美国对华芯片出口限制重拳出击，全球芯片行业蒸发2400亿美元

莲花是一个起源于英国的跑车品牌。至今已有74年历史。2017年，路特斯开始在中国布局超高端智能电动生活车。在汽车新四化的大背景下，路特斯成为行业内第一个向电动化、智能化转型的超豪华跑车品牌。2018年，路特斯提出面向全球的“愿景80”品牌复兴计划，将陆续推出路特斯品牌制造的超高端智能电动生活车。

“软件定义汽车，硬件定义软件的天花板。”莲花科技智能驾驶算法软件高级总监肖扬发表了主题为“机器人时代已经来临，智能汽车是机器人的第一形态”的演讲。以下是发言摘要:

莲花科技智能驾驶算法软件高级总监肖扬

凯文·凯利在《失控》中说:“机器正在变成生物，生物正在变成工程。”这句话提出已经20多年了，但仍然具有指导科技产业发展趋势的现实意义。尤其是“机器正在变得生物化”也是莲花科技智能驾驶团队一直在思考的问题:机器人的时代已经到来。机器人的最初形态是什么？我们认为，在人工智能大规模落地的前提下，智能汽车将是机器人的第一形态。因为智能汽车行业可以承载人工智能整体落地所需的体量。

莲花的“赛道”基因

我先介绍一下莲花。路特斯是一个起源于英国的跑车品牌，至今已有74年历史。此前，他主要专注于跑车领域。2017年加入吉利家族后，路特斯开始在国内布局超高端智能电动生活车。2018年，路特斯提出面向全球的“愿景80”品牌复兴计划，将陆续推出路特斯品牌制造的超高端智能电动生活车。在“新四化”的大背景下，路特斯成为行业内第一个向电动化、智能化转型的超豪华跑车品牌。

过去，路特斯在F1赛道上有着辉煌的历史，在世界一级方程式锦标赛中获得了七次年度冠军。总的来说，“轨迹”就是刻在莲花骨子里的基因。未来，路特斯品牌将延续“赛道”基因，在纯电动智能的新赛道上再创辉煌。

图片来源:莲花

现代汽车工业进入新时代。

传统汽车机械时代，我们会用马力、缸数、最高时速来定义汽车性能。现在进入一个新时代，尤其是汽车智能化、网络化之后，我们逐渐看到这样一个趋势:大家会用计算平台的计算能力、传感器的数量、电子电气架构来定义新一代智能汽车的性能水平。

与此同时，莲花也在积极拥抱变化。相比于传统的智能驾驶分类，我们更倾向于用“接管里程”和“覆盖里程”两个核心维度来定义智能驾驶的性能水平。

关于莲花科技智能驾驶团队目前的工作有三个重点:硬件、软件和云。

首先是硬件，由于莲花品牌调性相对较高，价格也较高，所以车型的成本承受能力相对更好，也可以支持莲花品牌的智能驾驶系统，拥有更高的计算能力和更高精度的传感器组合。在我们看来，智能驾驶还处于追求更高、更快、更强的阶段，所以更强的硬件才能支撑路特斯实现这个目标，进而逐步实现配置探索。

莲花打造的智能驾驶系统的硬件部分由4个激光雷达、7个800万像素摄像头、4个200万像素全景摄像头、12个超声波雷达、2个4-D成像毫米波雷达和4个弯道雷达组成，并配备了2个NVIDIA Orion-X芯片，具有508TOPS的高计算能力。如此超豪华的硬件配置，应该属于世界顶级配置。我们预计这种硬件嵌入将为后期软件算法的迭代提供很高的天花板……并给用户带来更好的体验。

再说软件。Lotus围绕软件构建了三个重要的模型:风险模型、游戏模型和独占模型。风险模型深度契合人机共驾的主题，融合了软件算法开发的深度思考和前沿的软件算法研发能力。路特斯期待带给用户不一样的差异化体验，体现路特斯自身的“赛道”基因。

风险模型能更好地实现“人机共驾”

