第二届圆桌论坛的主题是高水平智能驾驶技术量产的现状与未来
圆桌会议2
主持人:接下来，有请我们第二场圆桌会议的主持人:清华大学电子工程系教授王贵今。
第二届圆桌论坛的主题是高水平智能驾驶技术量产的现状与未来。。
欢迎圆桌交流嘉宾:
1.一汽解放总经理吴碧蕾。
2.姜峰，哪吒汽车营销公司总裁。
3.杨子发，北汽新能源工程研究院院长。
4.智家科技中国区总经理李蓉。
5.建郭栋，纳威福副总裁。
6.何蓓，震旦智家CEO。
首先，王贵今:很高兴参加今天的汽车资本论坛很荣幸能与所有参与圆桌的企业大咖交流，也很荣幸台下的所有观众能一起参与
圆桌会议稍微自由一点我们说的是驾驶技术，做技师的习惯比较随意我们不一定是有序的如果你有什么意见，想发言，可以发言也许我们的第二次圆桌会议与第一次圆桌会议有点不同，因为第一次圆桌会议着眼于组织的问题当我听下面的时候，我有很多不同的问题，我也对它们感兴趣也许你应该暂时思考一下，希望你能分享一下第二个圆桌属于第一个圆桌当我在下面听的时候，一个朋友给我发来了他关于第一次圆桌会议的新问题我们接手了上面精彩的圆桌，我也问了一点
碰巧，圆桌会议的嘉宾包括主机厂，吴总经理和蒋总经理这两个问题会先抛给你今年特别是现在大家都在说智能驾驶，可能有点像电动车传统的石油汽车似乎在这个话题上失去了话语权至于江湖智能驾驶的话题，谁会赢从传统的油车企业和电动车造车新势力来看，你认为最终的赢家会是谁或者发展趋势会是什么包括五年或十年
吴碧蕾:亲爱的嘉宾朋友们，大家好！我来自一汽解放，主要从事商用车业务今天，我有很多问题，我可能会从一个卡车司机的角度来回答
刚才我讲了未来的发展，因为现在很明显，新四化，除柴，拆中间是一个趋势在我们企业，未来的发展描述为两条曲线一条曲线是传统汽车的发展曲线，一直是产品的迭代升级以满足市场需求第二条曲线是顺应新四化曲线，新能源和智能网联，包括自动驾驶现在，这两条曲线应该已经进入了一个过渡或重叠的过程，尤其是2030年前后，从我们的判断来看，这应该是重叠的关键时期
自动驾驶的未来如何着陆作为一家传统车企，一方面需要做好传统业务应对市场需求到2030年，传统汽车应该还是有相当数量的，传统汽车升级遵循第一曲线
第二个弯道，现在面临一个转型过程，一汽解放早在2018年就发布了四条路线，分别是车联网，自动驾驶，新能源和后市场今天的话题主要是关于智能驾驶，所以对于智能驾驶，传统燃油车在2018年就开始演示和运营2019年在河南部分L2级大用户投入使用一年多，目的是让用户对我的卡车更智能L3即将投放，目的是不断培养用户之间的默契，为他们创造一种价值
无论最后做什么，核心点都是卡车需要满足客户需求，为客户创造价值，这是关键至于技术成熟度，他们需要一个生态部门刚才第一个圆桌听到领导说了什么我觉得很好我们需要建立生态，一起深入挖掘场景那么，谁符合这个规则，谁就能赢得未来我就说这么多
王贵今:江总，你觉得电动车似乎更与智能驾驶挂钩你对未来的两条路线有什么看法
大家好，我是哪吒汽车的姜峰。
让我回顾一下刚才主持人的话题我从事汽车行业已经20年了其实我们去看中国汽车工业发展到今天我们从汽车开始过去汽车是燃油车，后来是新能源车特别是国家正在助力动能转换，引导新能源汽车示范应用在这个过程中，智能汽车的概念逐渐成型智能汽车概念的形成，特别是在智能座舱和智能驾驶领域，是以特斯拉为代表的创新技术，逐渐以用户为导向，智能驾驶逐渐进入视野我个人是这样看发展过程的特别是特斯拉作为智能驾驶技术的领导者和开发者，将智能驾驶作为当前汽车行业的发展目标，这意味着未来汽车行业一定是智能汽车
