行業發展解讀：互聯網人，如何「變道」自動駕駛？
- 2022 年 8 月 30 日
- AI
- 自動駕駛平台, 路徑規劃
提起自動駕駛，很多人聯想到的就是高深玄妙的演算法。這種想法其實吸引了很多優秀的人加入到自動駕駛行業中。也正是這樣一種想法，它阻礙了很多行業外的工程師還有互聯網人對自動駕駛整個技術棧行業有一個全面的了解。
我們很榮幸能夠邀請到劉軒老師（元戎啟行副總裁&合伙人）做客深藍AI Live，由劉軒老師來為大家深入的解讀自動駕駛行業發展以及互聯網人該如何「變道」自動駕駛。
以下內容是主持人和劉軒老師的問答內容：
Q：很多朋友可能對自動駕駛不太了解，請您簡單介紹一下自動駕駛到底是做什麼的呢？以及自動駕駛包含哪些技術棧呢？
A：自動駕駛是人工智慧非常重要的一個應用分支。人工智慧的核心是幫助人或替代人去做一些繁瑣、危險的工作。自動駕駛其實就是解放司機在車上的繁雜操作，同時又能夠保證車輛在行駛過程中足夠的安全平穩舒適。
行業中做自動駕駛的公司很多，包括整體解決方案、自動駕駛晶片以及自動駕駛環境感知等局部解決方案的企業。即使做同樣解決方案的企業，在處理各種場景和應用的落地實踐中也不完全相同。
我們企業的目標就是做高級別L4級的自動駕駛。現在有多種多樣的產品，比如傳統的自動駕駛共享出行服務。
目前也在做自動駕駛和量產乘用車結合，可能再過幾年大家就能買到搭載我們產品的面向消費者的自動駕駛車輛。此外，我們也在做自動駕駛輕卡在城市內進行一些貨物的運輸。它所涵蓋的應用和落地場景非常之多。
目前行業內能達成一致的自動駕駛技術，在車上的部分，是需要有各種各樣的演算法模組。比如感知、定位規劃控制等。其次也需要有車載的基礎架構系統。比如車上的中間件、作業系統以及性能監控還有一些功能安全相關的各種系統。
車外還有離線的部分，比如模擬模擬系統，數據的搜集、存儲、標註、管理系統。我們需要有完整的數據閉環，有效的去驗證這個演算法的可靠性、安全性。各方面綜合把這些系統結合在一起，最終構成了整個自動駕駛的一個技術棧。
Q：汽車產業鏈佔據中國總GDP的8%，同時也是人員密集型產業，從上游原材料製造到中上游零配件供給，再到中游的整車製造，最後到末端的銷售以及後期的後市場產業，汽車行業帶動了近千萬人次就業。那麼自動駕駛技術會對整個汽車產業鏈帶來哪些影響呢？
A：一個最直接的影響就是它很大程度推進了「軟體定義汽車」這樣一種模式的發展。在往後的發展中像車內機械零部件、硬體所佔的比重會降低，軟體所佔的比重會提高。
在這種汽車形態中會有兩大塊起到非常重要的作用。一個是智慧座艙，它給用戶提供一個簡單快捷的操作介面。另外更重要也是更難的就是智慧駕駛。它涵蓋了自動駕駛、輔助駕駛等各方面。
各個車企在硬體上不會存在特別大的差異，如何在軟體上體現出更多的差異化，將是未來車企所需要去面臨的重要挑戰。這是自動駕駛技術本身對於車的供應鏈的一個改變，即增大軟體的比重。
另外一方面是當智慧化程度足夠高的時候，它一定會出現新的智慧汽車代替舊的不智慧汽車。整體來講，新舊更替對於汽車的各個零部件的產能、發展其實影響也很大，能夠促進整個汽車行業發展。
Q：自動駕駛屬於前沿科技，行業外的朋友都覺得高端，大家的第一印象就是能力超群的工程師。藉此機會，您能否跟大家聊聊公司的工程師們日常工作是什麼樣子？
A：其實我們的工程師是非常多元化的。一些專註於演算法，需要解決各種各樣棘手的開放演算法相關的問題，比如要設計各種精妙的神經網路，或者是設計決策相關的各種各樣的演算法策略，他們是以演算法為主，但也會去兼顧工程。
以偏工程為主的工程師，會去搭建非常龐大、涉及用戶數量多的高可用低延時的系統，去支撐我們整套演算法及數據驗證。其實不管是偏演算法還是偏工程，他們之間的工作很多時候是互相交集結合在一起的，演算法也需要進行工程化的落地。
比如模擬模擬系統會涉及到各種複雜的演算法。綜合在一起就會發現。我們團隊的工程師經常會有組內和組間各種各樣的交流與協作。大家在一起制定目標，向著這個目標不停的去進行攀登、去實現。
