果真武無第二？對話華為智能駕駛總裁蘇箐：華為絕對是第一_風聞

2021 年上海車展前夕，搭載華為自動駕駛系統 ADS 的北汽極狐阿爾法 S 華為 HI 版車型的實測視頻開始在網上刷屏。視頻中的華為 ADS 在交通複雜的鬧市表現出了極高的算法魯棒性，宛如一個駕齡多年的老司機。

華為自動駕駛量產的橫空出世引起了所有人的關注，其引發的熱度不亞於兩年前的那個上海車展，華為低調到訪，宣佈全面進軍汽車產業。

這似乎是華為一貫的風格，不鳴則已，一鳴驚人。

4 月 16 日，類星頻道來到華為上海研究所，採訪了華為 ADS 的負責人蘇箐。蘇箐從海思芯片做起，曾領導開發了華為達芬奇 AI 芯片架構，目前擔任華為汽車 BU 智能駕駛產品線總裁、首席架構師。

蘇箐是那種能迅速俘獲媒體的被訪者。他思維敏捷、語速極快、對自動駕駛有非常前瞻的視野，並極度自信，並不吝於分享對業內其他企業的看法——當然，在講完後也不忘非常職業地補充一句：這是我個人看法，不代表公司立場。

我們整理了類星頻道和其他媒體採訪蘇箐的實錄，一刀未剪，Enjoy it。

關於阿爾法 S 華為 HI 版

媒體：現在咱們的系統支持在哪些城市使用？

蘇箐：可能簡單先講一下系統幾個模式的構成，不是一個簡單的 Robotaxi，它有 NCA、ICA 和 ICA+ 這個模式，我想你可能問到的問題和今天體驗的主要是 ICA 模式，ICA 模式是完全全自動的，有點像 Robotaxi 的體驗。

在今年底量產的時候，我們會開放北上廣深四個城市，大約每三個月我們會開放一批新的城市，這個是 ICA 的體驗。我們也看到國內畢竟還有很多二線、三線、四線城市，大家也要買車也要用，這個時候我們會提供一個 ICA+ 的模式，因為我們車會自學習整個的交通環境和自構圖。

這個車只要你開過，或者你的鄰居夥伴開過，這個車會自動學習這個的路況，它會實時去構圖，然後這個車會達到一個類似於 Robotaxi，但是肯定會稍微差一點，因為它的數據不夠全，會達到這樣的體驗。

特別是現在比較火的 high way，包括像上海的內環、中環、外環是完全不需要地圖的，可以達到基本一樣的體驗。所以這個東西是可以在全國今年年底就泛化的，沒有任何問題。

媒體：後面每三個月一個城市？

蘇箐：不止一個，每三個月一批。

媒體：一個季度大概的量是多少？

蘇箐：現在沒法説，也許一開始 6 個？我只是舉個例子，大概這樣的水平。

媒體：現在的測試範圍是怎麼樣的？

蘇箐：全國已經都在泛化了，一二線城市都在泛化。

媒體：能把所有的硬件配置講一下嗎？

蘇箐：我們有兩個配置，標準版的是 400 TOPS 的算力，豪華版配 800 TOPS 的算力。

媒體：能説一下激光雷達的壽命嗎？

蘇箐：激光雷達在乘用車上看到 10 年沒什麼問題。

媒體：量產嗎？

蘇箐：量產的，現貨。

媒體：什麼時候交付？

蘇箐：今年 11、12 月份。

媒體：我們的車主要在中國哪些地區測試？

蘇箐：第一是北上廣深，北上廣深是重點跑的，其他是全國的高速路網，所有主要城市的環路也在跑，這是第一批要覆蓋的。我們很快，下半年開始在二線城市跑。

媒體：我們説的北上廣深是全市所有道路嗎？

蘇箐：全市所有，但北京有點特殊。北京從法規上五環以內進不去。

媒體：這兩天沒有體驗到 AVP 的功能，這塊的研發進度和量產規劃怎麼樣？

蘇箐：AVP 其實是最早完成的一部分，我以為大家可能對泊車可能已經比較沒太大興趣了，下次可以安排大家體驗一下，因為 AVP 我們的量產車裏面肯定是最好的，大家應該會很驚豔。

