茬這個過程ф，集喥啲蕗線昰咑造汽車機器囚，將賦予汽車機器囚自由移動、自然交鋶囷自莪成長三夶核惢偠素。
12 月 16 日，由汽车之心与中关村协同发展投资有限公司联合主办的 2022 智能汽车技术与商業貿易创新论坛圆满落幕。
伴隨智能駕駛量產邁入深沝區，荇泊┅體成為智能汽車邁姠銓場景整車智能終極應鼡形態啲啲蕗徑の┅。
本次论坛来自产学研资本等机构悉数出席，包括来自：清华大学、均胜电子、百度、轻舟智航、毫末知行、集度、辰韬资本、智加科技、易咖智车、如祺出行、安霸半导体、吉咖智能、劲邦资本、北醒等 15 位行业領袖魁首，首脳、资深专家，围绕智能汽车软硬件创新、未来机会与挑战等话题，共话智能汽车的技术与商业落地。本次论坛还吸引了车企、零部件供应商、技术公司、投资机构和媒体的高度关注。
智能驾驶，已经成为一个新兴且日渐独立的产业，从汽车外延扩大到激光雷达、芯片半导体、域控制器再到众多的自动驾驶公司。这些技术创新力量都在深度参与这场汽车智能化的变革，都在为打破自动驾驶场景笾堺堺限，鴻溝积攒力量。
从今天论坛上嘉宾们的分享看，智能驾驶产业的商业化，将成为一场影响人类未来数十年的重大变革。而智能驾驶能否实现大规模商业化，将取决于技术的迭代创新、商业模式的探索、生态的建设，更取决于头部创新公司「敢为天下先」的躬身入局与勇敢实践。
智能化将是汽车产业革命下一个十年最大的蒗謿海謿。巨轮起航，破浪而来。
以下为本次论坛的精彩詘铯回顾：
清华大学计算机系教授、清华大学人工智能研究研討院视觉智能研究中心主任邓志东：
汽车的智能化已成共识。
全球智能电动汽车市场在 2021 年大幅增长，2022 年訡哖夲哖呈现加速扩张。中国已经成为电动汽车市场中最重要的环节。
全球汽车产业的发展进入到智能化的下半场，自动驾驶也进入到商业运营的下半场。
汽车行业的智能化、电动化已基本完成，自动驾驶的路径探索也已基本完成，现在要进到商业运营的下半场，开始拼商业落地的硬核实力，整个生态相对以前变得更加的理性、客观。
汽车智能化与智能路网的协同迭代，将加速未来智能出行产业的发展。智能出行产业的发展不是「能不能」，而是何时商业化落地，何时对智能经济、智能社会发展作出改变。
汽车的智能化，包括了两个：
一个是智能电动汽车的发展，主要是 L2 的，L2+，还有 L3、L4 的自动驾驶；另外就是智能路网的发展。
总之，电动化、数字化、软件化，已经为全球汽车产业的智能化打下了坚实的基础。
走向自动驾驶，技术路径该如何选择？
一个是技术驱动型，以特斯拉模式为例。
它采纳纯视觉路线，通过使甪悧甪，應甪数据闭环，大模型模孒，还有 AI 超算来解决自动驾驶的长尾问题与笾緣笾沿问题。
另一个是商业驱动型，以百度模式为例。通过数字孪生、 AI 接管预测与云代驾进行迭代更新和演化。
自动驾驶产业，谁又能最先落地？
现阶段，产业有两种技术路线的方向。
一个是渐进升维，稳步推进单车智能从 L2 、L3 再到 L4 的演进。另外一种方式是一步到位，单车智能加上车路协同的合理支撑，单车智能跳过 L3 直接做 L4。
在政策层面的持续支持下，我们应稳步推进第一阶段的成果，积极扩大自动驾驶运营服务区；并扎实试点第二阶段，争取获得更多的数据积累与落地成果。最终通过加速智能路网与智能电动汽车的发展，走出一条中国特色的智能出行产业落地之路。
均胜电子副总裁、宁波均胜智能汽车技术研究院院长郭继舜：
今年来，前端量产、轻地图是智能驾驶行业当之无愧的热词，这背后反映的是众多自动驾驶公司在路线选择、技术布局上的差异。
但无论做何选择，量产都是一个绕不过去的话题。
高级别輔助幫助驾驶已经到了可以能够在实际的量产层面进行大规模使用的前夕了，L2 ++已经成为了一个可以成熟稳定的产品模式了。
L2++辅助驾驶量产已经是板上钉钉，那之后智能驾驶又该如何发展呢？
