7月22日—23日，“2020首屆軟件定義汽車高峰論壇”正式舉辦。本次論壇主要探討軟件定義汽車領域最新的創(chuàng)新理念、技術趨勢、現(xiàn)實挑戰(zhàn)等熱點話題，共謀行業(yè)未來發(fā)展之道。下面是上海映馳科技CTO段勃勃在本次論壇上的發(fā)言：
上海映馳科技CTO 段勃勃
很感謝還能有這么多的人在聽，我也盡量希望能夠滿足大家，因為坦白講主持方找我的時候也很突然，我說壓軸演講很難講，我準備了那么多的梗和段子，前面都被人講過了，到我這里可能就沒有什么可講的，因為我之前也碰到最后一個講，經(jīng)常要把自己的稿講來改去，我這次終于把稿子定稿了，到了下午還是很措手不及，很多東西也有人講類似的觀點，但是我后來想了想這也是一件好事情，我的稿剛好能夠把這兩天我們所有人的演講有一個很好的梳理。
首先，我先介紹一下我們的公司。我們這兩天的演講我們是唯一一家創(chuàng)業(yè)公司，而且是一家年輕公司，今天早上我很早就到了，我做了一張表，把每家公司都留了一個位置，后面我就只留了我們公司，因為我在聽的過程當中，我發(fā)現(xiàn)西門子、博世都在變化，以前是傳統(tǒng)的Tier1，現(xiàn)在是軟件公司，還有做基礎軟件的，所以整個跨界非常厲害，所以我們只放我們公司。
我們看到演講的嘉賓有做主機廠、IC、OS、Tier1和基礎軟件的，我們映馳公司主要是做基礎軟件里面的自動駕駛方向，我們還把自己定義為軟件Tier1，我們在報名的時候他們說你們是誰呢?我只能之選一個Tier1，但是我是一個軟件的Tier1，在傳統(tǒng)體系面也不存在，所以我就把自己放到那里，但是這件事怎么講，我就慢慢講起，因為這是一個軟件定義汽車的年代，什么出來都是很正常的。
第一件事情，剛才大家講軟件定義汽車，這件事我在過去跟一家產(chǎn)投在討論的過程當中他們寫了一百多頁的PPT，啟發(fā)了我，我真的去調(diào)查了一下，軟件定義什么這個東西是怎么出現(xiàn)的，論文里面查到的是1998年，那個是軟件定義無線電，無線電設施裝好了以后可以通過軟件調(diào)整它的行為，下一次是軟件定義網(wǎng)絡，網(wǎng)絡布置好了，通過軟件它的整個行為也會發(fā)生變化，再下一次就是在16年百度的王進提到了百度定義汽車的概念，當然他說的是無人駕駛，后來我去查有沒有精確的定義，我找了幾家，但是我認為這家定義相對中肯，什么加定義呢?昨天我們吃飯的時候討論了挺多，誰也說服不了誰，就像上我的大腦決定了我是我，還是我的身體決定了我是我，這件事很難講，但是定義這件事有一個描述是說，如果這個車的主要功能是由軟件來做的，這是軟件定義汽車，但是這個詞先放在這里，我們姑且不輪，但是它描述的行為就是如果一個車的行為都是由軟件來決定的，那這個時候我們知道軟件的地位是很重要的。
這是一張大家都講的圖，我找了幾張過去的圖，右下角的大家認識嗎?如果是我這個年代的人可能會認識，這個車有什么特點呢?這使我想起了我的老板，他在13年跟寶馬CTO聊的時候，他說現(xiàn)在的車不一樣了，過去買車大家說三缸、12缸，但后來他說他兒子買車不管這些，你的車能不能把iPhone、iPad接上?接上就買，不接上就不賣。
他的價值觀不一樣了，未來的年輕人會買什么車?我想不好，但是我看騰訊的后浪一直在拍，我心里也在想這是什么樣的呢?但是我從手機開始看，過去的手機大哥大，2萬塊錢，那個時候也就掙100塊錢的工資，那個時候多牛，但是它的功能就是打電話。現(xiàn)在我們的手機里面如果買一個裸機我也不知道拿它干什么，但是我裝一個導航軟件它是一個導航機，裝一個聊天軟件就是聊天機，裝什么是什么，我們家里的電腦更是這個樣子，我裝了什么就是什么，不裝也不是什么，其實就是很多行為在統(tǒng)一的硬件平臺上面。
