成波：我國正在組建國家級智慧網聯汽車創新發展平臺
在技術進步、政策利好等多重驅動下，產業化進程是自動駕駛發展的關鍵，硬體、軟體、資料哪個才是快速推進產業化的密碼？值得深入探討。2017年 10月27日，由清華大學蘇州研究院指導，
清華大學蘇州汽車研究院院長成波圍繞《中國智慧網聯汽車產業發展機遇》為主題做了發言。針對現有企業爭論，L3階段到底要不要，他表示：“原來主機廠都是堅持要循序漸進，富豪前段時間發佈說L3我們跨過去了，從L2直接到L4，是有這些說法的。不過我感覺這個很難跨過去，從2到4這個鴻溝是非常大的。
清華大學蘇州汽車研究院院長成波：
今天我們是第一次以沙龍的形式一塊兒來分享一些話題。作為沙龍活動，我認為還應該再輕鬆一些，和學術報告會不太一樣，
智輪行沙龍以全國巡迴方式，組織月度技術專題沙龍。期間，將發佈行業研究報告，由清華大學蘇州汽車研究院通過研究團結與清新汽車團隊完成。另外，通過行業熱點事件討論，搭建圍繞汽車、交通、互聯網、通信等多領域的交流平臺。
今天是開局，所以各位能夠來捧場，首先我代表研究院向大家的到來表示衷心的感謝，謝謝大家。
我想後面還有幾個專家講技術更專業一些，
目前智慧汽車非常火，不光是我們做汽車的，做IT的、做車聯網的，包括媒體、包括用車人，對這塊都是非常關注的。在媒體做的各方面調查來講，包括中國、美國、歐洲，現在中國受訪的人員對於智慧汽車的關注度是最高的，超過90%，大家都感興趣。對於未來使用的預測，也是出奇的高，所以中國人對於新東西的接受還是非常熱的，這個對於新技術的推動和發展是一個利好。
今天我們討論這個話題，屬於智慧網聯汽車，未來一定是改變人類的，不光是改變汽車這個產品，而是它已經逐步擺脫硬體產品這麼一個範疇，它會改變我們出行的模式，改變整個社會的結構。交通大家知道，是和我們整個社會的結構和城市的規劃緊密相關的，一個城市大概三分之一的面積是用來做交通的。人類的四大基本需求，衣食住行，大家回頭想一想，衣、食、住，有史以來的變化實際上不是太大，真正改變的是出行這塊才是最根本的，出行的方式要做重大的變化，到底是一個什麼事情呢？
今天在座的可能有些不是做汽車專業的，現在這個概念比較多，跟大家一塊兒梳理一下，還有現在關於智慧網聯汽車的幾個基本問題，不是學術觀點拿出來大家一塊兒討論討論，最後再分析一下有什麼樣的機遇。
一個說為什麼叫智慧網聯汽車，原來智慧和車多一些，後來加上網聯，這個也跟美國這個有些關係，美國的定義，原來我們說智慧汽車，更多的還是自動駕駛，這個它是通過車載的感測器來感知、決策然後控制。網聯的定義裡面不需要智慧，你只要聯網就可以了，兩個合起來就是智慧網聯汽車，這是一個概念的出處。
這是美國的SAE汽車工程學會，它對智慧化的程度做了一個定義，從L1到L5，無人駕駛，那個無人駕駛是無所不能的，從結構化到非結構化的。第一級是單功能的預測，前面有障礙，來幫助你緊急刹車，或者幫助你打方向盤規避，或者給你預警。第二級是集成，第三級一部分實現車輛自動駕駛，第四級是一般的結構化道路上都可以不要人來駕駛了。
美國只是對智慧化作出一個精准的定義，對於網聯這個定義，這是去年的技術路線圖裡面，把它這個定義分成三級，一等就是通過網聯對汽車駕駛進行輔助，比如提供資訊，說前面彎路的時候人看不見，來提供資訊。第二是對它進行感知，第三是決策與控制，這個就構成了我們對智慧網聯的一些基本概念。
還有一些概念，一個是智慧汽車大家知道，智慧交通大家知道，還有車聯網，智慧網聯汽車就是在中間，它們都相關，又有各自比較精准的定義。
另外一個就是智慧汽車它是跨界融合的，光是汽車行業做不好智慧網聯汽車，另外汽車沒有交通的環境，做的再好也沒有用。這個是表現了它的整個生態系統，智慧網聯汽車車輛本身需要感知、決策、控制，要能自主的導航，要能跟人進行交互，這是它本身的功能。不過它產業本身和生態環境都需要大家的融合，這裡面有定位、地圖，有V2X，車和車要進行聯絡，車和人要進行聯絡，車和基礎設施要進行聯絡，還有資訊通訊，還有汽車共用服務，還有大資料，當然還有其他的一些，這個構成我們整個產業的生態。我們說一旦出行就有事故，就有責任，無人駕駛的車撞了人了怎麼辦？誰來承擔責任？無人駕駛的車能不能上路，這個路權誰來定義？尤其是現在不成熟的產品，誰敢把它放到路上去？所以這裡面有法律的體系，有規範的問題，標準的問題，有保險的問題，還有道德的問題。
