非常高级的AVP自主停车服务。一开始大家走的路可能会有很大的不同，到最后我相信最终的产品其实是非常非常接近的。

我相信这个产品最终大规模使用的时候，应该是以自行车智能化为基础的，但一定是和很多厂商紧密交付的产品或形式。自主停车服务是一种服务，离不开厂端和后台监控、故障排除等一系列技术的支持。自行车可能足够智能，也需要工厂端和后台服务来支撑。

晓寒:一整套的自行车系统，比如道路，比如停车场，其实是自动驾驶发展的必然。吴甘沙总经理在演讲中也提到了，把特斯拉模式说得非常清楚。自动驾驶赛道上的核心竞争包括里程，包括数据，这是一个非常核心的东西。除此之外，你认为在我们的安全领域，或者说在其他领域，最核心的应该是什么？

吴甘沙:我觉得里程和数据是下一个阶段。现在的核心是把你的智能驾驶系统从测量到实践再到真正的大规模部署。我觉得在它真正大规模使用之前，大家都说我可以拥有，但并不是所有人都能真正跨越从测试到实践再到使用的过程。只有真正大规模使用了，下面才会有里程和数据，否则就是空的。所以我觉得现在的核心是量产。不是量产，是真正交付的，大家用的，用的没问题的量产。

魏:我们也特别想量产。技术没有突破，没办法量产。像吴甘沙总经理，在座的几位，还有俞老师，找到这些可用的应用场景，改进t……产品通过应用场景迭代的性能。甚至在未来的发展更有针对性，我认为这是一个产品实际上是最有效的路径。

滴滴将在上海进行示范应用，在这些线路上运行。我们有很多数据，在这个社区里，什么情况下你的车辆性能不够好，开发更有针对性和效率。还有一个前提就是要有最有保障的安全性。车辆技术上有一些冗余系统也是好的。只有在真实场景中实践，才能有更好的产品。

张振林:我认为自动驾驶仪应该做这两件事的原因是用机器取代人类司机。除了效率上的考虑，公众接受这件事最重要的是它的安全性。我觉得目前大家解决的所有问题，无论是持续的路测，还是通过各种手段，都是为了提高自动驾驶系统在各种工况、各种场景、各种消费者参与下所能达到的安全性。

大家都知道现在很多L3和L4公司都可以做一些样品，我们都提供很多试乘。普通人对自动驾驶好奇，更多的担心是安全。他们对安全的接受程度，一个人开车出事，他会觉得可以理解。但是，一旦自动驾驶仪发生事故，不管是不是自动驾驶系统，它对事故的容忍度都是很低的。

我们对于自动驾驶系统安全性的考虑，或者说各个公司在这方面的考虑，应该是整个比赛的核心点。

所以我们在做的自行车智能这个东西是解决不了的。我们在有遮挡的情况下左转，我看不到车从左边过来。我看不到任何安装的传感器。一旦发生事故，即使是对方的责任，大家还是对自动驾驶系统持怀疑态度，会影响其降落。

我们已经应用了其他技术，5G车路协调，并不仅在我们的汽车上，而且在我们的路边安装了传感器。从视线上扩大我们的眼界，只有这样才能把安全作为首要目的，这可能是我觉得所有自动驾驶公司都应该重视的一点。

大家经常说成本。我觉得成本很重要，是影响这个东西大规模落地的最直接的障碍。但现阶段要有成本意识，但不能受制于成本。所以以安全为主导，有安全意识，通过这方面的努力和竞争，我觉得这样的公司会脱颖而出。

晓寒:你刚才提到了成本，因为两天前，有一家公司即将在美国上市。我和他们聊天的时候，聊到一个很有意思的公司。他说他们是科技公司，我说你不是。为什么中间成本还这么高？因为科技公司说你的模式不能降低成本，你就失败了。吴老师也谈到了成本，目前不是问题，以后也不会是问题。我的意思是，如果成本不能吸引消费者使用，这部分成本会一直烧下去吗？还是用其他方法解决？