下面重点介绍Lotus创建的风险模型，以及与人机共驾相关的功能。其实有一个认知，智能驾驶主要是用功能来定义的，包括LKA车道保持、AEB防撞等功能，来定义我们给用户提供什么样的体验。但现在会逐渐从功能定义转向以性能定义产品能力，其中性能的定义取决于刚才提到的两个维度:MPI(接管里程)和CMI(覆盖里程)。当然，这两个维度也离不开四个核心指标，即安全、法规、智能、舒适。

风险模型用一句话来解释:排除一切主动收购。在左图中，深黄色是我们的系统可以提供的能力，浅黄色是当前环境需要的安全能力。横轴上随着时间的推移，这些能力会动态变化，暗黄色的领域总是覆盖了浅黄色系统环境的要求。在这种情况下，人们需要干预、接管或介入整个驾驶行为，以保证系统的安全。

图片来源:莲花

如果风险模型期望完全消除主动接管，就必须达到正确的数字，即让深黄色区域尽可能地增长，系统能够准确识别浅黄色环境的要求，从而减少人工干预，彻底释放驾驶员的能量。用一句话解释风险模型，其实可以是一个不等式，即“系统能力+驾驶员参与>环境要求”。

风险模型要分三步做:第一步，提高识别风险的能力。首先将US(用户故事)和MPI问题整合为风险模型的需求，产品定期分析路测问题，圈定风险模型的责任范围。对于指定的路测问题，将风险模型的召回率统计为衡量风险模型的量化指标。第二，大量路测和长尾问题的积累，有助于维护庞大完整的风险场景库，更好地解决系统识别环境风险的能力。第二步，了解系统的安全能力，这需要大量的闭环数据和海量的路测，找出系统能够达到的性能和能力边界。第三步相对简单。在回答了“系统能力+驾驶员参与>环境要求”的不等式后，充分识别环境风险，充分理解系统边界能力，就可以解决控制权何时需要从机器移交到人手的问题，最终实现真正的人机共驾。

robo Galaxy——智能驾驶的云数据工厂

Lotus在做风险模型的时候也用了一些深度学习的AI算法。要实现这个功能，系统背后必须有一个非常强大的基础设施支撑，那就是云基础设施。刚才提到了硬件、软件和云，如果用一句话来解释它们之间的关系，其实就是硬件决定了整个智能驾驶系统的天花板，软件决定了系统能够达到的上限，最后云可以帮助系统以更大的加速度达到上限。硬件、软件和云的结合可以创造更好的智能驾驶。

为了将路特斯打造成为智能驾驶的最佳实践平台，提高软件迭代和测试验证能力，解决业务断点和数据碎片化问题，路特斯智能驾驶的发展从手工作坊式模式走向自动化生产线生产模式，这归功于路特斯智能驾驶工具链的SaaS系统——Robo Galaxy。

ROBO银河采用混合云方案。首先……公有云的辅助计算资源用于补充系统的计算消耗；然后通过私有云存储智能驾驶R&D和量产过程中收集的海量数据；最后，配合机要机房，达到安全合规的目的。

作为智能驾驶领域的工具链解决方案，ROBO银河的定位是智能驾驶的云数据工厂。基于PaaS层顶层的统一数据管理平台，开放数据采集、数据合规、数据标注、数据训练、数据模拟、数据监控六大主要组件，形成全流程服务，实现完整的数据驱动闭环。

图片来源:莲花

ROBO银河有三大优势:强兼容性、全链路、动态分配。将继续在智能驾驶的流水线上造血，挖掘数据价值，迭代算法，提升系统能力，期待为智能驾驶行业解决数据孤岛、算法优化慢的痛点，带来更便捷的云管理和云服务，加速智能驾驶行业走向更高更快更强的时代。

