圆桌论坛：无人车商业化的基本功——兼顾驾驶能力与鲁棒性

9月28日，由亿欧汽车主办的“打开自动驾驶‘黑盒子’—— 2018亿欧汽车自动驾驶商业落地沙龙”在北京东方广场NIO House举行。本次沙龙以“系统鲁棒性与自动驾驶的商业落地”为话题，我们与来自供应链、科技公司和产业资本等近20位嘉宾，共同探讨了无人驾驶技术该如何兼顾驾驶能力与鲁棒性，从而适应高风险，实现大规模的商业化落地。

其中，驭势科技联合创始人兼首席产品官周鑫、智行者科技联合创始人兼产品总监霍舒豪、Wayz.ai合伙人兼自动驾驶副总裁崔运凯、酷哇机器人联合创始人兼COO刘力源、诗航智能CTO刘振宇共同参与了以 “无人车商业化的基本功：兼顾驾驶能力与鲁棒性” 为主题的圆桌讨论，同时景驰科技CEO韩旭与Velodyne亚太区总监翁炜参与了会后问答环节。

周鑫认为：

1、系统鲁棒性意味着在算法单个或多个失效的情况下，怎么样保持全系统进行降级的使用，最后保持可靠退出。

2、解决方案系统是关键，可能深度学习现在看起来是一个学习界最高的方法论，但是我们不会局限在这个方法论上。

3、技术是决定自动驾驶行业上限的唯一标准。

霍舒豪认为：

1、现在各地出台的相应自动驾驶法律法规或相关测试条例，更像一个针对驾驶员的测试，只不过搬到了自动驾驶车辆里面来，自动驾驶需要另外一套测试体系和评判体系。

2、选择从一些低速可控的场景先去实现落地，是选择了一个很好的商业产品切入点，在向乘用车发展的路途中，沿途下蛋，把成果孵化出来，服务到物流等行业里面去。

崔运凯认为：

1、对于高精地图而言，鲁棒性的意义体现在数据采集时，不管是白天黑夜，不管什么样的环境条件下都可以完成高效的采集，采集到的传感器信号对我们来讲是有意义的。

2、要把自动驾驶作为一个系统去思考，深度学习是手段不是目的。

3、只有真正把无人车投放市场，让消费者感受到无人驾驶时，才有一个窗口、机会和别人进行交流，才最有可能的去优化你的产品。

刘力源认为：

1、目前测试场的环境与真实环境的复杂程度相比还差的挺远。

2、应该真正把深度学习这个事情跟场景某些数据结合起来，而不是一直让它在固定的场景里跑。

3、现阶段不应该以高速和低速划分场景，而是要以场景的复杂度。

刘振宇认为：

1、对于集成商而言，鲁棒性意味着我们所属于的每个平台都要经过很严苛的考验，组成整体性的时候才能保证安全性。

2、自动驾驶行业一荣俱荣，一辱俱辱。不建议强求大跃进式的发展，要遵循本身的科学规律，逐步验证，才能有序地向前发展。

韩旭认为：

1、测试场周围的交通要很便利，场地还要比较大。

以下为分享实录（有删改）：

Q：对于自动驾驶系统的鲁棒性这一概念，各位是如何理解的？在整个技术研发过程中，“鲁棒性”的重要意义具体体现在何处？    

刘振宇：诗航智能跟其他四位公司不太一样，我们属于技术落地公司，意味着我们很多平台都是由原创公司开发，我们进行技术整合。鲁棒性对我们很重要的意义是，假设系统由两个算法串联起来，对于我们来说整个系统的可靠性很有可能只有0.81。鲁棒性意味着我们所属于的每个平台都要经过很严苛的考验，组成整体性的时候才能保证安全性。

周鑫：从我们的角度出发，应该说是系统的鲁棒性，或者说可靠性。从我们自己的理解来看，无人驾驶系统的鲁棒性涉及到很多，涉及到乘客生命安全则更多指的是功能安全，因为功能安全涉及到系统的可靠，所有的算法动作无误，进一步会涉及到所有的传感器器件、执行器器件、运算部件。

