【军观察.导读】：AI再一次呼啸而至！

互联网/科技公司（如谷歌和百度）将手握重金和技术投入到无人驾驶汽车；阿里怀着对汽车工业的敬畏，选择与上汽合作之路；亚马逊、京东设计开发无人机、无人送货车等，汽车成为AI+产业进程的最闪亮的一张名片！

每家公司都基于自身对无人驾驶的理解，制定者介入此领域的推进策略。李德毅院士在演讲中提出了两种技术路径，一是自动驾驶+智能网联；二是自主驾驶+交互，不同的技术路径都有代表性公司。

李院士的演讲非常有价值，由于没有现场速记，只能有笔者来整理，很多内容都是李院士PPT上的文字说明，整理时尽量附上逻辑贯穿上下午，但并不完美，好在，有下面的思维导图可以理清思路。关于AI+汽车，本文绝对值的认真阅读。

 在李院士眼中，“人工智能以润物无声的柔软改变着整个世界！”

专题链接：麦肯锡调研 | 面对汹涌人工智能，传统高管企业必须做出选择了

独家 | 科技巨头与创业公司，人工智能发展道路上的不同“套路”

拨开喧闹复杂的表象，一文结构化读懂人工智能产业图谱

演讲 | 李德毅，中国工程院院士，中国人工智能学会理事长

整理 | 刘成军，造奇智能产业新媒体创始人兼主编

先来上盘大餐，本文演讲的思维导图：

近年来，汽车辅助驾驶空前繁荣，从辅助人工驾驶（L1）转型到部分自动驾驶（L2）、再到机器自驾驶（L3），从早先的预警、提醒驾驶员跨越到机器自驾为主、固定驾驶员的角色不复存在，L3量产的势头不可阻挡！也为位置服务也（LBS）开辟了新战场。

虽然大家在网上和新闻上看过很多新概念车、演示车及示范车，但这些都不等于量产车！这四个概念有必要进行区分，容易混淆之后还以为自动驾驶马上就到来了呢？

具体来讲，所谓“示范车”就是“10次试验1-2此成功就可以了”，而“量产车”则“只要有1辆出事，这款车就可能要全部召回，甚至是几十万量”。相比来讲，量产车之所以难度更大、责任更大，因为量产涉及到规模、可靠性和价格，如果三者不能达到合理的平衡点，汽车厂商即使生产出合规的L3来，也无法进行量产；同样，价格高的离谱，消费者也不会买账。

那国内外首家量产L3的企业在哪里呢？我们首先要界定清楚何为L3，以及与L1、L2、L4等的区隔在哪儿？

具体来讲，L0是无自动驾驶，即人工驾驶，完全依赖驾驶员操作；

L1为辅助驾驶，但“Hands on，即手还是要放在方向盘上，以防万一的情况，需要手动调整”；

L2部分自动驾驶，性能更稳定，“Handsoff，即手可以不用放在方向盘上了，可以较为安心汽车自动行驶了”；

L3有条件自动驾驶，是对L2的成功跨越，不仅手可以不用管方向盘了，Eyes off意味着连眼睛都可以不担心汽车的驾驶进程了，可以闭幕眼神或者欣赏风景了，驾驶员在L3的阶段时才算得到了驾驶的解放，这是一个重大的跨越；

L4是高级自动驾驶，”High Automation”，又进化了，晋级到“Mindoff”，这意味着不仅解放了人的眼睛，大脑（注意力）也可以在车上做其他事情了，也就是说车子可以作为移动办公场所（随时随地加班了~）；

L5完全自动驾驶，为”Full Automation”，此时汽车实现了完全的自动化，“Driver off”，拿着驾驶证的驾驶员终于下岗了。

目前几乎所有上路的自动驾驶汽车都还处在L2等级，都要由人来掌控，包括特斯拉在内。么过加州车管局发布的2016年自动驾驶报告中，最高水平的0.2次/千英里的干预频率，属于L几？有权威说，自驾车实验运行要累积到10亿英里以上，方可投入市场，对吗？

来，让我们探讨下技术路线，这也是站在不同立场的人发展无人驾驶倡导的不同道路。所谓技术路线之一就是：自动驾驶+智能联网，这是在传统汽车公司基础上的自动化发展与智能化联网汽车的融合之路，它有四个特特点：结构化道路、确定性窗口、网络协同及软件定义的机器。