吴甘沙:我说这不是问题。从行业的角度来看，行业会跌破消费者或客户的可接受水平。如果最后太贵，肯定不会有人用。你做出来的是摆设，但是你要相信这个行业的力量，相信摩尔定律的力量。现在重要的是让技术变得可靠和可能。

0

张振林:我想给韩先生一些信心。在2017年开始一个L4级别的自动驾驶业务的过程中，2018年会有很多公司开始使用。去年，我们看到越来越多的来自各个公司的激光雷达。无论国际还是国内的激光雷达公司，都推出了几十万元的激光雷达产品。

到2020年，在CES上，将推出万元以下的激光雷达。今天早上华为的王总也提到华为在做激光雷达之类的东西。你可以看到在自动驾驶整个行业还没有商业化和大规模落地的情况下，传感器的价格下降的速度甚至比摩尔定律的价格还要快。我觉得我们有这个信心。

晓寒:相信摩尔定律。顾总，你怎么看这个问题？

顾建民:是au的成本还是难度……现在不开车了？

晓寒:我们先谈谈成本吧。

顾建民:传感器包括激光雷达的价格在量产后会按照摩尔定律下降。现在公开的说法是，整车企业要想应用激光雷达，每台必须低于1000欧元，1000欧元相当于人民币8000元左右。以后会远远低于1000元。这是一种趋势，你不必怀疑。

我们今天讨论的时候，会谈到长尾的一些场景或者事故，但是如果回到基础技术，很遗憾，有时候包括特斯拉在内的一些事故，包括优步的一些事故。优步是AEB的一个场景，而特斯拉是AEB的场景好几次了。

仔细想想，还是没有解决感知和决策的原因。感知和决策各有各的部分。如何回归感知和决策？我们内部工作没有做好，但是我们认为我们现在已经做好了。在发现剩下的10%会占用90%的时间之前，我们是否认为自己已经做好了90%的工作？我觉得大部分还没到那一步，还是回去做好自己的感知和决策吧。

我给你举个例子。我试过好几个初创企业的测试车。他们中的一些人表现得非常好，而另一些人则遇到了一些问题。我给你举几个简单的场景。开车的过程中有一个行人。我相信这个行人不是事先安排好的。他站在路边，想了想却没有经过。自动驾驶车辆停在那里等待。如果行人没有离开，就在那里等着，无法判断这个人是否不能过马路。

我们会发现很多道路使用者，他们的意图很难判断，人的意图也很难判断。我们可以做一些预测。通过人工智能和传感器，我们可以分析他们的行为和过去的轨迹，来预测他是否分心，他接下来是否会过马路，并预测他的轨迹。这是我们正在研究的一个方向，我们在今年的CES展会上做了演示。我还是持这个观点，还是要回到最基础的技术上，做好感知和决策，真正做好自动驾驶的安全性。

晓寒:唐经理，你的意见呢？

唐蕊:我就刚才的话题谈几点我的看法。

我觉得应该往后推，这件事应该是什么样的成本？像特斯拉这种车的成本也就几千美元，但实际上自动驾驶的这些技术是可以广泛应用的，成本最终控制在500到1000美元。晓寒:那你问顾总，我之前在CES上看到一个很有意思的东西。法雷奥展示了一款电动无人送货车。更吸引我的是这个项目是和美团合作的。这个项目目前进展如何？

顾建民:在CES 2019上，法雷奥和美团签署了战略合作协议。所谓最后一公里，无人配送平台开发，双方更有合作意向。一年后，在今年的CES展会上，双方推出了这样一款原型车和一款电动无人物流配送车。

从这个原型车上可以看到，它的底盘、电驱动系统、自动驾驶传感器都是法雷奥研发的，美团负责全身APP领域。这是原型车，需要很长时间。在这个过程中，双方需要沟通，基本条件协商好了，包括相互协调。直到最后的原型车制造出来，运到美国，真正的开发时间只有几个月。情况就是这样。

