自动驾驶系列课 | 看小鹏汽车如何量产自动驾驶！【附PPT】

小鹏汽车自动驾驶负责人详解，自动驾驶技术如何低成本“上车”！

车东西（公众号：chedongxi）

导语：

汽车产业经历剧变，自动驾驶浪潮来袭。是被浪潮吞没，还是屹立于浪潮之巅？如何摘得“人工智能项目之母”桂冠，用智能代替双手掌控车辆？从9月14日起，智东西重磅推出9堂自动驾驶系列课。9位实战派导师将为大家奉献超过810分钟的系统讲解和深度互动，完成对 33个知识点的专业拆解，和你一起建立未来汽车的知识壁垒。

第6课为小鹏汽车自动驾驶负责人肖志光讲解，主题为《新造车务实派如何看待自动驾驶》。

在车东西公众号对话框回复“自动驾驶”，获取系列课PPT下载。

本课干货以及肖志光所述精彩观点，智东西摘录如下，一分钟概览课程。

要点速览

1、新造车公司如何看待自动驾驶技术

自动驾驶的实现路径分为两大流派，一个是以谷歌为代表的，直上L4-L5的“一步到位”；一个是以特斯拉为代表的，从L1向L4迭代的“循序渐进”。

自动驾驶技术虽然火热，但是从多个维度来考量，其发展会在一段时间内处于初级状态，未来七八年内，L1-L3水平的“人机共驾”将会是量产型自动驾驶的主流，决定这一阶段特点的因素包括自动驾驶的技术瓶颈与配套设施的相对落后。

其中技术瓶颈包括：人工智能成熟度有待发展；可量产车规传感器未达理想状态；暴涨的自动驾驶代码在汽车控制中有待验证；低成本线控系统尚未普及。

配套设施的问题包括：法律法规尚不完善；基础设施仍未建立；大众对自动驾驶接受度未成熟。

基于这种形势，新造车公司更可能选择循序渐进的路径。

2、自动驾驶技术如何量产装车

自动驾驶技术要进行量产，首先要合理定义产品、建立研发能力、深度整合供应链。在基本条件满足后，需要同时设计自动驾驶系统（硬件）、开发配套算法和软件。

在硬件系统中，可直接读取、融合传感器数据，输出决策控制结果的集成式架构正被越来越多地接受。软件系统上，松耦合的算法模块有助于提高自动驾驶软件的可移植性与扩展性。在这样的软硬件系统中，未来的趋势将是，通过空中升级在完整的（具备L4能力）自动驾驶硬件平台上进行软件迭代以逐步实现自动驾驶的进化。

3、自动驾驶如何亲民：小鹏的案例

新造车企业在自动驾驶上相对务实，倾向于先把初级自动驾驶功能做好。以小鹏汽车为例，目前其重点开发了全自动泊车以及60km时速下的自动跟随功能，对道路环境目标识别和低成本高精度定位的预研，也正在开展。

主讲实录

肖志光：大家好。我是来自小鹏汽车的肖志光，目前负责公司自动驾驶开发的业务。今天很高兴与各位同行一起探讨自动驾驶，我今天分享的主题是如何落地自动驾驶。我将从我们对自动驾驶的观点，我们如何落地自动驾驶以及我们的进展三个方面展开分享，希望对各位同行，不管是在研发或者是调研中，都能够有所帮助。

1、新造车公司如何看待自动驾驶

人机共驾

我们开始第一个话题。我们认为在未来七八年内，乘用车主要是以人机共驾的形式推出自动驾驶量产产品。根据美国汽车工程师协会的定义，Leve 1, Level2和level3都属于人机共驾，Level 1和Level 2以人来监控环境为主，而Level 3是以车监控环境为主。

自动驾驶领域目前分为两个流派，一个是一步到位，也就是说，直接开发Level 4和Level 5级别的自动驾驶。比如谷歌在2015年就推出了Waymo，一辆非常可爱的车，他们做了非常大胆的尝试——去掉了方向盘、刹车和油门。他们通过去掉这些在车上经历了一百多年的执行器，来表明他们直接开发无人驾驶的决心，不过目前这款车还没有批量生产。

另外一个是循序渐进，从Level 1到Level 4的逐步迭代。比如特斯拉在超级巡航和车道保持的基础上推出了我们非常熟悉的 Autopilot 1.0，自动化程度很高，但其实也属于Level 2的级别。特斯拉今年又推出了全自动驾驶的硬件方案，但是它释放功能还是从level 2开始的，更高级别的自动驾驶在后面是通过空中升级来进行迭代。

