2020年8月13日-15日，“2020中國汽車論壇”在上海隆重召開。該論壇是由中國汽車工業(yè)協(xié)會(CAAM)主辦，世界汽車組織(OICA)、世界經(jīng)濟論壇(WEF)唯一支持的行業(yè)頂級論壇。本屆論壇以“新變局 新挑戰(zhàn) 新思路——引領中國汽車新征程”為主題，緊扣時代脈搏, 求索突破之道，緊密圍繞“十四五”規(guī)劃，把控宏觀產(chǎn)業(yè)形勢，解析全球汽車產(chǎn)業(yè)發(fā)展動態(tài)。其中，在8月15日上午舉辦的“智能網(wǎng)聯(lián)汽車創(chuàng)新發(fā)展與產(chǎn)業(yè)生態(tài)的升級”分論壇上，滴滴自動駕駛公司COO孟醒發(fā)表了主題演講，以下為演講實錄：

  滴滴自動駕駛公司COO孟醒

  孟醒：各位上午好，很榮幸跟大家分享一下滴滴自動駕駛在過去四年尤其在最近兩個月時間里所做的一些進展和工作。

  大家都知道滴滴是出行平臺，出行是我們的根本，出行也是我們的基因，我們覺得自動駕駛里面出行的基因很重要，因為我們要最后提供服務。無論是他是用多么復雜的技術或者多么智能的能力，最終要保證的出行的體驗、安全和效率。在這三者之間安全是最重要的，安全又是我們做出行的基因。

  在道路交通全球一年會發(fā)生的致死事故到130萬左右的規(guī)模，非?？膳碌臄?shù)字。每天不做任何危險的事情，只是在道路上坐車、開車，每年就會有一百多萬同胞因為這件事情丟掉自己的生命。這件事情一定是可解的，可解的上限標準是另外一個數(shù)據(jù)，就是航空。航空總的量比我們每天交通的出行低很多，但是航空可以理解為它可能總的運輸數(shù)量，低1-2個數(shù)量級，但是致死數(shù)量相差若干個數(shù)量級，差別是非常大的。

  我們認為期望心中達到的目標，當實現(xiàn)自動駕駛的時候這是我們的上限，接近航空的上線。每個人的生命都很重要，這是我們做自動駕駛的初心。

  做這件事本質上是一個選擇，同時也是一個被選擇的過程，就是我們需要一定的能力和基因才能實現(xiàn)我們想要的目標。我們覺得比較關鍵的有三個方向：一是人工智能的技術。二是人工智能技術背后的燃料即數(shù)據(jù)。三是邊界，我們能做到多大，是我們的網(wǎng)絡。三個加在一起，能支撐我們把這件事情做成的關鍵。

  滴滴做自動駕駛，任何認真做L4自動駕駛的團隊和公司，要做完整的自動駕駛全棧的架構。我們要搭建整個以AI為中心的自動駕駛全棧架構，這里面包括線上的全棧模塊，感知、定位、預測所有部分，包括支持模塊，包括仿真系統(tǒng)，高精度地圖，甚至背后還有資質等等，都需要具備。這里面的架構并不特殊，特殊的的是每個模塊自主的開發(fā)和能夠自己做。今天自動駕駛能力再好，都不夠好，沒有一家公司可以把今天自動駕駛的能力放到我們的路上就能跑起來全棧的運營服務。我們需要一個更快速迭代的能力，才能不斷的逼近我的目標。逼近的前提是軟件的部分每一個模塊上下聯(lián)動優(yōu)化，軟硬件一起優(yōu)化，所有事情一起去做。

  剛剛陳總講的有長尾數(shù)據(jù)的問題，我們解決很多東西就是前80、90%的場景數(shù)據(jù)解決差不多了。解決差不多了研制過早，我們切實在體驗上能夠在模型車上，在迭代上比較安全的處置路面上遇到的主要問題，把安全從車上拿掉，把測試員不需要在車里安裝測試員的場景之下，我們需要解決的是最后1%，0.5%的長尾問題。長尾問題出現(xiàn)的概率很低。我們一個人一輩子開車的總里程也許是百萬公里，或者百萬公里級別，這個數(shù)字跟絕大多數(shù)自動駕駛公司測試的里程，相仿。很多的長尾場景是千萬公里或者億公里未出現(xiàn)，這種場景出現(xiàn)不只一次，可能出現(xiàn)一千次的數(shù)據(jù)結構，才有足夠多的數(shù)據(jù)能夠拿回算法體系優(yōu)化迭代，處理這個場景。起碼億級規(guī)模遠比這個更高的數(shù)據(jù)體系才是合理的。

