出品 | 搜狐汽车·汽车咖啡馆

编者按｜2023年4月18日，以“拥抱汽车行业新时代”为主题的2023第二十届上海国际汽车工业展览会在沪举办。2023上海车展作为今年全球第一场A级车展备受全球汽车行业瞩目，搜狐汽车邀请整车及汽车产业链上下游的70余位海内外企业领导者做客“汽车咖啡馆”访谈间，以“车展快问答”的形式就当下汽车产业的发展新趋势、新特点进行深入探讨。

(相关资料图)

以下为智驾科技MAXIEYE创始人兼CEO周圣砚的访谈实录：

搜狐汽车：欢迎大家来搜狐汽车的展台，这里是2023年上海车展的专访直播间，我们今天有幸请到了一位智能驾驶领域里面的大佬周总，接下来我们让周总给我们做一个简单的自我介绍。

周圣砚：大家好，我是智驾科技MAXIEYE的创始人周圣砚，我们公司主要业务是自动驾驶、高级辅助驾驶系统，给整车厂提供软硬件一体的自动驾驶解决方案。很高兴在这里认识大家。

搜狐汽车：周总，这一次特别的机会，我们先请教两个问题，首先，根据您的观察和感受，整车企业的成本压力大不大？

周圣砚：我们觉得其实成本是持续的话题，随着这段时间新能源汽车的渗透率在不断的提高，不断的有新品牌的进入，包括特斯拉国产化的进程加速以后，带动了整个行业从供应链端的降本，所以我觉得成本是一个永恒的话题，车厂有两种方式去控制成本。

第一种，规模化，因为我们都说汽车要做到规模化就可以降本。

第二种，技术要素的设计降本。

我们需要双管齐下才能跟整车厂实现长期共赢。

搜狐汽车：第二，最近不管是整车企业，还是产业链上面的企业朋友，甚至做芯片的企业，大家自动驾驶的发展节奏可能会放慢，因为现在大家关注度比较高的是城市NOA、城市辅助驾驶、L3，真正的落地时间可能就会拉长一些，没有我们预期的那么快，站在您的角度，您觉得发展的节奏，有没有明确的时间表，什么时间可以落地？

周圣砚：我们觉得其实节奏还是挺快的。

从我们三年前去看自动驾驶，包括整车的配置率，我们今天再去看大家说的行泊一体、高速NOA、城市NOA，我们先不管整个系统的成本是多少，实际上是可以满足我们消费者在购车时的需求的，所以我们觉得普及速度已经非常快了，可能比我们5、6年前预想的到了2025年L4车满大街跑，从这个角度来说我们还需要一些时间，我们觉得可能需要到2030年之后有希望能够实现，但实现的前提有两点：

第一，技术成熟度。

第二，能否做到规模化，规模化以后可以产生数据闭环。技术和数据，这两个要素决定了我们以什么样的速度能够实现无人驾驶。

搜狐汽车：针对您这个话题，技术的成熟度的关键点在哪儿？

周圣砚：打开来看，第一，传感器的成熟度，激光雷达、毫米波雷达、摄像头，这些都是不同的传感器，传感器的成熟度、传感器的分辨率、传感器的探测距离。

第二，芯片的算力。

第三，算法，用什么样的模型。

第四，数据，因为有好的算法、芯片、传感器，但需要大量的场景数据训练你的模型。

这四个要素最关键。

搜狐汽车：这四个要素里面我们现在提到的传感器，大家可能讨论到，首先，激光雷达上车大家已经基本达成共识了，有些做毫米波雷达的企业，4D毫米波雷达基本也可以解决一些成像的问题了，这两个传感器在您的观察视角里面，它两个什么关系？替代关系、互补关系？还是在终端产品的应用上4D毫米波雷达可能在成本压力比较小的，更大的中端车型上，还是说激光雷达在成本压力比较小的高端车型上，有这样的情况吗？

周圣砚：可能在部分的应用场景下形成替代，比如说我们做L2+到底是否需要用激光雷达，还是用普通的毫米波雷达或者4D毫米波雷达就可以弥补我们在城市场景探测的点。但是我们认为到了L4全无人驾驶的阶段，多传感器也是一条必然的趋势。短期是因为我们在实现L2，大家技术路径不一样，有一些用了激光雷达，有一些不用激光雷达，比如说特斯拉是不用激光雷达，蔚来、小鹏主推激光雷达，还有华为。其实在过程中会有多种多样的方案出现，最终传感器都需要形成冗余。

搜狐汽车：终极状态下，这几个传感器可能都会存在，但对于冗余的形式存在，里面也有算法的问题，我们现在来看算法大家已经共识了，大家现在又开始基于ChatGPT又引出来大模型的问题，除了我们现在大家比较熟知的，能给我们分享一点更高深的，大家也学习一下。