说到智能驾驶，为什么中国的智能驾驶走得这么快我个人的理解是基于用户场景的解决方案过去我们理解的燃油车更多的是基于自行车功能的开发，而智能汽车更多的是以技术为导向，以解决用户场景为目标我个人理解中国智能科技未来能发展到哪里，包括我自己做营销，更关注用户的需求是什么当然，伟大的企业正在引导需求在我们看来，手机等很多先进产品都是引导用户使用习惯的伟大企业，所以有两个方面，一个是智能驾驶技术的发展方向，另一个是用户的需求，两者的结合是引导智能技术发展的关键
王贵今:这是上次圆桌会议遗留下来的问题观众有这样一些疑问
接下来说说目前的智能驾驶技术智能驾驶技术每个公司都有自己独特的技能，这是它擅长的现在，如果我们谈论智能驾驶技术，让每个人分享他们的现在，我想更多地谈谈一些成就如果谈未来，其实我想听听大家对智能驾驶技术的思考我想谈谈一些槽比如你觉得现在有哪些挑战我觉得这个槽位可能是下一轮圆桌的投资热点让我们请杨总，李蓉宗，健宗，和北宗结合各自公司的特点，即智能驾驶技术现在的优势在哪里，未来可能的困难在哪里，分享一下，杨总
杨子发:我是BAIC新能源研究院的杨子发我想介绍一下公司的自动驾驶众所周知，自动驾驶从第一级，第二级发展到
五级，我们现在进展到极狐汽车L2以上，但是硬件是具备L4级，软件的体验达到L3，但是目前L3级以上法规，技术各方面我觉得安全还是最重要的，这方面需要有大量的验证，第二还是要相关的政策，法规的支持。
L2级，大家都已经用到了，车上都已经有，我再介绍一下我们汽车工程协会在节能和新能源汽车2.0的预测，还是很准的，我们在1.0的时候基本都实现了到2025年，2021—2025年属于发展期，这个阶段L2，L3级会占到50%，到2030年会达到70%，到2035年完全自动驾驶会有一定应用我们企业也是按照这个路线进行规划的
大家在网上看到极狐阿尔法S我们共同联合开发，这个体验我亲自坐过很多次，点到点大概有十几公里的路线，基本不用去碰，它自己就可以行驶，转弯，遇到各种障碍，包括会车，超车，等等。所以这方面的技术值得期待！
王贵锦:接下来，我稍微把这个技术再扩展一下，我想听到大家的干货。
其实技术本身来讲有很多的智能驾驶，第一是智能技术，算法，算法本身我们现在谈L2或L3，智能技术里面比如有道路上的人跟车，包括整个道路，包括这个道路也是有高速道路和乡村道路的场景的识别。
也包括硬件，现在是用摄像头，摄像头是LGB摄像头和激光，雷达，简单的把这些硬件撺起来，还是说跟现在硬件的精度和稳定性不同，还有计算能力，包括还有高清的地图，等等这些技术，大家觉得自己做的好的地方是哪些和未来L4，L5还有差距的是哪些接下来，容总，简总和何贝总是技术出身，希望能够讲得更透一点
容力:谢谢王教授！我先介绍一下智加科技，我们做自动驾驶技术方面比较集中在重卡的自动驾驶驾驶，很多情况可能和家用车不太一样我们看问题没有完全从纯技术角度看，因为我们做的是商用车，商用车一定有应用的商业价值，这跟老百姓自己开的车和自己的手机有不可比性，因为车是生产资料，是要产生价值的
所以我们通常看这个问题，不管是L几级还是技术发展，通常有三个维度，一个是技术成熟发展到什么阶段，这是大家比较清楚的，比如多少公里接管率等还有一个是商业价值，假设我达到这个商业能力，但是这台车要贵10倍，100倍，我堆上所有高精的东西，第二个维度在商用车自动驾驶里非常重要，就是商业逻辑第三个，现在大家谈的比较少，就是社会效益，因为光有技术，商业价值，但是缺乏社会效益，那是相当于我们说的机器如果变成杀人武器，或者机器人不讲人类道德的事，也许是能赚钱的，也许是技术讲得通的，但这并不是我们的追求
