我国正在组建国家级智能网联汽车创新发展平台

2017年10月27日，由清华大学苏州研究院指导，清新汽车、清研车联联合主办的“自动驾驶快速产业化的密码”主题沙龙在苏州举办。清华大学苏州汽车研究院院长成波围绕“中国智能网联汽车产业发展机遇”为主题做了发言。

　　会上，智能网联汽车是选择渐进式发展还是跨越式发展?成波表示，传统车企和互联网企业对此各自选择了不同的发展路径。而针对现有企业争论，L3阶段到底要不要?他表示：“原来主机厂都是坚持要循序渐进，沃尔沃前段时间发布说跨过L3，从L2直接到L4。不过我感觉这个很难跨过去，从L2到L4这个鸿沟还是非常大。”另外，他还透露我国正在组建国家级智能网联汽车创新发展平台。

　　以下为成波院长演讲实录：

　清华大学苏州汽车研究院院长 成波

　　将智能网联汽车产业技术发展的声量放大

　　今天我们是第一次以沙龙的形式一块儿来分享一些话题。因为我们在智能网联汽车研究上做了很多年，国内、国际上也是做了一些前瞻性技术研究，包括场景方面也有一些建树。不过感觉这些东西还是需要大家联合起来做，不管是做技术，包括做产业等，还是需要大家一块参与。我们实际上跟汽车工程学会有一次大型的年会，不过感觉一年一次年度会议还不够，所以我们有一个设想，希望能够通过这种沙龙比较宽松、比较灵活的方式，包括技术的研究人员，包括教育的人才，包括投资者各方一块儿来探讨，这是智轮行沙龙成立的一个基本初衷。

　　智轮行沙龙以全国巡回的方式，组织月度技术专题沙龙。期间，还将发布行业研究报告，由清华大学苏州汽车研究院通过研究并与清新汽车团队完成。另外，通过行业热点事件讨论，搭建围绕汽车、交通、互联网、通信等多领域的交流平台。在此，清华大学苏州汽车研究院也聘用清新汽车总编刘雄为产业研究总监，加快与研究院内部产业研究团队深度互动，通过清新汽车的媒体优势，将智能网联汽车产业技术发展的声量放大，促进产业正向发展。

　　关于智能网联汽车概念介绍

　　今天我们讨论这个话题，属于智能网联汽车。

　　原来我们说智能汽车，更多的还是自动驾驶，它是通过车载的传感器来感知、决策然后控制。网联的定义里面不需要智能，你只要联网就可以了，两个合起来就是智能网联汽车，这是一个概念的出处。

　　美国的SAE汽车工程学会对智能化的程度做了一个定义，从L1到L5。第一级是单功能的预测，前面有障碍，来帮助你紧急刹车，或者帮助你打方向盘规避，或者给你预警。第二级是集成，第三级一部分实现车辆自动驾驶，第四级是一般的结构化道路上都可以不需要人来驾驶。

　　去年的技术路线图里面，把它这个定义分成三级，一等就是通过网联对汽车驾驶进行辅助，比如提供信息，说前面弯路的时候人看不见，来提供信息。第二是对它进行感知，第三是决策与控制，这个就构成了我们对智能网联的一些基本概念。

　　还有一些概念，一个是大家知道的智能汽车，智能交通，还有车联网，智能网联汽车就是在中间，它们都相关，又有各自比较精准的定义。

　　智能网联汽车发展需要跨界融合

　　另一个就是智能汽车它是跨界融合的，光有汽车行业做不好智能网联汽车，另外汽车没有交通的环境，做得再好也没用。智能网联汽车车辆本身需要感知、决策、控制，要能自主导航，要能跟人进行交互，这是它本身的功能。不过它产业本身和生态环境都需要大家的融合，这里面有定位、地图，有V2X，车和车要进行联络，车和人要进行联络，车和基础设施要进行联络，还有信息通讯、汽车共享服务、大数据，当然还有其他的一些，构成整个产业的生态。

　　另外，一旦出行就有事故，就有责任，无人驾驶的车撞人了怎么办?谁来承担责任?无人驾驶的车能不能上路，这个路权谁来定义?尤其是现在不成熟的产品，谁敢把它放到路上去?所以这里面有法律的问题，有规范的问题，标准的问题，保险的问题，还有道德的问题。

