解读 Mobileye 的 RSS 模型，对自动驾驶有什么意义？
一提到 Mobileye，大多数人的第一反应是基于视觉方案的 ADAS 以及自动驾驶方案的芯片及算法供应商。 在被 Intel 收购之后，双方的联盟也成为了自动驾驶领域的一大阵营。 事实上，除了视觉相关的技术之外，Mobileye 还希望通过别的一些手段来使得自动驾驶能够更加安全、快速落地。他们开发了一套叫做 RSS（Responsibility Sensitive Safety 责任敏感安全模型）的体系，希望通过建立数学公式的手段，来使得自动驾驶汽车有能力判断自身的安全状态，从而尽可能避免事故的发生。 在 IEEE 智能车大会上，GeekCar 和英特尔无人驾驶解决方案首席工程师兼首席系统架构师 Jack Weast 聊了聊，从他那里，我也知道了 Intel 以及 Mobileye 对于 RSS 模型的一些详细信息。 什么是 RSS 模型？ 要搞清楚 RSS 模型有什么用，首先得明白它是什么。 从本质上来看，RSS 模型是一整套数学公式，将人类对于安全驾驶的理念和概念转化成为数学公式和计算方式，用来界定什么样的驾驶行为才是安全的驾驶。 Jack Weast 告诉我，他们认为人类的驾驶虽然有很多问题，但潜意识里对安全有很强的意识。例如开车时候要和前车保持安全距离、并线的时候要留出足够的空档、有人加塞的时候要减速等等。这样的安全意识是人类的本能并且非常有效，基本上可以保障各种驾驶情况下的安全性。 因此，RSS 模型希望把这样的本能变化成一套严谨的公式算法，来指导 AI 的决策算法在特定场景下做出合理安全的判断。 在定义 RSS 模型的时候，有两个原则必须要遵守： 1. 自动驾驶汽车绝对不可以因为自身的原因引发碰撞或者事故； 2. 当别的车辆造成潜在风险、并且可能会产生交通事故的时候，自动驾驶汽车应采取怎样恰当的应对方式，来避免可能发生的交通事故。 在实际建立模型的时候，RSS 模型通过四条形式化的规则，来确保车辆在自动驾驶状态下能够保证安全以及避免成为制造车祸的一方： 1. 和前车保持安全距离； 2. 给侧边的人或车留下足够的反应时间和空间； 3. 在堵车的时候更谨慎； 4. 要合理使用路权（路权的使用应优先考虑安全）。 在不久前，Mobileye 发布的一份官方报告中，他们例举了 37 种可能发生事故的场景，包括了车辆并行状态的安全间距、安全并线的间距、避免追尾的最小安全距离、路边有行人闯入机动车道时的安全车速等等。 从官方给出的数据来看，这 37 种状况基本覆盖了 99.4%的车祸可能性，也说明 RSS 模型目前已经达到了一个相当健全可用的状态。当然，RSS 模型肯定还没有覆盖所有意外的可能性，还需要 Intel 以及 Mobileye 不断去完善。 以下是部分官方列举的场景： RSS 模型的意义在哪？ 要搞清楚这个问题，首先得明白 RSS 模型和自动驾驶系统的关系。 从一般认知来看，自动驾驶可以分为感知——决策——执行三个步骤。其中感知主要依靠包括车身传感器、高精地图等部分来实现；在决策层面，更多是依赖一套经过 AI 训练的算法来判断当前状况下，车辆应该做出什么反应；最后通过包括控制转向、刹车、加速等各种动作的车身电子部件实现对应操作。 而 Mobileye 在创建 RSS 模型的时候，则是把 RSS 定位在决策之后、执行之前。 Jack Weast 告诉我，RSS 模型本质是一套科学的算法，是在车辆本身通过 AI 算法做出判断之后，把这个指令输入到 RSS 的模型中，来验证对应的结果。用他的话来说，RSS 模型就是决策算法的「 安全封条」。 比如说，如果决策算法在某个状态下做出了刹车的判断，那么这个判断就会输入到 RSS 模型中，得出刹车操作是否能在当前状况下保证车辆的安全。 如果结果显示安全，那么这个命令会直接执行；如果结果显示有危险，那么 RSS 模型会把这个指令返回到决策算法，进行二次决策直到得到最安全的结果。 用下面这张图简单说明 RSS 模型和决策算法以及执行的关系： 由于决策算法是通过不断学习各种状况，来使得算法能够判断出各种场景下做出对应的决策，本质上还是一个概率学的问题。因此，人工智能算法还不能 100%保证做出决策的安全，特别是随着路况、车辆性能、传感器配置等各种外界因素的影响，现阶段下很容易做出不够正确的判断。 另外， Jack Weast 在演讲中还谈到过这样的数据，目前人类驾驶的事故概率是 10^-6 ，无人驾驶要达到 10^-9 的事故率，也就是目前航空业的安全水平才会被外界所广泛认可。要实现这样的安全水准，大概需要 30 亿英里的里程来训练算法。而目前数据量最大的谷歌累积里程也就是百万级，远远达不到数据量。因此，这样的方式在很大程度上限制自动驾驶的发展速度。 在这个前提下，RSS 模型的介入就有了很大意义。RSS 模型属于一个严谨的数学算法，通过控制某个特定状况下，外界包括道路限速、车速、距离、天气等等各种可能存在的变量，来计算出明确的结论，指导人工智能算法像真实人类一样进行安全判断。从官方给出的数据来看，大约只需要 10^5 量级的自动驾驶里程数据，就可以保证 RSS 模型实现 10^-9 的事故率。 从这个角度看，RSS 模型对于自动驾驶的普及有着很重大的意义。 开放是关键 在采访中，Jack … 继续阅读
车和家首次公布自动驾驶路线，这里是一些关键信息