Q：互聯網公司也有技術部門，包括開發和演算法。那麼自動駕駛公司與互聯網公司有明顯的區別嗎？
A：中間有相通的地方，當然也有很大不同。自動駕駛行業中的演算法工程師，相比互聯網演算法工程師來講，首先領域受限制的成分更多一些。在自動駕駛行業中不可能任自己發揮去用各種各樣奇幻的模型，因為我們有一個非常確定的待解決的目標。
另外，對工程師的要求和挑戰其實跟互聯網也會有很大的差別，最大的挑戰在於自動駕駛行業需要對安全性有非常高的保障，且安全性包含多個方面。
第二演算法要能夠保證非常快速的在規定時間內能響應。
互聯網的這種快速迭代思維和汽車行業安全至上的思維，一定要去有機的結合在一起才能真正的把自動駕駛這件事情做好。我認為這是比較大的一個挑戰，也是最大的不同。
Q：互聯網企業中的開發工程師、測試工程師、運維、產品等崗位在自動駕駛行業中有較為匹配的崗位嗎？
A：開發、運維這些都直接有一一對應的崗位。其實很多工程師都是從原來傳統互聯網或傳統軟體行業進入自動駕駛行業的，我們非常歡迎這樣的人才加入。
像測試人才在自動駕駛行業有一些獨特的測試，比如針對自動駕駛場景，車在路上行駛的情況如何做測試分析。測試人員實際在自動駕駛行業中需求是很多的。
互聯網產品更多的是軟體，對於自動駕駛車輛，它的載體是放在汽車裡不能單獨存在的。實際測試時一定要結合硬體，上路進行測試。
我相信在自動駕駛方面測試相關人員的需求量比互聯網要更大，而且它的難度挑戰也會更高。
Q：從互聯網跨行自動駕駛，需要額外準備什麼內容嗎？
A：實際上自動駕駛行業還是非常缺乏人才的。特別是高品質、高素質的工程師。這個行業本身時間還不夠長，也有很多人之前完全沒有相關的專業知識。邊學邊做也能相當不錯。
所以對我們企業來講，如果工程師本身的素質足夠優秀，那可以不需要懂這方面專業的知識。如果這位工程師對自動駕駛比較感興趣。
建議他能夠了解一些現在自動駕駛最前沿的技術和現在熱點的技術，如果在這些方面能足夠了解，那能進入這個行業是加分的。
A：第一點是要認可自動駕駛行業及自己即將所做的工作。實現理想中的自動駕駛是一個非常長期的事情，不是一蹴而就的。互聯網公司可以很快研發出品一款app，獲取幾億的用戶，做出非常大的成就備受矚目。
但相對而言，自動駕駛的周期則要長很多，我們必須經過不斷的努力、不斷嘗試，把那些錯誤的演算法全部摒棄，直至能夠做出安全、可靠的系統方案。這個過程是很痛苦的，一定要對我們做的事情有足夠高的認可和信心，堅信我們最終一定能成功。
第二點是工程師候選人的基本工程素養要高，頭腦要足夠靈活，能夠去解決各種艱難的問題。我相信中國互聯網行業有大批這樣的優秀人才。
第三點是希望候選人有開放、包容、合作的心態，能夠高效的進行團隊溝通、協作。
只要做到以上三點，在自動駕駛行業內肯定有立足之處，而且有可能取得不錯的結果。候選人除了要有過硬的基礎能力外，也需要耐心、開放，包容的面對行業的發展。
以下內容是同學們的想知道的問題：
Q：在職業發展過程中，對您影響最大的一件事是什麼？對於剛畢業或者還沒有畢業的同學，您能不能給他們提供一些職業發展或者選擇方向的建議。
A：在我職業發展中影響最大一件事情就是我當時為什麼要選擇就是從互聯網進入到自動駕駛行業。博士畢業之後，我在美國google 總部，做互聯網相關的工作，在google內部，也有看到google 無人車的一些程式碼和文檔，當時很感興趣，我也希望做一些更有挑戰、更有成就感的事情。
就在這時，我在百度的同學邀請說：「我們來做一下無人車吧」，當時整個團隊可以說是一窮二白，甚至還沒有一個靠譜的程式能把車跑起來，整個過程中變化最大的契機可能是運氣使然。我給各位一個建議，盡量不要去限制自己的可能性。趁著年輕，可以多嘗試一些新鮮的機會，哪怕在當時看來可能還不是一個特別熱門的行業，也許之後就會有不一樣的發展。