基于乘用车产品落地这一出发点，我们更倾向于循序渐进的开发方式。根据当前自动驾驶的硬件和算法水平，推出可以改善用户体验，智能化程度高的自动驾驶功能。

量产自动驾驶的技术瓶颈

我从两个维度来谈一下自己的看法。首先，自动驾驶还存在一些技术瓶颈，需要较长的时间进行突破。我在图片里列举了四个点，比如现在比较热门的人工智能，它其实远没有达到我们的期望和通过图灵测试的水平，目前还没有一种像人一样思考的通用型人工智能算法。以人工智能中最火爆的深度学习为例，它在图像识别、语音识别和文本识别，甚至某些医疗诊断上确实取得了突破。但是我们也不能忽视它对数据的苛刻以及不可解析性，同时它很难应对新情况以及具有不安全性。这些问题让我认为人工智能还处于一个入门期，尽管潜力巨大，但是还需要比较长的时间来成长。

第二点，传感器也没有达到理想的状态，每一种用于自动驾驶的传感器都有它的局限性和缺点。比如毫米波雷达的横向精度不是特别高，它也有可能漏检静止物体，以及它不能像激光雷达一样去描述物体的轮廓。再比如摄像头的检测能力和可靠性是高度依赖算法的水平，另外也比较受强光雨雾等天气的影响。

第三点，随着智能算法和架构软件的大量应用，汽车领域的代码量在前所未有地快速增加，很多借鉴的代码并没有在汽车上进行严格的验证，如何测试代码以及安全地应用代码将是一项非常重要的工作。比如，把ROS系统应用到无人车上是否真正安全，是不是需要针对汽车这一个应用领域再出车规的ROS系统？我相信这些事情还需要很长时间去探讨。

2015年中国汽车的销量大概有2500万辆，其中搭载ADAS系统的汽车不到3%。从这些数据上可以看到，线控执行系统的普及率非常低，也可以反映线控执行系统的几个问题。它的成本相对比较高，本身有一些技术门槛，目前只有博世、大陆等几家顶级的供应商能做这件事情，提高其产能需要一个过程和时间。

量产自动驾驶的配套建设问题

我们再看看另外一个维度，自动驾驶的配套建设目前也存在不足。首先，法律法规不完善，国内的法律法规更是空白，还没有类似于美国加州用于测试研发或者德国自动驾驶产品的责任划分等相关法规。接着在交通设施的配套上，自动驾驶作为交通领域革命性技术必然会像当年汽车代替马车一样，对道路设施发生深刻的影响。而具体会产生什么样的影响，最后的道路形态是怎样的？这些还不清楚。我们只知道交通设施建设牵扯到的东西太多了，周期也会非常长。最后自动驾驶目前其实受到人们过热的关注。任何由自动驾驶造成的安全事故都会被放大，很容易让别人产生自动驾驶不安全的印象，影响大家对它的正确认识，所以人们对它的正确认识还需要一定的时间去磨合。

总的来讲，自动驾驶是一个系统工程，是一件资源密集型、有技术难度的事情，这种需要综合各方面资源的工程容易形成短板效应，所以大家需要清楚地区分哪些是以技术突破为目的的研发，哪些是以技术积累为目的的研发，哪些是以用户可以实实在在体验到的产品为目的的研发。

我们认为可量产的自动驾驶需要随着技术和配套相互作用往前发展而逐步成熟。人机共驾这种形式将存在较长的时间，事实上目前市场上推出的量产车型无一例外都是这种形态的。下面这张图片列举了三个大家都比较熟悉的车型，我不再赘述。

2、自动驾驶如何量产装车

我们再看看第二个话题——如何落地自动驾驶，当然这里谈的自动驾驶就不是Demo，而是一些搭载到小鹏车型上面向用户的功能。

自动驾驶开发体系重点

我要重点讲这张PPT。首先我想聊一下我们的开发思路，我们的量产开发是从合理定义产品，建立自己的研发能力以及深度整合供应链三个方面展开的。

我们在产品开发过程中首先遵循短期内可量产的原则。这既是小鹏发展的需要，也符合我们提倡的快速迭代的理念。这并不是指我们定义的产品就是落后的产品，我们会充分挖掘现有的技术潜能，从改善用户体验的角度来设计产品。打个比方，特斯拉推出Autopilot 1.0时让人眼前一亮，但实际上他没有做太大的技术突破，而是综合了车道保持、超级巡航和车辆跟随等技术，并做了一个无缝切换，改善了用户体验。

