凤凰网汽车

网通社快讯 9月28日，由中国电动汽车百人会举办的2023年全球智能汽车产业大会（GIV2023）在合肥圆满落下帷幕。本次会议以“智能汽车产业化发展新阶段”为主题，汇集了政府相关部门代表、行业专家和行业协会代表，以及多家车企和智能驾驶供应链的合作伙伴参会。

大会期间，百度智能驾驶事业群组（IDG）智能汽车业务部总经理苏坦在接受采访时表示，关于软件供应商和主机厂之间的关系，过去很长一段时间，在项目落地实践的过程中这个问题已经被很好的解决了。百度和主机厂之间的关系，实际上是能力的提供者和体验的定义者。

以下为采访实录

提问：华为和小鹏他们都在做智驾，另外百度在这块的布局和进度。

苏坦：我觉得目前自动驾驶的迭代升级实际上成了一个在公众范围内广泛讨论的话题，我个人觉得还是蛮欣慰的，这种路线之争成了大家喜闻乐见、茶余饭后讨论的话题。实际上自动驾驶已经有点破圈的感觉了，大家都开始讨论怎么去做。

从本质上来说，到底是无图还是去激光雷达等等，它是要解决两个问题，第一是怎样把我们的自动驾驶场景在没有限制的条件下尽可能快的应用到更大的范围内去。

第二是怎么样把整个自动驾驶的系统在体验中保障的情况下，把成本降下来，让更多的车能用上去，实际上这才是两个宗旨。因为实际上在更早的时间点，我记得百度做自动驾驶很早，我们基于更多复杂的系统搭建出来自动驾驶的能力，其实并不比现在在市面上大家见到的差。但是因为它整个的综合成本是基于复杂的硬件去堆砌实现的，所以它的量产是实现的。但是现在大家试图去解决量产性的问题。所以回归到刚才你说的小鹏、华为提到的无图的场景，它是解决一件事，就是怎样把这个成本降下去的同时，让自动驾驶的范围能够扩大。

百度在这方面有我们自己的实践，百度地图在国内是一个应用范围非常非常广的平台，我们从具体的实践上来看，能够在国内广泛的使用，并且能保证体验，同时在复杂的路口、博弈的路况下还能够提供非常安全靠谱的体验。这方面，百度已经做了非常长时间的积累，未来一段时间基于类似研发的产品大家也可以看到。轻图的好处，第一个生产成本和使用成本都比较低。第二个它提供了对于整个智驾系统非常好的底层支撑，运用范围极大，且在目前我们能看到的条件下，对复杂条件的使用能够提供非常非常好的支撑，不需要的时候不添乱，需要的时候提供一个小小的助力。总体来看，还是重感知，轻地图的一个路线。

所以这是百度的路线选择，另外一点，站在这个时间点，我们提出了一个观点，就是我们看到很多行业里打引号的无图方案本质上也是轻图方案，这个没有很多大的路线争议，实际上大家是朝着一个共同的认知，更广泛、更低成本的针对这件事情，但是用不同的话术在表达它，在这个方面百度在做去雷达化是更好的。轻地图，宏观的方向大家看法是一样的，而且我们在这里是有我们自己很多的实践尝试，很多地方都已经用起来了。已经上市的车型，无论是最近宣传很多，卖的也不错的极越01还是岚图FREE，都是基于纯视觉方案实现的。

提问：百度在智能驾驶这块研发的比较早，技术也比较领先，但是商业化落地的项目并不太多，所以想请您介绍一下，除了您刚才提到的这两款产品，还有没有即将要落地的产品，目前竞争也非常的激烈，不光是主机厂自己在做，也有很多供应商，对于百度来讲，你们接下来在商业化这块的计划和一些战略、策略是怎样的？

苏坦：我觉得这个话题是行业里面很多人关心的话题，实际上我个人觉得，有两点挺需要和大家沟通的。

第一点，真正意义上能够从一个描述的产品，真正能够做到量产，其实百度今年是一个很显著的量产大年，而且横向放到市场上来看，公平的角度，我们的速度并不慢。我们仔细来回想一下在行业里面现在已经能够成熟量产，并且应用的以科技公司提供方案，能够提供很好的结合。大家仔细想想这种案例，今年之内能够真正跑出来量产的产品多吗？实际上并不是很多。这个和自动驾驶行业发展的目前基本状况其实是挺像的。大家总觉得自动驾驶行业是竞争非常充分，是大家都在做的行业，实际上在我看来这种场景不是一个已经进入成熟发展期的阶段，反而是在一个行业的早期。现在很多人号称都在做相关的方案，也号称能够提出相应的方案，但是实际上在行业我们的客户和用户能买到的真正体验足够好，安全足够好，成本足够适用的好的解决方案是不多的。

