“恒大汽车”。9月1日，股票简称正式更换。）

我们给恒大的定位，包括它投资我们的定位，还是一个偏财务的决策。当然，我们现在也已经依靠我们的技术和产品的能力，进入了恒大汽车的供应商体系，我们会为它提供相关的产品和技术服务，重点是偏软件方向。

现在，我们主要的服务对象还是整车厂、零部件供应商以及自动驾驶公司。

我觉得智能驾驶计算平台领域，它所面临的市场以及产业的前景是非常广阔的。

就目前而言，我们已经与一家上市公司一级供应商建立了业务合作关系，更多的合作还在稳步推进当中。

《21世纪》： 在整个产业链大融合的背景下，很多企业从tier 2跃到了tier

1。作为一个智能驾驶计算平台的提供方，超星对于自身的定位是tier 1还是tier 2？

张剑： 首先我们汽车产业肯定是面临着一个大变革，变革不仅仅在技术上，更是有关整个产业链、商业环境、商业生态。

因为技术的变革暴露出我们原来行业里面，相对传统些的企业它们的局限性，不管是技术路线上的，还是它们的思维和研发方式。所以我觉得产业链上下游的竞争合作关系也会重新洗牌，这是不可避免的。

在进程中间必然会出现全新的、有竞争力的企业，也会出现跟不上潮流、被淘汰的企业，我觉得这是完全有可能的。

对于超星来说，我们自己的定位是要做“智能汽车大脑”计算平台的创新实践者。为什么会提这样一个概念？

创新是指我们源自于高校，源于清华，做的是产学研融合。要发挥我们的优势，就是要做好创新。我们可以通过背景资源优势，把最前沿的东西拿出来做好。

另一方面，要做实践者，就是要紧密地贴合市场，贴合需求，而不仅仅是为了技术而技术，要了解技术怎样很好地转化为市场和客户需要的产品和服务，这是我们对自身的定位的认识。

当然在整个产业上下游的关系里，我们并不是说要取代一个tier 1或者tier 2企业。目前我们主要的服务对象应该还是整车企业、 tier

1以及自动驾驶公司。

《21世纪》： 现在做自动驾驶平台的公司很多，超星未来在行业中，处于怎样的地位？未来对于公司的定位，有怎样的预期？

张剑：

在这个行业里面，我们其实有很多强大的竞争对手，它们也有一些很好的成果。这么多有实力的企业能够关注这个细分赛道，首先说明我们所处的赛道是有意义的，它有非常大的价值可以发掘。

作为创业企业，在创新上，我们有自己的优势，一个就是我们和清华的技术渊源，所以我们可以在前沿的技术创新方面做出更好的工作，可以走产学研结合道路，我们始终追求一种技术高度。第二，在整体的技术方案上面，我们有自己的独创性，两年多来的研发成果，也初步得到了业内同行的认可。

我们觉得无论或大或小的企业，最后能不能被市场、行业认可，产品和技术需求、技术服务能不能满足客户的需要，这是最终的衡量标准，也是我们去努力的一个方向。

超星方案可分可合

《21世纪》： 我们新发的面向高级别自动驾驶的计算平台和此前的产品相比有哪些差异，或者说和竞品比有哪些区别？

张剑：

我们的30p这一代最新产品，可以做到同时支持20路高清摄像头的数据处理，数据传输以及算法的运行，都能够做到非常流畅，这也得益于我们这些年来在异构的硬件平台上的方案设计以及优化，在工具软件领域技术成果的积累，这次发布引起了非常多客户的关注，一些同行友商也对我们表示了极大的兴趣，产业链上下游的合作伙伴也纷纷来找我们，一方面是了解我们方案的细节，另一方面寻求共同合作。

《21世纪》：

超星跟车企还有零部件企业，主要的合作方式是怎样的？是把系统性的解决方案全部打包给企业，还是说可以把自己的技术拆解，企业需要哪一部分技术，我们就可以给企业提供相应部分？