那我們再講講特斯拉，我們發(fā)現(xiàn)它觸動了一件關鍵的事情，它改變了駕駛，我們說你的座艙軟件很多，但是突然發(fā)現(xiàn)某一天我們的駕駛是由軟件來決定的時候，我們發(fā)現(xiàn)車由軟件來定義的，這一天發(fā)生了根本性的變化，那這個時候我們發(fā)現(xiàn)車里面所有的東西都是軟件。昨天我們吃飯還在討論，那硬件呢?因為我之前有幸參加了一個討論，軟件定義汽車是不是超預期?我想投資的人關注超預期，但是軟件在汽車里面的重要性他們不糾結(jié)，那我們討論的結(jié)論是什么呢?我個人認為，硬件決定了這件事的上限，但是軟件決定了你的表現(xiàn)，如果你沒有一個好的硬件平臺，比如說你的車，之前有朋友跟我聊，他說我體驗了特斯拉，也體驗了一家汽油車，我感覺特斯拉棒極了，因為油車控制總是不那么順，但是特斯拉的控制爽極了。
我突然發(fā)現(xiàn)你硬件放在那軟件再努力可能也沒有什么辦法，所以說你要有好的傳感器，特斯拉升級先要升傳感器，在上面不斷更新軟件，硬件不是不重要，還是非常重要，但是硬件到現(xiàn)在為止，電動車很容易一致化，因為大家的供應商差不多，那你的差異只能是軟件，這是我們看到的，但是軟件的創(chuàng)意依然很無限，里面的功能確實不一樣，特斯拉有很多的功能，我相信在未來還會做出一些自己的差異，這是我對這件事的認識。
說到自動駕駛還要從安全開始，就在昨天早上我在開車來這里的過程當中，我前面有一輛出租車迅速躲避，我只能跟著他躲，其實前面是一個桶，但是出租車司機沒有看到，我可能就壓過去了，以后這樣的場景會層出不窮，但還是那件事，我還是從安全講起，剛才騰訊的小哥一直在說安全，因為我是自詡為做安全的軟件和算法，所以這件事我要好好講一講。
特斯拉不提一下是不對的，我還是要從它開始講，我之前都是在自動駕駛的論壇，很多場景我分析過，我們最近再更新一下，16年我們剛才看到地平線的同事來分享了一下16年的事故，2020年又發(fā)生了一起事故，這兩起事故發(fā)生了什么?什么變了?什么又沒變?
我認認真真做了一個調(diào)查，我們發(fā)現(xiàn)對于我們的特斯拉來說有很多的傳感器，但是我們說它的正前方只有三個傳感器，第一是2米以內(nèi)的超聲，這是博世提供的，還有前雷達、前相機，前相機是3顆，那16年是怎么出的事情呢?當時發(fā)生了這件事之后他們再也不用EyeQ了，他們用自己的算法。當時有一輛白色的大車橫到路上，特斯拉那輛車撞了上去，但是我們知道當時發(fā)生了什么呢?當時EyeQ3是不認識車的側(cè)面的，因為那個年代的算法計算機視覺只認識車的屁股，車頭的效果都要差一點，第二件事雷達從車身的下面可以穿過去，雷達同時檢測到兩個目標，一個是車，另一個是遠處的不知道什么東西，可能是一個橋，但是對于融合系統(tǒng)來說視覺認為前面沒有東西，雷達認為前面有兩個東西，但是一個近、一個遠，我假定是一個橋，于是就沖了過去，但這是我一家之言。
我們再說2020年，一輛車躺到了地上，這是發(fā)生了什么呢?因為我們用了深度學習我們用了車的正面、側(cè)面，但是我們從來沒有認識過四腳朝天的車，因為這種樣本沒有，我自己也沒有收集過這樣的樣本，我也不知道這種東西該怎么辦?那雷達呢?我們做雷達有一個問題，靜止的目標不輸出的所以這個時候雷達和視覺又同時失效了，又撞了上去。