在所有新造车企业中，车和家的风格绝对有些不太一样。不像很多热衷于召开各种阶段性发布会的友商，车和家在很长一段时间里，都显得有些过分低调。 不过随着今年下半年车和家 SUV 发布时间节点临近，他们也开始向外界透露更多的信息。 在常熟 IEEE 国际智能车大会上，我见到了车和家无人驾驶的负责人朗咸朋，也从他那里完整的了解到车和家在自动驾驶层面的规划。 事实上，这也是车和家第一次向外界全面介绍自动驾驶战略以及商用路线。 L4 级别的自动驾驶出租车 作为一家新兴的 OEM，车和家对自动驾驶的规划和很多主机厂都不同。朗咸朋告诉我，他们的目标是在 2025 年，应用 L4 技术实现自动驾驶出租车（Robo-taxi）的商业化运营。 这款车将会由车和家设计制造、产品形态上会和目前车辆不同，更像是一个「 生活座舱」。 在明年，车和家会完成这款 Robo-taxi 的产品形态定义，包括车辆外观、底层电子架构等部分都会完成。在这之后，这款车会开始小批量的测试，随着软硬件的迭代，在 2025 年达到量产级别，实现正式的无人驾驶出租车商业运营。 不久前，车和家宣布和滴滴成立合资公司，就是为了依靠滴滴的能力，其中一个目标就是要规模化的运营 Robo-taxi。 自动驾驶应用场景的逻辑 和很多针对个人用户的自动驾驶策略不同，车和家选择了一条做大规模商用的路线。 国外类似福特、日产等车企也都提出了类似的概念。Waymo 在最近也大批量的采购了 6.2 万辆克莱斯勒 Pacifica，用于测试自动驾驶出租车等场景。 这些例子都在很大程度上说明，现阶段自动驾驶在商用场景的应用比民用场景要有不小优势。 最明显的一点优势是效率，自动驾驶出租车能在很大程度上提高车辆使用效率。无论是接驳时间还是车辆使用，效率都会比有人驾驶高很多，基本上除了充电车辆都可以处在运营状态。 随之而来是成本的降低，减少了司机的成本，提高效率之后，用户的使用成本也会有很大的降低，甚至可能降到司机驾驶的一半。 另外一点，无人驾驶技术落地很大程度上会受到传感器等成本的影响。而按照目前国家规定的 60 万公里强制报废的运营里程来看，这部分成本的获得相对客观的分摊，加快落地的效率。 什么自己做？什么别人做？ 作为一家主机厂，在任何技术的研发和应用上关键都是要分清哪些是自己做，哪些找合作伙伴。 朗咸朋告诉 GeekCar，车和家 L4 团队的工作重心会集中在决策算法层面，而感知、执行等会找到合适的供应商伙伴来实现。例如车和家在加入百度阿波罗平台后，会使用百度的高精地图数据；和博世则会在底层控制器等零部件方面进行合作。 在下半年的新车上，会搭载 L2.5 级别的自动驾驶功能，具象的功能会向 Tesla 的 Autopilot 看齐。这套 L2.5 的系统是由易航智能负责提供，车和家创始人李想也是易航智能的天使投资人之一。 至于 L4 团队，则是从今年 1 月朗咸朋入职车和家之后才开始正式搭建。在这之前，他在百度负责 L3 自动驾驶相关的高精地图等软件工作。目前，车和家 L4 团队大概有 10 个人，到明年大约会扩张到 100 人左右。 朗咸朋告诉我，虽然 L4 级别的自动驾驶技术则不会应用到新车上，但这款车对于 L4 技术的意义很大，关键就在数据。L4 团队会根据车辆实际驾驶中产生的用户数据，来获取真实用户的驾驶习惯，训练决策算法。 自动驾驶落地需要大量真实数据对算法进行训练。而科技公司、互联网公司通过采购小批量车型进行数据收集，在数据量上有很大的限制。而主机厂在这个领域有天生的优势，无论是用户数据的数量和质量，都能有足够的保障。按照车和家的规划，明年通过新车能够获取大约 1000 万公里的实际用户驾驶数据，随着车辆数量的增加，这个数据量会呈现爆发式的增加，足够用来训练出一套优秀的核心决策算法。事实上，这也是朗咸朋选择加入车和家的原因之一。 当然，无论是 L4 自动驾驶技术的应用、还是之后运营无人驾驶出租车的商业目标，能够顺利落地的前提还是车和家的第一款 SUV 发布的顺利与否。接下来，车和家要面对的还是新车发布、上市、交付、销量等各个阶段的不同问题。只有把这些问题都搞定了，自动驾驶的一系列规划才有真实落地的可能。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
十年之后再次来到中国，IEEE 国际智能车大会这次聊了些什么？
6 月 27 日上午，由 IEEE 智能交通系统协会主办，中国自动化学会、常熟市人民政府、中国科学院自动化研究所、西安交通大学人工智能与机器人研究所等机构承办的第 29 届 IEEE 国际智能车大会（IEEE IV 2018）在江苏常熟开幕。大会主席王飞跃主持开幕式，IEEE 智能交通系统协会主席 Miguel Ángel Sotelo、中国自动化学会理事长郑南宁院士、中国自动化学会副理事长杨孟飞院士、交通运输部总工程师周伟、常熟市人民政府周勤第市长等出席大会。 本次 IV 大会为期 5 天，以推动全球智能汽车技术发展为目标，汇集了来自世界 34 个国家的数百所著名高校、科研院所、知名企业的近千名顶尖专家学者，围绕智能车辆技术的最新研究成果开展学术交流，展示最新产业进展，全方位推动国际智能汽车与网联驾驶学术与产业领域的交流合作。IEEE 智能交通系统协会分管行政、会议、教育、会员以及出版的诸位副主席悉数到场。 会议主题涵盖新能源汽车、特种地面车辆、智能车辆控制与安全、CAV 测试与评估、智能车辆仿真与导航等 9 大会议主题，国内外顶级专家学者将以主旨报告、现场讨论等多种形式分享当前智能车领域的最新技术动态以及未来发展前景。其中，由来自世界各地的专家学者组织的 21 个专业研讨会在 26 日率先举行，与会人员围绕智能汽车的感知、识别、辅助系统、虚拟测试、智能交通系统、人机交互等多个相关主题进行了深入的学术探讨。在本届大会期间还组织举办了了 IEEE/IFAC 区块链与知识自动化国际会议暨中国自动化学会区块链专委会成立大会、国际平行驾驶联盟成立大会（International Parallel Driving Alliance, iPDA）等一系列重要学术活动。 与大会同期举办的 IEEE IV 静态展，汇集了英特尔、伟世通、慧拓智能、车和家、美团、中云智车等数十家智能汽车及零部件企业，将智能车领域顶尖技术研究与科研成果转化有机结合，为技术理论研究方向提供产业化引导与启发。此外，6 月 30 还将在常熟·中国智能车综合技术研发与测试中心举行由 iPDA 组织、青岛慧拓智能机器有限公司承办的「 国际智能车联合道路演示」。 据了解，本届 IEEE IV 是继 2009 年在西安举办后第二次登陆中国。十年间，我国智能汽车产业从无到有，近年来规模快速扩大、产业链日趋完善、政策法规逐步确立，已成为我国汽车产业转型升级的重要突破口。阔别十年之后的 IEEE IV 再度花落中国，将进一步为拥有「 两整车、一中心」 的常熟本地乃至整个长三角地区的智能车发展增添新的活动，推动中国智能车整体发展迈上新的台阶。
