張凌霄[汽車之家 行業] 近年來，智能網聯汽車產業進入發展快車道，政策法規環境持續完善，技術加速迭代，產業應用快速普及。面對智能網聯汽車發展全球機遇，各國紛紛加快戰略部署，通過發布政策頂層規劃、制訂/修訂相關法規、鼓勵技術研發、支持道路測試示范及運營項目等，推動產業落地。當前，國內已經搭建完善的政策體系，全面推動智能網聯汽車產業發展，以及與智能交通、智慧能源、智慧城市等的融合發展與生態構建。
8月1日，2022中國智能網聯汽車科技周、第九屆國際智能網聯汽車技術年會(CICV2022)在北京亦莊召開。中國工程院院士，清華大學智能產業研究院（AIR）院長張亞勤發表了主旨演講，他說，安全是第一要素，車路協同是中國的優勢，會讓自動駕駛更安全，也給單車智能提供更多冗余，降低整個無人駕駛的成本，也對現階段智慧交通有更多的幫助。
以下為演講實錄（精編）：
大家都知道，無人駕駛在過去的五到十年是一個特別令人關注的題目，不管是在投資界、產業界、科研界都是一個十分活躍的話題。一方面，由于無人駕駛是人類長期的夢想，有著巨大的技術、產業政策的挑戰，另一方面就是有巨大的產業前景。無人駕駛也是人工智能的技術、算法、理論和系統面對的挑戰，所以是人工智能基礎設施的一部分，特別是無人駕駛到智慧交通、智慧城市，這些是人工智能基礎設施的重要部分。
感謝清華大學周谷岳副教授和袁繼岳博士對今天PPT的內容做了很多貢獻，也要感謝百度公司，因為我的工作是和百度一起合作的。下面我就用二十五分鐘的時間，簡單地談一談整個無人駕駛大的背景以及一些關鍵的決策點，包括我們所做的一些工作。
的確，現在我們正在走入一個新的時代，汽車產業從福特的Model T到現在已經有一百一十多年的歷史，現在正在經歷大的變革，我們叫做“四化”，可以加上綠色低碳化。智能化是這幾化中很重要的一化，確實對整個產業升級有著十分重要的作用。我們七八年前剛開始做無人駕駛研究的時候，那個時候我在百度當總裁，大家說別人都做阿波羅，你們怎么做無人駕駛？現在看來很自然，的確是一個交叉學科，汽車產業要素正在發生大的變化，芯片、軟件、人工智能、電池都在變成新的關鍵技術要素。
從事無人駕駛，安全是最重要的，目前90%以上的事故都是人為的，無人之后可以把事故降到最低，然后就是整個效率，現在每天差不多有一個小時的時間開車或者找停車的地方，如果能夠把這個時間利用起來，不僅可以讓整個駕駛體驗更好，更重要的是提高整體的效率。
四年前在百度的時候，我們和麥肯錫做了一個預測，就是預計2030年自動駕駛乘用車會帶來1.1萬億美元的新增市場，現在的汽車市場差不多是3.1萬億美元，所以增量也有30%，這也是算法帶來的增長。
我們現在的車長OEM加上Tier正在從事自動駕駛和無人駕駛，很多新的Player也在進入這個市場，包括出行服務、新的勢力、物流公司和高科技公司，所以五到十年以后，整個商業格局會和現在完全不一樣。
將來這個領域會有很多技術方面的挑戰，也有關鍵決策的因素。如果從人工智能和軟件的角度來看，我認為是人工智能在未來五到十年最有挑戰的一個問題，同時也是有邊界的，就是很復雜的問題可以分解成為一些可以解決的相對簡單的問題，如果碰到無解的話，這個領域也很難做，正好是可以解決但又是很難的問題，就是集很多技術之大成，包括規劃、決策、執行，這些領域都需要完美的工作，容錯的幾率很小。
