如何评价华为自动驾驶的表现？ 第1页

基于自动驾驶分析我就不说了。

我说一下未来的演进方向。

第一点是、除了车云还要有车车的链路互通形成一张可预测的出行网

而要实现，除了要完全体的5g通信，特别是uRLLC。这样下，结合云端，即使车机运算力不足（非毫秒要求，如城际网出行规划），也可以利用云端算力。

第二点是、城市交通设施数据接入

深圳是最早试点智慧城市，不过用在安防上了。在道路上实现，比车机更容易。除了要财政承担是唯一难点，其它都不是问题，无论是技术，还是成本。

如此一来，出行就可以直接云端预测了。规划的路线更好了更省时，事故发生率也能下降。最重要的是。像消防，医护，警察，重要领导出行封锁甚至公交车优先。这些特殊情景又有优先级需求，完全在这套统一数据系统内能获得最省时的规划。

至于道路这设施升级维护的费用，可以通过通信计费或者按车平均收取加财政补贴，我相信对于tg来说一点不难。

其实唯一难点在于各端车，云，道三端的互通问题。车因为各车厂问题，各车型性能（算力，感知力）。云也因为各车厂的云性能问题（算力，算法）。道路也因为各路段归属问题（涉及安装维护）。因归属问题，采用供应商不同产生互通问题。

所以，要解决这问题，要定下行业标准。

这么一看，现在才刚开始。

开始是从个体发育的。所以菊厂先打造一个标杆。

菊厂一直强调不造车，结果自己找车企合作。原因在于，告诉进化方向，加速市场孵化，卖多少，菊厂不在乎。

华为是定位于汽车部件供应商。

其目标就是为了输出一套完善的，统一的软硬服务。政策向来都比市场慢一拍的。抢先机，才能一步先，步步先。

回头一看，要实现自动驾驶、1要激光雷达，2要算力（车机），3要算法，4要系统（鸿蒙）。而要实现我说的车，云，道。还得加通信与云计算。通信与云是菊厂已有的，自动驾驶是新开拓的。而且，对于道路的升级建设，菊厂更是处于领先地位。也有整合通信、视觉的优势。

这是第几层？这是大气层啊！如果你是菊厂竞对，你可以低估任何一家公司，但请以百分之三百的警惕性去对待菊厂。

所以，为啥菊厂回头就撤销了云与计算BG，降回为云BU。注意，是云BU，不是云与计算BU。我的想法中，算是详细讲了，不说了。

看来千亿营销都去干这些无用的技术去了

我之前说过，4g是消费互联网。5g是工业互联网。

你扯一下，发现任正非还是能跟你说，搞汽车业务，还是在主航道内。毕竟，你做出车来（达标的车）。运营商自然会建网了。所以菊厂还是在主航道内。

也算是为推动5g的商化作的努力了。

感谢大佬指明方向

二更。

评论区吵成啥样了。我懒得解释，时代的发展从来不是靠大多数人去推动的。换而言知，大多数人都不懂（是指连了解，串连都达不到，更不要谈研发）。

在芯片制造上，我不至一次反对那些自称fab研发人员说国内外有多大差距，更好笑的是，直接套用国外花多少时间做出来，换算落后多少年。你算落后多少代我都忍了，你这么算时间，你确定不是刻舟求剑？

扯远了。我说了三大件即车、云、道

其中最难点是车，其次是云。道虽难，但却最没技术含量（开玩笑，相对而言）

车，大家都看到了，随着激光雷达，毫米波雷达，双目摄像头。在安全性，可行性上，华为做出了一个典范。其实，如果云，道建设好根本不用那么高满足度的。

而云，不是大家所认知和认识的云端，云计算。因为，这样的话，在时延上，根本满足不了。高端高科技的成品，往往都很低端。既然时延不满足，那就去解决。解决的方法很粗暴，就是将云放前。云与5g结合。这里不开展了。

