郭继舜带你读汽车科‪技‬ 汽车之心

编者按：《郭继舜带你读汽车科技》旨在从第一性原理出发，尝试拨开迷雾，解读热点背后的汽车科技真相。

本栏目由智能驾驶专家郭继舜博士与汽车之心联合出品，内容独家授权汽车之心发布。

各位朋友，有挺长一段时间没有更新了，因为这段时间我一直专注于处理一款量产车型的智能驾驶功能问题。

这款车型很快就要量产了，但是智能驾驶功能还有比较大的优化空间，至少还没有到让我们满意。

其实每当到了某个车型智能驾驶配置即将量产的前夕，都是最忙碌的时候，大量的道路测试会反馈回无数多的问题，每天都在不断解决算法 bug 和反复调试系统参数。

因为每款车型我都希望能搭载一些新研发的功能，这些技术的亮点在研发过程中也会是最难做好的问题，所以智能驾驶汽车的研发很像是西西弗斯，每个车型就是一块巨石，痛苦和成就感交替，周而复始。

而最近这款车型，是我从事智能驾驶量产这些年中，最狼狈的一次，因为想上尽可能多的新功能，所以见到了人生里最长的问题列表。

终于，到今晚为止，关闭了 94% 的遗留问题，功能和性能表现达到了不错的水平，赶快来录音频把这几天欠的债补上。

首先，我要把这几天调试的一部分心得给大家做一个梳理，以下主要针对智能驾驶量产的整车系统表现，不包括 L4 及以上智能驾驶：

1. 多传感器融合是非常不好做的，特别是在速度比较高的场景下，更是需要耐心的调教和测试；

2. 我记得 2018 年的 CVPR，在一个智能驾驶的 Workshop 中讨论过一个话题：现阶段什么技术是自动驾驶算法中最难的技术？众多业内大佬经过热烈探讨，结论是感知依然是当前自动驾驶最难做好的技术。

我当时有点不以为然，一群做深度学习和计算机视觉的专家，肯定说自己做的这部分技术含量最高。

经过这几天的历练，我越来越深刻地感受到，感知确实是现阶段最难解决的问题，感知不准确，我们在决策端做再多的算法补偿的效果都是有限的；

3. 行车场景下的各种大货车、模糊不清的车道线、新旧车道线交叠的场景，是最容易影响智能驾驶表现的场景.

泊车场景下，用不同颜色砖块表示泊车线的泊车位、地下停车场柱子旁边的泊车位，这些场景很考验融合泊车系统的鲁棒性；

4. 选择好的执行器件非常重要，特别是 EPS，死区过大往往会让你和工程师们有抱头痛哭的冲动；

5. 智能驾驶开发，仿真平台的作用愈发关键了，实车测试遇到典型场景的密度太低，造成测试效率数量级上的落后。

现阶段，我们在 L4 自动驾驶研发中使用了相对多比例的仿真测试，但因为量产的 ADAS 车型需要兼顾运动学和动力学的系统性能仿真，所以现阶段还不能把各种段整合得足够好。

量产层面，我们还是比较依赖实车的测试验证的。

但大趋势是，整车厂越来越需要智能驾驶仿真了。

其实我们很早就开始尝试使用侠盗猎车手 5、百度 Apollo 平台等来做智能驾驶算法的仿真。

量产上也会使用台架、车辆在环系统进行一部分的仿真工作，但真正让我有深刻触动的，是有一次针对一款旗舰车型的实验样车审批。

因为近年来智能驾驶、车联网功能量产搭载的比例非常大，样车需求也急剧增加，加上智能驾驶的很多功能在量产前的功能验证，动辄数万公里的验证里程，让智能驾驶成为了实验样车需求的大户。

举个例子，去年某款新能源汽车的 AEB 一个功能，我们就验证了 5 万公里。

最终这款旗舰车型的样车需求统计下来，数字惊人，加上实验样车因为量少

编者按：《郭继舜带你读汽车科技》旨在从第一性原理出发，尝试拨开迷雾，解读热点背后的汽车科技真相。

本栏目由智能驾驶专家郭继舜博士与汽车之心联合出品，内容独家授权汽车之心发布。
郭继舜带你读汽车科技No.16
00:0011:32
今天来聊聊新一代电子电器架构，就是我们常说的 EEA3.0。

