2018 年可以说是 ADAS 高级驾驶辅助技术崛起的一年，在今年上市的主力车型当中，绝大多数产品都已经搭载了 L2 级别的驾驶辅助技术，自主品牌甚至已经在 10 万元价位的车型上搭载了 L2 级别功能。可以说 ADAS 在这一年当中就完成了从高端车型到入门级车型的普及与覆盖。
即使是对于我们这种从早期就一直关注自动驾驶的媒体来说，这个普及速度也是非常的惊人了。我们认为，在这个时间点，有必要找一个亲身参与到 ADAS 普及大潮中的行业专家来跟我们聊一聊这背后的故事。于是，GeekCar 有幸来到上海，与大陆集团底盘及安全事业群高级驾驶员辅助系统事业部中国区负责人唐海宜进行了一次近一个半小时的深度专访。
唐总和我从三个方向进行了探讨：
- 自动驾驶及 ADAS 发展趋势的回顾
- ADAS技术原理及难点解读
- 后续更高级别自动驾驶的发展
本篇文章我们将透过专访实录，从上面三个方向分别展开来梳理 ADAS 发展过程中的重点趋势。全文较长，但我们相信不管你是业内人士还是对自动驾驶感兴趣的用户，这篇文章都会让你对 ADAS 和未来的自动驾驶有一个更清晰的认识。（下文出现的专访实录中，G 代表 GeekCar，唐代表唐海宜）
自动驾驶及 ADAS 发展趋势回顾
正如我们开头所说，2018 年是 L2 的崛起之年，而在唐总看来这种快速发展背后既是市场大环境所致，也是行业本身的发展需求。
唐： 大环境方面，中国汽车市场的销量在 28 年之后迎来了首次的下降。从长远来看这实际上是正常的，因为一直维持这么多年的增长是不可能的。这从国家宏观政策层面可以得到印证，国家在去年 4 月 28 号发布的国家汽车产业中长期发展规划里面，对未来到 2020 年到 2025 年量的宏观已经给出了一个框架性的预测，可以看到整个量的增长是趋于平缓的。
唐： 这样的市场环境驱使汽车行业更加关注中长期发展规划，车企正在从一个对销量增长的追求转化成对价值增长的追求。因此虽然宏观来看销量下降了，但是通过这种渠道来增值，对整个产业的科技含量，肯定会有一个很大的促进。我们在跟主机厂，甚至一些涉足这个领域的互联网公司、科技公司接触时观察到，他们今年对自动驾驶的大方向更加明确，甚至于对未来的战略部署以及一些实施的行动方案都更加清晰了。
唐： 根据 2018 年大陆集团汽车消费调研报告, 我们发现中国司机对自动驾驶接受度很高, 也很乐观，80％的司机期待在车辆自动驾驶时能够做其他事情，三分之二的受访驾驶员可以想象在高速公路上使用自动驾驶（67％）。
唐： 行业的高重视度和市场的高接受度形成了一个正向循环，随着市场量的起来，以及我们这些 Tier 1 供应商技术的迭代，系统成本和研发成本都在大幅度下探，这就能够进一步促进产品 ADAS 功能的安装。当然还有很重要的一点就是政策法规对 ADAS 的重视。
G： 您觉得自主品牌跟国际品牌对 ADAS 的要求和理解上有没有什么不同？
唐： 对我们来说，他们都是我们的客户。大陆集团 ADAS 中国区更多的是服务于自主品牌。因此我们对自主品牌这块还是有比较清晰和深度的认识。在我看来，自主品牌把自动驾驶或 ADAS 定义为技术和营销上非常重要的战略方向。此外，正是因为他们有这样一个非常高度的战略制定和部署，所以他们反而在功能性层面有更强烈的诉求。甚至于可以看到在一些 ADAS 装配率上面，自主品牌比国际品牌更加迫切。相比过去的一些传统汽车零部件，例如底盘系统、发动机系统，自主品牌在 ADAS 这样的新技术上的规划会更加激进。目前我们接触的很多自主品牌，他们都具备一定的 ADAS 系统对产品的开发能力，甚至系统集成的能力。所以我相信他们在新兴技术上与国际品牌的差距在未来肯定会逐步缩小。
G： 他们这种更激进的技术规划，对 Tier 1 有什么影响？由于在自动驾驶方面的积累并没有国际领先的车企那么深厚，是否自主品牌会希望 Tier 1 能够提供更加集成、整合化的 ADAS 方案？
