4月1日，中國電動汽車百人會論壇（2023）在北京正式召開。本屆論壇以“推進中國汽車產業現代化”為主題，圍繞全球汽車產業發展形勢、新能源汽車高質量發展路徑、中國智能網聯汽車發展戰略、新一代汽車消費變革趨勢、等多個話題展開討論。  

地平線創始人&CEO余凱受邀參加本屆論壇，并以ChatGPT為切入點，探討了自動駕駛的發展速度為何沒有想像中的那么快。隨后，又介紹了地平線在技術、產品、商業、生態方面的最新進展。最后，分享了他個人對于未來的一些展望。

在他看來，十年以后L3級自動駕駛都不會真正實現，因為人和車的關系就像人和馬的關系，車可以像馬一樣自動駕駛，但是還是需要和人配合。除非是在車云協同的自動駕駛專用道路上，可以實現無人駕駛的。但是有一個前提，在這個環境里面不許有人駕駛，一定是所有的車都參與到這個專用道路的自動駕駛中，他認為這種條件下是可以實現完全的自動駕駛。

以下為演講實錄：

毫無疑問，大家看到ChatGPT可以說是人工智能有史以來最大的進展，我在人工智能領域工作27年，這里面很多的包括語言模型，我自己以前也做過，可是今天取得這樣一個進展，可以說超越圖靈測試已經不是問題，沒有人去懷疑這件事情了。

但另一方面，自動駕駛遲遲沒有到來。可是我們看這兩個問題實際挑戰是截然不同的，如果說ChatGPT，會代替白領的工作、增強白領的工作，可是對這個工作本身其實容錯率是比較高的，比如說讓它給我寫一個在百人會的發言稿，我大概提幾個要點，基本上全部能寫出來，可能不需要完美，因為我可以在這個基礎上修改。自動駕駛不一樣，特別是無人駕駛，可能容錯率就是零，那是人命關天的事情，所以用戶對它的期望很高。

計算對OpenAI、ChatGPT是在云端的計算，在云端可以想像，有充分的能量供給、電源供給，同時有非常好的系統，可是如果在車上依賴的是電池，依賴的是車端的散熱，那么這個挑戰也是很大的，意味著自動駕駛不能用那么大的模型、那么大的計算。

所以我們可以看到，L4或者是RoboTaxi，無論是Google、Waymo、Cruise商業化遲遲沒有推進，包括最近他們也有一定的裁員。比如我們還看到像福特與大眾投資的Argo AI，去年也倒閉了，福特現在是在做一個面向輔助駕駛的公司，大眾去年也有幸投資了地平線，與地平線從事量產、輔助駕駛方面的軟件、硬件系統的技術創新。

行業看似回歸冷靜、回歸商業價值、回歸商業本質跟用戶價值，我們看什么是用戶價值，當前用戶對駕駛的需求真的是無人駕駛嗎？我們現在的調查數據顯示，87%的用戶真正要的是駕駛過程中那種輕松感，消除緊張和疲勞。

其實不需要真正實現無人駕駛，我們實實在在的從高級輔助駕駛開始就已經在為用戶創造價值，特別是今天也反復講了，智能電動車實際給我們產業一個換道超車的機會，可是如果看消費者為什么以前在燃油車時代不承認中國的燃油車能夠做高端品牌，但今天智能電動車是可以的，因為大家都認為消費者普遍接受了，就是我們高端的國產智能電動車在智能電動化方面做到了全球領先，特別是自動駕駛方面，已經成為大家購車時非常重要的考量因素。

可以看到，日本跟歐洲實際的輔助駕駛，如果用技術的詞，主要是L1和L2，主要是以安全法規驅動的AEB或者是LCC，就是車道保持、緊急制動剎車這樣的安全功能驅動的。可是在中國完全不一樣，中國的安全是及格線，必須AEB當量做的好，但是其實更多的是用戶體驗驅動、用戶價值驅動。

所以中國去年L2+高速NOA，包括環線高架橋的NOA，不僅僅是前視攝像頭，也包括周視、環視，大概超過10個攝像頭，包括毫米波、雷達這樣的配置，去年開始量產，去年可能是L2+高速NOA的量產元年。

現在業界的頂級水平什么樣？基本上能做到百公里接管一次。今年，相信領先的車企包括蔚小理都會推出面向城區的NOA，就是現在講的L2++，但是我相信這個事情在技術上還有挑戰，起碼要研發至少三年才會得到較好的進步，現在基本上是20-30公里要接管一次。

