8月22日，由中国电动汽车百人会、智能汽车与智慧城市协同发展联盟联合主办的GIV2020隆重召开，本次峰会主要讨论智能汽车近两年取得的技术突破和产品创新、智能汽车应用场景和商业模式、以及智能汽车商业发展的顶层设计和实施路径。下面是华为智能汽车解决方案BU MDC营销总监汪意革在本次论坛上的发言：
华为智能汽车解决方案BU MDC营销总监 汪意革
感谢主持人的引荐。首先我给大会的组织方和与会者道个歉，本来计划是我们MDC产品部的李振亚总经理来参加此峰会发表一些产业观点的，但由于李总临时有一个非常紧急的会议就委托我来给大家做分享，分享的主要内容与观点不变。今天我分享的主题是“用汽车工业平台化模式促进智能驾驶产业健康发展”。
我们每个人最近十年都被智能手机深深的改变。为什么提到智能手机这个事情呢？因为智能化是一种趋势，其实产业界现在很多人在讲，架构定义汽车、软件定义汽车，其实本质上是用户需求在定义汽车。智能手机近十年的发展给我们所有的人以及整个社会做了智能化的培训和教育，对汽车也是如此，用户的需求在哪里，技术就应该往哪里发展、产业有应该往哪里发展。
传统汽车已经有一百多年的历史了，在制造技术、商业模式、社会法则等方面非常发达与成熟了，虽然促进了社会的发展，也面临一些深层次的问题。比如说使用率低，可能每个人只是上下班使用下汽车，其余22个小时可能就是停在车库，还有单次出行成本高等一些问题。汽车未来会变成一个智能的移动空间，可能会变成你的会议室、办公室、客厅、娱乐室等等，并且通过底层硬件的平台化和软件的OTA升级能力，持续给用户带来更多的使用体验。
智能驾驶是一个非常宽泛的议题。刚才前面有很多参会嘉宾也介绍了，包括Robo-Taxi、包括出行服务等等。从我们的角度看，主要分成三大类场景：作业车、商用车、乘用车。作业车上大家可以看到，相对场景比较简单、道路比较简单、路况也比较可控，速度也比较低，主要是一种生产工具。商用车场地、线路也比较可控，安全影响也比较小，也是作为生产工具。乘用车则完全是另外一种情况，驾驶场景非常复杂，速度可变性也非常高，从低速到高速，而且对安全尤为重视，并且用户追求的是一种驾乘体验。我们看到不同的需求，使得整个产业发展面临多个维度因素的影响，我们称之为“智能驾驶七维函数”。
不同的影响因素，就导致不同场景的智能驾驶会采用不同的技术发展路径，我们认为主要有两类：第一类，商用车和作业车它们是跨越式的发展路径，因为它们作为生产工具，主要是为了提升效率和降低成本，代替人类司机，从这个角度来看，会从L2直接向L4演进；第二类是乘用车，因为它跟人的生命安全密切相关，加之现在的技术、政策法规、社会伦理等还处在发展变化过程当中，包括接受程度，会从L2、L3、L4这样一种渐进式的发展路径。第一类与第二类最终都会实现真正的L5级的自动驾驶。
同时我们也看到在国内建立了20多个智能网联的示范区，因为智能驾驶是资本密集型、技术密集型、产业链密集型的产业，所以政府的引导作用也是非常关键的。政府可以在一些基础设施的建设，包括一些产业集群，提供政策上的指导和技术上的探索。而在市场需求上，如我刚才所讲的，在乘用车、作业车和商用车领域，各种需求进展各不相同，它们也在各自的发展路径上持续向前发展。可以说，智能驾驶产业，依赖于政策协同与市场需求的双轮驱动,才能使产业走得既快又稳。
汽车工业其实是一个规模化工业，就像前面有嘉宾分享的，工业化量产是前提的条件。汽车工业的平台化是一个优良基因之一，我们可以看到同一车企内会共用同样的平台生产不同的车型，才能最大程度的摊薄成本，甚至不同车企之间也会共用一些平台来分摊研发成本，这种平台化的思维会使得接口更标准化、零部件也更标准化、生产制造更标准化、更通用化，整体降低研发与制造成本。
对于智能驾驶产业来说也面临同样的问题。比如说现在的ADAS分布式架构，我们认为是一种“烟囱式”的架构，它的决策、感知、计算是独立的，这就导致了它的软件和硬件资源无法共享、使用效率低。更关键的是，它无法向L2、L3、L4等更高级别的自动驾驶功能演进。未来我们觉得它应该是一种集中式的计算架构，通过集中式的计算平台，实现上层应用功能的持续新增、优化与迭代，并且通过OTA升级的方式，给用户带来常用常新的使用体验。
