现在咱们的系统支持在哪些城市、哪些区域可以使用？先不考虑车什么时候量产的问题，我们系统准备到什么样的程度了？

苏箐：可能简单先讲一下系统几个模式的构成，不是一个简单的Robotaxi，它有NCA、ICA和ICA+这个模式，我想你可能问到的问题和今天体验的主要是NCA模式，NCA模式是完全全自动的，有点像Robotaxi的体验。

在今年底量产的时候，我们会提供北上广深四个城市，大约每三个月我们会提供一批新的城市，这个是NCA的体验。我们也看到国内毕竟还有很多二线、三线、四线城市，大家也要买车也要用，这个时候我们会提供一个ICA+的模式，因为我们车会自学习整个的交通环境和自构图。

这个车只要你开过，或者你的邻居伙伴开过，这个车会自动学习这个的路况，它会实时去构图，然后这个车会达到一个类似于Robotaxi，但是肯定会稍微差一点，因为它的数据不够全，会达到这样的体验。



特别是现在比较火的high way，包括像上海的内环、中环、外环是完全不需要地图的，可以达到基本一样的体验。所以这个东西是可以在全国今年年底就泛化的，没有任何问题。

这两天没有体验到AVP的功能，这块的研发进度和量产规划怎么样？

苏箐：AVP其实是最早完成的一部分，我以为大家可能对泊车可能已经比较没太大兴趣了，下次可以安排大家体验一下，因为AVP我们的量产车里面肯定是最好的，大家应该会很惊艳。

能够做到L4级APV吗？人是可以下车的。

苏箐：我觉得是这样的，大家现在总是喜欢讲脱手、脱眼、脱脚，我知道大家作为融资也好、噱头也好是很好的，但是说实话，我自己做自动驾驶这么多年，我其实很不喜欢这个说法，坦白点讲。我觉得更需要解决的不是在某一个特定的商业区或者是特定的building搞一个demo，这个不是我要干的事情，我要解决的是解决你每天上下班通勤的问题。明显一个问题你不可能对每一个上下班的人群、工薪族，你对他的Office和家里面的小区，把他这个地图和车库的地图全部建出来，这是不可能的，没有任何人能做到这一点。



我愿意解决的是用车的自学习技术，去解决每个人每天上下班自己的办公室和家的车库的自动泊车，第一步我要追求的不是这个人下车，离开车，我要追求的是这个人到了小区门口的闸机的地方，车就告诉你你现在不用再管它了，你只要激活这个功能以后，车会自动帮你停到车位里面去，这是我第一步解决的问题。

您提到的NCA、ICA+、ICA，能不能简单展开讲一下？

苏箐：简单点说，NCA模式就是大家看到的车内有预制的高精地图的，ICA+是没有高精度地图的，但是车会根据自车或者是他车开过的环境自动学习地图，这就是ICA+。



在你第一次开的地方，总有这种地方，谁也没开过，别人车也没有开过，这是完全的ICA模式，大家看到特斯拉现在就是ICA模式，分这三种。

像在ICA+模式下用户的感受怎么样？

苏箐：你会发现ICA+是基于NCA和ICA中间的一个地带，你自车开过的次数越多，或者是他车开过的次数越多，他的体验就会越向NCA这边靠拢。而开得比较少的时候，开一次的时候体验有点像ICA，它是逐步提升的自我学习的过程。

可以理解为有没有地图，可能这个系统的信心不一样，在某一种情况下比较容易退出。

苏箐：我简单点说，你自己去一个陌生复杂的城市，你自己开车会速度会变慢，会变得小心，因为你不知道前面有没有一个豁口，会不会有行人蹿出来，就这种问题，其实是一样的，对车来讲它也有这样的问题。

昨天咱们工程师说降级到ICA+以后没有办法实现点对点。

苏箐：不完全对，说点对点，意思就是任何出发的时候在地图里面都可以搜索这个目标点。但是在ICA+的时候，理论上没有全局地图的，那么在你去过的地点，简单点就是每日通勤的上下班这个点因为你开过，所以其实是可以实现的。但是如果你要泛化到所有地点上去，它确实是实现不了的，你可以理解它的地图是不完整的一个地图，你这么理解这件事情就好理解了。