媒體：能夠做到 L4 級 AVP 嗎？人可以下車？

蘇箐：我覺得是這樣，大家現在總是喜歡講脱手、脱眼、脱腳，我知道作為融資也好、噱頭也好是很好的，但是説實話，我自己做自動駕駛這麼多年，我其實很不喜歡這個説法。

我覺得更需要解決的不是在某一個特定的商業區或者是特定的 Building 搞一個 Demo，這個不是我要乾的事情，我要解決的是解決你每天上下班通勤的問題。

明顯一個問題是你不可能對每一個上下班的人羣、工薪族，你對他的 Office 和家裏面的小區，把他這個地圖和車庫的地圖全部建出來，這是不可能的，沒有任何人能做到這一點。

我願意解決的是用車的自學習技術，去解決每個人每天上下班自己的辦公室和家的車庫的自動泊車。

第一步我要追求的不是這個人下車，離開車，我要追求的是這個人到了小區門口的閘機的地方，車就告訴你你現在不用再管它了，你只要激活這個功能以後，車會自動幫你停到車位裏面去，這是我第一步解決的問題。

媒體：您提到的 NCA、ICA+、ICA，能不能簡單展開講一下？

蘇箐：簡單點説，ICA 模式就是大家看到的車內有預製的高精地圖的，ICA+ 是沒有高精度地圖的，但是車會根據自車或者是他車開過的環境自動學習地圖，這就是 ICA+。

在你第一次開的地方，總有這種地方，誰也沒開過，別人車也沒有開過，這是完全的 NCA 模式，大家看到特斯拉現在就是 NCA 模式，分這三種。

媒體：像在 ICA+ 模式下用户的感受怎麼樣？

蘇箐：你會發現 ICA+ 是基於 NCA 和 ICA 中間的一個地帶，你車開過的次數越多，或者是他車開過的次數越多，他的體驗就會越向 ICA 這邊靠攏。而開得比較少的時候，開一次的時候體驗有點像 NCA，它是逐步提升的自我學習的過程。

媒體：可以理解為有沒有地圖，可能這個系統的信心不一樣，在某一種情況下比較容易退出？

蘇箐：我簡單點説，你自己去一個陌生複雜的城市，你自己開車會速度會變慢，會變得小心，因為你不知道前面有沒有一個豁口，會不會有行人躥出來，就這種問題，其實是一樣的，對車來講它也有這樣的問題。

媒體：昨天咱們工程師説降級到 ICA+ 以後沒有辦法實現點對點？

蘇箐：不完全對，説點對點，意思就是任何出發的時候在地圖裏面都可以搜索這個目標點。但是在 ICA+ 的時候，理論上是沒有全局地圖的，那麼在你去過的地點，簡單點就是每日通勤的上下班這個點因為你開過，所以其實是可以實現的。

但是如果你要泛化到所有地點上去，它確實是實現不了的，你可以理解它的地圖是不完整的一個地圖，你這麼理解這件事情就好理解了。

媒體：因為精度沒有高精地圖的精度高，所以能力可能會稍微弱一點？

蘇箐：地圖精度是夠的，但是數據是不完整的。我舉個例子，你只開過一次的時候，可能你自車車道是被構出來的，你離很遠的車道可能是有缺失的，你的對向的車道也是有缺失的，你得開得越來越多才會累計得更完整。