實現無人駕駛也有一些關鍵的問題，既有市場的因素也有非市場的因素。我們的論壇是和法學院一起共辦的，非市場因素、政策、法規、倫理、隱私以及其它人為因素可能對整個無人駕駛的作用，技術和市場的力量同等重要，今天我主要談一談市場因素，特別是技術的可行性，包括產業的生態。L4無人駕駛是否可以實現？答案是Yes，實現的路徑是以視覺為主還是更多不同的傳感器？怎樣泛化感知和決策？這些都是技術問題，路線圖是通過單車智能還是通過車路協同？漸進式通過ADAS到L4或者L5，生態也是開源Android或者IOS的封閉模式。很多不同領域都在進入這個行業，以后到底誰會贏？現在汽車OEM車廠還是新勢力的高科技公司？這些問題不可能都講，只是大致地講一講我的想法。
無人駕駛關鍵技術分為五個層次：數據層、感知層、認知理解層、決策規劃層以及控制抽象層，這里每一層都很重要，就是數據的采集到建立時空三維模型，包括視覺的、激光的或者傳感，能夠融合形成動態的理解，同時也要建立靜態的對道路結構的認知、構圖和定位。
感知就是要構建一個環境模型Environmental Model，然后要去做決策規劃，同時要把所有數據回到控制層，包括車輛的平臺、V2X、數據平臺、仿真平臺，這些決策和數據又會回到每個層次，所以形成閉環，這個閉環本身基本上是要實時的，同時要做Impeccable完美的決策，容錯的幾率很低。
有人會問到底用了什么人工智能算法？我也是專門有一個報告是講不同算法的細節，自動駕駛和無人駕駛可以說用到所有可以想到的AI算法，過去的算法到現在的深度學習算法都有用到，包括對數據的壓縮、檢測目標、數據場景的補全、仿真模擬定位、全景分割和后來的模型壓縮。
為什么這些實現起來很困難？深度學習也好、機器學習也好，整體上是根據目前的數據，遇到新的場景以后必須要有泛化能力，所以就是Corner Case導致事故發生，又不可能測試的時候都包裹，要把第三象限減到最低，但總是會有Corner Case，本身一定要讓AI算法可泛化。
我們感知和傳感的時候到底是以視覺為主還是需要別的感知？包括激光雷達，大家都知道馬斯克很不喜歡激光雷達，認為整個車應該是完全視覺為主。剛才講到五個層次，感知是機器的優勢，可以拿到人看不到的東西，攝像頭、激光雷達、毫米波、超聲波雷達是有不同的優勢，不同的天氣、不同的環境，可以作為互補，一定要比人類駕駛的安全性提高一個數量級，如果我們能夠得到的信息、獲取的信息，機器和人類是一樣的，很難比人更安全，有的地方好有的地方差，所以在獲取信息方面，機器一定要具有這個優勢，應用不同的傳感和激光雷達就是其中的一個例子。
大家看到的視頻是五年前，我們是用十個攝像頭實現無人駕駛，其中也有很多很復雜的算法，但安全性和冗余度肯定是不夠的。圖中是用三維激光雷達，直接在三維繪制，可以用深度的信息，當然也可以看到不同的車、人、非機動車，包括一些靜態的信息都可以感知到。其實這些就是提供了視覺方面沒有的，肯定對整個安全性是有好處的。
大家可能會說激光雷達太貴了，剛開始是比較貴，現在用到Hybrid Solid State已經降到幾百美金，不僅僅是L4可以使用激光雷達，新的L2都可以使用激光雷達，所以不是價格的問題，更多的是怎樣利用這個信息增加我們泛化的能力，提高解決Corner Case的能力。
到底是單車還是車路協同？剛開始做無人駕駛，包括Google、百度都是先從單車來做，做到后面一定會遇到瓶頸，就是一定還會不斷進展。很簡單，不管是感知還是決策，缺少一些信息，包括視線的問題、距離的問題，當然也包括一些得不到的全局信息，整個城市的信息都相當重要。比如胡亂加塞、交通信息不清楚、視線不良或者有些突發事件，就算再智能也無法感知和決策。