(以上内容来自于2022年9月15日由Gaspar主办的2022年第五届自动驾驶与人机共驾论坛上，莲花科技智能驾驶算法软件高级总监肖扬发表的题为《机器人时代已经到来，智能汽车是机器人的第一形态》的主题演讲。)莲花是一个起源于英国的跑车品牌。至今已有74年历史。2017年，路特斯开始在中国布局超高端智能电动生活车。在汽车新四化的大背景下，路特斯成为行业内第一个向电动化、智能化转型的超豪华跑车品牌。2018年，路特斯提出面向全球的“愿景80”品牌复兴计划，将陆续推出路特斯品牌制造的超高端智能电动生活车。

“软件定义汽车，硬件定义软件的天花板。”莲花科技智能驾驶算法软件高级总监肖扬发表了主题为“机器人时代已经来临，智能汽车是机器人的第一形态”的演讲。以下是发言摘要:

莲花科技智能驾驶算法软件高级总监肖扬

凯文·凯利在《失控》中说:“机器正在变成生物，生物正在变成工程。”这句话提出已经20多年了，但仍然具有指导科技产业发展趋势的现实意义。尤其是“机器正在变得生物化”也是莲花科技智能驾驶团队一直在思考的问题:机器人的时代已经到来。机器人的最初形态是什么？我们认为，在人工智能大规模落地的前提下，智能汽车将是机器人的第一形态。因为智能汽车行业可以承载人工智能整体落地所需的体量。

莲花的“赛道”基因

我先介绍一下莲花。路特斯是一个起源于英国的跑车品牌，至今已有74年历史。此前，他主要专注于跑车领域。2017年加入吉利家族后，路特斯开始在国内布局超高端智能电动生活车。2018年，路特斯提出面向全球的“愿景80”品牌复兴计划，将陆续推出路特斯品牌制造的超高端智能电动生活车。在“新四化”的大背景下，路特斯成为行业内第一个向电动化、智能化转型的超豪华跑车品牌。

过去，路特斯在F1赛道上有着辉煌的历史，在世界一级方程式锦标赛中获得了七次年度冠军。总的来说，“轨迹”就是刻在莲花骨子里的基因。未来，路特斯品牌将延续“赛道”基因，在纯电动智能的新赛道上再创辉煌。

图片来源:莲花

现代汽车工业进入新时代。

传统汽车机械时代，我们会用马力、缸数、最高时速来定义汽车性能。现在进入一个新的时代，尤其是汽车智能化、网络化之后，我们逐渐看到这样一个趋势:大家会用计算平台的计算能力、传感器的数量、e……电子和电气建筑。

与此同时，莲花也在积极拥抱变化。相比于传统的智能驾驶分类，我们更倾向于用“接管里程”和“覆盖里程”两个核心维度来定义智能驾驶的性能水平。

关于莲花科技智能驾驶团队目前的工作有三个重点:硬件、软件和云。

首先是硬件，由于莲花品牌调性相对较高，价格也较高，所以车型的成本承受能力相对更好，也可以支持莲花品牌的智能驾驶系统，拥有更高的计算能力和更高精度的传感器组合。从我们的角度来说，智能驾驶还处于追求更高、更快、更强的阶段，所以更强的硬件才能支撑路特斯实现这个目标，进而逐步实现配置探索。

莲花打造的智能驾驶系统的硬件部分由4个激光雷达、7个800万像素摄像头、4个200万像素全景摄像头、12个超声波雷达、2个4-D成像毫米波雷达和4个弯道雷达组成，并配备了2个NVIDIA Orion-X芯片，具有508TOPS的高计算能力。如此超豪华的硬件配置，应该属于世界顶级配置。我们期待这种硬件嵌入能为后期软件算法的迭代提供非常高的天花板，给用户带来更好的体验。

再说软件。Lotus围绕软件构建了三个重要的模型:风险模型、游戏模型和独占模型。风险模型深度契合人机共驾的主题，融合了软件算法开发的深度思考和前沿的软件算法研发能力。路特斯期待带给用户不一样的差异化体验，体现路特斯自身的“赛道”基因。

风险模型能更好地实现“人机共驾”