　　什么道德问题?大家可能都听说无人驾驶车是由工程师编程序控制的，这个程序遇到危险以后是选择撞谁?是撞墙还是撞人?对于乘车人和外面的人，这个设计是利他还是利己?这里面就涉及到一个道德问题。

　　通过看这个整个生态更详细的图谱，发现涉及到上游的软硬件问题，处理器、储存器，还有驾驶的硬件、软件、商业应用，包括技术的解决方案，也包括传统整车制造，整个生态中，我们的汽车制造企业只占那么一角。

　　现在做预期，在这里面未来盈利最大的可能是移动服务的提供商，在整个价值链里面可能是占位最高的。还有平台的服务商和终端软件的设备。而对于其他的硬件，在这里面不占优势。

　　渐进式发展VS跨越式发展? 传统车企与互联网企业选择各不同

　　对于智能网联汽车到底应该怎么去发展?这一直是有争论，或者大家在选择一些不同的方向与路径，也是必然的，因为都在探索。智能网联汽车未来是一个什么画像，实际上现在也没画太清楚，刚刚说分五级、分六级，这也都是我们一个理想的状态。

　　从现在参与到整个行业里面的，一个是传统的汽车厂，包括它的零部件供应商。还有一些新兴的互联网、ICT还有一些服务的企业。在发展的时候有两种不同的路径，对于传统的主机厂肯定是渐进式的，因为它转型的包袱太重，他不可能把现在所有的车都扔掉，一步跨到无人驾驶，这是不可能的。另外它的一些供应商必须一块儿走，一个是商业上的利益共享机制，另外一个主机厂的核心技术不在零部件供应商手上。

　　另外互联网企业，选择的则是直接从高度的自动驾驶这儿来做，因为制造不是他的强项。所以这是两个不同的路径。

　　L3级恐很难跨越

　　我们说多少级，实际上现在认真弄下来，不需要分那么多级，高度自动驾驶和完全自动驾驶可以做成一个等级，1和2实际上也可以做成一个等级，3也许是一个过渡，实际上分3级就够了。因为到第3级以后，前面1级、2级驾驶员是100%的责任，无论用不用驾驶辅助系统，出了事故责任都是人的。到了3，车的控制权可以发生转移，我这个指令或者说系统要求，系统可以接管汽车的驾驶。也就是说在这段时间发生的事故，可能这个责任要重新划分。

　　另外对系统技术的要求，更多的是它的可靠性问题，Fail safe就是系统出故障了要保证它安全，首先要把车停下来，靠边停下或者紧急刹车。到车辆责任完全由系统来控制，这段时间，这个时空他是完全负责的。在这个时候出现故障以后，车还得人驾驶，还得行驶，行驶速度可能下来。飞机现在到空中都是无人驾驶，它一定要求系统是多套的，这个对于整个系统的可靠性提出了远远超出我们现在想象的要求。

　　现在也有企业在争论，L3阶段要不要?原来主机厂都是坚持要循序渐进，沃尔沃前段时间发布说L3他们跨过去了，从L2直接到L4，是有这些说法。不过我感觉这个很难跨过去，从2到4这个鸿沟是非常大。

　　“单车智能 ”与“网联智能”两种技术路线的博弈

　　对于智能网联汽车，怎么个造法?也是有不同的路线。特斯拉现在的智能化水平实际上是2的水平，它现在基本不依赖基础设施，更多的是用它车载的传感器来实现自动驾驶。Google一开始就是依托于高精度地图，它到一个城市就要用三维的激光雷达把所有的模型造好，这个车实际上是跑在数字地图上，它才能够对照并进行精准定位，来对车进行控制。现在普遍接受的是谷歌这种多一些，欧洲、北美都在大量的采用道路数据。像特斯拉做这种可能也有它的理由，真要等着基础设施完善，车不知道什么时候才能上路，需要在有限的条件下首先让车能跑起来，这还是两条不同的技术路线选择。

　　新的平台技术现下比较单薄

　　我们现在说智能网联汽车是一个颠覆性产品，所谓的颠覆不光是从使用，实际上我们在整车的架构方面，一些核心技术上，也出现了一些新的需要突破，这里列了十个，我们说传统车上没有的，作为支撑现在智能网联汽车平台性的技术，不是单一的技术。感知、决策，电子电器架构原来是有的，不过在智能驾驶情况下，电子电器架构要重新定义。还有车载的终端，现在我们都是单向的，只是播放信息，以后它是双向交互，以后语音的交互，还有一些视觉的交互，它会有很多，包括信息的交互。

