馭勢上?？偨浝睃S波博士在“GTIC 2017全球（智慧）科技峰會”發表了名為“智能駕駛商業化的思考和實踐”的主題演講，主要探討了自動駕駛由L2向L3級別演進的路徑和難點，以及同時從特定場景的低速無人駕駛尋求突破的商業實踐。

以下為黃波博士的演講精摘：

1、自動駕駛技術在中國的潛在市場廣闊。

至2020年，汽車產業規模達3000萬輛，駕駛輔助/部分自動駕駛車輛市場占有率達到50%；

至2025年，汽車產業規模達3500萬輛，高度自動駕駛車輛市場占有率達到約15%；

至2030年，汽車產業規模達3800萬輛，完全自動駕駛車輛市場占有率接近10%。

2、當前自動駕駛的主流水平——L2（部分自動駕駛），還遠未成熟，離一輛足夠智能的車還有很長的距離。而要使L2邁向L3（有條件自動駕駛），還有幾個問題需要克服：

第一點是設計上的難題：自動駕駛失效要向駕駛員移交車輛控制權，這個過程會花費8-10秒左右的時間，系統需要足夠的智能才能在這段時間內保障車內乘客的安全；同時，L3的自動駕駛對傳感器算法提出了更高的要求。

第二點是L3對其它尚未成熟的技術具有一定的依賴性：其中最主要的是實時的高精地圖和V2X的車輛通信技術，這兩項技術雖然都比較先進，但在目前仍未落地。它們的研發進程也為L3的落地增添了不確定性。

第三點是成本問題。L2主要采用前視攝像頭+毫米波雷達的解決方案，成本相對較低；升級到L3后，可能需要多路攝像頭，也可能用到短距離毫米波雷達甚至更加昂貴的激光雷達。消費者對價格敏感性仍然很高，成本可能會成為L3技術推廣的一個巨大阻礙。

第四點則是中國的道路情況相對外國更加復雜（速度區間大，換道多，人們駕駛習慣更加粗放），對自動駕駛解決方案的算法與硬件都提出了更大的挑戰。

基于這些考慮，自動駕駛的大規模商業化可能還需要5-10年的時間。

3、面對這些情況，在持續研發L2.5與L3的智能駕駛解決方案的同時，馭勢科技也在低速無人駕駛場景尋找機會，由于場景高度確定、速度較低，后果更加可控。同時算法復雜性比高速場景高得多，可以為后來進化到中高速的無人駕駛做好充分的準備。

4、智能駕駛的商業化是一個復雜的系統工程。

演示跟產品是不一樣的，演示中可以多次嘗試，只要一次成功即可。而作為產品部署卻一次失敗都不可以有，所以我們必須用工匠精神去打造產品。

如何在量產上控制成本，以及周邊基礎設施的建設，都要納入考慮。智能駕駛同時是一個高度復雜的系統工程，單個算法可能并不難，但要把所有軟件和硬件無縫地集成并正確運行，其實非常復雜，存在非常多的挑戰。

馭勢科技集聚了人工智能/計算機視覺團隊、來自國際Tier1的核心工程師團隊、產品設計團隊以及來自英特爾的系統工程團隊來共同打造馭勢的智能駕駛解決方案。

當然，商業化的部署和落地需要產業上下游的通力合作，馭勢懷抱開放的態度來跟生態系統的玩家合作，共同迎接智能駕駛的早日到來。