什麼道德呢？大家可能都聽說無人駕駛車是由工程師編程式控制的，這個程式遇到危險以後是選擇撞誰，是撞牆還是撞人？對於乘車人和外面的人，這個設計是利他還是利己？買一個車說一般來講出事故了首先不能撞別人，自己撞牆也不能撞人。那好，一遇到事情說我開了個車它都去撞牆撞樹，這個也有問題，所以這裡面就涉及到一個道德問題。
這個是整個生態更詳細的圖譜，一個涉及到上游的軟硬體問題，處理器、儲存器，還有駕駛的，硬體、軟體、商業應用，包括技術的解決方案，也包括傳統整車製造，整個生態中原來我們的汽車製造企業只占那麼一角。
現在做的預期，在這裡面未來盈利最大的可能是移動服務的提供商，在整個價值鏈裡面可能是占位最高的。還有平臺的服務商和終端軟體的設備。而對於其他的硬體，在這裡面不佔優勢。
對於智慧網聯汽車大概的概念，剛剛說的就這麼多，那麼到底應該怎麼去發展？這個一直是有爭論的，或者大家在選擇一些不同的方向，不同的路徑，這也是必然的，因為都是在探索，智慧網聯汽車未來是一個什麼畫像，實際上現在也沒畫的太清楚，剛剛說的分五級、分六級，這個也都是我們一個理想的狀態。從現在參與到整個行業裡面的，一個是傳統的汽車廠，包括它的零部件。還有一些新興的互聯網、ICT還有一些服務的企業。在發展的時候有兩種不同的路徑，對於傳統的主機廠肯定是漸進式的，它因為轉型的包袱太重，他不可能把現在所有的車扔掉了，一步跨到無人駕駛，這是不可能的。另外它的一些小兄弟，這些它的供應商必須帶著一塊兒走，一個是商業上的利益共用的機制，另外一個主機廠的核心技術不在他手上，他是需要大家一塊兒來做的。
另外互聯網的企業，它選擇的是直接從高度的自動駕駛這兒來做的，因為製造不是他的強項。你看現在互聯網造車的這些企業，它的生產都是委託現有的OEM在進行生產，所以這個是兩個不同的路徑。
實現的時間表，各個國家大概說在2020年會有一個爆發性的增長，這個級別是從2、3、4越來越高，像Google在這兒說我感覺有點吹牛，到2020年就要實現這個圖不知道是誰畫的。現在優步也要做L4的，這倒有可能，在局部區域。給大家參考，首先一個資訊，這是一個關鍵的時間節點，而且在這個節點上至少在L4以下都會不斷的有樣車，有小批量的應用。
這裡面大家要注意的就是，我們說多少級，實際上現在認真弄下來，不需要分那麼多級，高度自動駕駛和完全自動駕駛可以做成一個等級，1和2實際上也可以做成一個等級，3也許是一個過渡，實際上分3級就夠了。因為到第3級以後，前面1級、2級駕駛員是100%的責任，無論用不用他的駕駛輔助系統，出了事故責任都是人的。到了3，車的控制權可以發生轉移，我這個指令或者說系統要求，系統可以接管汽車的駕駛。也就是說在這段時間，它發生的事故可能這個責任要重新劃分。
另外對系統技術的要求，更多的是它的可靠性的問題，Fail safe就是系統出故障了它要保證它安全，首先我要把車停下來，靠邊停下或者緊急刹車。到車輛責任完全由系統來控制，這段時間，這個時空他是完全負責的。在這個時候出現故障以後，車還得人駕駛，還得行駛，行駛速度可能下來。飛機現在到空中都是無人駕駛，它一定要系統是多套的，這個對於整個系統的可靠性提出了遠遠超出我們現在想像的要求。
現在也有企業在爭論，L3要不要，原來主機廠都是堅持要循序漸進，富豪前段時間發佈說L3我們跨過去了，從L2直接到L4了，是有這麼些說法的。不過我感覺這個很難跨過去，從2到4這個鴻溝是非常大的。
第二個對於智慧網聯的汽車，怎麼個造法，這個是特斯拉的，特斯拉現在的智慧化水準實際上是2的水準，它現在基本不依賴基礎設施，更多的是用它車載的感測器來實現自動駕駛。這個是Google的，它一開始就是依託于高精度地圖，它到一個城市要用三維的雷射雷達把所有的模型造好了，這個車實際上是跑在數字地圖上，它才能夠對照進行精准定位，來對車進行控制。現在普遍接受的也是穀歌這種多一些，歐洲、北美都在大量的採用道路資料。像特斯拉做的這個可能也有它的理由，我要等著基礎設施完善了，車不知道什麼時候能上路，在有限的條件下首先車能跑起來，這還是兩條不同的技術路線的選擇。
