演讲人：李阳 四维图新自动驾驶AI负责人

大家好！我是李阳，今天太开心了，不是第一次来杭州，但是昨天晚上在西湖边上骑了两圈自行车，感觉特别舒服，气氛也非常舒服。更开心的是今天早上一来，我没有迟到，准时地来，听了前面演讲嘉宾的演讲。我先在底下准备了好长时间，我想怎么把我们这种特别枯燥，又有点不是那么有趣的to B公司的业务给大家讲清楚。好在前面几位演讲嘉宾已经把大概这个行业的发展趋势和情况都讲得很明白了，所以站在巨人的肩膀上，我感觉今天我的任务会轻松很多。 

首先，感谢品玩，四维图新应该是第一次来品玩，非常感谢。我们也很喜欢品玩的调性，我们的调性因为是to B公司，多少有点不一样，我们是喜欢创新、好玩，但是顺便能赚点钱的东西。接着吴总刚才的话，我们是这样的公司，to B公司永远是这么现实。

另外说到高精度地图，说到自动驾驶，刚才吴总说了自动驾驶这件事太难了，从数据上、行业上，包括我们国内的国情上都是特别难的事。对于四维图新来讲，什么事又创新又好玩又能稍微赚点钱呢？也就是自动驾驶了。商业上我们四维图新跟驭势一直是很好的合作伙伴，我很早就见过吴总，也非常喜欢驭势踏踏实实专心让自动驾驶去落地，不管是前面多难的艰险，不管是商业上还是技术上，所以每次有人问我说你觉得国内做自动驾驶哪个公司靠谱，不管他给我的名单是3个还是5个，一定会有驭势的名字。

对于我们而言，商业上我们先不说，大家应该都赞同吴总的观点，最后那一步太难了，我们先让一些容易实现的场景落地，稍微容易一点的场景先落地。对于我们这种to B的公司，除了商业之外我们还有另外一个身份是行业的供应商，我们要做什么呢？我们要找那种对于大家来说都创新又好玩我们又能赚到点钱的地方，就是这个地方。我这次要给大家分享的是如何直面这么难的问题，能够帮助吴总，帮助车厂，帮助这些自动驾驶的玩家加速自动驾驶的落地，推动这个行业的进步。

这是现在四维图新的基本情况，我们是一个to B公司，从2002年开始起步，在地图领域，在智能汽车领域我们可能一直是第一张导航地图，第一个手机导航，第一个和百度合作的互联网导航，第一个ADAS导航，都是我们，虽然我们没什么名气，大家不太了解，我们没那么时髦，但确实我们第一个。

现在手机导航非常好用了，但是手机导航好用的源头在哪里呢？上世纪八九十年代美国和日本经济快速发展的时候，年轻人也是买不起房，但是年轻人有钱，年轻人买得起车。当时日本的年轻人就有一个口号，一年工资一辆豪车。豪车大概就那样了，大概宽一点、座椅舒服一点，但是怎么能体现车跟车之间的差异化呢？所有的这些汽车厂商就发动了脑筋来了一次导航仪的浪潮。最早在我们现在智能机上，在那个年代，手机上可能功能还很匮乏的时候，只能打电话的时候，车上已经出现了大屏的触屏导航系统，以及双屏的交互，就是现在数字座舱的概念，一个用来播音乐，一个用来看歌词、看电影，一个用来看导航，还有一个看你的转速和车速。那个时代其实已经有了。

基于这些沉淀，才导致我们现在手机导航掏出来一看真的太好用了。导致我们这种在导航行业做了十几年将近二十年的公司，要一步一步开始转型，从最基本的导航业务扩张出车联网业务，顺应这个时代的浪潮，万物互联的浪潮。同时为了更好活下去，为了找到新的有趣又能赚点钱的行当，我们毅然决然进入了自动驾驶的领域。 

对于我们这种公司来讲，其实这个理念和第一位嘉宾讲的AIoT差不多，我们也是认为未来的时代是互联的时代，未来的时代是AI的时代。对于我们所在的应用场景而言，什么代表着能力，基础能力、是大数据+计算，这个计算指的是算法，大数据、算法和算力。在我们这儿基础设施是大数据，和我们的算法平台，中间是我们的芯片业务。这就是我们四维图新的业务板块。 

