自动驾驶技术普及仍需要迈过成本这一关口

在当今汽车行业中，我们正见证着一场由科技驱动的变革浪潮。

随着大模型、AI技术和仿真技术的不断进步， 智慧出行行业的变革似乎已经触手可及，广泛影响着不仅是交通出行的便利性，甚至影响着整个社会生活的方方面面，而在其中也同样蕴含着广阔的市场机遇。

美西时间2024年1月9日，作为全球科技界备受瞩目的盛事之一，国际消费类电子产品博览会 （CES）在美国内华达州拉斯维加斯如期拉开帷幕。

作为CES上唯一举办MediaStage系列活动的中国媒体，本期钛媒体 CES Talk to China Stage邀请到小鹏汇天副总裁仇明全、亚马逊云科技中国行业集群总经理沈涛、黑芝麻智能首席市场营销官杨宇欣从 CES 2024 拉斯维加斯现场为您带来 Talk to China系列对话之「智慧出行的无限可能性」。

从汽车制造商到科技企业

在本届CES展会上，汽车行业的科技趋势和创新展示占据了显著位置，面对从汽车制造商到科技企业的转变，行业内所蕴藏的科技发展机遇逐渐浮现。

钛媒体集团创始人&CEO赵何娟率先点出了本届展会上汽车与科技产业在CES展会上的紧密融合，指出了传统汽车公司都在努力成为全方位的科技公司。而这个观点也得到了沈涛回应，在他看来汽车作为未来最大的智能化平台，车辆创新和数字化体验的综合提升正在成为新的趋势。

沈涛表示，汽车产业的创新集中在车辆本身的智能化改革上，尤其是车联网和自动驾驶技术。数字化转型和生成式AI的结合正在推动整个行业的创新边界，提升用车者的数字化体验。其还提到了数据的处理和存储，例如宝马的自动驾驶平台就构建在亚马逊云科技上，提供了持续的算力和AI服务，这样的基础设施支持让车辆能够不断地迭代升级，同时车企需通过如此变化来满足用户需求和提升体验。

随着车联网和自动驾驶技术的融合，如何保障车辆数据的安全性成为了整个行业必须面对的重大挑战。对此，沈涛也强调了数据的安全性和合规性在智能车发展中的重要性，并分享了亚马逊云科技利用其全球用户经验，提供超过300项安全合规服务和产品的案例。这些服务产品为汽车制造商在面对创新与用户数据隐私之间的平衡上提供了必要的支持。

对于自动驾驶的技术发展，沈涛认为算法和硬件的结合是又快又稳地推进这项技术的关键。他认为多感官数据融合和机器学习技术是汽车知识化的核心，同时，这些技术带动了传感器、芯片和网络连接技术的升级。在他的观察下，这种跨域融合的创新正在推动车联网服务的广泛应用，而车联网服务又反过来促进了自动驾驶技术的进步。

而对于上述议题，仇明全从飞行汽车研发的角度出发，讨论了AI在飞行控制和造型设计上的应用，以及仿真技术大幅缩短产品开发周期及降低试错成本的优势。

仇明全表示，AI技术在自动驾驶的研发中已经发挥了实质性的作用。以飞行汽车为例，他讨论了这一新兴领域中AI的作用，其中包括在飞行控制系统和自动驾驶模式的开发中的应用。他谈及如何在飞行汽车自动驾驶系统的设计中实现一键垂直起降和按设定路线飞行，也进一步说明了AI技术在降低产品使用难度方面的贡献。

此外，仇明全还提到飞行汽车在设计造型时，通过结合AI与人类设计师的创意，保持了设计的多样性和创新性。他还强调，仿真技术对于降低传统航空产品研发成本、缩短开发周期的重大影响，这也体现了通过数字化创新来提升研发过程的趋势。

杨宇欣则着重于AI在自动驾驶领域的工具性作用，并讨论了L2和L3级别自动驾驶的量产和工程化挑战。杨宇欣看好生成式人工智能（AIGC）在自动驾驶领域的应用，认为通过有限的数据采集和场景识别，AIGC能够实现对corner case的广泛覆盖，从而达到或超越人类对场景的识别能力。