周圣砚：其实从表面看就这几件事，BEV、传感器、大模型（有些人叫专家系统，有些人叫大模型），我们想大模型解决的是什么问题？BEV和传感器又解决什么问题？BEV和传感器是解决车端的部署问题，大模型解决什么问题？数据问题。我们刚才说了算法、数据，大模型其实是解决数据闭环问题。

我们知道BEV和传感器本质上是基于视频流、事件流，端到端的思路，这种端到端的效果大家都看到了，是一种非常直接的深入学习去做到上帝视角下的精度。

但这个东西也有一个门槛，数据标注没有办法完全用人去做，因为他要标大量的视频序列的时间，大模型解决数据的问题，一个是在云端部署大模型，为我们提供数据量差，一个是在车端用尽可能小的，尽可能精简的算法，实现车端模型的部署，这是两头的问题。

搜狐汽车：您刚才说到数据的问题，特别关键，我们看到不管政策层面、市场层面，针对数据有一些动作，有国家数据局，整车企业有数据的确权问题，可能使用权、持有权、所有权等等，在您的角度里面，数据的所有权的问题，跟数据相关的权利的属性界定上面，会影响数据流通吗？我们恳切希望数据越全越多越好，这样更多的维度可以修炼我们的算法。

周圣砚：我们产业链不同位置的企业，对于数据的关注的确角度不一样，数据本身是车厂甚至本身是C端消费者的，我们只是这个过程当中的一环。我们本质目的是什么？是为了更好的服务于消费者，使得智能驾驶的体验更加流畅、舒适，这个本质是不变的。基于这个本质我们做数据脱敏，防止侵权的事情，包括结合国家的数据安全法，我们要符合国家的法规，在这之上，我们本质目的是为了改善模型，本质没有问题，只是需要在做的过程当中要做很多合规。

搜狐汽车：数据方面我们会跟合作伙伴合作或者下游客户合作，数据在你那儿就行，只是可以随时调用，可以用就行？

周圣砚：对。

搜狐汽车：我们看到很多企业在建超算中心去做大模型的训练，站在您的角度观察，我们每个企业都建自己的超算中心吗？如果不建会影响我们自己的运行效率和迭代效率吗？

周圣砚：我们经常讨论一个话题——重复造轮子，大家都是在做重复的事情，这是产业链的问题。我们看到特斯拉所有的东西自己来做，他为什么自己来做？因为买不到，他一直在往前探索，我们觉得从中国的国情和现实的市场角度出发来看，大家可以在产业链里面形成合力，有些专门做云的，腾讯云、阿里云、亚马逊云，提供了整个云端的服务，我们拿来主义，用就行了，不用每家都建立自己的超算中心，这样是不划算的。

搜狐汽车：但是现在整个市场格局里面达成这种共识了吗？每个企业都找到了自己的清晰的业务边界，华为跟一些整车企业的合作，本身他自己定位是Tier1，他跟业界的合作，有人觉得他已经进入了自主造车的范畴，但是他自己的定义里面不是这样的，这样就导致了每个企业的业务边界还有涉及到操作部分的混乱，不利于整个现状的提升。

周圣砚：这个都是成长中的烦恼，我们说之所以业务不清晰是为什么？本质上还是认为我想要的东西买不到，所以只能自己来干，慢慢的行业里面已经形成一种边界，边界慢慢清晰，分工也慢慢明确，我们看到了，我们以史为鉴，我们看到过去安波福、德尔福等，其实就是最早美国通用公司的一个部门，为什么它要做这个事情呢？他也是很早的去做发动机的系统包括底盘系统，买不到只能自己来干，最后分出去了，因为他发现这种干法效率很低，成本很高，又不市场化。所以它是分久必合，合久必分的故事。

汽车行业是规模效应，要讲究分工，慢慢当我们再往三五年之后回过头看这件事，就是慢慢产生边界的事情，边界清晰了，分工明确了，大家效率提高了，可能每家工厂在整个产业链里面形成良性循环，大家都能够赚到钱。

搜狐汽车：大家慢慢成熟一点，边界清晰一点，边界清晰了，大家的目光、压力就会转移到降本增效，这个时候大家才有更好的商业上的循环？

周圣砚：对。

搜狐汽车：一开始问您的问题您也提到了，在降本方面规模化、技术提升，咱们MAXIEYE在整个降本方面，不管是规模、技术方面怎么部署和开展？

周圣砚：首先我们从去年开始已经进入到了规模化的交付阶段，昨天刚刚发布的一个国内头部车型是全系标配了我们的L2+的产品，我们两个维度部署如下：

第一，规模化，开始的时候降本速度很快，因为从一个月几千台，到一个月几万台，但最后会发现趋平，因为它再也没有降本空间了，因为固定成本摊销不到。

第二，技术降本，我们双管齐下，为什么我们可以做到技术降本？我们在自动驾驶领域是为数不多的感知是自己研发的，大家说全栈自研，大家对于全栈的维度理解不一样，我们是感知自研，我们在L2和L2+所有的感知系统都是自研的，好处在于，我们可以从几个维度，从设计、主芯片SoC选型，能够充分结合我们要实现的功能，充分的设计这样的系统，使得每一块刚刚好够用，我们做了很好的成本平衡。在整个链条里面可以把整个控制器的成本做的相对比较低。

