圓桌論壇二
朱君：接下來進入第二場圓桌論壇，有請：
前晨汽車首席技術(shù)官付晶瑋
馭勢科技創(chuàng)始人吳甘沙
智行者董事長、CEO張德兆
輕舟智航聯(lián)合創(chuàng)始人兼首席科學(xué)家大方
以及主持人林示，有請！
林示：謝謝四位嘉賓，上一場嘉賓講到了中國汽車在海外市場的揚眉吐氣。中國的智能汽車技術(shù)在世界上是首屈一指的，臺上嘉賓在智能駕駛方面都是非常專業(yè)的。
我第一個問題想問來自整車企業(yè)的付總，現(xiàn)在智能駕駛企業(yè)未來進入整車企業(yè)的供應(yīng)商愿意把自己的技術(shù)降到L2級，你覺得這是整車企業(yè)想要的嗎？
付晶瑋：我們在這個行業(yè)內(nèi)有很多非常厲害的企業(yè)，我們只是其中的代表，我們不是最厲害的。實際上作為整車企業(yè)來說，我覺得其實自動駕駛的發(fā)展當(dāng)中有兩塊，一個就是從L2一直到L4的道路，一個是從L4向下走的道路。這兩年隨著大量的L2、L3車型的問世，還有技術(shù)的逐步被驗證，受歡迎程度導(dǎo)致很多L4企業(yè)向下探，向L2量產(chǎn)化進軍。
我們向前倒，之前很多L2企業(yè)最早追溯到上世紀(jì)80年代，很多企業(yè)開始搞L2，真正L2技術(shù)在歐美大規(guī)模應(yīng)用大概要放到十幾年之前。這類企業(yè)在市場上現(xiàn)在還是占有一定份額的，也有多年的積累。我們的L4企業(yè)大部分是從二0一幾年開始，AI技術(shù)開始逐步廣泛應(yīng)用，出來了很多這類企業(yè)。這些企業(yè)在AI技術(shù)和現(xiàn)有的新型供應(yīng)鏈上有很強的積累和技術(shù)。逐步下調(diào)的過程中，企業(yè)在互相學(xué)習(xí)融合中進步非�？�。作為整車企業(yè)來說，我們樂于看到他們在量產(chǎn)道路上給我們更多的方法和解決辦法。
對于現(xiàn)在的行業(yè)變化來說，逐步的，車輛選擇由以往的車企提供什么變成了用戶需要什么、車企再提供什么。用戶體驗就變得非常重要，新的企業(yè)下來，或者老的企業(yè)上去的過程中有兩點很重要，第一，這個企業(yè)能不能提供多快好省的產(chǎn)品，第二，這個企業(yè)原有的技術(shù)鏈能不能跟車企原有的技術(shù)鏈快速完整融合，然后讓車企可以更快地滿足用戶的快速迭代的體驗需求。我覺得這兩點非常重要，也就是說一個是要便宜，一個是要好。
林示：現(xiàn)在智能駕駛和智能座艙要融入到一起，您對于這種趨勢怎么看待？
付晶瑋：作為前晨汽車我們是這樣看的，整個整車網(wǎng)絡(luò)我們經(jīng)過了分布式到預(yù)控式，以及到我們說的中央預(yù)控這個過程，前晨汽車堅定的認(rèn)為中央預(yù)控這個過程會到來。眼前實際上經(jīng)過了我們說的艙駕一體化的時代，現(xiàn)在這個時代已經(jīng)得到驗證了，有些企業(yè)在往這個方向推。再往后，從我們的角度認(rèn)為，這個趨勢是不可阻擋的，為什么呢？就整車企業(yè)來說，大規(guī)模的限速、分布式的電子電器模塊，包括大量的軟件開發(fā)和技術(shù)占用了企業(yè)大量的研發(fā)成本。對于企業(yè)來說，能夠把大量的研發(fā)成本和軟件團隊集中化是方向，也是能夠推動這個產(chǎn)業(yè)向前快速發(fā)展的方向。所以我們比較認(rèn)同。
