简要介绍一下广汽集团和广汽研究院，广汽集团在2018年的收入是3811亿元，利润总额大概600多亿，现在我们有11万左右的工人，还有一些技术人员，比例差不多是6：1左右，带动上下游产业链大概是80余万元，现在七度入选世界五百强，2019年排名在第一百八十九位。即使中国车企遇到了一些问题，但我们依然希望能够在企业当中保持足够好的上升势头，现在我们也越来越多地把关注点放在新能源汽车，广汽传奇的新能源汽车在2018年和2019年都有非常好的销量。

这些是我们相关的合资品牌和自主品牌，合资品牌包括丰田、本田和三菱，传奇近几年也算是在行业以及老百姓购买的时候一个非常不错的选择，我们研究院也是把所有的整车技术不仅推到传奇的品牌当中，同时广汽研究院应该也是中国自主品牌当中唯一一个把整车输出到了丰田、本田等等合资品牌当中进行整车量产的研究院，所以足以见得我们是有相对健全和比较好的整车开发体系。除了在广州以外，我们在杭州、新疆也有相关的工厂，保证我们的公车及时性以及市场覆盖面足够大。

我在广汽研究院负责广汽集团自动驾驶的业务，L0级别的预警到L4级别的城市路况开发和量产工作。除了广州的总院和分院之外，我们还在上海和洛杉矶有两个造型设计中心，主要进行前瞻性的内外造型设计，我们也在硅谷和底特律有两个研发中心，分别是做智能网联汽车以及在北美车型落地的工作。

平台化大家已经推了很久，不管是动力我总成，还是车联网、自动驾驶的平台化，以及自动座舱等等，足以见得车辆控制当中越来越多地整合在一个域当中，通过域控器进行管理，形成平台化、快速的研发以及降本是我们现在一个非常重要的技术趋势。

我们有非常好的实验设备、整车输出和设计能力，也有一个专业的实验场保证整车在最后DV实验、PV实验以及耐久实验，特别是大公里和复杂路况下能够进行很好的测试，保证了我们整车足够的安全和稳定。

2018年底我们累计投入221亿元进行研发，“十三五”期间会累计超过300亿元，现在有4200多名研发人员，2017年到现在我们的专利数每年都有将近1000件在研究院产生。现在我们关注电动化、智联化、轻量化和情感化作为四大突破口，技术研发是希望以远中近都有相关的布局，所以我们有两年的规划、五年的规划和十年的规划作为技术研发的指导，并且规划会结合现在的情况进行不断的更新和迭代。

2013年开始广汽就在做自动驾驶，但是不得不讲，过去的很长一段时间当中车厂做自动驾驶更多的是基于品牌宣传的需求，不管是ADAS级别的辅助驾驶功能还是L3、L4自动驾驶的功能，过去相当长的一段时间当中我们都是依靠国际主流的Tier1，比如博世、安波福等等公司提供技术，ACCLK这些功能能够附着在某一个汽车零部件上完成，所有的纵向功能比如ACC巡航功能，完全可以依赖于一个摄像头或者加上毫米波雷达，可以在ESP进行整车的控制，意味着一个零部件供应商有足够的能力去结合少量资源形成一个整车的控制，但是从L2开始，我们把横向和纵向做了耦合，同时控制横向和纵向，意味着没有任何一个零部件公司能够跨越自己的零部件管理其它零部件，大家还是平行的关系。

随着自动驾驶的系统变得越来越复杂，比如有了L2和L3，到了后面还有L4，我们把越来越多的零部件整合在一起进行统一的时序控制，主机厂的作用正在变得空前重要，开始担负起如何定义一个系统，如何管理一个系统，如何定义一个中央预控其它所有的算法。可以说自动驾驶的逐渐深化、等级的逐渐提高对主机厂来说是一个机会，开始能够主导这个技术链，即使现在能力还不太够。我们发现欧美车厂有很多系统工程师和功能安全工程师，但是就广汽来说，广汽的功能安全功能是达到我们想定义一个系统的目的，至少需要翻三倍才能满足需求。现在智能网联汽车正在逐渐发展，但我们的内功修炼还是需要足够长的时间进行积累的。

广汽过去几年当中不断优化我们的工程师结构，同时也在思考如何才能把更好的自动驾驶汽车带到老百姓的身边，最重要的就是安全。现在广汽的传奇品牌应该是中国自主品牌当中第一个把准L3级别的自动驾驶带向量产的公司，我们计划在明年3月份量产准L3级别的自动驾驶。其实外界宣传的都是L3，但是因为我是一个技术人员，系统没有冗余的EPS，这个零部件目前全世界范围都找不到一个可以量产的公司给我们提供足够好的配件，所以现在我们转向并没有实现冗余。除了这个之外，其它的ECU、制动等等冗余以及相关的功能性都达到了L3的需求，所以我们把它叫做准L3的自动驾驶，今年第一季度在IOX进行量产。

