車網中國現場報道：

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協會（CAAM）主辦，世界汽車組織（OICA）、世界經濟論壇（WEF）唯一支持的行業頂級論壇。本屆論壇以“新變局 新挑戰 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”規劃，把控宏觀產業形勢，解析全球汽車產業發展動態。其中，在8月15日上午舉辦的“智能網聯汽車創新發展與產業生態的升級”分論壇上，博世底盤控制系統中國區總裁陳黎明發表了主題演講，以下為演講實錄：


陳黎明：各位嘉賓，各位來賓，大家上午好！

我是陳黎明，來自博世底盤控制系統，負責主/被動安全，ADAS和自動駕駛。今天和大家分享博世在自動駕駛量產道路上的思考。為什么我們在講量產？因為大家在道路上已經看到一些自動駕駛的車，特別是一些低級自動駕駛或高級輔助自動駕駛，以及一些現在三級、四級DEMO的車。博世從1993年就開始做封閉道路的DEMO，同時也在做高級自動駕駛輔助的研發，2017年首先推出了集成式巡航控制，在高速上能夠同時進行車輛的橫向和縱向控制。

為什么這么長時間才能研發出真正上路的產品？實際上就是目前談的比較多的長尾問題。從去年年初開始，很多企業，特別是高科技企業，對于L4、L5、L3的量產不斷往后延遲，最重要的問題是有很多長尾問題沒有辦法解決，從而無法證明自動駕駛是安全的。也就是說從研發過程中到了量產階段還是有許多挑戰在里面。

下面給大家介紹一下我個人總結的三方面挑戰：

（1）技術挑戰；（2）工業化挑戰；（3）商業化挑戰。

技術挑戰大家都比較清楚，這些年很多新的科技企業，各個企業都在傳感器、定位、決策、芯片、算力等方面做了非常多的研究。面臨的感知、決策、控制科技難題也在一個一個解決。我個人對科技方面的挑戰是非常有信心的，隨著時間，只要我們投入資源，這些問題都是可以解決的。

商業化方面很多都在進行探討，現在大家一致認為先容易商業化的還是城市自動出租車和貨運自動化運輸，會相對早一點實現商業化。同時，商業化本身取決于自動駕駛車本身的成本，牽涉到元器件成本、牽涉到車的成本，談到成本和商業化就需要談大規模量產，下面給大家分享一下工業化，怎么才能真正工業化，能夠滿足所有法律法規的要求，能夠大批量生產，能夠把價格做下來，能夠讓終端用戶真正盡早地享受到真正的自動駕駛。

今天很多嘉賓都提到安全的自動駕駛這個問題，對于自動駕駛來講、對于工業界來講，靈魂考驗的問題是：怎么才能實現安全的自動駕駛？這是大家一直在探討的問題，而且剛才王博士也介紹了一些事故，的的確確現在有很多事故還在發生。當然在研發過程中這是正常的，不可能一開始沒有事故，但是事故能不能完全消除，這是我們需要去探討的，怎么能夠避免降到最低，甚至降到比人的失誤還要低，這也是我們面臨的挑戰。

目前有兩方面來衡量自動駕駛的水平、安全到達什么程度，比如說美國的DMV有關于自動駕駛脫離的“率”，開多少公里、英里才脫離一次。蘭德公司試圖從駕駛里程層面上對自動駕駛水平進行解釋，根據2015年美國駕駛總里程數4.8萬億公里當中發生的事故來統計，基本上人的水平目前平均200萬公里發生一起受傷事故，1.47億公里發生一起死亡事故。這是什么概念？如果要駕駛1.47萬億公里的話要若地球超過3600圈，按時間來算也得200多年。提出的挑戰是怎么才能證明、驗證車是安全的。

博世角度有三個方面的考慮：

第一，滿足現在或將來法律法規的要求，今天很多嘉賓都談到了功能安全、預期安全、制動安全、轉向安全，特別是在失效的時候安全怎么保證。根據所有安全要求，按照傳統汽車開發驗證釋放的流程，有大家比較熟悉的V-model，根據行業法規要求，根據企業要求，制定出系統要求、零部件要求，一步步驗證，驗證的過程總體還是在實驗室和封閉的特定實驗場所里進行。