专访大陆集团底盘与安全事业部系统与技术部高级副总裁：如何看待自动驾驶？
在 CES Asia 期间，GeekCar 除了对大陆展台进行参观，并且进行了深度解读之外 ，还和其余几家媒体一起，跟大陆集团底盘与安全事业部系统与技术部高级副总裁 Ralph Lauxmann 聊了聊大陆对于自动驾驶的进展和理解。 以下内容根据采访速记整理，GeekCar 进行了不改变原意的修改。 问 ：这个问题关于 V2X，请介绍一下大陆关于 V2X 技术量产的进程，以及在安全性方面的具体措施？ Ralph Lauxmann：先来谈一谈未来的量产。在这里，涉及到两类技术。一个是基于 4G 的蜂窝技术， 还有一项是 DSRC 技术。总而言之，对于中国市场来说，这两项技术都可行，而且我们随时都可以进行量产。 这里也涉及到安全协议，可以确保在发送信息的时候，以及在接收的时候进行安全验证。对于自动化驾驶来说，并不是所有的信息都能够实现交叉验证。比如说地图信息，或者是在视距以外的街角，看不到的刮擦，这样的信息无法进行交叉验证。 总之，在通讯机制上是安全的。但在信息层面，比如说收到一项信息之后，你要进行车辆的操作（比如说踩刹车），这个就会涉及到信息完整性和准确性的问题。到了 5G 时代，蜂窝技术已经可以实现很好的可靠性和时延。信息的传输也可以有这两种标准分别来进行传输。我觉得以后可以在环境模型当中，可以先对信息的准确性进行验证，再根据信息进行操作措施，比如说制动或者是加速。 问 ：这次我在展台看到了一整套电驱动的解决方案，但是其中的样品好像不具备无线充电功能，但欧洲的展品具备无线充电功能。未来怎么看待这类偏前沿的技术，对于中国消费者的接受程度和未来发展？ Ralph Lauxmann：讲到充电，我觉得现在的电驱动，可以通过标准的充电站，比如说通过有线的方式进行充电。这次我们在展台展出的就是针对有线充电的 AllCharge 技术。从技术储备的角度来说，我们也具备以及正在进行研发无线充电的技术。我们的当务之急是要对标准化的技术进行优化，确保标准的充电技术可以快速地部署，并且满足电动车在充电上的紧迫需求，这也涉及到充电的可靠性。 电动出行的需求非常大，而标准充电技术，还是有不断改善的余地。完成优化之后，无线充电就开始有用武之地了。同时讲到自动化驾驶，如果使无线充电能够发挥它的效用的话，必须确保被充电的车要能够行驶在固定的路线上，而且要准备地行驶在下方已经部署了嵌入式充电设备的路面。这就要求车辆必须要有很好的芯片技术。如果是标准的 GPS 或者是导航技术，定位是不够准确的。如果是自动化驾驶车辆的话，则更容易去部署无线充电。毕竟对于无人驾驶车来说，不可能有人去用有线的方式插上插头进行充电，这让无线充电的场景显得更加迫切。 问 ：如果要实现自动化驾驶，对系统架构设计会有很大的挑战。请具体介绍从 ADAS 到自动化驾驶，整个系统具体有哪些挑战以及如何解决？ Ralph Lauxmann：我们不妨来看看现有的电子电气架构，有超声波传感器、摄像头、雷达传感器、近距的雷达传感器以及后视摄像头，是标准体系上使用到的摄像头，都会由 ECU 来进行管理。摄像头、雷达等传感器，各自属于独立的系统并且都有对应 ECU，之后需要进行数据融合。 如果是由摄像头进行物体识别的话，其他传感器也必须通过数据采集进行交叉验证。对于物体的提前识别需要有数据交叉的验证。不管是雷达还是摄像头，都必须要有更多的数据量。这些数据汇集到 ECU，在使用多处理器架构，最终可以得到多方位的环境模型。如果传感器足够好，数据质量也会更好。当计算力足够强（比如说较强的 ECU），就可以使得环境模型更加高效。 但是要实现高可靠性、更加安全，那么比如说物体比较小的时候，必须要能及时进行判定，并且要快速地识别之后及时进行响应。公众的认可取决于系统和产品的可靠性。乘客如果感受足够好的话，认可度也会高很多。 问 ：您提到了自动化驾驶的终极目标是实现零事故。但在实现这个目标之前，也看到了很多与自动化驾驶相关的一些安全问题，比如说撞车，或者是一些事故。大陆集团对这个有什么考虑，如何进一步提高驾驶安全性，最终实现零事故的愿景？ Ralph Lauxmann：这里的关键就是环境模型必须要足够全面和丰富。眼观六路、耳听八方，所有的信息都要进行捕捉并且融合。这才能够使得车辆更好的进行反应，从而大幅度地减少事故。 事故的降低并不是一开始就能实现的，需要一定的过程。我们开始不断地增加安全成分，这个过程当然依赖于路上有更多的自动化驾驶的车。如果只有 10%～20%的自动化驾驶的车在路上跑，这和将来全部实现自动化驾驶是不一样的。所以这既是技术问题，还有道路中自动化驾驶的车辆数量的比例问题。 另外，现在道路交通上很多有人驾驶的车，防御性驾驶的成分非常高。所以自动化驾驶的车，将来如果能够和人一样进行防御性的驾驶，预见各种情况（各种可能的紧急的事件），都和自动化驾驶有关。 问 ：对于大陆底盘与安全事业部来说，未来的产品创新点将集中在哪些方面？ Ralph Lauxmann：底盘和安全并不是一个独立的领域，所有的工作都在有序推进。比如说一个技术来推动自动化驾驶的话，我们需要一系列的创新，包括乘客安全性、新的保险带的系统、座椅系统，都必须要有新的创新。 比如说在道路上，有一个洞或者坑，也是自动化驾驶不安全的因素。如果是在刹车时，有人站着、有人坐着、有人系着安全带、有的没系，造成人员的伤害也是不一样的。这些都是我们要考虑和避免的情况，我们要不断地创新。我们要有新的技术，一切的出发点都是乘客的安全，安全基础上再打造舒适性，让出行更舒适。 我们所有的产品必须呼应我们新的汽车架构，安全性放在第一位，比如说新的刹车系统必须适应新类型的车，不一定是无人驾驶的车，包括新一代汽车，都必须要有这种新的刹车装置。新车上会有一系列的新的技术创新，使得整个出行以及乘坐体验更为舒适。 问： 有些企业把无人驾驶完全看作是取代人的一种出行方式，比如说谷歌的自动化驾驶，把方向盘、刹车踏板给取消了。而有些公司，像丰田把自动化驾驶看作是一个辅助系统，为这个司机提供辅助的自动化功能，你认为是取代还是辅助？ Ralph Lauxmann：像谷歌这样的公司的确是先锋型的企业。