其实，最开始想到要谈电子电气架构，我是比较抗拒的，因为这是一个非常庞大而复杂的系统，其中涉及到的电子元器件至少数百起步，而且跨越了底盘、动力、车身、座舱、智驾等等多个系统领域，需要在汽车领域浸营多年的资深工程师才有可能窥得全貌。


而我仅仅对汽车领域新兴的智能驾驶有些了解，特别担心班门弄斧、贻笑大方 。

这次也只能够从智能驾驶的角度来对整车电子电气架构的演化过程与发展趋势尝试着做一个理解，还请各位专家多多指正。

我们先来回顾一篇旧闻：

2018 年美国《消费者报告》杂志指出，Model 3 在高速行驶状态下紧急刹车方面存在严重问题。具体来说，当 Model 3 在以 60 英里/小时（约 96.6 公里/小时）的时速行驶时，其制动距离约为 46.3 米，明显高于同级别的其他车型。

随后，Model 3 远程推送固件升级，让紧急刹车距离缩短了大约 6.1 米。

对此，《消费者报告》的汽车测试部门总监 Jake Fisher 不无震惊地说：「我在这岗位工作了 19 年，测试了上千款车型，第一次见识到有车能通过无线升级来大幅改善性能表现的。」

这篇报道中 Model 3 所体现出来能力的就是「软件定义汽车」的能力，而这个能力得以施展的基础就是特斯拉先进的电子电气架构设计。

首先，Model 3 的制动系统采用的是（博世）ibooster 制动机构，其电控软件是特斯拉自己开发的，可以通过 OTA 升级，实现对刹车踏板特性的调节。

这次升级就是通过调整刹车响应曲线来实现整个刹车过程中的制动力最优化的分配，从而减少刹车距离的。


上面的过程说起来很简单，但是却是目前大多数车厂完全无法实现的，其原因就是现有车辆的电子电气架构还是传统的分布式电子电气架构。


我们从下面这张著名的博世电子电气架构演化图可以看出：

当前大多数的汽车还处在从分布式的 Modular 阶段向初步集成的 Integration 阶段升级的过程中，少数先进的 OEM 则在新兴的比如智能座舱、智能驾驶等等需求的驱动下，开始了分功能域的 Centralization 阶段的尝试。

比如广汽、上汽、小鹏等等，而特斯拉则已经实现了基于区域融合的多个功能域控制器融合的 Fusion 阶段，甚至有进一步整合成为 Vehicle Computer（FSD）的趋势。

这样领先的电子电气架构设计，才能够让 OTA 升级功能渗透到刹车控制器上，实现对最底层执行件软件深度优化。

一方面，这需要整车上的 TBox 网关具备高速安全的外网连接能力与数据传输能力。

另一方面，也需要车辆内部具备高速可靠的总线连接，让网关下载的内容能够下发到最底层的执行件电子单元上面。

最后，还需要 OEM 具备强大软件开发能力，能够开发最底层执行件的控制软件，才能够真正实现用软件来定义汽车功能或者性能。


除了博世提出的上述软件架构演化路径以外，其他的先进 OEM 与 Tier1 也提出了各自对于新的电子电气架构的设计思路。


例如宝马就提出了一个基于分层的架构设计理念：

从底向上分别从传感器、执行件层，到标准通用的 ECU 层，再到功能集成的域控制器层，最后到集中式的中央计算平台层。

这是一个基于车内高速通信服务的功能逐步抽象聚类的设计思

编者按：《郭继舜带你读汽车科技》旨在从第一性原理出发，尝试拨开迷雾，解读热点背后的汽车科技真相。

本栏目由智能驾驶专家郭继舜博士与汽车之心联合出品，内容独家授权汽车之心发布。

今天我们聊聊基于 5G-V2X 的路端建设。

我们讲过一期 5G 车路协同的解读（《为什么实现车路协同比造一辆特斯拉还难？》），后来读者群里（P.S.添加微信号 autobit101 加入读者群）有小伙伴留言想要了解基于 5G 通信的车联网场景技术落地的相关内容。

