2017北京车联网与智能驾驶论坛于9月6-7日在北京昌平小汤山佐智自动驾驶园召开。会上，智行者科技CEO张德兆做了题为《自动驾驶进阶之路，从低速专用车做起》的演讲。
张德兆：我是来自北京智行者的张德兆，智行者主要从事无人驾驶系统的开发。我今天的题目是无人驾驶的进阶之路。自动驾驶特别火，今年特别多的团队进入这个领域，这个赛道已经开始拥堵了。自动驾驶到底能带来什么？非常重要的一点是它能够节省我们的时间，现在全球1300亿分钟浪费在堵车上，自动驾驶可以缓解拥堵，同时我们在车上可以工作，可以去娱乐和休息，这部分时间可以完全的节省出来。
第二，可以比人开车更加安全。刚才我们看佐智宣传片也是这么说，现在90%的交通事故都是由于人的疏忽造成的，自动驾驶的机器是不会疲劳和所谓的疏忽存在的，所以正式投放以后会比人开车安全。现在全球每年有125万人死于交通事故，这要比全球战争造成的死亡人数多得多。
第三，我们认为只有自动驾驶真的实现以后，才可能伴随汽车共享时代的真正到来。现在所有的共享都是伪共享，如果没有让汽车真正的流通起来，其实所有的共享都很难真正的实现，只有让汽车真正的自己从这一个地点到下一个地点，让人类可以对汽车召之即来的时候，才可能实现真正意义上的共享。
第四个，我们认为现阶段按照传统的模式，汽车已经是一个夕阳产业，但是智能网联让汽车成为朝阳行业。按传统的模式看汽车，汽车就是夕阳产业，但是我们要从一个新的模式来想汽车，它会比互联网产生更大的产值，会成为一个新的机会。我们在车上工作和娱乐，可以看广告、玩游戏、看电影，这就是第三个终端。但是其实相比手机，汽车会成为更重要的一个管道，特别是物联网时代，我们每一个人，每一个地点，包括每一个酒店和饭店这样的消费地点都会成为新的终端，是能产生更大的商业价值的地方。
无论是大公司还是小公司都在进入到这个领域，大家都说我要做自动驾驶，但是我们真正的产品方向或者研发的方向多少都会有一点差异。无非就是四个阶段，一个是载人，一个是非载人，一个是高速还有低速。我们主要是从低速非载人领域做起，先做园区内的物流配送还有扫路车等等，特别的强调无人驾驶汽车的工具属性，从工具属性做起，进入低速的领域，第三个进入低速载人，最后进入高速载人。
大家都认为自动驾驶乐观一点2020年能够实现，保守一点2025年能实现，甚至更长的时间，但是无人驾驶在特定应用场景内今年（2017）就能实现市场化。我们现阶段之所以会在低速场景实现车辆的自动驾驶商业化，主要考虑几点。
第一点，首先它不受法律法规的限制。现阶段国内自动驾驶测试法规都没有产生，应该很快就要出来了，最近已经在讨论无人驾驶测试牌照的事情了。我觉得也就是一两个月的时间，国内自动驾驶牌照的事情就会落地。但是如果在园区道路内，园区的车不受法律法规的限制。第二个，物流领域是特别大的刚需，全国有一百多万辆商用车在路上跑，如果谁能把这一百多万辆商用车替换成无人送货车，市场空间还是有的。第三个，低速、并且环境是可预知的，所以技术风险可控。第四个，对于我们来讲可以形成一个早期的盈利点。我们在自动驾驶领域有一个观点，就是地图和数据会成为自动驾驶发展的重要点。一个是地图，一个是数据，还有一个大数据，我们非常看重数据。获取数据是通过我们花钱建很多的平台，比如全国投放一百台车。第二个是实现数据的积累，很多人问我们园区低速的数据到底对马路上的自动驾驶有没有意义？我从两方面讲这个事情，我们要的数据其实一方面是从感知方面讲，我们需要一个数据，感知最难的是对行人的感知。园区内的行人密度远远大于马路上的。另外一个方面对非常规的场景处理，它在园区道路环境内出现的概率大于马路上，在马路上很难出现我右边的车辆突然在我右边左转，但是你在各个小区内和各个高校内这种场景是经常出现的，也就是会远远大于马路上。
很多人问我一个问题，园区的无人驾驶是不是很简单就能实现？我们刚开始也这么认为，我经常对我们员工讲，我们要快点跑，后来真正自己做园区无人自动驾驶以后，发现很难。一是大家说用GPS，但是在公园小区或者清华这样的环境，90%的路况是没有RTK的。二是园区会出现特别多的交通异常行为，现在大部分人基于交通规则，但是园区有很多异常交通行为。第三个，就是交通行为秩序的弱约束。第四个路径突发阻塞，比如学生在篮球场，就会把自行车放在那造成阻塞，这种情况会经常出现的。
所以针对这些困难，我们专门做了相关技术的研发。首先讲定位，定位就说RTK，但是会发现大部分情况下RTK没有用，所以我们就用激光来做这个事情。这边有一个实例：在某个园区里，没有任何的GPS信号，这是一个物流小车，主要靠激光做定位，这边是点云的效果。
很多自动驾驶公司就说我从感知做起，实际上后面你会发现做自动驾驶最大的挑战并不是目标的识别，而是识别出来以后对它行为的理解。也就是前面有一个人，我不知道他是等着我过去以后他再过马路，还是先过马路。前面有一群老太太，我不知道他是不是碰瓷，所以我们认为最大的挑战不是目标识别，而是理解，所以这块我们也是做了大量的工作，去做运动轨迹的预测。我们做目标的预测，其实分了两类，一类是行人，行人要比车辆难得多。我们的车辆其实相对好判断一点。
我们做的这些东西都是要量产的，低速车现阶段都要实现批量化的生产，算法顶多占到整个产品的30%，更多的是软件架构和硬件架构的问题。首先是软件架构，我们之前包括在学校做一些项目，都会存在一个问题。今天我给北汽做车，他们给了一套算法，明天我给长安做，就是另一套的软件算法，这种事情没有办法做场景，所以我们公司搞了一个智能操作系统，我们把所有自动驾驶的核心和定位，包括感知和决策还有控制，封装成一个KERNEL，业务层完全隔开，所以我们最近推了一个AVOS。另外，我们的硬件特别的贵，但是实际上现在做一辆物流车，是要跟我们的快递小哥匹配的，你做的贵卖不动，所以成本一定要降下来。如果要降成本，无非就几个方面考虑这个事情，一个是你用特别低成本的传感器，算法做到很优，这是一个努力的方向。第二个是你的传感器资源，现阶段我一定要用国产的激光雷达，这是一个资源。
这是我们先前在清华投放的两台物流车的视频，这个车车速很低，最高时速15公里每小时。校园环境是非常复杂的，包括路边的带子，是可移动的，今天在这，明天可能在另一个地方，包括自行车行人和社会上的车辆构成非常混杂的交通路况。因为是后台调度，所以可以自动的编队，到达用户的约定地点以后会给用户发一个信息，说我已经到楼下了，用户下来扫二维码，对应的柜子打开，基本是这样的流程。
前面是我们低速车的一个Show，但是我们更多的研发是放在高速车上面，给大家看一个视频。这个车在全国已经累计跑了30多万公里，这是自动换道的，这是国道上的测试，包括过桥洞的测试，谢谢大家。