众所周知，2018年的中国汽车市场遭遇了“寒流”，经历了28年来的首次下滑，而进入2019年之后，整个车市“寒意”仍存。据德国汽车工业联合会的统计数据显示，今年上半年，包括美国、欧洲、日本等在内的全球主要汽车市场，产销量均出现了较大幅度的下滑。在这样的大背景下，汽车市场的思变之潮已席卷全球，仍却难料其变，而这也不禁让人疑问这场变革是机遇还是考验？中国汽车市场该如何面对？

8月19日，围绕着当前汽车市场这些亟待解决的问题，中国汽车流通协会与汽车之家举办了全球汽车产业创新大会。通过消费、产品、服务、品牌四大维度思辨产业创变路径，来挖掘汽车产业未来消费新趋势，力求从消费端洞悉创新方向，助力汽车产业蓬勃发展。

在本次创新大会中，博世底盘控制系统中国区市场与战略发展总监丰浩发表了主题为《打造安全与互联的自动驾驶》的演讲，以下为发言实录：

首先上台之前先跟大家讲一个故事，刚才主持人也说到我们是汽车零部件的厂商，是核心技术零部件的合作伙伴。我先讲一个自己作为用户对自动驾驶的理解，这个故事来源于我前天早晨打车上班，掏出手机打了一个滴滴，滴滴花了有20分钟的时间接我，上了车之后就发生了一段非常有意思的对话，司机不停的抱怨客服，为什么派单分这么远？不停的抱怨，开始打客服的电话。我作为一个用户坐在后面，一方面为司机有点打抱不平，你想司机花了20分钟时间来接我，可能这个时间能接好几个单子。另一方面也为滴滴打抱不平，其实人家派单也没有错，这个司机非常的开心。我在后面作为用户挺担心的，一方面他在开车打电话，我挺担心他撞到前面的车。我掏出手机给滴滴的朋友发了一个微信，因为我记得这位朋友给我讲过一个事情，作为滴滴出行移动服务商他们最担心的问题是乘客抱怨司机、司机抱怨客服。抱怨来抱怨去，这样的问题怎么解决呢？接下来就要谈到我们用自动驾驶可以很好的解决这个问题。在谈自动驾驶之前也可以看到自动驾驶根本不是说想做自动驾驶，它很多的痛点来源于出行过程中用户的一些痛点。　　

比如说我们现在做的L2级的自动驾驶，它虽然不是完全的自动驾驶，但可以解决我们在高速路上的疲劳驾驶问题，现在L2级的自动驾驶可以提高20秒，让你把手拿看可以做简单的事情，你可以做简单的化妆，当然我们不鼓励这样做。自动驾驶来做这样的技术最终目标还是去实现真正的零伤亡、零事故愿景，现在国家在积极的谈车路协同概念，都是为了更好的去解决整个交通出行的效率，当你解决了交通出行的效率，就解决了每天早晨上班最头疼的问题堵车，通过对交通信号的控制和算法的优化，可以改善交通流的现象，对于节能减排有很大的帮助，最后还可以解决群体性的问题。　　

当我没有能力驾驶，年龄偏大，或者是非驾驶的群体，也可以解决他出行的问题。你不再是自己开车了，叫一个自动驾驶出租车，他可以帮助你把点A带到点B。从自动驾驶初衷来讲，可以解决非常多的社会问题。从今年开始包括去年我看了很多行业的论坛和展会，大家都在讲自动驾驶退潮，我并不想用退潮这两个字，因为自动驾驶并没有退潮，我们的技术还是在发展的。而是大家意识到自动驾驶没有我们想象的那么简单，它可能是汽车工业发展到现在以来面临的前所未有巨大挑战，这也是为什么很多车厂和科技公司，其实自动驾驶解决方案是有的，但是在量产时间上一步一步往后推迟的。为什么说自动驾驶是汽车工业革命所面临的挑战呢？自动驾驶不是讲的简单感知、决策、执行就可以完成的。感知、决策、执行仅仅是自动驾驶在技术层面上实现这个功能的第一步，同样在自动驾驶里面还有如何将这个车释放以及验证到路上，我的法规支不支持，我们讲的功能安全跟网络安全都是自动驾驶所面临的挑战。为什么这些挑战不是阻碍自动驾驶前进？而是自动驾驶过程中必须要解决的一个问题呢，必须要回到一个问题：安全。　　