这三个方面相互制约，导致这个问题非常复杂我们公司的看法是这样，认同L4，L5终究会带来社会效益和商业价值，这是讲得通的，如果L4，L5是无人驾驶，显然对于重卡司机这样一个职业，相当于一百多年前的纺织工人这个职业，这是很有社会意义和经济意义但是现在完全实现L4，L5还是有困难的，主要在于技术的成熟度，前面的第一个圆桌讲到安全性的问题，我们不仅要做到自动驾驶比人开安全，还要安全很多倍，才能被大家接受，才能被老百姓认为是有价值的如果减少了人类驾驶50%的事故，又增加了30%的事故，可能普通老百姓是不接受的所以往后的发展还是需要技术的推演，这也是为什么我们现在包括友商在内的很多公司都在做，就是先落地，主要是想通过在实践中去锻炼，去演练，得到更多的数据，让我们的技术逐渐提高
王贵锦:容总讲的很透，首先讲到了技术里面有一个数据，接下来我们待会可以讨论这个话题，包括成本，我觉得这是非常好的一个话题简总，你也分享一下您公司现在在智能驾驶比较特长的地方，同时，您觉得在未来的自动驾驶还有哪些难点需要攻克的地方
简国栋:大家好，我是来自于四维图新，负责自动驾驶的简国栋。
前面几位大咖都讲L3，L4，我不反对这种说法，但是把每个功能送到每个客户去创造价值的其实不用L3，L4，只要这个有商业价值，客户体验特别好，我觉得就应该去开发，APP原则上来讲应该是L4，但我们开发APP，HPP，分层泊车会在明年亮场，这些都是L4，如果把它硬性的划成L3，L4的话，这些功能会来的更晚一些，这是第一个。
第二，今天当我们所有追求大算力，几百T，一千T的时候，今天四维图新的解决方案是首先我们做成一张让车能懂的图，这个图能把车导到安全的地方，同时在每个路段上清晰地告诉每个驾驶员说今天这是L1的路段，那是L2的路段，那是L3的路段，然后再用动态感知说你能开启所以我们的理念是首先要安心，第二是安全，然后是便利今天我们的故事要从后往前讲的话，特别热闹，从安心，安全开始做的话就是个工程
王贵锦:刚才为什么忽然把技术干货从容总那里开始呢因为容总是我的学长，容总先把技术难度上来了何总是我学弟，你也结合你的业务场景讲讲你觉得得意的技术是什么，你觉得可能智能驾驶目前还有困难或者槽点在什么地方这可能是大家喜欢听的
何贝:谢谢王老师！我是何贝，我们公司是做自动驾驶港口这个赛道，我们以前实验室主要做的计算机视觉和人工智能在各个领域的应用，包括监控，检测，之前我们研发的就是产品，产品就能应用，应用就能卖，卖就能赚钱之前对电子系而言，科研即创业，大家就是这样的生活，毕业后我们在百度做AI的时候还是想找一些有挑战的时候，就选择了无人驾驶，因为无人驾驶就我们做这么多年，我毕业后一直做了八年，觉得这个行业很有挑战，很有意思，王老师刚才的意思是到底我们的槽点和痛点在哪如果只讨论技术的话有几点
第一点，数据和算法这也是我们最开始创意的时候引以为傲的两点，算法到底有什么学习，浅层的深层的都是受科研水平决定的，如果科研没有突破，工程界，产业界其实很难做一些优化
第二点，数据大家都说数据越多越好，但是数据是有瓶颈的，从一千到一万，从一万到十万会有非常剧烈的变化，但是从十万到一百万，一百万到一千万这就是麻烦了，因为就算我们知道是小环境，怎么说服其他的样本去信你，比如100万人投票，99万人告诉你那是坏人，剩下的人告诉你那是好人，你是信他还是不信呢
