百度李彥宏：L2之后率先進入商用的是L4，而不是L3

9月1日，百度創始人、董事長兼CEO李彥宏在2022世界人工智能大會(WAIC)上表示，“L4很可能是繼L2之后第一個進入業務的，而不是L3。”李彥宏進一步解釋說，因為L2和L4的事故責任定義很明確，司機要對L2的事故負責，這也是為什么主機廠商總會說司機仍然要對事故負責，不管他認為自己的自動駕駛能力有多強。L4的責任界定也很明確，就是沒有司機，事故由操作者負責。L4和L5的區別在于，L4是有限范圍的無人駕駛，L5是無限范圍的無人駕駛。L3就不一樣了，司機在必要的時候接管，導致事故責任難以界定。所以他認為L3的普及需要更長的時間。此外，從實用的角度來看，自動駕駛的技術進步速度超出預期。當我們想要獲得城市某個區域的自動駕駛運營資質時，一般需要20天左右的技術準備，因為技術的普適性已經很好了，我們的自動駕駛并不是通過過渡擬合到特定區域來實現的。

以下是李彥宏的講話全文:尊敬的各位領導、各位來賓，大家好！很高興再次來到上海，出席2022年WAIC世界人工智能大會。WAIC已連續舉辦四屆，全球影響力和“引力場效應”與日俱增，上海人工智能產業規模翻番，世界級產業集群建設邁出堅實步伐。新大會的舉辦將助推上海人工智能發展實現新的跨越。在過去的一年里，人工智能在技術和商業應用上都取得了長足的進步，有些甚至改變了方向。你剛才看到的人工智能繪畫是過去一年技術進步的代表。這里之所以有方向性的變化，是指AI從理解語言、文字、圖片、視頻，變成了生成內容。希佳佳的AI繪畫通過文字描述自動生成各種風格的圖片作品。百度的AI數字人杜瀟瀟今年挑戰寫高考作文，40秒寫40篇，分數可以排在總考生的前25%。這是一個通過用文字描述的主題自動生成文章故事的例子。今天百度APP里有一些視頻內容，是AI自動把百家號的圖文內容轉換成視頻的結果。這些是AIGC，即人工智能自動生成的內容。AIGC背后的技術是所謂的預訓練大模型。在座的很多都是人工智能領域的技術巨頭。相信在后續的演講中會多次涉及到這項技術。我想說的是，AIGC將顛覆現有的內容生產模式，可以用十分之一的成本，100倍的生產速度，創造出具有獨特價值和獨立視角的內容。當然，更令人興奮的是在商業應用上的進展。人工智能火了這么多年，商業應該永遠是它的軟肋之一。沒有良好的商業前景，創業公司的增長將停滯不前，將出現巨額虧損，難以籌集資金和上市。同時，大公司會越來越不接地氣，或者逐漸變成純粹的研究部門，或者逐漸成為其他業務的附庸。談到商業應用，最明顯的進展是在自動駕駛領域。今年6月，由通用汽車支持的Cruise在美國舊金山開始了完全無人駕駛和自動駕駛的商業運營。雖然中間有各種磕磕碰碰，但他們堅持下來，繼續擴大業務范圍。在中國，百度長發公主7月累計訂單量超過100萬，覆蓋北京、上海等10多個城市。本月初，重慶和武漢分別開放了Rapunzel的無人駕駛商業化運營，為無人駕駛在中國的商業化和大規模擴張提供了國際領先的政策環境。在我看來，方向性也有變化。以前認為無人駕駛離我們還很遠。就連圖靈獎得主斯法斯基也認為，實現完全無人駕駛可能需要幾十年的時間。因此，人們將更多的希望寄托在L2+等漸進式路線上，認為自動駕駛的技術路線是先實現L2，再實現L3，最后實現L4和L5。國家相關部門的扶持政策是L3之前是L2，然后才考慮L4。事實上，很可能是L4，而不是L3，在L2之后首先進入商業市場。因為L2和L4的事故責任定義很明確，司機要對L2的事故負責，這也是為什么主機廠商總會說司機還是要對事故負責，不管他認為自己的自動駕駛能力有多強。L4的責任界定也很明確，就是沒有司機，事故由操作者負責。L4和L5的區別在于，L4是有限范圍的無人駕駛，L5是無限范圍的無人駕駛。L3不一樣。必要時司機接手，造成事故責任難以界定。所以我覺得L3的普及還需要更長的時間。另外，從我們的實踐來看，自動駕駛的技術進步速度是超出預期的。當我們想要獲得城市某個區域的自動駕駛運營資格時，通常需要20天左右的技術準備，因為宇宙……技術的成熟度已經很好了，我們的自動駕駛并不是通過過渡擬合到特定區域來實現的。