在谈及芯片技术时，杨宇欣区分了训练芯片与推理芯片的不同用途，训练芯片用于生成大模型，而推理芯片用于端侧的实时计算。

而在未来发展中，会有面向特定场景的垂直大模型出现，这需要推理芯片在端侧进行高效的计算。因此，芯片公司面临的挑战是设计出既能够支持这些大模型又具有性价比的解决方案。他提到，黑芝麻智能目前专注于推理计算芯片的发展，旨在用更高效的计算能力实现端侧模型推理。

整体来看，汽车行业在技术融合、新型AI应用、自动驾驶系统和智能平台的发展上，有着丰富的发展机会。这些机会预计将会显著影响智慧出行的未来，包括提升安全性、增强用户体验和降低成本。随着技术的成熟，这些变革有望在不远的将来实现，并极大地推动智慧出行向前发展。

对于创业者来说，是挑战同时也是机遇

在智慧出行的大背景下，赵何娟与嘉宾们对于推动该行业前进所面临的挑战有深入的讨论。

在讨论智慧出行所面临的挑战时，沈涛强调了算力、数据处理能力、全球化部署、平台一致性以及数据合规和安全管理等关键领域带来的影响。他指出了自动驾驶技术对算力的巨大需求。这是因为自动驾驶车辆必须处理和分析来自传感器的大量实时数据，包括但不限于摄像头、雷达、激光雷达（LiDAR）等，这些装置生成的数据量是非常庞大的。

此外，为了提升算法的效能，需要对海量数据进行存储和分析，以训练机器学习模型，使它们能有效识别环境中的模式和对象。沈涛认为，这种对高性能计算资源的需求是自动驾驶技术成功实施的一个关键挑战。

其次，沈涛讨论了智慧出行解决方案在全球范围内部署时需要考虑的问题，如何确保全球服务的一致性和统一性以适应不同市场的需求。他提到，在不同的国家和地区推出产品和服务时，企业会遇到各种复杂的法规、文化和基础设施条件差异。沈涛认为，要在全球范围内提供一致的服务体验，同时遵守当地的规定和市场特征，是现有智慧出行公司面临的重大挑战之一。

沈涛接着从云计算的角度提出了解决方案。云计算提供从算力到存储，再到大数据分析的服务，它以极大的弹性支持汽车商和科技公司的需求，尤其是在车联网和人工智能领域。得益于全球化的数据中心网络，厂商能够在世界范围内高效、快速地部署解决方案。在安全合规方面，沈涛指出，亚马逊云服务以其最高等级的服务职责模型为行业标杆，并通过其在不同国家区域的合规性要求，帮助企业迅速部署到目标市场。

对于创业者来说，沈涛认为挑战同时也是机会。他提到，云计算平台可以为创业者提供技术支持，并帮助他们将商业解决方案推向市场。技术堆栈如云基础设施、数据平台、人工智能和机器学习等，能够让创业公司快速构建自己的工作量。在应用层面，创业公司可以在底层、中间层和应用层上迅速构建自己的解决方案，而这正是创新和技术赋能的关键所在。

仇明全的发言围绕飞行汽车领域的挑战。他认为虽然在固定翼无人机等领域自动驾驶技术已经相对成熟，但要实现全自动驾驶的商用飞行汽车还有很多技术难题。特别是飞行汽车的起飞和降落阶段，这些是最考验飞行器自动驾驶技术的部分，也常是航空事故的多发环节。解决这些技术难题需要遵循严格的航空安全规则，并实施精密的控制算法和复杂的系统冗余设计。

仇明全特别强调了冗余设计在确保飞行安全中的重要性。这种设计哲学让飞行器在部分系统失效时仍然能保持运行，保障飞行的安全性。他提到了他们正在研发的飞行器拥有的整体多伞救生系统，这样的设计旨在面对紧急情况时提供一种安全的救生手段，通过快速部署降落伞减少坠机的风险。

关于飞行器的具体发展状态，仇明全提到了该公司研发的飞行汽车现在允许在人工驾驶和自动驾驶之间进行切换，但人类驾驶者有更高的权限。他预测，未来几年将推出的产品仍将具备人工驾驶的选项，但后续的发展将是无人驾驶，这意味着飞行器将不再需要驾驶操纵系统，只需要设定好目的地便能自动飞行。他强调，这些发展的主要驱动力并非追求时髦，而是基于对产品的实际需求和应用场景。