张剑： 超星当然做的是整体的、软硬件都包含的技术解决方案，但是，为客户做好服务，不能强人所难，一切还是要以客户的需求为准，这是一个大的考量。

从产业的角度来说，像tier 1整车厂它们并不希望在整体方案上受到特别多的制约，从它们的角度去考虑，很好理解。

所以，我们的基本原则就是要有整体的能力，但在提供产品或者服务的过程中，一定是完全从客户的需求角度出发。如果客户有自己的硬件，能不能用你的工具软件的服务？这是完全可行的。

我们现在跟客户实际签订的合同项目就是这种形式，因为我们的工具软件，向上，它可以支持不同的

AI开发框架，向下，不同的硬件都可以支持。我们是硬件友好的，给客户实际上最后提供了这样一套软件工具。

《21世纪》：

回归到产品本身，我们是做软硬一体化，但它的挑战很大。既要开发软件算法，又要去适配相应的硬件等。在整个产品的研发过程当中，您觉得遇到的最大的挑战是什么？

张剑：

稍微更正下，不能叫软硬一体化，我们提的概念叫软硬件协同优化。协同优化指的是算法要考虑底层的硬件，硬件方案要去考虑算法的需求，这是一条合理的或者说我们主导的技术路线。

不能说我们只做算法，而不知道底层硬件是什么样，不知道做出来的东西最后能不能跑，这就叫盲人摸象。

理想的方式是相互去做针对性的优化设计方案。实际上从技术路线角度看，大家也都在考虑这些，只不过把它作为一个主要的技术路线提出，确实是我们超星一直在重点强调和支持的。

从实践来看，我们的方案也取得了很好的效果。计算平台要考虑功耗、安全性、适配性、灵活性、成本等方方面面的因素。算力也是一方面，它是一个必要非充分条件。只有通过协同优化设计的角度才能达到非常好的平衡，这是关键。

从大的方面来说，这个路线是经过了好几代产品的研发和验证的。我们现在提供的方案在同等或者近似的水平上，达到了比类似产品更好的效果。

异构优点与适配挑战

《21世纪》： 超星提出了异构硬件的概念，如何理解异构？

张剑： 在我们的核心硬件上面，集成了多个不同种类的核心计算芯片。其实在我们的解决方案里面，在Nova 30P上，我们既有

CPU，也有GPU、AI加速、定制化加速，还有安全计算的控制系统（芯片）。

因为不同的计算芯片，它们是为了不同的计算任务而专门设计，这是关键。

比如说我们用的397芯片，它对于车辆安全控制相关的指令或者功能是至关重要的；而

AI加速部分可能更多适用于深度学习算法的运行推理；定制加速部分，适用于一部分计算量比较大，但是又不太适合用CPU处理的情况。用定制加速的部分能够实现10倍、20倍的加速，整个系统的处理延时就会大大缩短。

那么怎样做好不同种类芯片之间的平衡，去满足上层算法的需求？

一个出发点是要去理解自动驾驶上层应用是怎么回事，这也是我们团队的优势和特点。我们团队既有来自于车辆学院，懂车、懂智能驾驶的技术专家和研究人员，也有来自于电子系，懂硬件、懂芯片、懂深度学习、算法的技术专家，这样就能够达到交叉融合的效果，所以我们能够走软硬件协同优化设计的道路，让整体的系统最后达到平衡、综合性能最好的程度。

《21世纪》： 自动驾驶的决策算法，往往需要与整车进行深度的适配，包括去上路跑真实的数据。我们做混合决策算法，跟整车的适配情况是怎样的？

张剑：

我们现在还处于技术研发阶段，要走的路径比较长。车厂确实最终会跟整车做很多的适配，还会做很多的实测、路测。但在研发阶段，可能暂时就不太需要。早期阶段，更多的是先让方法和思路被车厂认可和接受，真正进入产品化开发阶段，肯定要跟车厂合作去做这个事情。

《21世纪》：

之前参加高德地图的活动，它当时发布了第三代车载导航，表示将率先搭载在小鹏P7上。高德说它的新版本对车辆的智能驾驶水平、算法、运行性能等都有较高要求，小鹏P7在这些方面能满足条件。我们的新平台在车辆适配方面有哪些要求？

张剑：

小鹏P7的解决方案在国内还是比较领先的，小鹏是最早做方案落地的一家公司。其实像我们现在发布的30p的版本，据我所知，处理能力大概是它的两倍多，我们的协同优化工作工具也非常完善。

