2017年，随着人工智能概念的爆发，自动驾驶、智能汽车领域出现一大批新技术和新产品，而汽车作为一个革新的载体，也串联了很多本行业外各项技术，推动着汽车行业在整车、集成和生态上加速前进，同时，智能汽车也面临技术、法律法规等诸多方面的瓶颈。
12月21日，在中国智能网联汽车产业创新联盟月度巡回技术沙龙北京站上，新智元创始人兼CEO杨静女士与中国智能网联汽车产业创新联盟副理事长、清华大学汽车工程系教授李克强，清华大学汽车工程系主任杨殿阁，地平线创始人兼CEO余凯，东软集团副总裁兼移动互联网事业部总经理郭壮，武汉环宇智行科技董事长李明一道，共同探讨与展望中国智能汽车的加速之路。
无人驾驶达到L5还有不少难题
目前车企和科技公司涉足无人驾驶技术，普遍的做法是用高性能的传感器来代替人的感知，通过计算机来模拟人的决策。清华大学汽车工程系主任杨殿阁认为，目前来看，现在做L5的自动驾驶，现有的汽车技术在以下几个方面无法满足需求。
第一是汽车的架构。一辆汽车有数百个电器，其中有50%以上都没有联网，而CAN节点的数量也做的比较少。汽车若想达到高级别自动驾驶，所有的电器必须全部都要智能化、网联化，否则将出现“bug”，严重影响汽车的驾驶安全。
第二是汽车的感知技术。L5自动驾驶级别，由于对决策和感知的要求最高，因此其感知能力是单车的自主环境感知加联网式的环境感知，需要形成超视距和超视野，以弥补汽车思考能力的不足。
第三基于控制逻辑的驾驶决策与控制。在高级别自动驾驶中，传统车载导航将向自动驾驶导航发展，实现驾驶大脑的顶层任务控制，地图将成为一种超级传感器，在地图数据基础上建立乘凉形势的虚拟环境，解决行车轨迹规划并将其转化为车辆动力学控制参数，真正实现数据驱动汽车。
第四是车载信息安全。车载信息安全涉及成千上万的生命安全，是国家安全战略层面的问题，不仅要求车辆自身形成从架构、节点层、传输层等纵深防御体系，还需要从车联网、云控平台以及交通系统的角度考虑。
面向AI2.0的智能驾驶技术架构
中国智能网联汽车产业创新联盟副理事长、清华大学汽车工程系教授李克强认为，以2006年Geoff Hinton发现训练高层神经网络的有效算法为标志，人工智能迎来第三次发展高潮，为自动驾驶车辆提供了基础理论支撑。
经过几年的不断实践，作为人工智能的关键应用对象的自动驾驶车辆进入了新领域：面对AI2.0的智能驾驶系统。
清华大学汽车工程系教授李克强
AI2.0的智能驾驶系统是依托多源多态传感器、互联互通控制器、云端大数据平台等装置，融合大数据学习、人机协同增强智能和自组织群体智能等下一代AI技术，使运载工具实现交通环境深度感知、交通态势准确预知、人车路一体化决策和控制等能力，实现部分或全部无人驾驶的下一代智能系统。
面向AI2.0的智能驾驶系统技术架构
“高度自动驾驶真正要做到完全替代人操作，一定是要有高智能的控制性决策系统。”李克强教授说，在新一代人工智能里面，环境感知和决策控制是成为关键应用。
杨静：智能汽车进入“摩尔定律”时间
近日，沃尔沃汽车公司宣布自2019年起，向Uber提供2.4万辆自动驾驶出租车，这是该类汽车最早且规模最大的商业订单之一。
新智元创始人兼CEO杨静女士认为，沃尔沃与Uber合作，代表着国外科技公司与传统的汽车制造企业对智能汽车前景看好，尤其是在人工智能的助推下，汽车行业的生态正在逐渐改变。
新智元创始人兼CEO杨静
另一方面，杨静认为，随着国内外的一些大公司不惜重金投入对无人驾驶领域的布局和研发，智能汽车领域也进入“摩尔定律”时间：最早布局自动驾驶的百度从年初发布Apollo（阿波罗）平台后，其无人驾驶车已经频繁亮相，距离量产目标越来越近；阿里巴巴联手上汽、腾讯联手广汽，BAT三家深度介入互联网造车领域，加速了整个汽车行业的变革。
“BAT加码，将会推动从基础研发到场景应用等层面，包括整车生产、各个部件集成、生态的整合在内，我们认为无人驾驶的时代就会加速到来”杨静说。
此外，杨静还认为，目前中国的人工智能发展呈现出“弱人工智能很强，强人工智能很弱”的特征，我们在深度学习、大数据分析处理这方面，已经有很成熟的一些技术。但是在通用人工智发展的最前沿领域，中国在这方面力量是非常薄弱的，甚至于说还没有起步，与领先国家的差距越来越大。
首款面向智能驾驶的人工智能视觉芯片
一般来讲，通常是在现有的计算机结构和硬件基础上，来设计人工智能的算法和软件。但以数据密集型为特征的深度学习出现后，在原有的框架和硬件基础下运行效率变得非常低，人工智能的发展面临着硬件障碍。
在这种背景下，面向智能驾驶的人工智能视觉芯片应运而生。
“地平线”公司创始人兼CEO余凯近日发布了中国首款嵌入式人工智能视觉芯片“征程”，面向智能驾驶领域。
“地平线”公司创始人兼CEO余凯
“征程”中采用的是关注模型和认知模型的处理器。关注模型是在时间和空间维度下，对视频序列进行快速的分析处理，分析出在最新的数据里，哪些区域的信息是特别重要的、哪些区域的信息其实是不重要的。认知模型则根据关注模型输出的结果，更加地深入地彻底分析里面包含的有价值的信息。通过这两个结合，算法速度能提高十倍以上。
自动驾驶离不开基础设施的智能化
现在，路标的主要功能是提醒和指示给司机，标注给“人”看；而在车联网和自动驾驶时代，路标不仅给人看，还要给汽车看，这对道路基础设施提出了智能化挑战。
东软集团副总裁兼移动互联网事业部总经理郭壮认为，一方面，需要安装智能网联设备来给车输送道路信息，另一方面，公路的标志要进一步的标准化和智能化。
比如在出现交通事故的路段，交通摄像头识别后，将路况信息发送给即将到达事故路段的车辆，提前对车进行预警。
“可以交给路测的传感器帮车辆探测，这样我的单车只要具备联网功能就可以实现基本的自动驾驶。”武汉环宇智行科技董事长李明认为，自动驾驶对路的智能化要求同样迫切，未来，在通行量比较大的高速公路可以开辟一些具备路测传感器的车道，同时也能节省自动驾驶的成本。
原文发布时间为：2017-12-22
本文作者：张乾
本文来自云栖社区合作伙伴新智元，了解相关信息可以关注“AI_era”微信公众号