唐： 你这点讲的非常对。大陆集团相较于其他一些 ADAS 系统供应商有着更全面的解决方案能力。对于 ADAS 系统来说，无论是 L2、L3，终归是围绕着感知、规划和行动这样一条效果链上来做文章。而大陆集团的产品线是覆盖整个这条效果链，全部都有部署的。所以如您所言，我们在服务自主品牌时就能很好的体现这个优势，可以更好地为自主品牌提供系统化服务。反过来讲，自主品牌的需求增多对我们 Tier 1 来说也是一个非常正向的影响。
ADAS 技术原理及难点解读
在现在这个高速发展的环境下，越来越多的人都开始关注高级别自动驾驶。我们似乎忽视了 ADAS 才是我们目前真正能购买到的自动驾驶技术，也似乎忽视了 ADAS 依然还存在很多的技术难点。其实对于整个汽车行业来说，ADAS 是未来普及高级别自动驾驶的必经之路，所以我们希望能通过与唐总的探讨，将目前 L2/L2.5 的 ADAS 技术原理全盘剖析。
G： 您觉得 L2 以及 L2.5 究竟应该如何定义？尤其是 L2.5，目前行业内的定位其实很不清晰。
唐： 首先，我们所说的 L1，或者是 L2，均是属于部分自动驾驶，也就是 ADAS。现在业内可能产生了一个新名词叫 L2.5，不过从技术角度来说我们依然认为它还是 L2，只是一个高端的 L2。对我们来说，L1 的定义是 AEB、ACC 这些基于单车道目标识别的基础功能。到了 L2 的话更多的功能得以实现，但同样也是主要基于单车道的识别。例如自动巡航功能，它提供了车道的居中，也就是说除了 L1 当中的纵向控制外，L2 还提供了一些初级的横向控制。
唐： 无论是 L1 还是 L2，我们认为它都是标准的 ADAS 功能，它需要人类驾驶员要时刻对路况保持注意。一旦进入 L3，那就意味着在限定工况下，系统可以完全接管驾驶权，人类驾驶员可以把注意力移开。这样的话，在责任主体上会产生一个巨大的分水岭——无论 L1 还是 L2，哪怕 L2.5，责任主体依然是在驾驶员，但是到 L3 的话，在限定工况，在一定的情况下责任主体完全就是车，这是一个非常大的转变。（作者注：其实在 SAE 最近刚刚发布的最新自动驾驶分级中，L2 的定义已经清晰地覆盖了现在所谓的 L2.5 功能，相信 L2.5 这个说法也会随之迅速淡化。）
G： 现在的 L2 方案主要都是基于传感器结合算法去形成一套视觉感知系统，那么如何去评价这套系统的好坏？比如说现在很多车企的产品都搭载了 L2，真正能提供整合 ADAS 解决方案的供应商其实也就是这几家，那么如何体现不同厂家在 L2 上的差异化？
唐：ADAS 的原理也是遵循感知、规划和行动这个逻辑。实际上对于 L2 来讲，还是比较容易解释的。首先它的系统架构相比 L3 来说简化了不少。因为它的系统主体构成还是以传感器为主，也就是前向摄像头，前向雷达，有时还会再加上两个到四个短距的角雷达，甚至于很多的一些规划和行动控制，都是集成在传感器端。所以某种意义上来说最终性能的好坏，传感器起到非常决定性的作用。当然评价性能的好坏最终还是要通过围绕性能的测试来完成，但是 ADAS 性能测试的覆盖面毕竟有限，一些极端工况是很难进行测量的。所以如果要想获得一个好的系统，就必须注重对传感器的要求。简单来说：一个高性能、稳定、可靠的传感器，才能实现一个稳定可靠的功能。
G： 传感器主要是硬件，那么在软件方面呢？
唐： 软件分成三个步骤：第一是我们传感器端的视觉感知算法，它会直接体现在传感器的性能上（既感知）。第二就是构建整体环境模型与功能性的算法（既规划），用来实现 AEB、ACC 或者是 TJA、LKA 等这些功能。以上两个步骤之后，最终才是我们对整车四个轮子的控制（既行动），因为所有功能的体现都要落实到车的四个轮子，四个轮子体现车的动态控制，这又是一套算法。目前 L2 主要还是是纵向控制和横向控制。所以软件上也还是会回到感知、规划、行动这样一个效果链，它的重要程度自然也是非常大的。