今天，10多個城市的市民都可以體驗到蘿卜跑的自動駕駛服務，自動駕駛離我們很近。公眾對自動駕駛的信任和歡迎也在增加。一項調查顯示，83%的中國人接受自動駕駛技術，中國消費者對汽車的網聯化和智能化需求很高，歡迎度和容忍度也很高。當然，車廠也在積極擁抱自動駕駛。很多汽車主機廠意識到，從零開始做自動駕駛研發并不經濟、高效、有競爭力，他們更愿意與我們合作。目前與阿波羅合作的國內外主流車廠超過30家。百度旗下的杜畿汽車也是阿波羅的合作伙伴。今年6月，杜畿發布了首款機器人概念車robo-01，量產車型將于2023年上市。它是一輛可以自由移動、自然交流、自我成長的智能汽車，體現了汽車的“智能覺醒”。除了自動駕駛，過去一年我們還看到了人工智能在很多領域的商業化進展。最明顯的就是基礎設施的智能化改造。首先是智能交通。目前，中國的高速公路交通網絡無法通過實時調整信號燈和車路協調來提高通行效率和降低事故率。城市擁堵讓很多人在路上浪費了很多時間。為了緩解交通擁堵，各地不得不實行汽車限購限行政策，抑制了本應存在的消費需求，無法從根本上解決問題。根據我們在各地的實踐，通過交通網絡的智能化改造，可以提高15%-30%的通行效率，也就是說每年GDP會增長2.4%-4.8%左右。目前，百度的智能交通方案已經在全國50多個城市投入實踐。就在幾天前，交通部正式將百度列為交通強國試點單位，在高精地圖、智能汽車、智能道路、云平臺、智能交通產業生態發展等方面開展試點。可以預見，隨著交通效率的提高，汽車限購限行政策將走入歷史，為城市疫情后的經濟增長注入新的活力。其次，能源水利基礎設施的智能化。中國在能源、水利、供水、供熱等領域建立了強大的基礎設施有形網絡。但過去重硬件輕軟件，智能化水平不高。今年全國大面積高溫天氣屢創新高，整個電網系統非常緊張。即使是很小的故障也很容易導致大面積停電。目前，全國已有多個省級電網在百度AI云使用了AI巡檢，可7×24小時不間斷巡檢，巡檢效率提升了6-10倍，有效保障了供電安全。我們認為下一步應該加強水利電力系統資源配置的頂層設計，加快這些基礎設施的智能化改造，用AI實現高效的實時資源調度。此外，在工業互聯網領域，憑借云與智能融合的獨特優勢，百度AI云打造了AI+工業互聯網平臺“吳凱”，并入選國家“雙跨越平臺”。吳凱正在幫助中國企業在質量管理、安全生產、能耗優化、物流調度等主要場景下降本增效。，增強他們的創新能力，幫助中國從“制造大國”向“制造強國”轉變。比如在質量管理環節，一個車廠完成車燈22個點的質量檢測只需要一秒鐘；在能耗優化環節，我們用AI幫助某熱電廠優化了空冷島設備的能耗，實現了每千瓦時減少1.55克標準煤。如果換算成全國1000臺空冷機組，一年減碳潛力可達600萬噸，有助于國家實現“碳雙增”目標。AI在這些領域的商業應用，需要對每個行業進行端到端的技術優化。百度在人工智能領域已經10年了。過去10年，我們在R&D的投資超過1000億，每年占R&D的15%以上，去年達到23%，這在全球大型科技互聯網公司中并不多見。這種基于壓力、馬拉松式的投入，讓我們在人工智能的各個層面都擁有了領先的自研技術，從底層的高端芯片昆侖，到螺旋槳飛行的深度學習框架，再到前期訓練的大模型(我們最近在金融、電力、航空航天等行業推出了大模型)，最后可以在應用領域大幅提升效率。當然，我們也意識到，實體經濟很多領域的數字化轉型并沒有完成，數字化本身并沒有帶來效率的顯著提升。智力滲透尚需時日，智力對實體經濟的巨大拉動作用尚未成為廣泛共識。所以人工智能的商業化還需要在黑暗中摸索一段時間。但一個新生事物，從“無人看好”到“無人能比”，往往取決于“堅持”二字。科技創新更是如此。科技創新離不開配套的制度創新。要以更大的改革創新力度，給創新最好的發展環境。比如，目前無人車的普及仍然面臨“四不一難”的政策障礙，即無人車無法進入市場、無法上牌、無法罷免安全員、無法運營收費、事故責任難以認定。中國的自動駕駛技術處于世界前列，但機會稍縱即逝。要推進制度創新，進一步突破政策瓶頸。只有這樣，才能實現人工智能和實體經濟的雙向發展，推動社會的大進步。