两个误区中，其一是人们似乎在用学习人类的驾驶方式来去做自动驾驶，其二是以移动互联网的思路去运营车联网。
复星常年以投资人的视角投资自动驾驶市场，看了大量的自动驾驶公司，也投了大量的自动驾驶公司，包括传感、硬件、软件、自动驾驶方案商等。复睿智行作为复星旗下一家企业，现在自己入局，以车路协同的角度切入做自动驾驶方案。
薛春宇觉得做车路协同是很难的事儿、很疯狂的事儿。“但是在8年前、10年前做电动车也是非常难且疯狂的事儿，但现在也是成了。所以希望大家一起做正确的事，做难的事，做需要时间积累的事。一起去为中国的智能网联汽车贡献一份力量。”
以下是复睿智行首席运营官薛春宇的演讲实录，有删节。
大家下午好，现在可能是4点多，大家可能有点困了。今天我想跟大家从从投资和行业的双重视角来聊一聊自动驾驶最近碰到的一些困局和我们对于这个行业的一些思考。
第一个事儿是特斯拉已经在研究怎么来去做毫米波雷达，怎么去集成毫米波雷达，可能会放弃纯视觉的感知路线。另外一部分是现在众多原来做L3、L4以上的自动驾驶公司正在考虑入局ADAS的市场。从这些现象来讲我们看到的是风起云涌、暗流涌动的自动驾驶的市场。
所以今天在武汉这样一个阳光明媚的日子里探讨一下自动驾驶现今市场上的暗流涌动，我觉得是挺有意思的。
先介绍一下复睿智行，复睿智行作为复星旗下做自动驾驶的一家核心企业，复星是常年以投资人的视角来做自动驾驶的市场，我们看了大量的自动驾驶公司，我们也投了大量的自动驾驶公司，包括传感、包括硬件、包括软件、包括自动驾驶的方案商，现在我们自己入局去做自动驾驶，就是复睿智行。
另外我们做什么？我们切入点可能跟大家不太一样，因为我们是既做路端又做车端，我们还是想以车路协同的角度去做自动驾驶的方案。
当然为什么要以车路协同的角度去做自动驾驶方案？我们主要考虑的是以下几个方面的问题。
我们主要是做车端的基础软硬件的系统，包括软件、硬件、中间件以下的部分。我们也做路端，车路协同核心的软硬件我们也做，我们也做相关的运营，做车路协同的运营、智慧交通的运营，目标是打造一个车路协同的基础软硬件平台，能够实现一个自适应的自动驾驶的高阶的解决方案。
什么叫自适应？在有智慧交通覆盖的道路上它能够实现车路协同的自动驾驶实现比较高的ODD，在没有车路协同覆盖的情况下它还是一个单车智能实现比较小的ODD。所以从这点来讲我们对车路协同的观点，我们认为车路协同跟单车智能不是要做二选一，目标还是车路协同和单车智能是朋友，我们是以单车智能的朋友的角度去打造这样一个解决方案，这是我们主要的观点。
说到痛点，最近大家关注也比较多，自动驾驶痛点宏观来讲大家非常清楚：感知部分、成本部分、运营部分（商业模式部分）。当然了，这里，从投资角度、产业角度，包括从我多年的智能网联、自动驾驶的从业者观点来看，我们抛出几个观点：
首先讲感知方面的困局，这也是我们为什么做感知方案或者感知侧重点的原因。
我不知道大家有没有关注2021年北美的（自动驾驶）脱离报告数据，举例：WAYMO2020年整个脱离报告数据差不多在接近3万英里，但是到2021年基本上回到了差不多7000到8000英里，整个WAYMO的自动驾驶表现从数据上来讲其实是在下降的。为什么会造成这样的情况？主要是它从山景城的测试搬到了旧金山，旧金山的整个路况要比山景城路况复杂得多。从WAYMO的角度来讲，整个自动驾驶的表现因为换了一个城市带来了非常大的性能的降幅。
刚才奔驰的王总也在，奔驰今年二季度会量产欧洲，其实是第二台L3的自动驾驶车，第一台是奥迪的A8，但是奥迪A8这个项目基本已经取消了。奔驰的L3的自动驾驶它的整个ODD只是在特定的环境下实现60公里以下的自动驾驶。所以奔驰在北美2021年脱离报告里表现是200多英里。
大家关注的苹果，苹果的自动驾驶2021年表现是20英里，所以不管从WAYMO来讲或者从各大主机厂或者从科技公司来讲离量产还非常、非常远，最大的问题就是感知问题。
