驭势科技吴甘沙：学特斯拉非一日之功
本站汽车6月11日报道
6月10日，主题为“先手”的第十三届中国汽车蓝皮书论坛于合肥开幕。在为期三天的论坛中，将有超过40场演讲、17场议题讨论，预计超过150位中国汽车产业先锋思想碰撞，共话新汽车时代。
当天下午，驭势科技联合创始人、董事长、CEO吴甘沙带来主题演讲《从L2+到L2++的几点思考》。
以下是他的演讲实录：
大家下午好。今年上海车展上有两个新的玩家，一个是大疆，石破天惊式地推出L2+的产品，另外一个是华为，它给一个看上去有点类似robotaxi的这样一种产品形态又套了一个L2的套子。这就是我题目当中的两个，一个叫L2+，一个叫L2++。从L2+到L2++，中间会发生一些什么？对于我们主机厂，对于供应商意味着什么，这是我想说的几点思考。
如果说L2+最成熟的还是特斯拉的产品，它的NOA是典型的L2+，可以实现双手解放，可以实现自动变道，自动进出匝道这样的产品。
如果说L2++呢？FSD是非常典型的L2++，它可以实现在城市区域的L2级的辅助驾驶。
这两种产品它的成熟程度是不一样的。
L2+现在应该有至少几十亿英里的行驶里程，具体多少，特斯拉也没有说，我们猜测大概是这样的量级。
L2++，或者说FSD，严格来说还不是一个非常成熟的产品形态。根据现在报出来的数据，特斯拉大概一共跑了15.3万英里，800多个人参加了这样一个计划的测试。这800多个人当中，只有71个人不是特斯拉的员工，其他都是特斯拉员工，平均下来，一个人大概只开了186英里，所以它应该说还是一个比较早期的产品形态。
夹在两者之间的，我并没有说是L3，因为现在L3到底会不会存在，其实已经成了一个非常有争议的话题，我放在两者之间的叫做影子模式，影子模式就是利用你今天L2车型，它可以大规模地部署。于是我可以大量地收集数据，甚至于在车上做一些受控的算法试验，这是影子模式。
如果说把特斯拉更早的，就是NOA，比NOA更早的车型都算上，我猜想，它有可能已经有百亿公里影子模式的数据覆盖。当然这并不代表一定就真正收集了百亿公里的数据，它在这百亿公里当中，可能按照10000：1甚至100000：1的比例，把精华的数据收集下来。这是行业今天一马当先的领导者已经做到的。
我今天说几个思考：
思考一：学特斯拉非一日之功
这是我在去年蓝皮书论坛上用的一张PPT，这个PPT想要说明特斯拉用近二十年时间做到今天，这二十年时间战略思维非常清楚，几乎每个方面都是通过三步来走，并不是一步两步地一蹴而就，也不是四步五步那么繁锁。
比如产品定义就是从超级豪华的Roadster（参数丨图片）到普通富豪用的Model S/X，再到大众用的Model 3/Y，核心是把三电做好，然后把电子电器架构的三域控制器做好，当然它是四域，它的车身变成左车身、右车身的四域控制器。然后进一步开发它的更新的基于以太网双环的新的组织架构。
有了整车架构三步走，在功能上实现了三步走，先是操控，在交互上实现了全新的体验，它的标志就是那块大屏，然后它实现了整车的OTA，有整车OTA就可以不断地把一些新的功能，在它的所谓的FSD这么一个期货的幌子下面不断地推送，最后有了OTA就可以不断地去推送智能驾驶，在后面实现数据闭环，所以大家可以看到从2015年、2016年开始，每一个版本都加入了新的功能。
有了智能驾驶以后，它开始进入到芯片，芯片这一块也采用了三步走的策略。只有自研芯片才能够允许FSD这样一种城区的场景，所以它的FSD也一步一步推出新的版本，最早V7几乎没有人能够用到，现在V9差不多几百让用到了。这就是坚定的三步走，通过二十年的时间。