原本计划在1月份的CES展之后，4月份在北京会有一个车展，把车从美国运到欧洲，再运到中国，进行后续的展示、交流和开发。可惜疫情的爆发耽误了包括北京车展在内的原定计划，限制了人员进出。因此，目前这方面的工作很遗憾地被耽搁了，双方正在讨论下一步该怎么做。

晓寒:我想问这个项目是否可以大规模应用。类似项目大规模应用是什么时候？

顾建民:在CES上是同一款车，还是规模大的两个概念。同时，这是一辆原型车，也是一个平台。同时，法雷奥与新的出行模式或初创公司合作。我认为大规模生产的问题应该扔给旅行社。ers或无人物流，如美团或旅行服务提供商。法雷奥提供了这样的技术，我们希望量产能早日到来。

晓寒:我在发言中多次提到，托运人的需求大于托运人的需求？

顾建民:货运的主要客户有两个，2B的客户，比如港口，或者矿山，包括园区矿区和物流。你已经可以看到有许多应用程序，需求已经在其中。

我给你举个例子。矿井里有很多矿车来运输矿渣或矿物材料。这些司机在那里工作，有些收割机的工作条件非常艰苦。我知道很多司机都有职业病。在这种情况下，这种收割机很难招到司机，没人愿意出高价做这份工作。

我们常说出租车司机已经很辛苦了，矿区的司机更辛苦，没人愿意干。这种情况下，需求很大。矿上还有一个更重要的问题，就是安全。车辆是个小问题。如果车辆受损，就是量的问题。伤亡可能已经触及红线，B端的需求摆在那里。

如果看物流，可能今天在座的很多听众都亲身经历过。关于物流中的快递或者外卖，我有一个很有意思的数字。昨天美团发布了一个数据，当天订单突破4000万。这是每天的订单量。可以看到，几乎每年都是每天新增1000万的订单，增量市场特别大。

大家都觉得我们快递小哥的数量增加了这么多，还有其他快递员和其他运营人员在那里。那么整个市场对快递的需求是存在的，又该如何应对呢？我相信美团这样的公司是很有兴趣用无人物流至少解决增量市场的。这个市场是存在的，不是说没有客运市场。很多情况下，运送乘客比海运更实际。

晓寒:请问唐先生，湖州的智能工厂已经投产了，设计产量是50万片/年。你也看好，不会有这么大规模的生产。

唐蕊:据报道，湖州的生产基地在7月初已经投入使用。单线设计产能50万件，只是单线。以后一辆车可能会装不止一个，五个，七个。我们相对看好这个市场。解释我们为什么这样做。在越回越多的过程中，当辅助驾驶或者自动驾驶推进到更高的阶段，传感器融合原始数据时，会对整个系统产生很大的影响。

我们的一个观点:向前看，许多算法与传感器有非常强的耦合。也是因为这个原因，我们在2018年成立了毫米波团队，针对高速和低速进行优化，打造了很多毫米波产品，也是我们去年在厦门发布会上发布的产品。

晓寒:现在穆宗科技更多的是自动驾驶停车系统中的自行车智能，对吗？

唐蕊:停车场景很多，从L2停车，从远程停车到记忆停车，再到非常高级的AVP自主停车服务。一开始大家走的路可能会有很大的不同，到最后我相信最终的产品其实是非常非常接近的。

我相信这个产品最终大规模使用的时候，应该是以自行车智能化为基础的，但一定是和很多厂商紧密交付的产品或形式。自主停车服务是一种服务，离不开厂端和后台监控、故障排除等一系列技术的支持。自行车可能足够智能，也需要工厂端和后台服务来支撑。