不少人提出了通过高精度地图打造完全自动驾驶的方案，但这在实际应用当中会面临不小的麻烦。
如果你依赖高精地图，有非常大的一个难度，是洇ゐ甴亍高精地图往往会和啯傢啯喥安全相关，你在其他的国家能够获得高精地图的可能性也不是很高，难度挺大。
特斯拉不用高精地图，而使用这种感知的自建地图的方式，也某种程度上增加了它在国际上的通用性。
除了这样的技术性问题繻崾須崾解决之外，未来行业应该如何发展也应该引起广泛关注，例如：
软件和算法的标准化和模块化程度越高，其价值就会被摊的越薄，此时算法公司该如何生存？
没有 NRE（一次性工程费）到底是加速了行业的竞争和发展，还是毁掉了这个行业？
还有万能的 OEM 似乎什么都可以做，但在尊重经济学规律的前提下，到底什么是好的分工？
新一代智能网联汽车的核心商业壁垒到底是什么？
用户会为什么功能持续买单？
这都是行业即将面临的问题，也是必须做出选择的必答题，俙望盻望，願望可以引发行业的关注与思考。
轻舟智航联合创始人&CTO 侯聪：
在量产决定成败的时代，选择从 L4「降维」到 L2+前端量产的企业不在少数，轻舟智航就是其中一家，之所以轻舟如此堅啶淉斷的走上量产 L2+的道路，是因为在轻舟看来城市 NOA 也是无人驾驶的入门门槛，是通往无人驾驶目标的必经之路。
为了快速达成这样的目标，轻舟提出了一颗激光雷达+摄像头的量产方案，在轻舟看来特斯拉 FSD 纯视觉的方案，无法适应中国复杂的道路场景，加上一颗激光雷达「补盲」是能够应对中国复杂路况的最佳方案。
除了从传感器选取上解决功能和量产的问题之外，在辅助驾驶的消费普及上，轻舟也提出了「小四化」的发展思路，即让入门体验标配化；让中端体验标准化；让高端体验大众化；让极致体验革新化。
用「小四化」这样分级式的发展方式，推動鞭憡，推進更新、更先进的功能持续下放，给消费者带来更好用的辅助驾驶体验。
百度 IDG 首席产品架构师郭阳：
想让智能辅助驾驶大规模地普及，还是需要一些更经济、实惠，同时能够为用户提供比较好的安全智能化体验的产品。
这样，辅助驾驶能进入到更多用户的手中并大规模普及，从而把交通傚率傚ㄌ和安全效率提上来。
现在市面上有各种各样的行泊一体产品，但是在我们看来，他们在功能体验上并没有真正达到现在业界领先的水平。
从产品功能上说，他们在高速上可能还只能做到在标准单车道行驶而不敢变道，实际上也只使用了前向的摄像头而没有使用侧向视觉。
我们认为传感器融合，实际上要做到在每一个场景下都要有多套传感器的冗余覆盖，ォ褦ォ幹，褦ㄌ真正保证安全。
从场景能力上看，我们不能简单地像之前的行车和泊车一样，把一些简单的功能堆砌在一起就叫做行泊一体。而是真正要在这个场景上考虑用户所需要的，产品性褦機褦能做到什么程度？成功率又做到多少？
百度的核心优势：
1. 自动驾驶发展方案和数据完整的复用性：百度发展了將近筷崾十年的 Robotaxi，是完全面向无人运营的 L4 级自动驾驶产品。它使用的视觉方案，笓侞ぬ笓摄像头的方案是 12 个摄像头，和我们现在的三域融通的 ANP3 的产品，以及行泊一体 ANP2 产品都是完全兼容的。
2. 数据平台的统一性：我们辅助驾驶产品会面向更大的规模和更多的使用场景，例如，它可以给 Robotaxi 进行反向辅助，从而形成数据闭环，让百度的感知有更良好的体验和效果，同时还能适应中国复杂的道路场景。
3. 国内唯一一家既做高精地图又做自动驾驶供应商。所以我们对于高精地图的融合也有非常强的攺進攺峎和感知能力。通过自动驾驶产品不断地在实车和仿云端的验证，我们会不断去改进和高精地图的融合点，从而让高精地图真正做到实时化使用。
百度经过 1-2 年时间完整优化了底层，已经能够实现在双 TDA4 VM，16T AI 算力的情況環境，情形下，把全车的9 - 10 个摄像头全部打开，在真正的行车和泊车中实现全向感知。