第二個問題，我們現在說智慧網聯汽車是一個顛覆性的產品，所謂的顛覆不光是從使用，實際上我們在整車的架構方面，一些核心技術上，也出現了一些新的需要突破的，這裡列了十個，我們說傳統車上沒有的，作為支撐現在智慧網聯汽車平臺性的技術，不是單一的技術。感知、決策，電子電器架構原來是有的，不過在智慧駕駛情況下，電子電器架構要重新定義。還有車載的終端，現在我們都是單向的，只是播放資訊，以後它是雙向交互，以後語音的交互，還有一些視覺的交互，它會有很多，包括資訊的交互。
還有車載的計算平臺，現在我們都是用微型的計算ECU來，未來在車載需要大量的進行資料的處理，進行判斷，所以這個計算平臺一定要有。高精度的地圖、大資料、雲控，還有資訊安全、人工智慧，這些都是未來不可或缺的。而這裡面現在的積累從全球來講，還是比較單薄的。
在這裡面提到人工智慧，之所以說智慧汽車這麼快的發展，尤其最近開始加速，人工智慧在這裡面發揮了比較大的作用，從人工智慧來講，目前我們能看得到得有些出色表現的，AlphaGo大家知道，把冠軍棋手全打敗了，它在計算上，在局部遊戲這方面做到極致了。有一天有個朋友跟我說，說用電腦來做這些棋類，牌類都能勝，但是中國的麻將它勝不了。中國的麻將組合的太多了。到下一步感知智慧，一個是聽，一個是看，現在從資料上來講、性能上來講都超過或者趕上人了，而且未來肯定會比人更強。認知這塊它就要理解，現在在車用上沒有，在一些醫療上有，第二輪的人工智慧爆發的時候就是60年代的時候，也是醫療專家系統，它的識別精度就比人要高的多。
除了在感知這塊，在行為決策、直接控制這塊它也能發揮作用。不過目前來講，還是在感知這塊現在有比較明確的一些結果。而對於增強學習和遷移學習這塊，現在還是英偉達做樣車在進行嘗試，它在高速公路上跑了10公里，還是處於特別初級的階段。
我們回過頭簡單說一下自動駕駛，它基本的任務我們認為一個是環境感知，一個是駕駛的決策，一個是車輛的控制，車輛控制這塊實際上傳統的車裡面基本上已經解決了。一個是感知，一個是決策，這個是需要新增的。感知這裡面它有環境的識別，有情景的理解，決策就有行為決策還有路徑規劃，這是細分來講。
在這裡面做這個事情也有兩類方法，一類是我們說傳統的，它是基於規則的，把一些複雜的道路環境識別把它分成一個一個獨立的問題，然後一個一個去解決，這是我們解決複雜問題的一個基本的邏輯。就是把這個複雜問題給它分解、簡單化。不過我記得幾十年前就有提出來，複雜的問題並不一定要通過這種結果的方式去解決，不過那時候他提的理論實用性不強。現在我們說端到端的進行機器深度學習的，它可能沒有嚴密的邏輯或者說數學邏輯，所謂端到端就是我有一個輸入圖像，我既可以識別這個道路上的這些障礙物，同時我還可以直接延伸到來產生我操作的一些指令，這就是端到端。
這裡兩種方法它各有優劣，我們說現在端到端這塊的識別，精度確實非常高，不過它有它的一些致命的弱點，一個是它的可解釋性太差，就是這個黑匣子，這個結果到底是合理不合理，說不清楚，為什麼是這個結果，它也說不清楚，是因為什麼產生的，產生的理由、依據也搞不明白。這個最大的問題就是對於我們汽車製造商，出了問題以後我要迅速的把這個問題找到而且要替換它。如果我們整個控制系統以後是學習的，說出了問題了，這個故障你怎麼去找？那是沒法找的，所以這個可解釋性就成了未來品質追溯的一個重大的難關。
另外還帶來一個問題，以後是線上學習了，說我車賣你的時候是一個樣，你每天開的那個地方，你常年開上海這個街道和常年開蘇州街道學出來的結果就不一樣，你在北京練出來的車，到紐約不一定跑的好。美國車肯定訓練完了到中國寸步難行，類似這些東西帶來很大的不確定性。
它的好處就是對於演算法，對於複雜度非常高，人不用寫代碼了，你有個基本的架構我來進行一些適應性的訓練，這個是受到大家追捧的。