晓寒:一整套的自行车系统，比如道路，比如停车场，其实是自动驾驶发展的必然。吴甘沙总经理在演讲中也提到了，把特斯拉模式说得非常清楚。自动驾驶赛道上的核心竞争包括里程，包括数据，这是一个非常核心的东西。除此之外，你认为在我们的安全领域，或者说在其他领域，最核心的应该是什么？

吴甘沙:我觉得里程和数据是下一个阶段。现在的核心是运用你的聪明才智……从测量到实践再到真正的大规模部署。我觉得在它真正大规模使用之前，大家都说我可以拥有，但并不是所有人都能真正跨越从测试到实践再到使用的过程。只有真正大规模使用了，下面才会有里程和数据，否则就是空的。所以我觉得现在的核心是量产。不是量产，是真正交付的，大家用的，用的没问题的量产。

魏:我们也特别想量产。技术没有突破，没办法量产。像吴甘沙总经理，在座的几位，还有俞老师，找到这些可用的应用场景，通过应用场景的迭代来提升产品的性能。甚至在未来的发展更有针对性，我认为这是一个产品实际上是最有效的路径。

滴滴将在上海进行示范应用，在这些线路上运行。我们有很多数据，在这个社区里，什么情况下你的车辆性能不够好，开发更有针对性和效率。还有一个前提就是要有最有保障的安全性。车辆技术上有一些冗余系统也是好的。只有在真实场景中实践，才能有更好的产品。

张振林:我认为自动驾驶仪应该做这两件事的原因是用机器取代人类司机。除了效率上的考虑，公众接受这件事最重要的是它的安全性。我觉得目前大家解决的所有问题，无论是持续的路测，还是通过各种手段，都是为了提高自动驾驶系统在各种工况、各种场景、各种消费者参与下所能达到的安全性。

大家都知道现在很多L3和L4公司都可以做一些样品，我们都提供很多试乘。普通人对自动驾驶好奇，更多的担心是安全。他们对安全的接受程度，一个人开车出事，他会觉得可以理解。但是，一旦自动驾驶仪发生事故，不管是不是自动驾驶系统，它对事故的容忍度都是很低的。

我们对于自动驾驶系统安全性的考虑，或者说各个公司在这方面的考虑，应该是整个比赛的核心点。

所以我们在做的自行车智能这个东西是解决不了的。我们在有遮挡的情况下左转，我看不到车从左边过来。我看不到任何安装的传感器。一旦发生事故，即使是对方的责任，大家还是对自动驾驶系统持怀疑态度，会影响其降落。

我们已经应用了其他技术，5G车路协调，并不仅在我们的汽车上，而且在我们的路边安装了传感器。从视线上扩大我们的眼界，只有这样才能把安全作为首要目的，这可能是我觉得所有自动驾驶公司都应该重视的一点。

大家经常说成本。我觉得成本很重要，是影响这个东西大规模落地的最直接的障碍。但现阶段要有成本意识，但不能受制于成本。所以以安全为主导，有安全意识，通过这方面的努力和竞争，我觉得这样的公司会脱颖而出。

晓寒:你刚才提到了成本，因为两天前，有一家公司即将在美国上市。我和他们聊天的时候，聊到一个很有意思的公司。他说他们是科技公司，我说你不是。为什么中间成本还这么高？因为科技公司说你的模式不能降低成本，你就失败了。吴老师也谈到了成本，目前不是问题，以后也不会是问题。我的意思是，如果成本不能吸引消费者使用，这部分成本会一直烧下去吗？还是用其他方法解决？

吴甘沙:我说这不是问题。从行业的角度来看，行业会跌破消费者或客户的可接受水平。如果最后太贵，肯定不会有人用。你做出来的是摆设，但是你要相信这个行业的力量，相信摩尔定律的力量。现在重要的是让技术变得可靠和可能。

< img alt = "发现、特斯拉、北京、大众、长安" src = "/eeimg/{ HostI }/img/20230303231646261328/……jpg"/>