所以我們的算法從機器視覺到深度學習，依然有我們不認識的樣本，我相信這種問題未來肯定還有，但是我們發(fā)現(xiàn)兩個傳感器在設計上就有解決不了的地方，所以我們認為它是L2+，這也是一種錯誤使用，因為你當成自動駕駛來使用，但從我一個技術工程師的角度，我會告訴大家發(fā)生事故是一定的，只是不知道哪一天、什么時候、以什么姿態(tài)。
這張圖在過去那些年都講爛了，但是我還要講，我們現(xiàn)在2.5、2.9到3或者到4究竟差什么?就差在是誰在監(jiān)控，就是這個眼能不能離開，這個眼離開3和4差不多的，但這是我們最難的一道檻，我們現(xiàn)在根本沒有找到北所以我們是無限接近3，當然我們不知道寶馬在明年那輛最接近3的車是什么樣子，或者最接近4的我們還要拭目以待。
這里還有一個挑戰(zhàn)是什么?就是有限場景會發(fā)現(xiàn)我們2、3、4，因為人類的場景不可預知，我們永遠不知道是否有一個車躺在那里，所以我們現(xiàn)在有什么挑戰(zhàn)呢?第一是感知，還有就是工程，你的技術到了一定可以做一輛可靠的車嗎?所以我們把它稱為挑戰(zhàn)。
這張圖是我自己做的，我來總結(jié)對算法需求的變化，在第一個年代ADAS，做報警，車道偏離報警，當時我們的算法比較好做，因為他只要報警，當你出現(xiàn)問題的時候報一下警就可以，如果沒有報警也沒有什么事，因為車子是駕駛員自己看著的，我沒報警你也不一定能發(fā)現(xiàn)得了，所以那個時候做算法工程師挺快樂的，你只要有很低的誤識別率就可以。但是你要是有錯誤的識別這是不可原諒的，因為你經(jīng)常嚇唬駕駛員，正常開著有一個報警，你感覺這個車不能要了，所以那個時候可以把識別率降低一點，不要99，95也可以，但是你不要老報警，你不報警也沒事兒，但是錯誤報警這件事是一個事故。
后來我們有了LKA、AEB，在你危險的時候幫你來一下，坦白告訴大家它的策略和報警是一樣的，坦白講AEB這種事情三五年也發(fā)生不了一次，漏一次你也發(fā)現(xiàn)不了，因為這個幾率很小，但是整個控制策略還是一樣，我們把誤識別要控制的低，識別率可以低一點，你一旦錯誤的警告以后用戶的體驗很差，但是由于發(fā)生幾率也比較低，而且也還算可以接受，因為大不了錯誤幫你剎一下車。因為我原來有一個同事，剎一下車腦袋就撞到玻璃上了，所以他對這個功能深惡痛絕，所以就是少錯，少作用也可以的。這是過去兩個系統(tǒng)的特點。
到了L2，HWA的時候發(fā)生了什么呢?整個檢測要一直工作，如果你一旦不工作，馬上會被發(fā)現(xiàn)，所以你的策略就變得很難了，就是說你的識別率要高，誤識別也要低，因為你一直在工作，這個時候如果是比如我們說你錯誤檢到了一個目標，我的車明明前面什么也沒有，我非要剎個車，你會感覺挺不爽的，但是不爽之后重新激活還可以繼續(xù)走，但是漏了這個事駕駛員就要自己看著了，特斯拉出現(xiàn)的事故就是這種，就是因為前面有東西你沒有看著，這件事默認是駕駛員的。
還有一種L3的HWP，這個時候我們發(fā)現(xiàn)駕駛員只做失效處理，你不需要做什么東西，它只是失效了你處理一下就可以，也不需要監(jiān)控，但是這個對整個車的系統(tǒng)要求特別高，因為一直工作，它產(chǎn)生的錯誤后果就是比較危險的，所以現(xiàn)在我們認為低的漏識別，低的錯誤還要加一些診斷，因為你失效了你要知道，如果你不知道怎么能做一個失效處理呢?
