“
我认为，自动驾驶有一个光辉的起点，就一定会有一个光辉的终点。所有路途中的波折，比起成功之后的成就感来说都微不足道了，我们还是可以非常坚定的向前走。
”
广汽智驾部部长 郭继舜
本科毕业于电子科技大学电子信息工程专业，后在台湾清华大学资讯工程系、ETH Zürich计算机科学系获得硕士学位。2012年起于电子科技大学、斯坦福大学攻读人工智能博士。
主要从事机器学习、计算机视觉、异构计算、智能系统相关研发工作。发表相关学术论文十余篇，申请发明专利8项。参与主办ACCV2012、ICME2014等国际会议、IEEE会员、ACM会员。先后在美国德州仪器（TI）、联发科技（MediaTek）研究院、谷歌（Google）、EMC2、百度深度学习研究院（IDL）等企业工作。
现就职于广州汽车集团股份有限公司汽车工程研究院，担任智能驾驶技术部部长、广汽L3/L4级无人驾驶技术总监。
近日光博君对郭部长进行了《光电与时代同行》栏目专访，更加深入的了解到他在自动驾驶发展之路上的一些看法与见解。
自动驾驶已经成为了时下最热门的话题之一，能否从整车厂角度出发，聊下实现这个技术的决定性因素有哪些呢？
我是在2013年开始接触自动驾驶相关的技术，和Google的智驾团队一起做了约等于第一代的自动驾驶。那时让我眼前一亮，我认为自动驾驶会是人工智能未来真正去改变人类生活去落地的一向非常重要的技术。所以我当时就非常坚定地希望以后能持续研究自动驾驶，尤其是当我发现自动驾驶用了非常非常多的人工智能技术，但是它又不局限于某一点，它综合性很强，在做整体复杂系统整合的时候，我认为是非常快乐的一件事。
回国后我到百度负责IDL的工作，主要是能硬件的开发以及自动驾驶早期的工作。我发现，真正的自动驾驶做出来，原理或者系统都仅仅是轻微的一部分，重要的还是工程化整体落地。即使我也向往过用自己的聪明才智去真正改变一个系统这样的过程，但觉得时下还是想做一些功能化的东西，所以决定到车厂来。希望能通过自己和团队的努力，去把这个车真正造出来，真正变成一个实体，一个能量产的车，我认为自动驾驶落地还是要在一个OEM去落地才能实现。
从整车厂角度出发，汽车的决定性因素在我看来有几点。
1、芯片。人工智能的芯片算力在量产上是否能满足我们的要求，这是非常大的问题。如今，大部分硬件相对芯片来说能够坚持更长的时间，也能应对更多的人机交互和迭代。但到目前为止，芯片依然是一个问题。现在我们业界采取的方法就是大幅的压缩算法，另外一方面是会使用相对稳定的多芯片进行组合，去完成一个功能。但是整体来说，我觉得人工智能芯片，特别是使用在智能驾驶上的芯片，还需要有更好的产品推向市场，才能够满足未来的自动驾驶的发展。
2、自动驾驶的算法。因为域控制器整体上本身非常复杂，相当于人工智能的大脑，在域控制器里，我们把算法分成感知、决策和控制。
首先，难度最大的是感知。虽然由于深度学习，也有很多的企业比如说像Pony.ai这类相关的公司在不断地纵深、驯化和研究相关的感知算法，但无论在业界或者学界，大家的共识还是感知最难。去年有幸参与的一个自动驾驶的圆桌讨论，包括Uber、特斯拉、Waymo的各位大佬讨论到底自动驾驶里面什么最难，最终得出的结论还是感知。
感知如果算的准，会对车辆自动驾驶之中的决策和效果有决定性的作用，所以企业花费很多成本在传感器上，大量算法也在不断优化感知。现在很多的企业有了相对可靠的解决方案，包括Mobileye、Pony.ai都不错。当然也有不同公司提出一些更好的传感器方案，比如毫米波雷达或远红外设备，虽然贵，但它肯定对于自动驾驶还是有帮助的。再比如未来的V2X和5G对于这种感知的结构化信息的传递效果，都可能会有极大的帮助。