除了这些企业之外，还有一些像丰田、宝马这样的传统车企，他们希望能够增加车辆的安全性、驾乘的安全性，所采用的是演进式方式。一方面，他们公司内部有些部门是在做革命性、颠覆性的创新。但是这些车企主要的研发工作，还是放在引入一些使得现有出行、驾乘能够更为安全的技术。针对大众出行的相关技术是传统车企的重点，他们做的就是演进性的变化。这和谷歌的思路是有些不一样的。大型的传统车企也做了革新性的产品，比如说没有方向盘的、类似谷歌的车也进行了路试，这些车需要公众更高的接受度。但他们现在的重点，还是给现有司机提供更高的安全性。 问 ：你支持革命还是演进的技术路线？ Ralph Lauxmann：我没听说过这个说法。我们跟丰田沟通的时候，他们经常说自动化驾驶是一个愿景，最终希望能够取代人。但是他们同时也说无人驾驶和降低事故率是直接相关的，他们把自动化驾驶作为辅助功能，降低出行的事故率、帮助司机减少事故，在特定情形下把驾驶交给车辆，同时也有反向的功能。他们认为自动化驾驶并不是独当一面，而是当做一个助手。他们可能没有这么确切的说，是把自动化驾驶当做一个辅助，用于提高安全性。这是我个人对于丰田这个看法的解读。在很多会议上，我们和丰田进行公开的讨论，他们的观点更倾向于我的解读。 问 ：英伟达和大陆也在合作，比如说 L2 到 L5 的合作，也用到了英伟达的平台。在 L2 的这个平台上有两个特点，第一个是把地图数据看做很重要的思路，每个季度搜集一些信息和数据。大陆怎么看待 GM 的 Super Curise 的做法，你们会不会搜集很多地图数据来打造高清地图？ Ralph Lauxmann：我们深信地图数据的重要性，如果没有这些信息，自动化驾驶没有办法实现。所以，我们入股了地图公司 Here，收购了其少量的股份，用来了解任何和路况相关的数据。通过对 Here 的收购，我们所有使用 Here 地图的车辆，会把路况数据传输到 Here 的后台，来不断地更新地图数据。这个具体的路径是通过主机厂和 Here 之间的合作，通过主机厂的车采集的数据，传输到 Here 的后台，来实现地图更新。我们也正在和百度进行合作，自动化驾驶往前推进的话，大陆也会利用到百度的地图数据。 问：GM 的 Super Curise 有对于司机注意力分散的警告预警，司机驾车的过程当中，如果没有集中心思在开车的话，系统会进行警告。大陆有没有开发类似的功能？ Ralph Lauxmann： 我们有司机的监控系统，并且已经投入量产。首先，我们需要探讨司机分散注意力的情况，会有一些迹象告诉我们司机现在有一点走神。同时，我们把这方面的经验给到了主机厂，并且放到了量产车里面。 如果没有一个好的司机监控系统的话，车里面、特别是无人驾驶的车里面的乘客，没法保证他们的安全。因为你必须要了解这个，你可以通过人工智能的方法去监控，通过驾驶舱里面的散发着热量的人体的移动、动作、姿态等数据，来判别司机是不是在分心。所以我们要有监控，同时还有解读的功能，来判断司机是否分心。 问 ：大数据现在是很流行的概念，大数据也给到很多企业利润源，去跟踪一些比如说司机的这些行为，把数据货币化，通过把这些数据发现的一些洞察卖给其他公司。大陆的看法是怎么样的？ Ralph Lauxmann：如果我们能够这样做，我们也会考虑。汽车是闭环系统，并不是说车里面任何一个部件都往外传输信息的，要有很多的法规要遵守，OEM 也规定了你对这些内嵌的部件能做什么。今天的情况是，数据的拥有者是 OEM 以及司机。这是一个契约，买车的时候已经界定了司机的行为数据到底属于谁。大陆这种一级供应商并不拥有这种数据。不过在制动系统等某些设备的使用上，相关的一些数据可以发送给主机厂，主机厂可以在此基础上进行制动系统的优化，但这不是说数据直接发送给我们。 另外，大数据与 AI 也是有很大的关系。所以通过大数据，我们也可以对于人工智能的算法进行训练，这是数据的另外一个用途，就是用于人工智能的训练。 问 ：具体谈一谈大陆的 AI 是怎样的一种能力，大概的团队规模？ Ralph Lauxmann：识别的算法不仅仅是摄像头，还包括雷达的传感器等等。举例来说，识别的图像必须要确保在任何一个时刻，例如弱光情况下，也能进行可靠识别，这个时候不能只靠摄像头了，必须也要有别的传感器。 目前为止，工程师非常注重机器学习方面，根据环境信息的搜集来进行验证。如果车主或驾驶员没有输入操作指令的话，必须要依靠机器学习来帮助确保行车的安全。因此在图像识别、动作捕捉等方面都有非常高的要求，因此必须要有足够多的工程师。 我们目前在全球有几百位工程师从事相关的研发。比如说在布达佩斯我们有一个人工智能中心，主要研究的是 ADAS 系统的算法。但是如果是在机器学习算法，或者是深度学习或者是早期的自学习方面，可能就不便再去展开了。 另外，第三方合作对我们来说也非常重要。比如说像牛津大学，与我们就有一个战略合作伙伴关系。 问 ：在中国越来越多的信息公司，认为交通的模式和用户的习惯，与欧美相比有很大的不同，因此大陆来说，如何根据中国的国情来进行定制或者是调整？ Ralph Lauxmann：我们会有一个自动化驾驶的平台，而且我们会捕捉不同市场的需求。包括欧美、亚洲，包括日本或者是中国，将这些需求汇集在一起，进行自动化驾驶的技术的开发。 … 继续阅读
拿来全部产品参展的地平线，背后是怎样的产品逻辑？
最近几年有这么一个趋势，每年都会有人谈到 CES 以及 CES Asia 越来越像汽车展而不是科技展。在我看来，自动驾驶的迅速发展，绝对是促成这个现象的重要原因之一。 在地平线的展台，我见到了可能是有史以来最全面的一次产品矩阵 ，包括了智能驾驶、智慧城市、智慧零售三个应用场景。而在 GeekCar 关注的 智能驾驶领域，地平线这次把包括征程系列处理器（应用于智能驾驶）、以及基于地平线 AI 芯片技术的 Matrix 自动驾驶计算平台、驾驶员行为监测系统（DMS）等产品都进行了展出。 这些产品基本可以代表地平线在智能驾驶层面的整个产品体系。从这背后，我们也能梳理出地平线在智能驾驶方面布局的逻辑。 全面的产品矩阵 在去年底，地平线就发布了自主研发的征程处理器 1.0 版本。事实上，当时的 1.0 版本是一款支持 L2 级别的后装 ADAS 处理器，基于高斯架构，能够提供 1 TOPS 的计算性能，支持 1080p 30FPS 的画面解析，每帧可以对 200 个目标进行检测和识别。 