今天的音频向大家分享下我个人在这方面的理解。

因为 5G 和车路协同现阶段都是热门技术，发展很快，相关技术标准还没有成熟，我们现阶段也暂时是基于 5G 民用通讯网络的实验网进行相关的车载测试，如果有部分信息不够专业和准确，还请大家多多指正。

基于 5G 的车联网场景主要可概括为两大类：网联和智驾。

网联场景可以概述为以人为中心的车载互联系统，即依托 5G 网络，车辆将集成智能家居、语音识别、人脸识别、互联娱乐、网上购物等功能，使车辆成为家和办公室以外的第三空间。

网联场景的实现主要依赖于 T-BOX，在未来一到两年的时间里，可逐步用 5G T-BOX 替代现有的 4G T-BOX 来实现应用落地。

今年下半年 5G T-BOX 产品将陆续量产，今明两年，国内外主要 OEM 都计划推出 5G 的网联车辆，相信很快 5G T-BOX 将成为新车标配。

随着 5G 相关技术的提升，AR/VR、4K 视频等技术的逐步引入，网联场景也将逐步得到更加丰富的展现。

5G 车联网在网联场景的应用属于性能的提升，并不是大的功能的变化，落地应用路线明确，也相对简单。然后，咱们重点聊聊 5G 车联网在智驾场景的落地应用。

智驾场景可以概述为以车为中心的智能驾驶系统，即依托 5G 车联网，将单车智能升级为车路协同的多车智能。




我们在之前的音频中已经简单介绍过，车联网主要包括 V2V、V2I、V2N 以及 V2P 等四类。

V2V 方案的实现主要依赖于车载通讯设备，如 OBU、V-BOX 等产品。

由于 5G NR V2X 的相关标准 R16 尚未发布，适用于 5G 的 OBU/V-BOX 等车规级产品还没有量产。

R16 标准按计划今年发布，标准发布半年后，相关芯片、模组及终端产品将会陆续量产，预计明年下半年将开始车端的量产搭载。
V2P 方案的实现依赖于人们携带的移动穿戴设备，但也可通过 V2I 的方案间接实现。

我听到的一个好消息是，华为计划在下一代的手机用麒麟芯片中加入 V2P 模块，如果我们使用华为手机，就可以选择将自己的地理位置信息去隐私化后上传到云端，实时提醒我们周边的车辆注意行人。

这将很好地避免夜间或者处在视觉盲区的车辆对我们造成人身伤害。

V2I 和 V2N 方案是实现车路协同的核心，也是车联网基础设施的主体。

其中「I」为 Infrastructure，指路侧基础设施，包括通讯设备、感知设备、计算设备等；

「N」为 Network，指车联网云平台，包括边缘云、核心云等。车路协同主要涉及三个端口：车端、路端和云端，车端主要依赖 OBU/V-BOX。

下面我将重点分析路端和云端的建设。

路端设备主要包括：

1）路侧通讯设备，也就是 RSU，主要实现 V2I 通讯，将结构化的路侧数据通过无线通讯方式广播出来；
2）感知设备，包括摄像头、毫米波雷达、激光雷达等，主要用于道路环境的检测，包括道路信息、车辆、行人等，多传感器的融合可以弥补各自的感知缺陷；
3）路侧计算单元，如华为的边缘小站等产品，主要用于感知数据处理、融合等，将原始数据处理为标准的

编者按：《郭继舜带你读汽车科技》旨在从第一性原理出发，尝试拨开迷雾，解读热点背后的汽车科技真相。

本栏目由智能驾驶专家郭继舜博士与汽车之心联合出品，内容独家授权汽车之心发布。


今天，我们聊聊滴滴的自动驾驶公司，顺便讲讲 L4 自动驾驶平台车的技术。


根据《晚点 LatePost》独家消息，滴滴旗下自动驾驶公司获得软银愿景基金（Vision Fund）二期领投的 5 亿美元融资。

这是滴滴自动驾驶业务独立拆分后的首轮融资，也是国内自动驾驶公司获得的单笔最大融资。

大家都知道，愿景基金一期的 1030 亿美元，因为投资了 Uber、滴滴、ARM 等著名科技公司名声大噪，但也因为投资 WeWork 等共享经济公司运营不利、上市失败而血亏。

