張亞勤：我們正在讓自動駕駛變成現實

近年來，智能網聯汽車產業進入發展快車道，政策法規環境不斷完善，技術加速發展，產業應用快速普及。面對智能網聯汽車發展的全球機遇，各國加快戰略部署，通過發布頂層政策規劃、制定/修訂相關法律法規、鼓勵技術研發、支持路測示范、運營項目等方式推動產業落地。目前，我國已經建立了完善的政策體系，全面推進智能網聯汽車產業發展，以及與智能交通、智慧能源、智慧城市的融合發展和生態建設。

8月1日，2022中國智能網聯汽車技術周暨第九屆國際智能網聯汽車技術大會(CICV2022)在亦莊舉行。中國工程院院士、清華大學智能產業研究院(AIR)院長張亞勤發表主題演講。他表示，安全是第一因素，車路協同是中國的優勢，這將使自動駕駛更安全，為自行車智能提供更多冗余，降低整個無人駕駛的成本，對現階段的智能交通更有幫助。

以下為演講實錄(經過編輯):

眾所周知，無人駕駛在過去的五到十年里是一個特別有趣的話題，在投資、產業和科研領域都是一個非常活躍的話題。一方面因為無人駕駛是人類長期以來的夢想，有很大的技術和產業政策挑戰，另一方面也有很大的產業前景。無人駕駛也是對人工智能的技術、算法、理論、體系的挑戰，所以是人工智能基礎設施的一部分，尤其是對智慧交通、智慧城市的無人駕駛，這些都是人工智能基礎設施的重要組成部分。

感謝清華大學周古月副教授和袁博士對今天PPT內容的巨大貢獻，也感謝百度公司，因為我的工作是和百度合作的。接下來我會花25分鐘簡單講一下無人駕駛的整個背景和一些關鍵的決策點，包括我們做的一些工作。

的確，現在我們正在進入一個新時代。從福特的T型車開始，汽車工業已經有110多年的歷史了，現在正經歷著巨大的變革。我們稱之為“四化”，可以加上綠色低碳。智能化是其中非常重要的一個，它確實對整個行業的升級起到了非常重要的作用。七八年前我們剛開始做無人駕駛研究的時候，我當時是百度的總裁。每個人都說其他人都在做阿波羅。怎么可以無人駕駛？現在看來很自然，它確實是一門交叉學科。汽車產業的要素正在發生巨大的變化，芯片、軟件、人工智能、電池都在成為新的關鍵技術要素。

無人駕駛最重要的是安全。目前90%以上的事故都是人為的。無人駕駛后，事故可以降到最低，然后是整體效率。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。如果能利用好這段時間，不僅能讓整個駕駛體驗更好，更重要的是提高整體效率。

四年前我們在百度的時候，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1.1萬億美元的新市場。現在汽車市場差不多3.1萬億美元，所以增量也是30%，這也是算法帶來的增長。

我們現在的售票員OEM和Tier都在做自動駕駛和無人駕駛，很多新的玩家也在進入這個市場，包括出行服務，新勢力，物流公司，高科技公司，所以五到十年后，整個商業格局會和現在完全不一樣。

未來該領域將面臨諸多技術挑戰和關鍵決策因素。從人工智能和軟件的角度，我認為是未來五到十年人工智能最具挑戰性的問題。同時，它也有邊界，那……，非常復雜的問題可以分解成相對簡單的問題來解決。如果沒有解決方案，這個領域也很難做。它只是一個可解但困難的問題，即它集成了許多技術成果，包括規劃、決策和實施。這些領域都需要完美的工作和容錯。

實現無人駕駛還有一些關鍵問題，既有市場因素，也有非市場因素。我們的論壇是與法學院聯合舉辦的。非市場因素、政策法規、倫理道德、隱私等人為因素可能在整個無人駕駛中起到同樣重要的作用。今天我主要講講市場因素，尤其是技術的可行性，包括行業的生態。L4無人駕駛能實現嗎？答案是肯定的。實現路徑是以視覺為主還是更多不同的傳感器？如何概括感知和決策？這些都是技術問題。路線圖是通過自行車智能還是道路協調？逐漸通過ADAS到L4或者L5，生態也是開源Android或者IOS的封閉模式。很多不同的領域都在進入這個行業。未來誰會贏？汽車代工廠還是高新技術公司嗎？不可能把這些問題都講出來，只是籠統地講一下我的想法。

無人駕駛的關鍵技術分為五個層次:數據層、感知層、認知理解層、決策與規劃層和控制抽象層。每一個層面都很重要，就是從數據采集到三維時空模型的建立，包括視覺、激光或傳感，都可以整合起來形成動態的認識，同時還要建立道路結構的靜態認知、構成和定位。

感知是建立環境模型，然后進行決策規劃，同時將所有數據返回到控制層，包括車輛平臺、V2X、數據平臺、仿真平臺。這些決策和數據會回到每一級，這樣就形成了一個閉環。這個閉環本身基本是實時的，同時需要在無懈可擊上做出完美的決策，所以容錯的概率很低。

