2017年10月27日，由清華大學蘇州研究院指導，清新汽車、清研車聯聯合主辦的“自動駕駛快速產業化的密碼”主題沙龍在蘇州舉辦。清華大學蘇州汽車研究院院長成波圍繞“中國智能網聯汽車產業發展機遇”為主題做了發言。

　　會上，智能網聯汽車是選擇漸進式發展還是跨越式發展?成波表示，傳統車企和互聯網企業對此各自選擇了不同的發展路徑。而針對現有企業爭論，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，沃爾沃前段時間發布說跨過L3，從L2直接到L4。不過我感覺這個很難跨過去，從L2到L4這個鴻溝還是非常大?！绷硗猓€透露我國正在組建國家級智能網聯汽車創新發展平臺。

　　以下為成波院長演講實錄：

　清華大學蘇州汽車研究院院長 成波

　　將智能網聯汽車產業技術發展的聲量放大

　　今天我們是第一次以沙龍的形式一塊兒來分享一些話題。因為我們在智能網聯汽車研究上做了很多年，國內、國際上也是做了一些前瞻性技術研究，包括場景方面也有一些建樹。不過感覺這些東西還是需要大家聯合起來做，不管是做技術，包括做產業等，還是需要大家一塊參與。我們實際上跟汽車工程學會有一次大型的年會，不過感覺一年一次年度會議還不夠，所以我們有一個設想，希望能夠通過這種沙龍比較寬松、比較靈活的方式，包括技術的研究人員，包括教育的人才，包括投資者各方一塊兒來探討，這是智輪行沙龍成立的一個基本初衷。

　　智輪行沙龍以全國巡回的方式，組織月度技術專題沙龍。期間，還將發布行業研究報告，由清華大學蘇州汽車研究院通過研究并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。在此，清華大學蘇州汽車研究院也聘用清新汽車總編劉雄為產業研究總監，加快與研究院內部產業研究團隊深度互動，通過清新汽車的媒體優勢，將智能網聯汽車產業技術發展的聲量放大，促進產業正向發展。

　　關于智能網聯汽車概念介紹

　　今天我們討論這個話題，屬于智能網聯汽車。

　　原來我們說智能汽車，更多的還是自動駕駛，它是通過車載的傳感器來感知、決策然后控制。網聯的定義里面不需要智能，你只要聯網就可以了，兩個合起來就是智能網聯汽車，這是一個概念的出處。

　　美國的SAE汽車工程學會對智能化的程度做了一個定義，從L1到L5。第一級是單功能的預測，前面有障礙，來幫助你緊急剎車，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需要人來駕駛。

　　去年的技術路線圖里面，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，比如提供信息，說前面彎路的時候人看不見，來提供信息。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能網聯的一些基本概念。

　　還有一些概念，一個是大家知道的智能汽車，智能交通，還有車聯網，智能網聯汽車就是在中間，它們都相關，又有各自比較精準的定義。

　　智能網聯汽車發展需要跨界融合

　　另一個就是智能汽車它是跨界融合的，光有汽車行業做不好智能網聯汽車，另外汽車沒有交通的環境，做得再好也沒用。智能網聯汽車車輛本身需要感知、決策、控制，要能自主導航，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，這里面有定位、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，還有信息通訊、汽車共享服務、大數據，當然還有其他的一些，構成整個產業的生態。

　　另外，一旦出行就有事故，就有責任，無人駕駛的車撞人了怎么辦?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?所以這里面有法律的問題，有規范的問題，標準的問題，保險的問題，還有道德的問題。

　　什么道德問題?大家可能都聽說無人駕駛車是由工程師編程序控制的，這個程序遇到危險以后是選擇撞誰?是撞墻還是撞人?對于乘車人和外面的人，這個設計是利他還是利己?這里面就涉及到一個道德問題。

　　通過看這個整個生態更詳細的圖譜，發現涉及到上游的軟硬件問題，處理器、儲存器，還有駕駛的硬件、軟件、商業應用，包括技術的解決方案，也包括傳統整車制造，整個生態中，我們的汽車制造企業只占那么一角。

　　現在做預期，在這里面未來盈利最大的可能是移動服務的提供商，在整個價值鏈里面可能是占位最高的。還有平臺的服務商和終端軟件的設備。而對于其他的硬件，在這里面不占優勢。

　　漸進式發展VS跨越式發展? 傳統車企與互聯網企業選擇各不同

　　對于智能網聯汽車到底應該怎么去發展?這一直是有爭論，或者大家在選擇一些不同的方向與路徑，也是必然的，因為都在探索。智能網聯汽車未來是一個什么畫像，實際上現在也沒畫太清楚，剛剛說分五級、分六級，這也都是我們一個理想的狀態。

　　從現在參與到整個行業里面的，一個是傳統的汽車廠，包括它的零部件供應商。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，對于傳統的主機廠肯定是漸進式的，因為它轉型的包袱太重，他不可能把現在所有的車都扔掉，一步跨到無人駕駛，這是不可能的。另外它的一些供應商必須一塊兒走，一個是商業上的利益共享機制，另外一個主機廠的核心技術不在零部件供應商手上。

