當前在汽車行業聲音比較高的一個共識是結構化道路、確定性視窗、網路協同以及智慧網聯。 宣導智慧網技術發展的人， 都希望用網路來彌補駕駛的不足， 但是， 我個人認為“自動駕駛+智慧網聯”， 最好的發展途徑是高鐵、地鐵、飛機等領域， 其中最重要是調度。
最糟糕的是， 由於特斯拉自動駕駛技術的陸續發佈， 使得駕駛者在開車的時候不需要那麼注意了。 其實， 越是信任自動駕駛， 越容易造成注意力不集中， 因此不能釋放駕駛員認知的所有自動都不能稱之為自動駕駛。
汽車是從馬車演變而來的，
發生交通事故的第一殺手主要是由駕駛員造成的， 所以我們要把重點放在人身上。 駕駛“腦”能自主應對駕駛過程中遇到的各種各樣偶發事件和不確定性， 這才是人工智慧。
我們比任何時候更需要研究駕駛員， 分析駕駛員行為的大資料、構建駕駛員的智慧代理。 對此， 國內存在各種不同的聲音， 能不能“抱團取暖”， 是國內在世界大創新過程當中能否佔有一席之地的必要條件。
我們把周邊感知分幾個顏色， 紅顏色代表雷達， 藍色代表攝像頭， 黃色代表感測器。 左邊的太陽大，
駕駛“腦”的關鍵是駕駛認知的形式化， 是將感知大資料的縮水， 並遷移認知系列。 我們創新是拿駕照， 我們拿到一個底線， 不是說水準多高， 而是人僅學到了車輛的理論知識， 發不發駕照， 所以交通部門的同志支援我們將來怎麼發駕照， 小範圍考幾個動作。 這不僅能學習理論知識， 還能提升駕駛技能， 所以這是地圖替代不了。 我開車時候不是地圖， 而是個性化駕駛
因此我認為， 自動駕駛替代不了智慧駕駛，
傳統汽車僅僅是駕駛員的手、腳和力量的延伸， 控制車輛行為的是人， 在我們看來， 方向盤是一個非常好的介面， 成為力量延伸器。
線控汽車裝備了感測器之後， 用駕駛“腦”替代駕駛員認知， 並獲得駕駛指紋的駕駛技巧， 讓機器徹底變成自己， 這應該是人工智慧時代最有意義的問題之一。 不同的駕駛“腦”認知水準可以有差異， 駕駛“腦”有個性， 有線上學習的能力， 還能夠與車內駕乘人員聊天。
我們坐車的時候， 因為是有管理的，
非結構化道路、不確定性邊界、自主交互、資料交換這不是自主定義的汽車。 人類發明了自動駕駛之後， 有人駕駛和無人駕駛混合駕駛時間至少需要75年， 所以我認為大資料開車不要把全球所有的道路都壓在一輛車型上。
園區觀光、廠區通勤、社區巡邏、城際高速最後一公里。 定點物流、校車、市區定點接駁、快速公交。 園區觀光、廠區通勤、社區巡邏、城際高速最後一公里等不同領域定點的車型的應用， 如物流車、校車、市區定點接駁車、快速公車等。 這些場景下， 自動駕車能否需要駕駛員的掌控， 這主要取決於車輛能否處置特定場景下的意外情況， 能否發出求助資訊要求人工干預， 或者是在迫不得已的時候做出最小損失的決策。
無人泊車當作自動駕駛技術道路上的最後一公里來對待， 這才是接地氣的發展路線。汽車成為大資料的源泉、移動社會的感測器，駕駛“腦”有學習和自我學習的能力。一旦量產自動駕車上路，占比將越來越大，駕駛“腦”會成為汽車的必配。加之隨著智慧網聯技術的快速崛起，駕駛資料智慧越來越快，L3多了，L4也就多了，因此人們對於L3、L4、L5就不會那麼介意了。
（本文根據李德毅在“2017中國汽車產業發展（泰達）國際論壇”上演講整理，未經本人確認。）
這才是接地氣的發展路線。汽車成為大資料的源泉、移動社會的感測器，駕駛“腦”有學習和自我學習的能力。一旦量產自動駕車上路，占比將越來越大，駕駛“腦”會成為汽車的必配。加之隨著智慧網聯技術的快速崛起，駕駛資料智慧越來越快，L3多了，L4也就多了，因此人們對於L3、L4、L5就不會那麼介意了。（本文根據李德毅在“2017中國汽車產業發展（泰達）國際論壇”上演講整理，未經本人確認。）