作为整车集团，除了零部件自动驾驶预控，这是我们的重点研发项目，我们意识到车厂要开始去做最核心的自动驾驶决策的部分、思考的部分、计算的部分，所以我们要做自动驾驶的大脑，作为平台化的项目驱动后续很多功能的迭代和升级，除此之外我们还在系统级别，比如主导一些功能的定义、研发，甚至是代码的更新以及功能的提升。整车级别除了IOX这种搭载了全功能的L2级别，以及即将搭载TGC、HWC这种L3级别功能的整车之外，我们还把自己的量产车开放出来，开放我们的接口，开放所有的看报文给到科技公司，把我们的整车输出给他们，让他们去做改装，最后形成一个具有中国技术以及使用中国量产车型来完成的Robot Taxi在城市当中的行驶。

现在大家如果到广州的番禺和南沙，可以看到路上老百姓使用APP打到一辆只有安全员却不需要人驾驶的无人驾驶汽车，因为广州的南沙、黄浦这样相对比较领先的政府管理思维，自动驾驶落地方面广州走在了还算前列的位置。

自动驾驶的难点是什么？刚开始我其实非常兴奋，因为我做深度学习出身，非常兴奋人工智能能够改变这个世界，非常兴奋算法是所有软件的灵魂，然后从百度到广汽一直在做自动驾驶的算法，但是真正面向量产的时候我们才发现需要6∑的时效精度，需要很多场景当中都有足够好的安全性和冗余性，即使有些时候我们编程感觉我们是像上帝一样能够快速整合很多的功能和资源，但是要把20万台车卖给老百姓，老百姓不会出现问题的时候，我们依然会感觉到非常紧张，需要身上有更大的责任。

思考的过程当中我们逐渐发现，即使Cruise这样走在世界顶尖位置的自动驾驶公司，依然没有办法保证足够好的L4级别的Robot Taxi和L3高速公路行驶的100%安全。原因在于，现阶段传感器的感知距离是非常有限的，比如我们经常讲激光雷达算是一个非常鲁棒的高精度传感器，150米之外的置信度会变得非常低，150米之外的一个人在64线的激光雷达当中只能打到几个点，单帧图片的点源模型我根本识别不出来这是一个人还是一个圣诞树，只有通过很多帧持续的观察才能识别这是一个人，因为他在动。其实我们花了这么多的钱使用如此高精度的传感器，依然不能保证实时的、100%的安全。

现在场景太复杂了，我们使用模拟环境来模拟各种各样的交通场景，但是依然很难在现实生活当中遇到高速公路逆行的情况，十车连撞的情况，我们都很难把它放在深度学习模型当中训练，因为我们收集不到这样的场景，也不可能使用激光雷达造一个这样的场景出来，成本实在是太高了，意味着有非常多复杂的日常场景。

WAYMO在虚拟环境当中已经跑了100亿公里的里程，现实生活当中也有将近1000万公里的里程，Cruise每一天产生的虚拟环境里程是40万公里，即使这样我们也依然不能保证在很多时候，例如无保护左转情况下的安全。环境数据不均衡，我们真的很难找到一些极端状况下的环境。

深度学习模型训练当中，如果某些正样本太少，负样本太多就会出现模型不均衡的情况，这将极大地影响模型的准确度和精度。

模型压缩困难，我们越来越多地使用足够稀疏的深度学习模型，但这个模型需要的算力依然很惊人。L3级别的自动驾驶差不多需要10-30Tps的算力，L4想要真正实现嵌入式我们大概需要80-100Tps算力，为什么很多科技公司还在使用电脑、使用上位机进行自动驾驶的开发？就是因为嵌入式设备达不到如此高算力的需求。

我们来看传感器、激光雷达、摄像头和毫米波雷达，即使做了冗余融合也有非常多的问题，空间同步、时间同步的问题都得不到很好的解决。各个工程师花了很多的精力在做各种各样的尝试，我们把所有的点云和Pixel模型进行叠加以后识别，即使我们有了长足的进步，自动驾驶的未来目标是实现人类出行的零伤亡，距离这个目标我们还有非常长的路要走。但是量产就在前面，怎么办呢？我们希望通过V2X解决一些问题。