　　另外互聯網企業，選擇的則是直接從高度的自動駕駛這兒來做，因為制造不是他的強項。所以這是兩個不同的路徑。

　　L3級恐很難跨越

　　我們說多少級，實際上現在認真弄下來，不需要分那么多級，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級以后，前面1級、2級駕駛員是100%的責任，無論用不用駕駛輔助系統，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問題，Fail safe就是系統出故障了要保證它安全，首先要把車停下來，靠邊停下或者緊急剎車。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后，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，它一定要求系統是多套的，這個對于整個系統的可靠性提出了遠遠超出我們現在想象的要求。

　　現在也有企業在爭論，L3階段要不要?原來主機廠都是堅持要循序漸進，沃爾沃前段時間發布說L3他們跨過去了，從L2直接到L4，是有這些說法。不過我感覺這個很難跨過去，從2到4這個鴻溝是非常大。

　　“單車智能 ”與“網聯智能”兩種技術路線的博弈

　　對于智能網聯汽車，怎么個造法?也是有不同的路線。特斯拉現在的智能化水平實際上是2的水平，它現在基本不依賴基礎設施，更多的是用它車載的傳感器來實現自動駕駛。Google一開始就是依托于高精度地圖，它到一個城市就要用三維的激光雷達把所有的模型造好，這個車實際上是跑在數字地圖上，它才能夠對照并進行精準定位，來對車進行控制。現在普遍接受的是谷歌這種多一些，歐洲、北美都在大量的采用道路數據。像特斯拉做這種可能也有它的理由，真要等著基礎設施完善，車不知道什么時候才能上路，需要在有限的條件下首先讓車能跑起來，這還是兩條不同的技術路線選擇。

　　新的平臺技術現下比較單薄

　　我們現在說智能網聯汽車是一個顛覆性產品，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，這里列了十個，我們說傳統車上沒有的，作為支撐現在智能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，不過在智能駕駛情況下，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，只是播放信息，以后它是雙向交互，以后語音的交互，還有一些視覺的交互，它會有很多，包括信息的交互。

　　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進行數據的處理，進行判斷，所以這個計算平臺一定要有。高精度的地圖、大數據、云控，還有信息安全、人工智能，這些都是未來不可或缺的。而這里面現在的積累從全球來講，還是比較單薄的。

　　人工智能至關重要

　　在這里面提到人工智能，之所以智能汽車這么快發展，尤其最近開始加速，人工智能在這里面發揮了比較大的作用。從人工智能來講，目前我們能看得到有些出色表現的，比如AlphaGo把冠軍棋手全打敗了，它在計算上，在局部游戲這方面做到極致。到下一步感知智能，一個是聽，一個是看，現在從數據上來講、性能上來講都超過或者趕上人，而且未來肯定會比人更強。認知這塊它就要理解，現在在車用上還沒有，在一些醫療上有用。第二輪人工智能爆發的時候是60年代時候，也是醫療專家系統，它的識別精度就比人要高得多。

　　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。而對于增強學習和遷移學習這塊，現在英偉達做樣車在進行嘗試，它在高速公路上跑了10公里，還是處于特別初級的階段。

　　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里面基本上已經解決了。一個是感知，一個是決策，這是需要新增的。感知這里面它有環境的識別，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。

　　在這里面做這個事情也有兩類方法，一類是我們說傳統的，它是基于規則的，把一些復雜的道路環境識別把它分成一個一個獨立的問題，然后一個一個去解決，這是我們解決復雜問題的一個基本邏輯。就是把這個復雜問題給它分解、簡單化。不過我記得幾十年前就有提出來，復雜的問題并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?，F在我們說端到端的進行機器深度學習，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象，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。

　　這里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，為什么是這個結果，它也說不清楚，是因為什么產生，產生的理由、依據也搞不明白。這個最大的問題就是對于我們汽車制造商，出了問題以后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后是學習的，說出了問題了，這個故障你怎么去找?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，以后是在線學習，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。

　　它的好處就是對于算法，對于復雜度非常高，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，它是一個什么東西，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。第三個對于其他物體的預測，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。然后這些解決了以后才是決策，才是控制，才到車輛?，F在我們大部分工作在這塊。

　　這是信息獲取，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，這個比我們傳統做環境識別的算法都要高得多，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，再進行聚集以后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。

　　對于行為決策更難一些，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年還是在校園里，后面的也是最近幾年，隨著人工智能的一些算法提升以后。現在就是英偉達在做實車的測試，其他的到控制端的還少。

　　現已啟動建立國家級智能汽車創新發展平臺

　　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，國外對于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，把智能交通和智能汽車，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么樣，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，產業協同這么一個國家戰略，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。后面還有一些，一個是我們汽車市場多，任何車廠都可以到我們這兒來賣。第二個我們場景復雜，場景復雜有一個什么好處?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，尤其信息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，數據必須交出來，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，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能汽車創新發展平臺。

　　另外車廠也在動起來，這個我感覺是有機會的。

　　未來將是服務來引領創新

　　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能汽車、智能交通，就是通過智能化讓人少參與汽車的駕駛，或者不參與汽車的駕駛。因為汽車發生事故，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，就沒有脾氣，車就會按統一的路徑來走。低成本。

　　第二個肯定是逐步走向共享，中國這么大的人口基數，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，所以通過共享，現在共享在國內推動的還是比較快。所以共享以后，品牌的價值會降低，客戶是買服務不是買品牌，另外出行因為方便了，大家出行也沒有任何顧慮，估計短途的、長途的都會增加。

　　第三個，移到服務，我們都認為這里面有它轉型的障礙，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。

友情鏈接：http://www.51carfi.com/