第二块，前面的数字算法是基础，第二块是系统的冗余我们做的真的很普通，首先我们做的是一个算法，其次是一个软件，再次是软硬件系统，最后是冗余系统有人的事故每天都会发生，一旦无人驾驶出了问题，所有人都会觉得无人驾驶是有问题的角色就跟当前汽车替代马车的时候也是一样被垢病，以大家的智能手机为例，我们首先保证APP是安全的，其次保证APP操作系统是稳定的，再次手机不能死机，最后安全冗余也很重要，这是一个难点和槽点
第三点，行业的不同特色，比如我们手机里的APP，学习强国和百度地图干的事情肯定是不一样的，所以每个赛道都有自己的特色，做无人驾驶怎么做的好首先算法得牛，其次系统得足够的冗余和安全，最后还得熟悉每个场景的特色，比如港口要解决什么痛点，高速卡车要解决什么特点，这些都是我们场景的必然优势
第四点，光靠单车行吗不行，为什么要讲车路协同，讲到车路云网途结合，就是因为我们需要更多的冗余安全，这些设施正是需要政府部门，各同行，各友商一起推动的，这个阶段非常的缓慢，也非常的曲折，所以我们在这样的研发过程中也遇到了很多的痛点和难点，大概是这样
王贵锦:正好六位嘉宾刚才把一些问题都分享，下来开始第二个问题。
刚才大家提到了我们这个技术都聚焦了两个方面，或者说是一个方面，比如数据，大家提到数据的时候也提到了应用场景，我们要不同的应用场景的数据，我们的智能才会越来越好，这个地方其实有了数据，从我们的知识来讲，数据并不代表智能，数据如果没有赋予知识进去的话，其实是学不到什么东西所以我们第一是要采集各方面的数据，第二是我们要给数据赋予一些知识，从技术来讲可能有一些标注，全监督，半监督，无监督，等等，需要做很多事另外还有一点，其实也是跟数据相关的，就是我们的AI算法，现在的AI算法是不是还够
现在很多企业大家都在做数据跟算法，比如一个街道都采了同一份数据，大家可能有的时候做了很多重复的事，少的事情大家都不做，好的事情大家都做，这个事情其实对行业发展可能也不是很有利，大家提到的所谓的长尾技术问题比如前三位嘉宾，吴总，江总，杨总，您三位分别从企业之间怎样能够破开这样一个壁垒，大家能不能从不管是数据的分享，或者是技术分享，或者是兼容方面，有什么考虑使得共同推动智能驾驶往前走
吴碧磊:数据这个话题确实很有必要，现在这些长尾问题，包括卡车的很多复杂的路况，导致算法技术的成熟度确实遇到一些瓶颈这样的话需要有一些数据的开放和共享，提高效率，减少浪费对同一场景，大家共同来做，这个想法是很不错的
现在有两个问题，我认为首先要做好规范化的问题，当前各企业所用的数据集和他自己的产品以及对应的场景之间都是强相关的，关联度非常强，对于数据的使用方法都有各自的优好，光一个数据标注大家都是千差万别，所以简单的说共享，如果没有规范化，很难达到共享的效果，这种效果很难做到我觉得，第一件事应该把规范化的事做好
第二件事，不管怎么说，想落地，想正常在市场上的价值链转起来，关键得有交易既然开放了数据，就应该形成交易的规矩，规则，我简单讲这么两点