在座有很多車企的老大們，對自動駕駛這件事情我跟大家想分享的，是不要太焦慮，因為行業發展沒那么快，我覺得現在到2025年真正要做的是，在合理的性價比上把高速的NOA、環線NOA這種封閉道路的自動駕駛做到如絲般順滑，但是價格不能太貴，同時我認為要有相當的時間和精力真正把城區NOA做到可用，這是我的看法。

現在說現在自動駕駛似乎并沒有那么如預期，比如說我們可以看到自動駕駛的配置，假設算力從幾十T到一千T，其實帶來的用戶體驗跟價值沒有太大區別。假設我們的算法是完美的，假設我們的數據是充分的，假設我們的工程做的足夠好，實際是給用戶帶來價值的上限。所以我們做的事情，是不斷的在給定算力上優化軟件、算法，用更多的數據不斷的去逼近上限。

相信在若干年以后，我們會達到這樣的水平，我估計幾百T可以在城區的NOA做到不錯，但是真正實現更廣泛區域里面的自動駕駛恐怕確實需要千T以上的算力。

關于地平線，在過去一年里面我們還是持續在取得商業進展，包括現在已經量產50多款車型，現在前裝的定點有120多款車型，接近300萬片車規級自動駕駛芯片出貨，包括征程5芯片現在成了已經量產、在業界超過100T算力的兩個芯片之一，并且我們也拿下了一系列的標桿車型、標桿車企的量產項目，并且理想汽車，像L8、L7去年11月份就已經開始交付，包括我們去年也有幸跟合資品牌大眾進行重量級的戰略性合作，相信我們后面也會突破更多的國際品牌。

這個是前幾天我看到的高工智能的調研數據，去年因為是L2+高級輔助駕駛量產元年，我們取得了市場占有率份額的第一，達到了49%的市場份額，特別是地平線和英偉達兩家企業占了整個市場95%的市場份額。所以地平線作為一個成立不到8年的創業公司，目前進展還是不錯的，也非常感謝整個行業的伙伴包括車企對地平線的信任和支持。

取得這樣一個商業進展，其實背后是很多看不見地方的點點滴滴，在技術、安全、創新、流程、體系、質量方面所做的構成。比如，在芯片整個流程的安全認證、架構的認證，包括我們工具鏈功能安全的認證，信息安全、網絡安全一系列拿到世界頂級的安全認證，可以說地平線的征程5芯片是按照業界最高等級的安全標準去設計的產品。

同時，如果沒有對人工智能的軟件算法有深度的理解跟認知，你是不可能去設計高效的人工智能計算芯片的，這里面是一個結果，我們在2020年Google Waymo首屆自動駕駛算法比賽，全世界共有120個團隊參加，共5項比賽，我們有4項比賽是全球冠軍，第5項我們是第二名。

我們其實并沒有懈怠，就在上個禮拜，全球最頂級的人工智能計算機視覺CDPR的會議，我們作為第一作者提出了一個基于Transformer端到端的自動算法框架，這篇論文在9000篇投稿論文中入選了TOP12篇的最佳論文侯選，這也是我們持續在軟件算法方面前瞻性的研發。

這篇文章是首次將檢測、跟蹤、預測、建圖、軌跡預測端到端的用一個神經網絡從前到后全部把簡單的架構完成，傳統的做法是把它切分成好多模塊獨立來做。這樣讓我們有可能像ChatGPT那樣用端到端大規模的數據去訓練整個自動駕駛系統。

基于這樣算法的理解，我們把對算法的前瞻性研究注入到對芯片架構的設計跟研發，這個就是地平線的底層我們叫BPU（Brain、Processing、Unit），這個我們注冊了商標，希望打造像未來GPU這樣的世界級計算架構，我們叫BPU。BPU主要是面向高等級自動駕駛，其中就是我們要聚焦最新的深度神經網絡算法的計算如何去優化它。

比如在征程5的芯片里，我們是第三代的BPU架構叫貝葉斯架構，這個架構有一個特點，高效支持Transformer計算，比如我們在Swin Transformer，是2021年提出來獲得計算機視覺最高獎馬爾獎的Transformer圖象識別的算法，跟競品計算芯片比，我們用更低的功耗完成更高效率的計算，比如在DETR另外一個Transformer的算法，我們也獲得了業界最好的FPS計算效率。

下一步怎么做呢？其實最近ChatGPT給我們很大啟發，我們要繼續用大數據、更大的數據、更大的模型，并且無監督地去學習人類駕駛的嘗試，就像你從大量的、無監督的、沒有標注的自然文本里去學習一樣，因為每個駕駛員駕駛控制的序列，就像我們的自然語言文本一樣。