因为精度没有高精地图的精度高，所以能力可能会稍微弱一点？

苏箐：其实地图精度是够的，但是数据是不完整的。我举个例子，你只开过一次的时候，可能你自车车道是被构出来了的，你离很远的车道可能是有缺失的，你的对向的车道也是有缺失的，你得开得越来越多才会累计得更完整全，有点像以前打《星际争霸》，开始地图是黑的，你开过的地方就白了，就是这样的过程，很像。

这个车的安全责任是怎么划分的？

苏箐：我们一贯坚持体验式往上做，做到L4这个级别的，但是从法律上就是L2，这个是没有任何含糊的。



而且我觉得如果自动驾驶想发展得迅速，能给大家带来体验必须这么做，就是把功能、体验和法律责任解耦，否则车厂会非常小心，给你提供最安全的，但是基本等于废物的功能，其实我们看到很多车厂就这么干的。

提到第四个城市，后面每三个月一个城市。

苏箐：不止一个，每三个月一批。

现在的测试范围是怎么样的？

苏箐：全国已经都在泛化了，一二线城市都在泛化。

能具体一点吗，一个季度大概的量是多少？

苏箐：也许一开始6个，我只是举个例子，大概这样的水平。

自学习的地图是传到云端，然后从云端再分发给所有车辆吗？

苏箐：取决于不同车厂的选择，这个可以始终保持在车端，也可以在云端重新再做融合。

华为提供能做到最好的方案，光凭借车端或者是量产车，其实不需要通过做地图的车就可以把高精地图抛弃吗？

苏箐：如果你是解决每日通勤，点对点的上下班路线的话是可以的。

NCA是华为自己应用咱们车队做高精数据的采集吗？

苏箐：我们有两个部分，其实这样要简单介绍一下我们的系统，我们整个地图系统叫Roadcode，Roadcode里面有两部分组成，一个叫Roadcode HD，一个叫Roadcode RT。



HD的意思你可以理解为大家认为的传统的高精的地图，有专门的地图制作团队做的，是离线的。Roadcode RT是车子的自学习地图。这两个东西是两位一体的，我自己以前没有做这行也没有注意到整个城市的基建变化如此迅速，整个上海的城市道路不停地翻新，红绿灯的更换速度比我想象快得多，如果你只是用Roadcode HD传统的技术很快就挂掉了，所以Roadcode RT本身会不断地自学习后去更新，把数据沉淀下来，这样的循环迭代的过程。

今天我们体验的天气比较好，不知道像爆风雨、台风的天气，还有包括夜间模式和隧道的模式处理得怎么样？

苏箐：隧道没有任何难度，隧道不知道大家为什么老是讲隧道，隧道没有任何难度，隧道只是一个定位问题，没有GPS。话说回来你在城市里面开，你在高架下开也不能靠GPS混，这个也不现实，除非你做Demo做着玩，这显然没有难度。

暴风雨可以看一下去年我们发车展发的一个视频，相当于是爆雨天气，所以对我们来说也不是问题，还有什么问题？

夜间模式？

苏箐：我们有同学体验过夜间模式，夜间也没有什么难度。下雨天因为传感器有遮挡所以车行为会更小心、更保守一点，但是夜间和白天比并没有可见的难度提升。



想问一下全融合，既然是全融合，是否例如像视觉生成的一些视频信息类的，所有的这些信息都会归纳到一整套的计算中心或者是神经网络里面去消化它吗？

苏箐：你可以认为所有的信息都是网络的输入，但是不是一张网，不同的网络完成的功能不一样。

能把所有的硬件配置讲一下吗？

苏箐：我们有两个配置，标准版的是400TOPS的算力，豪华版配800TOPS的算力。

量产呢？

苏箐：量产，现货。



想问一下量产的现货什么时候交付？

苏箐：今年11月份、12月份。

想问一下研发带宽的问题，我们要在那么多城市测这个车建图，同时我们有已知的三四个车企合作，ADS有多少人，上这样的一个车大概多长的周期？

苏箐：极狐是深度合作的第一辆车，这辆车本身可能开发应该有3年了，后面应该会快一些，第一代的问题是比较多的。你可以认为很多后面的导入，我猜应该在24个月左右，再短可能就很难了。