林示：謝謝付總。吳老師，我一直叫吳總吳老師，因為他是一個擁有文人氣質(zhì)的企業(yè)家，去年給我發(fā)了一首詩我印象很深。馭勢一直說，我們的自動駕駛是全場景，意味著什么都做，是不是不夠細(xì)分不夠?qū)I(yè)？
吳甘沙：其實我們通常說自動駕駛，第一反應(yīng)是日常通勤需要的自動駕駛，但事實上在我們看來，這個世界上千行百業(yè)都需要自動駕駛，只要有人和物的長距離移動，只要有運力的需求，就需要自動駕駛。我們期待從第一性的原理去看駕駛技術(shù)，因為我們?nèi)说倪@種駕駛技術(shù)是通用的。
我是在北京拿的駕照，在上海甚至去紐約不用重新拿駕照。我開的A品牌的車，我換一個品牌不需要重新訓(xùn)練。所以我們把我們所有的研發(fā)聚焦在所謂的全場景自動駕駛操作系統(tǒng)這一塊。而且我們在工信部人工智能掛帥過程中在自動駕駛操控這一塊還是摘得花魁的。我們這個技術(shù)要應(yīng)用在千行百業(yè)意味著我們要做橫向聚焦。
縱向聚焦比如說專門做港口、礦山或者是乘用車的L2，這是縱向聚焦。橫向聚焦就是做好全場景的自動駕駛系統(tǒng)。同時我要有所舍棄，就是我不造車、不做運營，跟生態(tài)合作伙伴一起去開發(fā)。這就是我們的理念，橫向聚焦，做好全場景的自動駕駛操作系統(tǒng)。
林示：剛剛也說到從全場景，就是我們專注于我們現(xiàn)有的領(lǐng)域。我知道有些企業(yè)是什么都想做，但是我們是專注于做好一個供應(yīng)商的角色。我想問在現(xiàn)有的法律法規(guī)情況下，自動駕駛可量產(chǎn)的級別在哪個級別？
吳甘沙：我認(rèn)為法律法規(guī)肯定是基于你的技術(shù)成熟度和你這樣的一個技術(shù)可能帶來的社會后果影響來制定的。所以我們判斷做自動駕駛No1的核心原則就是不能出現(xiàn)致命的事故，這個是很重要的。
在這樣一個前提下，從商業(yè)化的路徑上，很顯然就是有兩條，一條是基于乘用車的L2漸進式的發(fā)展自動駕駛技術(shù)。因為L2的責(zé)任主體還是在司機駕駛員身上，所以它確保了這樣一個今天的技術(shù)還不是那么成熟的情況下，它是具有一定的容錯空間，同時又有明確的責(zé)任主體。
另外一條路線就是商用車特種車專用車的L4，但是這條路線一定有一個漸進過程，雖然已經(jīng)達(dá)到L4了，但是它一定會從慢到快、從限定場景到開放道路等等的過程，這本質(zhì)上也是為了負(fù)責(zé)任地去做自動駕駛技術(shù)保障安全。所以這兩條線路現(xiàn)在咱們中國有很多的公司都在探索，而且在世界范圍內(nèi)走在了前面。
林示：我們馭勢與現(xiàn)有的L2級的自動駕駛企業(yè)玩法有什么不一樣？
吳甘沙：我們也做乘用車的L2，我們主要看到了一個契機，一方面隨著電動化、智能化的普及，我們的終端消費者對于L2這種產(chǎn)品的要求越來越高。我在高速上做一個傳統(tǒng)駕駛輔助，其實已經(jīng)不能滿足他們的需求了，他們的要求越來越高。
另外一方面，大家看到在乘用車的供應(yīng)鏈層面，高算力芯片和高分辨率傳感器也越來越普及。幾年前很難想象幾十個甚至幾百個tops的芯片，800萬像素的攝像頭能夠在乘用車L2領(lǐng)域這么快量產(chǎn)。一方面消費者要求越來越高，另外一方面高算力的芯片和高分辨率的傳感器的供給得到了保障，所以從某種程度上，我們傳統(tǒng)做L4的企業(yè)進入到L2，有了一個很好的契機。