其次是决策。决策的问题在于我们现在初步评估，所有端到端的方法都是不靠谱的。业界基本都还在寻找，大家遇到的问题在于怎么涵盖更多的场景，怎么有更多的if else从而使自动驾驶有更丰富的场景理解能力和应对能力。
最后是控制。控制真正的难点在于如果汽车的速度相对比较快的时候，控制会出问题。不同的公司策略不同，可能对于初创公司来说，由于城市路况速度相对低一些，所以环境问题并不大，但这个问题是需要车厂来花很多的精力和时间去做的。
3、执行器件。执行器件遇到的问题是我们现在有了假设，有了芯片，有了算法，对于特别高级的自动驾驶L3、L4的理解就变得逐渐的深入，并且通过公共安全分析出要怎么做系统才能更加安全稳定。但当细化到执行器件的时候，发现这些器件现有的能力和产品的性能达不到整体系统的要求，也就是说现在的发展是滞后于设计。所以我认为，决定性因素在于我们什么时候能获得足够有余的且本身性能较稳定的执行器件。
您是在自动驾驶里面做自动驾驶量产的工作，请问下广汽研究院对于自动驾驶的量产有什么要求及原则？
自动驾驶和车载AI不一样，它更多的时候会关系到人身安全，所以会有一些硬性的要求：
1、对于所有最终形成的系统，一定要经过公众安全分析，整体的自动驾驶功能安全级别要求必须要高。
2、在可选择的情况下，一定优先选择过车规且安全性能更高的产品。 即使以牺牲一部分性能和功能为代价，也要把自动驾驶的安全作为第一位考虑。宁可安全也不省钱，尽所有能力把跟安全相关、能够保证系统稳定性的方法全部用上，一定不偷工减料。
3、循序渐进地做自动驾驶,从整体的功能化的角度来看，L4现在没有办法进行大规模的量产，所以现在车厂、OEM的最主要工作，更多还是要面向量产来思考和做产品，我们希望用新的产品，但同时会避讳不成熟的产品。
您之前有提到比较关注初创企业，您与初创企业合作是如何进行分工合作？
之前讨论过自动驾驶量产的原则和要求，其实还要增加一点，就是做预研。
首先我们希望保持自身的技术敏感性，不断地尝试新的传感器。我们有一个团队以及一整套测试方法和方案来做各种各样传感器的整体测试，他们是我们的合作伙伴，我们会把测试报告包括需要改进的问题反馈给他们，去提升他们整体的性能。
如果我们在整体预研的过程中，发现一些很好的技术，它能够对于量产和未来的车辆的安全性以及用户的交互体验有很好的帮助，那么我们愿意和合作伙伴一起做测试，也会帮他们一起过车规。 整体来说是宁可保守一点，也不要太激进，在好的技术应用过程中会更多的去进行审核，比如简单的激光雷达，除了测试各种性能之外，一定还需要CFDA的认证，要达到对人眼安全的级别才能够大规模量产使用。
您觉得“功能安全”对自动驾驶汽车意味着什么？
其实我在到广汽来之前没有这个概念。我之前的想法是到新的场景再不断添加代码，再去做决策和控制相关的工作，从而适应更多的场景。真正到了车厂之后，会发现其实汽车工业体系有着非常严谨的系统性的理论分析的工作。除了做大量的实验之外，它会在非常严密的系统上理论上行计算，从而堆叠出功能安全的概念。作为车厂来说，整体的系统需要达到什么级别，才能够满足用户的需求，才能够最大化的保证出行的交通安全。
在我看来，对于车厂来说，功能安全的技术掌握最重要的一点在于我们能从安全这个最重要的角度学会怎么设计车辆。直接的产品出来，车厂能够确保车辆的足够安全性。对于用户来说，车厂越按照掌握功能安全技术的方式造车，用户买车的放心程度会越高，因为它是基于一个非常严谨的逻辑把车造出来。