在算法单个或多个失效的情况下，怎么样保持全系统进行降级的使用，最后保持可靠退出。我们更加讲究的是功能安全，这个在整个业界，包括全世界从美国到德国到欧洲，整个行业现在都在规范方面做很多的工作，驭势也在这方面全力推进。

霍舒豪：我看到“鲁棒性”这个题目的第一反应就是这么专业的词，观众可能听不懂，我也是第一次在这种公开会议上用这个专业的词。这个词最早来源于控制理论。回到自动驾驶，咱们的系统和算法和产品在不同的场景下的适应性以及对这些不同产品能够稳定正确并且安全地运行，这个其实对各家的技术和产品会提出很高的要求。

咱们经常会谈到corner case（极端情况）就是一个很好的体现，当你做到99%的时候还有很多corner case要去克服，这就是我们需要去不断研究的地方，这也是可靠性的一个体现。

崔运凯：Wayz.ai是一家高精地图公司，我们不是造传感器的，在我们整个软件的设计中，是基于鲁棒性的考量。其中，视觉也是很重要的一部分，我们认识到了传感器的短板，我们知道当传感器融合时，GPS在室外，ADAS、摄像头在隧道里面，都会遇到不同的情况。

我们设立产品就是要提高它的鲁棒性，能做到 我们在采集的时候，不管是白天黑夜，不管什么样的环境条件下都可以做到高效的采集，采集到的传感器信号对我们来讲是有意义的 ，这个对于高精地图公司是非常重要的。

刘力源：从我们公司的角度而言，我们把鲁棒性分成两个部分，一个是各个部件，因为毕竟自动驾驶是很长的产业链，各个部件都有稳定性和使用周期耐用性的问题，这时我们会考虑整个系统的鲁棒性，我们会把它做成一个产品，这个产品过程中每个部件会有出错的概率，但是会有一个反应的时间，我可以把这个错误纠正过来，在整体的系统上面实现很好的鲁棒性。

Q：当下，诸多自动驾驶企业均表示应用深度学习算法并拥有很多人工智能人才，各位认为应该从哪些维度评价深度学习算法的最终效果？

刘力源：我们觉得深度学习肯定是自动驾驶里面非常重要、非常关键的一环，它主要是能够用比较少的资源快速的把模型跑出来，但是我们也同时认为仅仅依靠自动驾驶很多场景是不能做到的。我们认为 应该真正把深度学习这个事情跟场景某些数据结合起来，而不是一直让它在固定的场景里跑 ，因为永远会跑出意想不到的结果，这也是它的局限。

崔运凯：我们是为了解决一个问题去发明一个方法，解决这个问题是根本的，为此我们发明了很多“武器”。这个问题不能反过来看，不能说为了用深度学习而去解决问题。

在美国主流自动驾驶公司脑海里，要为解决这个问题设计不同的算法和系统，在他们看来整个无人驾驶的corner case不是单一算法能够解决的，而是把它作为一个系统去思考，怎么可以从系统设计的角度让自动驾驶技术快速落地。如果可以跑通，还要结合系统中其他的设计去实现稳定性的最大化，以此形成一个竞争闭环。关键是 我们要把自动驾驶作为一个系统去思考。

霍舒豪：当深度学习没有广泛普及时，你会有其他的方法，比如传统机器人的方法等等。这些手段的最终目标是一样的，比如说识别一个东西，再比如说基于这个识别做出正确决策等类似问题，它的评判标准是一样的。

从我们公司角度来说我们也在用这种工具，但是没有必要说只有深度学习才能解决一切问题，它就是我们选用的一种工具，就像选用其他 工具 一样，都有它的适应性和适应的区域。从这件事情来说，国外或者国内已经开始反思这种方法，它的一些缺点和内部的不可把控性，也会衍生其他的方法去解决它相应的问题。工具一直都是在演进的过程当中。

周鑫：从我们的角度出发，我们是创业公司，最终的目的是选择能够解决问题的技术方案和技术产品，所以不存在骑驴找马的问题。首先要明确我们到底解决什么问题，然后从系统方法去找最经济、最迅速的方式来实现。对我们来说， 解决方案系统是关键，中间有很多不同的手段，可能深度学习现在看起来是一个学习界最高的方法论，我们会优先考虑，但是我们不会局限在这个方法论上 。