在北京车展时，地平线就透露基于征程处理器 1.0 版本的 ADAS 产品地平线星云即将量产上市，能够同时对行人、机动车、非机动车、车道线、交通标志牌、红绿灯等多类目标进行精准的实时监测与识别，准确率大于 99%，可满足车载设备严苛的环境要求，以及复杂环境下的视觉感知需求，支持 L2 级别 ADAS 功能。 今年 1 月，地平线还推出驾驶员行为检测系统（DMS），能时刻关注驾驶员的状态，有效预防疲劳驾驶导致的交通事故，提高整车主动安全性。据官方介绍，这套系统预警提示的判断准确率高达 99%。 除此之外，征程 2.0 架构以及基于征程 2.0 处理器架构的高级别自动驾驶计算平台 Matrix1.0 也在北京车展期间发布。 无论从技术的复杂度、应对场景的能力以及未来的商业空间来看，征程 2.0 处理器和 Matrix1.0 明显是地平线未来一段时间的主力产品。 根据官方介绍，Matrix1.0 内置地平线征程 2.0 处理器架构，最大化嵌入式 AI 计算性能，能够满足 L3／L4 自动驾驶场景下高性能和低功耗的需求。基于地平线自主研发的工具链，开发者可以基于 Matrix 平台部署神经网络模型，实现开发、验证、优化和部署。 在高性能图像感知方面，Matrix1.0 基于稀疏和定点神经网络，可每秒处理 720P 视频 30 帧，并支持 4 路视频的同时输入和实时处理；实现 20 种不同类型物体的像素级语义分割，能够精准识别每一个像素点的类别，因此当行人或者车辆被路边障碍物遮挡时，即使只检测到一部分，依然能正确识别，做出响应；同时还可实现三维的车辆检测，识别场景中的深度信息，进行距离的识别和判断；此外，Matrix1.0 还能进行行人骨骼识别，判断行人朝向，从而进行行人运动轨迹预测。在功耗上，Matrix1.0 能够以 31W 的低功耗运行，不需要水冷系统，已经达到嵌入式自动驾驶应用和产品化水平。 在车展外的露天展示区，GeekCar 也体验了地平线征程 2.0 的在实车上运行的 demo，通过 4 块 Matrix 的叠加之后，同时接入了 13 个摄像头，实现了对周围车道、障碍物、行人、车辆等元素的「无死角」检测识别。 总的来看，地平线目前的产品能够覆盖前后装 ADAS 以及 L3/4 级别自动驾驶的需求，再配合驾驶员行为检测系统（DMS），基本已经覆盖了未来一段时间内，不同程度的自动驾驶商业化落地的各种需求。 背后的产品和商业逻辑 在 CES Asia 期间，地平线相关负责人告诉 GeekCar，目前 Matrix 系列产品的更高版本已经完成产品化并即将投入量产，且已向全球顶尖的美国自动驾驶企业大规模供货。与此同时，他们还宣布和全志科技联的战略合作协议，双方将联合进行高性价比 ADAS+DMS 产品的研发推广。而在和主机厂、供应商的合作层面，地平线也已经和全球四大汽车市场的 Tier1s 和 OEMs 建立了合作关系。 一家自动驾驶的初创企业，能够在全球范围内取得这么多合作伙伴，显然有着自己的独特优势。 其实原因不难理解，地平线在成立之初，就提出要「算法+芯片+云」，软硬件协同优化，开发嵌入式的低功耗人工智能处理器。自研芯片加上地平线之前发布的「雨果」自动驾驶平台，能够在很大程度上将最大化的发挥出地平线产品的软硬件能力。 具体来看，我想从性能功耗以及产品方案的可定制化两个层面进行分析。 首先是性能和功耗。 在第一代芯片发布的时候，地平线就向 GeekCar 透露过自研芯片的原因，就是因为发现当时市面上的通用处理器比如 CPU 或者 GPU，都不是专门为 AI 计算设计的。因此，运算能力很难被充分利用（一般能发挥 25%能力就已经很不错）。而地平线的自研芯片能够一直保持在很高的能力发挥效率，官方给出了 96%的数值。 另外一点，不得不承认是，功耗问题对于自动驾驶商用来说很重要。特别是当车辆电动化之后，如果大量的能耗被自动驾驶相关的部件消耗，显然会影响车辆的续航。而自研芯片的很大优势在于能够更好配合算法的能力，并且降低功耗。 其次是可定制的产品方案。 目前来看，自动驾驶发展迅速，但市面上各种解决方案在软硬件层面都有很大差异。举例来说，在进行多传感器融合的时候，传感器的选择就可能出现各种不同组合，这也对自动驾驶技术的供应商提出了很高的要求。 地平线在产品开发时，就考虑到了这些问题。 在不久前，地平线的黄畅博士在参加 … 继续阅读
安吉星车联手机应用获得 CES Asia 创新奖，背后是怎样的产品逻辑？
每年 CES 展，评奖一定是不能忽视的环节，获奖的产品往往能在很大程度上，代表所在领域的最新趋势或者最佳方向。 今年 CES Asia 上，安吉星没有向往年一样大规模的展出硬件产品和互动设备，但我们还是发现了一个有意思的现象：在一众硬件为主的获奖名单中，安吉星手机应用获得了亚洲消费电子展「 创新奖」，而且是唯一一个以手机 App 形式获奖的产品，并且是车联类的 App。 通过手机 App 和汽车互联，实现一些远程操控等功能，已经算不上什么新鲜事情了。安吉星的获奖，反而让我有些好奇。 于是，我尝试下载了安吉星最新的 8.2.1 版本。由于我不是车主，所以没法完整体验 App 所有的功能，不过结合网上搜到的用户使用反馈，我想试着分析一下安吉星获奖的原因和产品逻辑。 按照安吉星官方介绍，安吉星手机应用「自 2017 年开始不断由「 人车互联」 向「 人•车•生活」 生态圈创新增值服务转型」，那么这种转型又是怎么在产品端体现的呢？ 几个有意思的新功能 在我看来，这次安吉星 App 能够获奖，最大的亮点是去年底 8.0 版本更新之后的一些新功能。 具体来看，有几个新增功能在我看来比较有代表性，分别简单分析一下。 安星定位 ：通过专门的定位设备，能够定位到家人的位置（主要是应用于老人、儿童）查询轨迹和停留时间；家人位置信息与车辆位置信息实时互联，并基于电子围栏技术对位置异常进行提醒。 星享之旅 ：新用户能够通过完成 App 内的不同任务，来了解 App 各项功能并且获得各种服务奖励。随着使用时间的增加，用户也会随之进阶。 