為順應新一輪科技革命和產業變革趨勢，搶抓智能網聯汽車產業發展戰略機遇，打造智能網聯汽車人才高地及產業聚集區，推動汽車強國建設，由沈陽市人民政府和中國汽車技術研究中心有限公司共同主辦的2021中國（沈陽）智能網聯汽車國際大會（簡稱“CIVC大會”），于10月9日至12日在沈陽市舉辦。
本屆大會以“科技引領·智享未來”為主題，重點圍繞智能網聯汽車、數字經濟、人工智能、大數據、信息安全技術等生態鏈展開探討，包含了“賽、會、展、體驗”四大板塊。禾多科技受邀參加本次活動，作為自動駕駛企業代表做主題演講。
在10月10日的智能網聯汽車產業發展高峰論壇中，禾多科技創始人兼CEO倪凱博士為大會做主題演講。以下為演講實錄：
各位在場的領導、各位嘉賓，大家下午好！
非常榮幸作為自動駕駛企業代表來進行演講。今天我也將以從全場景自動駕駛量產落地這樣一個角度來解釋禾多對于整個自動駕駛落地的目標、實現路徑和評價體系一個想法。
禾多科技創始人、CEO倪凱博士出席本次活動并進行主題演講
首先來看一下，從最近新聞上摘要的視頻。在城區L4級別自動駕駛領域， Waymo是最久的公司，但是最近Tesla也開始通過FSD系統開始做起來了。為什么會有這樣一種不謀而合？一是大家都慢慢認識到現在整個自動駕駛級別，從L1最早開始到L5是需要非常長的時間的，自動駕駛場景的打通我們認為比級別變得更重要。第二點后來者為什么認為自己會做到更好的無人駕駛？短時間雖然達不到很高的水平，長時間看它對最終L5實現，會比我們做一個小范圍的無人駕駛更重要。
我們如何實現剛才提到的大范圍的運行？我們認為一個前提是要有非常優秀的體驗，左邊是對于市場調查，對于中國消費者，對于不同自動駕駛功能的需求，大家選擇的非常多樣化，從高速公路的自動駕駛，到中國人非常頭疼的停車的場景，自動駕駛的場景是多種多樣的。在這種多樣化的條件下，就要求我們搭載的自動駕駛軟件能夠盡可能多的應用到不同場景中，不斷提高系統范化的性能，最后成功實現流暢的自動駕駛體驗。一定程度上，我們認為慢就是快，通過數據迭代升級，我們可以通過量產自動駕駛系統，積累海量數據。我們看到，量產的公司反而能在車輛大規模銷售部署情況下，取得數量級上的不同。我們認為數量級的不同是最終決定一個好的自動駕駛系統如何解決長尾問題的關鍵。
我們認為整個自動駕駛全場景的量產其實是充滿挑戰的，需要做到幾個方面：
一是安全和信任，因為自動駕駛系統我們現在更多的是人機共駕的狀態，能不能讓駕駛員在非常好的情況下做到人機共駕；二是整個可量產的一個完整方案，最后要做大規模部署，如果價格下不來，如果車規達不到是沒有辦法做到量產的；三是商業模式的成立，整個技術能夠形成產品，是一個完整的商業模式。這里我們也嘗試定義了什么叫可量產，我們認為最關鍵在未來的5到10年內，如果能夠實現百萬臺級的交付，能夠做到在百萬平方公里級別的全場景數據回傳，這樣才是實現剛才提到的合理的商業模式、足夠的應用價值的關鍵。
禾多科技打造的是什么樣的自動駕駛方案呢，剛才提到全場景，可以簡單擴展成兩大系統，一是我們的HoloPilot行車系統，還有HoloParking泊車系統。
要去做到這樣一個高階的自動駕駛，我們認為有四點，一是駕駛安全，即如何推動整個自動駕駛安全的方法論。從最核心的軟件開發來說，我們去遵循ASPICE的開發流程，這點更多是從軟件開發來說，后面兩點更多從設計和迭代上。功能安全更多是設計端。需要考慮到很多功能失效的情況。預期功能安全更多是長尾問題，只有通過大量數據積累，基于場景做正確的設計，我們才能達到最終需要的安全性。二是車規級硬件的配置，在硬件上來說可以分成兩部分，一是整個車規級傳感器配置，毫米波雷達、相機、GNSS等等，包括很多也在測試。二是車規級域控，不僅符合車規要求，更多能夠實現足夠的算力優化，包括模型減裁，適配一系列軟硬件的整體要求。三是算法層面，在現階段最核心的是多傳感器融合算法。