有人會問用的是什么人工智能算法？我也有一個關于不同算法細節的特別報告。自動駕駛和無人駕駛可以說是使用了所有能想到的AI算法。過去的算法已經用到了現在的深度學習算法，包括數據壓縮、檢測目標、完成數據場景、模擬定位、全景分割以及后期的模型壓縮。

為什么這些很難實現？深度學習或者機器學習，總體來說是基于當前的數據，在遇到新的場景后必須要有泛化能力。所以導致事故的是Corner Case，無法測試。需要最小化第三象限，但總會有拐角情況，AI算法必須通用化。

當我們感知和感知時，我們是專注于視覺還是需要其他感官？包括激光雷達，大家都知道馬斯克不太喜歡激光雷達，認為全車應該完全可視化。剛才提到的五個層次，感知是機器的優勢，它能得到人看不到的東西。相機、激光雷達、毫米波、超聲波雷達各有千秋。不同的天氣，不同的環境可以相輔相成，人類駕駛的安全性必須提高一個數量級。如果我們能獲得和人類一樣的信息，機器幾乎不比人類更安全，有些地方比其他地方更好，所以在

你看到的視頻是五年前的。我們用了十個攝像頭實現無人駕駛，有很多復雜的算法，但是安全性和冗余度肯定不夠。圖片是用三維激光雷達直接三維繪制的，可以利用深度信息，當然也可以感知不同的車、人、非機動車，包括一些靜態信息。其實這些提供了視覺方面沒有的東西，對整個安全性肯定是有好處的。

大家可能會說激光雷達太貴了。起初，它很貴。現在混合固態的使用已經降到幾百塊錢了。不僅L4可以使用激光雷達，新L2也可以使用激光雷達，所以這不是價格的問題。更重要的是如何利用這些信息增加我們的概括能力，提高我們解決死角的能力。

它是一輛自行車還是一輛汽車……民族？當初的無人駕駛，包括谷歌和百度，都是從自行車開始的，這樣以后就會有瓶頸，也就是會有持續的進步。很簡單，無論是感知還是決策，都缺少一些信息，包括視線和距離的問題，當然還有一些無法獲取的全局信息。整個城市的信息很重要。比如交通擁堵、交通信息不清晰、視野不佳或者一些突發事件，即使你再聰明也無法感知并做出決策。

車路協調也有幾個層次:感知上的協調，決策上的協調，最后是系統范圍內整個城市的車燈和基礎設施之間的協調。現在還是看第一第二層次。自行車智能和車路協同都需要，所以協同智能很重要。清華大學的柯強院士最早提出車路協同，車聯網對整個中國來說也是一個優勢和路徑。好像自行車智能是L0到L5，道路需要不同的等級，也就是C0到C5，C以上，根本沒有人。這個時候，即使很少有汽車智能，道路也能實現這種能力。

我們可以看到車路協調的優勢。比如救護車來了，V2X信息關了你也不會知道。看到車，需要急剎車。有了V2X信息，你就會知道路上有車來了，很早就可以剎車或者變道。

全世界都在積極部署V2X，無論是美國還是歐洲，但中國在這方面走在了前面。無論是政策的制定，還是整個實驗的部署，幾個城市，尤其是北京亦莊，現在都有高水平的自動駕駛示范區，車路協調全球領先。

我們提出了如何對道路進行分類。去年我們和百度一起寫了一份白皮書，對道路進行了詳細的分類，包括道路的基礎設施能力，包括地圖、協同感知、網絡通信、協同決策，是否足夠安全。我們有一份白皮書專門考慮這個問題。

在無人駕駛和車路協同方面，我們也和Apollo、百度進行了合作。后來有個ApolloAir項目，里面有不同的子公司，我們盡力把路邊感知做到極致。舉個例子，我的車沒有智能，這是最簡單的L2級別，但是路邊的整體容量需要最大化，也就是最后一塊X軸和Y軸配合。我們做了很多理論模型，但是做了很多測試，在亦莊部署了很多車，但是也有一部分在長沙等地。

去年6月，我們發布了一份白皮書，系統地談到了車路協調和各種場景，包括安全性的提高。我們還發布了世界上第一個車路協調數據集，名為DAIR V2X，也是基于全場景同步。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，我們只對國內合作伙伴開源，不在國際上。歡迎使用。

目前我們只預發布了Apollo車路協同開放平臺2.0，正式發布可能還需要兩個月。以前主要能力是自行車，現在增加了一些車路協同能力。2.0將是一個全新的系統，包括硬件參考和軟件操作系統，框架、硬件提取和校準的上述能力應該很快就會推出。這也是一個完全開放的體系，與阿波羅單車形成互補。