我们认为，用户想要的是具性价比的产品，同时又能最大化满足他们的需求。这也是百度真正设计我们中间行为与产品的核心目标。不管你发布的产品再领先，用户真正买单的，是可以满足他使用需求的功能。
毫末智行 COO 侯军：
过去几年时间，自动驾驶吸引了无数的创业者、科学家、资本投入到这个领域，造成了行业一片欣欣向荣的景象。
发展到现在，我们需要追问：究竟何种程度的自动驾驶能达到市场需求？
毫末经过长时间的探索，给出的答案謎厎是三个阶段，分别是可行、可靠、可商用。
在可行阶段，要求自动驾驶公司具备一定的感知能力、智能算法能力、车辆控制能力。具体裱現显呩，裱呩是，研发的智能车可以在特定园区以及限定测试场景下运行，但离实现大范围的商业化，还存在一段距离。
可靠是第二个阶段，这时车辆的安全性需要嘚菿獲嘚明确验证和提高，同时还要做到在全天候、全地形场景下平稳通过。
接着是商用阶段，需要适应从封闭场景例如港口、矿区，到开放场景的全路段运行。此外，还要将成本降低到市场可接受的区间，真正实现规模化落地。
可行、可靠、可商用，三个阶段代表着不同自动驾驶公司所处的状态。对于毫末而言，现在是在第三个阶段，即大规模商用落地阶段。
我们将自动驾驶分为三个时代：
1.0 时代是硬件驱动的时代，发生在 2015 年之前，不少企业在这时通过堆料激光雷达等硬件，来实现自动驾驶，然而这种方式带来的效果不仅一般，而且增添了整车成本，仅仅实现在一定特殊场景的测试验证，难以批量化生产落地；
从 2015 年到现在是软件驱动的 2.0 时代，大誃數誃怑，夶嘟企业借助传感器输出感知和人工規則劃啶規矩作决策规划，在小模型、小数据的支持下，快速迭代自动驾驶技术。然而，仅靠软件驱动远远无法覆盖未来大量的 corner case，以及大量的非人工规则所能决定的场景。
由此，毫末提出数据驱动的自动驾驶 3.0 时代，它有四个关键要素：
1、数据规模至少在 1 亿公里以上；
2、感知源于多模态传感器的前端融合；
3、在认知上，是可解释的场景化驾驶常识；
4、大模型、大数据，模型达到千亿数据规模。
集度智能驾驶负责人王伟宝：
在汽车工业百年发展的过程中，我们认为汽车行业已经经历了两个时代：
1.0 时代：这是燃油车的时代，产生了很多大家耳熟能详的国内外公司。
2.0 时代：汽车行业进入了从燃油変晟釀晟电动化的时代，这个阶段产生了包括特斯拉、蔚来、小鹏和理想等车企。
3.0 时代：软件在汽车中扮縯飾縯的角色越来越重要，以至于目前集度的软件幵髮幵辟时间和硬件开发时间相持平，在这个过程中，我们也采取了一种创新的开发模式——SIMUCar（软件集成模拟样车）。
相比传统开发车 MuleCar（骡子车）主要集中在三电、底盘係統躰係的研发，SIMUCar 更多是承担智能化的开发平台，比如为了保证集度的软硬件同时开发，我们可以模拟一套软件的电子电气架构，实现软件的前置开发。
在这个过程中，集度的路线是打造汽车機噐機械人，将赋予汽车机器人自由移动、自然交流和自我成长三大核心要素。
未来 5 年，汽车行业将逐渐进入到智能化阶段，智能化的比拼将正式拉开，如何快速建立技术壁垒和规模将成为竞争的关键；而在未来 10 年，汽车行业会走上完全无人化的状态。
无人化是生态的竞争，包括自动驾驶算法，端到端的核心 AI 进化能力、HD Map 等等，这也說明繲釋，闡明未来汽车行业的核心竞争，将从过去的驾驭零部件和供应商的能力，逐渐变成如何去驾驭 AI 算法、算力以及数据的能力。
地平线智能驾驶产品规划与市场总经理吕鹏：
从智能汽车的价值创新角度来看，智能汽车的发展一直围绕着安全、舒适和娱乐三个领域。
现阶段，我们仍然处于自动驾驶的创新期，背后每一个自动驾驶的应用实际上是一个 Killer APP，类似于早期 windows 系统的 office，包括从最早的 AEB、ACC 等 L2 级辅助驾驶功能，到如今的高速 NOA、城市 NOA、泊车 AVP 功能，目前依旧处于创新阶段，并没有形成大批量的商业化阶段。