車路協同也有幾個層次：感知方面的協同、決策方面的協同，最后是系統范圍整個城市車路燈和基礎設施的協同。現在我們看的更多的還是第一和第二層次，單車智能和車路協同是二者都需要的，所以協同智能很重要。清華大學的克強院士是最早提出的，車路協同、網聯汽車，整體上也是中國的一個優勢和路徑。看起來單車智能是有L0到L5，路也需要不同的等級，就是C0到C5，C以上就完全是無人，這個時候即使車智能很少，路也可以實現這種能力。
我們可以看到車路協同的優勢，比如一個救護車過來，只有車端智能的話，V2X的信息關掉的話你是不知道的，看到車以后馬上就需要急剎車，有了V2X信息就會知道路端有車過來，很早就可以剎車或者變道。
全球都在積極部署V2X，美國也好、歐洲也好，但中國在這方面是比較領先的，不管是政策的制定還是整個實驗部署，現在好幾個城市特別是北京亦莊有高級別的自動駕駛示范區，車路協同方面全球都是走在前面。
我們提出道路怎樣分級，去年和百度一起寫了一個白皮書，比較詳細地把道路做了分級，其中有道路本身基礎設施的能力，包括地圖、協同感知、網絡通訊、協同決策，是不是足夠安全的體系，我們有一個白皮書專門有這方面的思考。
無人駕駛、車路協同方面，我們也是和阿波羅、百度合作，后來也有一個ApolloAir計劃，其中有不同的子企慕，我們盡量把路側的感知做到極限。比如我的車沒有什么智能，就是最簡單的L2級別，但路端的整個能力需要最大化，就是X軸和Y軸最后一塊協同。我們做了很多理論方面的模型，但更多的是做了很多測試，部署了很多車在亦莊，不過有些也是在長沙和別的地方。
去年6月，我們發布一份白皮書，其中比較系統地談到車路協同以及各種不同場景，包括對安全性的提高。我們也有發布全球第一個車路協同的數據集，叫做DAIR V2X，也是基于全場景同步的。現在阿波羅是開源的，我們的數據集也是開源的，目前因為比較敏感，我們只是給國內的合作伙伴開源，沒有在國際開源，歡迎在座的各位使用。
我們目前只是預發布阿波羅車路協同開放平臺2.0，正式發布可能要過兩個月，過去主要能力是在單車方面，現在已經加上一些車路協同的能力，2.0會是一個全新的系統，包括硬件的Reference、軟件操作系統，上面的Framework、Hardware Extraction和Calibration能力，應該很快就會推出，這也是一個完全開放的系統，和阿波羅單車是相輔相成呼應的。
下面我簡單播放一段視頻，總結一下最近Apollo Air的工作，大部分還是在單車智能，這一部分更多的是路側的智能。
最后總結一下，無人駕駛是不確定性中的確定性，有著很多很多不確定性，很復雜，但很多也是確定的，最確定的就是一定能夠實現的。安全是第一要素，不管用什么方式、什么路徑推出，最重要的Benefit益處就是安全。我認為垂直領域的自動駕駛和無人駕駛會更先落地，包括物流的、景區的、礦區的，現在乘用無人車在真實和復雜的城市一定會落地，但需要更多的時間。單車智能需要不同的傳感器、不同的維度、不同的數據種類，同時感知系統的可泛化性也是現在主要需要解決的問題。車路協同是中國的優勢，會讓自動駕駛更安全，也給單車智能提供更多冗余，降低整個無人駕駛的成本，也對現在智慧交通有更多的幫助，我們提出C0到C5的道路分級體制。我們主張開放的生態，阿波羅不管是單車、車端還是路端都是開放、開源的數據生態，需要技術也需要政策法規，更重要的是有規模效應。
最后這張圖是我在每個報告都用于結束的圖：無人駕駛是人類長期以來的一個夢想，我們必須敢做夢才能做成夢。（文/汽車之家 張凌霄）