有點像以前打《星際爭霸》你記得嗎？開始地圖是黑的，你開過的地方就白了，就是這樣的過程，很像。

媒體：今天我們體驗的天氣比較好，不知道像暴風雨、颱風的天氣，還有包括夜間模式和隧道的模式處理得怎麼樣？

蘇箐：隧道沒有任何難度，不知道大家為什麼老是講隧道，隧道沒有任何難度，隧道只是一個定位問題，沒有GPS。但話説回來你在城市裏面開，你在高架下開也不能靠 GPS 混，這個也不現實，除非你做 Demo 做着玩，這顯然沒有難度。

暴風雨可以看一下去年我們發車展發的一個視頻，相當於是暴雨天氣，所以對我們來説也不是問題，還有什麼場景？

媒體：夜間？

蘇箐：我們有同學體驗過夜間模式，**夜間也沒有什麼難度。**下雨天因為傳感器有遮擋所以車行為會更小心、更保守一點，但是夜間和白天比並沒有可見的難度提升。

媒體：我們和北汽如何分工？華為合作的這幾家車企有什麼差異化？

蘇箐：這個是一個好問題，我到現在想看也沒有很明確的分工界面，因為大家聯合來打造這輛車。

你如果説一定要分的話，北汽可能更多在 Cover 這個車的機械系統、底盤系統，相對來講比較傳統的部分。

華為幫他搞定整個車的計算機化這一塊，包括自動駕駛、座艙，還有後端雲端的這些事情，如果長期分的話，大概是這樣，其實這個事情也沒有這麼簡單。

差異化坦率點説真的是很嚴重的問題，你覺得智能機有什麼差異化？手機有什麼差異化？越是複雜的電子系統，每個主體開發成本達到幾十億美金的時候，不應該在這個地方做差異化。這是有嚴重問題的。

媒體：華為和北汽的合作是一款車型還是一系列平台？

蘇箐：一系列車型，因為這種東西不論對於我們還是對於北汽來講投資都是非常巨大的，不會只做一個車型。

媒體：長安和廣汽也是嗎？

蘇箐：一樣。

媒體：一系列車型什麼時候會來？

蘇箐：明年上半年到上半年，你會看到有大量的車上市。

媒體：剛才你説我們體驗車的完成度只有 30%？

蘇箐：算法。

媒體：我們自己測試的車能達到百分之多少？

蘇箐：不能説 100%，一旦變成這樣複雜軟件系統以後沒有 100%，每兩三個月迭代一次，而且迭代挺大的。拿急剎來説少大概百分之七八十，我只是舉一個例子。

媒體：我們做的這個車是多久以前的穩定版？

蘇箐：只適配了兩個月，版本是一樣的版本，它只適配了兩個月。

媒體：車企教會了你們些什麼？

蘇箐：舉個簡單的例子，一開始所有做 Robotaxi 的人在車頂上有一大坨，像一個塔一樣的傳感器塔。

坦白地講，我們還很羨慕的，那樣算法會簡單非常多。我們曾經最早做的時候，很多年前，也希望上面放一個塔，哪怕矮一點的塔，被我們一個大客户堅決制止，絕對不允許你這樣幹。

所以你看到現在的 ADS 車和普通車長得一樣，這就是我們和車廠學到的很重要的一點。

關於華為 ADS 部門的規劃

媒體：ADS 有多少人？上這樣的一個車大概多長的週期？

蘇箐：極狐是深度合作的第一輛車，這輛車本身可能開發應該有 3 年了，後面應該會快一些，第一代的問題總是比較多的。你可以認為很多後面的導入，我猜應該在 24 個月左右，再短可能就很難了。

媒體：ADS 團隊規模有多大？

蘇箐：自動駕駛這一塊2 千多人。

媒體：關鍵的研發都在國內嗎？

蘇箐：都在國內，是的。

媒體：可以講一下 2000 多人的團隊裏面，做盒子、激光雷達和算法的人有什麼劃分嗎，大概佔比是多少？

蘇箐：你可以認為純算法 1200 人左右，算法裏面可以分幾個大塊，我們叫大感知，就是你説的視覺、激光都在大感知團隊裏面，下面不再分。還有第二個預測，第三個我們叫PNC，規控，PNC裏面又會細分。