张振林:我想给韩先生一些信心。在2017年开始一个L4级别的自动驾驶业务的过程中，2018年会有很多公司开始使用。去年，我们看到越来越多的来自各个公司的激光雷达。无论国际还是国内的激光雷达公司，都推出了几十万元的激光雷达产品。

到2020年，在CES上，将推出万元以下的激光雷达。今天早上华为的王总也提到华为在做激光雷达之类的东西。你可以看到在自动驾驶整个行业还没有商业化和大规模落地的情况下，传感器的价格下降的速度甚至比摩尔定律的价格还要快。我觉得我们有这个信心。

晓寒:相信摩尔定律。顾总，你怎么看这个问题？

顾建民:是现在自动驾驶的成本还是难度？

晓寒:我们先谈谈成本吧。

顾建民:传感器包括激光雷达的价格在量产后会按照摩尔定律下降。现在公开的说法是，整车企业要想应用激光雷达，每台必须低于1000欧元，1000欧元相当于人民币8000元左右。以后会远远低于1000元。这是一种趋势，你不必怀疑。

我们今天讨论的时候，会谈到长尾的一些场景或者事故，但是如果回到基础技术，很遗憾，有时候包括特斯拉在内的一些事故，包括优步的一些事故。优步是AEB的一个场景，而特斯拉是AEB的场景好几次了。

仔细想想，还是没有解决感知和决策的原因。感知和决策各有各的部分。如何回归感知和决策？我们内部工作没有做好，但是我们认为我们现在已经做好了。在发现剩下的10%会占用90%的时间之前，我们是否认为自己已经做好了90%的工作？我觉得大部分还没到那一步，还是回去做好自己的感知和决策吧。

我给你举个例子。我试过好几个初创企业的测试车。他们中的一些人表现得非常好，而另一些人则遇到了一些问题。我给你举几个简单的场景。开车的过程中有一个行人。我相信这个行人不是事先安排好的。他站在路边，想了想却没有经过。自动驾驶车辆停在那里等待。如果行人没有离开，就在那里等着，无法判断这个人是否不能过马路。

我们会发现很多道路使用者，他们的意图很难判断，人的意图也很难判断。我们可以做一些预测。通过人工智能和传感器，我们可以分析他们的行为和过去的轨迹，来预测他是否分心，他接下来是否会过马路，并预测他的轨迹。这是我们正在研究的一个方向，我们在今年的CES展会上做了演示。我还是持这个观点，还是要回到最基础的技术上，做好感知和决策，真正做好自动驾驶的安全性。

晓寒:唐经理，你的意见呢？

唐蕊:我就刚才的话题谈几点我的看法。

我觉得应该往后推，这件事应该是什么样的成本？像特斯拉这种车的成本也就几千美元，但实际上自动驾驶的这些技术是可以广泛应用的，成本最终控制在500到1000美元。包括一个非常复杂的自动驾驶域控制器，包括很多传感器，一个摄像头，一个雷达，一个激光雷达，什么时候才能把成本降到这么小？

这可能还不够。为什么不呢？我们必须考虑一下。我们仔细想想这个成本是由什么构成的。根据发生的时间，我们可以看到成本可以有这三个部分。最后我们会给一个东西定价，比如自动驾驶系统，前期有研发的成本，然后我们会把它做成硬件，有上下游采购和制造的成本。我们也遇到最大的挑战，这个东西卖出去以后还会继续发生的成本。

当辅助驾驶或低于L2时，最大的区别是当我们转向自动驾驶L3和L4时，这是一个非常本质的区别。大家都在说长尾效应。在制造L1和L2时，该产品已与原始设备制造商和AEB的性能指标一致。其实出了事也无所谓，因为还是司机负责。

我们看到很多好车AEB的性能很差，但是……没关系。这有什么关系？因为这是L1和L2的产品，如果我的供应商与OEM有业务活动，我们的成本，包括交易，将在某个时间结束。