所以自動感知要有功能、性能、可用性、可靠、可實現(xiàn)這些東西，就像剛剛騰訊小哥攻擊大家說大家的信息安全準備的太少了，其實搞汽車的人現(xiàn)在功能性能還沒有做完，信息安全還在后面，功能安全還沒有做完，現(xiàn)在談信息安全這件事大家沒有顧得過來，但是我覺得功能性差不多了，后面也會有這些東西。所以我大概總結(jié)了5個方面，最后的那個是指計算能力，上面是可靠性，這個時候我們會用到很多診斷安全機制，可用性有很多的傳感器融合東西，功能性能這個更多的是算法。
我們剛才講了功能安全，功能安全要求的失效率是10的負8次方，什么意思呢?10的8次方個小時里只能出一次。我們算了一下，一輩子可能輪不到一次，但是這種東西對于我們工程師怎么做呢?我們來探索一下。
第一件事我們來講AI，在我們做工程師的心目當中，相機認錯兩條線這是很常見的事情，我們把它對準天空有燈管它也會認為是車道線，只是你的車從來不會對天看而已，這是我們早就知道的故事，因為你的車就應該這么裝，對于沒有看過的場景我們是不管的，因為有太多場景要做，可能之后某一階段會用增強訓練、對抗網(wǎng)絡來增強一下。
我們過去做視覺，視覺的能力我自己從業(yè)的經(jīng)歷已經(jīng)經(jīng)歷了好幾輪，剛開始用知識的方法，后來用機器學習，后來到深度學習，自己的知識都迭代了兩三代，有幸的話我自己一直用最新的技術，但是我也感受到整個識別能力真的是很強。怎么強呢?過去我們認為有很多不同角度和視野復雜的東西，識別能力真的是很強，比任何一個技術都要解決得更好，但是什么呢?第一這是端到端，端到端最大的問題你也不知道它在現(xiàn)實場景中會輸出什么，你控制不了這件事情，所以很強大又很脆弱，這件事怎么來做呢?所有做AI算法的人在做的事情，就像昨天我們看的視頻，明明是花花綠綠的東西為什么是下雨了?這件事你解釋不了。
那現(xiàn)在我們的是怎么樣的?剛才很多人講閉環(huán)，那帶來的問題是呢?你見過的它就認識，當然還不一定，第二是你沒見過的基本上也不認識，這個就是我們面臨的問題，總有我們沒有看過的場景，對于L3的安全性怎么保障呢?這是一直以來的問題。我自己現(xiàn)在有一個方向在做什么研究呢?AI可不可信，特斯拉那個車是你信了它然后撞了上去，如果你不信它，因為特斯拉以前也做過，如果每個橋都停一下，就會高速上每開10公里一個橋停一下，我估計這個用戶體驗也很差，用戶也不會用這樣的功能，所以這個事怎么可信呢?他總結(jié)了4點，我覺得以后要加上第5點就是要防備黑客的攻擊。
第一點是什么?不同膚色不同高矮的人，樣本要公平。第二點是要安全可靠，在不同場景下要做得非常好。第三點是要做到可解釋，這是最難的，他輸出的這個結(jié)果你要知道為什么，而且還有辦法來處理，這是我們做AI或者神經(jīng)網(wǎng)絡端到端的人特別難做的事情。第四點是整件事的可追蹤，從算法到樣本到整個環(huán)節(jié)都知道它，這樣可能是向可信的AI前進一步，比如說我們做語音識別錯了就錯了，再說一遍，但是自動駕駛會撞上去，沒有機會的，所以怎么把這件事做得可靠呢?