从今年来看，百度Apollo量产的落地是大年，在今年9月已经量产上市的岚图FREE和即将上市的极越01，以及未来一段时间大家都可以看的到的很多新车上市，下半年陆陆续续很多能看到搭载百度Apollo智能驾驶的产品让消费者可以买到。

提问：现在大家比较关心方案的供应商跟车企是什么样的关系，因为很多车企现在要自己做，这种情况会不会导致跟车企之间的关系有一些比较复杂的变化，有一些车企是不愿意把“灵魂”交给软件公司的，您怎么看这个问题。

苏坦：这个问题在与媒体讨论的时候比较多，但同时我们在和主机厂讨论时，大家其实讨论很少。因为这些问题实际上在过去很长一段时间，在项目落地实践的过程中已经被很好的解决了，百度和主机厂之间的关系，实际上是能力的提供者和体验的定义者。这样一个非常清晰的边界。一款车的上市周期对国内的主机厂压力是非常大的，过去一款车的研发周期是48个月，或者提升到36个月，或者稳定在24个月，到今年很多车型从立项到上市只有18个月，甚至非常激进的厂商仅12个月、14个月就完成了新车的上市，这个是现在行业里面确定发生的事。

第二，从去年供应链整个保供行业的风波之后，后面实际上就是成本竞争，成本竞争从去年开始到现在一直愈演愈烈。

第三是功能不断的增加。整个汽车行业的竞争是非常激烈的剪刀差，体验越来越好，成本越来越低，给大家越来越快，在这个过程中主机厂是需要强有力的核心能力的赋能者去为它提供，让它的平台变的更强的这种帮手。同时我们发布了百度Apollo的白皮书，明确把整个产品最终的体验定义权以及产品最终打造的能力，完全开放给主机厂，他们基于我们的能力是可以演化出符合自己品牌的一系列产品。要知道，这个行业最后大家的分工一定是专业的人和专业的人一起去做加法才能实现合力最大。

我们回到自动驾驶这件事情，我带领相关的团队做相关的事情，每一天都处在既兴奋、激动，同时又感觉非常的有压力的状态，你看看过去的智驾算法，从算法的研发到产品的周期最短的时间是36个月，现在从多传感器、感知融合等等一套，再到现在，大家已经非常喜闻乐见几乎在每一个场合都能提到一系列的迭代，从第一代已经上市的产品的感知、融合技术，再到现在特斯拉发布的FSD V12，还有端到端、大模型等等，会发现算法迭代的周期也越来越短了，成本越来越高。周期越来越短，你就需要有一个强有力的平台，它能够向我们的主机厂提供匹配市场需求的能力。而我们和主机厂的关系就是我们为主机厂提供快速迭代的基础能力，并且帮助主机厂一起打造上层的相关体验。这件事情，我们在过去的几个量产项目都验证了是行之有效的方式，我相信未来在跟主机厂合作的时候这个方式也是有效的。

提问：您今天上午也提到过，今年下半年以来AI大模型在主机厂这边是特别火热，已经成为他们“上车”的必备项了。您怎么看待AI大模型对智能汽车的提升作用反应到百度自身来看的话，它对自身的智能驾驶和智能座舱分别由哪些作用？ AI大模型在“上车”过程中的实际运用中有哪些挑战？

苏坦：你的问题特别宏观，而且也是现在行业特别感兴趣的问题。深层AI是一次巨大的革命，某种意义上在我们所在的组织里面对这件事情是非常非常认真的，整个组织都在驱动我们所有的产品进行我们基于大模型原生的组织迭代，这是非常大的革命。大家可以看到从ChatGPT从推出，到对行业带来的改变，这个变化是非常凶猛的。我们认真研究了相关技术以后发现，第一，相关技术储备百度是做的相当不错的；第二，我们也是在中国第一个开通线上演练、第一次获得国家的支持、第一次能够向全公众提供面向公众直接服务的“文心一言”大模型的厂商。