刚才前面嘉宾讲过现在的技术路线，技术路线千千万，但是问题都是一个，尤其在中国，复杂的场景何其多，不按常规套路出牌的驾驶员何其多。面对这样一个问题，作为一个图商，我们历史的积淀能够解决一部分问题，四维图新是一个有15年全国采集测绘经验的公司，不止15年，今年算上是17周年。我们有高质量的图象记录应该是15年，我们记录了15年全国每一公里道路的变化，用我们的摄像头和GPS轨迹。这个数量还是蛮大的。 

我们去年统计了一次我们在北京到昆明的测试道路，这条道路大概往返是5000公里，这里面一共提取了大概3000多个场景，其中2000多个是对于目前以视觉为主的L3方案比较难受的车道变化，包括合流分流，包括匝道，还有一部分是隧道，那部分山区里面大概有5条隧道群，不是隧道，而是隧道群。每个隧道群平均长度在大概50-100公里之间。最长的超过了100公里。这些场景很大情况都是我们国内特有的甚至跟地理空间相关而不是通用的问题。 

回到我们四维图新，我们希望把地图，希望把我们过去积累的优质原始数据，变成什么呢？变成一个空间参考，因为杭州是电商大本营，应该有很多了解电商的朋友，大家用淘宝有一个品类，面对万万千的商品有一个品类，母婴、运动品牌、奢侈品甚至细分有手表、个人PC等等品类。它会先给各种各样的商品建一个大的类别。对于我们同样也是这样，自动驾驶难就难在你写的不管是逻辑还是训练模型，很难把所有东西覆盖掉。我们刚好基于我们这么多年把全国覆盖的很多很多遍的经验，帮助大家，帮助这些做自动驾驶的行业从业人员，来把这个世界尝试着去top down一遍，尝试着去分解这种场景。尝试来讲我们有100种路口，再复杂的路口也可以用这100种组合出来。所以如果是自动驾驶加上这样的能力，先不说感知类的技术，或者你最后规划控制够不够细腻，至少在理解这种特殊场景的静态场景的情况下，是有一定的依据的，不是茫然地看我这一片是从来没见过的，也不知道怎么办，我要么紧急刹车停在路边，或者挑一个不太值钱的撞一下。

这张图里面，左边是看起来不太一样，但是我要在这所有的入口里面都实现一种操作，我要从右边这条路开出去，左边完全都长得不是很像，对于自动驾驶系统如果完全依赖感知，这很难。但是通过我们中间的抽象，我们通过帮助做道路规划、引导，到最后真的给自动驾驶系统用的时候，完完全全几乎是一样了。如果变成导航的口吻就是前方路口靠右侧车道行驶，进到分叉口的时候请右转，目前离交叉路口的分叉点还有100米，请提前减速。大概就是这个意思。不过给自动驾驶车，可能不是我这样的说法，但是是类似这样的方案。 

刚才说的是国内千变万化的道路环境，再说一个更难以预测的，更难以理解的，变化万万千的亲爱的路上其他驾驶员。今天我还遇到了一个比较奇特的场景，在西湖边上有一条路，应该是杨公堤。过来的时候，有一辆清扫车非常缓慢地开到一个桥下。那个桥开过来的时候，刚好是所有车从超跑的大巴视野盲区，后面一排三个车，冲过这个车的时候突然发现前面这个车没动，连续三个急刹车，后面都是三句脏话。对于各种各样奇葩的驾驶员来说，我们还是希望把这个东西能够继续分解下来。

基于比较清楚的道路，我能够通过地图拓扑建立视野拓扑。有的交通法规是不允许的，但是物理是可能的。比如湖蓝色的这辆车（见PPT），在这个地方是有可能左转，也有可能直行的，这是物理上，不考虑交通法规。但是这辆车的姿态已经变了，在物理上车是个连续驾驶、平滑驾驶的行为，不可能突然来个侧空翻。这样一系列的行为下，在物理上已经不能直行了，再结合规则，这条路本来就应该左转，我很容易判断出来这辆车要左转。所以这件事就从非常难以量化的高维度的回归计算变成了一个还算没那么难的，也就几十类的行为分类。

当然大家说有很多行为，根本跟你的道路规则和物理都不相关，他就是乱开，就是要鬼探头，就是要突然冲出来，怎么办？第一个是要靠感知，你要能感知得到。第二是用这样的方法，再识别跟它匹配的这些车的同时，能够准确过滤掉那些完全不符合这些规则的东西。通过二八法则简单分一分，至少通过这样的方法，可以把百分之八九十甚至以上的车给一个比较明确的长期预测，这更是需要的。紧急的情况，我只需要一条简单的曲线来拟合它。