我們現(xiàn)在做了可能用兩種不同的算法來做互相校驗，甚至用兩種不同的傳感器來校驗，安全性在這樣提升，就是用剛才的方法，但這個就是我們可以做的工程方法。
我們講了那么多的算法，還要講計算和通訊，剛才地平線的老兄也講了，我再絮叨一遍。我們從一個軟件公司選芯片怎么選?第一件事情計算產(chǎn)生智能，我們以前叫人工智能，但是這些年都叫計算智能，為什么呢?過去人工智能是來研究人思維的機理，我們來做這樣的計算，但是現(xiàn)在的智能只是一種擬合，我們只需要拿矩陣計算完，結(jié)果和人的結(jié)果一樣就可以了，所以它是計算智能。計算智能其實很粗暴，所以需要計算能力特別高，為什么呢?因為你強行的。
第二個是能力要夠，剛才大家講多少T。
第三件事是你的成本要可以，現(xiàn)在自動駕駛落地的一個問題是傳感器、芯片都貴，因為那個東西真的很貴。最后一個是要安全的芯片，一個芯片剛才大家沒有提，英偉達是第一個把功能安全做到C的，我們說還有一些專門做MCU的人早做到D了，對，但是我說的是高性能這一塊，現(xiàn)在最高的就是C，D沒有一個人做到。
我再講一下，這是原來我讀博士論文做的東西，剛才講那么多的計算能力，但是也要分著講，上午沈博士講他的計算能力需求分成三行，不是一個計算量，對的，因為我們整個計算不是一樣的，我們的計算分三種：邏輯、數(shù)據(jù)、計算密集型，它用的芯片不一樣，這就決定了我們現(xiàn)在芯片類是很多核，不再是一個核，是三個核，可能有的ARM就準備做邏輯密集型，有的DSP專門做計算密集型，所以說現(xiàn)在每個芯片很復雜，因為它要處理很多事情。
我們看特斯拉、英偉達，我們總結(jié)的特點是，現(xiàn)在一個芯片是一個混合的多核，有CPU、GPU，而且他們做成一個SOC的形式，50、100T的能力，他們還在芯片里面放一個高速的內(nèi)存，這個很重要也很貴。最后一個是功能安全，功能安全從系統(tǒng)到芯片都要承擔它自己的責任，
這個是指各種軟件的優(yōu)化模式，一個系統(tǒng)有五六個核，而且還是異構(gòu)的時候，大家都不知道怎么做、怎么配合、怎么調(diào)度，相信做過的人肯定不想總在做，因為那個真的很難，就像不同國家的人非要在一起做配合，這個挑戰(zhàn)最大的是軟件工程師，現(xiàn)在軟件工程師的要求和以前不一樣的，你在做PC這些是高性能，嵌入式高性能計算不一樣，核心是異構(gòu)。
還有我這里稍微講一下，現(xiàn)在芯片的形式也很多樣，我把現(xiàn)在的芯片分成三類，一類是MCU，主要是做安全控制，還有MPU，我們做融合落地規(guī)劃，還有一個AI的芯片做感知。但是現(xiàn)在各家車廠講的不一樣，比如說像瑞薩他們還做功能安全D的一個MCU，但是有些會做集成，比如說英偉達，把MPU和AI會合成一個SOC，當然我們還看到另一家我不方便說名字，它把MPU和MCU又合成了一個芯片，所以整個世界很混亂，我現(xiàn)在感覺整個軟件也很難寫，但是多種多樣性。
另一個是為了可靠性現(xiàn)在存在的多個傳感器，也許還有比這個多的，但是我們和現(xiàn)在相比發(fā)現(xiàn)多了立體相機、紅外、激光，他們認為L3有這些東西，這是一家之言，但是我們根據(jù)場景的不同可以選擇不同的傳感器，但是我們也可以看到很謹慎，因為到了L4也還是29個，到了L5也許是更多一點，也許不是那么準，但是趨勢告訴大家，感知從L3開始就很難了。