所以從我們的角度來看，我們第一還是要高智價比的產(chǎn)品。智價比就是智力除以價格，一方面我們在整體方案成本上要做到有優(yōu)勢，另外一方面智力要不斷提升，我們的愿景就是從點到點、端到端實現(xiàn)全過程自動駕駛。什么意思？就是我出門從電梯出來，我可以在停車場一鍵召過來，然后從停車場開到高速又下到城市道路，進入到停車場自動代客泊車，點到點、端到端實現(xiàn)全過程自動駕駛。我想這是我們從L4進入到乘用車的L2，是具有一定的技術(shù)儲備的。
另外一方面，乘用車L2現(xiàn)在需要不斷的技術(shù)提升，它需要更低成本合法合規(guī)的數(shù)據(jù)閉環(huán)，在從L2逐步往L3、L4進展過程當(dāng)中，需要我們在商用車L4這邊積累的很多安全和運營的經(jīng)驗。所以這些都幫助我們能夠去打造在乘用車L2上的差異化產(chǎn)品。
林示：謝謝吳總。下一個問題問智行者的張總，最近你們很火，你們發(fā)布了一個高速自動駕駛巡航系統(tǒng)，這是一個重感知輕地圖的。我想問我們這個重感知輕高精地圖的系統(tǒng)，在實際成本和應(yīng)用方面有哪些優(yōu)勢？
張德兆：現(xiàn)在大部分自動駕駛的方案都是依賴于高精地圖的，也就是相當(dāng)于把人的經(jīng)驗和智力疊加到地圖里去，現(xiàn)在地圖里標(biāo)好這是左轉(zhuǎn)車道，這是右轉(zhuǎn)車道，我現(xiàn)在在哪里，這是可通行區(qū)域、這是不可通行區(qū)域。相當(dāng)于把人的智力疊加到地圖里去。
但是現(xiàn)在高精地圖存在一個什么問題呢？我們現(xiàn)在很難做到高精度地圖全覆蓋，即使比如說像北京、上海這樣的一線城市，我們實現(xiàn)高精度地圖的覆蓋之后，但是它會存在實時更新的問題。比如說這條路今天在修路，剛好我回家要經(jīng)過這條路，不能說我車就過不去了。所以我們提出了重感知輕地圖的方案，這個方案首先我正名一下，這個方案不是說不用高精度地圖，而是也用高精度地圖，大部分時間還是要用高精度地圖，但是這段路如果沒有高精度地圖，我們能夠做到現(xiàn)場的語義理解，用我們的傳感器現(xiàn)場做語義理解。這就相當(dāng)于人開車，比如說我現(xiàn)在去京郊的某個農(nóng)村，這個地方我沒有來過，我頂多開慢一點，照樣能開過去，我們是這樣一個方案。
林示：謝謝張總，您也解釋了我們是輕地圖，而不代表不用高精度地圖，高精度地圖依然是全行業(yè)高級別自動駕駛必備的。下一個問題問輕舟智航的大方總，跟您見面第一次印象很深，我想問前段時間你們推出一個超高性價比的解決方案，并且跟買車一樣是可選配的，我很感興趣，這套系統(tǒng)目前能適應(yīng)哪個級別的智能駕駛？謝謝！
大方：我們這套可配置的系統(tǒng)性價比高，其實跟我們處理城市NLA（音）高級輔助系統(tǒng)的思路，跟剛才付總講到的思路也有點共同之處。
付總講這種產(chǎn)品能不能在消費者、在車企得到比較好的應(yīng)用有很重要的兩點，所謂多快好省，第二就是能不能跟現(xiàn)有的車企技術(shù)體系比較好的融合。