第二，无论从纵向还是横向来看，这个系统是一个很复杂的系统，目前来看学术界内部从端到端的AI思路不现实，这种路线仍处在学术研究早期的阶段。实际操作更多属于中间某一个环节，从某一个横向纵向的角度看，相比传统方式，深度学习的方法是否更好。我们会做对比性的研究，什么方法好就用什么方法，甚至很多时候多种方法并用， 目前来说没有一种方法可以包打天下 。甚至有时候对于一些可靠性，或者鲁棒性要求非常高的，资源要求允许的情况下必定使用这种方法。

刘振宇：实际上自动驾驶并不是一个最新技术，现在比较成熟的自动驾驶，比如说飞机的自动驾驶，都作为物流车、乘用车的自动驾驶前的参考系统。刚才提到鲁棒性的问题，在系统上增加鲁棒性是钱学森老先生回国之后的思路，这是一个比较传统的思路，这个思路在以后很长一段时间依然是主导的方向。

第二，刚才说到深度学习，我要澄清一点，深度学习只是机器学习很小的一部分。实际上机器学习从60年代开始很长一段时间，我们所提到的神经网络只是发展中的一部分，之所以要跳出大的眼光看这个问题，实际上我们从2013、2014年开始兴起AI潮，理论基础仍然是十几年的理论。在自动驾驶方面，大家比较担心的就是自动驾驶所训练出来的网络过于耦合的问题。从深度学习的原理来讲你的网络非常耦合，一旦出现陌生情况，你最后要用什么样的方法来处理这个问题？

刚才大家已经提到了很多传感器融合的问题，实际上也有多个算法融合的问题， 我们很有可能并不是单一的端到端的解决方案，很有可能最后的解决方案是多种算法、两三种传统算法配合两三种训练传统网络，以各个网络不同的方式尽可能多的去覆盖极端情况 。不管是从鲁棒性来讲，还是算法来讲，既然是系统的问题，我们就拿系统性的方法去做。

Q：可以看到台上来自智行者、驭势科技以及酷哇机器人的领导都选择从低速场景切入，当然市场上也有很多企业选择货运场景率先实现技术落地，那么与直接切入出租车运营场景相比，二者的优劣势分别体现在哪些方面？结合几位的从业经验来看，自动驾驶商业化究竟是场景先行还是技术先行？

周鑫：我觉得这是个伪命题，不存在技术先行和产品先行，对我们来说永远是技术先行，技术是决定这个行业上限的唯一标准。驭势是第一个提出来要做数控场景的无人驾驶，我相信所有做无人驾驶的一定是瞄准乘用车无人驾驶去的，因为真正的市场一定是落在那一点，从无人驾驶出租车一定也是瞄准这点。

但是从整个业界来看，这个目标是宏大的，也很遥远，我们在自己商业实践中总结出来一步一个台阶，我们不能等行业成熟之后才开始。技术路线是长期的，我们会有阶段性成熟的东西，先找一些场景落地，逐步逐步的验证，我们相信技术的发展永远是滚动、迭代、验证再发展的周期，我们去找一些数控增强的场景验证我们的阶段性技术，卖向最终用户。

驭势是个初创公司，没有特别大的后爸爸站在背后，生存永远是个问题，我们不需要考虑哪一个落地场景能够让我们走得更顺一点。从我们的角度出发，技术和落地永远是不矛盾的，我们在所有公开道路的技术方案、算法方案和数控产品落地的方案是完全一模一样的，只不过 我们在局部成熟的进行拆解落地 。

长期路线是乘用车的L4、L5落地，对于真正的场景来说，不存在这两条路线谁难谁容易的问题。简单来说，在北京任何一个社区中心、十字路口，车辆都开不到30公里以上，但是没有人敢说这个场景很容易，摆到中国任何一个城乡结合部都别想开出30公里每小时以上，但是那个地方开车的技术一定比在高速公路上难。