江峰:我认同刚才吴总说的，您提到的是数据的共享和开放的问题确实不管是从软件的成熟度或算法的精准度，数据量是一个基础，各个企业的产品，定位和人群所产生的出行数据包括车辆的技术数据是不一样的，我认为数据共享有利于推动行业发展，当然这里面也需要有一定的规则，某种程度讲，数据也是各企业的核心资产我不像在座的各位都是技术大咖，我本人是从人生角度，从用户角度来提的，作为我们来讲也是要迅速的实现用户增长，然后在实现用户增长过程中也去研究用户从什么样的环境下认知什么样的品牌做什么样的购买决策，这样一个数据能够对于营销的措施，营销的活动有一定的积极作用，相信在技术上来讲，更多的数据能够推动技术发展但是数据更多还是基于技术，量产后的产品实现的数据才更有价值，对我来讲，我认为一方面认同吴总的观点，规则，再一个是更加扩大的实际场景的用户数据
杨子发:我的观点是支持数据共享数据不光是驾驶的数据，其实汽车开发所有这都是数据但是共享的前提要看，一种数据是比较标准的，比如地图的数据是标准的，没必要大家都做，没必要反复采集，这类的数据共享是有价值，而且非常有意义的第二类是特殊数据，因为不同的自动驾驶技术路线，不同的技术方案，出来的数据一定千差万别，给他以后也不一定马上能用上，所以这类数据想共享，应用还是比较难
第二点，这些数据的知识产权怎么共享具体的，两个企业之间还是多个企业之间，要去协商，这还是比较难的这么多年，其他的数据存在协作也是很困难
第三点，我提一个想法，这类数据我觉得通过自动驾驶的运营，从顶层设计平台收集到所有的运营车的数据是非常有价值的，对整个行业各个车企来说统一进行应用。
王贵锦:前面三位嘉宾都讲的很好，总结一下，我们的数据如果是要做分享各方面，其实还是有一些法规上的问题，还有规范化的问题，包括如果是分享，作出贡献，也希望有些回报，都是一些经济说法。
我自己因为在高校，听完三位的讲法，我想既然数据这么重要，不知道大家有没有先不要把这个问题变的这么大，先说企业间挣钱的数据应该怎么做，有没有可能大家先共同做一点学术上的数据，我们来培养人才，这个话题圆桌会议之后，如果有机会大家再一起讨论，就是我们怎样用数据先培养人才，不管是AI人才还是整个的智能驾驶方面的人才，都会更有意思。
接下来，三位嘉宾都是偏应用场景，不同的应用场景对于应用场景，您觉得在您的应用场景里面，你们现在会采集哪些方面的数据，具体的解决这个数据处理技术的时候有什么心得，或觉得有需要探索的问题
容力:数据方面，我的一些心得大家现在都意识到数据的重要性，我们公司做自动驾驶不算早也不算晚，16年开始做，17年还是逐渐的聚焦干线流的场景，逐渐收集数据我本人在行业热起来之前就是做大数据的，再早也在清华做人工智能等可能大家做的时间长了会跟我有同样的感悟，数据本身很值钱，但不是因为数据值钱，是因为数据背后的知识，那是最值钱的，可以这么说，数据本身是一堆数在那里，如果能从数据里面分析出规律来，我们叫知识，如果你能用这个规律去预测没发生的事情，或者得到更高的感悟，作为自动驾驶来讲我们需要的不是数据，我们需要的是规律，我们需要的是在规律之后，如果能得到感悟去预计没有发生过的事，比如长尾，就像何总说的99人这么说，另外一个人这么说，解决大数据不能这么解决，靠的是感悟
简国栋:四维图新一直是数据最大的共享者，我们把标准的路网高清都给了各位，这是我们过去传统的做法，未来我们也要适应新时代，我们希望跟更多的车厂合作，产生更多的数据，产生更多的应用，比如吴总的数据我就可以用来作图，这可能是我们用20年的开放的技术来给车厂提供更多的服务。
第二，容总讲的特别好，数据本身是一个矿，得有挖矿人，得有人来把它打成金子，四维图新现在有图，这些图是基本服务，分成了哪些提供技术服务，哪些是免费服务的，到分钟级的时候，这个车前面有事了，某个品牌的，可能这个品牌让过去，那个品牌说由于前面的事故而导致他提供很好的服务，这是数据打通的问题但是我们的平台开放，今天我们也特别希望跟主机厂能开拓一个新的，我们有平台，我们20年的经验，我们做这样一个事，我们可以帮助你来做我们也愿意用开放和积极的心态和每个主机厂合作