第二个方面是一定要建立我们自己的研发能力。我们认为现在是汽车由硬件定义转变为软件定义的一个时代，软件工程师将是造车非常重要的人才资源和核心技术的来源，所以我们非常重视算法的开发。同时我们也非常重视汽车行业经验的积累，汽车经历了一百多年的发展，积累了丰富的工程经验：如何集成和匹配系统，如何把控供应商，这里面有非常成熟的技术管理经验，是非常值得我们去借鉴的。也是构建汽车安全的基石，如何应用这些经验，如何站在巨人的肩上去做创新，也是我们努力突破的方向之一。

第三个方面是深度整合供应链。这一点体现了我们对原有成熟技术的认可，也是我们寻求创新的突破口。在主机厂跟供应商之间的合作关系和流程固化起来之后，尽管它可以方便管理，提高开发效率和产品质量，但同时它也阻碍了创新的思维和尝试。目前来看，以前固有的合作方式已经掩盖了一些近年技术进步产生的技术潜能，所以我们一直在供应链中寻求新的合作模式来加快产品的开发和创新，同时也是积累自身的技术能力。我们已经和一家顶级的供应商在做尝试，另外我们也试图尝试通过我们对自动驾驶的理解与供应商合作去开发一些新的传感器来倒逼传感器，以达到一个革新。

自动驾驶开发流程

这张鱼骨图是我们开发自动驾驶功能的一个大概的流程，因为描述角度不同，所以不像大家平常看到的V字型流程，我想从另一个角度来说这个事情。

做自动驾驶的自主开发需要同步做两件事情，一件是系统的设计与匹配，另一件是算法和配套软件的开发。做一件从零到有的事情其实是非常艰难的，需要充分考虑使用有限的资源去做尽可能多的事情。自动驾驶系统的开发过程与小鹏的发展其实是息息相关的。

在小鹏一开始做裸车改制的时候，我们就开始搭建自动驾驶系统，并同时进行算法的开发。在硬件系统方案以及算法选择上，我们做了非常多的尝试，由此也锻炼了人才队伍。在小鹏汽车正向开发的时候，我们很自然地把裸车上初步验证系统匹配了上去，最终我们在小批量车上做一些可靠性和一致性的测试。

下面我们就简单介绍一下软硬件系统。

硬件系统架构

我们的硬件系统采用的是集成式架构，搭载自动驾驶算法的自动驾驶处理器可以直接读取摄像头模块、毫米波雷达和超声波雷达这些传感器的信息，并对这些信号进行融合，然后做决策控制，最后把控制指令直接下发到转向、自动油门等线控执行系统。同时，控制器可以直接与大屏仪表、方向盘和按钮进行交互，这样做可以让我们基于同一套硬件对功能进行迭代，更新方式是空中升级。随着特斯拉、英伟达和英特尔的方案推广，目前大家已经淘汰了这样的框架，但在2014年搭一个这样的系统其实是非常困难的，最直接的问题就是传感器和执行器的接口不开放。

软件系统架构

我们基于AutoSAR标准搭建了软件环境，采用了车规的操作系统，并对算法模块和配套软件进行了高度抽象，模块之间相互独立。这样可以提高它的可移植性和扩展性，当然还有一个非常重要的因素是方便多个算法工程师进行分工协作。

我们认为将来是这样的趋势，智能汽车上搭载的是一个全自动驾驶的硬件系统，然后通过空中升级来进行软件迭代。

这张PPT展示的是目前搭载在小鹏第一款量产车型上的自动驾驶系统，它的传感器系统包括：5个摄像头、12个超声波雷达、1个前向毫米波雷达、2个后向毫米波雷达、1个惯性单元。左下角是我们智能控制器，我们给它取了个别名，叫SCU。右下角是具备线控能力的执行系统，目前都是由顶级供应商给我们供货的，还有GPS和4G网络，我们也是充分挖掘了往年的技术。

我举一个测试的例子。上图是我们正在运行的网联测试流程。网联测试是为了提高测试效率，赢得时间。目前有几十辆在外面进行各种各样测试的车辆，也包括自动驾驶功能的相关测试。测试数据会及时上传到云端后台，后台会对数据进行提取和处理。我们的算法团队会对数据做进一步的分析，一方面是修复bug，另一方面是优化算法。在公司的调试车上测试，在测试可行之后，会把最新的程序更新到各个车辆上，进行批量测试，这样可以极大地提高测试和开发效率。