　　还有车载的计算平台，现在我们都是用微型的计算ECU来，未来在车载需要大量进行数据的处理，进行判断，所以这个计算平台一定要有。高精度的地图、大数据、云控，还有信息安全、人工智能，这些都是未来不可或缺的。而这里面现在的积累从全球来讲，还是比较单薄的。

　　人工智能至关重要

　　在这里面提到人工智能，之所以智能汽车这么快发展，尤其最近开始加速，人工智能在这里面发挥了比较大的作用。从人工智能来讲，目前我们能看得到有些出色表现的，比如AlphaGo把冠军棋手全打败了，它在计算上，在局部游戏这方面做到极致。到下一步感知智能，一个是听，一个是看，现在从数据上来讲、性能上来讲都超过或者赶上人，而且未来肯定会比人更强。认知这块它就要理解，现在在车用上还没有，在一些医疗上有用。第二轮人工智能爆发的时候是60年代时候，也是医疗专家系统，它的识别精度就比人要高得多。

　　除了在感知这块，在行为决策、直接控制这块它也能发挥作用。不过目前来讲，还是在感知这块现在有比较明确的一些结果。而对于增强学习和迁移学习这块，现在英伟达做样车在进行尝试，它在高速公路上跑了10公里，还是处于特别初级的阶段。

　　我们回过头简单说一下自动驾驶，它基本的任务我们认为一个是环境感知，一个是驾驶的决策，一个是车辆的控制，车辆控制这块实际上传统的车里面基本上已经解决了。一个是感知，一个是决策，这是需要新增的。感知这里面它有环境的识别，有情景的理解，决策就有行为决策还有路径规划，这是细分来讲。

　　在这里面做这个事情也有两类方法，一类是我们说传统的，它是基于规则的，把一些复杂的道路环境识别把它分成一个一个独立的问题，然后一个一个去解决，这是我们解决复杂问题的一个基本逻辑。就是把这个复杂问题给它分解、简单化。不过我记得几十年前就有提出来，复杂的问题并不一定要通过这种结果的方式去解决，不过那时候他提的理论实用性不强。现在我们说端到端的进行机器深度学习，它可能没有严密的逻辑或者说数学逻辑，所谓端到端就是我有一个输入图象，我既可以识别这个道路上的这些障碍物，同时我还可以直接延伸到来产生我操作的一些指令，这就是端到端。

　　这里两种方法它各有优劣，我们说现在端到端这块的识别，精度确实非常高，不过它有一些致命的弱点，一个是它的可解释性太差，就是这个黑匣子，这个结果到底是合理不合理?说不清楚，为什么是这个结果，它也说不清楚，是因为什么产生，产生的理由、依据也搞不明白。这个最大的问题就是对于我们汽车制造商，出了问题以后我要迅速的把这个问题找到而且要替换它。如果我们整个控制系统以后是学习的，说出了问题了，这个故障你怎么去找?那是没法找的，所以这个可解释性就成了未来品质追溯的一个重大的难关。

　　另外还带来一个问题，以后是在线学习，说我车卖你的时候是一个样，你每天开的那个地方，你常年开上海这个街道和常年开苏州街道学出来的结果就不一样，你在北京练出来的车，到纽约不一定跑的好。美国车肯定训练完了到中国寸步难行，类似这些东西带来很大的不确定性。

　　它的好处就是对于算法，对于复杂度非常高，人不用写代码了，你有个基本的架构我来进行一些适应性的训练，这个是受到大家追捧的。

　　这是说到环境感知，我们再分解一下，跟大家再科普的专业一点，环境感知实际上可以分成三个层次，一个层次是识别，路上有车还是有人、有树。第二个是情景的理解，有这些东西了，它是一个什么东西，前面那个车是在我正前方还是要右转，还是要掉头，这个情景的理解需要。第三个对于其他物体的预测，行人也好，车辆也好，只有这个问题解决了，我们说感知感觉，知是感知，知觉，认知。然后这些解决了以后才是决策，才是控制，才到车辆。现在我们大部分工作在这块。

　　这是信息获取，现在百度通过一些竞赛，说信号灯识别准确率已经达到3个9，行人检测已经超过95%了，还有其他的一些指标，包括车辆识别可能精度也是非常高，这个比我们传统做环境识别的算法都要高得多，未来他们在挑战行人的识别率也要达到几个9。