搜狐汽车：这是不是类似于软硬进行联合调优，有点类似于特斯拉的FSD，虽然算力不会像中国企业那么高，但是实现的功能没有差距那么大。

周圣砚：对，软件和硬件，大家说软硬分离，两个概念，软件和硬件要充分去优化，要做到每一块东西都能够完全的匹配，这样的话才能把成本做低。

搜狐汽车：刚才您提到了边界的问题，现在也提到了软件要一起做效率才更高，现在可以看到，有些激光雷达企业，甚至感知硬件的企业，他们如果只做硬件，其成本、未来降本空间和利润空间都是有限的，有可能未来标准化、规模化以后，利润越来越薄，为了追求自己的产品增值和二次增长的曲线，也会自己做系统和做附加的东西，这样会不会跟我们现在作为他们的下游环节，会不会存在一定的冲突，这个需要多长时间的磨合？

周圣砚：我觉得没有什么太冲突的，最主要是我们一直强调，我们一直比较重视产品定义，我们可以软硬解耦，关键是我们设计一套系统的时候，我们有非常清晰的产品定义能力，我知道硬件、软件的边界在哪儿，无非就是你能做的东西我不做，但是我们可以在一起。

自动驾驶你发现没有？自动驾驶车厂的参与度变得高了，而不是像传统的Tier1和Tier2，车厂一起参与到定义到里面，不是说你有一个产品设计我就拿来用，可能在产品设计过程当中就参与进来了。

搜狐汽车：这也是一个合作的变化，以前是链条式的，现在是圆桌式的。

周圣砚：对。

搜狐汽车：这种合作模式会不会加高我们供应链企业的成本，以前链条式的有一个好处，我们标准化多，但我们现在要面对不同的客户，每个客户都要进行匹配，我们投入的人力、物力和非标都会更多了，这些成本怎么办？

周圣砚：这是一个渐进的过程，前两年每家车厂定义的东西千差万别，慢慢的会发现形成共识了。刚才前几个问题，这些技术连你不搞技术的人都懂，慢慢大家也就形成共识了，我觉得大家的产品定义能力会越来越清晰，这样定制化、差异化慢慢就会变得小，所有的定制化都是标准化，因为你发现最终要实现的是类人驾驶，替代人的驾驶。

我们每一个开了有5年驾驶经验的司机，其实驾驶行为都是一样的，就像打出租车，不会因为这个驾驶员的驾龄有点少就不坐它了，你关心的就是A到B点，我完成了就OK了。其实自动驾驶反而是一个标准化的东西，反而不是差异化的东西。

搜狐汽车：对，现在这个新事物刚出来，大家对于它的认识不完全清楚，不同的主体诉求不一样，还没有达成默契，所以认识不一样？

周圣砚：我们作为技术提供商的角度，还要做第二件事，我们做减法，我们有我们对于自动驾驶的理解，车厂有车厂的理解，我们会选择跟我们相似或者相同的客户去开发，差异太多了，太天马行空的我们就选择放弃不做。

搜狐汽车：实际就回到了主机厂做的工作，主机厂面对终端消费者的时候，我的产品品牌调性是什么，产品特征是什么，适合哪类用户，把信息传递过来吸引一堆客户，这个客户就会来买我的东西。我要不停的说，我现在的特征是什么，我可以给每一个类型的你的那个共同目标是什么的企业，提供哪些服务、保证、增值，吸引他们促成我们的合作？

周圣砚：是的。

搜狐汽车：这样对于我们对外的品牌传播和工作会不会压力很大，基于这段工作，你是不是特别忙？

周圣砚：因为我们对于自动驾驶的理解是，我们一定要做规模化的东西，我们还有一个叫做科技平权，我们希望自动驾驶的事情可以覆盖更广大用户群体，而不是说只给30万以上的用户把体验做好，我们主打5-20万的用户群体，这类用户群体占80%的用户，我们把成本做低，原因我们想让更广大的用户群体因为他使用了自动驾驶而提高他的驾驶体验，同时提高了安全性，这是我们的价值观。

我们会用这种价值观去衡量我们应该做什么样的事情，我们应该走什么样的技术路线，我们应该服务哪些客户。

搜狐汽车：这两天因为车展上今年也是特别多的车企来参展，站在您的专业角度，作为一个资深的技术角色，您今年会特别关注哪些内容？给我们做一个参展指南？

周圣砚：我们关注两个方面，一个是车厂在自动驾驶这块的技术路线。

第二，供应商整个自动驾驶的技术趋势。比如说新的传感器、4D毫米波雷达、固态激光雷达，还有一些我们上游的芯片，比如说大算力芯片、中算力芯片。

搜狐汽车：好的，感谢周总今天的分享。