ADS团队规模有多大？

苏箐：自动驾驶这一块2千多人。

可以讲一下2000多人的团队里面，做盒子、激光雷达和算法的人有什么划分吗，大概占比是多少？

苏箐：你可以认为纯算法1200人左右，纯算法的。算法里面可以分几个大块，我们叫大感知，就是你说的视觉、激光都在大感知团队里面，下面不再分。还有第二个预测，第三个我们叫PNC，PNC里面又会细分。你可以认为每个团队的规模大概都在200-300人不等，剩下1000人就是做你刚才说的其他东西。

除了极狐这个车，下一阶段有增加新的车型和品牌吗？

苏箐：有，可能现在公司已经发布了我看到三家，极狐、长安、广汽，后面还有一些其它的大厂，你们后面会看到的。

想问一下我们和北汽分工的问题，我们来定义什么，他们来定义什么，这几家车企有什么差异化？

苏箐：我想这个是一个好问题，我到现在想看也没有很明确的分工界面，因为大家联合来打造这辆车，基本上你如果说一定要分的话，北汽可能更多在cover这个车的机械系统、底盘系统，还有相对来讲比较传统的部分。华为帮他搞定整个车的计算机化这一块，包括自动驾驶、座舱，还有后端云端的这些事情，如果长期分的话大概是这样，其实这个事情也没有这么简单。



差异化坦率点说真的是很严重的问题，你觉得智能机有什么差异化，手机有什么差异化？越是复杂的电子系统，每个主体开发成本达到几十亿美金的时候不应该在这个地方做差异化，这是有严重问题的。

昨天晚上奔驰的EQS发布了，他们还在打L3的概念，但是华为坚持的是连续，您怎么看欧洲这种传统大厂再去往责任上突破，而我们再去往连续性上突破两种不同的差异？

苏箐：其实你看欧洲大家的想法也不完全一样，我做一个个人评价，不代表公司的立场。



我个人觉得欧洲的三大里面，BBA里面大众其实思路上比较靠前，跟他们做了这么多年自动驾驶的探索是有关系的。其他家的思路还在一个演进的过程中。特斯拉我觉得教会了所有人，包括我们在内和车厂很多事情。

车厂你看到了，你会发现一个行业本质上变化是什么？你再往前看就清楚了。扯远一点，大家以前是蒸汽机、电动汽起来以后能源革命或者是动力革命，然后计算机被发明了，然后计算机在改变所有东西，过去三四十年就是这个过程，计算机在改变所有东西，上次把手机给改了，这次把车给改了，我们对特斯拉就是这样的看法。传统的车厂无论是立场也好，他的看法首先我的基座是车，现在有些计算机的单点，我是把车作为一个基础，然后我试图把计算机嵌进去，这是传统车场的看法。我们的看法不一样，我们的看法基础是计算机，车是计算机控制的外室，这是本质看法不一样，会导致所有事情看法都不一样。

所以你会看到传统车厂以这个为思路会做很多小盒子，来一个功能加一个盒子，来一个功能加一个盒子，但是我们的看法本身就是一台计算机，一个大计算机了事，把车挂上去，这是本质的不同。

所以这是华为不造车根本的原因吗？

苏箐：不造车我觉得是一个商业选择的问题，不造车算下来市场更大。

这样算的话，你们有没有对单车的利润做过阶段性的预测，你们这样算的话，后面你们的主导权就会越来越大，利润会越来越高。



现在华为做出来的体验已经非常接近Robotaxi，但是在公开市场华为的信息都比较低调，车队的规模、测试的里程，你们提过可以做到1千公里的监管，这个数据怎么得出来的？

苏箐：实话说MPI这个数据对衡量自动驾驶我没有找到更好的指标，但是MPI这个值里面有很多的计算技巧和技术方法的，这是为什么我不愿意谈这个问题。



你可以看得到，简单点说MPI跟几个东西有关系：



第一，跟统计方法有关系，然后是跟时空有关系，时空的意思就是你选什么样的路段在什么时间去跑，跟这三个东西全都有关系，这里面的值可以差到数量级。

为什么刚才说的跟统计方法有关？我们可以看到加州的统计结果，如果你有几百辆车的时候，在一定时间内可以挑出比较好的样本和比较好的时间连续段统计它，MPI值会很漂亮。实际上我们内部这样去做MPI值的时候坦白点讲没有什么意义，更多是把所有的车，在所有时间段内做历史累计，这个时候算的统计意义的MPI才是一个真实的MPI。