　　语义理解，这是情景理解力的一部分，因为车是在路上跑的，哪些地方是我能跑的，一个是在路上，另外一个是没有障碍物，现在没有，将来我到的时候也没有，这是预测。还有边上站的一些人他的行为要进行预测，通过不同颜色来进行区分，再进行聚集以后它可以把这个区域轮廓画出来，为决策提供非常便利的条件。这些通过深度学习都可以解决。

　　对于行为决策更难一些，这是传统的，这是美国SAE弄的一个分层的结构，每一个实际上还要细分，所以这个东西要解决还是挺难的。

　　端到端这个时间不长，1989年还是在校园里，后面的也是最近几年，随着人工智能的一些算法提升以后。现在就是英伟达在做实车的测试，其他的到控制端的还少。

　　现已启动建立国家级智能汽车创新发展平台

　　简单介绍一下未来我们存在的一些机会，因为我们刚刚说的一些技术路线的选择，因为一个产品要推出社会，尤其要和人发生交互，它整个生态链包括社会体系必须具备。各个国家的政府高度重视，而且都是把它列为国家战略，国外对于一个产品它很难都列为国家战略，从上个世纪九十年代开始，围绕着交通，把智能交通和智能汽车，持续这二三十年一直在做，美国、德国、日本基本上都是按一个节奏在走。东京2020冬奥会就要推出自动驾驶服务车辆，我们国家现在定的目标是在2022的冬季奥运会也会有自动驾驶车辆。

　　中国现在提出目标了，L3以下的到2020年装车率是50%，这个是非常高的，能不能实现这个真是不好说，现在也就3年了。2025到80%，2030是新车标配，而且汽车联网要100%，这还是可以预期的，我们先不管说实现路径怎么样，作为一个国家，尤其中国政府是说话算数的，所以大家有的是机会。

　　目前我感觉机遇还是有的，围绕现在定义的概念，自动驾驶没有大规模的应用，这块留给了我们一定的时间。第二个，现在的发展都是国家引领，产业协同这么一个国家战略，凡是说抱团打群架的，中国一定是强的，因为政府的号召力强，政府还有钱，所以这块只要方向不错，我们说核心技术可以等一等再攻破，就跟高铁一样，我先把路给你跑上，把车给你跑起来。后面还有一些，一个是我们汽车市场多，任何车厂都可以到我们这儿来卖。第二个我们场景复杂，场景复杂有一个什么好处?我这儿训练的车到别的地方都不能跑。你像欧洲、美国训练出来的到中国跑不了。第三个，我们现在做统一的平台，尤其信息安全这是未来一个名正言顺的壁垒，所有的车到中国跑必须入网，数据必须交出来，必须按我们的规矩来，所以这些我感觉是有机会的。另外中国现在的智慧城市还是下一步经济发展的重点。

　　最新的一个动态，现在发改委正在发力，工信部在技术创新这块推动比较大，发改委现在是要在产业这方面，现在已经在启动要建立国家级的智能汽车创新发展平台。

　　另外车厂也在动起来，这个我感觉是有机会的。

　　未来将是服务来引领创新

　　有几个趋势，跟大家分享、讨论，一个是驾驶逐步的去人化，从上个世纪我们说智能汽车、智能交通，就是通过智能化让人少参与汽车的驾驶，或者不参与汽车的驾驶。因为汽车发生事故，10%是车本身的故障产生的，欧美这些车可能5%都不到，道路环境大概30%，有的地方可能多一点。人的原因是90%，所以让人尽可能的少开车或者不开车，这是解决交通安全事故的重点，现在一年交通事故伤亡120万到130万，这个是巨大的。

　　另外提高效率，只要不是人开车，就没有脾气，车就会按统一的路径来走。低成本。

　　第二个肯定是逐步走向共享，中国这么大的人口基数，我们按照国外的人均汽车拥有量那绝对是走不通的，出行的需要又是一个刚需，所以通过共享，现在共享在国内推动的还是比较快。所以共享以后，品牌的价值会降低，客户是买服务不是买品牌，另外出行因为方便了，大家出行也没有任何顾虑，估计短途的、长途的都会增加。

　　第三个，移到服务，我们都认为这里面有它转型的障碍，在现有的土壤上要成长出一批新的主机厂来替代。未来应该是由服务来引领创新，而不是技术来驱动创新。电动汽车可能会找到它更好的发展机会。

友情链接：http://www.51carfi.com/