飞象网讯（李陶陶/文）4月29日消息，2016 GMIC全球移动互联网大会正在进行，飞象网作为直播媒体，全程为您直播。现在演讲的是图吧集团的总裁景慕寒。
以下是他的演讲内容：
各位听众大家早上好，我是四维图新的景慕寒，我来的时候主办方让我挑一个主题，自动驾驶还是车联网方面的，我选了自动驾驶，不是说自动驾驶是一个热点，当然自动驾驶是一个热点，我更想说车联网的下一个发展方向就是代表自动驾驶，代表了车联网的发展方向，我们四维图新做地图和自动驾驶和车联网相关的产品，但是我们未来下一代的产品全部集中在跟自动驾驶相关的，利用这个关系四维图新给大家简单做一个介绍。
四维图新目前是国内最大的地图厂商，也是全球第三大的地图厂商，目前在前端市场占有率超过70%，最近我们经过一系列的并购以后，大概今年和明年，大概到明年，我们在后装市场的占有率也会超过70%，这是我们除了地图以外，四维图新的产品线上下进行一个延伸，现在推出了包括传统地图到动态内容，云端服务，操作系统，还有手机车联方案，提供了一套业内最完整的基于车联网的解决方案，这是整个四维的产品，高精地图进行了全面的投入，未来整个和自动驾驶相关的整个产业非常重要的参与者。
这是我们的产品，我们有核心地图还有车联网产品面向未来自动驾驶的产品，未来自动驾驶结合现在的高精度地图和下一代的导航以及我们人工智能技术，以及和芯片能力的这种整合提供这样完整的基于高精度地图的解决方案。
我们一直在说自动驾驶，自动驾驶离我们到底有多远，我们看到最近十三五规划，我们看到要求大概在2020年以前有50%的新车必须变成智能汽车，大概有10%的车具备自动驾驶的功能，当然自动驾驶这里指的半自动驾驶，甚至局部的这种高自动驾驶。那么如何实现这种自动驾驶呢？这个分为几个方面，一个首先要确定，我在什么地方，另外是周边的环境是什么样子的，然后在这个情况下会发生什么样的情况，针对这种具体情况，该做一些什么样的事情。
我们可以看到，首先对于汽车来说，必须要知道自己在什么样的位置，因为高精度地图的定位是必不可少的，传统的定位方式通过这种方式定位，高精度地图情况下和传感器获得融合获得高精度地位，这是高精度地图在自动驾驶当中起到这样一个位置。另外我们对环境的感知能力，你知道围绕车的周边，什么物体静态，什么物体动态的，围绕汽车周边的环境是什么样的，有了这样一个环境，我们需要做出这样一个决策，相当于人的大脑这样一个综合的分析，这也是整个自动驾驶环节当中最复杂最关键的环节，相当于人看到周边动态移动的物体，采取什么样的行动，做出什么样的决策，这个环节要产生出来，产生完了对这个车发出一个指令，传统开车到底刹车还是拐弯加速换线，怎么样安全舒适的方式指令让汽车执行，这是车厂更擅长这样一个部分。
所以跟自动驾驶相关的这样一些领域，可以从这张图看到，包括云服务和高精度地图为核心的这样一个传感器的融合，感知和定位，以及智能导航，路线分化决策分析和车辆运输和车辆最终的控制，以人工智能为核心的人工智能深度学习为核心的这样系统架构，也可以为自动驾驶提供更安全的保障。
那么整个自动驾驶和地图之间的关系是一个什么样的关系，前面几位嘉宾看到了不同的分类标准，但是大家一般都参考这样一种分类，就是说我们有这种现在基于（英）这种价值，后面会有局部的驾驶，半精度的驾驶和完全的自动驾驶，这种自动驾驶对地图的依赖也是不一样的，现在的情况下，在L2和L3阶段，对地图精度的要求，传统精度是20米，但是（英）支持下的要求可能这个地图的要求可能是5米，到了完全自动驾驶的这个情况下，对高精度地图的要求，达到10到20厘米，而且对地图更新的速度也变成实时的要求。所以说整个高精度地图的演进是一个循序渐进的过程，不是现在做自动驾驶就要完全提供出匹配自动驾驶的高精度地图，离自动驾驶是有一个过程，我们需要高精度地图满足和输出自动驾驶的需要，有一些概念在这个里面会混淆。如果现在不需要做这种，如果现在要提供完全满足完全自动驾驶情况下的高精度地图，也是一种浪费，没有车辆做到这一点，提供这样的产品也太超前了。
这是我们四维图新做到高精度地图上的历程，14年开始开发和高精度地图相关的产品，我们跟国外的主流车厂，国外的三大车厂进行了联合上的研发，因为他们在这一块对自动驾驶上的数据的规格是有一定的前瞻性和技术的领先的优势，所以通过他们的研发我们数据规格的制定和高精度地图规格的制定做了大量共同的研究，后来我们在高精度基础上开发更先进的高精度地图，根据用户的反馈进行不断的调新，2016年的时候，今年的情况下，今年的第三季度第四季度覆盖全国路网的基于（英）的高精度地图。