智能驾驶计算平台，实际是一个非常复杂的平台。因为它涉及到芯片制造技术，以及操作系统、中间件、通讯、云等技术；算法也会涉及聚类算法、机器视觉、深度学习算法、强化学习算法等，可以说技术堆栈非常之厚。越是复杂的系统，根据汽车工业的发展规律，越是需要平台化。因为平台化，第一可以摊薄成本；第二可以保障规模化生产是的质量一致性。汽车工业的底盘平台、发动机平台，过去成功的历史经验已经证明了这一点。在智能驾驶计算平台上，我们认为也应该延用平台化这种优良的基因。
平台化给客户能带来哪些好处呢？我们认为有两大方面：第一，可以有更过更灵活的选择。基于这个平台，智能驾驶的感知、融合、定位、决策、规划、控制等功能可以进行解耦，因为这些功能模块涉及到的技术点、成熟度各不相同，解耦完之后，车企可以积累有一定的自主研发能力，比如说决策规划控制。而感知和融合并不是车企的强项，恰恰相反是IT与AI产业的强项。我们汽车产业可以采用已有的IT与AI产业成熟的技术精华，来为我所用，使得它的选择权也更多，比如说感知可以选择A公司、融合可以选择B公司，决策、规划控制车企可以自己来做，所以车企有更灵活的选择权，同时也带来更多的创新空间。基于同一平台打造不同车型，可大大提升研发效率，包括部门内部技术语言的统一，加快产品的上市时间，实现异步研发等。
我们再来看一看，对于一个车企来说，要积累这种差异化的技术能力应该从哪里着手。对于智能汽车产品来说，真正实现个性化的是决策、规划和控制，感知和融合只是客观世界真实性的一个反映，而且大家的水平应该基本上都差不多。无论是中国国内的公司相比，或者中国跟美国的公司相比，这块上技术差异非常小，真正决定一部车的驾乘体验的是决策、规划和控制。这一点我个人觉得是传统车企的一个优势，因为它积累有大量的底盘的性能、悬架的性能、操控稳定性、行驶平顺性等历史数据，通过这些数据建立仿真系统，进行集成测试与仿真。通过历史数据和仿真系统逐渐加强和积累决策、规划和控制方面的优势，最后通过已有的整车的集成测试能力来实现“四位一体”的良性循环，真正打造具有差异化、个性化竞争力的智能汽车产品。
汽车行业毕竟是一个工业化的行业，标准也是非常关键的，否则整个行业会进入碎片化，只有标准才能把这个行业带向平台化、规模化最终达到量产。站在智能驾驶计算平台的角度，我们遵从业界现有的传感器的接口标准、执行器的接口标准，以及物理工程和信息安全方面的标准。我们可以通过平台，对外开放OS和中间件的API接口，最终建立功能软件平台生态，这种生态的好处是可以促进产业链的精细化分工和产业协作，各参与方聚焦各自所长。比如AI公司可以聚焦于感知、融合技术能力的提升和积累，而车企则可以聚焦于决策、规划和控制这方面的能力与技术积累。
智能驾驶是一个全新的产业，整个产业链面临重构。大家都知道一个道理，组织架构决定系统架构。我们对未来整个智能驾驶产业链的分工也想跟大家做一个探讨。比如智能驾驶研发中心下可以设立应用部门、平台部门、算法部门和集成测试等部门，在算法部可以通过自研和外购这种方式来构建产业链，比如说决策、规划和控制可能由车企自己研发，而感知、融合、定位等功能可以通过外购第三方技术，就是车企可以聚合整个产业链的技术精华，来打造智能驾驶汽车产品。
那么感知、融合算法又来自于哪里呢？因为IT与AI产业目前来看远远比汽车产业发展的更迅猛一些，它们已有数量众多的参与者与算法成果，国内有很多多媒体实验室及AI公司，甚至高校科研院所的一些公司，都有专业的算法。集成多种算法的公司甚至可以成为部件公司，为车企提供感知和融合部件级能力。
一个平台一定要开放才有生命力。在2019年6月份的时候，由中国软件评测中心牵头发布了车载智能计算基础平台参考架构，基于这个平台，基于智能驾驶技术平台的开放性，与传感器、执行器及应用算法伙伴，共同构建智能驾驶生态圈，实现产业链的精细分工和产业协同，最终实现规模化量产的终极目标。
最后，我总结一下今天的发言内容：通过智能驾驶计算平台化方式，开放合作，促进产业分工精细化，车企聚焦于决策规划控制核心能力，并与产业链中传感器、执行器、应用算法等生态伙伴密切合作，共同打造智能驾驶解决方案，用汽车工业平台化模式促进智能驾驶产业健康发展，帮助车企造好车、用户用好车。
我的观点基本上分享完了，今天没有过多介绍华为MDC产品，主要是因为我们将在下个月的北京车展上隆重发布全新一代MDC，欢迎大家届时关注，在此我就不详细展开了。
谢谢大家！
注：本文根据现场速记整理，未经演讲嘉宾审阅，请勿转载