再聊一下最后的话题，简单介绍下我们目前的一些进展。

3、自动驾驶如何亲民：小鹏的案例

首先，小鹏汽车到底想造一台什么样的车呢？这张PPT体现了三个方面：电动、网联以及自动驾驶。小鹏汽车首先是一家重电动汽车公司，除了充电体现电动的特征以外，我们还有车门的自动感应，座椅的自动调节，车窗智能升降等，其次网联有OTA升级，手机远程交互智能语音，停车支付等；最后就是我们的主题，我们首款量产车搭载的自动驾驶功能具有车道偏离预警、盲区监测、自动紧急制动、自动跟随、全自动泊车和召唤，我们就是要做一款超高性价比，极致体验的车。

小鹏汽车一直把自动驾驶的开发作为公司战略层面上的事情来做。目前有一个将近30人的团队在做自动驾驶方面的开发，我们马上也要在硅谷建立另一个自动驾驶的研发团队来加速开发，加拿大工程院院士张宏教授作为我们的首席科学顾问，他是机器人领域的知名专家，另外还有中大跟卡内基梅隆大学合办学校的澳大利亚籍教授, 机器人和视觉领域的专家Gary Overett全职加入，作为我们的首席科学家。我们将近90%的成员是来自名企名校，涵盖算法系统集成、标定测试等各个领域，后续将会有更多牛人加入我们。

全自动泊车

目前我们完全自主开发的全自动泊车已经接近量产状态，我们正在做可靠性和一致性的测试。从硬件系统到算法都做了非常多的创新，与市面上看到的博世和法雷奥开发的自动泊车系统有很大的不同。我们大量引入了机器人领域的技术，在适应性和用户体验上有了很大改善，这张PPT可以看到一些参数。但因为市场上现在车型还比较少，所以在座只有少部分人体验过全自动泊车。我们这一套系统其实放宽了对车位和驾驶员行驶轨迹的要求，支持动态打方向盘，能够自适应变速，主动避障，倒车入库，召唤等功能。

自动跟随

我们也同步展开了自动跟随功能的开发，相对于自动泊车功能，它的进展稍微慢一点。目前我们小批量车上已经搭载相关的硬件系统，已经实现了低于60公里每小时的车道保持和自动巡航功能，而且会继续往更高的速度进行迭代。

前瞻研究：道路识别与定位

最后一张PPT由我来说一些前瞻性的预研。这种预研是带着量产可行性压力的预研，我举两个例子，说明一下我们更关注哪些点。

第一个是道路环境的目标识别。大家注意到我换了一个名词，不叫车道线识别。我们考虑到未来全自动驾驶场景的识别目标不止这三种，里面会夹杂着定位所需的静态物体、街景识别，以及规划所用到的路沿石等一些元素，但我们知道目前的硬件资源是有限的，甚至去做这些事情的算法可能也是割裂的，所以我们着重关注如何去定义目标类型，如何整合算法资源，如何提高测试的效率这三点上。

第二个例子是定位问题。目前无人车大多都是用RTK进行定位，大家都知道这个设备极其昂贵，不可能作为今后量产采用的定位部件，而定位是自动驾驶里面非常核心的技术之一。我们也在做一些尝试，非常关注定位的输出是不是稳定，是不是实时，而相比GPS的绝对定位，我们更加在乎车载环境里的相对定位精度。定位的成本必须是可控的，这将直接影响后续是否可以批量使用。事实上，我们在定位上不仅仅是尝试，现在的量产车上搭乘的一些相对定位的部件已经比较成熟了，已经是在使用了。

分享已经到尾声阶段了。希望这些信息能够对大家有所帮助，也欢迎大家提问，谢谢大家。

问答实录

提问一

徐荣荣-宁波继峰汽车零部件股份有限公司-ie部副经理

自动驾驶的硬件与主机厂配套时，需要做哪些试验以满足车规要求？

肖志光：这个问题也是我们经常思考的一个问题，我认为传统主机厂电子电器部门有非常多的经验。如果按那个标准去做，我觉得没有太大问题，但可能需要考虑到的是，针对自动驾驶主动控制方面的特征去做一些要求。打个比方，比如转向系统，对于我们而言，一方面是传统电子电气方面的一些车规要求，另一方面就是主动控制方面的一些要求，包括它的静态性能和动态性能能否达到我们所期待的性能要求，而动态性能无非就是它的节约、响应之类一些自动化方面的指标。