这样的话就能将整个城市一块一块切下去了。你在每一块上都能保证极低的时延。随着扩大，时延理论上加大。但事实上，从一个区到另一个区的时延要求（指的是这过程误差不会影响车程，换算成米数，我估摸着要在个位数上，也指所有车在这过程的误差在控制范围内），根本达不到那么高的要求。

理想情况下，不考虑开车感受，急跑急停。市区道路也能飞速行驶。效率提升多少就不说了。

当然了，肯定不会都用同一家公司的产品的。但标准肯定得制定，车的下限要规定，车要统一API接入。云，道的设施同样要

三更

说的不连贯，有些跳跃。因为要说清楚的话，要涉及到很多。也是趁着周未才写一些。不然这回答也不至于差不多一天后才写出来。

自动驾驶后面是智慧交通。智慧交通后面是智慧城市（我笔电被拿走了，不画图了）。

满足智慧城市。就得在交通，安防，绿化，环卫，救灾升级。升级到“智慧”。

就目前了解到，安防问题不大，再改动下，就能联动。不然海康威视不会成长那么猛。交通在发力，主要点是车存量太低了（满足条件的车）。这个是快速发展的方向

为啥要说这。因为自动驾驶是算第三级的。放到整体上看，我寻思，你应该想明白我说的吧！

自动驾驶的上限很快就达到了，不会比菊厂的高多少，甚至还低点

当然不是说，自动驾驶的上限就只能那么高，而是说，没必要做到那么高。起码，再继续加强自动驾驶是歪路了，除非不费钱。后面的方向应该就是拓展车机娱乐性能。

等菊厂做样品出来。

什么叫做产品？这样才叫做产品。产品是战略的产物。投资亦然

四更。

大半夜，我猪叫般笑了。在我的记忆中。我写过海思麒麟，评论近三百，比赞还多。也写过芯片产业链，也出现过评论比赞多。同样也写过收藏比赞多。但没想到，写个自动驾驶的思考就那么评论。我寻思，可能是我的错，ppt没写好。我应该把回答写好，贴图，增加引用，数据，显得高大上

