11月9日，腾讯全球合作伙伴大会汽车论坛上，腾讯自动驾驶实验室总监苏奎峰出席，并详细阐述了腾讯自动驾驶的思路。而在此之前，腾讯没有透露过关于自动驾驶的消息。
实际上，在11月7日，彭博社报道，腾讯创建了一个自主驾驶系统，正在与谷歌、百度、特斯拉等在这个价值 420 亿美元的领域进行角逐。
消息曝出后，腾讯股票上涨 3％，达到公司 2004 年首次公开募股以来的最高水平。
此次公开自动驾驶，也说明了一些东西。苏奎峰说到，为了解决导航定位、环境感知、预测情况和驾驶决策四个难点方面，腾讯搭建了平台，将数据更强调场景化，与合作伙伴一起打造硬件，通过仿真产生数据，通过数据标注场景分析，再通过迭代更新，新收集数据评测。
对于自动驾驶的等级，苏奎峰表示，更多是看用户真正的需求痛点在哪里。苏奎峰说到，腾讯目前更关注客户的高速公路类似于L3的解决方案。在上班和下班的2个小时路程中，80%的时间都是半封闭道路（高速路）上。“如果把这个80%的时间，给你解决掉，把你的驾驶任务时间省下来，让你专注于你美好的事物上去，这是非常有价值的。所以我们当前会以这个为切入点，跟合作伙伴共同打造产品。”
同时，腾讯也会针对L4，L5核心技术，在进行算法研发，以及数据上的积累，两条线都在走。
腾讯自动驾驶实验室总监苏奎峰
以下是苏奎峰的演讲实录：
各位朋友下午好！首先感谢秋凤邀请我们来分享腾讯的自动驾驶。这是腾讯自动驾驶在相对的公开场合里面第一次分享。我这里要强调的是，对于腾讯来讲，我们的自动驾驶希望强调从用户的体验出发。从用户的需求出发，跟合作伙伴们一同打造产品。利用腾讯的资源优势，整合能力，在自动驾驶领域的能力的输出。我们在自动驾驶，我们当前想强调的是自动网联的整个体系。在我们这个里面，包括交互智能，服务场景智能，驾驶智能。在昨天的车辆专场里面更多的介绍交互智能，服务场景智能。在这里我跟大家分享一下，腾讯关于自动驾驶的一些技术。
在讨论自动驾驶之前，我想跟大家分享一下，我们在自动驾驶里面到底需要解决的技术问题。第一是解决在哪里的问题，第二情况如何，第三在哪里去做，第四是如何去做。第一在哪里就是导航定位问题。我们要知道我们自己在何方。这个对于自动驾驶来说，最大的挑战在于我需要连续，实时，可靠的获取我自身的位置，以及目标的位置。在感知良好的情况下这些都不是问题。一旦遇到特殊的场景，我如果没有这种最后的地图的保障一定会有安全问题。
第二就是在于环境感知，目标的检测跟踪，识别等等。我们检测到周围环境以后，我们需要知道周围的目标，下一个时刻如何去发生。我们要预测下一个时刻，周围环境的场景，你我自身的走向。这个里面最具有挑战性。
还有预测到下一刻的情况。在一定程度上，希望自动驾驶系统能够理解环境。比如我们在前面有一个骑自行车的人，骑自行车的人稍微一回头我们知道很容易碰撞，但是对于自动驾驶我们需要很多技术来实现，解决问题。我们除了感知以外，在预测方面也做了大量的工作。
接下来就是如何去做。它的挑战在于决策。根据场景，根据设备结果进行决策，规划，最终到车里面的实现自动驾驶的地方。为了解决这4个方面的问题，腾讯自动驾驶，我们构建的一个基本结构。从高精度地图，场景数据，仿真平台。这是我们做的一个平台。高精度地图要有一个保证，高精度地图本身也是一个补充。我们如果把高精度的地图，它更需要在感知失败的情况下，如何解决车辆还能行驶，甚至靠边停车的问题。对于我们来说，我们希望它能发挥最后保命的十秒问题。我们在自动驾驶感知，你的算法也好，一定存在各种各样的问题。在解决不了我们需要高精度定位来解决。
一说到数据我们就想到算法，想到硬件。数据就目前来说，人工智能的算法都是依赖数据。数据是作为算法的基础。我们的数据更强调场景，对腾讯我们的工作就是在积累数据，我们所有的数据都是场景化，标签化。然后根据场景的标签化推动数据的演算。我们有高精度地图，VR构成虚拟的仿真场景。对于硬件平台来说，我们更愿意跟合作伙伴一起打造云端和车端支持互联驾驶的平台。对于这些平台我们做感知决策，预测，算法。