去L3就变得很麻烦了。我们说它是一个开放的世界，有无限的可能性和长尾效应。这种可能性呢？这个行业是一个非常大的挑战。这一块的成本比我们想象的要大很多，这也是现在的一个大问题。我们看到整个L3走向高速自动驾驶后，它的性价比极不划算。你还有后续成本要发生。一个科技公司如何吸收消化这个成本，才是行业最大的挑战。

说到这，回到我前面讲的一个观点，很有可能在未来几年内，C端的主流用户在买车的时候就能感受到自己能体验到的产品形态。相反，他们会在高速以上的L2级别尝试L3和L4，这将降低其成本。在高速L2的场景下，长尾效应失灵，成本过高。

另一方面，一是前期要做大规模的路测，花更长的时间验证，才敢售后投放。总之这个成本是很高的，因为高速公路发生事故，销售和运营的成本太高了。低速会好很多。其次，看看AVP的情况。当我们遇到一些风吹草动，边际成本会小很多。

回过头来看，这样的系统可以做到1000美元左右，合理的组合才是短时间内主打产品的形态，能被大众接受。业内在这里不断解决的问题就是用各种方式高速解决各种长尾方法。我的预测是，这一块的成本还是很难降低的。

晓寒:还在大规模生产吗？

唐蕊:对。

晓寒:回到主题，自动驾驶在消费者的认知中是如何增长的？各位，未来两到三年，我们公司消费者感知增长最快的场景是什么？

魏:我希望你能打开滴滴的APP，你能在顶部看到自动驾驶等服务。其次，在越来越多的城市，希望你打车的时候，打车的时候有惊喜。希望未来两到三年，自动驾驶有更好的用户感知，让每个人都成为正常的出行问题。

吴甘沙:2C端，租车或者分时租赁的时候，拿出手机打开APP。你看到附近有辆车。你点了之后，它就能自己开了。拖着行李箱就不用走那么远了。同样，你开车到天河机场，直接开到航站楼，你提着行李箱下车。它开到停车位停车，这是你未来一两年能用的东西。

张振林:作为一家智慧交通公司，未来两三年，大家用APP叫无人驾驶汽车，一种非智能的交通工具，它可以接受路边发送给你的智能信息，为你提供安全可靠的驾驶体验和高效的出行环境，这是我们期望实现的。

顾建民:未来几年，我很有信心地预测，每个人都会驾驶或者使用越来越多的智能网联和自动驾驶车辆。这些功能和系统具有停车、辅助和自动停车的功能，或者结构化道路和高速公路的功能，或者城市条件下自动驾驶的功能。这些汽车中很大一部分将拥有法雷奥的硬件和软件，包括传感器，包括激光雷达，毫米波雷达，和摄像头，以及基于人工智能的算法，以帮助每个人享受更好的旅行，拥有更舒适和更安全的驾驶体检。

唐蕊:我去年在厦门的记者会上讲了一个小愿景。三四年后，在一二线城市，年轻人20万就能买车，他可以自己停车。在大型商场中，使用的就是这种技术。在自己的公司和小区，可以使用家庭记忆停车技术，在街上吃饭可以使用远程停车技术。这项技术可以被消费者消费。

敬请关注盖世汽车专题“[盖世直播] 2020中国汽车蓝皮书论坛”。

https://auto.gasgoo.com/NewsTopic/262.html包括一个非常复杂的自动驾驶域控制器，包括很多传感器，一个摄像头，一个雷达，一个激光雷达，什么时候才能把成本降到这么小的成本……这可能还不够。为什么不呢？我们必须考虑一下。我们仔细想想这个成本是由什么构成的。根据发生的时间，我们可以看到成本可以有这三个部分。最后我们会给一个东西定价，比如自动驾驶系统，前期有研发的成本，然后我们会把它做成硬件，有上下游采购和制造的成本。我们也遇到最大的挑战，这个东西卖出去以后还会继续发生的成本。