五更。

智慧城市发力方向肯定是智慧交通，果其不然。

不过我奇怪的是，为什么没有深圳、重庆？

深圳，重庆更满足条件吧。还是深重本身已经在做了？

微博的“42号车库”放出了极狐阿尔法 S公开道路辅助驾驶的完整视频，时长7分多钟：

从视频中可以看到，华为的ADS辅助驾驶系统感知上融合了多种传感器，已经具备自行变道、无保护左转等能力。

视频中我个人印象最深刻的有两点：

首先，华为ADS辅助驾驶系统已经具备很强的红绿灯识别能力，能在部分复杂场景下实现精准感知和正确决策。

视频中所有的红绿灯路口，极狐阿尔法 S都正确识别了红绿灯。

比如在视频2分35秒前后，极狐阿尔法 S在与路口有不少距离的情况下识别红灯并减速。

类似的还有视频3分28秒处，华为ADS辅助驾驶系统在距离路口颇远处识别出左转红灯与直行绿灯。

视频5分42秒到6分16秒极狐阿尔法 S经过了一段相当复杂的路况。

而极狐阿尔法 S不仅正确识别出行人、电动车以及对向来车，而且努力做出避让动作。

在尝试规避电动车又面临对向车的时刻，极狐阿尔法 S果断减速，整个决策过程相当流畅。

其次，华为ADS辅助驾驶系统策略上较为保守，积极提醒驾驶员接管，以至于部分刹车动作略显粗暴。

视频1分4秒前后，在前车已经左转， 对向直行车还没启动时，极狐阿尔法 S本已准备左转。

但在发现对向车开始直行后，极狐阿尔法 S很快就停止左转让直行车先行，甚至刹车动作略显粗暴也在所不惜。

从交通规则上来说确实应该让直行先行，但说实话这种情况如果是人类驾驶员多半就先走了。

类似的保守还体现在视频5分25秒处，极狐阿尔法 S在直行过路口的过程中，判断出对向左转车没有让行的时候，也是选择了刹车。

当然，这个场景下人类司机也会做类似选择。

但个人感觉华为ADS辅助驾驶系统刹车比一般司机更彻底，同时也弹出警告提醒驾驶员接管。

种种细节都能看出，华为ADS辅助驾驶系统策略上比较保守。

我个人认为，目前这个阶段选择保守策略是比较审慎务实的态度。

在此郑重提醒，目前的自动驾驶本质上都还是L2，需要驾驶者时刻保持专注，随时准备接管。

当然，这个视频也涉及到一些问题：

1、视频中极狐中控的平板应该是为方便演示后装的，那视频中包括激光雷达在内的所有硬件，是否跟量产车一致？

2、演示视频中的自动驾驶效果，是否依赖高精度地图？

3、目前看极狐阿尔法 S只有高配HI版配备激光雷达，具体售价是多少？

华为自研的激光雷达成本能下降到什么地步？搭载激光雷达的版本何时量产交付？

演示视频中车辆传感器与量产车一致；

演示效果不依赖高精度地图；

极狐阿尔法 S高配HI版本售价控制在35万以内，二季度交付……

以上几条如果即将发布的极狐阿尔法 S能同时做到，那不得不说确实是一鸣惊人。

如果能做到前条，表现同样非常优秀。

如果只能做到一条，意义会相对小很多。

最后做个总结：

之前回答我曾说过：

一直以来，对于如何实现真正意义上的自动驾驶，业内有两种思路：
以特斯拉为代表的造车新势力，在量产车上装备大量传感器采集数据，目标从L2开始逐级演进；
以Waymo、百度为代表的互联网企业，则通过自建车队收集数据，试图一步跨入L4行列；

二者的技术路径也有一定区别：
前者考虑到早期激光雷达成本过高，量产不现实，因此以视觉识别方案为主，最近蔚来、小鹏等企业才开始考虑装配激光雷达。
后者因自建车队对成本相对不敏感，因此从一开始就装配激光雷达，走多传感器融合的道路。

就成果而言，两种路线也各有斩获：
自下而上的造车新势力派系已经有大量车跑在路上，不仅能够收集海量数据，在一些场景下（高速）也能减轻驾驶疲劳，提升消费者的使用体验。
但自下而上派目前还没有装配激光雷达的量产车上路，受限于成本摄像头、毫米波雷达等传感器的配置也有多有少，因此目前市区路况下无干预的里程还很有限。
而高举高打的互联网公司派系普遍组建车队进行大量路测，无干预的自动驾驶里程已经非常惊人。
比如百度2019年就已经实现平均3万公里一次干预，现在百度、Waymo等企业的数据只会更强。
但高举高打派的车队普遍配置极其奢华的硬件传感器，一台车光激光雷达系统的成本普遍就要几万甚至几十万美元。
这么高的成本量产车显然无法接受，导致目前的成绩有些“曲高和寡”。

我个人认为，以目前的技术，基于机器学习的AI算法需要大量数据不断喂养和训练。

考虑到自动驾驶需要面临的尾部风险，量产车的海量数据不可或缺。

因此在商业层面，我个人更看好自下而上、逐级演进的策略。

但也正是由于自动驾驶面临的尾部风险，视觉为主的方案安全冗余恐怕不太够。

因此在技术手段上，我个人更看好多传感器融合的方案。

从这个角度来说，菊厂选择自研激光雷达并应用于量产车，以此切入自动驾驶领域，我认为不论是时机还是手段都是比较切合行业发展趋势的。

从极狐的自动驾驶路测视频来看，激光雷达对自动驾驶的提升可谓是立竿见影。

因此，我个人也非常期待蔚来、小鹏的自动驾驶系统，在引入激光雷达后又将有怎样的表现。