愿景基金二期有 1080 亿美元的投资规模，但据了解，其中有将近 400 亿美元是软银集团出资，可以说，第二期孙正义投的是自己公司的真金白银。

以如此高的效率投资滴滴的自动驾驶公司，足见孙正义对这家公司及其商业模式的看好。

其实在此之前，因为工作和技术的交流，我们接触滴滴的自动驾驶团队有一年多时间了。

在这段时间里，关于滴滴 L4 自动驾驶的新闻很少，但是能清楚地感受到他们默默地飞速地积累技术能力和团队的厚度。




就我所知，滴滴自动驾驶公司马上还有更大的好消息，大家拭目以待。


今天的一开始，我们先要聊聊 L4 自动驾驶的商业模式。也许这是各位非常了解的内容了，但为了保持音频逻辑的连续性，还是允许我简要介绍一下。

之前我们提到过，L0-L3 智能驾驶的功能大都限制在高速公路上，到了 L4 以上，扩展到了城市道路，而且不需要人类驾驶员坐在驾驶位接管车辆了。

我们把 L4 做这样的总结：

1. 因为城市道路的交通环境非常复杂，自动驾驶汽车上需要安装高线数激光雷达，32 线保底，一般是 40 线、64 线甚至 128 线，十多个摄像头对车周身 360 度视角全覆盖等才能够满足感知的要求，同时对硬件系统的算力需求也很大，一般在 80-100Tops。

所以车辆的硬件成本飙升，现阶段改装一台 L4 自动驾驶汽车的成本在 10 万到 12 万美元左右，再加上车辆本身的成本，所以 L4 的单车成本还是很高的；

2. 车内不需要驾驶员了，车辆有足够的智能将乘客安全地从 A 点送到 B 点，正常情况下，全程不需要人类接管；

3. 配合城市道路的高精度地图，加上新能源汽车相对密集的充电站，基本可以实现 24 小时免人工保养。

综合以上特点：昂贵，绝大多数情况不需要人驾驶，全自动保养。人们就想出了一种全新的商业模式——Robotaxi，即自动驾驶出租车。

L4 之前的乘用车主要是卖给个人用户的，在大多数场景人开，少数高速场景车辆自己开，从而一定程度减缓人们的驾驶疲劳感。

但据统计，我们购买的个人汽车，每天有 90% 的时间是停在停车场的，只有 10% 的时间是行驶在路上。

L4 自动驾驶汽车，由于初期硬件成本较贵，个人用户购买的热情可能不高，更有可能是由滴滴这样的 B 方购买，通过高度自动化的自动驾驶出租车运营，快速赚钱收回高昂的硬件成本。

所以，L4 以上智能驾驶汽车的商业模式出现了转变，从把车辆卖给个人消费者变成共享化运营。

这样的商业化模式，能赚到钱吗？市场前景还是很可观的。

我从滴滴了解到，现阶段咱们打滴滴付出的费用中，有至少 60% 是直接付给了司机的，另外还有 5%-10% 是通过奖励或者红包方式补贴司机的。

这就意味着，我们的打车出行费用中，70% 左右是即时支

我把这次试乘的感受试着向大家总结一下：

1. 路感异常平顺，加速减速都很稳健，红绿灯路口没有出现急刹，启停颇有点老司机的意思；
2. 在展现识别算法高层语义信息的显示屏上，我看到，所有的车辆和行人，不光做了识别分类，给出了 3D 的 Bounding Box，还预测了每辆汽车和行人的路径；
3. 我们路试的时间是下午 4、5 点，阳光的斜射已经非常明显了，可能是多个角度的摄像头的原因，感觉阳光斜射对自动驾驶的影响不大；
4. 全程大概 30 分钟的时间，绕着耶路撒冷城区转了一圈，遇到非常多异常工况，但没有一次接管，而且在一个进入下穿隧道的场景，车辆还猛然加速，感觉很像是一个对道路非常熟悉的老朋友开车载你去机场赶飞机。安全员告诉我，这一段是故意设定的，就是为了显示一下 Mobileye 的技术能力。