自動駕駛牽涉的場景非常多，不可能再按照傳統的方式繼續進行，所以必須加入在實際道路上測試，特別是用數據驅動的驗證方式對自動駕駛安全進行驗證。就是V模型和數據驅動的閉環進行結合，實現安全驗證。

還有要用系統分析方法，比如說像故障樹分析方法系統地分析所有的失效模式，盡最大可能定義失效模式，同時找出相應的解決方案，通過這樣能夠比較好地驗證安全問題，給大家提供更加安全的產品。

第二，處理極端復雜場景的能力。

就是現在講到的長尾問題，常見的標準問題大家都已經處理了。業界也有一句笑話，要看自動駕駛車企表現怎樣就看你和城管的關系怎么樣，能不能提前把行駛道路上不規整的東西清理掉，使得自動駕駛更好地感知周圍的環境。這說明駕駛環境的復雜性，剛剛周主任提到了，沒有一個駕駛場景是一樣的。同時在開發過程中不可能覆蓋所有的駕駛場景，必須要在汽車生命周期里提供不斷學習和提高的能力。

博世從三方面考慮：

（1）充分利用人工智能和車路協同。

不是簡單的人工智能，而是把人工智能和概率的方法結合在一起，打造可解釋的人工智能。順便提一句，博世在今年2月份發布了AI準則，希望做一個可解釋、高魯棒性的、安全的AI算法和產品。

因為車的視覺和人的視覺都是有限的，智能路端可以提供更廣的視野和看不到的信息，幫助我們解決長尾問題。

（2）數據驅動的循環迭代，在量產以后有不斷學習的能力，我們的方案是要把單車遇到的問題上傳到云里，進行統一離線的學習和訓練，再把新的數據和模型給到車，最主要的是要保證可追溯性，每一輛車的狀態都是可追溯的。每一個車變成不可控、不可知是非常可怕的一件事，通過這種方式可以避免某一個單車發展成不可控，能夠很好地解決迭代學習的問題。

（3）我們知道駕駛的狀況是千變萬化的，不可能在研發過程中，即使在后續的學習過程中都覆蓋所有的駕駛場景。當算法和系統不能處理復雜或者失效的狀態時，就需要有冗余的系統來進行處理，以確保保證駕駛安全，包括車內人的安全和道路使用者的安全。

第三，可持續性復制。

從0到1是從無到有，是實驗室的產品，包括目前DEMO還是屬于0到1的階段。1到N，從100輛車到10萬輛、100萬輛是工業化的過程。怎么實現？因為生產不可能只是一家主機廠生產，也不可能一個車型，每個車廠、每個車型定位不一樣、功能不一樣，傳感器的配置可能也不一樣，所以要求軟件架構要有兼容性和可擴展性。首先必須要打造賦能的工具，這兩天都有嘉賓談到軟硬分離。要做到軟硬件分離，就必須要有非常好的軟件基礎，這個基礎就是中間件。博世有非常好的產品——VRTE和AOS，可以更好地支持應用層軟件跟硬件之間的有機結合，并且可以擴展。同時也需要有一個非常好的整車電子電器架構，使得在不同的傳感器配置和車型上都可復制可擴展。最后還有漸進的擴展一步步擴大應用范圍。

總結一下實現安全的思考和總結，自動駕駛系統需要提供規則一致、可預測、安全的行為，這是我們對自動駕駛的要求。如果道路使用者還有其他動物等發生危險的時候，自動駕駛系統要盡最大可能避免事故的發生，如果不可避免的話一定要把傷害降低到最低。

必須有系統完整的驗證釋放方法，要建立一套結構化流程和可互補的方法，最后一定要依據可驗證的流程和確定的結果。

感謝大家的時間，謝謝大家！