所以語言模型是什么？就是給定一個文本的歷史，我預測下一個詞的概率，同樣就是說，我們給定當前的交通環境，給定我們一個導航地圖，給定我們一個駕駛員駕駛行為的歷史，我怎么預測它的下一個駕駛動作。這個可以從大量無監督不需要標注的行為里面去獲得學習，構建一個回歸自動駕駛的大語言模型，是我們下一步要做的事情。

同時我們可以看到，過去不斷的實驗數據表明，我們把模型的參數規模不斷變大，實際整個預測的測試損失會不斷變小，就是說參數越多這個系統越聰明，可以看到在ChatGPT，剛剛講了GPT—3大概1750億參數，到了GPT—4差不多1萬億參數，我們人類大腦是100萬億參數。

大家知道，貓跟狗大腦是多少參數，是3億參數，從3億個參數到人類大腦100個神經元，因為每個神經元有1000個突處，所以大概100萬億個參數，參數的規模決定了智能的水平，沒有神秘的魔法，所以人類這么聰明無非就是我們的大腦容量確實大。

所以下一代的計算架構是什么，就是我們要按照構建面向大參數的Transformer統一的計算架構，尤其這種架構上怎么計算效力和功耗，會發現參數規模多了以后，實際計算有可能不是最消耗功耗的地方，反而是數據的存儲、數據的IEO，這里面我們要去構建比如說三級分層的存儲架構，去優化大參數下面的帶寬瓶頸，使真正的計算效能能夠提升，在車載功耗下面有能夠Hold住Transformer大參數的計算。

在去年百人會論壇，我第一次提出了地平線要打造比開放更開放的商業模式，就是我們面向主機廠提供的不僅是一個黑盒芯片或者軟件，而是幫助主機廠客戶成就他們的夢想。因為很多主機廠有成為蘋果的夢想、特斯拉的夢想。

比如李斌什么都要自己做，我想很多車廠是這樣的，所以我們成就這些車廠打造自己的芯片，我們打造ARM+安卓的商業模式。去年第一次提出，去年一年我們已經鎖定一個主機廠，另外一個主機廠正在談。順便最后講一下，打造自己的自動駕駛芯片這件事對于每個車廠要慎重考慮，因為第一個是巨量的資金跟成本研發投入，第二個是如何持續保持競爭力，所以自研和他山之石本身是戰略選擇，我基本的建議，如果你的銷量預期不到100萬輛，這個資金整個效率其實是算不過賬的。

同時，地平線致力于打造一個軟件生態。大家也知道，英偉達之所以偉大、成功，實際是因為它基于它的CUDA，打造了一個無邊無際豐富的軟件生態。地平線自去年以來也致力于去打造面向智能駕駛與按照機器人計算的軟件生態，生態建設的團隊跑遍了中國大江南北，把我們所有在自動駕駛方面投入研發的軟件公司以及在機器人研發方面的大大小小的創業公司，都拜訪了一遍，相當于做統戰工作。

現在大家看，在業界小微比較知名的自動駕駛的公司，無論是像我們這里展現的輕舟，基于單顆征程5芯片打造的方案已經拿下一個車廠項目，包括小馬、文遠知行，幾乎大家耳熟能詳的自動駕駛軟件公司其實都已經在地平線的芯片上去開發他們的軟件方案。

這是一個全景圖，我們在軟件商、硬件的域控方方面面，打造了全方位的智能駕駛計算生態，我們認為如果不能建造中國自己計算架構之上的軟件生態，就不能掌握自主整車包括智能電動車的創新主動權。

最后稍微談一些可能反共識的看法。十年終局，剛才也有嘉賓說L3、L4，我在這塊可能會比較悲觀，我覺得十年以后連L3都不會真正實現。記得我在2013年當時啟動負責百度自動駕駛的時候接受記者采訪，我覺得未來人跟車的關系可能就跟人與馬的關系一樣，你說馬如果撞了小孩、撞了人，到底是馬負責還是騎馬的人負責？

但是馬是可以自動駕駛的，所以這個就是特斯拉的路線，就是當前量產車的路線。如果你讓車廠承擔這個責任，那這個創新沒法搞，所有車廠都偃旗息鼓，都不敢投入研發。我覺得未來人跟車的關系還是跟人與馬的關系一樣，當然可以自動駕駛，人車也是配合的，但是真正出了問題我覺得還是司機承擔責任。

但是在專用道路上面，比如說在車云協同的自動駕駛專用道路上，是可以實現無人駕駛的，但是有一個前提，在這個環境里面不許有人駕駛，一定是要全部的車、參與這個專用道路的都是自動駕駛，我認為這種條件下是可以實現完全的自動駕駛。