但我必须要强调的是，中国的很多的自主品牌的企业还存在两种情况，一个是本身对于功能安全理解没有那么深入。当然这一点现在已经逐渐在改观了，大家都从高级别的自动驾驶开始，发现功能安全很重要，所以现在大家都开始重视这一点，开始有很多的培训。另一方面，就是要有原则。原则是什么？是如果这个功能现在没有做到足够的功能安全，宁可落后也不轻易上一个没有功能安全保证的功能，这是最基本的行业道德底线。
目前很多车厂都在做自动驾驶，请问广汽对于这块的工作有什么差异性呢？
从国内来说，现阶段大家都还在自动驾驶探索的初期，广汽的特点可以三个点来说。第一，广汽希望使用最安全的技术，制造最安全的汽车。第二，在不违背第一点的前提下，我们希望尝试更新的技术。第三，在不违背前两条的情况下，我们尝试优化系统结构以及供应链，使它保持最低的价格。
举个例子，广汽发布了AION S，这款电动车搭载了L2的功能，且高颜值加超过600km的续航里程，受到了不少人的关注，在2019年国家补贴政策退坡几成定局的情况下，广汽新能源考虑到消费者购车成本上涨的可能，针对Aion S发布极具诚意的预售价格，也就是说，这款车有硬实力和超越同级的核心竞争力。其实就如保证性能和强大功能情况下，我们要减少成本的消耗，优化生产结构以及进行供应链控制。
自动驾驶的发展离不开传感器，您所看到的关于传感器向车规级的变化有哪些？
首先说说毫米波雷达。其实在传统的汽车行业里，毫米波雷达过车规的比较多，而且它本身也相对简单一些，现在遇到的重要问题是在于人工智能芯片过车规的比较难。在传感器里面，相对最难的就是激光雷达和3D成像的毫米波雷达， 因为3D成像毫米波雷达现在明确来说，还没有看到太市场化的产品，现在我们集中关注的过车规的就是激光雷达。
其实过车规准确来说是过车规设计及车规测试两个步骤。现阶段在激光雷达里能过车规的，就是法雷奥的一款产品，它会优先被使用在奥迪A8的一款车上。奥迪A8也是现在全世界唯一量产的L3级的自动驾驶，它能够在德国的少数高速公路上实现高速公路拥堵时的自动跟车功能。在激光雷达领域中，国内也有一些很不错的厂商，比如速腾聚创、北科天绘等，他们的产品是基于车规设计，但还在过车规的过程。在国外可能更早一些会推出车规产品，比如以色列Innoviz和美国Cepton这样的公司在2020年初，基本就会有过车规的产品出来，这样来说就够满足我们对于这个L3级的自动驾驶硬件的需求。
为什么激光雷达这么关注过车规呢？因为在Velodyne开始进行这种车载量产的激光雷达时，由于本身机械性的原理和散热的问题，决定它过不了车规。也就是说激光雷达出现之后，大家发现过车规和激光雷达的性能、应用成了一个矛盾体。但现在随着技术的进步和工艺的提升，这个矛盾在逐渐统一。比如说人们开始逐渐尝试混合固态的激光雷达，只要设计上足够的好，是能有过车规的条件的。还有大家在全力研发的MEMS激光雷达，由于它本身结构相对稳定，所以过车规的可能性也会非常高。
能否简要分析下国内外车厂的差异性？
目前来说，中外车厂的差异在于合作模式，国外的OEM倾向于把好的初创公司收在自己的供应商体系或者子公司里，然后对它投入资源进行全力的孵化，来提升它的估值。但国内大部分是合作，通过资本层面跟合作伙伴建立这种互信的关系。
您觉得5G通信技术的发展会推动哪些行业的应用，同时5G的来临对自动驾驶有何影响？
工信部部长在博鳌亚洲论坛2019年年会分论坛上提过一个观点，5G应用将呈“二八”分布，20%用于人和人之间的通讯，80%用于物和物之间的通讯。从3G到4G，我们作为消费者个体在使用手机或者电脑时有非常大的体验飞跃，比如可以在线看电影不卡了，可以实时通讯了，但感官上的需求没有那么强烈。所以5G的技术驱动一定不是人们对于更新的技术和更稳更高的带宽的追求，而是转向工业制造业等等对它的追求。