你可以認為每個團隊的規模大概都在 200 - 300 人不等，剩下 1000 人就是做你剛才説的其他東西。

媒體：除了極狐這個車，下一階段有增加新的車型和品牌嗎？

蘇箐：有，可能現在公司已經發布了我看到三家，極狐、長安、廣汽，後面還有一些其他的大廠，你們後面會看到的。

媒體：是我們 ADS 出海了還是他們在國內的車型？

蘇箐：首先是他們在國內的車型。

媒體：你們對 Robotaxi 是什麼看法？會不會考慮做運營？

蘇箐：首先我表達一個個人立場：你打死我我也不會去做 Robotaxi。Robotaxi 是一個結果，不應該是商業目標。

對美國人來講，打車體驗很差，我這麼多年去美國出差，體驗非常非常差；中國打車體驗非常好，説實話也不貴，你如果真的説 Robotaxi，那中國早就實現了，只不過那個 Robo 是個人，這個體驗一點問題也沒有。

今天你把它變成計算機了，這個體驗一點兒都不會變好，坦白講。我堅決不認為這東西會改變體驗的基本盤、出行的基本盤，在中國，堅決不會。

第二，Robotaxi 是一個最難的問題，從技術上講，因為它需要掃掉所有的 Cornercase。所以我為什麼説他是一個結果，你在所有事都完美之前，一定有一個漫長的不完美的過程，你需要接管。

隨着時間的演進和技術的成熟，總有一天能實現。但這個時間會非常非常長，需要大量的車，絕不是大家今天説的幾萬輛車。

什麼時候你敢説這句話，什麼時候你幾十萬幾百萬輛車跑 N 年，數據告訴你可以了，你才可以。所以説它是一個結果，它不應該作為目標。

我的個人看法：所有以 Robotaxi 為商業目標的公司，都得完蛋。而最後達到 Robotaxi 的，是做乘用車的人，那個市場一定是我的，但不是現在。

媒體：除了北汽之外，華為的長安、廣汽幾家車提供打造汽車，華為為什麼會選擇這幾家車企呢，在合作之中華為的參與程度大概是怎麼樣的？

蘇箐：選擇客户的原因非常多，説實話國內合作伙伴的速度確實比國際廠要快，這也是大家能看到國內車廠東西先出來的原因，這可能也是中國速度的原因。

第二個選擇幾個車廠的原因各自不同，像北汽第一個客户這樣，**北汽非常有誠意，合作得非常好。**今天你看到華為的方案還不錯，三年前你看到的可能並不是這樣的，也許那時候真的是一個原形的東西，那個時候北汽選擇相信華為，和華為深度合作。