  大家說，我路測的數(shù)量不夠，因為自動駕駛測試車有限，我們用仿真系統(tǒng)，仿真能把我們的測試里程再提高1-2個數(shù)量級，就是乘10-100倍，可能拿到億級的級別，億級別依然不夠，仿真系統(tǒng)里產(chǎn)生很多的場景往往跟真實世界中的這些場景的分布是不盡然相同的。尤其在我們解決概率問題的時候，它的分布跟它出現(xiàn)的頻率同樣重要。到最后，我們滴滴解決方案，除了用自己的測試車搜集數(shù)據(jù)，我們還用局勢的設備。這個設備已經(jīng)安裝在滴滴的網(wǎng)約車里面，到今年年底安裝一百萬臺，我們覆蓋超過兩百個城市。一百萬臺的概念，搜集一千萬公里的數(shù)據(jù)，絕大多數(shù)想象中的長尾的場景，而且分布在各個地方的長尾場景的真實的數(shù)據(jù)一年之內會大規(guī)模的搜集起來，基本上會便利，而且不只是一遍，可能是上千遍，可能是上萬遍。這些場景進入我們的系統(tǒng)，自動抽取三維的信息，放到我們的仿真系統(tǒng)里測試模擬，使我們的算法處理這些問題。如果列在表上是非常長的一個線條。相對我們路側數(shù)據(jù)，我們整合兩部分的數(shù)據(jù)一起迭代，這是我認為解決長尾問題的一個非常關鍵的點。

  有了長尾數(shù)據(jù)之后，接下來選擇在什么地方進行運營?這是很重要的。當自動駕駛L4級別，區(qū)域一下子不能開到全場景，從一個區(qū)域受限范圍內，受限的天氣情況，受限路況情況逐步開放，然后變大。一開始開放什么地方，能夠使得技術能夠滿足條件的同時，又有也足夠商業(yè)場景的區(qū)域。的

  有三張地圖組合在一起，第一張地圖，經(jīng)營地圖，滴滴八年累計的經(jīng)營數(shù)據(jù)，我們知道哪里有訂單，哪里沒有，哪里可以形成閉環(huán)訂單，哪行屏風高峰有差別。我們先看經(jīng)營價值。第二張地圖，看安全，滴滴歷史上過去八年時間里，人類在哪些路段發(fā)生安全事故，多么嚴重安全事故，匯集到地圖，給每個路段打分，分以紅色綠色標識。三是技術能力和路況的狀況和結構化的狀態(tài)進行一個匹配，比如說車道是不是清楚，行車道和自行車道是不是分離開。類似這樣的信息也會對道路進行打分。這三個加在一起形成我們的戰(zhàn)術地圖，我們希望最開始開放的區(qū)域能不能用更少的路況覆蓋更多的訂單，滿足更多乘客的需求，在有限的能力范圍內做一個更好的商業(yè)閉環(huán)的模式，這是一個非常重要的區(qū)間，這也是我們在利用數(shù)據(jù)所核心需要解決的問題。

  有了區(qū)域之后，即便這個區(qū)域能有支撐我們的形態(tài)，大家車輛數(shù)還不夠。畢竟跟網(wǎng)約車不太一樣，自動駕駛車是新的車型，不是私家車大家已經(jīng)有這樣么輛車，只要拉在線上進行運營就可以了。而是有新的車的形態(tài)部署到這個范圍之內，這個形態(tài)部署的成本非常高，所以也是一樣，從小的車隊逐步變成一個更大更大的車隊的過程。

  有限車隊和有限區(qū)域之內滿足人類的出行需求是很難的。我會用什么樣的方式呢?我把機器和人類的車放在一個平臺上進行運營。這樣借助于我已經(jīng)有的非常大規(guī)模的人類運營網(wǎng)絡和機器的融合，我們可以服務更多的乘客，機器或者自動駕駛的車只占非常少的一部分，逐步逐步服務更多的人。這樣的情況下，如果乘客的起點和終點都在我們的測試服務范圍之內，那么我們就可以去把這樣的請求發(fā)送給我們的乘客或者發(fā)送給我們自動駕駛車，如果不在這個范圍內，或者天氣情況不好，或者自動駕駛車不是空余狀態(tài)，無法給正常的人類駕駛的出租車或者人類駕駛的網(wǎng)約車，形成混合派單。乘客的角度沒有區(qū)別，自動駕駛的角度來講，我沒有壓力，不需要接所有單，不需要做所有的事情，這樣的混合模式是能夠突破這件事情的一個非常關鍵的點。