第二个是成本，大家在讨论成本的时候大部分讨论的还是概念上的问题。大家觉得激光雷达贵，一辆车堆30多个传感器肯定贵，但是数字上的话，大家还没有真正去研究数字上一个量产车需要多少钱，但是这几年的积累，大家在量产车上会比较清楚。
为什么？首先算力的成本，如果去用ORIN平台，一个ORIN的芯片差不多在300到400美金；一个ORIN模组的话差不多600到700美金，一个双ORIN硬件的域控制器基本在1.5万元到1.7万元左右，4个ORIN基本在2.5万元左右的成本。
2.5万元左右的成本，这个成本水平基本上赶上了原来燃油车的整套动力系统，甚至比整个动力系统都贵。再加上传感器，基本上30个传感器，算上一个简单的准固态的激光雷达基本都是万元级别，当然现在量产激光雷达差不多在几千人民币左右，所有传感器堆起来也是万元级别的，那这样的成本谁来承担？现在主要还是一些成本比较高的或者售价比较高的30万以上的车，但中国最大的市场还是在15万左右的车，这样的车售价怎么来覆盖将近3万左右的成本？这是非常、非常大的问题。
接下来就是运营，当然了很多现在自动驾驶公司都在尝试运营、封闭场景的运营，包括我们投的很多企业都在做一些封闭场景的运营。包括港口、机场等等，但是这个运营从算账来讲都是算不过来的。
所以我们认为现存这两个误区：第一个误区是我们似乎在用学习人类的驾驶方式来去做自动驾驶，当然了这个从好听的角度来讲叫第一性原理，马斯克当时决定去做视觉方案的时候，其实我觉得它也是基于第一性原理，觉得人类可以通过视觉的方式去解决自动驾驶的问题，但第一性原理往往有时不一定是对的。
就像我们设计飞行器，如果人类真的是以学习鸟类的方式设计飞行器，终归是失败的。所以用学习人类驾驶的方式去做自动驾驶，我们觉得可能是个误区，这是第一个观点，当然这只是一个观点，代表我这边个人的想法。
第二个观点是以移动互联网的思路去运营车联网。我在某主机厂做过两年车联网的运营，看着整个车联网的故事包括车联网运营的故事、传统TSP故事往前走。但是这几年大家知道传统车联网的运营基本上以失败告终，很多当年很牛的TSP的公司基本上已经慢慢找不到踪迹了。
传统车联网运营碰到的问题是用手机、4G、5G的方式来去做车联网运营，希望通过这个干掉手机，这个我认为其实也是比较大的误区，因为用这种是就像用学习人类的方式做自动驾驶一样，干不掉人类，用移动互联网的方式去运营车联网是干不掉手机的。
所以我们认为我们可能要换一种思路，其实也比较仅契合今天蓝皮书论坛的观点，刷新思路，就是我们能不能以车路协同的方式去开发自动驾驶和做车联网的运营。到底怎么来做？我后面会详述，这只是抛出两个我认为比较值得大家思考的问题。
这是现在市场上主流感知软件的架构，基本上大家的思路都是大同小异，当然了可能模型选选择不一样，数据的训练练量不一样，但是大同小异。不管是堆多少传感器，大部分时候都是做摄像头的预处理，激光雷达做点云的预处理，摄像头跟激光雷达做相关深度学习，做相关的融合，毫米波雷达因为拿不到毫米波雷达的点云数据，因为找博世你拿到的是目标结果，所以最终只能做后融合然后再去做规控，这是现有的软件架构。
但这存在的问题是很多特征信息尤其是毫米波雷达的信息在做预处理的时候或者拿到目标级别的时候很多都丢失掉了。
应该怎么去做？当然这个也是复睿智行作为一个新入局者为什么去做毫米波雷达的原因，因为我们找了市面上大量的毫米波雷达的公司，发现的现状是好的毫米波雷达公司不愿意开放数据给你，它只能给到你目标信息。而一般般的毫米波雷达公司，我们又信不过它的点云。
所以我们作为新入局者还是想把感知这块尽量多的原始数据、尽量多地运用起来，不要丢失太多的特征，所以我们决定做毫米波雷达的前融合，但我们又找不到很好的愿意开放数据的毫米波雷达公司，所以我们在欧洲成立了一个团队，我们在欧洲建立了一个成建制的团队去做毫米波雷达，就是为了解决毫米波雷达前融合的问题。