这给我们主机厂带来启示，它走过的路我们就不用再走弯路了，这是好的地方。但是另外一个方面，它踩过的很多坑是并没有发表出来的，我们再去重复它走过的路的时候，不可避免还会踩一些看不见的坑，所以我们如何？我们现在看到很多的，尤其是新造车的势力，在2023年会推出这么一个L2++的产品形态，我们相信它会通过这样几个步骤去做。
第一个，硬件还是一步到位，这一步到位当中包括了激光雷达，当然因为这样的硬件可能会存在一些潜在的隐患，它的硬件的接口设计成是后期可替换，就是未来可能在4S店可以换上新一代的引擎。要一下子跨过特斯拉的十年，我们认为不可以低估其挑战。
现在大家都非常地激进，但是硬件这玩意，并不是装一个电脑，并不可低估其挑战。所以，预期最早的一批产品，硬件上还需要一些迭代。软件和高精度地图可以通过OTA方式逐步地推上去，尤其是明年，明年会出的一些车型，可能这个车6月份就推出了，但是它的自动驾驶的软件可能会到年底才会OTA上去。肯定一开始还是L2+的形态，逐步推到L2++，而L2++，我相信还是类似于特斯拉的这样一种做法，就是一开始先从一条线，或者小的区域开始推送，可以做一些受控的试验。我相信未来L2++变成产品以后，可能也会从一些定制化的线路，并不是全域都可以实现L2++。
这里面还有一个被大家忽视的，就是司机的培训。L2++把今天Robotaxi公司雇佣的安全员换成了你，换成车子，这些安全员可能需要经过几个月的培训。所以对于车主的培训，也会是一个不可或缺的工作。这是我们对产品形态未来要上市这样的一个判断。
思考二：两种车型的组合加速追赶
对于车厂来说，我们相信它会对两种车型组合加速特斯拉的追赶。
一种产品形态是可能演进到L4的L2++，也就是特斯拉FSD，或者是华为演示的产品形态，我们把它叫做L2的样子，L4的灵魂。这张图刚才倪凯包括唐锐都反复地展现过，这个L2的样子，L4的灵魂，这么一个L2++，本质上它是第一次全面覆盖了这三种场景。原来L2+，或者NOV的这样一种快速路，封闭高速的场景。L4，或者类似Robotaxi城区的场景，以及停车场记忆泊车的场景。所以，一种产品形态覆盖三种场景。
这三种场景不会是像今天的这种车厂，比如说L2+找博世，泊车找法雷奥，等等找多家供应商，它一定是共享了控制器和传感器，而且实现了软件和硬件的兼容。从它的域控上面，我们相信它一定有100+TOPS的算力。
今天特斯拉的配置，前向三个摄像头有三个不同的FOV，不同的角度，其实还是代表上一代的产品。新一代八百万像素这样一个摄像头，一个就可以覆盖起来了，所以，整车基本上大概六个摄像头能够实现360度。毫米波雷达可能会有4D的呈像。激光雷达，大家看最早的L3产品形态，就是奥迪的A8，它其实用的是四线的激光雷达，那个激光雷达本质上是为了解决堵车情况下跟车的问题，但是要实现L2++，现在我们看到的激光雷达，至少是64线，比如大疆的64线，华为的96线。然后是超声波，超声波很有可能未来会是在车上面并不是一圈，而是两圈，能够实现更好的近距离的感知。整个的架构会变成fail-operational。
第二种产品形态我们把它叫加强版的L2+，就是在今天L2+基础上加上了数据闭环，加上局部的影子模式。这个偶尔是L4灵魂，主要还是L2。它少了一种场景，少了城区的场景，它也是会变成共享的控制器和传感器，实现软硬件解耦。它的算力是20+TOPS，也是360度的摄像头，但是未必是800万像素，为什么不是800万像素呢，因为用800万像素，这个算力就不够了，用800万像素一定是要用更高的算力。毫米波、激光雷达就没有了，超声波还有，还有低速的fail-operational。
