2019年，全球汽车产业进入深度变革的关键时期。汽车技术、市场、政策正在发生前所未有的变化，机遇与挑战并存。在这个大背景下，2020年1月10日中国电动汽车百人会召开了以“把握形势 聚焦转型 引领创新”为主题的年度大型论坛。此次论坛将讨论全球及中国汽车产业与市场发生的重大变革，转型方向与路径，中国有关汽车的政策走势以及市场驱动阶段的新能源汽车技术路线、产业重组的机遇与竞争合作模式、电动汽车安全、核心技术突破、燃料电池汽车发展、自动驾驶与智能网联汽车发展的顶层设计与规制创新等相关内容。

  会议上腾讯自动驾驶业务中心总经理苏奎峰进行了主题演讲，以下为演讲实录：

腾讯自动驾驶业务中心总经理 苏奎峰

  我今天和大家分享一个解放双手拥抱未来，在介绍我们内容之前我首先要强调我特别同意刚才李院士讲的，辅助驾驶以后一定是自动驾驶，我们也相信自动驾驶一定是在随着辅助驾驶逐步的演化过程中实现的。我们实际上不太强调L1、L2、L3、L4、L5，我们更愿意强调场景，到底给客户解决什么样的问题，在高速拥堵的时候解决问题，还是在拥堵的模式解决问题，是解决用户双手的问题还是双脚的问题，针对这些问题针对场景问题我今天简单分享一下腾讯在自动驾驶领域做的一些工作。

  刚才各位院士和嘉宾也介绍了，我们在自动驾驶里面分了几个场景，包括乘用车还有一些特殊场景，还有出租车的出行服务。对于我们来说，首先要理解当前客户的需求，尤其是乘用车这样一个大的市场规模中，我们能看到用户的两个痛点，首先就是上下班的时候，可能就三五分钟到高速，下了高速快速路还有三五分钟就到公司了，80%以上的时间是在快速路这样封闭的环境里面去运行的，或者是上下班高峰期的拥堵城市道路，另外一个就是长途，我们在长途旅行的时候，在这种场景下有拥堵，也有高速巡航的状态。在这两种高频出行的场景里面我们用户的痛点是显而易见的，我们更愿意针对这两个场景去做一些服务，所以说长途出行和拥堵的城市交通环境，是我们在研究自动驾驶的时候很重要的业务方向来，包括和一些车厂做一些深度的合作。

  所以我们定义这件事情的时候，像刚才蒋总也提到HWP和HWA，我们愿意结合这两个场景放在一起，从数据驱动的角度来说，我们更愿意把他放在一起去研究，因为我们即便是在HWP的模式下实际上也有拥堵的路况，即便是在TJP的工作模式他同样也可能遇到在四环上可以80公里巡航的状态，所以会存在模式切换，但是在功能设置和场景应对上我们是需要去解决同样的问题。有这些场景以后，我们腾讯愿意做一个软件和服务的提供者，助力产业发展，我们愿意针对这些场景做研究收集数据然后做一些算法，构建我们的云平台,构建我们的仿真平台,做我们的高精度地图，所有这些不是要提供一个total solution给车厂，我们更愿意以灵活模块化甚至是场景模块化的功能，去助力这个产业发展。所以说我们在整个布局上，我们会在开发的云平台方面、模拟仿真方面和高精地图这三大基础层面做大的投入，我们相信在这些方面也是互联网公司的优势，可以助力车企发展。我们要做好云平台、仿真和高精地图，我们必须自己做算法的研究，知道痛点在哪儿，核心的问题在哪里，我们要做这些定位、感知、决策和核心的算法，在除了功能安全以外，我们在系统安全上面也需要投入，当然我们腾讯有科恩实验室，我们的实验室在整个信息安全尤其是在车的领域，应该在国际上还是比较领先的。

  所以归结起来，我们在这个布局上面，实际上云平台模拟仿真和高精度地图来支撑车端的算法解决核心的痛点问题，在整个数据平台方面我们在2019年跟宝马合作构建了宝马在中国自动驾驶开发平台，对于自动驾驶来说尤其是L2.5以上的自动驾驶一旦脱手以后，实际上是场景驱动数据驱动的模式,是永远不会改变的，高效的利用数据和高效的获取数据，高效的获取计算资源的情况下，我们需要有一个高效的开发平台来满足系统要求，所以说我们在整个研发的时候构建了闭环系统，同时我们会和车企合作，利用腾讯云的能力和在自动驾驶相关研究的能力来支持车企和Tier1一起去做研发。

