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。
还有在地图上，不同的地区有不同的图商。从软件的内核角度上，要确保全球通用。另外，我们必须确保系统的高度可靠性，哪怕不同地区使用到不同的图商。
如果能够在系统上完成认证，那么我们就不需要对这个系统进行大量定制化。比如说当你的系统要用于其他的市场，或者是你要面对的是不同主机厂，这时你可以确保，当系统内核足够强时，就不需要做大量的定制化。这对我们来讲，也可以省下一大笔开支。
一次做好，一次做对，使得它的可重复适用性加强，这是大陆的路线。
问： 是不是说用硬件去适合不同的软件和算法，包括像 ADAS 和自动化驾驶。软件会是一个更重要的部分吗？
Ralph Lauxmann：如果是无人驾驶的话，环境模型必须要高度准确。如果比如说并线、插队比较多，确实会影响到整体的交通效率。安全的无人驾驶必须也要求有一定的前提，就是驾驶员的驾驶行为，特别是有人驾驶车的驾驶行为，必须要有可预见性，或者说要遵守一定的规则。所以在驾驶行为上，也需要社会进行一定的调整。
问 ：刚才讲到了架构的复杂性，你觉得汽车行业会不会出现类似于像 autosar 这样的标准化架构？
Ralph Lauxmann：我觉得完全是可行的，并且是必须的。只有达到一定的标准化之后，我们才能确保其在全球更大的区域中达到高度可靠性和安全性。如果你要推进自动化驾驶，就需要保证其安全性。举例来说，对于三级自动化驾驶，需要在中国的路况，或者是在法国、意大利、德国的路况当中都必须确保有相同的安全性。所以标准化的架构可以保证跨越不同的市场时，仍旧可以实现类似的安全性和可靠性。
所以在架构上，我们整个行业，特别是一级供应商和主机厂必须要并肩去探索，推动更为标准化的架构。特别是讲到 CATARC，CATARC 的平台上我们会经常谈到标准化的畅想，如何使所有的部件，可以更加可靠。中国也非常注重安全性和数据的安全性，如果有一个标准化架构的话，也可以帮助主管部门更快实现道路安全性和数据安全性。
通过 Ralph 的采访，我们明显的感受到 Tier 1 对自动驾驶的软件相关已经越来越重视了。另外他们也在尽全力加快自己自动驾驶产品的研发迭代速度，以应对目前车厂日渐严苛的需求。
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）。