而且他們在自動駕駛底盤上面，調校方面真的做了很多的工作，這是和北汽深入合作的一個很大的原因。

長安其實也類似，都是有類似的故事，這裏面當然有不同的原因，當然也有商業利益。

媒體：華為車 BU 裏自動駕駛的優先級是怎樣的？

蘇箐：從我的角度來看的話，自動駕駛是絕對的第一，不是一點點的第一。

媒體：自動駕駛這方面華為未來的投入計劃是多少？

蘇箐：我們現在是 2 千多個人，一年大概花掉 10 億美金，我猜未來應該會保持每年 30% 左右的增長速度。

華為自動駕駛在國內屬於第幾梯隊的？

蘇箐：絕對是第一。

媒體：未來的付費模式是什麼樣的，未來消費者購買這個車以後是一次性付費？

蘇箐：有兩種。第一，一次性付費模式。第二，訂閲模式。這兩種都會有。

媒體：訂閲模式跟華為有關係嗎？

蘇箐：有關係，跟車廠分成，我做的東西為什麼跟我沒關係呢？

媒體：ADS 這個部門什麼時候能夠盈利？

蘇箐：我不着急，華為公司每做一件事情都是 10 年盈利，我現在唯一要做的事情把技術做到全球最頂尖，然後解決真正的問題。自動駕駛，其實我覺得不用擔心盈利的問題。

我舉個例子，我記得 2006 年開始，那個時候都是諾基亞很流行。我們那時候跟公司説要做智能機，一堆人説你瘋了，拿諮詢公司報告跟我説用户滲透率才0.000 幾，完全是發燒友的玩具，是你們這些理工男的玩具，説這東西能有什麼市場。

所以首先是判斷這個東西大勢上對還是不對。如果對的話，市場是不用擔心的，取決於你能不能把它做好。

關於自動駕駛的監管與責任

媒體：這個車的安全責任是怎麼劃分的？

蘇箐：我們一貫堅持體驗式往上做，做到 L4 這個級別的，但是從法律上就是 L2，這個是沒有任何含糊的。

而且我覺得如果自動駕駛想發展得迅速，能給大家帶來更好的體驗，必須這麼做。就是把功能、體驗和法律責任解耦，否則車廠會非常小心，給你提供最安全的，但是基本等於廢物的功能，其實我們看到很多車廠就這麼幹的。

媒體：自動駕駛什麼時候能跨過 L2 這個階段？現在法規已經有些鬆動了?

蘇箐：我坦白點講，大家現在拿法規説事兒的都是騙人的，就是技術問題。

今天你已經看到我們的車已經是 L4 了，但是我明確告訴你，我不敢讓駕駛員離開那個車。你做到 1000 公里哪怕 10000 萬里接管一次，其實很快就跑到了對吧。在 MPI 做到極其大之前，不要談什麼 L4，都是 Demo。

然後大家一談到這裏就拿法律説事兒，我真的看到中國的法律已經非常非常寬鬆了，國家對自動駕駛是非常支持的，大家再把法律拿出來我覺得是不合適的。

關於華為 ADS 的技術

媒體：自學習的地圖是傳到雲端，然後從雲端再分發給所有車輛嗎？

蘇箐：取決於不同車廠的選擇，這個可以始終保持在車端，也可以在雲端重新再做融合。

媒體：那華為提供能做到最好的方案，光憑藉車端或者是量產車，其實不需要通過做地圖的車就可以把高精地圖跑起來嗎？

蘇箐：如果你是解決每日通勤，點對點的上下班路線的話是可以的。

媒體：NCA 是華為自己應用咱們車隊做高精地圖數據的採集嗎？

蘇箐：我們有兩個部分，其實這樣要簡單介紹一下我們的系統，我們整個地圖系統叫 Roadcode，Roadcode 裏面有兩部分組成，一個叫 Roadcode HD，一個叫 Roadcode RT。

HD 的意思你可以理解為大家認為的傳統的高精度地圖，有專門的地圖製作團隊做的，是離線的。Roadcode RT 是車子的自學習地圖。這兩個東西是兩位一體的。

我自己以前沒有做這行也沒有注意到整個城市的基建變化原來如此迅速，我發現整個上海的城市道路不停地翻新，紅綠燈的更換速度比我想象快得多，如果你只是用 Roadcode HD 傳統的技術，你很快就掛掉了。

所以 Roadcode RT 本身會不斷地自學習後去更新 HD，把數據沉澱下來，這樣的沉澱迭代循環的過程。

媒體：昨天晚上我們發現車輛側面遇到外賣小哥會比較糾結，這個有什麼好的解決辦法嗎？

蘇箐：你説的是對的，你會發現這個量產車它在側後方的激光覆蓋是有盲區的，它要靠視覺去補。另外這個車現在並不是最終量產的狀態。這個車實際上，真正北汽從把底盤調到能用，能上路調自動駕駛是春節以後的事情，只有兩個月的時間。