从L2到L3的过渡，是掌控权由人到机器的转移过程。这里有三个疑问：

自动驾驶等级转换点如何度量？

掌控权交接点如何度量？

掌控权交接过程中的事故如何度量？

汽车自动驾驶时，可以有时释放人的脚，有时释放人的手，甚至可以同时释放人的手和脚，但可不可以释放人的注意力，释放人的驾驶认知？

糟糕的是，越是信任自动驾驶，越容易造成驾驶员注意力不集中。因此，不能释放驾驶员认知的所有自动，都不能称之为自动驾驶！

在J3016标准中，唯L2到L3的跳升（跃升）是质变，明确了驾驶掌控权由人转移到车，跳升的界定很明确。至于L3+、L4、L5，仅仅是量变程度的不同而已，不再重要。

L3释放了人对环境监测的要求，释放了人的驾驶认知，车子自己认知自己开，人可以干驾驶之外的事情，享受移动生活，留点心响应自驾驶车的干预请求就可以了。

对于L3汽车来讲，要不仅能上路行驶，适应各种不同场景，而且要能实现自动泊车功能，否则就无从谈起解放人，也就意味着自动泊车系统是一个重要环节。

说到自动泊车，早在2005年，由雪铁龙公司首创、起初成为City Park System，仅仅释放方向盘。至今但凡新手和女司机不能泊车的地方，自动泊车系统三分钟也还是搞不定，被人成为“自动泊车噱头”。其实，有条件的自动泊车需要一些相配信息和技术的支撑，比如“有没有高精度地图信息”、“有没有卫星导航信息”、“有没有结构化道路信息”、“有没有路径信息？”等等

李院士提出，无人泊车难在非常规泊车——边缘泊车（Edge Parking）！

谈了那么多技术问题，那小伙伴就要问了，L3的挑战和量产，到底是技术问题呢，还是其他？在李德毅院士看来，“实际上应对的是自驾驶车上路要获得驾照”，这也是底线要求。所有的技术实现之后，还是遵从社会管理制度的约束，技术成熟只是其中一个必备要件，L3上路前还要看看各国交管所的意见（当然要征询社会民众的意见咯~）。

自动驾驶车走强化自动化的技术路径，是自动化行业人所青睐的解决方案，因为他们仍有用武之地。可以说汽车人已经把汽车里的自动控制做到了极致，同时也触碰到了自动化的天花板。

于是，人工智能来了！

人工智能如何助力突破L2的天花板，实现L3的跨越？

汽车是在开放的不确定性环境下形式，人工驾驶常常会遇到偶发的大雾、大雪、大雨、大风等天气状况；狭小互通、崎岖小道、傍山险路、积水、涉水、冰雪、地裂、地陷等道路状况；红绿灯失效、道路施工、事故突发、行人违规、车辆醉驾、熙熙攘攘农贸集散区等通行状态。连新手驾驶员都难以完成的这些驾驶任务，经验驾驶员往往能够灵活处置，而自驾驶车如何处置呢？

一旦突破了自动驾驶所设置的窗口条件，如地理栅栏、气候栅栏、以及人文地俗栅栏，马上需要进行驾驶掌控权的交接！在这样的交接过程中的事故也许比纯粹的人工驾驶更危险。

面对如此“险恶”的驾驶场景和环境变幻，需要进一步明确L3的基本问题和突破口——是要解决车的问题，还是解决人的问题？

如图所示，如果是沿着解决“车”的路径，那就是“把车越做越好，做成软件定义的机器，实现自动驾驶”；如果着眼于解决“人”的问题，那就要“把驾驶员的认知用机器人替代，是有记忆、决策和行为能力的认知主体，实现自主驾驶，有技巧，有个性。”

一点感叹：

汽车是从马车演变而来的，作为动力工具，汽车的马力可达到100匹马力，但汽车远远不如马应对不同负荷、不同天气、不同路面、不同车辆情况下的适应能力。汽车的感知、认知能力远不如马这个认知主体，老马识途，车不如马！

