由百人会主办的“第二届全球智能汽车前沿峰会（GIV2019）”于9月21日在武汉国际会议中心召开。GIV2019以“加强顶层设计，探索场景应用”为大会主题，包含一场高层论坛、两场主题峰会，分别为“自动驾驶前沿技术峰会”和“打造自动驾驶产业体系峰会”。

电车资源作为合作媒体，与大家第一时间分享精彩内容。

在本届峰会上，初速度Momenta陈昆盛在“第二届全球智能汽车前沿峰会（GIV2019）”做《Better AI Better Life》演讲。

以下是大会演讲嘉宾速记：

陈昆盛：大家好，非常欢迎大家来参加这个论坛，非常感谢今天百人会邀请我们来做这个分享，我叫陈昆盛是负责Momenta一个产品线。今天演讲的题目是Better AI Better Life，大家都觉得自动驾驶很好，怎么让自动驾驶快速落地，怎么让用户用上最好的产品。我们Momenta有一个愿景就希望十年能拯救百万生命，我们大家知道其实现在很多交通事故本质上是有很多人为原因产生的事故。同时我们希望可以在十年时间内解放百分之百的时间，因为大家知道其实现在各个城市都很堵，其实全世界都很堵，所以希望通过人工智能，通过自动驾驶的技术来解放，以及来缓解一些拥堵情况。同时大家都知道自动驾驶本质上可以很好的优化我们物流的出行效率，所以我们希望在十年时间内可以让物流出行效率翻倍。

我们对自己的定位是打造自动驾驶的大脑，本质上自动驾驶是非常复杂的系统，应该说从汽车工业133年以来，应该有史以来最复杂的一套系统，而且是跨学科的系统，我们不可能什么都做，Momenta一个核心的能力是AI的能力以及算法能力，所以我们把自己定位为一个打造自动驾驶大脑的公司。我们经常想给用户带来什么样的产品，既然说到产品，产品的关键东西就是说产品给用户产生价值，用户哪些场景我们分析一下，哪些场景下用户得到价值，第一个是Highway第二个是Parking第三个是Urban，这个是每天下地库开开车，开车开一段小区的路，上到高速公路，高速公路以后再下来，下到城镇路，再到公司的地方，整个路线就涵盖了整个出行的场景，所以我们在想，如果把这些场景串起来，把它集成起来，用一套用户可承担成本的系统方案，应该给用户带来良好的价值。所以我们希望能达到一个最大化的MPI，这个就是最大的无间管理层，如果从家里开车到公司的整个办公室路线里面，不需要接管，用户在这个过程中是能得到很大的体验。要把这几个场景做好，大家知道自动驾驶有很重要的技术，第一个是视觉感知和高精度地图，还有驾驶决策，视觉感知就是人开车的眼睛和耳朵，还有需要记忆和定位，还有遇到各种环境和各种情况下我们知道怎么去规划和控制，怎么做决策。这三个技术很重要的东西就是数据，其实都是人工智能的，其实大家回顾一下自动驾驶是怎么兴起的，是来源于AI的兴起，AI又基于什么，是基于大数据，可能大家都知道数据很重要，但是最关键的是我还想再加点定语，就是数据一个是真实的，真实的数据，可能不是仿真的是实测的，还有加一个就是低成本获得的，才有可能真正实现量产和自动驾驶的，我们可以想象一下，如果这个数据是不真实的，只是从仿真拿到的，今天早上峰会上大家也知道，都提到一个问题，就是自动驾驶要花很久时间，可能是十年、二十年，所以可能需要比较长的一段时间才能去解决它。