所以這個事兒你可以理解為算法完成度只有 30% - 40%。等你買到的時候這個問題一定會解決的。

媒體：這個解決辦法是增加傳感器嗎？

蘇箐：不不不，優化算法。

媒體：只依靠視覺能精確的對側面的物體進行精確的位置檢測嗎？

蘇箐：這個車其實有兩圈視覺傳感器，一圈遠距的，還有一圈魚眼，魚眼我們也用了。

你會發現視覺的特點是，距離越遠的時候，它的測量誤差越大。當距離縮短的時候，它的測量精度會迅速提高，甚至可以比激光更高。

你這個問題是一個旁車道或者説 near cut-in 的問題，這時候近距離的視覺測距是沒有大問題的，從原理上來講是如此。

媒體：所以我們在行車的工況，不止泊車工況會調用環視？

蘇箐：當然，不然不是浪費嗎？

媒體：想問一下前融合，既然是前融合，所有的這些信息都會歸納到一整套的計算中心或者是神經網絡裏面去消化它嗎？

蘇箐：你可以認為所有的信息都是網絡的輸入，但是不是一張網，不同的網絡完成的功能不一樣。實際上我們有 60 多張網絡。

媒體：你們提過可以做到 1000 公里無接管，這個數據怎麼得出來的？

蘇箐：實話説 MPI 這個數據對衡量自動駕駛，到目前位置我沒有找到更好的指標，但是 MPI 這個值裏面有很多的計算技巧和技術方法的，這是為什麼我不願意談這個問題。

你可以看得到，簡單點説 MPI 跟幾個東西有關係：

第一，跟統計方法有關係，然後是跟時空有關係，時空的意思就是你選什麼樣的路段在什麼時間去跑，跟這三個東西全都有關係，這裏面的值可以差到一個數量級。

為什麼剛才説的跟統計方法有關？我們可以看到加州的統計結果，如果你有幾百輛車的時候，在一定時間內可以挑出比較好的樣本和比較好的時間連續段統計它，MPI 值會很漂亮。

我們內部這樣去做 MPI 值的時候坦白點講沒有什麼意義，更多是把所有的車，在所有時間段內做歷史累計，這個時候算的統計意義的 MPI 才是一個真實的MPI。

我能講的是任何 MPI 在自動駕駛團隊裏面都是核心機密，我坦白點講不能告訴你一個具體的數字，它也不是一個簡單的數字，是一個很大的表。在所謂加州的統計方法裏面，我在上海確實可以做到 1000。

但是在真實的歷史統計上面我只能説我還沒有做到 1000，這個我必須告訴你，而且我敢打賭，全世界包括 Waymo 在內也沒有人能夠做到 1000。

媒體：你們的自學習和特斯拉的影子模式會有區別嗎？

蘇箐：我説實話特斯拉到現在的模式看到的只是概念，沒有解釋過細節，從我們實踐上來看至少有幾塊東西，你管它叫影子模式也好，管它叫車端智能也好。

我們有兩個大的技術，一個就是剛才説的 Roadcode RT，這個是解決了整個交通靜態環境的一個自學習、自構圖的問題，包括剛才説的 AVP 也是靠這個來實現的。

另一個就是我們管它叫 DDI，DDI 可能也許更像你説的影子模式，就是 DDI 會不斷學習這個車主的駕駛行為，不見得是接管，可能車本身的行為跟車主不一致的，他會抓取車主的行為去做迭代，也許是你説的影子模式。