杨宇欣着重指出，智慧出行的最终目标是实现无人驾驶，但这不仅需要技术的发展和突破，也需要政策法规和交通系统的配合。他指出，智慧出行的方向不仅仅是让车辆变得更加聪明，还包括使整个路网变得智能化，实现车路协同。此外，云端的智慧交通管理系统是加速实现完全无人驾驶的关键。

作为一个创业公司，黑芝麻智能的目标是推进整车电子电气架构的进一步演进，并从芯片角度出发推动技术创新，使功能整合且经济实惠。

在谈到创业机会时，杨宇欣建议创业者专注于特定的技术创新和应用场景，例如智能驾驶座舱和自动驾驶相关的生成式AI的应用，或者芯片和电子电气架构的进步。他还强调了创业公司需要平衡技术创新和成本效益，使其产品和服务对客户来说既高效又具有吸引力。

智慧出行的发展既面临着巨大的技术挑战，也提供了前所未有的机遇，这些都要求行业、政府和企业做出全面的策略和决策。上述嘉宾的讨论为我们提供了一个多角度、多方位的视角去理解这个快速变化的领域，并为行业参与者寻找将挑战转化为机会的路径提供了指引。

自动驾驶技术普及，仍需迈过成本关口

在讨论自动驾驶技术普及的成本问题上，杨宇欣首先指出了电池成本作为目前车辆最大的成本因素，因此怎样提高电量密度是材料科学领域的关键挑战。而随着电子系统逐渐集中化，硬件成本也有可能会有所下降。他解释说，虽然车辆内部电子系统日趋复杂，导致理论上成本增加，但集中化架构可以降低电子硬件成本。

至于软件成本，杨宇欣认为其也存在下降的可能性，尤其是当基础编程工作逐渐被AI取代，而只有创新性的架构和代数编码仍旧需要人力时。杨宇欣认为，这是通过技术创新而非单纯压缩供应链来实现结构性成本降低的机会。他强调，创新，特别是来自非传统汽车行业的思考，对于行业快速演变期间，能为行业带来结构性成本改善的可能性。

而仇明全在探讨飞行汽车成本时，强调了研发周期的缩短意义。他提到利用AI和仿真技术来加速研发过程，以此来降低研发阶段的成本，从而避免过高的人工和时间成本可能导致的企业运作困难。

在他看来，小鹏汇天与传统航空业的最大不同，就是他们利用了成熟的智能电动汽车供应链来降低成本。为规模化的推进做准备，他提到了依托于智能电动汽车的成熟供应链可以降低成本，并将自研作为一种手段来减少对外部昂贵采购的依赖。在规模化方面，他提出通过将成本和价格降低、并扩大销售规模来实现良性循环，以及构建立体交通网络，让飞行汽车不再只局限于某类客户或使用场景，而是为更广泛人群服务。

对此，赵何娟适时点出了自动驾驶不仅是技术和成本的问题，还面临政策和法规的挑战。而这也为创业者创造了新的机会，需要在不断迭代的政策环境中，寻找新的商业模式和服务路径。

杨宇欣进一步指出，未来的计算需求会随智能化管理的提高而增加，这不仅限于汽车，而是包括了飞行汽车、船只和机器人等所有移动智慧终端设备，也就是说，任何能够处理这些大量传感器数据的“中央大脑”，都是对降低成本的有力支持。

仇明全也强调了数字化空域管理和空中交通管理系统的重要性，因为这些都是为了确保未来多元化、高密度的空中交通能够安全运行的基础。他以深圳的低空安全交通系统研究为例，展示了城市对于未来空域的消费构想，同时也起到了示范作用。

综合来看，降低自动驾驶和飞行汽车的成本需要通过材料科学的进步、硬件系统的整合、AI在软件编程中的应用、研发周期的缩短、供应链的利用、自主研发的推进、规模化生产的推动以及数字化管理等多角度入手。同时，这个过程还伴随着政策与法规的逐步成熟和创业者的不断创新。