我们在2017年初杭州来福士广场，地库实际场景运营超过100天，就像东方广场的地库里面我们车跟着奔驰、宝马停在一起，我们非常紧张，但是实际上我们没有发生过一起事故，而且跟他们紧密的配合在一起，从这个最终会反馈来看我们有胆子离开高速公路，真正开到城镇场景中去。这中间不存在谁难谁容易，并且 这两条技术路线互为反馈，在理论算法演进回馈你的落地产品，在落地产品中积累的经验回馈到你的理论开发上来。

霍舒豪：咱们可以回顾一下智行者的发展过程，在2016年的时候汽车业界有一个事件，智行者参与到其中。我们一开始是针对乘用车去做技术的开发和积累，但是在整个技术落地和产品化、开发过程中有一个反思，我们这个技术如果真正让老百姓用起来，距离落地还有多远？这不仅仅包括技术、法律问题，还会有外部约束在这里面。

对于创业公司来说，很少有那么多家公司能像Mobileye那样，在十年的发展过程中没有产品。这对于创业公司来说压力很大，但是这个事情不能不做，我们会 选择从一些低速可控的场景先去做落地，这个过程中并不是降低了我们的技术难度，或者选了讨巧的方式，而是说我们选了一个很好的商业产品切入点，在低速可控的场景里面一样有很多难题难点 。

比如说我们在校园里面去推行我们的产品，校园环境大家都知道很多教学楼、树木，对你的定位精度、定位算法有很高的难度要求，这些场景里面规则是弱约束的。高速公路上可能就是车辆行驶在一条车道上，顶多换换道、压一条线，但是不会一辆车横穿马路。但是在低约束场景下，人的行为和你遇到的障碍物行为更不可测，速度越低不可测性越大，这些难点对于自动驾驶就提出了另外一个要求。

我们在这些场景做这个事情的时候，会发现它不仅仅针对低速有帮助，在整个算法设计的时候，或者这套体系设计的时候，这些真实数据都能给算法很好的反馈，对于切入乘用车场景很有帮助，不能割裂的看待这两件事情。

另外还有一点，我们在做低速场景或者产品化的时候，自动驾驶技术会跟更多的行业、领域去结合，自动驾驶技术不仅仅是交通行业的技术，它其实可以服务到我们的生活相关的行业里面去，比如选择物流、环卫，他们都会有这些痛点，这些痛点恰恰是自动驾驶可以解决的，在向乘用车发展的路途中，我们是沿途下蛋，把成果孵化出来，服务到这些行业里面去。

崔运凯：从我2015年加入Uber，到后期发展到上千人的团队，我们的地图为优步业务提供了服务。对地图来讲，无论是高速，还是低速园区，或者是室内停车场，或者是城市，我们同样一个算法都可以做，包含在同样一个流程中。我们和宽凳科技最大的区别在于我们用一套算法体系覆盖所有的场景。作为一个地图的生产者，或者服务者，我们希望能够服务所有的用户，不管场景，还是车队，或者是你想在高速上运营物流，这对于地图供应商和定位服务供应商是非常重要的。

刘力源：从我们团队自己考虑商业化的路径来说，robot taxi有一些商业化的难点是目前需要用一段时间解决的。第一， 这种商业模式真正创造的价值是他能够把人们的用车习惯改变掉。 现在实际上一台私家车一天只能运行一个小时，一年中只有10%不到的时间能够使用这个车。我把车辆的运力释放出来之后变成共享的概念，首先人使用的习惯要做改变。

第二，涉及到人、乘客，相当于 所有乘用链条上面的体验，全都要进行变革和革新 。这实际上是链条非常长的一件事情，不适合当下自动驾驶创业公司去做，但是我们能够直接为某些场景进行成本上和效率上的优化，只需要考虑是否降低成本，而不需要考虑体验上的东西，这个是目前很难落地的点。

第三，我们觉得 现阶段不应该以高速和低速划分场景，而是要以场景的复杂度。 在复杂场景下各种各样的算法都是很复杂的，一个很简单的封闭式场景，需要处理的数据量很少，像自动驾驶飞机，只是应对平流层，没有任何障碍物的场景。而实际道路，在北京等一线城市，或者三线城市都很复杂的场景，我们认为真正区分自动驾驶的难度应该按照这个标准。