刚才讲的是我们地图的核心理念，后面讲讲代码，我们自己做自动驾驶的原因，第一个是验证地图，给我们地图做个质检，能不能跑长途，能不能从北京到昆明再开回来，这个地图符不符合要求。第二个是如果大家对地图不是很熟悉，尤其是对精度比较高、用起来比较麻烦，一个道路好几条车道，好几条车道中行线，千奇百怪的情况。它的属性我算了算一条道路大概有200左右个要素，人看都很花眼，更不要说系统变成代码再给车上计算。

所以我们会先做一个demo，先做一个系统，给所有想用地图的做一个参考。这是我们的架构，以地图为核心，后面通过地图的分解，让车辆更结合现场的情况去做基本的行为。这辆车是我们今年年初拿到的北京T3牌照的车，基于地图策略方案，我们把测试场简化了一下，所以这辆车是目前为止拿到T3牌照的车里面，总成本最便宜的一辆，大概是在普通高限速激光雷达车的1/2左右，而且是个SUV，比较大，难控制。这是我们去年跑了一趟京昆路测的时候的主力车。这是我们现在在AI上的尝试，为了证明我们的地图好用，我们首先得看到周围环境的变化，这是我们AI的demo，能跟地图解决起来，就能够解决大多数的问题。

这是现在我们车的情况，最左边就是去年京昆路测，中间是一些城市周围的小场景，这是地上的泊车，通过地图和高精度定位，相对来说比较容易接受价格的自主泊车的产品。（视频）京昆路测其实挺难的，特殊场景基本上都遇到了，比如刚才说的连续隧道，是大多数团队没有尝试或者没有必要尝试的。但是作为一个喜欢找创新又有趣同时又能赚点钱的行当的公司来说，这种事能够为行业创造价值，能够推动这个行业稍微往前走一点点，都是我们非常开心的事情。

现在我们原研车已经从第二代升级到了第三代，因为我们还是在汽车工业链里面为主，我们每年研发投入虽然占我们营收的百分之四五十，我们是第一股研发投入力，但是这些钱基本来自我们的车厂客户，我们的原研车更多的是推进车工业级的产品，比如我们跟地图相关的功能都会集成在MapECU里面，中间是我们的算法，地上地下打通，右边是我们增加了大激光雷达，能够挑战复杂城市场景的原研车。 

这是我们基于地图的泊车的概念图，我们是充分发挥地图的作用，第一是结合我们从2014年开始在地下停车场的采集工作，我们大概有全国几千个停车场的数据，后面就把这些停车场的地图变成给自动驾驶，给自主代客泊车用的地图。地图在这种场景下没准能帮助到驭势。这个场景可以干什么呢？第一是能够帮助定位，假设我们可以把定位图层通用化，现在以四维推断能力来说跑个停车场一两个小时，跑一圈以后这个图回去处理处理就建完了，几天用不上几十个停车场就出来了。我们如果能结合AI的定位方案，把定位图层变得跟地图一样通用，我们就做了两种，第一种是与传感器无关，第二种是与车无关，不管是特别高的SUV还是特别低的跑车都没关系，只要有传感器有自动驾驶算法，就可以跑我们的定位图层来变成标准化的产品。这跟我们刚才提的概念一脉相承，把复杂的问题通过我们的能力解决一部分，帮助行业往前走一小步，这是我们的目标。

这是我们在自己的地下停车场做了一个简单的打通，右边就是地下停车场整个的平面图，在我们公司的B2层，红的代表地下停车场停车位被占用了，绿色的的是还可以用的。我们这辆车自己手机做的APP，通过地图，刚才说到定位，这个是做多车调度，我们可以处理很多车同时的请求，从停车位出来，也可以响应多个请求，让这些车基于APP系统泊下去。 

以上是我们的介绍，总结一下，我们希望找到创新又好玩但是又顺便能赚点钱的这个行当的to B公司，愿景也很简单，就是能够帮助到所有在自动驾驶行业遇到问题的团队，能够帮助这个行业往前走一小步。这些问题是大家共同面对的，但我们仍然看好这个行业，仍然看好像驭势这样优秀的技术公司。所以希望能够跟更多的从业人员一块合作，把国内不光是工业4.0、自动驾驶，能往前走一点点就往前走一点点吧。谢谢大家！