那么多的传感器，大家会说有必要吗？特斯拉最近宣布纯视觉了，都不用雷达了。我们相信在历史上，毫米波雷达作为一个非常不错的视觉感知的校验器，尤其是视觉测距的校验器，帮助它算法提升。但是因为毫米波雷达也有局限性，毫米波雷达跟纯视觉的融合，反而可能会拖累纯视觉算法的结果，所以它就做了这么一个大胆的决定，这个决定我们相信它的纯视觉，当然我们这里面说到是多摄像头的纯视觉，在光照天气较好的情况下，会优于视觉+毫米波，但是在低光照和恶劣天气下，可能会出现性能的退步。
当然鱼与熊掌不可兼得，大家会说，特斯拉车上面也装了激光雷达，但是它并不是量产，只是为了作为摄像头的验证来用。
这一点，我猜想可能会限制特斯拉的技术领先，我们技术行业里经常有一句话，就是发明一样东西的人，会最后一个承认他过时了，他如此的推崇视觉的算法，以至于他可能会忽略激光雷达产业的发展，而使得后面的追赶者具备了一定的优势。这是我们的第二个思考，第二个思考的结论就是，未来一定是这两种产品形态的结合。
产品形态1就是L2++，它有点曲高，但是我们用的词叫“借假修真”，就是借L2的车能够修你L4的真。产品2形态是走量。这么一个产品，如果是二三十万（元）的价格，采取预埋的话，可能会把成本降到四五千块钱，甚至更低，它可以走量，走量可以实现数据闭环，可以实现局部的影子模式，可以草船借箭，就是借大量的车主跑车来获得数据，这种组合可能是未来车厂要思考的。
思考三：重塑OEM+供应商关系
最典型的一个案例就是这个，这是一个专门做开关旋钮的供应商，他跟我们说的一个故事，他们花了三十年的时间进入到BBA这样一些豪华车型的供应链当中，然后这位董事长去硅谷跑了一圈，看到了Model 3，心就凉了一大半，因为传统BBA豪华车，一辆车有70个开关旋钮，到了Model只剩下3个。这就是技术突变式的进展，导致了它跟供应商的关系的变化。
还有一个非常典型的案例，就是自适应的雨刷。传统汽车在挡风玻璃前面有一个阳光雨量的感应器，它是通过一个单独的ECU来实现的，而这个，我想说的是，特斯拉，这是它的一个专利，叫deep rain，通过前挡风玻璃装一个摄像头来测算雨量大小，这样可以把整个ECU整个拿掉，只需要这么一个软件就可以了。未来特斯拉这样的创新可能会有很多，这个车比较独特的地方，当然最终产品是不是那样，我还不知道，但是现在看起来比较独特的地方是它是没有雨刷的。这是它的一个专利，它通过激光来除尘除水。
所有这些反映了什么？硬件电子化、集中化、平台化。而传统零部件软件化，它可以带来很多好处，比如全局智能，原来我对雨量感知是在ECU里面做的，它跟车其他部分的沟通是有限的，但是如果把它变成一个软件模块的时候，我感知到雨量大小，我就可以做很多事情，比如我自动把开着的窗摇上去，可以自动通知导航软件走不同的道路，可以自动通知刹车系统选择一种不同的模式，可以实现全局的智能，当然也可以实现全新的商业模式。但是对于卖硬件为主的供应商们会带来很大的挑战。
所以，这里面会出现全新的OEM跟供应商的关系，一是如何集成，原来是通过黑盒集成，现在通过灰盒、白盒。第二个是如何进化。原来零部件卖给车厂就完了。现在数据管理是要贯穿全生命周期的，自动驾驶不断的演进迭代是需要全生命周期数据的交互。第三是如何分钱，这里面就带来了全新的这样一种关系，我们相信，OEM会跟供应商做深度的融合，而这个深度的融合是为了更好地迎接暴风骤雨般的未来。