對於剛畢業的學生，我認為他們其實是挺難去把握住整個行業的機會跟發展。對於剛畢業的同學而言，首先要能夠認識到什麼樣的行業是一個值得去的，是一個有前景的行業。
很明顯在目前整個大的經濟環境下，中國最好的行業就是硬科技行業，比如晶片人工智慧。另外一方面，對於每個行業最好能夠摸透這個行業內最領先的公司是什麼，他們在做什麼樣的事情，當把這些東西搞清楚之後，畢業的學生就不太容易被騙。
總體來講，剛畢業的學生因為工作時間比較短，可能性很大，多多嘗試一些機會是沒問題的。
Q：應屆生對整個自動駕駛系統的其他的模組了解比較少，您覺得應屆生有沒有必要花時間去了解和學習專業外的其他模組？
A：如果有時間跟精力的話，我建議是要去學，因為視覺是前些年研究比較多的，這幾年在感知領域、點雲的研究也越來越多。融合的感知模型演算法也很多。從對個人發展比較好的角度，能學的更多，能去動手做一些是最好的。
在學校裡面有一個缺陷就是很難接觸到最真實的海量數據。我的建議最好能夠來到我們這樣的行業內，到有真實數據的公司裡面實際實習或者全職。
Q：嵌入式相關的工作在自動駕駛的企業裡面是不是也有對應的崗位？
A：現在自動駕駛一個非常重要的方向，就是自動駕駛跟量產車的結合。以後的自動駕駛演算法一定不會運行在在大型工程機上，而是在嵌入式的車規級晶片上。
所以不管是嵌入式軟體還是是硬體方面，整個行業都非常稀缺。之前自動駕駛行業可能沒有那麼重視，但以後重視程度會越來越高。
Q：做中間件開發工程師需要具備哪些能力？未來的職業發展方向如何？
A：其實自動駕駛公司裡面反而要求對每個模組理解要更深入一些。特別是對於模組之間什麼時候該去觸發、什麼時候該運行、如何資源分配等的理解。基本上要精通自動駕駛整個軟體部分。
也就是需要對電腦系統有深刻的理解，特別是作業系統如何調度它的快取、IO還有性能相關的分析處理，再加上網路通訊相關的能力。另外比如多執行緒的程式執行任務，可能涉及到異構的計算，GPU 或者是FPGA 加速卡的調度，都需要理解。
早先很多自動駕駛企業更多偏向演算法，以後隨著自動駕駛逐漸產品化量產方，中間件的工作會越來越重要。
Q：對於在校生除了實習的這個途徑，還有沒有其他一些比較有效的方式能夠提升自己的工程能力？
A：我覺得工程能力分為兩方面。一方面是理論，一方面是實踐，剛好我們和深藍學院開設的這門課程就是理論跟實踐相結合。除此之外，如果對相關開源項目感興趣的話，可以去研究，甚至做出自己的貢獻。
這些也都可以提升自己的能力。但是在公司實習會更容易接觸到實習數據，所以我的建議還是要這兩種結合在一起，從綜合的各方面來提升自己。
Q：有同學問道，做無人駕駛路徑規劃要投遞自動駕駛公司什麼崗位？
A：決策規劃也是自動駕駛方面一個非常重要的演算法。我建議投遞決策規劃相關的一些包含控制的崗位。當然無人車跟無人機比起來難度是不一樣的。因為無人機雖然有三個維度，但在空中沒有紅綠燈，沒有行人。相對來說和在地面上解決這些突發情況不太一樣，但是也歡迎投遞簡歷。
Q：各大自動駕駛公司的基礎架構都是類似的嗎？做工程也需要懂演算法嗎？
A：這個問題其實很好。一些頭部的自動駕駛企業比如pony 、百度，可以看到他們自己的公眾號上也會有一些基礎架構課程。總體來講，大家的思路一致，在實現上可能會有些不同，但最終是殊途同歸的。
因為基礎架構並不是要能夠做一套看起來特別酷炫的東西給別人展示。更重要的是如何幫助演算法做得更好。當然每一家的演算法的能力和缺陷是不一樣的，這也就決定了他們的基礎架構側重點的不同。
做工程的需要懂演算法嗎？在內部的實踐來看，如果懂是最好的。因為很多時候做基礎架構要去理解，如果能夠有演算法上的想法是非常好的。
另一方面，我們的這些系統內部會涉及決策規劃，或者會有強化學習相關的演算法工作，並不是說做基礎架構，一定就是純工程的工作，因為越來越多的公司都在盡量的學習各種各樣的東西，這樣才能提升自己的效率，讓自己的演算法做的更好。