在自动驾驶的发展趋势上，AEB、ACC 等 L2 级辅助驾驶功能已经开始高速的增长和普及，我们也相信从明年开始高速 NOA 也将不断的普及，但城市 NOA 的普及还需要经历从能用过渡到好用的阶段。
而当这些单一场景的辅助驾驶功能完全普及之后，伴随着成熟度的上升进入到 L4 自动驾驶阶段，从而进入到人机交互的创新期，包括 AI、VR、元宇宙、虚拟助理等多模态的交互游戏。
伴随智能驾驶量产迈入深水区，行泊一体成为智能汽车迈向全场景整车智能终极应用形态的的路径之一。
打通「行车」与「泊车」，实现智驾系统的集成整合和计算资源的高效共享，车载智能芯片作为算力基石更是发挥着重要莋甪感囮。
从成本角度来看，行泊一体其实分为两个不同的维度，一是性价比的行泊一体域控制器，针对5-6 个摄像头的系统，二是高性能的行泊一体域控制器，支持 10 个摄像头以上的系统。
凭借在ADAS 高级辅助驾驶及NOA 高速领航辅助驾驶领域的丰富量产积累，地平线能够充分发挥行车方面的量产技术与工程 Knowhow，高效支持软硬件生态伙伴打造基于征程芯片平台的行泊一体产品与解决方案。
地平线能够支持覆盖 10-40 万元车型的行泊一体域控制器需求，支撑车企实现行泊一体的开发和量产交付。
辰韬资本执行总经理贺雄松：
自动驾驶是少有的顶级赛道，也是从投资的角度布局不可或缺的赛道。参考技术成熟度曲线，可以很清晰地看到自动驾驶正处在幻滅破滅期的阶接。
行业要继续往前走，唯有靠技术和商业的进展来驱动，所以接下来，商业化是整个行业的重点，也是整个赛道投资的主题。
为什么说目前是是押注特定场景商业化兑现最佳机会？
从行业的角度出发：
技术难题已经被突破沖破。像矿山港口、末端配送这些相关的场景已经去安全员运行了非常长的时间；行业趋于成熟和套件成本的降低。以前一个激光雷达可能就要上十万甚至几十万，但现在激光雷达已经降到了几千块钱，未来还有很大的丅跭跭低，跭落空间。这些都是非常有利于商业模型跑通，并进行批量复制的信号；
从投资的角度出发，有两个最佳的时间节点：
第一个节点是，当企业在种子天使的阶段，早期估值往往比较低，这个时候如果对赛道的方向、团队有比较好的判斷判啶，认知是很容易兑现的，赔率也非常高。第二个节点就是商业化兑现前期的投资。一旦产业商业化开始复制，估值就会有巨夶浤夶且快速的拉升。
智加科技副总经理王磊：
在产品路径上，PlusDrive 遵循从 L2+到 L4 的渐进式路线，以 L4 技术能力，支持 L2、L3 级前装量产，最终一步步实现 L4 商业化落地。
走渐进式产品路径，背后是基于智加三个方面的思考：
第一，当前 L4 技术成熟度不足以支撑自动驾驶车辆规模化的投放，而 L2 +已经能够实现落地；
第二，自动驾驶作为一项人工智能应用，把人类司机的驾驶行为当作学习资料，可以更快速迭代算法；
第三，目前 L4 所需要的传感器、芯片和线控等，还没有形成完全成熟的产业链，硬件成本仍然偏高，覆盖不了其现在带来的少量收益，也就是说 L4 的经济账现在还算不过来。
事实上，每个新技术从傆理檤理诞生，到真正产生大规模的商业化价值，都会经历十分漫长的过程，时间长度受到原理改进、产业链成熟度等变量影响。
智加认为，L4 级干线物流自动驾驶是个万亿级的市场，在当前的自动驾驶产业链的发展状态下，「有驾驶员监督」的量产自动驾驶产品能够在干线物流中实现正向的成本收益，具备规模化投放的经济合理性，从而通过场景迭代和监督学习加速 L4 技术的成熟。
易咖智车联合创始人&CTO 柏俊波：
末端无人车是自动驾驶行业目前公认的可快速实现商业落地的赛道，包括在限定场景、低速园区内进行物流配送、清扫等。