G： 能不能用大陆集团自己的解决方案举个例子，L2 整体这套方案基本上都包括哪几个模块？
唐 ： 比方讲我们目前商业化的 L2，它的系统架构非常简单。感知端主要是一个前向的毫米波雷达（中距或者长距），还有前向视觉单目的摄像头。在软件上，目前来讲我们整个感知和规划的算法计算也是集成在摄像头和毫米波雷达里面，所以说对于目前标准化的、商业化的系统来说，还不需要一个中央计算平台，感知端嵌入的计算平台已经足够来跑这些算法了。然后在支持纵向横向的动态控制方面，其算法也可以集成在传感器端，通过传感器既能完成感知又能兼任中央控制决策大脑，调动动力总成端，ESC 以及电子制动这些控制。
G： 那么您如何看待业内出现的「域控制器」这种中央集成式的解决方案？
唐： 域控制器也是我们产品线当中很重要的部分，通常我们把它叫做自动驾驶辅助或者自动驾驶大脑。虽然从硬件角度来说，它是一个高性能的计算平台，或者说控制单元；但是它更多是一个载体，围绕中央控制单元背后实际上是一个庞大的系统集成工作。这又回到了感知、规划、行动，它们都可以集成在一个硬件高性能计算平台上实现。
唐： 域控制器的意义已经超越了硬件本身，更多的是背后一个庞大的整合系统。因此如果想要设计出一个好的中央计算平台的话，就需要在感知、规划到行动整个效果链上做到全部覆盖，包括零件系统、软件系统、硬件系统这一整套产品线。大陆集团就是这样一家有着整套产品线的 Tier 1，所以我们才能够设计出 ADCU 这样用于自动驾驶的中央计算平台产品。
G：ADCU 这类中央计算平台的出现，是否有很重要一部分原因也是得益于芯片产品性能的不断发展？
唐： 对，芯片毫无疑问在未来的自动驾驶，特别是高性能计算平台上扮演非常重要的角色。这也是为什么我们和英伟达有一个战略性的结盟，我们既是供货关系，同时也会深度地共同开发。英伟达在给我们提供芯片的同时，也会为我们开放软件开发平台，而我们则在这个底层基础之上，去构建前面提到的整套自动驾驶系统。
G： 现在有很多创业公司通过人工智能技术（AI）以软件算法为核心切入自动驾驶市场，您认为 AI 对 ADAS 领域有着多大的影响？
唐： 算法分成两块：一块是感知识别算法，另一块是功能和执行算法。说到感知识别算法，其最终的开发是要基于一个系统，也就是说需要开发出什么样的算法取决于：第一，基于有怎样的硬件，第二，基于有什么样的系统级应用。只有懂得系统级的应用，从感知、规划、行动，一个完整的效果链下面，才能开发出一个有针对性的算法。我不可能抛开车规级、系统级的应用，独立闭门开发算法。这个从某种意义上说也是具有一站式服务能力的供应商的一大优势。对于大陆集团来说我们在摄像头以及毫米波雷达的传感器上都会配备相对应的算法，并且我们可以通过量产项目积累更多的经验与数据，从而对算法做出优化。
唐： 毫无疑问，人工智能、深度学习这些技术，对未来自动驾驶是一个非常重要的基础元素和方法论。虽然目前商业化落地程度还很有限，但是 AI 是要去持续进行投入的。大陆集团在布达佩斯和班加罗尔都设立了人工智能技术中心，未来我们也会在中国部署人工智能技术中心来支撑自动驾驶的发展。我们计划于 2020 年商业化量产的下一代摄像头就会导入人工智能算法，它除了能完成简单的动态物体和静态物体的目标识别之外，还导入了更多的行人元素的意图识别。
G： 您能不能跟我梳理一下，一个 ADAS 产品从 Tier1 研发到跟车厂签订项目，再到最后 SOP 落地具体是怎样的一个流程？
唐： 开发的过程是一个比较复杂的体系，可以分成两维度来讲。第一个维度还是围绕着感知、规划和行动这个层面，感知端就是传感器的开发。传感器端的开发相对来说涉及到的领域比较多，如硬件、软件、算法等等。然后构建环境模型及功能算法，虽然在功能上大家都叫 AEB、ACC、TJA，但是对这些功能背后的一些要求，各个主机厂会有一些不一样的地方。针对这些地方，我们会对功能算法进行一个定制化开发。功能算法开发最终的体现是在车的行为，就是对四个轮子的控制，然后就是进行很多的道路试验，在特定的工况，在特定的实验场所里面去做大量的路试。同时为了验证我们感知系统的性能，我们需要去采集大量的数据，这些数据的采集当然最终还是为了这个系统的开发以及验证。