从某种意义上来看，百度是最早在全球范围内完成了从算力到框架，到模型，到应用，我们叫四层架构全栈布局的厂商，我们从自己的推理芯片到“文心一言”的大模型，这是我们非常早期介入的。把这种通用的大模型运用到汽车里面，相关的应用能够看到非常多的前景，但是这个路径我们还在迭代。从终端的应用上来看，它一定能够让座舱内语音交互变得更加智能，这个是非常容易理解的逻辑，同时也可以让座舱内各个生态应用的内容和座舱内的用户交互给它更加深度。因为它知道你所处的是什么环境，它知道向你提供的服务是更多的基于理解写出来的，所以这些可能性我们觉得是非常非常大的。

所以这方面我们已经做了早期和尝试和探索。过一段时间在百度的世界大会上我们有一些基于座舱的大模型的一些应用的展示，我们会结合我们的产品给大家一个亮相。

第二方面在自动驾驶方面，实际上大模型能够参与的方向非常非常多，首先从上游开始，就是从它的整个供给侧来看，自动驾驶其实是一个基于数据和模型闭环不断迭代的过程。所以大模型的相关技术其实在提高标注的效率，提高整个我们的供需链的效益上，我们在使用过程中是有非常非常多的收益的，无论是性能、效率，对于人工费用的成本，还有对数据规模的处理，实际上我们觉得在工具链提效上是很好的工具。

第二个就是在环节上把自动驾驶再往前推进一步，因为这个涉及到技术路线的迭代，就像我刚才讲的，技术的演进，从早期的模型到现在量产的模型，再到现在BEV等等，有时候在有些场合听到说，把这些事情跟大模型混在一起讲，我必须澄清一下，基于我的理解，这是两件事情。就是生成式AI的大模型，是在BEV再往后一代的解决方案，它其实可以在很多的领域发挥作用，无论是规控的能力化等等，包括感知的等等应用，我们在做类似的尝试，是确实涉及到一些前瞻领域可能不适合展开，但是我们能看到这些技术对于帮助自动驾驶，实现对于更复杂道路场景的一些适应性上我觉得潜力巨大，所以我们现在已经开始启动相关工作的探索。我相信相应的成果在未来一段时间也会结合到我们量产项目和大家见面。这是我的分享。

提问：今年以来城市智能驾驶方案已经落地了，越来越多的人已经关注到城市智能驾驶方案在普及应用的过程之中，但是在普及应用的过程之中会不会存在一些难点、风险点，另外解决方案可能是什么？另一个问题是百度智能驾驶的业务更新是什么？

苏坦：前者这个问题是我们这么多年一直在解决的，因为整个自动驾驶或者智能驾驶这件事情，往前解决的一直都是解决一件事情，这件事情就是怎么样让我们所预设的体验、安全方面，对用户功能的承诺在各种各样的环境下能够很从容的应对，使得很稳定的向客户提供智能驾驶的服务，城市自动驾驶的等级是要往上翻一个大的数量级的。所以从这个角度上来看，百度在这里面做的事情，无外乎是几个方向。

首先是用更好底层的算法能够让整个的智驾系统，对于整个周边的感知能力和决策处置能力变的更好，在很多的论坛上大家都有关于BEV、4D的BEV、3D的BEV以及基于大模型等等一系列技术的探讨，它能够让感知的能力对周边的态势有一个更好的还原。在进入到城市场景下，相关的技术在我们看来实际上是一个必备的门槛。就是能够很好的还原真实世界，还有一些内容实际上是基于我们整个数据闭环驱动的一个快速迭代的机制。因为中国的路况和中国的道路状况其实比较复杂的。实际上随着量产上市，我们也不断的通过量产车发现一些新的场景，怎么样能够快速的建立起来一些从数据闭环到基于大模型的问题，我们的自动化标注以及自动化Case的处置，包括一些新的策略，再怎样回到车端和模型端，这样的数据闭环，不再是闭环的建立，还包括整个工具链的效率，以及对于各个应用场景它的整个闭环跑通的速度，这件事情的飞轮也非常非常重要。

此外，要和我们的合作伙伴之间建立深入的信用和配合，这个问题就是科技公司和主机厂之间的配合在于更广泛的应用是有帮助的，很多的场景是我们和主机厂在合作过程中发现出来需要解决的，很多功能实际上自动驾驶运用是原有既定范围的，我们发现跟很多主机厂合作的过程中，对方有非常好的对于相关技术应用场景。这些场景应用以后带来我们对于真实世界更新的理解和更新的数据闭环，也让这个模型变的更强大，所以这些尝试实际上在过去的1到2年里面，通过量产上市，我们还是积累了挺多的经验，我相信这个飞轮越转越快的时候，未来这个问题可能会处理的更好。

（图/文 网通社 卓陆）