从整个技术架构来说，我们强调的是车端和云端的打通。我们目前用的4G，以及短距离的热点网络来构建通道。当然我们会利用腾讯在其他方面的技术压缩提供数据的交换。实现关键场景的数据同传。我们会有一些关键的场景数据传到云端。我们底层的传感器和计算平台是依托其他的第三方。我们的重点在于资源调度，共新架构，以及算法层和云层。在资源调度层我们能进行多任务实时调度就是框架机制，通过算法，通过实时的数据交换机制来保证个人的任务现成能有效的通信，快速同步。核心算法层是我们大部分公司都要去做的，我们也需要去创新。在服务层，我们除了高精地图服务以外，还在人机交互，健康管理，数据记录等方面。实际上本身在这个服务层，刚才提到的交互智能和服务场景智能，在腾讯的智能网汽车里面集成在我们的自动驾驶的层面。
对于云端来说，下面这三个层级，做自动驾驶也好，做其他AI的场景分析也好，基本上是类似的。在整个体系架构当中，对于我们团队来说，我们更强调的是讲高精地图，数据仿真，数据平台进行打分。实现自动驾驶的研发和技术验证的支持。我们的数据平台，通过仿真产生数据，通过数据标注场景分析，再通过迭代更新，新收集数据评测，其中我们所有收集的数据我们有大量的人工先处理一遍，人工筛选的方式。把处理不了的场景标注出来。我相信它一定是快速的增长。这是我们整个架构。
对于仿真来说，我们实际上利用游戏引擎的搭建完全自己的仿真环境。我们这个仿真环境最大的区别在于虚和实的打通。我们建立了3D环境和实际场景测试的场地是一样的。有感知决策，规划，控制，以及车辆的动学模型，AI等等都集成在一起。同时我们又建立了一些场景数据库，以及系统的评测，还有自动的，批量的处理和评测性。这是一般的仿真机都会做的，同时我们用AI技术讲人。人可以通过VR看到仿真的场景，人可以参与到自己的车辆控制。在这个过程当中，我们最大的优势在于你可以通过这样的系统，进行极端案子的体验测试。同时更有利于你打造更好的用户体验。我相信在座的汽车行业里，实现这种仿真模式，在这种仿真环境下，不单是做一个仿真验证，更大的是系统的闭环验证，会把我们所有的场景数据放在这个测试。你可以整个场景测试，也可以各种案例的测试。我们这个视角看到的是把感知决策，规划，控制全部闭环在一起。为了提高车子的动力学特性，我们直接买的汽车专业的仿真软件。在验证规划决策控制的时候，可以直观的体验。我们专门做交通的仿真。能够有效的跟场景结合。
刚才主要是分享了在自动驾驶方面的路线。实际上，从我们产品来说，大家都区别分L1，L2，L3。我们更多是看用户真正的需求痛点在哪里。我们有各种场景道路。我们目前更关注客户的高速公路类似于L3的解决方案。我们认为就目前的技术成熟度，已经足够支撑自动驾驶的应用。同时在这种场景下，我们可以想像一下，你在上班和下班的时候。刚才有同学说是2个小时。但是80%的时间都是半封闭道路，高速路上。如果把这个80%的时间，给你解决掉，把你的驾驶任务时间省下来，让你专注于你美好的事物上去，这是非常有价值的。所以我们当前会以这个为切入点，跟合作伙伴共同打造产品。同时我们也会针对L4，L5这种未来的核心技术，在进行算法研发，以及数据上的积累。我们两条线都在走。在当前阶段核心的问题还是从客户出发，为后续的经济提供更好的数据支撑。
对于腾讯自动驾驶来说和腾讯的理念完全一样的。我们也秉持开放的态度，包容的愿景，希望跟大家一起合作。我们更愿意跟科研院所一起进行算法上的探索创新，探索更优秀的算法和方向。我们更愿意跟产业和各个环节的伙伴们一起合作。从用户出发，从产品出发，打磨产品，积累能力，共同实现自动驾驶的愿景。对于自动驾驶来说，当前它的未来已经来到了，我们已经能看到，在一定的应用场景下，他有相应的场景去实现。对于更理想的自动驾驶来说，或者我们理想的驾驶，L5的这种驾驶还有一段时间。我们更相信自动驾驶的未来一定会来，所以我们一定会去努力向一个完全的理想的自动驾