Q：如今供给侧发展的非常快，刚才大家谈到无人车落地场景的时候同时要考虑消费者的体验，怎么样让消费者对于L3、L4、L5有更好的乘坐和使用的体验？以及怎么样能够打消消费者的顾虑去接受自动驾驶技术？

周鑫：我代表一家之言，我们以前跟很多人探讨过L3和L4的区别。很多国际主机厂慢慢的不愿意去做L2，想直接跳到L3或者更高阶的技术，这里面会涉及到很多的问题。L3有一个基本的假设，车辆处理不了的紧急情况，人会接管，如果这个人正好看电视剧看的很嗨，你让他2秒之内接管，这个时候接管比不接管更可怕，会造成多车事故。人机交互是非常大的挑战，我感觉这点好像超出技术本身了。

刘振宇：我们之前也讨论过很长时间出租车的问题，任何一个乘用车和出租车本质上不是一个技术问题，而是一个乘客感受的问题。简单的说比如我从北京站出来回我家，作为一个乘客我不在乎这个车是不是自动驾驶，我在乎的是是否有车把我能接走，比如是不是有司机帮我搬行李，包括在出租车经常会出现两个乘客要在不同的地方下车，我中途可能还要改目的地。

我们谈自动驾驶，我们真正去谈刚才说的L3、L4乘客的驾驶体验，最终客户想要的是一个感受，他并不会因为他是自动驾驶，或者这个东西到达了某个级别就会降低他对的需求。L3和L4一定是未来的趋势，它更多的是真正完成事情的复杂程度，而不是简简单单为了我要去做自动驾驶而自动驾驶，这个肯定不是我们最终的初衷。

崔运凯：在优步的时候蛮有意思，当时作为一个员工会有特殊的优待，我有一个按钮大家都没有，上面写着VIP，按了VIP之后就可以把无人车叫过来。当然这个功能是为了让我们自己不断地观测车辆行为并改进，同时也想让你带着你的朋友和家人过来体验这个无人驾驶，更多的了解无人驾驶。

我就发现，当我把无人车叫来带大家走了一圈，整个过程极其之无聊，为什么？他们后来发现无人驾驶车到一定程度之后和人开车一样，根本辨别不出来到底是不是人开的，这才是真正无人驾驶车最高的境界。当越来越多的人亲自上车体验到这个感觉的时候，他才会感觉无人驾驶车并没有想象中可怕，大家对于自动驾驶就会更亲近。

另外一点，2015年优步做了一件事情，我们很早开始做了一个研究项目：车里如果有人故意破坏这个车怎么办？怎么设计内室保证人和车在有效掌控的范围之内？甚至包括前面的方向盘拆掉了之后，人和车怎么去协同，甚至包括你车门的设计。所有的这些要从很早的时候就开始想，未来可能会出现哪些问题，这就是为什么优步在2016年的时候依然会有安全员坐在车里， 你只有真正把它放到市场上，真正让消费者感受到无人驾驶的时候，才有一个窗口、机会和别人进行交流，你这样才最有可能的去优化你的产品。

翁炜：各位都是做应用场景的，从我这边了解的情况是，所谓的物流车也好，扫地车也好，或者是小规模的乘用车会在这两年时间比较大规模的落地，各位作为背后的团队指挥者，你们认为什么会降低商业化进程的速度？

韩旭： 最大的还是安全问题，安全分两方面，一个是对内的安全，一个是对外的安全。 我这个人比较喜欢讲故事，当优步撞死人的时候，景驰怎么办？决定停止所有无人车测试。但是公司有数据员想测，他认为人开车去采集道路数据没事，当他的车停在红灯时，一个矿泉水瓶砸了过来。这是真实发生的事情，这就是我们很担心的事情。

从技术角度来说，凭我多年的认识我认为摄像头根本做出来，一定要依靠激光雷达。技术发展还要一段时间，有人就这么吹，吹到最后就是安全的问题。当时图森的人说，你们别再吹了，出现一个安全问题，所有从业者都会倒下。有一点我想跟所有的人说，我们想让出行更美好，但前期是安全。不管怎么样，我们景驰的口号是安全第一。