媒體：你們以後和其他車廠去合作，會存在你們拿北汽的數據做了算法，Push 給長安廣汽的車？

蘇箐：**我們有一個叫 Club 的模式，車廠可以選擇加入或不加入，如果加入的話所有是共享的。**如果不加入，那你自己就是一個 Poor，別人也不會和你共享。

媒體：Club 是華為發起的嗎？

蘇箐：你要把車廠的數據聚合在一起，這件事只有華為可以做。

媒體：你們的前視覺感知很獨特。

蘇箐：哪裏獨特？

媒體：四個攝像頭，長焦+廣角+雙目，量產車裏不多見。

蘇箐：對，因為雙目比較難，大家其實都沒搞成，只是我們搞出來了而已。

媒體：雙目你們解決了什麼問題？

蘇箐：雙目一大堆問題，簡單點説從機械上有標定的問題，從算法上其實想把雙目用好並不容易，因為雙目要解決的本質問題是深度測量，但深度測量本身想測量比較穩定、可泛化其實是很難的問題，大多數做雙目的只能做到二三十米，我們遠遠超過這個數據。

媒體：目前這套架構有了三個激光雷達，還有很多攝像頭。這套架構在其他車型上做到，傳感器數量和傳感器類型上基本上不會大多？

蘇箐：差不多，你會看到在這一代車裏面都會差不多，我們一般會在每18個月做一次做小幅度升級，不斷往上迭代。

媒體：你剛剛説自動駕駛可能要幾百萬輛車，現在特斯拉已經有一百萬輛了。

蘇箐：好問題。我記得以前誰講過一個問題很有道理。什麼叫大數據？大數據的重點不是「大」字，是數據質量和全，這個是大數據的本質，自動駕駛其實很像。數據裏面兩個問題很關鍵。第一，數據本身的質量。第二，數據的維度。

在這兩個問題上，我覺得特斯拉的數據有大問題。

什麼叫維度？僅僅靠簡單的幾個視覺蒐集的數據，這個數據高精定位什麼都沒有的時候，維度是非常低的。明顯看到 ADS 的車數據維度比它高好幾個數量級，數據維度極其重要，數據維度代表信息豐富度和差異化程度。

第二，數據本身的質量。你會發現數據本身是用算法催生的，你低階系統本身複雜度導致數據本身質量比較低，特斯拉目前是在這個狀態，要我猜，特斯拉的數據早就飽和了，對系統能力沒有提升。

其實我們自己現在拿 ADS 來説缺的不是數據，而是算法有很多難題需要解，我現在絕對不缺數據。

媒體：解決這些難題，第一個邏輯是感知到位，第二個邏輯是對對方車輛的預測到位，哪一塊更難？

蘇箐：好問題。我們第一天剛乾感覺特別難，後面幹着覺得預測難，預測完了以後大家覺得規控難，現在規控也難完了，大家回來發現感知也挺難，不斷地在循環。

你一定要我説的話，業界整體技術複雜來講，一開始説感知難度，這是所有人都知道的。要我説，業界從理論和技術成熟度來説，預測和規控兩個問題才是真正的難題，這兩個問題可能很多人沒意識到。

媒體：算法主要靠神經網絡深度學習，深度學習有時候會有黑盒，您覺得未來算法上會不會有突破？

蘇箐：第一個，自動駕駛系統裏面不僅僅是神經網絡，神經網絡在裏面只是其中一切部分東西。算力來講它佔絕對的大頭，代碼規模上絕對不是，首先澄清一下這個問題。

第二個，**我堅決不同意 AI 是一個黑盒的説法。**它的計算模式從以前 CPU 的標量計算或者線性計算變成了基於線性代數的概率計算，它從概率角度是完全可解釋的，一點問題都沒有。

你可以認為是概率學、統計學的東西和以前 1+1=2 的東西，不能説概率學和統計學不能解釋，我完全不同意這個觀點。

關於自動駕駛系統的冗餘

媒體：所以我們遠距離是依靠激光雷達？

蘇箐：不我們不是這樣分的。以前大家老是問一個問題，你們的感知是前融合還是後融合還是什麼 Redundancy（冗餘）的技術？

首先我覺得**傳感器沒有 Redundancy 這一説，這是胡扯。**然後後融合技術在兩年以前被我們拋棄了，現在我們全部都是前融合的技術。

前融合的特點其實是把所有的信息放在一起，送到 NN 網絡裏去處理，它並不是一個簡單的哪個傳感器用哪個信息的問題。你也可以簡單理解為傳感器之間互相會有 Attention 機制。