这是今天的燃油车，大家可以看到车架便宜一点，但是用起来比较贵，电动车反之，用起来比较便宜，但是买起来比较贵，今天差不多形成了一个平衡。早上小鹏说，今天电动车只占到5%的市场份额，但是按照今天的技术发展趋势，到2023年的时候，电池会降到一个新的价格，这时候电动车可能会不仅仅用起来便宜，而且买起来也便宜，这是对我们汽车市场第一波冲击。
而第二波冲击是变成智能电动车，智能电动车，它的车的价钱会进一步地降低。大家觉得这可能是反直觉的，因为这上面装了很多的更贵的智能的部件，为什么进一步降低呢？是因为它可以压低在硬件方面的毛利，然后通过软件和订阅服务来获得更高的毛利。这就是第二波的冲击，而这两波冲击，尤其第二波冲击需要主机厂跟供应商能够做深层次的融合。
思考四：新时代供应商需要三种能力
我们拿我们公司驭势科技做一个样本。
第一个，可量产、可白盒的产品模块覆盖三大场景。
我为什么用产品模块，而不是产品，因为刚才我说了，无论是L2+还是L2++，主机厂会主导开发和集成，所以供应商交付是可量产、可白盒的产品模块。我们现在和主机厂合作当中，已经做了这样的实践，比如这个是刚才一汽李丹院长提到的可以达到L3，但是不敢宣称是L3的产品。在停车场L4级的代客泊车这一块，我们也跟整车厂提供了小批量的交付。城市道路L4级Robotaxi，我们与东风合作车队开始运营。
在这三大场景当中，我们采用统一的菜单化的传感器、控制器的模板。刚才说的是模块，这边说的是模板，模板就是一个参考设计，可以高度可定制的，可以让主机厂修改，可以置换的模板。
这里面产品模块包括完整的前视和环视的计算机算法，包括激光雷达，我们在激光雷达点云处理方面得到非常好的场景。包括深度学习+SLAM+语义定位的视觉定位。这些模块会套入模板实现快速的定制化。
比如这个车，这个车跟乘用车关系不大，是做末端配送的，但是这个车底盘是借用A00级车的底盘，我们原来做AVP，加上L4城市区域的感知和决策的算法，通过一个快速的模板的定制化，它就是很快地做出了一个新的产品。因为驭势科技传统上并没有做末端配送的产品，我们这里面还是强调基于产品模块、基于模板，可以实现快速的定制化。
当然我们也很荣幸，作为一个汽车商业评论轩辕奖的合作伙伴，去年对34款参评车进行测试，完成87页测试报告，对市面上的产品是什么样的状态，有了更加专业的评估。
第二个是驾驭复杂软硬件系统的能力。我们作为一家新的供应商，这一块是我们的核心竞争力，因为我们核心团队参加多款核心芯片和系统软件研发工作，这边可以看到我们做了四代核心域控制器。每一代做得更小，更符合车规，算力更高，我们按照汽车行业的要求，从最早的ISO 9001到IATF 16949包括ISO 27001去做认证。
第三个是在云端，因为你要实现闭环，必须车+云，在云端我们也实现了全功能的云脑，它能够帮助主机厂实现数据加上AI算法的闭环。这个云端平台我们现在已经帮助某些主机厂进行了定制化，进行了交付，这里面从最底层的基础架构到工具，到仿真服务，到上面地图，多车调度、运维，数据分析，再到真正的接入到第三方的系统接口，全部能够实现定制。
仿真我再稍微提一下，仿真确实是一个非常有用的工具，因为它真正能够解决今天我测试了里程太多的问题，如果你真正要到路上去跑，那成本是非常巨大的。大家想象一下，我们做软件的知道，我每一次升级软件，需要重新做一次回归测试，当你回归测试里程达到百万、千万公里的时候，基本上没有办法全部都实车去跑，这时候仿真就变得非常有效了。
我今天主要跟大家分享这四个思考。就说这么多，谢谢大家。