王贵锦:简总说的特别好，用积极，开放的心态来对待数据问题。其他辅助性ADAS——盲点检测系统(BSD)，远近光灯辅助(ADB)，夜视系统，全景泊车等。
第二，我比较赞同容总说的话，第一这个数据的利用者是什么样的，第二是我们需要积攒一些有意义的数据，因为再多的数据如果冗余的话其实也没有太多的意义，我们要的是一些具有鉴别意义能够补充我们解决长尾效应，降低MPI的数据，才是我们需要追寻和收集的，这里面来自大浪淘沙，我们需要更多的基数才能把需要的长尾数据淘汰出来所以数据的筛选，选择和淘汰是非常重要的一点
第三，很多做无人驾驶的公司已经提供了很多开源数据框架，最开始我们用TAT，包括后来的图森等提供了很多的数据，这些数据对于高校的研究来说非常的有用我们经常说感知，定位和地图，因为输入数据属于固有，比如地图格式是固用的，传感器只有四种经典的传感器，对于后面的决策，规划，控制，仿真是最难的，因为那是因为前面产生的数据所以对于高校而言，做前面会比做后面更难一些
王贵锦:大家分享的很好。
第三个问题，有一点技术路线的思路，前一段时间可能考虑的单纯，大家把各传感器不断的往上堆砌，单车激光雷达，单车激光雷达一个是价格和量产的问题，第二是5G的发展，现在车路协同大家讲的比较多一些，从螺旋式发展来看，我个人认为这里面的自动驾驶的落地可能跟应用场景很相关，车路协同可能也在一些比较特定的场景用的比较少，我们可能就这个话题第三轮正好顺序调一下，何总就你的港口的智能驾驶，对于这两种，车路协同或者单车智能就够了，谈谈你的看法。
何贝:其实有人会说到底这几种路线选单车智能还是选车联网或者基于云端的5G自动驾驶，因为在美国没有办法，美国政府不像中国政府这么有利，所以他们的基建是薄弱的，所以他们除了做单车做不了别的，而中国的车端，路端，云端都有相应的友商，政府帮助我们推动技术的发展前一段我刚面试了一个工程师，他们的方案跟我们差别特别大，因为国外像千寻等，我们认为最基本的定位结构，对他们而言可能属于很贵或者很难接触到的，因为他们更多的是要服务于军方所以在我们的场景里面，港口或者未来的物流重卡，其实车，路，云端都是非常重要的，我们经常说无人驾驶到底什么时候能够无人，因为无人驾驶如果不能无人就是伪命题，所以我们一定要做到无人驾驶那么，单车真的能做到无人吗在洛杉矶这种地方是几百的PI，离无人还很远，怎么办我们只能利用路测和云端来弥补，对于港口来讲所有的路口没有红绿灯，我们只能利用一些路测单元和云感知，把这些数据存到云端，再下方到单车，供单车进行调度和规划，便于它能够获得更好的感知能力
比如如果我们在干线上走，现在的相机和毫米波能够还可以，如果没有三四百米以上的感知能力，其实很难保证安全，所以路测端做了很好的单车冗余，很容易辅助如果MPE不够大，万一车在路上趴窝了，我们必须需要云端的无人驾驶才能把车驶上安全侧，所以我认为单车，路测，云端对于无人驾驶的全面无人化很重要
王贵锦:简总，您讲一下单车智能或车路协同的问题。
简国栋:我们一直给乘用车做这样的系统，我们现在认为是小脑+大脑的策略，所以在端上来讲我们有一定的算力，但是伴随着L1，L2，我觉得那个主要靠端，L2.5以上的可能所有的融合肯定在云端融合，再下发的伴随着高阶的推进发展，云端肯定会越来越重，单车的端可能越来越轻一些