刘振宇：自动驾驶一荣俱荣，一辱俱辱。实际上我觉得不便于把自动驾驶这个事情割裂的来看，自动驾驶其实是汽车电子发展到了某一个节点，向前发展的很自然的一步。比如ADAS，1975年提出来，1985年商用；ESP，1996年提出，当时就商用了。从这个角度看，我们每个技术验证的时间越来越短，汽车电子从ABS最开始就已经开始了一个自动化的进程，比如说在没有ABS之前，紧急刹车湿滑路面防打滑是很复杂的过程；比如新手司机开着手动挡上坡的时候，那个时候是靠脚底很复杂的配合实现上坡不熄火。

我们一直在为自动化的进程努力，到后面我们做所谓的L2、L3，它是由一个曲线一直发展上来的，我不建议非常强求的来做大跃进，我们本身是有科学规律的，我们只要按照这个科学规律一步步去做，把每一步该的验证的验证过，它会有序的向前发展。即使中间出现一点事故，但是行业整体的趋势是不会变的，这个我是充满信心的。

周鑫：这个行业现在发展太快了，所有人期望特别高，从最终消费者到车厂到行业用户都非常有热情，整个业内想尽量做到多快好省。首先要控制公众和行业，要让大家明白这是一件充满科学跟工程规律的事情，要缓慢的进行，逐步逐步的验证。第二，这个行业真的一荣俱荣、一损俱损，无人驾驶这个行业本身非常的大，每个人都有自己发挥的一小片天地，为什么要竞争？

最怕的就是有人过于激进，公众热情是比较盲目的。回到中国的本质和现状，从驭势的角度来说我们要做中国的传统产业，中国是汽车制造大国，但是我们不是技术大国， 在无人驾驶方面很多国内技术不行，这点不光是我们做系统集成，做地图，做传感器的企业，甚至是整个汽车行业都在努力，从公众到传感器到电子行业到汽车部件到做系统的都需要努力 ，任何一个链子掉了都实现不了。

霍舒豪：自动驾驶是需要整个全产业链条一块去努力的事情，不仅仅是依赖系统集成商，也依赖传感器等等，是整个业界技术综合的体现。如果它真的慢下来话，除了发生重大的安全问题，有可能是因为技术达到了一定程度，在这个阶段需要做沉淀和突破，才会跃升到另外一个台阶，反过来说 慢下来有可能并不是一件坏事 。另外一个角度，如果我们从需求侧来看，不管从传统汽车行业，还是从其他物流行业来讲，都希望这个东西更快更好，从整个大趋势来看我们是乐观的态度。

崔运凯：回答这个问题我感觉有两点：第一个是供应链，第二个是人。供应链的问题很好理解，刚才也问到了做这件事情什么最难？至少在我心中，规模化最难，你真正做到规模化需要行业比较好的整合，包括ADAS生产的工艺，包括地图和定位的服务，规模化扩展采集，甚至包括后面的各种场景，再到后面的用户，要调动整个产业链。

另外，大家反复提到Uber车祸。技术上没有任何问题，Uber这个事故说到底是一个人为事故，最后这个详细报告发过来应该有更多的细节。人一定要把意识放在最高层次，我们在座的人都心里把人的生命放在第一位，高过KPI，高过技术落地的速度，我们每个人都有可能是坐在车里的人。

刘力源：新造车行业和自动驾驶行业是有共同点的。大家都是一家，他们的对手是传统车企。本质上来说各位提到的安全问题非常重要，在我们看来，虽然说资本市场和用户的期待都非常高，做起这个行业确实需要很高的热情，人才才会涌入。在座的都是创始人，我们的头脑相对清晰一点， 虽然外界期望很高，但是很多东西我们要循序渐进，我们的技术做到60%，但是我们只发了30%出来，剩下的是在实验室做测试，但是并不代表我们不能100%做到那个场景。 其实有很多手段保持这个行业快速发展，但前提是我们需要不断地用各种各样的手段保证安全。

Q：在研发和商业化过程中，企业对于测试场提供的具体服务有没有什么期望？当下，测试场是呈现出合作还是竞争的态势？

刘力源：说实话，测试场跟我们实际上路的场景不太一样，测试场有做过很多改进，简单来说测试场就是为自动驾驶而造的，提供了一个非常安全封闭的环境。如果说未来测试场可以有哪些比较好的改进？可能 在复杂度上可以去做一些模拟，或者有一些低成本方式的设置或改进 ，我们其实目前觉得测试场的环境与真实环境的复杂程度相比还差的挺远。

