一篇文章读懂大陆集团的自动驾驶理念。

靠着阿波罗计划，百度不仅获得了一个「核武器专家」的称号，更是和像大陆集团、博世这样的汽车供应商巨头达成了战略合作。

虽然这符合目前自动驾驶行业内，汽车与科技公司联合的趋势。但是由于阿波罗计划的「平台整合」式布局与传统 Tier 1 的职能十分类似，因此 Tier 1 具体如何与百度合作这个话题可谓是众说纷纭。

为了解答这个疑惑，在 CES Asia 的现场，我们专访到了大陆集团的首席技术官 Kurt Lehmann 先生，并请他具体聊了聊大陆集团对自动驾驶产业链的理解，它们自己的定位，以及如何与科技公司合作等话题。下文中 K 代表 Kurt Lehmann，G 代表 GeekCar。

G：首先可否请您具体谈谈大陆集团与百度的合作？两家公司的具体分工都是什么？

K：讲真，目前来谈具体的合作细节还为时尚早。因为我们刚刚才签订了战略合作框架协议，这意味着合作意愿的确定，在这之后我们才会开始与百度进一步挖掘技术层面上的合作细节。

我们知道百度也展示了他们自己的无人车，他们对于自动驾驶有着很深的理解，尤其是他们的互联网体系，云端及人工智能的平台。而大陆集团在自动驾驶中的长处则在于零部件，整车的架构以及整合。此外，我们对于人工智能以及云端服务器等也有了解，知道其在自动驾驶领域的重要性。

因此我们认为在大陆集团和百度内部，都会有各自的自动驾驶专家。他们的长处有所不同，百度来自于互联网，更擅长数据分析，而我们来自于汽车工业，擅长于车辆架构的整合。这次合作的目标就是将双方的专家们联合在一起。

G：在我们看来，百度提供的核心技术主要包括软件、算法及云端。因为他们不具备整车零部件生产能力，他们需要和其它的硬件供应商合作才能够完善其自动驾驶平台。那么这可否说明百度在供应链中的角色还是 Tier 2 ？他们需要有大陆集团这样的 Tier 1 来将百度的技术整合到给车厂提供的完整解决方案中？

K：我并不认为现在的情况符合你说的这种形式。目前自动驾驶的产业结构已经不同于传统汽车供应链的这种车厂、Tier 1、Tier 2 的层级模式了。自动驾驶产业更像是一种相互依存的结构（原话为 Symbiotic）。

我举一个自动驾驶在卡车领域的例子。卡车的制造商知道他们需要车队或物流公司，因为这些公司是他们的最终消费者。而物流公司又知道他们需要 Tier 1 来为他们使用的产品提供更好的自动驾驶方案。这就形成了一种相互依存的模式，各个公司的角色不同，但是他们都互相依赖，互相需要。这样的模式不同于传统的甲乙雇佣关系，而更像是一种合作共赢。

回到与百度的问题上。我认为随着自动驾驶的继续发展，你会看到更多这种模式的合作。我相信在未来，行业内将很难再去明确的定义和划分谁是 Tier 1 谁是 Tier 2，甚至有些时候连 OEM 的角色都会不再那么明显。

G：那么您对现在行业中的联盟趋势怎么看？例如谷歌和 FCA 与 Lyft 的联合，以及宝马与德尔福还有 Intel 的联合，这种结盟搭建平台的趋势是否符合您刚才所说的共生体系？

K：用 ESC（Electronic Stability Control 也就是 ESP）系统举例，市场上现有的解决方案就只有那 2 到 3 个平台。起初 OEM 是希望自己能够掌握自动驾驶的核心技术，因为他们希望把竞争力掌握在自己手里，但是后来他们意识到自己做的推进速度很慢，于是就都开始做平台了。

这个趋势让整个产业结构变得更加平行化（原话为 horizontal），就像你说的宝马英特尔与 Mobileye 的合作，百度分别和大陆集团以及博世的合作，另外，英伟达在各个平台都有一定程度的参与。这些平台会持续的扩展，直到有一天不同的平台也会聚合在一起（原话为 Converge）。