這是說到環境感知，我們再分解一下，跟大家再科普的專業一點，環境感知實際上可以分成三個層次，一個層次是識別，路上有車還是有人、有樹。第二個是情景的理解，有這些東西了，它是一個什麼東西，前面那個車是在我正前方還是要右轉，還是要掉頭，這個情景的理解需要。第三個對於其他物體的預測，行人也好，車輛也好，只有這個問題解決了，我們說感知感覺，知是感知，知覺，認知。然後這些解決了以後才是決策，才是控制，才到車輛。現在我們大部分工作在這塊。
這是資訊獲取，現在百度通過一些競賽，說信號燈識別準確率已經達到3個9，行人檢測已經超過95%了，還有其他的一些指標，包括車輛識別可能精度也是非常高的，這個比我們傳統做環境識別的演算法都要高得多，未來他們在挑戰行人的識別率也要達到幾個9。
語義理解，這是情景理解力的一部分，因為車是在路上跑的，哪些地方是我能跑的，一個是在路上，另外一個是沒有障礙物，現在沒有，將來我到的時候也沒有，這是預測。還有邊上站的一些人他的行為要進行預測，通過不同顏色來進行區分，再進行聚集以後它可以把這個區域輪廓畫出來，為決策提供非常便利的條件。這些通過深度學習都可以解決。
對於行為決策更難一些，這是傳統的，這是美國SAE弄的一個分層的結構，每一個實際上還要細分，所以這個東西要解決還是挺難的。
端到端這個時間不長，1989年還是在校園裡，後面的也是最近幾年，隨著人工智慧的一些演算法提升以後。現在就是英偉達在做實車的測試，其他的到控制端的還少。
簡單介紹一下未來我們存在的一些機會，因為我們剛剛說的一些技術路線的選擇，因為一個產品要推出社會，尤其要和人發生交互，它整個生態鏈包括社會體系必須具備。各個國家的政府高度重視，而且都是把它列為國家戰略，國外對於一個產品它很難都列為國家戰略，從上個世紀九十年代開始，圍繞著交通，把智慧交通和智慧汽車，持續這二三十年一直在做，美國、德國、日本基本上都是按一個節奏在走。東京2020冬奧會就要推出自動駕駛服務車輛，我們國家現在定的目標是在2022的冬季奧運會也會有自動駕駛車輛。
中國現在提出目標了，L3以下的到2020年裝車率是50%，這個是非常高的，能不能實現這個真是不好說，現在也就3年了。2025到80%，2030是新車標配，而且汽車聯網要100%，這還是可以預期的，我們先不管說實現路徑怎麼樣，作為一個國家，尤其中國政府是說話算數的，所以大家有的是機會。
目前我感覺機遇還是有的，圍繞現在定義的概念，自動駕駛沒有大規模的應用，這塊留給了我們一定的時間。第二個，現在的發展都是國家引領，產業協同這麼一個國家戰略，凡是說抱團打群架的，中國一定是強的，因為政府的號召力強，政府還有錢，所以這塊只要方向不錯，我們說核心技術可以等一等再攻破，就跟高鐵一樣，我先把路給你跑上，把車給你跑起來，我能把這個東西傳起來。後面還有一些，一個是我們汽車市場多，任何車廠都可以到我們這兒來賣。第二個我們場景複雜，場景複雜有一個什麼好處呢？我這兒訓練的車到別的地方都不能跑。你像歐洲、美國訓練出來的到中國跑不了。第三個，我們現在做統一的平臺，尤其資訊安全這是未來一個名正言順的壁壘，所有的車到中國跑必須入網，資料必須交出來，必須按我們的規矩來，所以這些我感覺是有機會的。另外中國現在的智慧城市還是下一步經濟發展的重點。
最新的一個動態，現在發改委正在發力了，工信部在技術創新這塊推動比較大，發改委現在是要在產業這方面，現在已經在啟動要建立國家級的智慧汽車創新發展平臺。
另外車廠也在動起來，這個我感覺是有機會的。
最後一點，我們說技術，為什麼這麼熱？因為對我們的出行，不光是產業的問題，影響是巨大的。有幾個趨勢，跟大家分享、討論，一個是駕駛逐步的去人化，從上個世紀我們說智慧汽車、智慧交通，就是通過智慧化讓人少參與汽車的駕駛，或者不參與汽車的駕駛。因為我們說汽車發生事故，10%是車本身的故障產生的，歐美這些車可能5%都不到，道路環境大概30%，有的地方可能多一點。人的原因是90%，所以讓人盡可能的少開車或者不開車，這是解決交通安全事故的重點，現在一年交通事故傷亡120萬到130萬，這個是巨大的。
另外提高效率，只要不是人開車，他就沒有脾氣，車會按統一的路徑來走。低成本。