这是四维图新高精度地图的（英），我们可以看到今年年底之前，我们已经完成了基于（英）支持的所有高精度地图，2017年的年终我们可以支持至少20个城市这样一个，到L3级别的这种高精度地图，19年可以完成L3级别的所有高精度地图的制作和采集，L4级别，19年开始可以基于这种完全自动驾驶这种L4级别高精度地图的制作，匹配车厂进行的，所以和需求的节奏要保持这样的一致。
大家刚才谈到，我们一直讲高精度地图，那么高精度地图到底跟传统地图之间的区别，我们应该说除了精度的区别以外，另外的区别可以比较直观的讲，传统的地图是给人用的，高精度地图是给车用的，传统地图告诉你沿着这条道路走就可以了，不在乎你在的哪条车道，但是高精度地图必须对车道和车道线必须有非常清晰的定位和描述，所以我们会看到，在传统现在的高精度地图情况下的车道信息，道路的几何，车道数，车道类型，车道线相关的这样一个属性，这些属性都属于高精度地图采集的范畴，同时还有另外一个（英）对象的方式，是把高精度地图沿线的静态的物体进行完全的采集，这种采集的目的，到时候和传感器进行融合来判断汽车的相对的位置。
目前四维图新已经提供了从地图的制作到服务的这样一个完整的平台，我们根据这种多个来源的这种数据源，然后生成这样自动的对地图进行自动化的处理，包括内容，数据的内容，有导航的内容，高精度基于（英）的内容，实时交通的内容，对内容处理以后服务的方式输出给厂商，输出的方式可以通过API或者SDK的方式，我们有智能的数据采集系统也可以提供给车厂，方便这个车厂，也可以作为数据采集源的来源。
这是传统的定位和地图相关的这样一个阵营，可以看到除了传统的，有两大阵营，激光雷达为主的定位，还有纯粹视觉的定位，这两种定位更有优劣，对于激光雷达来说，他定位的精度虽然非常高，但是实际上在整个的数据量处理上，每公里几个G的数据，很难做到商业化，对于（英）市场占有率非常高，但是（英）是相对封闭的技术，视觉的处理和自己的芯片进行完整的融合，所以相当于类似于自动驾驶领域类的苹果类的角色相当封闭，四维图新提供开放的途径，可以提供基于这种高精度定位的这样一个静态物体这样的采购，所以采购到了物理，雷达和传感器进行融合进行位置上的判定，不管哪种方式，基于高精度地图的道路和线路的数据模型都是必不可少的。
这是我们现在的研发计划，这是我们现在的四维图新开发的现状，我们现在已经在L2基本上已经实现了，可以输入各种L2的实验图，我们的实验车在北京的三环已经可以跑了，现在正在研发基于L3阶段的高精度地图，可以支持更高级别的地图，可以做到高数之间和城市道路之间这样高精度的导航，L4级别更多是需要更多方参与的智能交通的协同系统。
这是我们可以输出的能力，我们可以输出基于（英）V2V3的能力，引擎方面输出导航的SDK，定位的SDK，还有采集的SDK，还有对数据层面，我们可以输出各种按照厂商要求的这样一个数据的规格，包括服务层面，我们也可以跟我们的（英）车联网结合起来，这是四维汽车自动驾驶的圆形图，我们看到基本上包括雷达传感器各种需要的这些配制。这是我们基于，我们看到的，我们视觉的采集，这是基于NVD，（英）这样系统架构上，在对不同的汽车和车道线的识别。这是我们利用深度学习技术对红绿灯线速汽车人型的识别，也就是用来高精度地图的制作，数据的分析和采集。
我们现在在这些方面，利用深度学习技术，使用在视觉识别上，已经在这个采集过程中，对数据的采集已经进行了很大的，取得了很大的进展，我们可以从业界比较标准的这种数据级来看，我们现在的识别技术已经达到业内非常领先的程度。现在正因为有了这种深度的学习，才让自动驾驶成为可能，所以我们把深度学习也在跟高精度地图环节当中进行大范围的使用，包括PUI的识别，还有道路和车道线的识别，以及卫星图象的识别，和他讲到交通灯的识别，以及我们怎么样利用深度学习技术让地图变的更加有这种自学习的能力变的更加智能，等等一系列的这种规划。
虽然我们做了大量的工作，但是我们知道，除了交通立法以外，在整个自动驾驶的实施当中还有很多实际的案例是需要我们在自动驾驶应用当中提出非常大的挑战，这是我们看到这样一些场景。前面苏总讲到如果把你扔到白雪皑皑的大地上，没有任何可以参考的地方，这个时候高精度地图变的必不可少，所以我们的目标希望能跟广大的车厂和各种研发机构进行合作，为自动驾驶作出我们的贡献，今天时间非常短，和自动驾驶相关的很难讲的很深入，大家感兴趣有合作意愿可以下来单聊，谢谢！
