如何克服同国外巨头的数据差距

【文/观察者网李焕宇】随着“软件定义汽车”、“智能网联”等新一代汽车概念的普及，自动驾驶已成热门赛道，但也面临着技术、安全、伦理等多方面的诸多争议。不久前，31岁的企业家在驾驶带有“自动驾驶”功能汽车途中发生事故，不幸逝世。与此同时，特斯拉辅助驾驶系统Autopilot也面临来自美国监管机构的调查，加上此前上海车展车主维权事件的舆论持续发酵，自动驾驶的安全性成为大众关注和讨论的焦点。

在9月22日举办的第11届陆家嘴产业金融论坛上，一大批行业人士共谋汽车产业发展大局，认为中国的自动驾驶公司正面临着一个非常好的战略性发展机遇，而中国可以说正处于行业变革的中心地带。因为受益于政策引导，中国正积极实现一些新的创新方案，来解决交通出行所面临的一些痛点，这将成为出行企业变革的催化剂。

大会现场主办方供图

不过，相比于特斯拉这样的外国巨头，与会嘉宾在谈及国内自动驾驶发展时不约而同地提到了在数据采集上的难处。因为中国企业们不像特斯拉既是车厂又是自动驾驶公司，很难直接获取大量数据，可数据又在算法的持续迭代中扮演者关键角色，高质量的数据同算法一样是自动驾驶软件的核心。

作为对策，格物钛、楚航科技、轻舟智航等自动驾驶领域创新企业提出，可以建立一个仿真场景库，创造一种虚拟环境把现有数据的价值重新发挥出来，从而弥补在稀缺场景路测数据量上的劣势，提升路测效率。

除此之外，格物钛及中海庭、楚航科技、高合汽车、尚颀投资和劲邦资本还提出了另一种可能性——数据集的共享。即通过车厂、自动驾驶公司之间的数据共享去丰富各自的数据库和数据集，进一步优化算法，提高安全性。与会嘉宾普遍认为数据开放具有重要意义，倡导有条件的、逐步的、有相应机制和标准的数据开放，推动安全前提下的数据开放与车路协同，对推动自动驾驶技术落地有关键作用。

行业巨变——中国的机遇

与会的各位嘉宾首先对自动驾驶在中国的发展前景给予了高度评价。宏景智驾战略和业务拓展副总裁杨武表示，汽车有“四化”，即司机无人化、动力系统电动化、出行共享化、智能网联化，而中国在现在这个阶段，它的科技公司，包括做自动驾驶的公司在内，面临着一个非常好的战略性发展机遇：

从政治角度来讲，中国发展是内外循环，内循环为主，对本土的科技高质量发展要求越来越高。整个智能汽车和新能源汽车作为国家的重点支柱产业受到了政策极大的关注和支持。再加上新基建，中国不断有一些地方政府主导的智慧之路、智慧城市的新基建的推动，也会带动自动驾驶的蓬勃发展；

从经济角度来讲，预计中国的经济会持续稳定的增长，数字化的比重在逐渐加大，这对创业公司是非常友好的，资本市场也出现了积极的变化；

从社会角度来讲，随着人口老龄化，不管是对于工厂自动化还是对于未来的交通行业、出行行业的自动化，其实都有不断增涨的需求，城镇化还推动了科技产品的规模化；

从技术层面来讲，四化不同层面在持续的推动变化，自动驾驶技术已经到了稳步发展的阶段。

高合汽车首席技术官（CTO）马克·斯坦顿认为，汽车行业已经到了一个转折点。在现代技术支持下，软件在汽车的发展过程中扮演着越来越重要的角色，自动驾驶以及其他相关技术把车变成了更加复杂的机器，越来越多的汽车制造商开始思考如何把他们的车不止作为一辆出行工具来销售。未来5年，汽车行业的变化将会比过去50年还要更多。

马克·斯坦顿主办方供图

据咨询机构麦肯锡预测，在接下来10年的时间，跟汽车市场相关的软件市场的市值会翻番，达到4690亿美元，未来汽车的创新90%都会基于软件。还有机构预测，到2040年，自动驾驶的车辆将达到3300万辆。

但他认为，这个数字是被低估的，未来自动驾驶将会变得越来越平常，而且越安全越有效，而中国正处于这样的变革的中心地带。

斯坦顿坦言，自己之所以三年前选择来到中国，致力于中国新能源汽车的发展，就是因为看到中国正积极利用政策引导，实现一些新的创新方案，来解决交通出行所面临的一些痛点。所以，中国将会成为出行企业变革的催化剂，同时他坚信越来越多的技术将会支撑全球的汽车产业发展。

车路协同——中国的路线

那么，中国的自动驾驶是该走单车智能还是车路协同？与会嘉宾普遍看好后者。

马克·斯坦顿称，车路协同能给无人车的安全性提供非常大的价值，未来是无人驾驶落地非常好的契机。

楚航科技高级顾问浦维达指出，单车智能的成本始终降不下来，通过网联来提供辅助驾驶更多的信息，可以使单车成本大幅下降。而且，网联化真正体现了我们国家举国体制的优势，中国的高速公路可以集中控制，不像有一些国家它的高速公路很多都是财团控制的，所以做起来比较难。

不仅如此，中国的5G通信技术还是布局条件最好的，有条件的话可以在所有高速公路和城市的骨干道路上实施5G通信技术。

尚颀资本股权投资部董事总经理胡哲俊则认为，单车智能加智能网联是最适合我国国情的发展策略，我国在人口密度、通信技术和资源上都具备优势，政府的执行力强，从公共交通的层面去推车路协同相对来说阻力更小。