未来由于5G的发展，还有更可靠的手段的话，可能在车机端就是一个直营机构，可能就没脑，所有的都在云上，可能是未来L5以上的形态今天从端上，轻云端，未来是轻云端重终端，这是我们的解决方案
王贵锦:简总的观点非常的有意思，也许这对投资者会很有借鉴价值，容总，您结合您的经验谈一下。
容力:我们看问题没有简总那么高瞻远瞩，看的是未来L5我们看的是这个东西的上位逻辑在哪里，车路协同钱怎么收
但我们的确有一个最基本的指导思想，因为我们做的是干线物流自动驾驶，干线物流就是运货，这个车怎么走，问题不仅仅是单车问题，实际我们解决的是交通的问题，交通问题实际是三方面组成的，一个是我自己这台车，一个是车流，我要解决的是我的这台车和其他车在这个路上有交互的问题，加上交互的问题，所以是我自己的车，交通流，路，这三方是在一起的，我们认为必然是车路协同的问题现在我也听说博弈理论都比较时髦，我觉得主要还是因为基本建设的问题没有跟上，尤其在美国这个问题根本没有起步，在我们国家开始起步了，这个问题解决以后，大家就会认同我们做自动驾驶根本不是单车智能的问题，因为解决的是交通问题，问题摆在那里
王贵锦:容总，从智能驾驶一下升格到智慧交通，这是很对的，我们是从整体上看这个问题，并且现在中国的理念，我们谈国外一般是谈欧美，我们其实比欧美要更先进一些。
接下来，前三位的嘉宾是主机厂，关于车路协同这方面，目前是政策问题还是基础设施问题，还是一个商机请三位分别谈一下您的看法
杨子发:上一个问题，补充一句话北汽新能源和清华大学，宁德时代在目前的大数据电动车已经有50万数据，这些数据是有合作的，也有了接触成果，我们有一个电池的技术，将来我们是有合作基础的
第二，关于车路协同和单车智能，我个人觉得不是两个路线，单车智能和车路协同要相互辅助，目前这个技术状态来看，单车职能要发展的快一些，车路协同可能要慢一些但是这里面车路协同有很多的困难，第一点是属于各行各业，交通，信息等合作做这个基础设施和技术，我觉得根据技术的发展会融合，尤其是L3以上必须要有车路协同的融合根据预测，到2025年我们的有条件自动驾驶和部分自动驾驶，这个级别的到50%，车路协同初级的到感知也会有一部分，不到50%可能也会差不多
江峰:跟几位大咖的交流也学习了很多，我仍然还是代表用户第一个，首先是安全，至于这个产品用什么技术我不管，安全最重要，能够实现这个功能的前提必须是安全，这是第一
第二，从主机厂的角度来讲可能还要考虑到成本的问题，从我个人理解来看，单车的功能实现，是不是要更自主一些，更快速一些，无非我就是选激光雷达，我选什么样的算法，等等车路协同还要取决于更多的基础设施建设，道路法规等，所以在这种情况下对于我做营销，对于用户端来讲，谁最安全选谁
吴碧磊:我感觉这两个路线，我是比较倾向同时发展，探索多元化的路线，满足多元化的场景，这是一个。
第二，近期肯定是单车智能来的更快，中长期车路协同也会有机会，但是车路协同，我感觉确实要处理好几个事情，一个事情是建设期会很长，需要很长一段时间才能够保障足够的覆盖度。
还有一点，中国幅员辽阔，各地区情况不一样，建设的方案应该是统筹的，不能发生大的变化，否则就很难做普及总的来说，我还是赞成两个齐头并进，多元化发展
王贵锦:时间过的特别快，我才感觉刚上来学习了几个问题，时间就到了智能驾驶，包括后面我们稍微谈一下智慧交通，如果从这个角度来讲可能谈的更多，相信我们下次应该还有机会给大家共创这方面的技术
再次感谢六位嘉宾，也感谢台下的各位听众，谢谢大家！
。