如果你了解人工智能的生态，就会知道整个 AI 的体系都建立在开源的基础之上。AI 带来的核心价值都来自于数据，平台越开放就意味着能够获得更多的数据，而更多的数据则会增强平台解决方案的鲁棒性。所以我认为行业发展会让我们最终组成一个核心的大平台，而现在各联盟的解决方案则会成为这个核心平台的附属。

G：我可否将您的观点理解为自动驾驶行业最终会发展出一个统一化的标准？

K：我的观点的核心支撑是一个标准化的安全体系，如果你的解决方案与主流的标准完全不同，那么你的解决方案则更容易受到攻击。所以我们希望能够以一个平行的观念去看待自动驾驶的各个环节，这样才能够让我们的解决方案获得最强的鲁棒性。

比如我们在与一个中国 OEM 的合作中遇到了一个特殊的驾驶场景，那我们就可以将这个场景所产生的数据应用到我们的平台当中，让所有使用我们平台的客户都能从这个数据中受益。这会是自动驾驶的发展方向。

G：谈起标准化和共享，目前地图领域进展良好，但是驾驶数据才是最核心的驱动力。有车厂希望将自己的驾驶数据只能为己所用。大陆集团如何看待驾驶数据？会和其它的合作伙伴分享吗？

K：这个问题我很难给出一个明确的答案和观点。因为这部分取决于具体的合作。我觉得更重要的还是要结合具体的例子来看。如果在道路或者高速路上的某一个位置发生了问题或事故，那么这个问题是应该只让某一个 OEM 知道，还是应该让所有人都知道呢？

所以如果从道德角度出发，那么我认为在未来，数据一定是要越来越共享的。从商业角度出发，我认为企业的核心竞争力应该是如何更好的使用这些共享的数据，而不是如何隐藏或者独占数据。因为数据才是驱动整个自动驾驶发展的关键。

G：您如何看待芯片的重要性，例如 Nvidia 和 Intel 的发力？大陆集团自己也有 ADCU 的多域控制器，在这个方案中，你们使用的是什么芯片？

K：我们刚才谈到了行业内的不同平台，而不同平台所用的芯片也有所不同。作为一家供应商，我们经常会面对这样的问题：在一方面，有多种芯片解决方案可供选择对我们来说是一件好事，因为我们总可以去选更好的。但是在另一方面，如果我们要用某一个芯片方案去负责整套系统的处理与控制的话，那么一旦这个芯片方案的提供者出现了问题，我们该如何应对？

所以在芯片上，我们必须要去平衡这个选择。目前业内主要有 3 类芯片解决方案，Intel 和 Nvidia 是其中的两个阵营，还有一些其它的芯片商例如瑞萨，也和我们保持着紧密的联系。这 3 类方案各不相同，也各有千秋。这对我们这样的供应商来讲是一种转变，我们需要保证我们的软件系统能够在不同芯片解决方案上都具备足够的鲁棒性。

你之前可能有听说过 AUTOSAR（汽车开放系统架构），它的作用就是联合行业内 OEM、供应商、半导体芯片商、软件服务商等，共同为汽车工业开发一个开放的、标准化的软件架构。这能够帮助我们的软件体系在一定程度上不再受不同硬件的制约。（类似于 CUDA 对于 Nvidia 不同 GPU 的作用）

G：Nvidia 和 Intel 已经开始和 OEM 与互联网公司直接合作了，在未来，这些芯片厂商是否有可能在自动驾驶发展过程中赶超 Tier 1 在汽车供应链中的重要性？

K：我无法去预测他们的商业规划。例如他们是否真的希望去自己打造一套汽车安全系统？问题的关键在于未来到底是谁去做方案的最终整合。在这点上我们这几年一直都在讨论，目前来看，客户购买的是整套计算系统，而不仅仅是芯片，所以最终还是需要有人去做整合。

芯片公司在近年的技术创新有目共睹。不过我昨天还看到了一个 Nvidia 的关于数据增长以及他们如何用数据来驱动深度学习的视频，他们已经意识到了数据量的重要性。我认为他们并不会以自我为中心来构建一个封闭生态系统，而是会将这个生态开放给更多的合作伙伴。