当辅助驾驶或低于L2时，最大的区别是当我们转向自动驾驶L3和L4时，这是一个非常本质的区别。大家都在说长尾效应。在制造L1和L2时，该产品已与原始设备制造商和AEB的性能指标一致。其实出了事也无所谓，因为还是司机负责。

我们看到AEB的许多好车的性能都很差，但这没关系。这有什么关系？因为这是L1和L2的产品，如果我的供应商与OEM有业务活动，我们的成本，包括交易，将在某个时间结束。

去L3就变得很麻烦了。我们说它是一个开放的世界，有无限的可能性和长尾效应。这种可能性呢？这个行业是一个非常大的挑战。这一块的成本比我们想象的要大很多，这也是现在的一个大问题。我们看到整个L3走向高速自动驾驶后，它的性价比极不划算。你还有后续成本要发生。一个科技公司如何吸收消化这个成本，才是行业最大的挑战。

说到这，回到我前面讲的一个观点，很有可能在未来几年内，C端的主流用户在买车的时候就能感受到自己能体验到的产品形态。相反，他们会在高速以上的L2级别尝试L3和L4，这将降低其成本。在高速L2的场景下，长尾效应失灵，成本过高。

另一方面，一是前期要做大规模的路测，花更长的时间验证，才敢售后投放。总之这个成本是很高的，因为高速公路发生事故，销售和运营的成本太高了。低速会好很多。其次，看看AVP的情况。当我们遇到一些风吹草动，边际成本会小很多。

回过头来看，这样的系统可以做到1000美元左右，合理的组合才是短时间内主打产品的形态，能被大众接受。业内在这里不断解决的问题就是用各种方式高速解决各种长尾方法。我的预测是，这一块的成本还是很难降低的。

晓寒:还在大规模生产吗？

唐蕊:对。

晓寒:回到主题，自动驾驶在消费者的认知中是如何增长的？各位，未来两到三年，我们公司消费者感知增长最快的场景是什么？

魏:我希望你能打开滴滴的APP，你能在顶部看到自动驾驶等服务。其次，在越来越多的城市，希望你打车的时候，打车的时候有惊喜。希望未来两到三年，自动驾驶有更好的用户感知，让每个人都成为正常的出行问题。

吴甘沙:2C端，租车或者分时租赁的时候，拿出手机打开APP。你看到附近有辆车。你点了之后，它就能自己开了。拖着行李箱就不用走那么远了。同样，你开车到天河机场，直接开到航站楼，你提着行李箱下车。它开到停车位停车，这是你未来一两年能用的东西。

张振林:作为一家智慧交通公司，未来两三年，大家用APP叫无人驾驶汽车，一种非智能的交通工具，它可以接受路边发送给你的智能信息，为你提供安全可靠的驾驶体验和高效的出行环境，这是我们期望实现的。

顾建民:未来几年，我很有信心地预测，每个人都会驾驶或者使用越来越多的智能网联和自动驾驶车辆。这些功能和系统具有停车、辅助和自动停车的功能，或者结构化道路和高速公路的功能，或者城市条件下自动驾驶的功能。这些汽车的很大一部分将拥有法雷奥的硬件和软件，包括……传感器，包括激光雷达、毫米波雷达和摄像机，以及基于人工智能的算法，以帮助每个人享受更好的旅行，拥有更舒适、更安全的驾驶体检。

唐蕊:我去年在厦门的记者会上讲了一个小愿景。三四年后，在一二线城市，年轻人20万就能买车，他可以自己停车。在大型商场中，使用的就是这种技术。在自己的公司和小区，可以使用家庭记忆停车技术，在街上吃饭可以使用远程停车技术。这项技术可以被消费者消费。

敬请关注盖世汽车专题“[盖世直播] 2020中国汽车蓝皮书论坛”。

https://auto.gasgoo.com/NewsTopic/262.html

标签：发现特斯拉北京大众长安

汽车资讯热门资讯