我们为什么做车路协同？我们把车路协同当做了解决感知问题的另外一条补充的路径，我们希望车路协同能够解决很多长尾效应，比如黄帮主提到的路上停着的车，路上翻倒的与训练数据不能覆盖的长尾数据的车，这些可以通过车路协同场景解决的。
通过毫米末雷达的前融合，通过车路融合的融合感知，我觉得我们能解决现在感知上的一些问题。所以我们决定做感知上面的一些我们认为对的事儿。
另外一块，说到了车路协同。单车智能基本从2004年开始做的，车路协同基本从2011年的“863计划”开始做，但是这几年车路协同跟单车智能一直以对抗者的角色在存在着，整个行业都没有协同，所谓的车路协同基本上没有协同起来。车归车在走，路归路在走，即使在很多示范区里，很多也没有起到车路协同的作用。
除了刚才说的毫米末雷达前融合，我们希望能够做真正的车路协同的协同感知，当然协同控制可能没有那么快，但是我觉得协同感知是很快就能做的。
那怎么做？这个协同感知其实不是简单的按照现在车路协同的DAY1、DAY2场景去把目标信息送过去就行了，它其实涉及到非常复杂的分布式计算的东西。
所以我们在打造我们感知系统的同时，我们也开发了一套中间件，我们希望它是一套车路协同分布式计算的中间件，它能够做什么？它这个中间件不光是一个车端域控制器的中间件，它是车路协同分布式计算的中间件。通过这个中间件它能够把车端跟路端真正的融合感知做到位，它可以做到传感器共享、计算资源的共享以及最终共同决策。
当然了我再强调一下共同决策确实是比较久远的事儿，虽然我们是做车路协同，我们车跟路都做，我们确实认为共同决策会是比较久远的事儿。但是分布式的感知、传感器的拉远会是一个比较离近期可以深度去做的事儿，它能够解决很多现有的感知存在的问题。
所以感知去向何方？如果做自动驾驶大家都比较理解，第一种方案，我们说曾经的特斯拉是非常迷信纯视觉方案，大量的L4的公司其实是摄像头跟激光雷达，因为比较好做点云的融合。
还有多传感器融合的公司，很多公司都在做但是需要大量的数据，所以我们希望能做到毫米波雷达的前融合，以及做车路协同的感知融合。路端跟车端需要协同去做，然后车端这块我们去做感知，我们去做中间件，我们去做基础的算力平台，然后把应用层，把规控留给主机厂去做。
最后讲的是车路协同的运营，这个其实也挺有意思，这也是我们抛出来的另外一个想法，车路协同的运营到底该怎么去做？门户网站时代，这是当时互联网的第一个时代，那时候运营主体其实是门户网站，到了移动互联网运营其实是BAT，当然了大家说运营商是三大运营商，但其实三大运营商是基础设施、重资产的运营商，真正的服务运营商是BAT。
到了车联网时代虽然还用的是4G、5G主干网，但其实车联网比手机的4G、5G具有更深的内涵，它除了那些信息以外，它有PC5，它有车路协同，它有万物互联，这块它会给整个车联网运营带来新的思路，所以我们一直坚信车路协同肯定会产生一些手机所没有的超级APP、超级应用，由此会诞生一些新的运营方。这是一个做车联网运营的出路，而不是去学习手机，把手机APP搬到车上，这不是一个车路协同或者车联网运营的正确的路。我们要开发基于车路协同的超级APP来干掉手机，这些基于车路协同的APP才是属于车机入口的超级APP。
最后做一个呼吁，自动驾驶是大量的生态，车路协同也是个大生态，所以我们是希望车和路的产业能真正协同起来，这也是复星投那么多企业，自己下场去做自动驾驶的一个初心，就是希望通过资本、产业力量能够把大家真正聚在一起真正做车路协同的自动驾驶。
最后用一句话来总结，“车同轨、书同文、行同伦”，这是我们的一个愿景。想起昨天蔚来的秦力洪总说的，8年前、10年前做电动车是非常难且疯狂的事，但现在不一样了。大家可能认为现在做车路协同也是很难的事儿、很疯狂的事儿，但我们坚信这条路是对的，未来也是会成功的。希望大家一起做一些难的事情，做疯狂的事情，我们一起去为中国的智能网联汽车贡献一份力量，谢谢大家！