下面重点介绍Lotus创建的风险模型，以及与人机共驾相关的功能。其实有一个认知，智能驾驶主要是用功能来定义的，包括LKA车道保持、AEB防撞等功能，来定义我们给用户提供什么样的体验。但现在会逐渐从功能定义转向以性能定义产品能力，其中性能的定义取决于刚才提到的两个维度:MPI(接管里程)和CMI(覆盖里程)。当然，这两个维度也离不开四个核心指标，即安全、法规、智能、舒适。

风险模型用一句话来解释:排除一切主动收购。在左图中，深黄色是我们的系统可以提供的能力，浅黄色是当前环境需要的安全能力。横轴上随着时间的推移，这些能力会动态变化，暗黄色的领域总是覆盖了浅黄色系统环境的要求。在这种情况下，人们需要干预、接管或介入整个驾驶行为，以保证系统的安全。

图片来源:莲花

如果风险模型期望完全消除主动接管，就必须达到正确的数字，即让深黄色区域尽可能地增长，系统能够准确识别浅黄色环境的要求，从而减少人工干预，彻底释放驾驶员的能量。用一句话解释风险模型，其实可以是一个不等式，即“系统能力+驾驶员参与>环境要求”。

风险模型要分三步做:第一步，提高识别风险的能力。首先将US(用户故事)和MPI问题整合为风险模型的需求，产品定期分析路测问题，圈定风险模型的责任范围。对于指定的路测问题，将风险模型的召回率统计为衡量风险模型的量化指标。第二，大量路测和长尾问题的积累，有助于维护庞大完整的风险场景库，更好地解决系统识别环境风险的能力。第二步，了解系统的安全能力，这需要大量的闭环数据和海量的路测，找出系统能够达到的性能和能力边界。第三步相对简单。答完“sy……的不等式后em能力+驾驶员参与>环境要求”，充分识别环境风险，充分理解系统边界能力，才能解决何时需要将控制权从机器移交到人手里的问题，最终实现真正的人机共驾。

robo Galaxy——智能驾驶的云数据工厂

Lotus在做风险模型的时候也用了一些深度学习的AI算法。要实现这个功能，系统背后必须有一个非常强大的基础设施支撑，那就是云基础设施。刚才提到了硬件、软件和云，如果用一句话来解释它们之间的关系，其实就是硬件决定了整个智能驾驶系统的天花板，软件决定了系统能够达到的上限，最后云可以帮助系统以更大的加速度达到上限。硬件、软件和云的结合可以创造更好的智能驾驶。

为了将路特斯打造成为智能驾驶的最佳实践平台，提高软件迭代和测试验证能力，解决业务断点和数据碎片化问题，路特斯智能驾驶的发展从手工作坊式模式走向自动化生产线生产模式，这归功于路特斯智能驾驶工具链的SaaS系统——Robo Galaxy。

ROBO银河采用混合云方案。首先利用公有云的海量计算资源来补充系统对计算的消耗；然后通过私有云存储智能驾驶R&D和量产过程中收集的海量数据；最后，配合机要机房，达到安全合规的目的。

作为智能驾驶领域的工具链解决方案，ROBO银河的定位是智能驾驶的云数据工厂。基于PaaS层顶层的统一数据管理平台，开放数据采集、数据合规、数据标注、数据训练、数据模拟、数据监控六大主要组件，形成全流程服务，实现完整的数据驱动闭环。

图片来源:莲花

ROBO银河有三大优势:强兼容性、全链路、动态分配。将继续在智能驾驶的流水线上造血，挖掘数据价值，迭代算法，提升系统能力，期待为智能驾驶行业解决数据孤岛、算法优化慢的痛点，带来更便捷的云管理和云服务，加速智能驾驶行业走向更高更快更强的时代。

(以上内容来自于2022年9月15日由Gaspar主办的2022年第五届自动驾驶与人机共驾论坛上，莲花科技智能驾驶算法软件高级总监肖扬发表的题为《机器人时代已经到来，智能汽车是机器人的第一形态》的主题演讲。)

标签：RAM

汽车资讯热门资讯