一位车圈前辈近期拜访了国内知名汽车专家、同济大学汽车学院教授、汽车安全技术研究所所长朱西产老师,对当下比较受关注的AEB、NOA、L2+、V2X、车路云、FSD等话题进行了交流。
其实上周就拿到了交流素材,整理专家的观点只有周末有时间,顺便给大家做个客观的参考。
其实很多新概念在行业内并不稀奇,不用担心时效性的问题,我还依稀记得七八年前5G还没彻底普及的时候,我就听过一个V2X方案的介绍,具体的内容记不清了,那时候就某个测试团队介绍方案,有一句话记得很清楚:“网络传输有延迟,容易造成交通事故,5G没发展起来这些还无从谈起”,V2X、ADS都是那会就有的概念。
那么本篇也不带个人观点,就把朱西产教授的主要观点整理出来,供大家参考,也许很多人不爱看专家的观点,但是比起小作文,你更愿意参考谁的观点呢?毕竟很多政策的制定都离不开专家的观点。
下面进入正题,看看朱教授对汽车ADS、NOA、FSD、AI、车路云(最后一段)等方面的看法:
ADS和AEB
在智能驾驶热度起来前,提及率高的是智能座舱,这方面做的很花哨。今年迎来了重要的转折点,终于到了智能驾驶了,在此之前ADS的AEB尽管议论很多,但始终很难转化为用户购车的重要考虑因素。
一方面ADS比较同质化,刚出来时各家都差不多,存在的问题也差不多,有大量的漏刹车。因为要防止发生误刹车,毕竟误刹车导致事故的AEB属于缺陷要召回。并且在召回管理中心角度,AEB的误刹车已经有召回的案例了。
所以误刹车是不行的,但是ADS辅助驾驶的角度来说,漏刹车时企业是不需要负责任的,可能对品牌有影响,用户会问:你说AEB可以帮我化解风险,当遇到风险了,你的AEB哪去了?
近期发生的一些事件,大家终于知道传统AEB博世是最牛的,他的速度适应范围是4-85公里/小时。这就比较麻烦,高速可以跑100多公里/小时,但超过85公里/小时你的AEB又不起作用。
那大家要问:到底谁家是全速段AEB?你在高速上0-120公里/小时才是全速段的,大部分用户眼里,往下的0不重要,常识一般就是85-130公里/小时。
所以说AEB的C-NCAP 5星及中保研的GOOD都没有引起大家的兴趣,最后还是懂车帝引发何小鹏和余承东的“吵架”,才引起全社会的重视。大家才明白原来博世做了一个最高85公里/小时的能拿下五星安全的AEB,华为才是做了个大家心目中高速上全速范围能起作用的AEB。
所以我们认为ADS2.0、3.0才是更安全的智能车,原来五星安全标准的智能车AEB功能被用户嫌弃了。AEB到目前为止不是强制标准,不过欧洲在明年会强制、美国今年就要强制了,中国AEB强制性国家标准也在起草很快就会出来的。
但是肯定不会要求120公里/小时的,现在能达到法规标准的,要求就是高速上有一辆抛锚车,70公里/小时能刹停就是五星安全了,一般做到80公里/小时,现在产品设计做到了85公里/小时,这就是85公里/小时性能指标的来源。
从用户角度来说,既然在高速上会开到120-130公里/小时 ,那120公里/小时能刹停,肯定是用户喜欢的。 这是对用户超标的需求的满足,原本AEB对销售作用不大,但是懂车帝超标的测评,引起了用户的共鸣。
尽管没发生过,但是高速上以120公里/小时去驾驶,驾驶员也会经常分心。明明买了5星安全的车,超过85公里/小时居然不工作,用户不接受就好理解了。
NOA是监督驾驶
NOA今年是元年,NOA和ADS大不一样,所以我们定位为L2+,实际用的是L3技术,因为有法律的门槛,还是需要驾驶员的接管。
其实L3也是需要接管的,主要是法律责任的划分,自动驾驶在NOA阶段发生事故主机厂是不承担产品责任和法律责任的,如果是L3主机厂就要承担产品责任和法律责任。
从技术角度来说,L3的接管是系统要求接管,系统不要求时就不用管。所以L3是脱手、脱眼,但不脱脑的驾驶,用户只需要具备接管能力就行了。
而L2和L2+是一样的,不能脱手、脱眼,更不能脱脑。L2+的脱手、脱眼是自己的行为,厂家不会允许,并且现在还要加DMS限制。其实L2和L2+主要是功能上有差别,L2+已经开始讲究一次接管的平均里程,或者1000公里发生几次接管。现在有些企业能做到1000公里2-3次接管,而1000公里5次接管,一次200公里是主流的平均水平。
这类NOA严格来说,是自动驾驶的话又不承担法律责任,说他是辅助驾驶其实很多时候也会0接管,欧洲现在做的法规定义,把NOA从辅助驾驶提升到监督驾驶了。