這里再講一個小變化，像過去我們做信息融合，比如說像1V5R這樣的系統(tǒng)，我們用一個MCU可能就可以做完，為什么呢?計算在傳感器里面，我們?nèi)诤嫌昧说腗CU可能就可以做完，但現(xiàn)在不能只拿目標級別，你要從特征開始做融合，傳遞的信息就會更多，現(xiàn)在整個趨勢融合不在MCU里，而是要放到A盒里來做，所以現(xiàn)在我們知道ARM A盒要強一下，所以現(xiàn)在的AI芯片它的MCU會弱一點。那未來會不會有更好的呢?有，但現(xiàn)在這是它存在的必要性。
講完了計算，最后講軟件開發(fā)，我講這張圖是從我自己的經(jīng)歷出發(fā)，我大概在5年前開始做環(huán)視系統(tǒng)，那個時候坦白講也不是自動駕駛，也不是輔助駕駛，后來開始做泊車，做泊車的時候我們就開始做融合，當時車廠面臨的問題是，一個環(huán)視控制器可能大概假定800塊錢，一個超聲波的控制器假定100塊錢，車廠說你合成一個吧，就省100塊錢，所以這個時候就這么地融合了，現(xiàn)在面臨的問題是什么?高速和低速也要融合，計算資源和接口都是可以重用的，就是一筆經(jīng)濟賬，就很踏實。
我們看L0到L2的時候那么多功能，L3以后功能變少了，到那邊3個功能全結(jié)束，功能變少了、變復雜的，傳感器都合在一起，但是所有的軟件放在一起了，很復雜。這張是麥肯錫的圖，麥肯錫講得很對，軟件開發(fā)過程是什么呢?第一都是先發(fā)布后升級，我自己了一個記憶泊車系統(tǒng)比傳說中的小鵬還要早一點，但是我們是用9個月先把硬件釋放，先把環(huán)視放出去，用另外9個月把這個泊車功能釋放出來，車廠的領導都很有壓力，要求再提前3個月，坦白講真的做不出來，所以說這件事情就變成了這樣的一個迭代。
但是我們看到的趨勢是什么呢?幾億行代碼幾千個工程師，而且這些軟硬件都要一起來做平行的開發(fā)，所以我們軟硬件分離，硬件先放出去，軟件慢慢來。第二是用OTA縮短上市時間，第三是現(xiàn)在有一個集成的平臺，一會我再講為什么。第四是現(xiàn)在有很多的中間件出來了，為什么?誰能夠把幾億行從頭寫呢?不能的，要用現(xiàn)有成熟的，這個經(jīng)濟賬很容易。
再講一下角色的變化，很多人都講了車過去是集成，Tier1擁有的是創(chuàng)新，博世是最大的創(chuàng)新集成者，博世有功能大家就用，沒有就不用，比如說誰用了一個芯片，那你和寶馬恭喜用的是同款，你們的功能是一樣的，寶馬也不比我的小車好一點，大家的功能是一樣的，過去的同質(zhì)化很厲害。現(xiàn)在車廠擁有創(chuàng)新，或者說擁有創(chuàng)新的車廠可能會活得更好，沒有創(chuàng)新的車廠可能就是工廠，我們也說得很現(xiàn)實，是的。沒有創(chuàng)新的工廠就是工廠，有創(chuàng)新是一家不同的公司。
我們在新的模式下是差異驅(qū)動的，現(xiàn)在我們會形成多種類型的供應商，有控制器和傳感器，在過去的項目里面已經(jīng)是這樣了，它會有多個包，這個就是我們軟件時代的開始，而且我們發(fā)現(xiàn)車廠的軟件能力現(xiàn)在變得很強，因為這個從收到獵頭的電話就知道，如果大家被騷擾過就知道，現(xiàn)在軟件很需要。
軟件怎么做到安全呢?這是現(xiàn)在我們的體系，第一個是功能安全，它分成系統(tǒng)級軟件和硬件，它把整車分解到零部件，分解到軟件，軟件怎么做呢?有一套體系，還有預期功能安全，圖上是三個證，今天還要把信息安全加進去，你做一件事情現(xiàn)在要有4個需求加進去，所以說工作量增加了很多，我們的效率很低，但這是為了做可靠。