在这里有三个新兴的点，一是智能制造，整体复杂的工厂需要5G的信号传输来实现实时的调度。二是物联网，像自动驾驶这类纵深的智能化设备属于车联网，车联网可以理解为物联网的某一个特定的场景应用。三是VR与AR，VR/AR之前是苦于没有大带宽、低时延的传输路径，所以我认为5G来临，VR/AR会迎来又一个春天。
结合5G在自动驾驶领域来说，5G有三个特点，一是低时延，就是速度快；二是大带宽，自动驾驶往往传输的是结构化信息，所以这一点自动驾驶上用的不多；三是高可靠性。高可靠性对于自动驾驶非常重要，自动驾驶需要多次的验证，5G能支持这些相关协议的。总结来说三个特点中对于自动驾驶帮助最大的是低时延和高可靠性。
5G应用到自动驾驶里会出现什么情况？我们花了大量的精力和时间去研发感知算法，我们花了大量的金钱去购买量产上使用昂贵的高性能传感器、进行感知运算的核心芯片以及用于进行计算的大量为传感器和芯片供电的能源。但如果有了足够好的V2X或者5G应用的话，那么在车上就能实时地接收到已经结构化的信息，比如周边的车况等等，都变成了能够通过读心术读到的一切，不需要感知了。那么单车的能耗会下降，单车的芯片成本、传感器成本会下降，只需要用核心传感器就能够进行了。同时5G的高可靠性和低时延让自动驾驶的整体系统安全性得到了极大的提升。
当5G普及众多商业化应用随之而来，现在单车很多技术和传感器的成本都会降低。在我看来，5G会帮助自动驾驶寻找到一个更稳定更安全成本更低的折中且合适的商业化解决方案。
最后，请用一句话来描述自动驾驶的发展之路，以及您是怎么理解的？
我认为，自动驾驶有一个光辉的起点，也一定会有一个光辉的终点。所有路途中的波折，比起成功之后的成就感来说都微不足道，我们可以非常坚定的向前走。
一个新技术的应用必定会经历一个过程，从萌芽，到逐渐的受到追捧，再到受挫后的冷静，行业中会有人持续的推进，不断地去思考并解决问题，新技术再次变得可用，最终人们会用相对理性客观的方式把它推向量产，到达人们的日常生活里面。
对于自动驾驶来说，我认为目前处于冷静期，比如投资人变得冷静，市场变得冷静，要么你在未来两年内能推出真正搭载量产的技术，要么拥有足够好的驾驶体验的车队，这个车队的规模预计达到50到100辆，才能真正显示你对市场的掌控能力。
光博君说
这是最坏的时代，却也是最好的时代，这是黑暗的季节，也是光明的季节，这是绝望之冬，也是希望之春。自动驾驶未来可期，但却也任重道远，但是很感谢有一群为了更安全的自动驾驶而努力的人，他们让自动驾驶能够量产，能够走入寻常百姓家。
CIOE中国光博会启动【光电，与时代同行】专题栏目，聚焦光电行业及其应用领域中在研发、技术等岗位上的不断钻研技术、创新以及与时俱进的追光人，分享行业经验及技术干货。
我们也诚邀您分享在如今的时代前行过程中的所思所感，用这些坚持努力去激励大家创造更好的时代。
用太赫兹智能光电感知真实世界，CEO分享技术创新关键词
第21届中国国际光电博览会（CIOE中国光博会）作为覆盖光电领域全产业链的专业展会，集中展示自动驾驶领域中ADAS与环境感知系统、5G相关技术及产品、车联网等，聚焦光电技术在自动驾驶领域的应用及发展，是一级供应商、二级供应商、主机厂等企业寻找解决方案与产品市场拓展的一站式服务平台。
车载镜头及摄像头模组、激光雷达、毫米波雷达、抬头显示系统、车载红外夜视系统、5G技术在车联网中的应用、激光打标及激光焊接等激光加工设备、光纤光缆及滤光片等原件及材料、AR/VR。
因为你【在看】，