我們處理的要點和思路，第一，我們一定要把成本壓得非常低，在L4的基礎(chǔ)上盡量保留能力的同時要把傳感器和計算要求全都降下來。這個過程中不可避免要損失一些能力，但是靠我們自己的一些獨特的算法設(shè)計，能夠做到降成本，把成本壓非常低的同時盡量不損失能力。我們只需要一顆前像激光雷達(dá)，大家都知道，激光雷達(dá)是比較關(guān)鍵的傳感器，做定位、距離、三維輪廓這些信息是很關(guān)鍵的。我們也知道，在只有一顆激光雷達(dá)的情況下，視野這么小，想測的信息測不到，但是在感知系統(tǒng)里通過我們對攝像機和激光雷達(dá)多模態(tài)數(shù)據(jù)語義技術(shù)的解析，可以把測到的準(zhǔn)確三維數(shù)據(jù)擴展到視野之外的區(qū)域。通過在追蹤的時候我們做一些比較細(xì)致的數(shù)據(jù)沿用和關(guān)聯(lián)，我們可以在這些沒有激光雷達(dá)視野的地方做到幾乎相當(dāng)于有激光雷達(dá)質(zhì)量的數(shù)據(jù)。
這樣的話，你可以想象這個能力是遠(yuǎn)強于只有100多度的激光雷達(dá)視野的系統(tǒng)，雖然我們只有一個激光雷達(dá)的成本，但是能力還是接近于L4的能力。這是在算法設(shè)計上我們很小心的一點。
同時剛才付總說的另外一點，能不能跟車企的技術(shù)體系做比較到位的整合，能不能適應(yīng)這個市場里面不停的變化，而且滿足高度定制化的消費者需求。這也是我們在設(shè)計時考慮的一點。我們在做這個系統(tǒng)的時候，雖然是在L4基礎(chǔ)上做減法，把能力和成本降下來，但是盡可能維持整個L4系統(tǒng)的整體框架不變，一是保證在不同的場景，不像L2那樣分具體的功能點。在L4整體設(shè)計里面，咱們能在路上開，這些都已經(jīng)有了，這是不會舍棄的。同時，盡可能保持模塊之間的靈活組合能力，所以在市場需要有變化，在車企自己的情況有各種需求時，我們都能做到比較靈活的組合。
林示：你剛才說到L4的這種方式可能更有利于L2駕駛能力的提升。付總，最近有一個非常大的爭論，整車企業(yè)要不要進行智能駕駛技術(shù)的全棧自研，有人說整車企業(yè)不做全棧自研，說白了就是沒有組裝廠核心技術(shù)，您在知名的車企都干過，您對這個事怎么看？謝謝！
付晶瑋：答案是肯定的，整車企業(yè)一定要有L4的全棧自研能力，但是這個能力和全棧還是不一樣的。為什么整車企業(yè)一定要有全棧自研能力呢？就是因為任何一個新技術(shù)的發(fā)展和突破，它實際上需要懂的人去做懂的事，而不是說不懂的人去做這個新的事。
作為整車企業(yè)如果自身不具備這個能力本身，它無論跟我們說的L4企業(yè)也好、L2企業(yè)也好，還有更新的企業(yè)也好，去合作的時候會產(chǎn)生巨大的溝通代價，這種溝通的鴻溝，然后技術(shù)的鴻溝等等。所以作為整車企業(yè)，做什么，在這個產(chǎn)業(yè)鏈中你作為一個企業(yè)，你理論上你就不應(yīng)該把所有事都做了。你要和現(xiàn)有的產(chǎn)業(yè)鏈、和整個的政策還有整個的社會上的所有資源強有力的完美的契合在一起。
但是不代表說這個企業(yè)可以通過不懂的形式去契合他，一定要有一個全棧的隊伍，但是這個隊伍中把你的需要加強的部分加強，然后完美的和現(xiàn)有的市場資源做契合和整合，我覺得這是整車企業(yè)要做的。為了做這件事，所以一定要維持全棧的進度，只是權(quán)重有點不同。