接下來再講開源軟件，這是躲不開的問題，誰用開源軟件呢?用開源軟件你可以很好地站在它的肩膀上，因為你一上來就獲得了一大批的代碼。但我的問題是當你需要改的時候怎么辦，你要到社區(qū)去跪求，大神給我更新一下，我自己做項目，我的SLAM軟件模塊可能行數(shù)不多，用其他的開源拿來用，然后到量產(chǎn)我發(fā)現(xiàn)，不對，它這是研究用的，不是用來做產(chǎn)品用的，我十幾個工程師用了兩年把它重寫了一遍，可以做量產(chǎn)，后來寶馬也是重寫了一遍，用了3年。一個簡單的庫，為什么呢?你維護不了，用開源軟件可以，你要能維護。
比如說用Linux你要養(yǎng)幾個工程師來維護它，你維護不了，這件事用起來風險就在那里，所以這是商用和非商用軟件的區(qū)別，這件事其實是要取舍的，特斯拉6百多個軟件工程師，還不含外包的，或者說每家車廠不一樣。還有你的IP，開源軟件有很多的版權(quán)問題，也不是隨便用的，你用完了以后也要開源的。
后面講兩個具體的問題，很多人問我，你做的軟件和座艙軟件有什么不一樣?我說坦白講這個不好講，為什么不好講呢?因為我做過座艙，做了5年，還做了15年的自動駕駛，軟件我自己也是這么過來的，那些人都可以安安全全地來寫軟件，那自動駕駛的軟件究竟難在哪里?我舉兩個例子我自己親身經(jīng)歷的。
第一個例子很簡單，附近某一家車廠，它要兩個功能，我是功能1，另一個人是功能2，我們把某一個硬件資源各用了40%，我們每人1秒鐘能夠處理20幀，當我把兩個人放在一起的時候，我們想1+1等于2，但實際上我們看到的是CPU80%，每人10幀，那這樣的話以后還敢找五六個公司一起開發(fā)程序嗎?你開發(fā)在一起那是爆炸，后面的問題就是你改改，我為什么要改?我跑得好好的，你看這個硬件上面只跑我的時候就是這么跑，另一個人也不改，這種問題很難做，這是真實的問題，這是并行開發(fā)碰到的確定性問題，確性不只這個，還有很多的例子。但是我舉最好講的例子，我稱之為1+1等于2。
第二個問題，你的軟件出問題了怎么辦?寫軟件誰能出問題?爭取少出問題，那出問題了怎么辦?每個軟件有一個影子，可能兩個不同的控制器，控制器兩個不同的芯片，一個芯片不同的核，一個核里可能還有兩個不同的模塊要校驗，這個世界上既然沒有完美的人，只能兩個人互相補償和校驗，當兩個人不一樣的時候我們就發(fā)現(xiàn)問題了，所以時候我們有安全的monitor在監(jiān)視著你有沒有出問題。那還有什么問題呢?我要把它重啟恢復出來，所以這是兩個例子，這樣的東西講可以講兩個月，但是我也講不完，我之講兩點，只要大家知道這件事情就好了。
最后講講我們公司是做什么的，智能駕駛域控制器的安全軟件平臺，首先一定是智能駕駛域控制器，為什么不談自動駕駛?因為以前沈博士講過一句話，我一直還記著，他在華為的時候是說攀登高峰，沿途撿金蛋。所以是智能駕駛域控制器，另外一個是安全軟件平臺，是一個軟件平臺，但是我著重安全屬性，如果不強調(diào)安全性不需要來找我，如果你需要安全性，這件事就找對人了。
我們做什么呢?我們賦能，從軟件到自動駕駛整個業(yè)務我們給你梳理出來。我們也定義為軟件Tier1，我們希望服務車廠，我們也會服務Tier1，為什么呢?因為現(xiàn)在車廠把整個游戲規(guī)則變化了，你不想跟車廠合作也是很難的。我們希望我們的價值是可以加速落地，過去18個月的項目我們希望9個月就做完。還有就是開發(fā)效率，在我們這里有工具鏈、庫來進行減少，當然這個庫不一定是我的，也許是第三方的，把這件事用起來。還有就是降低成本，人少了、時間少了成本自然就低這是價值。