9月1日，百度創始人、董事長兼CEO李彥宏在2022世界人工智能大會(WAIC)上表示，“L4很可能是繼L2之后第一個進入業務的，而不是L3。”李彥宏進一步解釋說，因為L2和L4的事故責任定義很明確，司機要對L2的事故負責，這也是為什么主機廠商總會說司機仍然要對事故負責，不管他認為自己的自動駕駛能力有多強。L4的責任界定也很明確，就是沒有司機，事故由操作者負責。L4和L5的區別在于，L4是有限范圍的無人駕駛，L5是無限范圍的無人駕駛。L3就不一樣了，司機在必要的時候接管，導致事故責任難以界定。所以他認為L3的普及需要更長的時間。此外，從實用的角度來看，自動駕駛的技術進步速度超出預期。當我們想要獲得城市某個區域的自動駕駛運營資質時，一般需要20天左右的技術準備，因為技術的普適性已經很好了，我們的自動駕駛并不是通過過渡擬合到特定區域來實現的。

以下是李彥宏的講話全文:尊敬的各位領導、各位來賓，大家好！很高興再次來到上海，出席2022年WAIC世界人工智能大會。WAIC已連續舉辦四屆，全球影響力和“引力場效應”與日俱增，上海人工智能產業規模翻番，世界級產業集群建設邁出堅實步伐。新大會的舉辦將助推上海人工智能發展實現新的跨越。在過去的一年里，人工智能在技術和商業應用上都取得了長足的進步，有些甚至改變了方向。你剛才看到的人工智能繪畫是過去一年技術進步的代表。這里之所以有方向性的變化，是指AI從理解語言、文字、圖片、視頻，變成了生成內容。希佳佳的AI繪畫通過文字描述自動生成各種風格的圖片作品。百度的AI數字人杜瀟瀟今年挑戰寫高考作文，40秒寫40篇，分數可以排在總考生的前25%。這是一個通過用文字描述的主題自動生成文章故事的例子。今天百度APP里有一些視頻內容，是AI自動把百家號的圖文內容轉換成視頻的結果。這些是AIGC，即人工智能自動生成的內容。AIGC背后的技術是所謂的預訓練大模型。在座的很多都是人工智能領域的技術巨頭。相信在后續的演講中會多次涉及到這項技術。我想說的是，AIGC將顛覆現有的內容生產模式，可以用十分之一的成本，100倍的生產速度，創造出具有獨特價值和獨立視角的內容。當然，更令人興奮的是在商業應用上的進展。人工智能火了這么多年，商業應該永遠是它的軟肋之一。沒有良好的商業前景，創業公司的增長將停滯不前，將出現巨額虧損，難以籌集資金和上市。同時，大公司會越來越不接地氣，或者逐漸變成純粹的研究部門，或者逐漸成為其他業務的附庸。談到商業應用，最明顯的進展是在自動駕駛領域。今年6月，由通用汽車支持的Cruise在美國舊金山開始了完全無人駕駛和自動駕駛的商業運營。雖然中間有各種磕磕碰碰，但他們堅持下來，繼續擴大業務范圍。在中國，百度長發公主7月累計訂單量超過100萬，覆蓋北京、上海等10多個城市。本月初，重慶和武漢分別開放了Rapunzel的無人駕駛商業化運營，為無人駕駛在中國的商業化和大規模擴張提供了國際領先的政策環境。在我看來，方向性也有變化。以前認為無人駕駛離我們還很遠。就連圖靈獎得主斯法斯基也認為，實現完全無人駕駛可能需要幾十年的時間。因此，人們將更多的希望寄托在L2+等漸進式路線上，認為自動駕駛的技術路線是先實現L2，再實現L3，最后實現L4和L5。國家相關部門的扶持政策是L3之前是L2，然后才考慮L4。事實上，很可能是L4，而不是L3，在L2之后首先進入商業市場。因為L2和L4的事故責任定義很明確，司機要對L2的事故負責，這也是為什么主機廠商總會說司機還是要對事故負責，不管他認為自己的自動駕駛能力有多強。L4的責任界定也很明確，就是沒有司機，事故由操作者負責。L4和L5的區別在于，L4是有限范圍的無人駕駛，L5是無限范圍的無人駕駛。L3不一樣。必要時司機接手，造成事故責任難以界定。所以我覺得L3的普及還需要更長的時間。另外，從我們的實踐來看，自動駕駛的技術進步速度是超出預期的。當我們想要獲得城市某個區域的自動駕駛運營資格時，通常需要20天左右的技術準備，因為宇宙……技術的成熟度已經很好了，我們的自動駕駛并不是通過過渡擬合到特定區域來實現的。