自动驾驶：好在专注，永不疲劳，难在拟人，不仅在车

Ok，那我们沿着“解决人”的路径展开分析，看看接下去要做些什么才能迈过这道坎。要释放驾驶员的注意力，释放驾驶员的驾驶认知，必须要有一个物化驾驶员在线认知的智能代理——驾驶脑，否则难以自动。

【小贴士】

驾驶员脑不等于驾驶脑，驾驶脑仅仅用于驾驶，永远专注，永不疲劳，而驾驶员脑装了太多东西，会分散注意力，会疲劳，因此“人类第一杀手”的罪名将不复存在！

于是，人在回路中的预测与控制被驾驶脑取代。在驾驶过程中，驾驶员在回路中的预测与控制是汽车自身无法替代的。轮式机器人驾驶脑应运而生，它不同于雷达等传感器的感知，要去完成包括记忆认知、计算机认知和交互认知在内的驾驶认知，成为智能车产业化链条中的重要零部件，车载计算机无法替代，机器人操作系统无法替代。

说到驾驶脑，从技术角度来看，它会是怎样的架构呢？可以利用微电子技术，采用CPU+GPU+FPGA+ASIC架构，生产专用芯片和板卡，研发驾驶脑。李院士说，“我们比任何时候都更需要研究驾驶员，学习驾驶员，分析驾驶员行为大数据，构建驾驶员的智能代理——‘驾驶脑’！”

智能车研发的困难，不仅仅是汽车动力学的性质和各种各样传感器要求，更重要的是要研发和驾驶员一样在线的“机器驾驶脑”，模拟实现人在回路的自主预测和控制，应对车辆行驶中的不确定性。据了解，2016年已研发出驾驶脑的V1.0版。

传统汽车仅仅是驾驶员手、脚和力量的延伸，控制车辆行为的是人。线控汽车装备了传感器之后，用驾驶脑提到驾驶员认知，并获得驾驶指纹和驾驶技巧，使得汽车成为驾驶员自己、或者让机器成为自己，这应该是人工智能时代最有意义的问题之一。

有关驾驶脑的畅想：

1、  不同的驾驶脑，认知水平可以有差异，技巧和经验也可以有不同，但都具备了基本的驾驶认知能力，是获得了驾照的自驾驶；

2、  驾驶脑有个性，有在线学习能力，记忆许多驾驶事故的预防应对，还能和乘员聊天，和云上的驾驶超脑交互。

自动驾驶的技术路线之二——自主驾驶与交互的融合

具体来讲，这种技术路线有四个特点：非结构化道路，不确定边界，自主交互，数据定义的软件。

对于数据定义的软件策略，充分利用大数据，但并不代表着要把全球所有地域的道路状态，都压在一辆特定的车型上；不必把所有天气条件的应对，都压在一辆特定的车型上；不必把人类驾驶员的所有驾驶认知，都物化浓缩在一个特定的机器驾驶脑力。

于是，按照上述思路，优先开发特定场景里的L3应用车是定制量产L3的最佳策略。

在特定应用场景下的自驾车，能否取代驾驶员掌控，取决于能否处置特定场景下的意外情况，能否发出求助信息要求人工干预，或者在迫不得已的时候做出最小损失的决策。

所以，如果驾驶员的经验是逐渐积累的一样，从有限范围的特定应用的自驾驶车型开始量产，逐渐拓广，是一条务实的、接地气的路线。

从特定的应用场景寻找量产L3的抓手，人类摆脱了驾驶的羁绊，开始享受移动办公和移动生活！偶尔干预一下脱离的请求，甚至不理睬。自驾驶车自身积累着数据和技巧，逐步推广到更高车速、更加复杂的道路场景、更多不确定性天气条件下的自驾驶！

最后，李德毅院士用一句话总结他对人工智能的理解：人工智能以润物无声的柔软改变着整个世界！

更多独家观察和原创文章，造奇新媒体，为您奉献真知灼见。详见：截止2017年7月7日的历史[分类]文章链接

延伸阅读：

李彦宏：未来20年，人工智能将超越互联网成为最大推动力

百度All in 人工智能的战略构想与路线图 | 百度AI开发者大会深度观察

孙正义：未来30年的人工智能和物联网