这个安全不仅仅代表车辆安全，而是所有在路上的交通参与者的安全，不仅是车辆司机的安全，同样关乎着路上行人的安全。不可能说一个自动驾驶出租车让自动驾驶运行起来了，让它随意的去撞人，所以安全显得尤为重要。在自动驾驶定义过程中，我们在L3的自动驾驶上是一个分水岭，从三级的自动驾驶开始，人就可以开始不用管自动驾驶的功能，它是由系统负责的，需要保证自动驾驶在人没有做接管能力的情况下，它是能够安全可靠的将车运行以及停下来。这里我想举一个不是汽车行业，但是在整个工业行业比较经典的案例。大家都知道Case从技术角度，就是因为飞机在看俯仰角的时候，没有额外冗余的传感器做额外的判断，同时在系统设计上驾驶员又不能同时的监管，在设计上出现了没有冗余的状况，造成了这样的事故如果不做安全措施的话，它还会有第三起第四起。这也就意味着在整个自动驾驶功能链设计上需要有非常多的冗余，可以看到纵向不同等级的自动驾驶对于冗余在不同层面的要求不一样，比如说决策层面。在L2级，这个决策虽然是系统做的，但是人随时有权利把系统调整，我想要中断这个系统，想要去接管它随时都可以去接管。但是L3级系统就去负责了，当系统负责不了的时候，还会要求人去接管。　　

在责任上L2级的系统，无论是自动驾驶模式还是人工驾驶模式，责任永远是人，因为人需要做监管。但是L3如果自动驾驶模式上出了问题，这个责任不是驾驶员的责任，是系统的责任。同样在系统出现不能处理的情况下，L2跟L3的要求完全不一样，L2可能给你一个严格的警告，人必须要接管。但是在L3内，要求系统短暂还有能力去处理这个失效的模式，我们把它叫失效操控。但是在L4、L5更高等级，或者是完全自动驾驶下，系统在你人不进行干预情况下，也必须有能力去处理这些紧急的情况，我们把它叫做失效操控，这个时候就需要在各个层面都有一定程度的冗余和备份，才能够去满足这个要求。　　

有了冗余备份，才能够保证自动驾驶的系统是随时、安全以及可靠的。在这个里面，我想给大家介绍一下，我们作为一个关键技术的合作伙伴，我们用什么样的方法来解决这个问题呢？比如说我们举一个最简单的例子，在感知层面，无论从单一的传感器在算法层面上，比如说外面的展台展示的下一代的摄像头，不仅仅是识别人的外型判断，在很多逆光、强光情况下，通过引入人工智能的算法，通过判断像素的语义和光的强度变化，对语义场景进行额外的检测，保证检测也是冗余的。同时在感知层面应用了毫米波雷达、摄像头、激光雷达以及近距离的环式传感器多种既互补又冗余的解决方案解决它的可靠性问题，大家不要嫌这个多，我也看到行业内的解决方案用单一传感器做的，但是作为博世安全角度来讲，我们认为不同类别的传感器，它之间的互相冗余可以给我们带来更安全、可靠的自动驾驶。　　

另外，定位问题。你现在在一条120公里时速的高速公路上，你的车辆突然发生了定位错误，告诉你在旁边的匝道上，这个车辆会突然刹车，反过来会突然加速，这个非常危险。进入到隧道，收不到定位的信号，这个也非常的危险。自动驾驶对于定位的要求是时效性、可靠性、安全性、随时可以进行定位，这也要求我们不能以单一的定位去做，相对于传统的RTK方法，是用两种不同基于信息的增强定位，以及配置传感器所做的特种定位所做的互补，这样子在保证很多特殊场景下，比如说隧道内也可以实现一个互补的定位，执行器就不说了，目前已经有量产的方案，包括自动的冗余跟转向的冗余。　

在自动驾驶释放到道路的过程中，我也要保证它的安全。这是汽车行业常用的，左边设计之初要从它所面临的场景拆解成需求，通过需求来设计到规范当中，同时在右边通过各种不同的测试保证这些是安全的，那就回归到讲的两个问题：　

第一，怎么样保证测试是足够的，那就是功能安全要解决的问题，传统的汽车安全功能测试可能通过几个法规测试就可以了。自动驾驶的测试所要求的强度远远不够，所以要通过额外的仿真，在道路真正到之前，还需要软件模拟的方式保证算法可靠。　　