刚才讲到感知，再来看决策。自动驾驶汽车和人在同样一条路上开的时候，都是人或者都是自动驾驶会更危险一些，原因在于很多时候人可以理解另外一个司机不冷静、不理智的状态，可能有足够的宽容度，自动驾驶汽车会懵，不知道你在干什么。为什么无保护左转很难？因为有些司机忘记打转向灯，自动驾驶汽车认为这是什么情况可能很难理解。如何判断车主的意图？如何判断场景？一大堆车堵在一起到底是堵车还是车祸？其实对自动驾驶来说都是非常难以判断的。

目前量产的辅助驾驶和自动驾驶汽车，图象处理芯片差不多消耗了整个算力的70%-80%，现在我们使用深度学习来做，依然不能达到非常好的效果，明年3月份在做量产车的时候，全世界能够选择的芯片不超过三个选择，因为确实需要达到足够的安全性，所以芯片算力如果使用单车智能会是长期存在困扰我们的一个问题。

这是我们研发的L3级别的自动驾驶大脑，也是系统设计到最后标定的整个环节，项目已经研发了将近两年，我们还有大概一年多的时间才能真正推向可用的量产技术的成熟度，但即使到现在我们只做了一半，我们依然定义了4000多个场景，6万多个逻辑，2000多亿的文档和2万多个测试运力，我们依然觉得还有70%的工作没有做，后面还有大量的测试需要完成，足以见得我们仅仅依赖单车智能有多少问题需要处理。

早上看了一篇文章叫做《单车智能派赢了吗？》VMO已经可以拿掉安全员测试，但即使现在这是全世界最好的自动驾驶公司，依然有很多问题在VMO的车当中没有很好地得到解决，所以我们认为如果单纯使用单车智能还有相当长的路要走。

能不能通过车联网解决呢？各位可能是做通讯和车联网出身的，我们希望通过车载OBU，加上一些路端的设备，使得车辆能够在第一时间得到足够准确的结构化的道路信息、人的信息和车辆的信息，V2V解决车对车的问题，V2P解决车对人的问题，就是通过人手上的手机实现。据我所知，下一代华为架构的手机芯片将集成V2P模块，也就是想要过马路恰好走在两个停着的车之间，很多汽车是看不到你的，这个时候司机能够在车端读到前方100米有一个人躲在车的后面，即将过马路，这样就可以极大地减少鬼探头的发生。再就是V2I，车辆可以和交通标志物红绿灯进行通讯，通过快速简单的方式得到足够稳定准确的信息，不仅仅是通过感知完成。

具体有什么优点呢？降低成本、优化算力，不需要那么多的传感器，L4也不需要顶在头上非常大的雷达，那个东西很贵，现在64线的雷达也需要60-70万元人民币，而且不算清关的费用。再就是节能，没有那么多传感器了，我们使用的电压极限是60安，12伏乘以60安，这是自动驾驶汽车感知的时候使用的最大功率。300公里续航的车L4级别有大量的能源消耗在了感知计算。超视距，极端天气下也可以得到很准确的信息，感知层面算法再NB依然会有一个值，比如99.999%，依然会有0.001%是不能感知到的，如果我们使用足够好的路端设备，直接发信号给我的话，可以默认这是绝对有效的。

未来我们希望通过车路协同的方式极大地减少车辆单价的成本，从而使得我们的自动驾驶更快地来到世界当中。

无保护左转是一个非常典型的场景，还有各种各样突发事情的出现，我们如何通过更好的方式了解其它车辆的意图，如何在一个环导和非常复杂的多岔路口进行更大效率交通环境的调度和优化，这些都是可以通过车路协同完成的。第一阶段可能的情况是驾驶员依然开车，可以在车机上得到很多足够清楚的信息辅助驾驶员决策。第二阶段如果自动驾驶进入我们的生活开始测试，我们能够在个别复杂的十字街口环岛等等交通枢纽把手放开，这一段路由车路协同帮助你开车完成，未来我们可以全程A点到B点不需要任何驾驶员的操作，车路协同将全程辅助Robot Taxi完成A点到B点的行程。

我们讲了这么多必要性，也要来看外部的环境，无论是政府的支持还是示范区不断探索，相关行业标准的出现，都使得我们在探索车路协同这条路上有了足够的底气。去年我们研究院的周边部署了足够好的5G设备和相关的网络，现在已经结合5G网络做了大量自动驾驶的测试，而且很快将把中间的一些预警功能放到量产车型上去，预计在2020年底或者2021年就可以量产带有CV2X功能的自动驾驶汽车。