今天，10多個城市的市民都可以體驗到蘿卜跑的自動駕駛服務，自動駕駛離我們很近。公眾對自動駕駛的信任和歡迎也在增加。一項調查顯示，83%的中國人接受自動駕駛技術，中國消費者對汽車的網聯化和智能化需求很高，歡迎度和容忍度也很高。當然，車廠也在積極擁抱自動駕駛。很多汽車主機廠意識到，從零開始做自動駕駛研發并不經濟、高效、有競爭力，他們更愿意與我們合作。目前與阿波羅合作的國內外主流車廠超過30家。百度旗下的杜畿汽車也是阿波羅的合作伙伴。今年6月，杜畿發布了首款機器人概念車robo-01，量產車型將于2023年上市。它是一輛可以自由移動、自然交流、自我成長的智能汽車，體現了汽車的“智能覺醒”。除了自動駕駛，過去一年我們還看到了人工智能在很多領域的商業化進展。最明顯的就是基礎設施的智能化改造。首先是智能交通。目前，中國的高速公路交通網絡無法通過實時調整信號燈和車路協調來提高通行效率和降低事故率。城市擁堵讓很多人在路上浪費了很多時間。為了緩解交通擁堵，各地不得不實行汽車限購限行政策，抑制了本應存在的消費需求，無法從根本上解決問題。根據我們在各地的實踐，通過交通網絡的智能化改造，可以提高15%-30%的通行效率，也就是說每年GDP會增長2.4%-4.8%左右。目前，百度的智能交通方案已經在全國50多個城市投入實踐。就在幾天前，交通部正式將百度列為交通強國試點單位，在高精地圖、智能汽車、智能道路、云平臺、智能交通產業生態發展等方面開展試點。可以預見，隨著交通效率的提高，汽車限購限行政策將走入歷史，為城市疫情后的經濟增長注入新的活力。其次，能源水利基礎設施的智能化。中國在能源、水利、供水、供熱等領域建立了強大的基礎設施有形網絡。但過去重硬件輕軟件，智能化水平不高。今年全國大面積高溫天氣屢創新高，整個電網系統非常緊張。即使是很小的故障也很容易導致大面積停電。目前，全國已有多個省級電網在百度AI云使用了AI巡檢，可7×24小時不間斷巡檢，巡檢效率提升了6-10倍，有效保障了供電安全。我們認為下一步應該加強水利電力系統資源配置的頂層設計，加快這些基礎設施的智能化改造，用AI實現高效的實時資源調度。此外，在工業互聯網領域，憑借云與智能融合的獨特優勢，百度AI云打造了AI+工業互聯網平臺“吳凱”，并入選國家“雙跨越平臺”。吳凱正在幫助中國企業在質量管理、安全生產、能耗優化、物流調度等主要場景下降本增效。，增強他們的創新能力，幫助中國從“制造大國”向“制造強國”轉變。比如在質量管理環節，一個車廠完成車燈22個點的質量檢測只需要一秒鐘；在能耗優化環節，我們用AI幫助某熱電廠優化了空冷島設備的能耗，實現了每千瓦時減少1.55克標準煤。如果換算成全國1000臺空冷機組，一年減碳潛力可達600萬噸，有助于國家實現“碳雙增”目標。AI在這些領域的商業應用，需要對每個行業進行端到端的技術優化。百度在人工智能領域已經10年了。過去10年，我們在R&D的投資超過1000億，每年占R&D的15%以上，去年達到23%，這在全球大型科技互聯網公司中并不多見。這種基于壓力、馬拉松式的投入，讓我們在人工智能的各個層面都擁有了領先的自研技術，從底層的高端芯片昆侖，到螺旋槳飛行的深度學習框架，再到前期訓練的大模型(我們最近在金融、電力、航空航天等行業都推出了大模型)，最后可以在應用領域大幅提升效率。當然，我們也意識到，實體經濟很多領域的數字化轉型并沒有完成，數字化本身并沒有帶來效率的顯著提升。智力滲透尚需時日，智力對實體經濟的巨大拉動作用尚未成為廣泛共識。所以人工智能的商業化還需要在黑暗中摸索一段時間。但一個新生事物，從“無人看好”到“無人能比”，往往取決于“堅持”二字。科技創新更是如此。科技創新離不開配套的制度創新。要以更大的改革創新力度，給創新最好的發展環境。比如，目前無人車的普及仍然面臨“四不一難”的政策障礙，即無人車無法進入市場、無法上牌、無法罷免安全員、無法運營收費、事故責任難以認定。中國的自動駕駛技術處于世界前列，但機會稍縱即逝。要推進制度創新，進一步突破政策瓶頸。只有這樣，才能實現人工智能和實體經濟的雙向發展，推動社會的大進步。

標簽：集度北京大運漢

汽車資訊熱門資訊