第二，怎么样解决需求设计是合理的，就是刚才所讲的飞机案例，在博世整个设计体系中运用了预期功能安全设计理念，来保证从第一步开始就是符合自动驾驶场景要求的，这样子才能有一个非常完整的验证流程，将我的系统可靠、安全的释放到道路上去。　　

我们也可以看到，从自动驾驶所适配的场景不同，所配备的系统复杂程度也不一样。比如说L2级的自动驾驶现在市场上有多个车型量产，需要6个传感器可以实现在单人车道内的自动驾驶，如果我需要变道，需要提高速度，需要15个传感器，甚至到L4，现在跟戴姆勒公司做面向量产的自动驾驶出租车，它可以判断城市里面更多的交通参与者，自行车、电瓶车，甚至是解决识别红绿灯的问题，它所涵盖的场景非常复杂，所需要的传感器可能需要40个以上，这样的系统也是非常复杂的。　　

所以，这有一个定律20/80，我们将大部分的事情放在20%上，刚才讲的这些解决了前面80%的问题，实现这个功能让车上路跑起来非常Easy，但是最后的20%，怎么样保证这辆车跑起来非常安全，这是汽车全行业所面临的一个问题。　　

我们其实在这个里面有非常多的探索，我给大家分享一点我们的见解。在我们的路线图上可以看到，从2014年开始中国市场推出第一个L1级全驾驶辅助系统功能之后，到今年年底在市场推出接近40个L2级的自动驾驶项目。L3级更高等级从目前博世的实践来看，并没有一个非常乐观的预期，我们认为至少2021年以后才会有相应的落地项目。L4级虽然跟戴姆勒在美国有试运营项目落地，真正大规模的认为时间点还要更晚一些，这也就是我所讲的，前面80%很好实现，最后落地的20%需要更长的时间和更大的工程去努力。　　

相反我们认为有一些场景可以更快的实现自动驾驶，比如说泊车的场景，因为它的场景相对比较简单，我们在处理场景过程中也会相应的去降低系统复杂程度，刚才讲到了自动驾驶，我在这儿说的有点悲观有点难，是不是说自动驾驶就遥遥无期了呢？我们博世也在思考一个问题，有一些场景是不是在中国有不同的模式和不同的角度去思考，比如说我们花了很大精力去研发自动驾驶的高精度传感器，很多场景对自动驾驶有很大的挑战。比如说常见的鬼探头、转弯的场景，我们把场景放在路上，除了智慧的车还有智慧的路，从另外一个角度监测这些目标，是否给我们驾驶员有不同的视角呢。我的老家是天津，天津是全国最多不同种类的红绿灯，没有一个统一的红绿灯标准，怎么样去识别它呢？反过来想想如果这个红绿灯自己能开口，告诉你我是0和1，回归到最简单的数字问题上是不是可以很好解决。　　

比如说讲的定位问题，上高速公路的时候，中国高速公路都有收费站，它也可以告诉车辆0跟1的问题，这样子可不可以通过网联方法解决很多的应用场景呢，这也就带给我们去思考将智慧的路引入到自动驾驶场景里面，将边缘计算引入到自动驾驶场景里来，将云引入到自动驾驶场景里来，是不是可以很好的去解决目前在自动驾驶上碰到的系统太复杂、成本太高、算力不够的问题，当然前提是目前还不能过多的依赖于基础设施，基础设施可以扩展我们的场景，车辆还需要以一个安全的设计为主。在这里我讲的这些是我们的思考，其实我们脚下已经在行动了。在博世目前的场景里就有这样基于智慧基础设施的项目，我们把它叫做全自动代客泊车，有基于单车功能的泊车路径，我们也在思考短暂时间内人机共驾是长期的过程，不可能要求所有车上都配有复杂的传感器，我可以对智慧停车场的改造，来实现L4级的自动泊车场景。这个里面不仅仅是停车，还可以解决很多的应用场景，比如说移动出行公司它的取车还车，整车厂的朋友们车辆从你的产线到停车库都可以通过自动代客泊车基础设施的支持，来让车自动停到停车场里去。　　

大家可以看到在泊车过程中，如果有相应的行人和车辆出来的话，可以通过布置在停车场里的传感器对行车路上进行监控，来控制车辆的加减速度。最后，总结一句，其实自动驾驶并不遥远，通过我刚才所讲的，通过单车的智能和车与路的协同，我们希望能够将一个安全的自动驾驶带给我们的社会，来解决未来出行的痛点，我今天的分享就到这里，谢谢大家！