吴碧磊出席2021汽车资本论坛并作主题发言

10月15日，2021汽车资本论坛在北京举行。本次论坛以“智能驾驶元年的掘金机会”为主题，一汽解放总经理、党委副书记吴碧磊代表一汽解放参加了本次论坛，并围绕“高阶智能驾驶技术量产（L3-L5）的现状与未来”等问题给出了有针对性的解答。

自动驾驶落地的难点和思路

在论坛上，吴碧磊指出，影响L3级别以上自动驾驶落地的因素很多，其中最关键的是技术成熟度。目前，在常规场景下，大部分L3级别以上自动驾驶的技术问题已经被解决，剩余10%的技术问题主要是来自天气、道路情况、交通参与者等多重要素组合产生的复杂场景对于自动驾驶感知、决策、控制等一系列技术的影响。自动驾驶的长尾难题逐渐成为制约产业发展和落地的关键。

另一个制约规模化应用落地的限制条件是激光雷达传感器、智能控制器、制动、线控转向等系统和零部件成本过高。目前来看，硬件价格逐年大幅下降趋势十分明显，同时考虑到L3级以上自动驾驶商业价值的核心还是省人或者无人，因此制约自动驾驶落地的最核心关键点还是算法技术的成熟度。

解决长尾难题需要大量数据和场景积累，这是主机厂做自动驾驶的优势所在。一汽解放在自动驾驶技术研发方面，通过前装量产推动规模化的投放和测试，规模化的应用测试产生海量的数据积累，通过数据积累推进技术迭代升级，跑出解放加速度。同时，新利18国际路线也和技术成熟度相关联，一汽解放也在具体产业发展阶段，积极推动相关政策、法规、标准的制定。

解决“长尾难题”的路径对比

目前解决“长尾难题”有两条路径：一种是以视觉感知、雷达感知为代表的“单车智能”，另一边则是“车路协同”。

对此，吴碧磊表示，从市场看，“单车智能”要比“车路协同”更现实。“车路协同”虽然能够解决一些“单车智能”较难处理的极端场景，但“车路协同”存在两个问题：一是路端系统建设需要很长一段时间才能有足够的覆盖度，并且由于中国地域辽阔，各地的路端建设方案也很难做到完全统一，跨区域的“车路协同”普及很难实现；二是路端信息与车端信息相互传递的实时性以及信息安全性问题也是一个挑战。因此，首先应该把单车智能做稳定，“车路协同”可以作为“单车智能”的冗余补充。

数据开放的创新模式

针对自动驾驶数据开放问题，吴碧磊给出了如下观点。

数据是解决自动驾驶的主要资源，是解决长尾难题的途径，是企业的核心资源。但面对数据开放，现存在两个问题：一是目前AI数据集与产品方案、应用场景强相关，企业间对于数据使用都有自己的Know-How，所以数据规范化成为数据开放最大的问题；二是数据开放会带来技术同质化等问题，与打造差异化产品相冲突，这也是数据共享开放的一个障碍。

针对数据开放的创新模式，吴碧磊指出，数据开放可以采用不同模式，一种是“抱团取暖”模式，二是大企业“牵头主导”模式，形成数据交易，吸引同样落地场景的企业一起参与。

全栈自研—汽车智能化进阶之路

关于“全栈自研”，吴碧磊表示，首先自研是由自动驾驶的长尾特性决定的，是数据驱动模式所决定的必然方式，只有数据和算法捆绑在一起才能解决自动驾驶的长尾难题，不自研无法完成数据闭环。而各企业全栈自研的原因是由于自动驾驶的工程性所决定的，单个模块的优化不能保证系统的最优，只有所有模块协同优化才能达到最优。

作为商用车行业引领者，一汽解放将加快智能驾驶的发展步伐，强化提升智能卡车的竞争力，为客户提供更加安全、高效、智慧的物流以及整体服务解决方案，满足更多客户需求，为汽车行业的快速、高质量发展贡献力量。