其中的参与方可分为三类，分别是：
底盘技术及服务方、AI /自动驾驶技术方和场景/平台方，构成了行业三角，从有人驾驶到无人驾驶，行业三角生态从点状离散进化到面状互联。
如何恠侒恠三角生态中找准自己的定位，是末端无人车面临的首要挑战，解决之道是从矛盾出发。末端无人车存在三大主要矛盾：
第一，商业落地与法规标准缺失的矛盾，目前无人车领域还没有制定明确的法规标准，这是商业落地过程中需要考虑的因素；
第二，快速交怤與授予，賦予验证周期不足的矛盾，由于自动驾驶技术还在快速发展，对落地场景的需求也在不断迭代，此时容易出现「鱼与熊掌不可兼得」的问题，亟待解决；
第三，还有批量制造与场景技术迭代的矛盾。
由上述三个矛盾，以问题为导向，制定企业发展的战略方向、研发路线、流程组织、上游生态和服务形式。
在易咖的实践中，以商业落地和法规标准缺失的矛盾为例，我们认为应该坚持场景导向和价值导向。其中，标准和法规是約涑涑縛，与市场和产品是毛和皮的关系，不能自困。
如祺出行 CTO 宋德强：
目前，出行平台与自动驾驶技术公司、主机厂之间的「金三角」模式得到广泛認岢承認。随着单车智能向批量上路的不断推进，自动驾驶运营成为行业关注重心：
1）主机厂主要利用丰富的车辆量产经验生产 Robtaxi，把控其安全性和运行的稳定性；
2）自动驾驶技术公司专注于提供 Robotaxi 的自动驾驶软硬件解决方案，并且帮助主机厂在生产端进行软硬件前装或后装。
3）出行平台，在海量真实出行数据和成熟出行服务运营经验的基础上，面向 C 端用户提供最直接的 Robotaxi 服务，最终实现商业变现。
Robotaxi 要真正成为一项服务，要从 B 端先行先试，而随着技术的发展，自动驾驶运营服务能力的重要性也逐渐凸显。
长期来看，自动驾驶已经从单纯的技术和测试，走向更多城市道路，Robotai 也演变成一项持续的服务，最终要从 B 端走向 C 端，走入寻常百姓家。
后续无论是 B 端还是 C 端，只要启动自动驾驶功能，就将纳入自动驾驶运营范畴，因为每一个 C 端用户都希望车企能持续保障自己的安全和体验。
在这个大背景下，自动驾驶运营平台也将成为车企的标配，持续优化用户自动驾驶服务体验也成为必需。
安霸半导体技术 (上海) 有限公司深圳分公司总经理刘清涛：
在智能驾驶开发过程中，我们都会遇到哪些痛点呢？
第一大痛点首推就是芯片性能虚高。芯片的 AI 性能纸上的数字非常好，但是在实际应用的过程中就会碰到各种各样的瓶颈，实际的 AI 性能也会急剧下降。
第二大痛点就是芯片的功耗高。芯片的功耗高，增加了开发的难度，又增长了开发的周期，并且稍不留神，芯片和整个项目都会变成烫手山芋。
第三个痛点是图像质量不高。作为智能驾驶眼睛的摄像头无法把道路上的纷纷扰扰看得清清楚楚。
第四个痛点就是 AI 的算法工具链不好用，经常会导致事倍功半。
第五个痛点就是得不到芯片原厂的有效技术支持。
安霸有五大技术优势恰好可以把这五大痛点全部解决掉。
首先，安霸芯片有非常强的 AI 性能。我们始终遵循算法优先的策略进行开发，会测试和评估成千上百种开源网络和我们自研的自动驾驶算法。
安霸的芯片设计始终是围绕这些算法在实际应用场景中能够发挥最大效能的核心诉求打造的。
其次，安霸 CV 系列芯片拥有超低功耗，因为我们有先进的工艺制程，有 10 纳米/5 纳米制程工艺，还有一流的硬件架构设计。
低功耗芯片的好处是，可以兯約兯儉，懃儉开发周期，降低开发难度，可以真正地让开发人员省时、省力、省心。
低功耗芯片还可以消除热量累积带来的种种种隐患，即使在高温天气长时间工作，也可以安全运转。低功耗可以有效地降低电源成本，简化散热设计，节约 BOM 成本。
第三，安霸芯片的图像质量在业界是有口皆碑。我们的 ISP 是自己研发，拥有独有的算法和核心的专利技术，比如超级延迟、专业降噪、宽动态処理処置，処置惩罰算法，使得图像色彩清晰、准確精確、细节丰富。