其实我刚才加了一个定语，加了低成本的，这几个字可能低成本获得的，是决定一家自动驾驶公司是否能够成败，以及最后能否达到无人驾驶很重要的指标和能力，如果你在公司获得这些数据，能快速的和低成本获得的数据，本质上对于他将来完全无人驾驶是一个非常非常好的一个壁垒或者是一个核心竞争力。那我们可以算一个数据，就是我们在说如果是要达到行业内完全的无人驾驶，就是可以把方向盘去掉，要有100亿公里的数据，一个出租车一年可以跑10万公里，那100亿公里就意味着什么，相当于是要一万台车10年跑下来才能测这个数据，或者换一句话，10万台车一年跑下来的数据，大家可以想一下一般都有很多台车，最大的都没有这个量级，所以一台车如果是差不多很多去改装，一台车含车含改装加起来100多万，所以这是一个巨大的成本，靠自己去采集基本上是不可能的事情，所以另外一个路径是众包的方案，就是主要两部分，一部分是前装量产，去采集数据，还有一种方式就是后装安全辅助产品。刚才说的好像很美好的方案，但是里面有一个很大的问题，就是前装量产这些数据拿回来到底能不能给我完全无人驾驶的使用，比如说特斯拉Model的自动驾驶，特斯拉用了很多传感器，这应该很好理解。然后WAYMO用的很多技术帮不到特斯拉，因为他用的很多是激光雷达的技术。所以这里面有一个很重要的一点就是统一的传感器方案，而且是可量产的传感器方案，为什么呢？首先统一传感器才能打通这个闭环，可以给到无人驾驶里面去，无人驾驶技术才能反馈到量产自动驾驶产品里面去，所以叫两条腿战略，左边是量产自动化叫Mpilot，右边是完全无人驾驶叫MSD。那要实现一个低成本的统一的传感器方案，这可能就变成是一个很核心的竞争力了，那我们一直秉承的就是给到客户用更低成本和更好的传感器的方案，所以我们基于很多以摄像头为主的方案做的产品，因为大家也都了解Momenta，所以我们有一个很强算法的研发能力，我们可以把算法进入到这个里面去。所以几种考虑我们现在会去做三个产品，我现在最负责的就是高速、泊车和城区，通过可量产的传感器方案到这些项目里面去。

接下来给大家汇报一下我们的量产产品，第一个是Mpilot Highway，所以首先是一个低成本的，这样可以把整个厂造车的成本降下来，同时到终端的用户使用成本也可以降下来，第二个我们这个方案会有一些特点，我们可以做好更舒适型的巡航，可以做到对一些中国特殊的复杂环境更好的处理，同时第三个是我们应该市面上可能还没有，可能特斯拉也在做，可以上下匝道，自主的上下匝道。具体的我不用多讲，后面看一下我们的视频。这个视频开了45公里，在苏州，中间有5个上下匝道，全程零接管，我们的整个两个传感器，5个雷达等等，整个传感器都是车上装的东西，所以没有增加额外的成本，这个是上下匝道这个其实是最难的，大家知道，这个是一个RAMP汇流的场景，这个视频的左上角是驾驶舱里面的一个死角，下面三个云是通过鱼眼镜头检测车辆的轮胎来判断它的位置，你会看到这边有一个画面，这个是下面五六点的时候，所以车非常多，有很多真实的场景，其实这辆车是很好的把这些给处理掉了，刚刚是一个主动变道，主动变道逻辑有几个，比如前面一个测速比较慢，或者马上就要有一个出匝道和进匝道的过程。整个视频特别好，因为我们是实时拿下来的视频，大家知道车辆现在是100万象素了，我们手机上是1000多万，所以你们看这个视频质量没有那么好，这个反而代表它是一个真实的视频，你们可能会看到玻璃上有雨点，这个雨点对深度学习和图像还是很有挑战的，所以把它比较好的处理掉了。大家可以看到整个场景都非常拥堵了，是下午六点的时候，所以是非常挑战的场面，整个车里面没有任何雷达。我们是今年19年3月份发布的，后来在第二季度发布了我们Mpilot Parking产品，最关键是我们这个方案不需要去多少改造，因为我们跟他们交流过程中，如果去厂房改造的话，因为他本身是造车，他不是做运营和改造的公司。所以就是单车智能，不需要做整车厂改造的方案。我们可以比较智能的动态做一些规避的动作，支持市内建图，误差是小于10厘米。具体我也不多讲了。

最后给大家看一个视频。这是真实的，我们在第二季度发布的一个Parking的产品，12个超声波，一键启动自主泊车，选择停车位。这是下匝道。这里有一个行人避让或车辆避让的一个过程。刚才这个场景是我们在苏州办公室下的真实场景，这就是我所有的介绍。谢谢大家！

注:本文主要内容为现场速记,未经演讲者本人审核,请勿转载。