我们在2025年以后，由于路端建设变得足够多，十字街口的毫米波雷达、边缘计算的小站，这些设备足够好的话，接下来我们希望以路端边缘计算为主进行车辆调度，后续5G甚至6G的出现使得我们的信息交换和互动变得更加实效性，我们希望以云端为主。自动驾驶汽车在使用车路协同当中的最低值在哪里？我们希望它的上行和下行带宽都不少于600兆/秒，空口时延不能高于10毫秒，1个基站的并发数不能小于5000个单位，这是我们现在初步的需求，不过不是行业标准，只是我们得到的最低值，如果能够达到这样的标准，车路协同就会对我们来说变得非常有意义。

如何通过一个足够好的、鲁棒的网络形成互联互通？这里我们能够引入的就是车路协同边缘计算的小站，我们会把一些服务器运算资源放在十字街口，通过实时路口进行调度，不需要每一个都通过交换机传到云端，可以极大地解决实时性的问题。我们之所以要求10毫秒的空口时延，因为这样可以保证整体运算交互达到100毫秒以内的时延速度，这样才能保证100公里全速的时候仍然保持没有时延。

我们把车上相对比较低的视角的设备挪到道路上去，放在上帝视角来看很多的车和交通的参与者，同时把每台车上都要装的设备挪到路端进行分时复用，这样可以极大地减少落地的成本，所以这是我们思考以后有了系统设计挪到路端的改变。边缘计算是以车端为主，再次以路端为主，再次以云端为主，路段就需要非常多的边缘计算设备，我们不能接受每次都通过非常长的信息链传到云端再反馈回来，所以需要在路端解决一系列的问题，我们预计高速公路上每150米布1个边缘计算的实体是我们能够接受的密度的最下限。

刚才讲到单车智能不是足够好的，增加车路协同可以使得整体效率变得非常高，稳定性也会变得容易让我们接受，现在我们依然强调整体性能达到ACOD级别，如果达不到需要车路协同补充。未来如果有了V2X，我们最终希望形成一个群体智慧的概念，就像一大堆蚂蚁、一大堆蜜蜂一起协同达到整体的效率最大化，我们希望通过实时的调度，十字街口、环形路口最大效率的调度，从而使得整体智慧交通的流转率得到很大的提升。车辆、自动驾驶加上车联网未来可能变成智能交通的概念，再往大可能就是智慧地球的概念。

路段已经有了，接下来就是云端，即使有了小站和边缘计算，我们依然需要在云端做一些工作，主要是数据分析、存储和处理，可以理解为这是一个PaaS层。自动驾驶汽车在红灯的时候，现在就是你停在这里，前面一个车开始动了就要发动，每辆车都有2-3秒的时延，绿灯比较长也过不了几台车。早上就遇到了这样的情况，因为有20个红灯灯要走，未来如果自动驾驶汽车有足够好的信号传输能力，红灯变绿灯10秒的时候就告诉所有的车，你们准备好，10秒钟以后我就要变绿了，系统会分配最大化程度有多少台车能够通过这个路口，要求所有的车同时启动像一条蛇一样往前挪，中间就没有了时延，可以极大地提升十字街口的通行效率。

车联网的功能安全、网络安全、信息安全都是需要考虑的问题，我们和科恩实验室做了很多研究工作，后续也需要把这个成果体现在量产车型上面。

场景是指我们如何应对越来越多不可预知或者复杂的交通场景，收集大量的Corner Case，如何把路端感知结果和车端感知结果拿出来融合，是把结果拿出来投票还是把路端车联信号拿出来叠加再做感知？这些是现在亟待解决的问题，但是因为算力的原因，刚开始肯定是把路端和车端的设备投票，没有那么强大的算力来做如此大的融合。单车有电源冗余、执行器件冗余和传感器冗余，现在希望加上一个路端冗余，使得整体的信号变得更加鲁棒，车辆也更加值得信任。

未来如何把自动驾驶和5G结合起来作为支撑？我们可以想见的未来是能够有足够好的Robot Taxi出现，价格也足够低，上面不需要部署那么多的传感器。我们有足够好的由人开的L2、L2.5和L3的车辆出现，即使是在高速公路也能够快速得到未知信息，前面有多少米可能出现交通事故，前面有多少米有一辆车出现紧急抛锚需要躲开，无论是由人驾驭的ADAS还是车辆驾驭的Robot Taxi，未来都会使5G和V2X发挥重要作用，也使整体交通出行实现最好的安全性。

之前我在做程序员的时候，希望我做的系统足够智慧，现在我在做车的时候希望我的系统足够安全，为了安全我们愿意牺牲一些智慧性，所以V2X的加入能够使得二者兼得，就是足够安全和足够智慧，我们很期待未来的5G更多地使用在车辆上面。广汽希望把车、路、人、云这些因素进行整合，最后形成一个由车联网和自动驾驶构筑出来的未来的汽车新的业态。