自动驾驶就是用 80% 的精力去解决 20% 的问题

因为 corner case 的存在，自动驾驶很难落地。”这是摆在 ADAS 公司和自动驾驶公司所面临的量产难题。

在深度学习小步快跑的八年里，大批玩家开始涌入 ADAS 行业，在快速发展之后，这批供应商们开始面临发展瓶颈。资本给到他们的耐心、钱已经越来越少，技术更新迭代的时间越来越紧，如果跟不上这个节奏，那么很有可能被市场淘汰。

上海智驾科技创始人周圣砚如是说。

（上海智驾科技成立于 2016 年，是专注汽车 ADAS 领域的公司，它们主要提供汽车前视摄像头以及相关的解决方案。）

在与周圣砚的对话中，我们听到了不少有趣的观点。

不怕互联网程序员“抢饭碗”

随着汽车智能化的快速发展，越来越多的互联网人开始涌入这个行业，对于程序员抢汽车人“饭碗”这事儿，周圣砚不以为意。

作为老汽车人，周圣砚认为，后深度学习时代，堆算力看上去是必由之路，但这不是计算机专业的人能完全解决的，需要汽车专业的人去结合场景具体问题具体分析，这是汽车人的不可替代性。

5G 很热，但单车智能该干嘛还是干嘛

5G 已经开始走向寻常百姓家，商用进程也在稳步推进，中国作为 5G 的领头羊，国内科技公司也是搭上这一技术的顺风车，汽车供应商们也不例外，旗下各种产品技术开始争先恐后地接入 5G。

周圣砚认为，5G 虽然很热，但单车智能依然还是该干嘛干嘛，5G 的诞生不会弱化智能汽车比如 26262 等相关技术标准，感知、决策、执行，该做的工作一步都不能少。

不过周圣砚也大胆预测了 5G 时代，自动驾驶汽车可以走的一些“捷径”，比如自动驾驶车辆必不可少的系统备份是不是可以放到低时延、高带宽的 5G 服务器中去呢？L2 和 L4 的车辆能否通过 5G 通信分享数据，在马路上和谐共处呢？

自动驾驶的“二八定律”

随着自动驾驶迈向更高级别，一些 corner case 开始出现，机器在面对一些没有学习过的特殊场景开始表现得束手无策，这也成为了高等级自动驾驶量产落地的绊脚石。

“行业正在用 80% 的精力去解决这 20% 的问题。”这就是周圣砚口中提到的自动驾驶“二八法则”，只有解决这部分最难的问题，自动驾驶才可以说得上能够真正落地。

深度学习的核心当然还是数据，只有足够的数据，机器才能有足够的样本去把这些 corner case 琢磨透彻。行业内数据共享这件事儿的呼声也越来越高。

前不久的特斯拉台湾事故可以说是一个经典的“corner case”：一辆 Model 3 撞上侧翻的厢式货车。”周圣砚相信，特斯拉已经具备足够的能力通过 OTA 解决这个问题，但贸然 OTA 可能会带来额外的副作用，验证完毕后，特斯拉一定能够解决掉。

特斯拉视觉方案的忠实拥趸，但马斯克过激了？

周圣砚是个忠实的“特斯拉粉”，他同样笃信视觉方案能够“低本高效”地解决自动驾驶的感知问题，当我问及他怎么看待“马斯克说用激光雷达的都是傻子”这个观点的时候，周圣砚笑了笑说，“马斯克这话有点过激了。”

事实上，特斯拉与智驾科技MAXIEYE都在试图通过视觉方案的革命，解决更多问题。智驾科技MAXIEYE的思路是采用一套虚拟激光雷达技术，简单来说就是利用摄像头采集三维/二维图像进行建模，计算出图像中每个像素的距离信息。这就达到了类似激光雷达的效果，同时可以降低成本。

目前智驾科技推出的单目摄像头可以感知丰富的信息，并实现较为精准的测距：

1、地面的标识标线，车道线、停车线、斑马线，还有导向箭头、可行驶区域。

2、地面上运动目标，道路的参与者，人、车、骑行者这些相对运动机动性比较强的目标识别。

3、红绿灯、标志牌、空中级目标。

官方说法是在 50m 情况下可以接近激光雷达的识别精度，车辆识别距离达到 200m（天气完美的时候 250m）、行人等小目标大概是 100m。

通过机器视觉，智驾科技还推出了一些有趣的贴心功能，比如串联自动大灯功能，实现进隧道大灯秒开；又比如集成智能雨刮功能，通过对雨量的精准监控控制雨刷挡位。

在摄像头图像的协助下，这些小功能相比依靠传统传感器体验上要好很多。

和马斯克一样 ，周圣砚相信视觉为主的传感器方案在 ADAS/自动驾驶领域大有可为，但他比马斯克更宽容，他不排斥激光雷达方案，他认为自动驾驶行业是需要分工的，每家公司要解决自己擅长的问题。