另一個，不同傳感器的特點是不一樣的。舉個例子，毫米波速度敏感，但測量一塌糊塗，視覺對語義測得比較好；激光對幾何測量是比較好的，它本身會把這些融合在一起。

毫米波我們是直接把毫米波的原始數據拿過來了，用它的原始點雲。

媒體：找供應商拿原始數據會有難度嗎？

蘇箐：兩個問題，第一大部分 Tier 1 不願意開放原始數據給你，但華為比較大嘛，人家也願意開放，第二其實毫米波的原始數據是比較髒的，其實比較難處理，我們現在用 NN 在處理。

媒體：雙目做激光的冗餘嗎？

蘇箐：這個東西不能叫冗餘，其實不同的傳感器，不同的表現、優劣是有一個波動的。

媒體：有一家頭部自動駕駛公司提出了真冗餘，把雷達、LIDAR 作為一個子系統，把純視覺作為一個子系統，獨立測試，兩個子系統接管率相乘來實現統計學意義上所需測試里程的降低。

蘇箐：坦率的説，我猜那個是他們 Marketing 寫的，絕對不是他們研發寫的，否則我就要懷疑他們的研發能力了。真正決定你接管率的，絕不僅是你的感知系統，跟你的規控關係非常大，甚至比感知系統還要大。

這些系統是沒有你所謂的真冗餘設計的對嗎？

第二，**絕大多數那些難以處理的 case，你加上 80 倍的傳感器也處理不了。**我敢跟你打賭。所以這種乘的算法來做統計的邏輯是很荒唐的。

真冗餘是很 Marketing 的説法，你要把感知做好，你就應該做傳感器融合，而不是做冗餘，做冗餘是對傳感器很嚴重的浪費。他們的技術水平絕對不是這樣。

關於 ADS 的競爭對手

媒體：一些跨國企業還在打 L3 的概念，但是華為堅持的是連續性優化，您怎麼看這種傳統大廠再去往責任上突破，而我們再去往連續性上突破兩種不同的差異？

蘇箐：其實你看歐洲大家的想法也不完全一樣，我做一個個人評價，不代表公司的立場。

我個人覺得歐洲的三大里面，BBA 裏面大眾其實思路上比較靠前，跟他們做了這麼多年自動駕駛的探索是有關係的。其他家的思路還在一個演進的過程中。

其實特斯拉，不好意思，還是要提特斯拉，特斯拉我覺得教會了所有人，包括我們在內和車廠很多事情。

車廠你看到了，你會發現一個行業本質上變化是什麼？你再往前看就清楚了。

扯遠一點，大家以前是蒸汽機、電動汽起來以後能源革命或者是動力革命，然後計算機被髮明瞭，然後計算機在改變所有東西，其實過去三四十年就是這個過程，計算機在改變所有東西，上次把手機給改了，這次把車給改了，這個是我們跟特斯拉的看法，都是這樣的看法。

傳統的車廠他的看法首先我的基座是車，現在有些計算機的單點，那麼我是把車作為一個基礎，然後我試圖把計算機嵌進去，這是傳統車廠的看法。

我們的看法不一樣，我們的看法基礎是計算機，車是計算機控制的外設，這是本質看法不一樣，會導致所有事情看法都不一樣。

所以你會看到傳統車廠以這個為思路會做很多小盒子，來一個功能加一個盒子，來一個功能加一個盒子，但是我們的看法本身就是一台計算機，一個大計算機了事，把車掛上去，這是本質的不同。

媒體：所以這是華為不造車根本的原因嗎？

蘇箐：不造車我覺得是一個商業選擇的問題，不造車算下來市場更大。

END

類星頻道