林示：接下來要問的是一個共同性的問題，如果是沒有法律法規(guī)阻礙的情況下，中國的這種復(fù)雜的道路路面上，你們覺得無人駕駛技術(shù)現(xiàn)在能不能落地？如果沒有法律障礙的話。
吳甘沙：我記得我們在2016年創(chuàng)業(yè)的時候，整個行業(yè)都開始暢想L4級別的自動駕駛落地的時間，多數(shù)企業(yè)認(rèn)為是在2021年。這是簡單的2016+5，五年計劃，到2021年。當(dāng)然這樣的預(yù)測現(xiàn)在看來都太過于激進了。
未來到底是什么時候在公共道路上能夠看到，其實我不擔(dān)心法律法規(guī)，因為法律法規(guī)始終是滯后于技術(shù)成熟度的。所以現(xiàn)在從行業(yè)的角度來看，2025年又是一個5字頭的，2025年被認(rèn)為是一個重要的時間節(jié)點，2030年被認(rèn)為是另一個重要的時間節(jié)點。目前全行業(yè)相對比較理性的判斷認(rèn)為，2030年是可以在公共道路上看到規(guī)模化的自動化的商業(yè)化。因為全行業(yè)如果有一個共識，它會自我實現(xiàn)的。全行業(yè)都認(rèn)為2025或者都認(rèn)為2030，大家都鉚足了勁往這個時間點上靠，很有可能自我實現(xiàn)，但是它并不是一個科學(xué)的推斷。
我覺得科學(xué)的推斷，大規(guī)模商業(yè)化的前提在于大數(shù)據(jù)的統(tǒng)計表明自動駕駛比人開得安全。我認(rèn)為這是一個前提。一旦有了這個前提，大數(shù)據(jù)意義上自動駕駛開得比人安全以后，下面自動駕駛即使出現(xiàn)了一些零星的甚至是低級的錯誤導(dǎo)致了一些事故，社會也是可以諒解的。
這里面有兩個挑戰(zhàn)，一個挑戰(zhàn)是多大的數(shù)據(jù)是足夠大？因為這是很具挑戰(zhàn)的，而且因為你每一次更新了軟件又得重新證明一次。所以這樣一個大數(shù)據(jù)意義下證明自動駕駛安全，這是一個挑戰(zhàn)。
另外一個挑戰(zhàn)就是證明具備公信力。證明的過程、數(shù)據(jù)可能需要有第三方機構(gòu)，尤其是政府背景的機構(gòu)能夠背書。所以這兩個我認(rèn)為無論我們未來到2025也好、到2030也好，這是需要我們行業(yè)一起去解決的問題。
林示：您講得很透徹，就是行業(yè)要共同努力，朝著一個目標(biāo)去前進，能不能實現(xiàn)？畢竟是個目標(biāo)嘛。張總，您怎么看待這個問題？
張德兆：我十分同意甘沙的意見�，F(xiàn)在我并不覺得我們的法律法規(guī)會阻礙這個行業(yè)的發(fā)展，因為法律法規(guī)是阻礙那些不好的東西。而我堅信自動駕駛這個事情是一個好的能夠給我們產(chǎn)生巨大的社會價值和商業(yè)價值的東西，能夠創(chuàng)造我們?nèi)祟惷篮梦磥淼囊粋�東西，法律法規(guī)不會去阻礙，只會去促進。