唐： 如果具体到从模块化的角度来说，那就涉及的非常多了。构建 ADAS 产品体系是一个庞大的系统工程，其中包括系统需求、系统架构设计，功能安全设计等等。然后这套体系自然也摆脱不了其中每一个零部件的系统级开发，以及零部件和整车的集成。我其实很难将这些工程直接概括串联起来。因为其中的各个部分都对应着我们研发的各个部门，比如我们有硬件部门、有软件部门、有功能算法部门、有测试部门等等。
后续更高级别自动驾驶的发展
自动驾驶行业最有魅力的地方就是它价值链的复杂程度和长线的发展时间。这为汽车行业本已十分固化的体系带来了很多新的可能性。相较于现在的 ADAS，L3 级以上的自动驾驶才是这些新可能性真正爆发的开始。而面对这些可能性，唐总也和我们聊了聊他的理解。
G： 今年很多造车新势力都开始提及 L3 的落地，您觉得 L3 和现在的 L2/L2.5 相比，发展趋势会有什么不同吗？
唐： 首先，作为 Tier 1，我们坚信高度以及完全自动驾驶，肯定是未来道路交通发展的必然趋势。这也是我们大陆集团明确的一个发展方向。从商业化落地角度来看。L3 系统的复杂度要远超 L2，虽然它们之间只差了一级，但是这里面还是有很大的差异性。一方面 L2 更多的是车载端，L3 则会上升到一个庞大的生态系统。从大陆集团的角度上看，虽然目前 L3 的商业化落地还没有普及。但是对于这么一个庞大、复杂又充满困难的系统开发来说，我们不可能去围绕着一个项目的落地来去部署我们的开发，而是要在很多未来项目来临之前，便已经提前做好技术储备。也就是说我们概念性的设计已经在实行，甚至很多都已经完成了，只不过还没有落地，这里很重要的一个原因是 L3 在行业和政府法规层面都没有一个很明确的标准。
唐： 在前装领域，所有主机厂的功能定义实际上都是与战略合作的系统供应商们一起共同讨论来制定。所以我们如果没有这样的技术储备的话，无法去跟未来的车厂和其它供应商进行战略合作，或者说站在同一个 level 上进行对话和讨论。我们的预判是 2020 年高度自动化开始进行落地测试，不过这会持续很长一段时间，甚至到 2030 年我相信 L1、L2/L2.5 的系统应该还是会占据市场的主体。但是 L3 肯定会有，虽然它的比重不是很大的一块，但是它的战略性意义对于未来的发展是非常大的。
G： 目前 L2 的重点还是在感知上。而到了 L3 重点就变成了规划，也就是如何能让系统像人一样开车，同时还能维持安全性。这对于 Tier 1 来说会带来怎样的挑战？
唐： 我们在开发 L3 系统时，会把环境模型的确立定为最重要的元素之一，因为环境模型是对整个车外界环境的判断以及自身状态的设立，所以我们把它称为自动驾驶的心脏。在此之后就是要定义功能，我们更多的把功能解读为自动驾驶的意识，就是想让车怎么来加速、减速、变道等等。
唐： 到 L3 级之后，中央计算平台就非常重要了，它好比就是自动驾驶的大脑。从算力需求上来说 L3 就会非常的大，并且在感知、规划和行动端还都需要有备份冗余，这些都将由中央计算平台来承载。到这时，传感器更多的就是去负责精确采集驾驶环境中动态与静态的物体信息，而大部分的识别、规划、控制算法的运行都会集成到中央控制单元里面去。
唐：L3 的决策问题，实际上就是很多功能算法的整合问题。在 L2 时，Tier 1 通常会把功能算法分的比较细，例如我们会有单独的 AEB 功能算法、ACC 功能算法、还有 LKA 等等这些算法，并且这些功能算法主要都是和传感器对应整合的，例如 AEB 和 ACC 会整合到雷达中，LKA 则会整合到摄像头中，在开发时我们也会是一个一个算法单元逐个去做。这么做的原因是便于产品的模块化。但是到了 L3，你的传感器布局会更复杂，一个功能可能会用到很多的传感器，这时功能算法就需要去融合，甚至 AEB 自动刹车也会导入到一个横向的控制功能中，这就意味着，整个算法的开发都不能再沿用原来 L2 的模式了。