新版驾驶评分 ：和之前的驾驶评分相比，新版的增加了车联保险、安全驾驶贴士等新板块，并且在数据可视化上进一步进行了优化。 用车手账 ：安吉星几乎考虑到了用车场景中几乎所有需要付款的环节，方便用户随手记账。并且通过可视化的设计，方便查看过去 12 个月内的消费记录。 步行规划 ：方便用户找车，并且能根据距离、路线智能规划用户的取车路线，配合鸣笛、闪灯方便找车。 NEV 充电查询 ：能够查询附近的充电桩、包括充电桩规模和更多详细信息。 透过功能，我们再来看背后的本质。安星定位、步行规划功能代表了车主和家人以及车辆的连接；星享之旅是一个能够不断培养用户黏度的功能；驾驶评分能代表驾驶背后的大数据分析能力；用车手账背后代表了未来汽车金融的更多可能；NEV 充电查询则满足了电动化时代的核心需求之一。 另外，我还了解到安吉星下一步会强化车主之间的社交。用户能够把自己个性化的驾驶数据、驾驶经验和汽车生活方式分享到车主之间，这一点和现在很火热的车友会类似。但是通过发现更多的共同点，并且有安吉星在背后运营，很有可能会比「 靠爱发电」 的车友会有更高的活跃度。 产品逻辑是怎 样的？ 总结一下，安吉星在不断迭代中，其实透露出一个很明显的目标，就是用一个 App 覆盖用户车辆生活的所有场景，而且是从买车开始的全生命周期。 在车联网领域，安吉星绝对算得上是最有资历的玩家之一。早在 1995 年，通用就开发出了 OnStar 系统，并且在 1996 年 11 月就搭载在了三款凯迪拉克车型上。作为车联网行业的资深玩家，安吉星显然对于用户需求、使用场景有深入的了解。 随着汽车自身硬件、网络、CPSP 的服务能力等等因素的升级，车联网的能力、用户对车联网的诉求有了很大变化。仅仅是从我们最常用的功能来看，用户对汽车娱乐系统的需求，已经从传统娱乐功能（收音机、CD 等）变成了包含导航、娱乐、社交、O2O 等等多元化场景的使用体验。 而随着未来自动驾驶、V2X、5G 等新技术的应用，人们的驾驶习惯、随之产生的需求都会有更多我们意想不到的变化。 所以无论是安星定位、用车手账、步行规划等等这些新增功能，还是更早时候就有，并且在不断完善的的车载 4G WIFI、驾驶评分、车辆控制、车况监测、碰撞自动求助、目的地设置协助等等，其实都是在用户需求不断丰富，使用场景不断增加的情况下，安吉星主动做出的变化。 所以说，类似安吉星这样能充分考虑到用户需求的车联网服务商，一定是非常容易获取新老用户好感。并且会体现在新用户的获取以及维持老用户黏度的层面，而这也正是他们想要做到的事。 回到最普通的消费者层面，安吉星这样的产品思路，也一定是喜闻乐见的。 而在安全方面还有件事值得一说。此前工信部组织开展 2017 年电信和互联网行业网络安全试点示范工作，安吉星还从 127 个项目里脱颖而出，被列入电信和互联网行业网络安全试点示范项目，成为唯一入选的车联网品牌项目，这也能在一定程度上体现出它的「江湖地位」。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
博泰业务运营副总裁张毅：要做汽车智能化的「总装车间」
又是一年 CES Asia，汽车在这个科技展的声量逐年增加。在展会上，我见到了博泰集团业务运营副总裁张毅博士，并且从一场圆桌讨论中了解到了博泰对车联网行业的一些思考。 为什么要用博泰做切入点？ 之所以聊到汽车和智能要提到博泰，是因为在这两个领域的结合点里，它是绕不开的一家企业。所以，请允许我先做一个铺垫，方便下文理解。 世界范围内，大众、奥迪、保时捷、宾利、兰博基尼、沃尔沃、雪铁龙、DS、上汽、东风、北汽等等在内的众多汽车品牌，都是它的客户或合作伙伴。 博泰集团创始人应宜伦之前在深圳和我们分享的观点是：「 博泰拥有近 1050 多项专利，到 2020 年，预计将拥有几千项专利，其中大部分是发明专利。它既不是一个严格意义的 Tier 1，也不是完全的互联网公司，也不是很严格的所谓的智能汽车公司，博泰站在中间。用创新能力、产品规划能力、综合能力，结合博泰自身的硬件、软件平台整合在一起，形成了非常多的良性循环，所以越来越多的合作伙伴和博泰走到一起，联合开发产品帮助车厂定义新的产品形态。」 未来，不同的一点是分享 「 车联网已经从硬软云产品时代，即将进入营销、用户、销售与车深度数据部分，也就是更精益的大数据时代。这种时代之下，汽车要面临的变革，正是开放合作和持续创新。」 虽然由于工作安排，没有出现在 CES Asia 现场，但是应宜伦还是和我们分享了最新的想法 。 张毅博士说「 未来是一场整合，我们希望给汽车厂提供「 互联网能力总装车间」，根据不同需求，建立不同的能力，实现多元化的赋能。」 开放合作-传统车企已经看到了新的变化，也希望拥抱这个变化。但是在车联网全新的市场空间中，并没有人能提供相应的能力。因为车联网领域也很复杂，不是一家公司就能完成布局的，因此务必保持合作与开放。 持续创新-以博泰为例，它一直是全球最创新的车联网企业，创造全球第一个 3G 汽车应用；创造第一个 OTA（在线升级）应用，比特斯拉还早了 4 年；开发第一个带避开拥堵功能的车载导航，比手机导航还早了一年；开发第一个自然语言功能，比 Siri 早了 9 个月，这类例子很多，创新根植于博泰的骨子里。 这样的前提下，车企们开始融合，所生产的汽车产品也开始融合。 「 我们一开始进入行业的时候，是致力于成为优秀的 Tier1 企业，但不少整车厂的人都说博泰其实是 Tier0，因为我们可以整合不同的 Tier1 资源，来为整车厂提供服务。所以我觉得更形象的说法是打造车厂的「 互联网能力总装车间」，根据不同车厂的不同需求，建立不同的能力，实现多元化的赋能。」 未来的汽车会不断的保持进化，甚至你的爱车每周、每天、每小时，都会相比之前变得更聪明。「 每当能力提升一点，我们就会把相对低端的产品砍掉。」 张毅如是说。 现如今，博泰已经初步形成了相关企业生态圈。 比如无人驾驶领域，人工智能应用，可能要找 50 种不同的公司来共同承担。这其中涉及大量的数据，像 TCU（变速器控制单元）、ECU（发动机控制单元）、BCM（车身控制模块）的数据，电池、电机、电控的数据，通讯车联网的数据等等；涉及从 4G 到 5G 的通讯升级，包括通讯的速度和流量，以及无人驾驶所需的高清地图如何传输；涉及汽车电子仪表屏向数字座舱的转变；涉及结合无人驾驶的以太网架构；涉及汽车的操作系统，还有国家层面的信息操作系统；涉及云平台、大数据，以及车联网平台；涉及 AR（虚拟现实）。 