第二個肯定是逐步走向共用，中國這麼大的人口基數，我們按照國外的人均汽車擁有量那絕對是走不通的，出行的需要又是一個剛需，所以通過共用，現在共用在國內推動的還是比較快的。所以共用以後品牌的價值會降低，客戶是買服務不是買品牌了，另外出行因為方便了，大家出行也沒有任何顧慮了，估計短途的、長途的都會增加。
第三個，產業生態化，現在主機廠都在說我要從產品轉移到服務，我們都認為這裡面有它轉型的障礙，在現有的土壤上要成長出一批新的主機廠來替代。未來應該是由服務來引領創新，而不是技術來驅動創新。電動汽車可能會找到它更好的發展機會。
謝謝大家。
(本文根據現場速記整理而成，未經本人審閱。)
超過90%，大家都感興趣。對於未來使用的預測，也是出奇的高，所以中國人對於新東西的接受還是非常熱的，這個對於新技術的推動和發展是一個利好。今天我們討論這個話題，屬於智慧網聯汽車，未來一定是改變人類的，不光是改變汽車這個產品，而是它已經逐步擺脫硬體產品這麼一個範疇，它會改變我們出行的模式，改變整個社會的結構。交通大家知道，是和我們整個社會的結構和城市的規劃緊密相關的，一個城市大概三分之一的面積是用來做交通的。人類的四大基本需求，衣食住行，大家回頭想一想，衣、食、住，有史以來的變化實際上不是太大，真正改變的是出行這塊才是最根本的，出行的方式要做重大的變化，到底是一個什麼事情呢？
今天在座的可能有些不是做汽車專業的，現在這個概念比較多，跟大家一塊兒梳理一下，還有現在關於智慧網聯汽車的幾個基本問題，不是學術觀點拿出來大家一塊兒討論討論，最後再分析一下有什麼樣的機遇。
一個說為什麼叫智慧網聯汽車，原來智慧和車多一些，後來加上網聯，這個也跟美國這個有些關係，美國的定義，原來我們說智慧汽車，更多的還是自動駕駛，這個它是通過車載的感測器來感知、決策然後控制。網聯的定義裡面不需要智慧，你只要聯網就可以了，兩個合起來就是智慧網聯汽車，這是一個概念的出處。
這是美國的SAE汽車工程學會，它對智慧化的程度做了一個定義，從L1到L5，無人駕駛，那個無人駕駛是無所不能的，從結構化到非結構化的。第一級是單功能的預測，前面有障礙，來幫助你緊急刹車，或者幫助你打方向盤規避，或者給你預警。第二級是集成，第三級一部分實現車輛自動駕駛，第四級是一般的結構化道路上都可以不要人來駕駛了。
美國只是對智慧化作出一個精准的定義，對於網聯這個定義，這是去年的技術路線圖裡面，把它這個定義分成三級，一等就是通過網聯對汽車駕駛進行輔助，比如提供資訊，說前面彎路的時候人看不見，來提供資訊。第二是對它進行感知，第三是決策與控制，這個就構成了我們對智慧網聯的一些基本概念。
還有一些概念，一個是智慧汽車大家知道，智慧交通大家知道，還有車聯網，智慧網聯汽車就是在中間，它們都相關，又有各自比較精准的定義。
另外一個就是智慧汽車它是跨界融合的，光是汽車行業做不好智慧網聯汽車，另外汽車沒有交通的環境，做的再好也沒有用。這個是表現了它的整個生態系統，智慧網聯汽車車輛本身需要感知、決策、控制，要能自主的導航，要能跟人進行交互，這是它本身的功能。不過它產業本身和生態環境都需要大家的融合，這裡面有定位、地圖，有V2X，車和車要進行聯絡，車和人要進行聯絡，車和基礎設施要進行聯絡，還有資訊通訊，還有汽車共用服務，還有大資料，當然還有其他的一些，這個構成我們整個產業的生態。我們說一旦出行就有事故，就有責任，無人駕駛的車撞了人了怎麼辦？誰來承擔責任？無人駕駛的車能不能上路，這個路權誰來定義？尤其是現在不成熟的產品，誰敢把它放到路上去？所以這裡面有法律的體系，有規範的問題，標準的問題，有保險的問題，還有道德的問題。
什麼道德呢？大家可能都聽說無人駕駛車是由工程師編程式控制的，這個程式遇到危險以後是選擇撞誰，是撞牆還是撞人？對於乘車人和外面的人，這個設計是利他還是利己？買一個車說一般來講出事故了首先不能撞別人，自己撞牆也不能撞人。那好，一遇到事情說我開了個車它都去撞牆撞樹，這個也有問題，所以這裡面就涉及到一個道德問題。