数据采集——中国的挑战

不过，要做好自动驾驶，有一道坎是绕不过去的——数据。

高质量数据和算法是自动驾驶软件的核心。目前自动驾驶商业模式正在发生深刻变化，数据和算法紧密结合的做法逐渐得到市场的认可。无论是视觉还是雷达方案，本质上都是一整套服务于汽车工业的软件解决方案，而数据在其中扮演的角色是促进算法持续迭代的基础设施。

美国自动驾驶巨头，同时也是车辆制造商的特斯拉曾表示，他们现在最大的竞争力其实不是在自动驾驶的算法，而是每天在路上跑的大概40多万辆的车和这些车每天贡献的数据。特斯拉可以通过这些数据可以不断优化自动驾驶的算法、模型，进一步加强它的竞争力。

据胡哲俊介绍，现在各家车厂在硬件层面已经差异不大，软件这一块很多自主品牌也具备比较大的竞争力，但国内公司没有特斯拉这样的先天优势。一些自动驾驶公司可能更多程度上都是轻资产、偏软件的，很难运营比较大的车队，持续去获得这么大量的数据。车厂也是一样，传统车厂不直接面对消费者，所以很难获得这些数据，缺少中间渠道。

而且，即便找到了数据获取的途径，数据的长尾效应（注：在数据训练中，一小部分的类别占据了大多数的训练样本，而大部分的类别只有极少数的训练样本）也一直困扰着自动驾驶研发团队，如何高效获取和使用2%稀缺复杂场景下的高质量数据始终是个难题。轻舟智航联合创始人兼CEO于骞指出，实际上稀缺场景的路测数据量是十分有限的，需要创造一种虚拟环境把现有数据的价值重新发挥出来，验证算法的修改、系统的变化是否安全可靠，加速开发流程，提升路测效率。

已布局这一领域的格物钛首席运营官吴琼婧表示，仿真场景库会是一个非常好的应用。因为长期路侧采集的成本很高，像一辆数据采集车每天会采集10TB的数据，100台车就是PB级的数据量。如果能在海量的数据中快速找到符合需求的复杂场景数据进入模型训练阶段，并且把采集的真实数据转化成仿真场景库，在仿真场景库中做调优，例如把旁边并线的车速提高或者降低15%、或调整角度。这种做法可以仿真创造出更多的数据，来替代高成本的数据采集工作，这一方面的解决方案都可以用数据平台的方式来实现。

吴琼婧主办方供图

共享开放——中国的尝试

除了增加用户端数据获取的渠道和仿真测试，胡哲俊提出了另一种可能性：数据集的共享，通过车厂、自动驾驶公司之间的数据共享去丰富各自的数据库和数据集，进一步优化算法，提高安全性。

浦维达表示赞同，他认为数据的安全利用是很有商业价值的。现在在马路上各家车企积累的上百万公里的行驶数据，是通过很多辆车叠加起来的，单一车辆的行驶里程和区域也是相对有限的。这个时候就需要大家把数据放在一个公共平台上进行共享、交流，甚至进行交易。小企业或许没有太多人力物力投入到高成本的采集数据运营工作中，这些都可以通过购买服务来解决。综合而言，这些数据是可以不断复用产生规模效益的，无论是政府还是行业组织都应该倡导这种做法。

浦维达主办方供图

中海庭首席执行官刘奋也对数据开放抱有持坚定不移的支持态度，必须承认汽车工业还是相当保守的，数据掌握在每个车企手中，它的流动性和价值被远远低估了。如果一旦数据能被开放出来，一个超过所有人想象力的商业时代就真的来临了，在这个让人热血沸腾的“数智化”时代，数据开放会极大促进社会运行效率。

不过，劲邦资本合伙人王荣进提出，数据共享是有条件的，应该视具体情况来决定是否开放。比如带有一定公共属性的、和交通路况相关的数据是应该拿出来被积极共享的，但是用户和单车的数据可能车企还会有所保留。胡哲俊进一步补充道：数据应当是在特定生态圈里有限度地被共享，而不是完全面向全社会的、不加限制的开放。这种不加限制的数据共享可能会带来负面的安全隐患。数据具体应该以什么样的形式被共享，会受到怎样的限制是需要整个行业的参与方进一步深入研究的。

在这方面，格物钛率先进行了一些尝试。在今年世界人工智能大会上，格物钛和上海白玉兰开源开放研究院共同发布了《木兰-白玉兰开放数据许可协议》，希望向社会倡导数据开放的标准化、机制化，从法律层面提供一种“社区行为标准”去加速数据开放共享。

坚持难而正确的事情

会议最后，与会嘉宾们表示自动驾驶未来肯定会使人们的出行、生活变得更美好，但是也不能过于保持乐观的态度，这是一件需要坚持的“难而正确的事情”。

道阻且长，生而又有幸。试想未来在全球范围内自动驾驶的渗透率达到10%甚至15%以上，所有的技术问题会从汽车工业的智能网联化拓展到智慧交通的运营管理，自动驾驶将重塑城市形态与生活方式，商业模式和产业边界会经历重构，全新的规则体系会应运而生，身处于这样一个变革时代值得每一个人去证明、实践自己，而现在所有自动驾驶赛道玩家正在做的就是提前布局规则，加速这一时代的到来。

作为一家专注于打造人工智能新型基础设施的初创企业，格物钛正在以数据为中心的开发方式，向全球AI创新团队、前沿高校实验室和机器学习开发者社区提供数据平台支持，助力自动驾驶安全发展。