坐在快速行驶的自动驾驶汽车上，看着路边拿着圣经，带着黑色礼帽赶去哭墙朝圣的行人，前沿的科技和古老的圣城，在夕阳下的金色庙宇，那种感觉真的很奇妙。

编者按：《郭继舜带你读汽车科技》旨在从第一性原理出发，尝试拨开迷雾，解读热点背后的汽车科技真相。

本栏目由智能驾驶专家郭继舜博士与汽车之心联合出品，内容独家授权汽车之心发布。

最近身边的不少朋友在讨论，特斯拉在中国准备招聘研发人才和软件人才，这其中智能驾驶团队是非常重要的招聘目标。

今天我们就着特斯拉招聘中国本土技术团队的事情，来聊聊智能网联技术的本土化。

我先简要把这个新闻的内容向大家介绍一下，在 5 月 26 日央视新闻的校园招聘直播活动上，特斯拉对外事务副总裁陶琳表示：

包括 Autopilot（自动辅助驾驶系统）团队在内，特斯拉需要很多本土化研发和软件人才，研发更多贴近中国本土消费者需要的功能，以及车上的应用。

特斯拉中国可能会增加其自动驾驶研发人数，为中国市场单独成立一组自动驾驶团队，来满足中国的道路场景、法规政策要求。

今年年初，特斯拉上海的超级工厂正式投产，仅仅半年左右，特斯拉中国区又推出新战略，招聘本土化研发团队，真的是有全面开拓中国市场的架势。

我向一位在特斯拉负责招聘的朋友了解了更加确切的情况：

特斯拉确实是计划壮大中国本土的技术团队，一开始团队规模小幅扩张，主要是应对智能驾驶、车联网等技术的本土化工作，后续不排除把更多的研发工作交给中国技术团队的可能性，特斯拉的中国技术团队在未来很可能成为特斯拉技术突破的新引擎。

回到我们今天讨论的智能网联技术本土化问题。

每个不同的国家和地区，语言文字，法律法规，文化习俗不同，导致用车习惯、人机交互界面、智能驾驶系统有非常大的不同，汽车技术的本土化是我们在扩展国际化市场必然要面对的问题。

以往本土化的常规操作，包括更换前后保（前后保险杠）造型、加长轴距、两厢改三厢等等，特别是欧美 OEM 为了符合中国市场的审美倾向，往往会专门推出轴距加长版，奥迪 A4L、A8L、凯迪拉克 ATS-L 等。

在性能优化上，比如应对俄罗斯市场对于低附着路面的底盘性能优化车型，应对中东市场砂石路面的高强度版等。

随着智能网联技术的搭载量产，车载娱乐和智能驾驶成为本土化工作量的大头。

一方面，新闻中的特斯拉，还有奥迪、宝马等国际 OEM 都在开发面向中国的本土化车型；另一方面，自主品牌也积极拓展海外市场。

在我个人的研发经历里，我觉得东南亚、非洲、俄罗斯甚至是欧洲的本土化适配都还好，但是设计研发美规的车，真的是异常痛苦。

可能是为了保护美国本土汽车业的发展，美规车辆的要求比较独特和严格，对于胎压监测、防抱死系统、车身稳定系统等安全配置强制性要求安装都算是简单的（还有比这更难的）。

我举个例子大家就明白了。

我们曾经为了设计完全符合美规的油箱，在国内寻找过十几家供应商也没有找到可以适配的，最后还是选了一家美国供应商。所以看看美国满大街跑的思域、普锐斯，丰田本田的研发体系真的是值得我们国内车企好好学习的。

我们先讲讲车载娱乐系统的本土化有哪些工作要做，其实 AVN 或者 AVNT 的硬件基本上是可以迁移使用的，但是软件系统的改动量就比较大了。

总结有一下三点：

1. 语言文字的翻译工作；
2. 车载系统所使用的 APP、导航地图数据等需要根据不同国家做适配；
3. 一些文化习惯的系统性适配。

第三点我还是专门说一下，比如有些阿拉伯国家，车机的操作交互习惯和我们稍有不同，这个因为牵涉到修改系