這個是整個生態更詳細的圖譜，一個涉及到上游的軟硬體問題，處理器、儲存器，還有駕駛的，硬體、軟體、商業應用，包括技術的解決方案，也包括傳統整車製造，整個生態中原來我們的汽車製造企業只占那麼一角。
現在做的預期，在這裡面未來盈利最大的可能是移動服務的提供商，在整個價值鏈裡面可能是占位最高的。還有平臺的服務商和終端軟體的設備。而對於其他的硬體，在這裡面不佔優勢。
對於智慧網聯汽車大概的概念，剛剛說的就這麼多，那麼到底應該怎麼去發展？這個一直是有爭論的，或者大家在選擇一些不同的方向，不同的路徑，這也是必然的，因為都是在探索，智慧網聯汽車未來是一個什麼畫像，實際上現在也沒畫的太清楚，剛剛說的分五級、分六級，這個也都是我們一個理想的狀態。從現在參與到整個行業裡面的，一個是傳統的汽車廠，包括它的零部件。還有一些新興的互聯網、ICT還有一些服務的企業。在發展的時候有兩種不同的路徑，對於傳統的主機廠肯定是漸進式的，它因為轉型的包袱太重，他不可能把現在所有的車扔掉了，一步跨到無人駕駛，這是不可能的。另外它的一些小兄弟，這些它的供應商必須帶著一塊兒走，一個是商業上的利益共用的機制，另外一個主機廠的核心技術不在他手上，他是需要大家一塊兒來做的。
另外互聯網的企業，它選擇的是直接從高度的自動駕駛這兒來做的，因為製造不是他的強項。你看現在互聯網造車的這些企業，它的生產都是委託現有的OEM在進行生產，所以這個是兩個不同的路徑。
實現的時間表，各個國家大概說在2020年會有一個爆發性的增長，這個級別是從2、3、4越來越高，像Google在這兒說我感覺有點吹牛，到2020年就要實現這個圖不知道是誰畫的。現在優步也要做L4的，這倒有可能，在局部區域。給大家參考，首先一個資訊，這是一個關鍵的時間節點，而且在這個節點上至少在L4以下都會不斷的有樣車，有小批量的應用。
這裡面大家要注意的就是，我們說多少級，實際上現在認真弄下來，不需要分那麼多級，高度自動駕駛和完全自動駕駛可以做成一個等級，1和2實際上也可以做成一個等級，3也許是一個過渡，實際上分3級就夠了。因為到第3級以後，前面1級、2級駕駛員是100%的責任，無論用不用他的駕駛輔助系統，出了事故責任都是人的。到了3，車的控制權可以發生轉移，我這個指令或者說系統要求，系統可以接管汽車的駕駛。也就是說在這段時間，它發生的事故可能這個責任要重新劃分。
另外對系統技術的要求，更多的是它的可靠性的問題，Fail safe就是系統出故障了它要保證它安全，首先我要把車停下來，靠邊停下或者緊急刹車。到車輛責任完全由系統來控制，這段時間，這個時空他是完全負責的。在這個時候出現故障以後，車還得人駕駛，還得行駛，行駛速度可能下來。飛機現在到空中都是無人駕駛，它一定要系統是多套的，這個對於整個系統的可靠性提出了遠遠超出我們現在想像的要求。
現在也有企業在爭論，L3要不要，原來主機廠都是堅持要循序漸進，富豪前段時間發佈說L3我們跨過去了，從L2直接到L4了，是有這麼些說法的。不過我感覺這個很難跨過去，從2到4這個鴻溝是非常大的。
第二個對於智慧網聯的汽車，怎麼個造法，這個是特斯拉的，特斯拉現在的智慧化水準實際上是2的水準，它現在基本不依賴基礎設施，更多的是用它車載的感測器來實現自動駕駛。這個是Google的，它一開始就是依託于高精度地圖，它到一個城市要用三維的雷射雷達把所有的模型造好了，這個車實際上是跑在數字地圖上，它才能夠對照進行精准定位，來對車進行控制。現在普遍接受的也是穀歌這種多一些，歐洲、北美都在大量的採用道路資料。像特斯拉做的這個可能也有它的理由，我要等著基礎設施完善了，車不知道什麼時候能上路，在有限的條件下首先車能跑起來，這還是兩條不同的技術路線的選擇。
第二個問題，我們現在說智慧網聯汽車是一個顛覆性的產品，所謂的顛覆不光是從使用，實際上我們在整車的架構方面，一些核心技術上，也出現了一些新的需要突破的，這裡列了十個，我們說傳統車上沒有的，作為支撐現在智慧網聯汽車平臺性的技術，不是單一的技術。感知、決策，電子電器架構原來是有的，不過在智慧駕駛情況下，電子電器架構要重新定義。還有車載的終端，現在我們都是單向的，只是播放資訊，以後它是雙向交互，以後語音的交互，還有一些視覺的交互，它會有很多，包括資訊的交互。