  在仿真方面，实际上现在很多车企在用传统的仿真软件来做仿真，但一旦到2.5以上的这种自动驾驶系统，实际上有很多的场景来进行驱动，场景的驱动系统除了我们编辑场景以外更多是道路的场景，而且大量的场景需要加速，甚至说我们要模拟产生大量现实当中很少可以碰到的场景，需要构建虚拟城市的场景，所以我们在模拟仿真领域里面,除了单一版的仿真以外,还会做场景的仿真，场景的仿真核心就是云加速，我们会产生大量的场景，在每次更新迭代的时候需要把上百万的场景要并行加速去跑，快速的验证，需要云的并行计算来加速。另外，很多场景在现实当中很难遇到，甚至偶尔遇到，那怎么办?我们需要构建一个虚拟的城市，在这个虚拟城市跑随机的交通流沉淀这种场景，这个是腾讯做模拟仿真做的工作，当然我们现在和主机厂有一些商业上的合作，而且已经实现了云的和单机版的落地。

  正是这些验证，实际上传统用仿真的时候是在开发阶段去验证，实际上刚才李院士也提到，自动驾驶是一个学习进化的过程，在整个自动驾驶生命周期里，甚至在车的生命周期里，不断的演进和迭代，在这个过程当中我从车上反馈一些数据，另外我们需要这些处理不了的场景，需要通过仿真系统进行大量的验证以后，然后在OTA升级上面，在当下和未来，自动驾驶系统里面仿真是伴随整个自动驾驶生命周期的过程，不再是一个传统的、单纯的、在开发阶段才使用的工具。

  这是我们在仿真里面几个核心的功能，一个是交通流，我们会收集大量的数据来看这个交通流，我们看到中国地缘辽阔，每个城市的交通驾驶行为不完全一样，而且甚至差异很大，我们会采集各种城市的数据来训练这个交通流，来仿真当地的算法。虚拟城市，我们采集了全国高速快速路地图，可以通过自动化快速的生成全国高速快速，在做自动驾驶测试验证的时候，完全可以在整个全国高速快速路里运行的场景去进行仿真，包括传感器模型，正是因为我们用的是安瑞引擎，所以说我们可以从最底层得到他们的支持，来开发更精准的传感器模型，同时他从最底层支持我们做传感器模型跟物理模型一致性的验证。同时我们在构建3D环境的时候，会从最底层引擎层面来加速3D城市级的仿真，我们相信在城市级的3D重构仿真在国际上也是难题，我们从最底层引擎层面构建这个城市，光照天气以及虚拟的仿真，这是核心的功能点。

  这个是模拟一些交通流，通过采集的数据，编辑数据产生各种交通流，在场景仿真里面我们需要加速这种场景，一旦有一些产生问题的场景，我们会进行沉淀。一旦出现碰撞KPI不满足的时候，可以把他沉淀下来直接进入到你的场景库里面去。另外一个平台就是我们高精度地图平台，高精地图就是做数据和车端的软件，无论是对于车端来说，还是除了车以外的车端软件的系统，我们会在地图定位方面利用我们的优势，这方面我们有国际上很顶级的专家来做，另外我们会构建整个闭环来做这种云的服务体系。

  我刚才提到的针对这两个场景拥堵环境和高速巡航的场景，这样一个传感器跟刚才蒋总提到的传感器配置一样，5REV的传感器配置，我们会把ECU集成在ADEUC里面去做，腾讯不会做这种硬件，我们只是定义这些硬件，对腾讯来说硬件门槛太高了，我们从来不会去涉足任何硬件和传感器，我们只做软件和服务，这个是我们一直非常非常清晰的，所以说我们愿意和车厂和Tier1去合作，即使是做软件，哪怕一个小点给您带来价值，我们也愿意提供，不会有一种捆绑式的模式，我们更愿意以灵活的方式。之所以这样就是因为我们相信自动驾驶本身是一个演进的过程，他不再是传统的一个固定销售一个硬件的商业模式，将来一定是一种软件逐渐升级的服务模式，基于这样的一个服务模式，我们相信一定有共同的合作点，所以说自动驾驶解放双手了以后，对于腾讯来说会有更好的内容生态，腾讯在内容生态里面更有优势，我们有音乐、视频、游戏还有微信，等等这些，基于这些内容，我们希望能够把更好的内容服务给到已经脱手的司机、乘客，使得我们会把千人千面的服务生态推动给客户。

  对腾讯来说，做自动驾驶我们希望能够从云端打通服务和各位合作获得车端的入口，我们希望通过这样的一个入口给用户带来更多的内容和服务生态的体系，整体来助力这个产业，使得您能够在这种移动智能空间里面享受更好的服务，我的分享就到这里，谢谢大家。