但确实，在现在这个阶段，大家的产品去跟客户对接时，并不是说产品功能越强，能力越强就越好，需要的是符合车的产品定义阶段需求。

这时候大厂它还是会有一些优势，毕竟有大的品牌背书在里面。对于我们这样的创业公司来说，需要去跟客户逐步推进，把对它们的技术服务做好。小公司的一个优点在于我们可以贴近客户，把我们的技术服务做好，这是我们能够赢得客户的关键。

自动驾驶安全没有“完成时”

《21世纪》：

近几年，尤其是从去年开始，整车企业发力高阶自动驾驶的态势非常突出。但与此同时，社会上一些关于自动驾驶引发的安全事故频频引发人们担忧。您怎么看高阶自动驾驶的发展趋势和前景？

张剑：

大家都在谈论，说汽车面临着一场深刻变革，一场足以影响整个汽车产业链的变革。变革的是什么？我觉得不光是说自动驾驶，而应该是偏高级的自动驾驶，如果仅仅是

L1、L2等级的辅助驾驶，绝对不足以称得上是多么大的变化。

对于即将来临的自动驾驶时代，我觉得我们传统的整车厂会感到相应的危机感和压力，在这种竞争态势里面，哪怕是原有的头部特色企业，它如何保持原有的竞争力？

在这种大背景下，我们这种新兴的创业公司能够给产业做好技术赋能，做好产品和技术服务。这是一个非常大的机遇，我们在和客户合作伙伴交流沟通的过程中，强烈感受到这一点。

在安全问题上，对于车来说，它永远都是需要解决的问题。

先不提智能化。从最早的汽车开始，安全气囊、安全带以及碰撞吸能、高强度车身的应用，在不断提升车辆的主动安全性、被动安全。就智能驾驶而言，即便未来自动驾驶车辆被批准上路，也会面临着不断提升安全性的需求。不会说什么时候这个问题就已经完全解决了，这是要一直去做的事情。

《21世纪》：

最近特斯拉在几个车型上已经放弃使用激光雷达，您是怎么看激光雷达在未来自动驾驶方面的作用，特斯拉的这种动作会不会对行业产生相应的影响？

另外，网上流传搭载激光雷达的特斯拉Model

Y照片，说它可能跟Luminar有合作。有观点说它其实是用激光雷达来训练视觉算法，用它可能是为了最终抛弃它，您怎么看这种观点？

张剑：

这有可能是传闻，因为我们也不是真正的内幕人士。单纯从技术角度来说，首先不同的传感器有不同的特性和属性，就像我们人一样，要有视觉、听觉、味觉、嗅觉。不同的传感器，它在某些感知方面会有优势，另外一些方面有劣势。所以多传感器的融合，对于安全可靠的自动驾驶的部署和运行，我个人觉得从技术角度是不可或缺的。

从产业的角度，其实大家也普遍认识到，随着技术的逐步成熟，量产化逐步推进，过去大家传统上习惯性认为激光雷达技术应用上不太好解决的问题，慢慢都会解决，所以我觉得这个东西（多传感器的融合）应该是大势所趋。

但是我们也不排除就会有一些企业，多多少少它有一些特立独行，或者是出于一些商业考虑（放弃使用激光雷达），我觉得是没有必要完全排除的。

《21世纪》： 对于用激光雷达训练算法的说法，因为涉及的专业性比较强，不知道是不是有这方面的可能？

张剑：

我觉得这个是有可能的。通常来说，我们为了去优化算法，就要去采集数据。在深度学习的算法框架里面，数据的量积累是非常重要的。但如果是单纯的原数据，价值和信息量就有限，如果去做大量的人工工作，代价成本又很高，所以实际上会有一些辅助的方法，去互为校验和验证。

图像感知到的东西是二维的，但实际上你希望得到的是三维的感知结果，因为要了解，不光是那里有个东西，那个东西距离我多远，还是有影响的。在三维距离感知探测上激光雷达非常准确。

所以用激光雷达训练算法当然非常有可能，但它是不是这么做，我们就不知道了。从技术上来说，我觉得不能排除。

更多内容请下载21财经APP