所以现在的问题就变成谁将在这个生态里面提供硬件，包括 ECU、以太网链接模块、HMI、传感器等等。从这个层面上来说，整合的工作还是十分复杂的。

G：在传统的供应体系中，OEM 会把各个零部件进行拆分，然后分给不同的供应商来做。但是在自动驾驶领域，现在各阵营的思路都是提供「端到端」的完整解决方案，大陆集团是否也在打造自己的「端到端」方案？

K：是的，我们自己也在开发「端到端」的方案，只是我们并没有像其它公司那样做宣传。不过当你说起「端到端」这个概念时，应该要很小心。「端到端」是指用户端和功能端，这种链接固然非常好，但是它可能只是单一或少数几个功能模块的链接。完整的「端到端」方案需要覆盖越来越多的功能模块，所以还有很多的功能与服务都可以加入到这个「端到端」方案中。

例如一家 OEM 打造了一个「端到端」的方案，而我们则以一个供应商的身份去提供这个方案当中的某一个模块或服务，或许是 Cyber Security，或许是刹车系统等等。在「端到端」方案之上又会有云端，不同的模块可能有不同的云端，但是最后还是需要整合在一个共同的主云端之中。

在这么复杂的体系下，究竟「端到端」指代的是什么？这个词现在被用的太多了，我们必须对它的定义格外小心。行业内大部分谈论「端到端」的人还是指代后台与终端车辆的互联能力：终端车辆产生数据，数据被上传至云端后台，云端对数据进行处理并优化软件系统，最后再将优化后的新系统传回到终端车辆。这个体系当中不管是横向和纵向，对行业内的各公司来说都有着很大的可参与空间。

G：在这个更复杂的体系中，大陆集团的优势在什么地方？

K：作为一个传统供应商，我们自然有自己的「传统」：我们十分注重安全，我们了解如何整合各个产品去实现更好的功能。更重要的是我们还有生产的能力，在保证效率、质量的前提下，以合理的成本将产品生产出来是很困难的一件事。而这正是我们所擅长的。

我们很清楚现在行业的趋势已经逐渐转移到出行服务、车身电子化、云端互联等等方向，但是这些方向最终还要落在产品上，好的产品是需要高效地生产出来的。

很多人提到了一方负责提供方案，一方负责生产的代工模式，但是这种方式其实并不高效。了解整个产品垂直整合的过程以及其中各部件的研发逻辑才能够最大程度的优化最终生产的效率，这个从研发到整合再到生产的「端到端」流程才是我们这样的工业企业成功的关键。

G：可否分享一下大陆集团在 AI 以及云端领域的进展？这两个环节貌似在未来的整车架构中会越来越重要。

K：驱动自动驾驶发展的不仅仅是软件或者算法这样的技术问题，还有很多其他的元素，比如说企业的人力资源体系，比如说财务体系，比如说工业 4.0。在这众多元素中，AI 都可以带来优化。所以说我们对于 AI 的看法是，它不仅仅会在车辆控制中发挥作用，也会在我们整个生产及运营体系中赋能。只要是能够产生数据的地方，AI 都会有一定的作用。

至于云端，大陆集团有一套自主研发的用于内部使用的云端系统，叫做 Continental.cloud。我们正在研发的一些服务也会与这个云端相连。但是就像我之前所说的，我们的云端最终在行业内会是怎样的地位还很难讲。因为现在每个公司都在建立自己的云端，各个云端所收集的数据都会变成各公司的竞争优势。

相互依赖，共生共存。这或许是目前所有从事自动驾驶相关业务的公司的生存法则。在整个行业还没发展成熟的过程中，相互联合把技术先做好是大家的共识。但在合作的背后，各方也在默默稳固自己核心竞争力的同时，期望着能够学到更多合作伙伴的核心竞争力。

因为在整个自动驾驶行业成熟后，还是需要一个主流化的体系，而这个体系究竟由谁来主导？想必不管是车厂，供应商，互联网企业还是 IT 企业，都有着自己的打算和野心。就像我们文中所探讨的那样：虽然目前的自动驾驶产业结构已经越来越平行了，可最终落地时，还是需要有一方来做整合。

Tier 1 能够整合生产，但是科技与互联网公司擅长的云端，和软件服务上，他们又会处在什么地位？这可能是所有人都在思考的问题。

点击图片阅读更多