未来需要融合和合作，整车厂也好，互联网公司也好，都不可能独享价值，甚至还会有其他不同领域的众多企业要加入到价值创造和共享中来，比如房地产公司、地方政府、智能家居公司。 张毅说「 未来传统汽车、传统营销、传统渠道都会有极大的挑战，车联网就是这个行业变革啤酒扳手。」 举个例子，无人驾驶和互联网化是未来汽车的重要方向之一，而且众多车企都在纷纷发力加码。 以保险为例，未来新能源车会标配车联网，所以新能源车的防盗险的概率几乎为零。到了无人驾驶阶段，包括第三者责任险和全险这些概念将不复存在。当前市场中会增加非常多的新险种，假设会有无人驾驶险、共享汽车险、电池更换险、车联网安全险。博泰计划，2018 年在某两个车厂产品内置保险，且都是新险种。 再以具体使用为例，未来的用户在车联网上体验到的不仅仅是音乐、导航、在线地图、语音服务，而是车联网跟车厂整个销售体系完整结合，形成一个生态圈，所有的想法大多都可以通过这个生态圈实现，比如消费、餐饮、住店等，也就是一体化。 高频次的交易产生了数据，车主在生态圈里会活的更轻松。拿榴莲举例子，一个榴莲 200 元，如果有人特别喜欢吃榴莲，不用等到电商促销时的 20 块钱价格。在互联网市场，分享的基础是广大的用户数量，在智能汽车时代，随着车联网的发展，同步用户数增加产生的裂变也正在发生。 从概念来到现实，具体会变成这样： 最近一两年，智能数字化驾驶舱的概念很火，有一个最显著的变化趋势，车内的屏幕已经发展到了从大屏向「不规则」的变化，在 2018 CES A 上，这样的变化几乎成为主流。 车内屏的位置不再是规则化的仪表盘和中控屏一左一右，考虑到无人驾驶情况，甚至已经看不到独立的仪表盘了。屏的数量不再是规则的 1+1，也不再是规则的长方形。 未来屏幕还会更多更大，过去内饰的质感都是不变的，未来驾驶舱的内饰可以进行丰富的变化，一辆车可以随不同人的喜好而发生改变，可能只要车主的一个手势，通过虚拟呈现的拉丝钢板的内饰就变成桃木的了；过去都是物理按键，而未来交互形式多样，功能的实现靠芯片、靠软件、靠云端，就好像一个是肉体，一个是灵魂。 除此之外，玻璃等新材料被大量的运用，这是材料科学和加工工艺发展的胜利，可以满足内饰设计上的灵活性。 这些不规则打破了传统内饰设计的桎梏，设计师可以充分发挥想象，未来的汽车会随着这些新趋势一起发生变革。 体验方式的变革： 「 未来的整车的整个智能化从整车平台开发开始，博泰会跟整车平台开发的相关公司进行深度合作」 张毅说。 这意味着，未来的汽车不再是单纯的功能增加，而是从诞生草创之时，就以智能为理念开发。 举例来讲，未来的车辆车内拥有三维扫描时，乘客和驾驶者上车，每个用户的座位都应该是贴合人体的，而这只是个很小的例子。再深入一些，车内所有数据可以安全跟人交互、道路交互， 对于博泰来说，赋能车厂，也就意味着把各种交互产品进行融合，包括车联网平台、大数据平台、AI 平台、语音平台、地图平台、通信语音平台、OTA 平台、安全平台、账号平台、第三方深度接口平台、上百家内容和服务商的平台，包括 IoT、手机平台等平台。融合并做好用户体验，从而让未来的汽车给予用户最好的体验和最好的智能性。 2018 年北京车展东风发布会，博泰就做了一次这样的创新。把自然语音和云端的数据全部结构化，智能系统可以理解并分析车主的真正需求。可以找一个带 WIFI 可以停车不要等位的最好的餐厅，吃饭是主要数据，而其他都是附加数据，但对于车主的需求来说，三者缺一不可。 AI 本身具有搜索引擎，再通过技术能力把所有环节打通，不同的输入条件出现不同的分析结果，这就是智能。 而智能的效率也是一大问题，我们一直觉得手机体验不是最好的，尽管它现在很适用，但未来一定会有超过它的新生事物。 在交互当中我们会发现拿手机拍照是极其不方便的，如果要抓拍自己的孩子，刚想拍，解锁需要两三秒，再打开应用，而抓拍可能转瞬即逝。但，传统的照相机是可以的，抓起来按下快门就完成执行。 同理，现在的语音系统做的并不完美，最终需要通过具有学习能力的 AI 来解决，AI 是一个火箭，引擎是计算能力，燃料是数据。 这几天的各种头条几乎都会被科技两个字所占据，芯片、娱乐系统、各种解决方案、增强现实产品、绿色科技、物联网、健身及运动、虚拟现实产品、可穿戴设备、自动驾驶、5G 时代等等。 不过，现实总是很有巧合又乐趣十足，因为这些和我们聊汽车与智能绕不开博泰一样，各种技术的实现未来的集成或呈现的载体，正是汽车，这个民用工业的融合领域。 于是我们见到了 2018 CES A 上的技术爆棚，并且触碰到了未来汽车的趋势和端倪。展望终点，汽车这个产品和谁都不一样，可以开发出很多种各式各样的应用、各种各样的场景，但是没有人能够说一个人把所有东西都开发出来。创新、融合、合作、分享，这正是我们每个人的未来。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
德赛西威发布新战略，要做有「温度」的车联网服务商？
在绝大多数人的印象里，德赛西威在汽车领域属于传统供应商，主要提供各种前后装的车机等相关硬件。现在很火的一些概念，类似互联网汽车这种，则和他们有些不搭边。 而目前的状况是，越来越多的主机厂开始宣传「 智能汽车」、「 互联网汽车」 概念，并且出现了类似斑马这样的新型互联网供应商。 再结合现在的市场反馈，很明显的一个结论是：传统的车联网供应商必须要转型来适应这种最新趋势。这也是德赛西威选择在今年 CES Asia 上宣布车联网新战略的原因。 2025 战略 他们选择用一句类似 slogan 的话来描述自己的 2025 战略：「 协同创新、灵活高效，用心提供安全、有温度的智联汽车产品与服务」。 用这样的话语而不是某些高大上的形容词来描述自己的车联网新战略，本身就代表着德赛西威想改变原本一直贴在身上的「 传统」 标签。 而具体到产品层面，可以从三个维度来阐释这个战略，分别是以人为核心的智能驾驶舱、以机器为核心的智能驾驶以及以生活方式为核心的车联网。 