騰訊自動駕駛總經理蘇奎峰:軟體與服務是騰訊自動駕駛業務的核心...

雷鋒網·新智駕按：10 月 26 日 至 27 日，2019 第二屆全球智能駕駛峰會暨長三角 G60 科創走廊智能駕駛產業峰會在蘇州高鐵新城正式舉行。峰會主要聚焦「自動駕駛的量產時代、單車智能和車路協同的共演之路、新型的車內交互探索」三大主題，數十位來自高校、主機廠、Tier 1、科技公司的嘉賓與與會者共同探討了智能駕駛的未來發展方向。

本次峰會由蘇州市相城區人民政府主辦，蘇州高鐵新城管理委員會、雷鋒網(公眾號：雷鋒網(公眾號：雷鋒網))·新智駕承辦，江蘇省智能網聯汽車產業創新聯盟、江蘇省人工智慧學會智能駕駛技術專業委員會、清華大學蘇州汽車研究院、中國移動通信集團等單位協辦。

騰訊自動駕駛總經理蘇奎峰詳解了騰訊的自動駕駛規劃、進展與願景，雷鋒網·新智駕對其演講進行了不改變原意的編輯，以下為全文：

各位領導，各位嘉賓，上午好。在這個產業階段，技術逐步迭代成熟，產業逐步發展延續，我們應該看到技術和現實需求的差距。很多量產車上，腳的問題已經解決了，為了釋放雙手，正在解決 L2.5 和 L3 的落地問題。

產業發展持續給用戶帶來價值，這需要從技術層面和需求層面兩個維度看。現在很多技術雖然在快速迭代，但是離我們的理想需求還有一定差距。我們在考慮當下技術條件的時候，要去看應用場景，哪些更適合落地，就更關注哪些點。騰訊做自動駕駛，是想更多助力這個產業，給產業提供更大的幫助。

總結起來，自動駕駛大概分幾個落地場景，一個是乘用車自動駕駛，一個是礦山、港口、物流等特定應用場景，未來最大的也許是無人駕駛計程車，Waymo 以及國內很多公司都在做這樣的場景測試和驗證。

我今天想說的是，對廣大普通用戶來說，自動駕駛真正有價值的路徑是什麼、我們能提供哪些支持。

一個公司在提供支持、產品的時候，首先要看用戶需求是什麼？這裡有兩個圖片，我拿我自己的情況去看：上下班的時候，北京交通狀況比較糟，開車上班，通常情況下從 5 分鐘上到高速或快速路，到有三五分鐘就快到公司的時候，中間可能有 40 分鐘、一個小時的時間是在快速擁堵路上緩慢前行；節假日長途旅行，自己要在高速上開車。

對於當下的普通用戶來說，這兩個是比較高頻的場景，相對無人駕駛計程車來說，高速駕駛場景也簡單很多。這兩個場景分別有各自的痛點，長途駕駛非常勞累，城市交通擁堵讓人產生焦躁，兩個加起來，從乘用車角度來說，能夠滿足 80% 的需求。我們就重點去看這兩個場景需求到底在哪。

HWP 和 TJP 功能

在速度上，國內限速是 0-120 km/h，道路環境基本上是高速和快速路。在這種場景界定下，我們想實現這樣的功能，可以做 TJP、HWP 這種功能，縱向和測向跟車，包括上下匝道，遇到一些特殊路況，可以採用人工變道，或者人工觸發變道模式。

騰訊為了實現這些功能做了哪些工作呢？

首先，我們很明確，不做硬體，不做傳感器，更多在軟體和服務層面為產業提供助力，基於這些，我們提供三個基礎平臺支撐：開發和運營的雲平臺、模擬仿真平臺、高精度地圖。騰訊在遊戲方面有很多技術優勢，我們可以利用這些優勢做仿真測試驗證；我們也有高精地圖資質，也做自動駕駛，對自動駕駛的需求有充分的認識和理解，能夠提供自動駕駛所需要的高精地圖。

同時，我們也在做感知、決策、規劃、定位等核心算法，可以以模塊化的形式提供支撐。

所有設計都一定要考慮到功能安全。在系統安全層面，騰訊有專門的信息安全科研實驗室。尤其在未來自動駕駛落地的時候，車要聯網，要 OTA，信息安全是非常重要的一環，一旦信息安全出現漏洞，車輛很容易被遠程操控，會對人和社會產生極大的危害。騰訊信息安全科研實驗室多年來一直專注於這個領域，我們願意和所有產業相關單位進行更深層合作。