而對于剛才你講的整個自動駕駛落地的時間問題，我的觀點是自動駕駛的落地是一個漸進式的過程，也就是我們很難去劃定某個點就算自動駕駛落地。因為如果是從商業(yè)化落地的角度，自動駕駛現(xiàn)在已經(jīng)在做很多的場景。包括像我們的港口礦山，包括我們的環(huán)衛(wèi)，甚至包括乘用車的L2+自動駕駛。剛才討論做L4和L2之間的關(guān)系，我認(rèn)為有本質(zhì)的差別。以前你看我們做L2做幾十年的時間，實際上還是做的一個類似于輪胎的系統(tǒng)，也就是這套系統(tǒng)從裝到車上到這輛車報廢，它是一成不變的。也就是我這套算法在這兒，今天比如說某個彎過不去，它明天還是過不去。而現(xiàn)在我們這些做L4的技術(shù)，我們通過AI的技術(shù)、通過數(shù)據(jù)驅(qū)動、數(shù)據(jù)閉環(huán)的技術(shù)，我們能做到現(xiàn)在的車企雖然降維做L2+、L2，但是現(xiàn)在能做到讓車可能在彎道今天過不去，但是明天有可能過得去，我覺得這是我們最本質(zhì)的區(qū)別。
林示：您闡述得非常具體。今天證券日報有一篇文章是江鈴汽車第一副總裁的采訪，他提到明年的江鈴汽車明年的輕客也是完全不坐人的會落地會量產(chǎn)，我問乘用車呢？他說載人的現(xiàn)在還是不敢上路，就怕出事故不好判定。您剛才提到L4技術(shù)不成問題，撞人的概率非常小，但是萬一呢？有像前段時間有一個私家車撞了某一個送餐的無人駕駛車，這個責(zé)任到底是誰的呢？物流說是沒有上牌的，所以最后判斷是無人物流車的責(zé)任。有很多很多原因制約著，尤其是公眾認(rèn)知，我認(rèn)為這是很重要的一個方面，包括在實際責(zé)任判定方面。
大方總，您剛才說到L4是降維滿足各個車廠的服務(wù)的，您認(rèn)為是一個什么樣的情況能夠真正具備無人落地。尤其是在一個城中村，我們知道全國有好多小巷子的地方，人員很雜，有電動車和三輪車，我們現(xiàn)在的技術(shù)能不能達(dá)到這種程度？
大方：我的觀點跟吳老師和張老師的觀點很接近，我們幾家企業(yè)在方面有很大的共同點，我們都是之前做無人系統(tǒng)真正在路上開，這種L4應(yīng)用落地在這方面有比較多的實際操作經(jīng)驗。在這方面的積累或者說對這個問題的理解也都挺相似的，就是現(xiàn)在這個階段不管有沒有法律制約，L4乘用車大規(guī)模商業(yè)化落地是不太現(xiàn)實的。
就像剛才吳老師說的，你這個系統(tǒng)能不能做到其實都是另外一碼事，我們也能在城中村有人車混雜，有窄路的地方做到自動無人駕駛，有不少企業(yè)也都有過這方面的展示。能做到只是第一步，更重要的一步是怎么驗證你能做到，一是向自己、二是向其他所有人證明你能做到。吳老師剛才說了，只有在統(tǒng)計意義上在很大規(guī)模很多里程的研究基礎(chǔ)上才能拍胸脯說你的系統(tǒng)跟人相比是成功的，數(shù)據(jù)量必須是很大的，里程必須是很多的。
假設(shè)某一天你真覺得自己的系統(tǒng)可以了，想做這種測試，需要的車隊的規(guī)模、需要的里程、需要的時間、總的成本都是非常高的，你在做決定之前必須非常確信自己已經(jīng)達(dá)到這個程度了。在沒有這么多里程驗證的情況下，你首先要向自己證明。這是一個很難的問題，怎樣用少量的里程，包括剛才張總也說到L4級別的自動駕駛系統(tǒng)必須有學(xué)習(xí)能力，沒有學(xué)習(xí)能力的系統(tǒng)肯定是不可能做到L4的，有些系統(tǒng)一直在不停演變，在不同的環(huán)境里的處理有可能是隨時都不一樣的系統(tǒng)，你怎么去驗證它。