欧洲以法规的方式确定,NOA处于辅助驾驶和自动驾驶之间,驾驶员其实是监督员,平均200公里一次介入,驾驶员脱离的程度比L3的自动驾驶弱,比L2要放松一些。
这个法规目前正在制定的过程中,只是在脱手和脱眼时间上存在争议,如果定在10秒就惩罚,那就和ADS一样了。如果说可以有更长时间,30秒-60秒、甚至像特斯拉可以几分钟都不管的话,就更接近L3了。但是这样的话安全性就受到质疑了,安全和用户体验之间有了巨大的矛盾,最后很可能会定在15秒。
所以ADS系统,第一个引爆用户关注的是全速段的AEB,华为也因此脱引而出,现在市场上的产品,120公里/小时能刹停的只有华为,用了2级制动,不是博士的1级制动。
也因此引发了问界M9的热销,当然也爆出来M7一些低配车不是ADS2.0不是华为的,一开始大家还怀疑是博世的系统,这次才知道低配车型还有福瑞泰克的系统。
同一个品牌有不同的表现,在特斯拉身上也存在,在美国免费试用FSD12版本时没有事故,显然很多特斯拉事故都是原来老版本,甚至不是fsd。特斯拉给的智能驾驶形象是FSD12版本,有些出事的车型压根不是12版本,甚至用博世毫米波雷达的那代产品还在跑,大家也发现华为在车的定义角度也遇到这个问题,很多时候用户以为购买的120公里/小时能刹停的功能,但是发现同品牌的低配版性能并不是相同的智能化功能。
不过车企也没有义务说清楚供应商,如果是一个负责任的车厂,销售的时候会说清楚性能的,这个产品AEB速度范围是85公里/小时刹停的版本,那个是120公里/小时能刹停的版本,理论上是应该告知的。
但是很多企业都在用最高配置去宣传,结果低配的车型却没这个功能,从销售角度,除非你主动问,主动说清楚的动机可能不足,当然用户也未必短时间内能完全听懂所有功能的区别。
这里又说到理想的广告牌刹停事件,误刹车的案子一般到了召回管理中心,肯定要召回的。如果是广告牌的原因,那一定是算法是有问题,肯定要召回的。除非理想主动承认是广告牌的原因,否则仅凭一篇报道很难还原当时的真相。从ADS角度就是要严控误刹车,放开漏刹车,因为漏了驾驶员可以补一脚,误刹车的话驾驶员什么也做不了。
因为使用NOA时候驾驶员不允许脱离的,不知道驾驶员能分心到什么程度,很多用户会把监督驾驶当成自动驾驶,原来的分级漏掉了监督驾驶这一级,现在的NOA的定义就是监督驾驶,既不是辅助驾驶又不是自动驾驶。
L3是理想的感知条件,感知不能有漏洞,感知到风险了不一定处置,而L4不仅要有理想的感知,还要有完备的处置能力,也就是没有驾驶员,甚至方向盘都可以没有。
所以L3感知要理想化,感知不能有漏洞,可以识别处理风险,车辆知道有风险自己处理不了,任务可以回退掉。L4就不行,系统不但要识别出来,还要能安全驾驶或处置。看到这里就清楚了L2、L2+、L3到L4的分级区别了。
高速NOA和城市NOA
从今年车展已经能看出,大家都强烈认识到NOA是用户购车非常重要的决策因素,问界的热销本质就是NOA的催化。
说到高速NOA,大部分产品的高速功能都是不错的,而城市NOA,所有车的表现都一般。
城市道路里一次接管,一般几公里到十几公里。朱教授一直想提出一个新的指标,比如30分钟的接管次数或一次接管的平均时间。
因为在城市道路说里程没有太大意义,有时候几公里路程会赌半个小时,时间概念在城市交通更有意义。城市交通中,半小时到一小时的行程占比还是比较大的,5-10分钟行程有没有NOA无所谓,如果上下班1-2小时车程就有意义了。
高速跑的是里程,城市跑的是时间,和交通复杂度有关系,越拥堵花的时间越长。从测试情况来看,国内蔚来、小鹏、华为在高速上已经完全令人满意,在城市中的表现也过得去。最近特斯拉的FSD12版本确实厉害,即便达不到这个程度,这三家的产品也足可以满足主要的需求。
NOA成为主要卖点,且在30万以上车的成型上今年要变成标配了,未来会逐渐降低到25、20万区间车型,而高速NOA可能要落到15万车标配。最便宜的宝骏,据了解用的是大疆方案,已经把高速NOA功能做到12万的车型上了,用的是纯视觉双目方案,也是当前双目方案最好的,大约千元级,大疆目前和东风、大众都在推进,福瑞泰克也有类似的方案,2000-3000元的NOA,用的是地平线的J3。
特斯拉的AI,我们的人海战术
端到端目前国内还没有,但是做端到端,难题是云端算力。特斯拉的模型把五个神经元网络组成一个大网络,模块之间不再是人工组装。从特斯拉发布的资料来看,云端是个10亿参数级的大模型,车端的在线模型是个裁剪到7500万参数的模型,两个感知模块,两个预测模块,一个运动规划模块,把这五个模块打通。