還有車載的計算平臺，現在我們都是用微型的計算ECU來，未來在車載需要大量的進行資料的處理，進行判斷，所以這個計算平臺一定要有。高精度的地圖、大資料、雲控，還有資訊安全、人工智慧，這些都是未來不可或缺的。而這裡面現在的積累從全球來講，還是比較單薄的。
在這裡面提到人工智慧，之所以說智慧汽車這麼快的發展，尤其最近開始加速，人工智慧在這裡面發揮了比較大的作用，從人工智慧來講，目前我們能看得到得有些出色表現的，AlphaGo大家知道，把冠軍棋手全打敗了，它在計算上，在局部遊戲這方面做到極致了。有一天有個朋友跟我說，說用電腦來做這些棋類，牌類都能勝，但是中國的麻將它勝不了。中國的麻將組合的太多了。到下一步感知智慧，一個是聽，一個是看，現在從資料上來講、性能上來講都超過或者趕上人了，而且未來肯定會比人更強。認知這塊它就要理解，現在在車用上沒有，在一些醫療上有，第二輪的人工智慧爆發的時候就是60年代的時候，也是醫療專家系統，它的識別精度就比人要高的多。
除了在感知這塊，在行為決策、直接控制這塊它也能發揮作用。不過目前來講，還是在感知這塊現在有比較明確的一些結果。而對於增強學習和遷移學習這塊，現在還是英偉達做樣車在進行嘗試，它在高速公路上跑了10公里，還是處於特別初級的階段。
我們回過頭簡單說一下自動駕駛，它基本的任務我們認為一個是環境感知，一個是駕駛的決策，一個是車輛的控制，車輛控制這塊實際上傳統的車裡面基本上已經解決了。一個是感知，一個是決策，這個是需要新增的。感知這裡面它有環境的識別，有情景的理解，決策就有行為決策還有路徑規劃，這是細分來講。
在這裡面做這個事情也有兩類方法，一類是我們說傳統的，它是基於規則的，把一些複雜的道路環境識別把它分成一個一個獨立的問題，然後一個一個去解決，這是我們解決複雜問題的一個基本的邏輯。就是把這個複雜問題給它分解、簡單化。不過我記得幾十年前就有提出來，複雜的問題並不一定要通過這種結果的方式去解決，不過那時候他提的理論實用性不強。現在我們說端到端的進行機器深度學習的，它可能沒有嚴密的邏輯或者說數學邏輯，所謂端到端就是我有一個輸入圖像，我既可以識別這個道路上的這些障礙物，同時我還可以直接延伸到來產生我操作的一些指令，這就是端到端。
這裡兩種方法它各有優劣，我們說現在端到端這塊的識別，精度確實非常高，不過它有它的一些致命的弱點，一個是它的可解釋性太差，就是這個黑匣子，這個結果到底是合理不合理，說不清楚，為什麼是這個結果，它也說不清楚，是因為什麼產生的，產生的理由、依據也搞不明白。這個最大的問題就是對於我們汽車製造商，出了問題以後我要迅速的把這個問題找到而且要替換它。如果我們整個控制系統以後是學習的，說出了問題了，這個故障你怎麼去找？那是沒法找的，所以這個可解釋性就成了未來品質追溯的一個重大的難關。
另外還帶來一個問題，以後是線上學習了，說我車賣你的時候是一個樣，你每天開的那個地方，你常年開上海這個街道和常年開蘇州街道學出來的結果就不一樣，你在北京練出來的車，到紐約不一定跑的好。美國車肯定訓練完了到中國寸步難行，類似這些東西帶來很大的不確定性。
它的好處就是對於演算法，對於複雜度非常高，人不用寫代碼了，你有個基本的架構我來進行一些適應性的訓練，這個是受到大家追捧的。
這是說到環境感知，我們再分解一下，跟大家再科普的專業一點，環境感知實際上可以分成三個層次，一個層次是識別，路上有車還是有人、有樹。第二個是情景的理解，有這些東西了，它是一個什麼東西，前面那個車是在我正前方還是要右轉，還是要掉頭，這個情景的理解需要。第三個對於其他物體的預測，行人也好，車輛也好，只有這個問題解決了，我們說感知感覺，知是感知，知覺，認知。然後這些解決了以後才是決策，才是控制，才到車輛。現在我們大部分工作在這塊。
這是資訊獲取，現在百度通過一些競賽，說信號燈識別準確率已經達到3個9，行人檢測已經超過95%了，還有其他的一些指標，包括車輛識別可能精度也是非常高的，這個比我們傳統做環境識別的演算法都要高得多，未來他們在挑戰行人的識別率也要達到幾個9。