如果切分成更细的领域，可以看成是一个包含信息娱乐、空调控制、仪表、显示、ADAS、通讯模组、传感器、计算机平台的综合的产品战略。 新一代的车联网产品能够介入丰富的互联网资源、还能实现智能家居、可穿戴设备的互联，并且有经过特殊加密的云服务来保障用户的信息和车辆安全。 德赛西威总经理高大鹏表示，德赛西威的全新车联网战略预计在 2020 年打造百万级用户平台，2025 年实现千万级。 传统供应商转型难在哪？ 德赛西威车联网事业单元总经理王华宇告诉 GeekCar，德赛西威用了 18 个月的时间，凭借传统终端以及多产品线集成的优势，打造了这一代全新的车联网产品整体解决方案。和之前的传统产品相比，德赛西威认为新战略的最显著特点在于「 交付到用户手中才是服务的开始。」 仅仅用 18 个月的时间，就能完成传统供应商向智能车联网服务商的转变吗？ 在我看来，这里面的难度不小。 传统供应商自身的优势主要集中在渠道、供应链等硬件层面。而在用户思维、互联网 CPSP 资源等方面，显然还处于比较初级的阶段。 反倒是类似斑马这种、虽然成立时间不久但背靠强大互联网和整车资源的企业，能在短时间就确立自己「 互联网」 的标签。 虽然在后续采访中，德赛西威的高层一直在强调自己和类似 BAT 这类互联网公司之间合作关系的紧密。但事实上，一个企业的基因，特别是经过 30 多年来持续稳定的发展之后，很难在短时间内有很大改变。并且，这种传统会体现在商务、研发等等各个阶段，最终体现在用户体验层面。举个很简单的例子，市面上绝大多数传统供应商的车机产品，UI 还处在拟物风格，并且人机交互存在很多 bug。但在互联网标签明显的产品上（例如 RX5 车机），这样的情况显然完全不同。 对于这个问题，我也看到的德赛西威提出了「 人人都是产品经理」 这样的概念，想从根本上改变这种状况。显然，这需要很长时间，一定不是 18 个月就能实现的。 当然，我并不是看衰传统供应商没办法做出好用的车联网产品。当传统供应商开始运用用户思维、结合自己的供应链、研发和渠道优势的时候，必然会在市场中拥有自己的一定份额。 而对普通用户来说，有越来越多供应商开始从用户角度来思考怎么做更好用的车联网产品，这绝对是一件好事。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
当博世开始关注车内人机交互创业公司，他们是怎么想的？
为了能够关注汽车领域最新的趋势，补充自己业务版图，博世在去年举办了第一期「PNP 汽车人工智能加速器」，关注重点集中在无人驾驶的底层技术，像激光雷达、AI 算法以及整个无人驾驶的解决方案。 上周，博世 PNP 汽车人工智能加速器第二期也迎来了展示成果的 demo day。 在现场，GeekCar 也和博世加速器项目负责人 Crystal Zhang 以及博世汽车多媒体亚太区总裁 Theo Drijfhout 聊了聊其中的一些细节。 从自动驾驶到人机交互 和第一期相比，第二期加速器活动的最大差异体现在关注领域上。和第一期重点在无人驾驶不同，第二期活动增加了人机交互的部分，主要包括语音、手势、整体交互解决方案等领域。我们所熟知的包括思必驰、云知声、极鱼科技、问众智能、未来黑科技等公司都出现在了企业名单中。 Theo Drijfhout 告诉 GeekCar，人机交互当前在功能性的实现有三个比较大的挑战，分别是：提供互联网式的用户体验；提供安全、个性化、针对不同自动驾驶阶段人机交互的体验；针对共享车辆 HMI 的用户体验。 博世希望能在目前提供各种功能模块的基础上，再配合包含辅助驾驶、自动驾驶和数据相关技术，提供完整的 HMI 融合产品方案。 与这个目标对应的，在判断人机交互趋势、确定技术领域上，博世主要有六个技术和市场趋势的选择方向。 这六个方向又分成前后端。前端显示技术集中在车内，包括大屏向投影的转变、语音识别和自然语言理解、手势识别和车内人员图像识别技术、触控反馈技术。后端主要集中在云端，包括个性化服务以及机器学习和 AI 的应用。 在这些领域中，博世会优先考虑其中领先、活跃的公司作为首要选择方向，并且挑选出其中解决方案有差异化、接近量产并且对市场有吸引力的部分。 对于为什么第二期加入人机交互这个话题，Crystal Zhang 告诉 GeekCar，加速器的整个选题在最初就已经规划好，第一、第二期属于一个阶段。每个选题都会做两期，确保覆盖主要的初创企业。 关于选择初创企业的标准，Crystal Zhang 透露是根据博世对整个无人驾驶落地不同阶段需要不同的关键使能技术的判断而确定的。无人驾驶要落地，首先要解决底层技术的问题，这就是为什么选择激光雷达、AI 算法等在第一期。一旦无人驾驶落地，还需要解决人机交互问题来配合无人驾驶整个解决方案。 在第二期完成之后，类似激光雷达，人工智能算法，不同应用场景下的无人驾驶解决方案，人机交互中的手势识别、语音识别等领域，潜在合作伙伴的选择全部完成。在第一期，博世最终选择了 4 家企业作为全球战略合作伙伴，其中有两家已经完成了包括法律、商业和技术在内的三个维度的评估。第二期的结束，也代表加速器的第一阶段已经完成，接下来就是合作落地的阶段。 解决的是用户体验问题 事实上，人机交互和自动驾驶虽然被认为是两个不同的方向，但他们从来都不是独立分割的两个体系。在自动驾驶的不同阶段，确实需要不同逻辑的人机交互技术来配合、满足用户的需求。 当司机需要全身心的驾驶时，人机交互很大程度上是在保证安全的前提下，让司机便利的使用车的一些功能。 现阶段，自动驾驶的逐步应用，给了司机更多的自由度，开始一步步解放手、脚、眼、脑等不同器官。与此同时，人机交互就需要开始满足越来越多的需求，例如社交、娱乐等等甚至是一些我们还没想到的场景。 如何在适当的驾驶场景下，通过合理的人机交互满足用户需求，其实是一个不断变化的课题，当技术不断进步，一定会出现更多可能性。 所以说车作为一个整体，无论是其中的人机交互还是自动驾驶部分，要解决的还是用户体验问题。这也是所有汽车行业的参与者，都需要重视的核心问题。而作为行业领头的博世，显然已经想的很清楚了。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。