我們把自動駕駛定義為以雲平臺、模擬仿真和高精度地圖為最基礎支撐的平臺，支撐車端算法開發、信息安全開發。

雲平臺

自動駕駛是基於 AI 技術背景由數據驅動開發的鏈路，數據伴隨著整個發展過程，甚至整個車輛的生命周期。以特斯拉為例，它在運行的時候回傳數據，進行算法迭代和升級，即便是數據在用戶手裡，依然可以迭代使用。所以，要建立自動駕駛研發閉環體系，系統安全對於自動駕駛產品迭代、技術演進、功能升級都至關重要。

我們在這裡面投入了大量精力，基於這樣的平臺，我們可以做軟體開環、硬體開環系統測試驗證，同時還可以做一些交通場景閉環驗證，也可以做傳感器模型以及其它環境模型驗證。當然，這些數據也可以用於機器學習算法訓練。

自動駕駛模擬仿真系統

騰訊有強大的遊戲技術基礎，我們不光可以去做一些使大家感到高興和愉悅的遊戲，同時也可以把相應技術應用到模擬仿真裡面。

仿真分兩個板塊：一個是本地版和單機版，可以編輯場景，做各種測試驗證；一個是雲端版，有場景仿真和虛擬城市仿真。所謂的場景仿真積累了大量測試用力，可以進行並行加速，同時可以部署幾百、上千、上萬、幾十萬甚至上百萬的測試用率，可以在更短時間內利用雲端技術，把測試結果跑出來，極大提高研發速度。

對於虛擬城市，我們有兩個維度，一個在真正的城市環境下構建，可以實現城市級的仿真；另外，我們有全國高速和快速路的高精地圖，可以支持你在全國高速、快速路上進行仿真、測試和驗證。

在產品真正上市的時候，可以在真實高速公路上、模擬仿真環境裡去測試。我們不光提供基本環境，還提供隨即的交通流仿真，核心是利用概率方法和隨機方法產生交通流，把現實中沒有遇到過的場景逐步積累下來。這些都必須通過大量的技術驅動形式來實現。

對於 TADsim 核心功能，這裡有幾個小視頻，第一個是交通流，它本身不單純是編輯問題，傳統方法可以編輯一些測試用力，但是和真實道路環境有很大差異。我們會拿真實數據去訓練，產生的交通流模型，一定和真實道路模型是一致的。

不同區域的駕駛員行為差異很大。我們有全國高速數據，可以生成仿真環境，可以利用強大的遊戲引擎，實現傳感器仿真。

光照模擬和天氣模擬是相對比較容易的事情。虛擬傳感器驗證方面，我們主要做 L2.5-L3，L4 正在迭代中。

傳感器是逐漸增加和變化的，現在雖然採集了很多數據和場景，有可能升級的時候還要增加新的傳感器，原來的數據可能就浪費了，如果你沒有這樣的數據，我們會在原來 L2.5 配置的傳感器基礎之上再給你模擬 L3 需要的傳感器數據，這樣可以利用仿真和現實數據融合，再產生新的數據，以便於你將來從 L2.5 升級到 L3。

高精度地圖

我們的高精度地圖還在研發、測試層面，實際用的時候，我們需要打通雲端和車端。雲端不單純是高精度地圖本身的更新，還需要實時交通流、動態交通事故等信息來幫助決策。在這方面，除了自動駕駛，騰訊生態裡面有大量實時數據回饋，可以融合在一起做支撐。

對於車端來講，有地圖數據、數據管理，同時也需要有相應的定位算法，另外我們還會有符合車規標準的 EHP 來支撐地圖。

在整個解決方案層面，L2.5、 L3 做的傳感器配置沒有本質性區別。我們的特點是和合作夥伴把 IMU 等傳感器集成到 ECU 裡面，實現定位核心算法的集成，降低成本，同時把耦合強大的定位算法提供給合作夥伴。

騰訊車聯生態

在車聯生態方面，我們要提供千人千面的服務，用智能算法和用戶的一些信息數據，進行千人千面的推送，全時互聯。

在開發者生態上，騰訊不太強調封閉的模式，我們更希望和大家一起為用戶提供更多體驗，和車廠一起共建內容生態，同合作夥伴一起為用戶提供更多內容和生態服務。

在解放雙手、擁抱未來的時候，我們更願意把您的生活、服務、娛樂帶到更高一個層面上，而不是局限於雙手和雙腳解放出來，卻沒有事情去做。讓你享受更美好的生活，才能擁抱更美好的未來，謝謝大家。

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。