語義理解，這是情景理解力的一部分，因為車是在路上跑的，哪些地方是我能跑的，一個是在路上，另外一個是沒有障礙物，現在沒有，將來我到的時候也沒有，這是預測。還有邊上站的一些人他的行為要進行預測，通過不同顏色來進行區分，再進行聚集以後它可以把這個區域輪廓畫出來，為決策提供非常便利的條件。這些通過深度學習都可以解決。
對於行為決策更難一些，這是傳統的，這是美國SAE弄的一個分層的結構，每一個實際上還要細分，所以這個東西要解決還是挺難的。
端到端這個時間不長，1989年還是在校園裡，後面的也是最近幾年，隨著人工智慧的一些演算法提升以後。現在就是英偉達在做實車的測試，其他的到控制端的還少。
簡單介紹一下未來我們存在的一些機會，因為我們剛剛說的一些技術路線的選擇，因為一個產品要推出社會，尤其要和人發生交互，它整個生態鏈包括社會體系必須具備。各個國家的政府高度重視，而且都是把它列為國家戰略，國外對於一個產品它很難都列為國家戰略，從上個世紀九十年代開始，圍繞著交通，把智慧交通和智慧汽車，持續這二三十年一直在做，美國、德國、日本基本上都是按一個節奏在走。東京2020冬奧會就要推出自動駕駛服務車輛，我們國家現在定的目標是在2022的冬季奧運會也會有自動駕駛車輛。
中國現在提出目標了，L3以下的到2020年裝車率是50%，這個是非常高的，能不能實現這個真是不好說，現在也就3年了。2025到80%，2030是新車標配，而且汽車聯網要100%，這還是可以預期的，我們先不管說實現路徑怎麼樣，作為一個國家，尤其中國政府是說話算數的，所以大家有的是機會。
目前我感覺機遇還是有的，圍繞現在定義的概念，自動駕駛沒有大規模的應用，這塊留給了我們一定的時間。第二個，現在的發展都是國家引領，產業協同這麼一個國家戰略，凡是說抱團打群架的，中國一定是強的，因為政府的號召力強，政府還有錢，所以這塊只要方向不錯，我們說核心技術可以等一等再攻破，就跟高鐵一樣，我先把路給你跑上，把車給你跑起來，我能把這個東西傳起來。後面還有一些，一個是我們汽車市場多，任何車廠都可以到我們這兒來賣。第二個我們場景複雜，場景複雜有一個什麼好處呢？我這兒訓練的車到別的地方都不能跑。你像歐洲、美國訓練出來的到中國跑不了。第三個，我們現在做統一的平臺，尤其資訊安全這是未來一個名正言順的壁壘，所有的車到中國跑必須入網，資料必須交出來，必須按我們的規矩來，所以這些我感覺是有機會的。另外中國現在的智慧城市還是下一步經濟發展的重點。
最新的一個動態，現在發改委正在發力了，工信部在技術創新這塊推動比較大，發改委現在是要在產業這方面，現在已經在啟動要建立國家級的智慧汽車創新發展平臺。
另外車廠也在動起來，這個我感覺是有機會的。
最後一點，我們說技術，為什麼這麼熱？因為對我們的出行，不光是產業的問題，影響是巨大的。有幾個趨勢，跟大家分享、討論，一個是駕駛逐步的去人化，從上個世紀我們說智慧汽車、智慧交通，就是通過智慧化讓人少參與汽車的駕駛，或者不參與汽車的駕駛。因為我們說汽車發生事故，10%是車本身的故障產生的，歐美這些車可能5%都不到，道路環境大概30%，有的地方可能多一點。人的原因是90%，所以讓人盡可能的少開車或者不開車，這是解決交通安全事故的重點，現在一年交通事故傷亡120萬到130萬，這個是巨大的。
另外提高效率，只要不是人開車，他就沒有脾氣，車會按統一的路徑來走。低成本。
第二個肯定是逐步走向共用，中國這麼大的人口基數，我們按照國外的人均汽車擁有量那絕對是走不通的，出行的需要又是一個剛需，所以通過共用，現在共用在國內推動的還是比較快的。所以共用以後品牌的價值會降低，客戶是買服務不是買品牌了，另外出行因為方便了，大家出行也沒有任何顧慮了，估計短途的、長途的都會增加。
第三個，產業生態化，現在主機廠都在說我要從產品轉移到服務，我們都認為這裡面有它轉型的障礙，在現有的土壤上要成長出一批新的主機廠來替代。未來應該是由服務來引領創新，而不是技術來驅動創新。電動汽車可能會找到它更好的發展機會。
謝謝大家。
(本文根據現場速記整理而成，未經本人審閱。)