這是一個很難的科學(xué)問題，在整個學(xué)術(shù)現(xiàn)在沒有答案，這個問題首先解決才能有下一步怎么向公眾證明的問題。你自己有信心了，愿意投入成本，去做大規(guī)模的驗證，可能就能實現(xiàn)向公眾證明這個系統(tǒng)真正已經(jīng)準(zhǔn)備好了。但是第一個問題首先要解決，這是需要時間的。我們現(xiàn)在判斷，可能不是2016+5，而是2022+5甚至2022+10，這個時間點跟剛才吳老師說得差不多。
林示：付總，您從整車企業(yè)角度怎么看待這個問題，做一個大的總結(jié)吧。
付晶瑋：我的看法比在座的各位略微激進一點。為什么？剛才吳總談到在2016年投的時候，大家認(rèn)為五年后會實現(xiàn)L4自動駕駛。但是在那個時候我的認(rèn)知是五年內(nèi)是達(dá)不到的。
但是今天我們站在2022年再向后看，我們發(fā)現(xiàn)時代變化是非�？斓�，我們有了大算力的芯片，我們有低成本的攝像頭和激光雷達(dá)，我們有完善的產(chǎn)業(yè)鏈，我們整個的技術(shù)方案和成熟度比照2016年的時候有了大幅度的進步。
在這個情況下，我們再來展望說這個東西是不是會落地，我覺得可能比大家說的2020+10或者什么要快一些。我比較同意剛才張總提到的，他說我們其實一直在落地中。我們說的大規(guī)模L4無人產(chǎn)業(yè)化落地，一直以來有三個制約，第一是技術(shù)，第二是法規(guī)，第三是用戶接受度。
到今天為止，我們所有的人面對的L4場景其實是最難的，我不知道大家意識到?jīng)]有，2016年的時候我提出一個觀點是說大家一定要有信心把L2大量的推到路上去。為什么？我們來培養(yǎng)車輛有規(guī)則的行駛習(xí)慣會有助于這產(chǎn)業(yè)的場景化檢測落地，還能推動法規(guī)發(fā)展。今天來講，我們遇到的場景是最難的，這是第一。第二，我們常常講自動駕駛，實際上剛才張總提到了我們還有大量的其他場景來做驗證。第三，他山之石可以攻玉，是什么石呢？其實我們?nèi)タ春娇疹I(lǐng)域，這些年我們從航空領(lǐng)域引入的概念頭幾年大家不太關(guān)注，這幾年逐步重視起來了。航空領(lǐng)域?qū)σ粋�東西可靠性的驗證和我們汽車領(lǐng)域是不一樣的。
所以在這些方式大量引入之后，我們把汽車產(chǎn)業(yè)原有的積累和現(xiàn)在新企業(yè)的數(shù)據(jù)化迭代的經(jīng)驗的積累，還有原來的零部件的經(jīng)驗等等，完整的積累到一起。我的感覺是大概是加個5就差不多了。
林示：今天是2022年，加5就是2027年。謝謝在座的各位。下面聽會的大家都很期待無人駕駛的來臨，真正實現(xiàn)無人駕駛，所有車與車之間都是能互相通信的，就不會有堵車這一說了。很感謝在座的四位嘉賓，今天這場圓桌到此結(jié)束。
朱君：謝謝五位嘉賓，大家都說得特別實在，對于大眾都普遍關(guān)心的L4級別的自動駕駛到底什么時候能落地，其實除了技術(shù)問題，更多的還是現(xiàn)實問題，比如說法律法規(guī)，還有用戶的接受度等等。至于2025年或者是2030年，這幾個關(guān)鍵的時間節(jié)點能不能實現(xiàn)一個質(zhì)的跨越？還需要我們的企業(yè)共同努力，再次感謝大家！
（編輯 喬川川）