  剛剛講了三塊，我們的D即data，A即AI、N即Network，三個加起來就是我們的DNA。以自動駕駛的出行服務我們認為會需要不光是意愿和能力，也需要DNA，DNA恰恰就是我們所擁有擅長的部分。

  剛剛講的是理論，實際的角度來講，在于6月27日的時候，在上海嘉定，在區(qū)域里面我們正式上線了我們自動駕駛的載人示范，現(xiàn)在乘客可以通過滴滴報名，體驗我們自動駕駛的體驗。區(qū)域在嘉定市幾十平方公里的范圍內，報名人數(shù)已經(jīng)很多了，我們逐步接待我們的熱情的乘客。各位有興趣可以來這邊體驗，就在上海的汽車會展中心，是我們的起始點。這里面實現(xiàn)了混合派單，乘客可以通過滴滴選擇自動駕駛或者普通的網(wǎng)約車的服務。

  這是一個視頻，可以給大家看一下6月27日上線的狀況。在歷史上自動駕駛實時進行直播上線還是比較少有的行為，因為還是對大的挑戰(zhàn)，尤其那一天經(jīng)歷非常大的暴雨，上海下雨不稀奇，但是那一天暴雨非常大。在各種各樣的場景下測試我們的車，很多時候都不是我們正常的運營環(huán)境，我們很感興趣了解我們的極限在哪里，我們的運營監(jiān)管中心除了車上的安全以外，有背后護航的中心。

  我們其實在為了車能夠上路，提供了很多的安全保護，除了車上的智能，車上有安全員，路上有車路協(xié)同的設備，上海嘉定已經(jīng)部署幾公里的設備體驗可以有。

  右側有安全檢測指揮中心，可以看到所有路上的信息和車上運營的情況，右側是我們能看到實際的狀況，就是從上帝視角看到在這個路口上所有車的交互以及它整體的感知。我們現(xiàn)在已經(jīng)從路側的感知和車上的感知融合在一起，為車做一個更好的決策提供幫助。

  最后跟大家分享兩個案例，為什么在這個階段上自動駕駛體驗，給更多的乘客做體驗。其實我們也是抱著好奇心做這件事，我們認為它能夠推動迭代我們的技術進展，有七八乘客的體驗的信息放到我們技術迭代的周期里面，它會讓我們的自動駕駛能力更接近于上線服務真實的服務所需要的真實的能力。

  上線之后有些超出我們預期的場景，左邊的場景是001號乘客，我們上線第一天來報名參加，他是迪士尼公園跳舞的小姐姐，一個舞者。她對世界抱著非常大的好奇心，他在迪士尼就是給來迪士尼的游客帶來歡樂，她也需要獲取新鮮事物，她乘坐我們的車給我們非常大鼓勵。原來想象中的東西，通話中的東西變成現(xiàn)實，甚至做的不夠好的地方，比如說急剎車，認為是我們?yōu)榱俗霭踩桃庾龅氖虑?，他抱著對世界的美好給了我們很多的鼓勵。而相比鼓勵，我們更希望的是批評和建議，右邊的老大爺60多歲了，第二天上線開了兩個多小時的車跑到我們這邊來體驗，他做過很多家的自動駕駛車，給了我們的意見，說我們這個不好，那個不好，正是因為的意見和體驗讓我們真實的得到客戶的反饋，才能迭代我們需求。鼓勵和批評共存才能讓我們更快的提高。

  我們講到航空級別的安全是我們希望的目標，其實最近來體驗的就是空乘人員在疫情期間做了很多的工作，也是第一手了解我們到我們在前線上所得到的安全的需求。它也坐了我們的車，也有非常我的意識，我們真實從第一線做的最安全的行業(yè)里面了解他們的信息，給了我們很多的指導和看到很多的體會。正是這些普通的乘客和他們不同身份，不同背景所發(fā)生的故事，在我們的自動駕駛的場景里面使得我們鼓勵我們進步，借這個機會跟同行從業(yè)者一起推動這件事情的進步。

  謝謝大家!