提问二

于洪达-北京绿驰汽车-硬件工程师

1、量产车激光雷达怎么解决量产（价格高）？

2、高精地图绘制怎么解决国家政策法规？

肖志光：

1、这个问题确实比较难回答。首先对于激光雷达怎么解决量产的问题，这应该是激光雷达零部件供应商需要努力做的一件事情。群里还有个人也问到我刚刚的课程中为什么没有提到激光雷达，对于如何让它量产这个事情，目前大家都是在探索阶段，其实我们也在观望阶段。但是我相信，激光雷达是一个非常好的传感器，无论是环境建模的精度，还是它的安全性，都是非常不错的。利用激光雷达检测障碍物是非常可靠的，它不同于摄像头，摄像头的可靠性主要是依赖识别算法，当识别算法出现问题的时候，你可能就会撞上去；但是激光雷达由其自身的物理原理决定的，在它前面的如果是个障碍物那它就是一个障碍物。

2、对于国家政策，我认为等这个行业发展到一定程度以后，它自然而然会推出一些政策，共享单车和滴滴就是一个例子，等到这件事情不得不去做的时候，它总会有解决办法的。

提问三

张宏燕-北京时代民芯科技-硬件工程师

可否讲下目前无人驾驶汽车运动控制中一般采用什么样的动力学模型？主要的控制算法有哪些？

肖志光：我说一下我们在做这件事情时的思路，我们在做这件事情的时候，也在很多论文上去搜集相关的资料，然后再在我们的系统里去做一些尝试，做一些仿真，最终去找到一种比较好的算法，并且去实现它。另外，对于企业来说，其本身不创造某些基本的算法，主要是把学术界有些人发明的算法应用到某一个领域，然后如果是非常匹配的，那我觉得我们就达到了我们想要的目的。当然这里面他会有非常多策略性的考虑，需要做大量的实验和尝试。

提问四

严明-中瑞交通安全研究中心-项目经理

在自动驾驶汽车真正量产和批量投入使用后，如何解决可能产生的新问题：

1）驾驶员因过于相信自动驾驶汽车，而可能造成的安全隐患；

2）大量的非自动驾驶汽车将逐渐被淘汰，其存放和处理也会变成社会的一大负担。

肖志光：

1、这个问题提得非常好。我们也经常在考虑这一方面的事情，当然，比如小鹏汽车搭载的第一款车上，我们现在定位是Level2级别的自动驾驶，同时我们也做了很多工作，比如在方向盘上加装传感器，对于驾驶员来说，也需要隔一段时间去手握方向盘，从原则上来讲，驾驶员的手是不能离开方向盘的。如果驾驶员的手离开方向盘，比如离开一分钟后，我们的自动驾驶就会主动退出，以这种方式来不断地去提醒驾驶员，告知驾驶员需要去观察周围的环境。而Level2级别的自动驾驶，只是帮助驾驶员去解决转向、刹车以及油门这些动作。

2、关于提问的第二个点，我觉得它应该不是突然就被淘汰了，而是有一个比较漫长的过程，应该不需要去担心这个问题。

提问五

陈思宇—格陆博-自动驾驶开发

AEB是否进行开发了？是否考虑引入激光雷达？

肖志光：小鹏的第一款车将会搭载AEB功能，另外关于是否引入激光雷达这个问题，我们在做开发的时候都会事先去做一个充分预演，而对于激光雷达我刚才也说了，我们一直都在跟相关的供应商进行接触，当然我们会把他们的产品先自己做一些测试以及功能的开发，如果我们觉得它到了一定程度，自然而然就会搭载上去。