唐： 目前有公司在开发利用卷积神经网络（CNN 也就是深度学习）来做端到端整合算法的开发，但是这个模型完全没有商业化。其原因也是因为 L3 自动驾驶的整个系统架构比以前的 L2 复杂了太多。所以在我看来，L3 开发真正的难点是两个，第一个就是刚提到的系统架构设计，第二个就是测试，像 L3 这么庞大的系统要想商业化落地的话，你必须经过同样非常复杂以及长时间的测试。
G： 现在很多公司开始做 L4 级别，您觉得 L4 真正的商业化前景如何？
唐：L4 已经成为了一条自动驾驶的发展路线，传统工业走的是阶梯式的 L1、L2、L3，后来像 Waymo 这样的公司则开始直接去做 L4。原因很简单，就是商业诉求不一样。因为我们 Tier 1 生产的产品商业诉求就是供给整车厂，他放到车里卖给终端消费者，这是我们基本的商业化路径。但对于一些科技公司来说，他们在现有汽车供应链中无法直接商业化，所以它们选择另一条商业路径，也就是 Robotaxi，那就必须要达到 L4。当然，这里的 L4 也是一个在限定场景内的完全自动驾驶。其最终的目的是要覆盖目前能够提供移动出行服务的车。
G： 您觉得 L4 的发展会对现有的技术以及供应链体系带来怎样的变化？
唐： 如果真的到 L4 的话，整个生产系统就会变化。具体会变成什么样，我们大陆集团也在探索。从目前来说，很多科技公司或者说互联网公司，他们在向我们这些传统的车企学习，学习整车的系统架构，包括安全、执行，甚至是感知规划等等，在学习的同时，他们也在向传统车厂渗透理念。同时作为我们 Tier 1 来说，我们也在寻求变革，我们也要向互联网公司去学习，学习他们的文化、学习他们开发的模式、学习他们在做软件时的敏捷以及不断迭代的方式。这也就是为什么我们会积极去与英伟达、英特尔以及百度这样的科技公司合作。
唐： 以我的观点来看，关键在于谁向谁学的快。到 L4 的时候也就是要去检验一个双方学习成果的时候。因为到那个阶段，整个移动出行的生态系统会发生变化，竞争对手的身份也会发生变化。我们大陆集团相信，L1 一直到 L4，甚至 L5 应该会共存非常长的时间。但是从 L1 到 L3 层级的车的话，我相信还是以传统供应链的方式存在，而且应该在很长一段时间是一个比较大的比重。到了 L4、L5，整个的生态系统发生变化，整个车辆运营的价值链跟今天肯定是完全不一样了。那个时候的变化我觉得很难定义，只有交给市场来检验了。
GeekCar 总结
透过这一个半小时的专访，我们大可以总结出几点重要的结论：
- L2 级别 ADAS 迅速普及的背后，隐藏着 Tier 1 强大的车规级、系统级产品开发能力以及模块化能力。这也就是为什么 L2 的前装市场至今仍然被那几家 Tier 1 巨头垄断的原因。
- L3 是一道重要分水岭，其不管是从功能研发还是从安全定义来说都要比 L2 困难得多，因此其大范围普及很可能不会像 L2 这么快。
- L4 的到来才会是一切新可能性真正爆发的开始。这也是很多科技公司发力 L4 的原因。
对于大陆集团这样的 Tier 1 来说，他们的 L2 方案已经成为了市场上的主力产品，L3 则是作为即将进入市场的技术储备，而未来的 L4 则会是对其转型效果的最终检验。正如唐总所说，L1-L4 是会共存很长一段时间的，这也就意味着以 Tier 1 为主力的传统汽车供应模式依然会在未来很长一段时间内贯穿自动驾驶的感知、规划与行动这条主线。只不过，这条主线上的参与者可能会和过去的时代有所不同。
可以说 2018 年既是 ADAS 的崛起之年，也是自动驾驶真正挑战的开始之年。
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）。