云端训练的模块,对算力要求还是很大,国内从算力角度华为没问题,说到算力,华为刚刚完成交付了100万张昇腾910,估计90万张用于政府基础能力建设,市场上可能会有十几万张出来,科大讯飞说用昇腾910搭了个万卡集群。
主要是特斯拉的10亿参数的离线模型,除了华为、百度、腾讯、阿里这种级别的企业,其他企业的算力应该是不够的,最终对他们的考验一个是数据、一个是云端算力。(大家对算力都有基础,这里我就省略了)
在智能驾驶角度怎么应对算力的问题呢?弥补的办法就是你卷算力,我卷激光雷达。AI能力不如你,纯视觉要靠算力、数据、训练等,但激光雷达不需要太多的数据,从这个角度看感知上的弥补如何。
从预测和规控角度,你卷端到端,我卷准则模型,把所有显性规则都写进去,人工处理。华为这方面的表现也很好,路上跑起来也很丝滑,但不是AI,运动规划还是准则模型。
所以说准则模型不是不好,就是要卷人,这也是我们的优势。AI比不过你,我加激光雷达,你们裁员,我搞5000人团队。准则模型不是不好,就是需要大量的人来总结规律。
准则模型在应对驾驶安全问题时候,都是显规则反而有优势。而ai训练出来是黑箱的隐规则,能干事不能总结,出现问题有可能只能选择不说话。
现在智能驾驶角度,你做你的端到端模型,我做我的准则模型。你用1000人,我用5000人,智能驾驶领域目前AI还超不过人。
车路云
这里就说到智慧交通和基础设施建设,美国的Robotaxi走了单车智能,是个有图的,特斯拉8月8日要推出无图的单车智能,据说很可能要上激光雷达来弥补AI的不足。
无人驾驶要不要走车路云?路端感知是不是有必要?朱教授认为还是有必要的。前天有个会上朱教授还在说,一些公司对车路云定位在安全是有问题的,路端感知的作用是提升交通效率的,安全还是要靠单车。
如果没有路端信息的支持,为了保证安全,就会用采用保守策略,保证安全,牺牲通行效率。
路端感知系统、通讯系统主要的问题还是渗透率的问题,安全方面不能指望,如果失去路端感知,这辆车都不能安全运营了,意味着行驶路线里,只要有一个路口没装路端感知设备就不能跑,ODD被限制了,就不能用了。
所以渗透率角度要思考,一夜之间所有路口都装上路端感知设备可能吗?当然不可能。再看通讯角度,丢包率的问题,现在通讯时的丢包率还是很高的。当然设备故障率就不用多说了,这个是不可避免的。
如果车路云靠路端感知来保证安全,那么没覆盖的地方车就不能去,一丢包就得停下了,设备一出故障昨天还能走,今天就不能走了。
所以不要把路端感知宣传成安全系统,可以把它变成一个提升交通效率的系统,如果有路端感知的路口,就可以快速通过,提升效率。如果这里没装感知系统就保守通过,丢包、故障时都保守通过。
所以从提升效率角度是说的通的,不会让这辆车不能跑。只是系统都好的时候从A到B点,20分钟就到了。如果有的系统坏了、通讯丢包了,甚至系统全坏了,30-50分钟也到了。
有的公司为了忽悠政府的钱,老要强调安全。但是交通畅通也是政府要做的事情,一些公司讲了一个自己都不相信的事情,用路端感知通信来保安全,从渗透率、丢包率、设备故障率、可靠性角度来看,可能一个都保证不了。
如果说提升效率就合理多了,一旦提升效率,单车就可以马上推动。比如发现一个地方拥堵,当前改造一个路口大约30-40万元,堵了就把这个路口优化掉,不堵的路口就忽略了。
这样对渗透率、 故障率、丢包率都没要求,你这里安装了系统,车辆就可以快速通过,如果发现故障了,马上切回安全模式就好了,也就是有数据时高效率模式通过,没数据就安全模式通过,单车智能和网联智能是不矛盾的。
为什么对立起来了呢?就是因为一些公司老强调用路端感知、通讯来保证安全 ,就不知不觉对立起来了。其实原本无需对立,是一条路线,就比如用导航和不用导航,是一条路线,有导航就用导航,没导航就自己开,并不矛盾。
现在很多导航都做不到完全相信,为什么忽悠不了你?因为导航不是安全系统。如果导航把路画错了,即便发生事故导航也不会负责。但是导航大部分时候是好用的,所以导航是效率系统,不是安全系统。
在朱教授看来,单车和网联不是两条路线,是一些企业定义错了,强调安全就是两条路线,不强调安全,强调通过效率就是一条路线。
以上是朱教授的主要观点,我的梳理可能不那么精确,不过也算是和大家一起学习的过程。
毕竟平时无法甄别小作文的真假,只有日常多储备了,如果有人吹车路协同的通行效率,我就愿意多关注一些,如果吹安全性,那我就会想一下:渗透率怎么解决?通信丢包怎么解决?设备故障怎么解决?