[专访]Professor Park Jeonggyu:“现代汽车自动驾驶,只要紧跟在特斯拉后面也会成功”
KAIST技术经营专业研究生院兼任教授专访
应积极借鉴特斯拉E2E模式…是现实可行的替代方案
中国以“过度战略”加快产业学习速度
转型期软硬件阵营不协调属正常现象
出版《智能汽车霸权战争》一书
“现代汽车在自动驾驶领域哪怕只是紧追在特斯拉身后,也算成功。后发企业的优势在于可以走捷径。我们必须学习特斯拉的方式,也就是端到端(E2E,End-to-End)。”
12日,在接受《亚洲经济》采访时,KAIST技术经营专门研究生院兼任教授 Park Jeonggyu(见照片)作出上述强调。Park教授曾在现代汽车和LG电子研究所工作,广泛积累了汽车与制造现场经验,他并非从新技术竞争,而是从产品架构以及组织和开发方式转型的角度来分析行业变化。近期他出版了《智能汽车霸权战争》一书,展望了由软件定义汽车(SDV)和人工智能(AI)重塑的未来出行竞争格局。
12日,Kaist 技术经营专业研究生院教授 Park Jeonggyu 在首尔江南区 Hyundai Motorstudio Seoul 接受采访。姜振亨 记者提供
View original image后发者的优势,在于可以走捷径
Park教授判断,随着人工智能发展速度远超预期,汽车产业同样进入了重要转折点。他强调,现在是韩国自动驾驶行业积极引入特斯拉式E2E方式的关键时刻。Park教授表示:“快速跟进已经经历过试错的特斯拉方式,可能是现实的选择”,“仅从方向性来看,现代汽车在2023年前后转向E2E方式这一点本身就具有意义。”
目前自动驾驶技术大致分为规则基础(Rule-based)方式和E2E方式。规则基础方式是由人为细致设定行驶规则的路径,安全性较高,但高度依赖高价传感器,系统也会变得复杂,这是一大局限。相反,E2E方式则通过学习数据,让人工智能自主判断。虽然难以解释其内部过程,但对复杂的实际道路环境具有更强适应力。Park教授指出:“仅仅增加传感器数量就能完成自动驾驶的阶段已经过去了”,“现在必须朝着提升车辆‘智能’的方向前进。”
Park教授将追赶特斯拉的战略依据,归结为中国自动驾驶企业的快速成长。他表示:“蔚来、理想、Momenta等由信息技术创业者主导的中国企业,迅速模仿特斯拉方式,从而获得了竞争力”,并将这一现象解释为推动中国智能汽车技术成长的“蜂群战略(Swarm Strategy)”。
也就是说,多家企业同时反复进行试验与挑战,一旦某种方式被证明有效,就迅速模仿和扩散,从而提升整个产业的学习速度。Park教授表示:“我们之所以未能正确读懂中国的崛起,在某种程度上是因为低估了对手”,“现在是需要冷静分析,认真梳理应该向其学习哪些部分的时点。”
自动驾驶转型期,不协调是正常现象
对于传统整车企业中出现的软件(SW)与硬件(HW)、计算机工程与机械工程之间世界观冲突,Park教授反而给出了正面评价。他表示:“以机械工程为基础实力的整车企业,在向软件定义汽车转型过程中出现不协调,是自然而然的步骤”,“没有必要过于负面地看待。”他接着表示:“当产品开始真正进入市场后,就会出现协调的接触点,并逐步找到共识。”
Park教授将软件定义汽车时代的汽车开发,解释为叠加多个技术层的过程。也就是分为负责动力系统(如电动车、混合动力车等)的地上层,在云端和虚拟空间中运作的高空层,以及连接两者的低空层。尤其是低空层负责车载操作系统(OS)和接口,承担连接物理世界与虚拟世界的角色。近期人工智能又作为更上位的一个层级叠加其上,通过学习各层的数据,承担起高度化车辆判断与功能的作用。
Park教授认为,美国和中国的智能汽车企业由信息技术创业者主导,自上而下推进开发并取得成果,而韩国则必须在地面的制造基础之上构建向高空延伸的结构,两者之间的差距不可避免。他表示:“如果作为传统车企的现代汽车能够构建出这样的整合结构,将会成为新的创新范式。”
他指出,韩国自动驾驶行业的结构性局限在于,将软件人力视为外部人力的惯例。Park教授解释称,美国与日本在软件产业竞争力上的差距,同样源自于是否实现软件人力的内部化。根据日本信息处理推进机构(IPA)发布的《数字化转型白皮书2023》,将软件人力作为正式员工内部雇用的比例,美国为65%,而日本仅为26%。
Park教授强调:“如果不能将软件人力吸纳进企业内部,就难以期待在软件定义汽车和自动驾驶领域出现主导性创新”,“值得关注的是,在引领软件定义汽车的美中企业中,多数是在没有汽车经验的人员主导下成长起来的。”
版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。