首先從最基本的、狹義的感知角度來看，可能有幾點需要打造，一是多源傳感器，尤其是現在的量產階段尤為重要。因為現在量產階段傳感器配置是非常多，不同的配置上由于不同的傳感器性能差異，在不同角度上需要不同的傳感器來進行互相的彌補工作。二是整個算法能力的邊界，基于已有的硬件探索算法極限，解決安全的長尾問題。比如說我們認為的模型的泛化。小物體雖然小，有可能對于你的車輛安全達到足夠的程度，需要你在足夠遠的距離發揮作用，這些都是算法能力邊界上的問題。三是新型硬件的適配，包括新型傳感器的兼容和擴展、新型的未知的傳感器，這些都是我們可能要進行探索的邊界，我們相信自動駕駛系統的迭代不僅僅是軟件的迭代，而是軟硬件一起迭代。
再看廣義的，傳感器解決的不僅僅是感知的問題。地圖也可以看作傳感器，我們認為高精地圖在自動駕駛系統里面是很重要的。二是定位，傳感器除了我們感知的結果，非常高精度的定位，這種定位我們認為也是廣義的感知結果。三是預測，這里包括高速場景、城區場景等等。
現階段的自動駕駛還是跟人的駕駛是不同的，其實都是廣義上感知能力，人不需要高精地圖，人只需要導航級別甚至更簡單級別的地圖就能實現人的駕駛，本質上都是廣義的感知。
這里展示了嵌入式平臺的視覺感知。在4T到8T這樣的平臺上能很好的感知識別障礙物、車道線等等。二是我們的首席科學家Frank獲得世界機器人RSS頒發的時間檢驗獎。我們現在開發的成果尤其能夠針對嵌入式進行很多的應用，能夠把它釋放出來。三是眾包建圖和動態更新。停車場是眾包地圖最密集的一個地方。在停車場大范圍生產的供應商，不管在標準還是在范圍上都存在問題。通過這種地圖數據采集不同的車輛數據匯集在一起，去打造一個更完整的自動駕駛的地圖，反映在所有車輛上。
下面是跟清華大學在視覺感知上深度合作的智能視覺雷達。通過把不同的相機組合起來，相機相對來說是一個非常便宜的傳感器，通過多個相機能夠實現像激光雷達這種高分辨率、高質量的三維成像系統。
最后簡單介紹一下算法驗證上的工作。一是HoloX自動駕駛仿真驗證平臺，根據中國道路情況，去實現完整驗證的工具，我們不僅僅只是一個驗證或者是仿真的平臺，更重要的是我們能夠實現高精地圖的指示，也能夠實現不管是離線還是在線的可視化。能夠在HoloX平臺上把我們整個場景數據進行反復的測試，這樣非常有助于在整個OTA升級上快速迭代。包括路測，這些數據如果只靠在車端測試是完全不夠的，我們需要不斷反復的迭代。二是基于驗證平臺的場景庫驗證，一是天氣變化，二是道路類型的變化，從高速公路一直到城區的道路，包括隧道、特殊場景。三是交通參與者，中國的交通參與者種類特別多。四是駕駛行為，不管是本車駕駛行為，還是環境車輛駕駛行為。五是硬件狀態，必須要考慮到相機有沒有失效，激光雷達有沒有被其他的東西阻擋視線。禾多科技也在全國范圍內大規模真實路測與數據積累，從2019年開始，擁有較長時間的積累。
最后通過這些場景庫希望實現兩個閉環，左邊更多是自動駕駛算法能力或者說模型的迭代，通過自動駕駛原始數據實現云端模型訓練、自動駕駛模型更新；右邊是實現云端地圖更新，實現眾包地圖數據融合。作為車端的數據產生者，我們產生的數據怎么跟合作伙伴合作，去通過更快更好精度更高來極大限度的降低未來的自動駕駛成本。現在地圖的成本還是相當大的。
這就是今天我分享的幾點，禾多的slogan是毫厘行萬里，逐歲廩禾多，我們也希望，在今后的日子里和大家攜手，推動智能汽車領域的加速發展，謝謝大家！
