华为投资巨大的阳澄半岛自动驾驶测试基地

发表于 昨天 18:49

　最近，笔者看到网上曝光华为投资巨大的阳澄半岛自动驾驶测试基地，包括14个系统实验室、103个道路静态元素、直径300米的动态操控广场、3000个典型交通事故场景等做基本测试。

　　笔者认为，华为可通过该基地在封闭道路走通“单车智能+车路协同”复合技术路线，从而快速获得更多更全更好的数据和迭代算法，最终向市场推出城市开放道路单车智能的L4自动驾驶汽车。但要说清楚这个问题，还得从目前自动驾驶汽车现状、瓶颈和赛道说起！

　　L4级自动驾驶的四大门槛

　　汽车自动驾驶按照“自动化”程度不同，分为L0到L5这六个级别。L0?—L3都是由人来决策，L4高度自动驾驶和L5完全自动驾驶，全部操作都由自动驾驶系统来做出，区别在于L4只能在特定环境里实现，L5则是所有场景下都能实现。目前，L4级自动驾驶有四大门槛：

　　第一，算力门槛——200TOPS以上。自动驾驶车辆要有高性能的智能计算平台，这相当于车辆的“大脑”，其中最重要的硬件是提供算力支撑的AI芯片。AI芯片算力的基本单位是TOPS，代表每秒做一万亿次运算。自动驾驶等级每增加一级，需要的芯片算力就要增长10倍。L2级别的自动驾驶需要2TOPS的算力，L3级别需要20TOPS，L4级别需要200TOPS，L5级别的要求超过2000TOPS。L4级自动驾驶需要的AI计算能力相当于20台苹果电脑，L5级别相当于200台苹果。

　　市场上高级别自动驾驶芯片的主要玩家是英伟达和高通。英伟达在2019年底就推出了200TOPS级别的芯片，已经提供给各个车厂。高通也推出了支持L4级别的自动驾驶芯片。目前，算力条件已经基本具备了。

　　第二，算法门槛——平均接管里程超过人类驾驶员平均水平20万英里。只有自动驾驶汽车比人类驾驶更安全，大家才可能放心让它驾驶。统计表明，人类驾驶员出现一次非致命性碰撞的平均时间就是20万英里。也就是说，自动驾驶汽车的年度平均接管里程（MPI）达到20万英里，相当于人类驾驶员的平均水平。这也是自动驾驶汽车的门槛！

　　今年2月10日，美国加州交通管理局发布2021年全年自动驾驶数据。以自动驾驶核心衡量指标之一“年度平均接管里程（MPI）”计算，前十名中，5家中国公司，5家美国公司。排名前五名的公司分别是AutoX安途（中国）、Cruise（美国）、Didi滴滴（中国）、Argo（美国）、WeRide文远知行（中国）。

　　从平均接管里程来看，2020年头部厂商接管平均里程是2万英里，2021年平均接管里程是4万至5万英里，头部厂商的进展基本上是一年翻一番。按这个进展速度估算，从5万到20万英里，还需要翻两番，也就是2至3年的时间。

　　因此，业内预测，2至3年后，L4级别的高度自动驾驶就能基本实现。而要实现L5级别的完全自动驾驶，大概要到2030年，原因是越往后，精准和概率提升越难。

　　第三，数据门槛——170亿公里里程数据。据美国兰德智库估算，采用单车智能技术，需要累计170亿公里（约110亿英里）以上的测试数据，才能够实现自动驾驶系统的量产。

　　第四，硬件门槛——车辆硬件要达标。除了计算平台，车辆自身的控制系统等硬件方面也要达标。可以先做出L4级别的硬件，不一定要开启自动驾驶的功能，但可以用这个车辆进行数据搜集、训练和测试。自动驾驶有了应用条件，车辆则可以通过在线软件升级，实现真正自动驾驶的功能。

　　目前车厂在做的，就是把达到标准的车辆硬件，先投入市场。在这一点上，2022年是非常关键的一年。几家国产车厂，蔚来、理想、小鹏、上汽，都计划在2022年进行L4级别车辆的“定点”，也就是确定硬件配置，确定供应商，计划投产。到2024年，量产的L4车型会大量投入市场。

　　三条自动驾驶技术路线和和技术瓶颈

　　目前，自动驾驶分单车智能和车路协同两类不同的技术路线，本质上都是人工智能的竞争。

　　由于人工智能有三大核心要素：数据、算法、算力。因此，汽车自动驾驶的竞争也是数据、算法、算力的综合竞争。在目前算力和算法没有质的区别的情况下，更主要就是数据的竞争。

　　大数据的关键不在“大”，而在数据的精度、维度和适时性。总的来说，数据精度越高越好，维度越多越好，适时性越强越好。尤其是，多维数据可交叉验证，明显好过单一维度的数据。

　　因此，根据数据维度和技术侧重点的不同，目前自动驾驶具体可分为三条技术路线：

　　一是单车智能视觉路线。以特斯拉为代表的纯视觉派，只有单一视觉维度的数据，这种大数据是有问题的，大数据质量最差，需要更强大的算力来弥补。由此可见，特斯拉突破的关键看算法。