提问六

周全-博世-ADAS工程师

小鹏汽车的智能控制器已经可以实现对所有传感器的统一规划与控制了吗？

肖志光：是的，我们现在的智能控制器能够读到所有传感器的数据，同时我们做了融合算法，最后是对目标的跟踪和识别。

提问七

杨飞雨-江苏北人机器人-视觉研发工程师

自动驾驶用到的视觉部分，算法参数目前是人为设定还是利用深度学习、人工智能来计算？

肖志光：目前小鹏第一款车上没有用到深度学习算法，不过某些模块里面会用到自学习的算法，深度学习算法在小鹏汽车第二款车上会有体现。

提问八

吴永庆-东方财富-数据研究员

贵公司与海马汽车的合作是基于怎样的一种考虑呢，公司未来是专注于技术研发然后和海马汽车这样的整车制造商合作么？

肖志光：小鹏在肇庆市有自己的建设工厂，在工厂竣工之前，目前我们是跟海马合作，这样我们就可以尽快地去推出我们的量产车型。

提问九

陆海峰-上海戴世智能-工程师

1.贵公司提到使用英伟达的drive PX2，在这次的量产车上都有配备吗？

2.IMU在整个自动驾驶系统当中，扮演一个怎样的角色？

肖志光：

第一款量产车上没有搭载英伟达的px2，因为英伟达的px2目前只是一个开发板。如果我们想搭载到车上的话，还需要做进一步的开发。
IMU以前在汽车上被叫作横摆角加速度传感器，是给ESP用的，可能很多人都没有注意到，在智能汽车来临的时候，IMU它发生了一个非常大的变化，已经不是简简单单作为一个触发信号的传感器了。而我们在2015年的时候就已经意识到了，当时我们也试着去找供应商，当时基本上是没有供应商的，到现在为止应该还是非常少，所以我们就在这一两年内自己开发了一个IMU的部件，现在已经搭载在我们的车上了。我觉得做过机器人系统开发的人应该知道IMU有多重要，如果要做自动驾驶的话，这个部件是非常重要的，主要是用于定位。

提问十

应恒军普天东方通信集团有限公司战略总监

Google曾经想让传统美国车企为自己打工，即所谓软件定义汽车。从目前看，这种角色倒置的情况还没有出现。咱们小鹏汽车，自动驾驶部分，与传统车厂，如底盘等角色，之间的合作关系如何，哪一方占主导地位？感谢！

肖志光：目前来看确实是还没有出现软件定义汽车这个事实，但是我相信大家已经看到了这个趋势。现在这种形式已经发生了非常大的变化，我们已经看到英伟达和英特尔的介入，他们的介入已经使得刚才提到的集成式架构成为可能。目前很多零部件供应商以及硬件供应商，他们态度也发生了非常大的变化，甚至可能会让他们感觉到如果不跟上这个潮流，那可能会被淘汰。而对于主导地位这一块，我觉得我们目前是一半一半。

提问十一

雷浩-南京美维特信息技术-技术部经理

百度做了哪一块的工作，与小鹏做的有重叠吗？

肖志光：

百度跟小鹏应该是两个流派，百度是一步到位的，而小鹏是循序渐进的流派。后面肯定会有重叠的地方，只是我们现在到达目的的路径不太一样，到后面肯定是有重叠的地方。

对于百度做哪一块这个问题，具体细节我也不太方便讲，我相信大家可以去找相关的人去了解，我也不太好评价他们，但是我觉得美国有谷歌，那么中国就要需要有一个这样的百度，所以百度也是寄托了我们中国人的希望，同时我也希望他们能够做得更好。

提问十二

戴冠雄-英特尔-软件工程师

小鹏汽车目前用的是自己研发的控制器还是其他厂商的，比如intel之类的。

肖志光：我们目前的控制器是自己开发的。当然我们也一直在找供应商，希望能提供我们所需要的控制器。另外我不知道英特尔是如何规划的，也不清楚英特尔有没有自己能够去做车规控制器的客户介绍给我们。

提问十三

郜昊强-江淮汽车-技术规划业务主管

请问如何看待百度的阿波罗计划？小鹏汽车有加入阿波罗计划的规划吗？

肖志光：其实我非常看好百度的阿波罗计划，它给我们提供了一个非常好的软件架构平台，我们也认认真真地用过它。以前我也写过无人驾驶软件代码，我们在搭建这些软件系统的时候，其实是没有一个非常严格的软件架构概念，仅仅是一个简单的堆砌，但是在我们看了百度的软件架构后，觉得是非常好，当然它也是基于ROS系统改造的，但是我觉得他这种想法非常好，不仅可以降低无人驾驶开发的门槛，同时还可以发挥它的优势，所以我觉得百度这个做法还是非常聪明的。另外目前有很多主机厂和供应商也愿意跟他们一起去做这件事情，它能够起到一个带动性，提高与其合作的人的参与感。而对于小鹏这边，我认为主要还是拿来主义，如果哪个东西确实好用，并且做出来确实比我们好，那我们肯定是直接拿过来用的。