我能讲的是任何MPI在自动驾驶团队里面都是核心机密，我坦白点讲不能告诉你一个具体的数字，它也不是一个简单的数字，是一个很大的表。在所谓加州的统计方法里面，我在上海确实可以做到1000。



但是在真实的历史统计上面我只能说我还没有做到1000，这个我必须告诉你，而且我敢打赌，全世界包括waymo在内也没有人能够做到1000。

我们的车主要在中国哪些地区城市？

苏箐：第一是北上广深，北上广深是重点跑的，其他是全国的高速路网在跑，所有其他主要城市的环路也在跑，这是第一批要覆盖的。我们很快开始在二线城市跑。

你们的自学习和特斯拉的影子模式会有区别吗？

苏箐：我说实话特斯拉到现在的模式看到的只是概念，没有解释过细节，从我们实践上来看至少有几块东西，你管它叫影子模式也好，管它叫车端智能也好。

我们有两个大的技术，一个就是刚才说的Roadcode RT，这个是解决了整个交通静态环境的一个自学习、自构图的问题，包括刚才说的AVP也是靠这个来实现的。



另一个就是我们管它叫DDI，DDI可能也许更像你说的影子模式，就是DDI会不断学习这个车主的驾驶行为，可能车本身的行为跟车主不一致的，他会抓取车主的行为去做迭代，也许是你说的影子模式。



双目你们解决了什么问题？

苏箐：双目一大堆问题，简单点说从机械上有标定的问题，从算法上其实想把双目用好并不容易，因为双目要解决的本质问题是深度测量，但深度测量本身想测量比较稳定、可泛化其实是很难的问题，大多数人做双目只能做到二三十米，我们远远超过这个数据。

做冗余吗？

苏箐：这个东西不能叫冗余，其实不同的传感器，不同的表现、优劣是有一个波动的。

除了北汽之外，华为的长安、广汽几家车提供打造汽车，华为为什么会选择这几家车企呢，在合作之中华为的参与程度大概是怎么样的？

苏箐：选择客户的原因肯定非常多，说实话国内合作伙伴的速度确实比国际厂要快，这也是大家能看到国内车厂东西先出来的原因，这可能也是中国速度的原因。



第二个选择几个车厂的原因不同，像北汽第一个客户这样，北汽非常有诚意，合作得非常好。今天你看到华为的方案还不错，三年前你看到的可能并不是这样的，也许那时候真的是一个原形的东西，那个时候北汽选择和华为深度合作，而且他们在自动驾驶底盘上面，调校方面真的做了很多的工作，这是和北汽深入合作的一个很大的原因。



长安其实也类似，都是有类似的故事，这里面当然有不同的原因，当然也有商业利益。

自动驾驶这方面华为未来的投入计划是多少？

苏箐：我们现在是2千多个人，一年花掉10亿美金，我猜未来应该会保持30%左右的增长速度。



华为和北汽的合作是一款车型还是一系列平台？

苏箐：一系列车型，因为这种东西不论对于我们还是对于北汽来讲投资都是非常巨大的，不会只做一个车型。

腾讯汽车：长安和广汽也是吗？

苏箐：一样。

想问一下一系列车型预期会怎么样，就是它们什么时候会来？

苏箐：明年上半年到上半年，你会看到有大辆的车上市。

您刚刚说了很多之前自动驾驶公司做的事情都是不对的。

苏箐：没说它不对，这是选择。

他们选择规避了哪些东西，这个过程当中你们跟车企学到了什么，就是车企教会你们些什么？可能他们的角色扮演跟你们不一样，但是你们肯定会通过车企学到了一些东西。

苏箐：举个简单的例子，一开始所有做Robotaxi的人在车顶上有一大坨，像一个塔一样的传感器塔。坦白地讲，我们还很羡慕的，那样算法会简单非常多。我们曾经最早做的时候，很多年前希望上面放一个塔，哪怕矮一点的塔，被我们一个大客户坚决制止，绝对不允许你这样干。