　　特立独行的特斯拉自动驾驶算法总监卡帕蒂（李飞飞弟子）认为，既然人可以靠眼睛来开车，机器也没有理由做不到，甚至没有理由不这样做，激光雷达尽管“确实是（自动驾驶）捷径”，但特斯拉就像最优秀的解题人，只愿意解答计算机视觉这道“终极问题”。

　　当然，一旦视觉路线突破，应用前景将无比广泛，特别是军事应用，将对智能化战争产生决定性影响。

　　可问题的关键在于，虽然人类能制造出单一决策能力比人脑更强大的电脑（谷哥围棋Alphago），但是，目前人类还造不出复杂决策能力比人脑更强大的电脑。这也是特斯拉自动驾驶汽车发生事故的真正原因。

　　二是单车智能激光路线。以谷歌为代表的“激光雷达+高精地图”派，有视觉维度、激光雷达维度、毫米波雷达三个维度的数据，激光雷达数据质量高适时性好，大数据的精度、维度和适时性都比特斯拉好。由此可见，谷歌突破的关键看激光雷达。

　　谷歌旗下Waymo在自动驾驶里程数据的积累上，采取真实路测数据和仿真测试数据两条腿走路。

　　在真实路测数据上，不仅它的自动驾驶车队规模全球第一达到693辆，2021年度测试里程达到232.5万英里，而且累计测试总里程2000万英里，遥遥领先于其他竞争对手。但是，加州发布的年度平均接管里程排名第八，只有7965英里。

　　在仿真测试数据上，早在2017年谷歌就开发了Carcraft自动驾驶仿真系统，每天有25000台虚拟汽车在跑、测试800万英里，目前已完成150亿英里的自动驾驶仿真测试。

　　谷歌150亿英里的自动驾驶仿真测试，这是全球第一家超过110亿英里里程数据的临界点的公司！可能意味着谷歌大数据喂养的自动驾驶算法已跨过安全门槛，谷歌自动驾驶汽车进入快速成熟期，其平均接管里程会快速超过人类驾驶员平均水平20万英里！但是， 谷歌的瓶颈可能在激光雷达的成本上。

　　三是车路协同路线。既有车上多维度的数据，也有路上各类传感器上的多维度数据，大数据质量是最全最好的。因而，车路协同路线也是最安全、技术门槛较低、社会总成本最低的。由此可见，突破的关键看路的智能。

　　笔者认为，华为有最好的5G技术优势和海思芯片能力，又有自动驾驶测试基地，还有在此基础上形成的自动驾驶仿真系统。因此，估计华为走的是“单车智能激光+车路协同”复合技术路线快车道。华为突破的关键看算法迭代——用“路的智能”优化“车的智能”。

　　华为汽车自动驾驶测试基地背后的战略意义

　　华为的研发能力为什么强？让我们来看华为数字化转型的两个成功实践。

　　一个是手机跌落仿真系统。研发手机要做跌落试验，刚开始华为用的是机械手，由机械手拿着手机一次次真实地跌落，效率很低，成本也很高。后来，华为人把它拆分了11个维度和3000多个测试用例，用计算机仿真跌落行为。现在，只要8个小时就能得出所有跌落的仿真结果， 省时省力还省钱。

　　另一个是5G毫米波仿真系统。5G毫米波技术，华为刚开始是和国外的一所大学合作的。当时这所大学是全球研究毫米波技术最领先的，它有一个得天独厚的优势就是所在城市的建筑群复杂，信号的反射、折射、吸收、穿透，各种场景都能测试到，特别适合模拟5G信号在真实场景下的应用。后来，华为研发了5G毫米波仿真测试平台，并且对它持续建模和优化。现在，华为的仿真系统完全不需要真实的城市环境，只需依靠云计算、超算中心，就能把复杂的城市环境，直接模拟出高清的3D地图。这样，就极大地加快了研发进程。正是该仿真系统，让华为在5G毫米波研究上也领先世界。

　　从上面两个成功实践中可以看出，华为建立仿真测试系统分三步，华为自动驾驶测试基地也可能会这样。

　　第一步，通过14个系统实验室、103个道路静态元素、直径300米的动态操控广场、3000个典型交通事故场景的实际驾驶，快速获得各种真实驾驶情景下的原始大数据。

　　第二步，用这些原始大数据通过深度学习喂养出算法——建立初始的自动驾驶仿真系统。

　　第三步，持续建模和优化，最终形成实用管用的自动驾驶仿真系统。

　　目前，华为的自动驾驶仿真测试系统，每天测试里程已超过 500 万公里。去年华为实现了1000公里无干预自动驾驶，实力超越特斯拉！计算平台算力已实现400TOPS。华为96线车规级的激光雷达每套只需200美元，计划两年内做到100美元以下。

　　此外，2020年4月22日，阿里巴巴达摩院对外发布了全球首个自动驾驶“混合式仿真测试平台”。可实现：30秒模拟一次极端场景，每天可测试800万公里。

　　笔者认为，华为自动驾驶技术算法、算力、数据综合实力最强，有可能后来居上。特别是目前已突破激光雷达成本、AI算力等关键难点，最有希望在自动驾驶汽车赛道上胜出的！

　　但是，最终谁能胜出就看谁率先突破一个关键指标：平均接管里程超过人类驾驶员平均水平20万英里！就看到底是谷歌激光雷达降低成本快？还是华为用“路的智能”优化“车的智能”快？