那我們究竟做什么呢?大家看中間藍的部分，尤其是像一把梳子的那個是我們做的，我們認為現(xiàn)在的硬件包括3個部分，MCU、MPU、AI core，后面是ECU，首先我也是一個控制器，所以一定有MCU，過去我們看AUTOSAR已經(jīng)完美地做好了這件事情。但是自動駕駛的差異在哪里?它真的和其他所有的控制器一樣嗎?過去兩天有人在講他們要用到三個不同的領域，但是我覺得還有一點差異性，這個差異性我們來補足，我們希望做第三家，這個就是做的自動駕駛，然后我們還做了一點應用，為什么做應用呢?賣裸的操作系統(tǒng)是很難的，我們需要用應用來向用戶證明這一點它真的需要，這樣車廠可以聚焦做應用，我認為車廠提供給大家的差異真的就是你的應用，你提供什么功能給大家，而不在于那棵樹都是你種的，你做一個很漂亮的梳子把它賣掉就好了，何必關心這個樹是不是你種的呢?過去我們國內(nèi)某些車廠真的是剛剛開始的，這也是一條體系，所有的車廠不能一概而論，你如果想快速地出成績，利用現(xiàn)在的資源是最好的。
下一頁我稍微講一下，我想從封裝、調(diào)度、公共庫、服務和工具都不一樣，你很難相信自動駕駛和座艙大家用一樣的工具鏈，也許有一部分是一樣的，有一部分一定不一樣，這是差異，它存在的。那我們長什么樣子呢?像一個操作系統(tǒng)一樣，這張圖有應用、系統(tǒng)用公共庫這些，都是很標準的。
究竟提供哪些服務呢?第一個是全棧服務，不是說都做，比如說平臺適配優(yōu)化，操作系統(tǒng)也可以是Linux或者TI、瑞薩都可以，總要有一些差異和優(yōu)化的東西解決掉。第二個是基礎服務，我可以用AUTOSAR，但是我們發(fā)現(xiàn)自動駕駛有些服務沒有。第三是自動駕駛專用的服務，這樣的東西也要做出來，還要跨計算平臺，不同芯片上都要有，包括在PC上工具鏈都要打通，第三個是整個開發(fā)生命周期，從概念階段、上車集成階段到維護都要覆蓋得住，不一定是我自己開發(fā)的，但是這個體系都要有。
后面我們的核心技術產(chǎn)品是什么呢?三塊。一個是高安全度軟件，確定性調(diào)度、安全代碼、安全機制，還有高帶寬實時可靠通信，確定性通信，還有高效可信賴AI計算包括高效部署、可解釋、算法可靠性。這是我們智能駕駛的域控制器軟件平臺還有智能駕駛應用，剛才講了這么多大家說你吹牛嗎?不吹牛，我們真的有量產(chǎn)的項目在跑，名字就不講了，我們后來為了驗證這個，我們做了一個應用，來展示整個成果，因為我們系統(tǒng)在這里，這個應用是我過去一直想做而沒有做的，因為我自己做泊車有五六年，國內(nèi)坦白講還是不錯的，但是有些應用一直沒有開發(fā)，為什么呢?我自己也不是太有底，但是現(xiàn)在終于把它給做出來了，也是給大家看一下這個軟件平臺還不錯。
這是我們公司的車，大家看看能不能什么樣的功能，注意車里沒有人，這是今天上午拍的，因為我在研究發(fā)現(xiàn)了我就想，做一個什么功能可以讓同事們掏錢投點資呢?我們一致選擇了這個功能，因為立體車庫泊車真的很討厭，那個車位真的很窄，太難停進去了，這個我們是做了一個RPA，人在外面，你只要按一個按鈕，我們?nèi)素撠煴O(jiān)控就好了，我們認為這是真正的痛點，通過解決痛點來帶來價值，價值需要一個安全的算法和軟件。也許我做的還不是特別完美，但是我們啟示一點，未來自動駕駛的應用要求真的很高，需要一個好的軟件平臺。
這是今天我的所有，謝謝大家!