第四，「三分凭努力，七分靠工具」来形容完整成熟工具链的重要作用并不为过。全自动化工具，轻松实现从用户导入算法模型、优化、量化，编译转换到上板执行整个过程。
第五，安霸的技术团队靠谱，我们专注于国内汽车市场，善于与客户协作打造差异化创新产品。
目前，安霸和国内主流的车企、 Tier1 和算法提供商建立的密密切切管广泛的合作，一系列前装量产项目先后落地，有一汽红旗、合创汽车的 ADAS，还有长城、吉利、上汽、广汽、东风、奇瑞、铃木、哪吒等车厂的自动驾驶项目。除了这些，明年我们还会有一大批智能驾驶项目进入量产。
吉咖智能 CTO 韩轶奇：
除了封闭道路、高速高架的场景之外，目前业内不少车企、方案供应商已经进入到城市场景的比拼，但城市场景的无疑比高速场景复杂数倍。
无论是感知角度，还是规划控制角度，系统的处置能力如果与用户的预期产生差距，或者用户始终处于高度紧张、高接管率的情况下，这也会直接影响降低用户对智能驾驶系统的依赖性。
为了解决这些复杂的场景，我们的智能驾驶系统需要额外投入数倍的复杂度，而系统架构的复杂性直接関聯聯係関係的是系统架构的成本，这也就决定了随着成本的增加能不能满足用户的预期，并为之买单。
综合分析之后，我们认为面对极端复杂的城市毛细道路，需要配合上城市高精地图，多个高精度传感器以及超大算力的域控制器满足高难度场景的需求，但随之增加的成本能否百分比保证安全和体验，用户是否愿意相信系统的能力仍然是一个不确定性因素。
基于此，吉咖智能更倾向于集中在相对合理的算力系统，以及适用的视觉传感器；
在某些特殊情况下，我们可能会配备单个或者双个激光雷达实现成本可控的系统，覆盖 80% 的城市主干道、国道、城市高架路等场景，从封闭道路逐步延展到复杂的城市道路，相当于吉咖智能驾驶解决方案的定位是满足 80%的用户出行场景，并通过解决高难度场景带来差异化的体验。
劲邦资本投资部副总经理贡玺：
汽车电子赛道实际上是贯穿在电动化跟智能化这样两个大趋势之下的，无论是电动化还是智能化，都会促使汽车电子赛道出现一个增量和存量大发展。
如果去投汽车电子赛道，很好的一个做法是把国际玩家和我们中国玩家去做一个相应的对比，你会清楚地发现，在汽车电子电子赛道之上，国际的玩家是在一个什么样水平，中国的初创企业，包括上市公司，他们会在什么样一些水平之上。
这里面有个很重要的逻辑，汽车电子其实是一个舶来品，无论是从素材设计，包括工艺的一些要求，包括后到包括整个产业链的一些传导，其实很多的时候，它跟西方制定的一些标准是有关系的。
所以我们对国际层面的一些玩家，它们的所擅长的领域，和他们比较出名的一些产品序列会有一个直观的感受，这样的话我们可以很好地去对国内的公司进行一个很具象很精确衡量。
北醒 CEO 李远：
在去年 9 月份之后，就没有涌现出新的激光雷达公司拿车企的定点项目了。激光雷达第一个窗口期已经关闭，这些激光雷达公司基本上是第一轮竞争的参赛选手。
他们现在都在拼命地扩张自己的商业空间，去拿更多的定点，我们北醒也有幸位列其中。我们去年 9 月拿到了第一个定点，今年拿到的两个定点也是在去年完成的。
汽车从辅助驾驶走向自动驾驶，是汽车的智能化升级，它的驱动力其实是把人从驾驶中解放出来，本质上讲是对安全的极致追求，更进一步讲，是对感知的进一步升级。
对自动驾驶来说，低线束的激光雷达探测距离还存在不足，有安全隐患，所以我们呼唤一个 512 线时代，一个更高线束的激光雷达时代，它可以帮助自动驾驶的感知能力实现一个巨大的突破，能够帮助自动驾驶车辆更早发现障碍物，实现安全行驶。
第②，快速交付與驗證周期鈈足啲矛盾，由於自動駕駛技術還茬快速發展，對落地場景啲需求吔茬鈈斷迭玳，此塒容噫絀哯「鱻與熊掌鈈鈳兼嘚」啲問題，亟待解決；
已有