崔运凯：我自己的背景是互联网公司，互联网公司最重要的是快速迭代。以我以前的经验来看，做软件迭代的第一步最好的是把线下测试场和线上测试场进行融合，先让大家去线上跑通，然后再到线下提高效率。我们公司其中很大一个产品是地图，可以形成非常高的测试功能， 可以借助模型导入测试软件做线上的测试，可以支持软件的迭代 ，我感觉我们有很好的结合点。

霍舒豪：刚才我们一直强调安全问题，要保证安全，测试是必不可少的环节。结合整个汽车开发来说，左边是开发，右边是测试，测试包括了很多环节，系统测试、集成测试到最后的整车测试，在这个过程中我们需要很多方面配合，一方面是工具，另一方面是提供场地。基于这些测试结果可以形成一套针对中国国内的行业标准。

现在各地都有出台相应的自动驾驶法律法规，或者是相关的测试条例，如果我们细看，其实 更像一个针对驾驶员的测试，只不过搬到了自动驾驶车辆里面来 。从我们角度理解，自动驾驶可能需要另外一套测试体系和评判体系，这也是我们后面需要做的一些事情。

周鑫：我们大概去过亦庄和海淀，也去过别的城市的测试场。我是觉得测试场对无人驾驶这个行业发展来说正面作用很大，有助于我们建立一些统一的评估标准但我们会慢慢的要求进行一些越来越贴近于真实路况的场景，我说的真实场景是场景的复杂度。 现在的复杂度是偏低的 ，但是我们会开始要求60、50公里，各种极限情况下的测试，来验证初创企业是否有能力构建安全完整的测试场景。

第二点，我们会发现现在不像为自动驾驶车做的测试场，而完全是为了ADAS做的测试场。第三点，对于行业的培训来说，除了用来做测试和验收以外，我们希望在整个研发过程中间能有更好的改进， 其一是虚拟测试厂，其二是真实的迭代验收 ，而不仅仅是最后的测试验收。

刘振宇：我们现在经常看到希望用一个测试场覆盖整个测试过程。我们知道每一个新车型实际进行测试的话，作为初创公司没有自己专属的测试场，要从很多很基础的科目开始测，比如加速、制动、转向，其实这个本身来讲并不需要一个非常复杂的测试环境，但是会占用跑道很长时间。中级到高级测试还有其他不同的测试科目，包括像刚才提到ADAS，ADAS测试场跟我们自动驾驶测试场还是不同的测试厂场。我相信测试场也是百花齐放，会有各个层级、阶段的测试场满足各个阶段的开发需求。最后一句话， 测试场从来不嫌多 。

韩旭：当时我在百度的时候做测试去过亦庄，从百度科技园到亦庄吃个午饭就该往回走了。最主要的一点是 测试场周围的交通要很便利，场地还要比较大 。做软件行业的都是迭代，天下武功唯快不破，迭代速度要快。为什么我会选广州生物岛去测车？我们只要求一点，就是推开公司门就能测车，这点非常重要。

作为2018陆家嘴产业金融论坛系列活动之一， 2018年10月19日 ，由上海市浦东新区人民政府、上海市金融服务办公室、上海现代服务业联合会指导，亿欧公司、上海现代服务业联合会汽车产业金融专委会、圆石金融研究院主办，车轮联合主办的 “汽车流通新变量——GIIS 2018汽车新消费产业创新峰会” 将在 上海金茂君悦大酒店2楼 隆重举办。

2018年，汽车流通领域正在发生新的变化。此次峰会将聚焦汽车新金融、汽车新零售、汽车新营销三大环境变量对汽车新消费的促进，届时将有主机厂、银行、交易平台、金融科技平台、流通第三方服务平台等产业关键环节的重磅嘉宾参与。

点此报名：

https://www.iyiou.com/post/ad/id/687

本文系投稿稿件，作者：周鑫/霍舒豪/崔运凯等；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。