能说一下激光雷达的寿命吗？

苏箐：激光雷达在乘用车上看到10年没什么问题。

目前这套架构有了三个激光雷达，还有很多摄像头。这套架构在其他车型上做到，传感器数量和传感器类型上基本上不会大多？

苏箐：差不多，你会看到在这一代车里面都会差不多，我们一般会在每18个月做一次做小幅度升级，不断往上迭代。

未来的付费模式是什么样的，未来消费者购买这个车以后是一次性付费？

苏箐：有两种。第一，一次性付费模式。第二，订阅模式。这两种都会有。

订阅模式跟华为有关系吗？

苏箐：有关系，跟车厂分成，为什么我做的东西跟我没关系呢？

你刚刚有一个预设可能要几百万辆车，现在特斯拉已经有一百万辆了。

苏箐：好问题，我记得以前谁讲过一个问题很有道理。什么叫大数据？大数据的重点不是“大”字，是数据质量和全，这个是大数据的本质，自动驾驶其实很像。数据里面两个问题很关键。第一，数据本身的质量。第二，数据的维度。在这两个问题上，我觉得特斯拉的数据有大问题。



什么叫维度？仅仅靠简单的几个视觉搜集的数据，这个数据高精定位什么都没有的时候，维度是非常低的。明显看到ADS的车数据维度比它高好几个数量级，数据维度极其重要，数据维度代表信息丰富度和差异化程度。



第二，数据本身的质量。你会发现数据本身是用算法催生的，你低阶系统本身复杂度导致数据本身质量比较低，特斯拉目前是在这个状态。要我猜，特斯拉的数据早就饱和了，对系统能力没有提升。其实我们自己现在拿ADS来说缺的不是数据，而是算法有很多难题需要解，我现在绝对不缺数据。

解决这些难题，第一个逻辑是感知到位，第二个逻辑是对对方车辆的预测到位，到底现在哪一块更难？

苏箐：好问题，我们第一天刚干感觉特别难，后面干着觉得预测难，预测完了以后大家觉得规控难，现在规空也难完了，大家回来发现感知也挺难，不断地在循环。你一定要我说地话，业界整体技术复杂来讲，一开始说感知难度，这是所有人都知道的。要我说，业界从理论和技术成熟度来说，预测和规控两个问题才是真正的难问题，这两个问题可能很多人没意识到。

算法主要靠神经网络深度学习，深度学习有时候会有黑盒，您觉得未来算法上会不会有突破？

苏箐：第一个，自动驾驶系统里面不仅仅是神经网络，神经网络在里面只是其中一切部分东西。算力来讲它占绝对的大头，代码规模上绝对不是，首先澄清一下这个问题。



第二个，我坚决不同意AI是一个黑盒的说法。它的计算模式从以前CPU的标量计算或者线性计算变成了基于线性代数的概率计算，它从概率角度是完全可解释的，一点问题都没有，你可以认为是概率学、统计学的东西和以前1+1=2的东西，不能说概率学和统计学不能解释，我完全不同意这个观点。

ADS这个部门什么时候能够盈利，按照目前这么好的合作态势来看？

苏箐：我不着急，华为公司每做一件事情都是10年盈利，我现在唯一要做的事情把技术做到全球最顶尖，然后解决真正的问题。自动驾驶，其实我觉得不用担心盈利的问题。我举个例子，我记得2006年开始，那个时候都是诺基亚很流行。我们那时候跟公司说要做智能机，一堆人说你疯了，拿咨询公司报告跟我说用户渗透率才0.000几，完全是发烧友的玩具，是你们这些理工男的玩具，说这东西能有什么市场。首先是判断这个东西大势上对还是不对。如果对的话，市场是不用担心的，取决于你能不能把它做好。

刚才苏总说我们体验车的完成度只有30%。

苏箐：算法。

我们自己测试的车能达到百分之多少？

苏箐：不能说100%，一旦变成这样复杂软件系统以后没有100%，每两三个月迭代一次，而且迭代挺大的。拿急刹来说少大概百分之七八十，我只是举一个例子。

我们做的这个车是多久以前的稳定版？

苏箐：只适配了两个月，版本是一样的版本，它只适配了两个月。
--
FROM 112.65.48.*

为啥？
【 在 JessePinkman 的大作中提到: 】
: 有人说他不懂高精度地图&n ...
--
FROM 112.65.48.*