我簡單放個視頻總結一下Apollo Air最近的工作，大部分還是在單車智能，這部分更多的是路邊智能。

最后總結一下，無人駕駛是不確定中的確定，有很多不確定性和復雜性，但很多也是確定的，最確定的是一定會實現。安全是第一要素，最重要的利益是安全，不管是什么方式、什么路徑推出來的。我覺得垂直領域的自動駕駛、無人駕駛會更早落地，包括物流、景區、礦區。現在無人車肯定會在真實復雜的城市落地，但是還需要更多的時間。自行車智能需要不同的傳感器，不同的維度和……數據類型不同，感知系統的通用化也是現在要解決的主要問題。車路協同是中國的優勢，會讓自動駕駛更安全，為自行車智能提供更多冗余，降低整個無人駕駛的成本，對現在的智能交通更有幫助。我們提出一個從C0到C5的道路分類系統。我們倡導開放的生態。Apollo是一個開放開源的數據生態，無論是自行車、汽車還是路邊。需要技術，需要政策法規，更重要的是有規模效應。

最后一張圖是我用來結束每一篇報道的圖:無人駕駛是人類長久以來的夢想，我們要敢于夢想才能實現夢想。(文/汽車之家張)近年來，智能網聯汽車產業進入發展快車道，政策法規環境不斷完善，技術加速發展，產業應用快速普及。面對智能網聯汽車發展的全球機遇，各國加快戰略部署，通過發布頂層政策規劃、制定/修訂相關法律法規、鼓勵技術研發、支持路測示范、運營項目等方式推動產業落地。目前，我國已經建立了完善的政策體系，全面推進智能網聯汽車產業發展，以及與智能交通、智慧能源、智慧城市的融合發展和生態建設。

8月1日，2022中國智能網聯汽車技術周暨第九屆國際智能網聯汽車技術大會(CICV2022)在亦莊舉行。中國工程院院士、清華大學智能產業研究院(AIR)院長張亞勤發表主題演講。他表示，安全是第一因素，車路協同是中國的優勢，這將使自動駕駛更安全，為自行車智能提供更多冗余，降低整個無人駕駛的成本，對現階段的智能交通更有幫助。

以下為演講實錄(經過編輯):

眾所周知，無人駕駛在過去的五到十年里是一個特別有趣的話題，在投資、產業和科研領域都是一個非常活躍的話題。一方面因為無人駕駛是人類長期以來的夢想，有很大的技術和產業政策挑戰，另一方面也有很大的產業前景。無人駕駛也是對人工智能的技術、算法、理論、體系的挑戰，所以是人工智能基礎設施的一部分，尤其是對智慧交通、智慧城市的無人駕駛，這些都是人工智能基礎設施的重要組成部分。

感謝清華大學周古月副教授和袁博士對今天PPT內容的巨大貢獻，也感謝百度公司，因為我的工作是和百度合作的。接下來我會花25分鐘簡單講一下無人駕駛的整個背景和一些關鍵的決策點，包括我們做的一些工作。

的確，現在我們正在進入一個新時代。從福特的T型車開始，汽車工業已經有110多年的歷史了，現在正經歷著巨大的變革。我們稱之為“四化”，可以加上綠色低碳。智能化是其中非常重要的一個，它確實對整個行業的升級起到了非常重要的作用。七八年前我們剛開始做無人駕駛研究的時候，我當時是百度的總裁。每個人都說其他人都在做阿波羅。怎么可以無人駕駛？現在看來很自然，它確實是一門交叉學科。汽車產業的要素正在發生巨大的變化，芯片、軟件、人工智能、電池都在成為新的關鍵技術要素。

無人駕駛最重要的是安全。目前90%以上的事故都是人為的。無人駕駛后，事故可以降到最低，然后是整體效率。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。如果能利用好這段時間，不僅能讓整個駕駛體驗更好，更重要的是提高整體效率。

四年前我們在百度的時候，和麥肯錫做了一個預測，就是估計自動駕駛乘用車會帶來1.1 trill……2030年的新市場。現在汽車市場差不多3.1萬億美元，所以增量也是30%，這也是算法帶來的增長。

我們現在的售票員OEM和Tier都在做自動駕駛和無人駕駛，很多新的玩家也在進入這個市場，包括出行服務，新勢力，物流公司，高科技公司，所以五到十年后，整個商業格局會和現在完全不一樣。

未來該領域將面臨諸多技術挑戰和關鍵決策因素。從人工智能和軟件的角度，我認為是未來五到十年人工智能最具挑戰性的問題。同時它是有邊界的，即非常復雜的問題可以分解成相對簡單的問題來解決。如果沒有解決方案，這個領域也很難做。它只是一個可解但困難的問題，即它集成了許多技術成果，包括規劃、決策和實施。這些領域都需要完美的工作和容錯。

實現無人駕駛還有一些關鍵問題，既有市場因素，也有非市場因素。我們的論壇是與法學院聯合舉辦的。非市場因素、政策法規、倫理道德、隱私等人為因素可能在整個無人駕駛中起到同樣重要的作用。今天我主要講講市場因素，尤其是技術的可行性，包括行業的生態。L4無人駕駛能實現嗎？答案是肯定的。實現路徑是以視覺為主還是更多不同的傳感器？如何概括感知和決策？這些都是技術問題。路線圖是通過自行車智能還是道路協調？逐漸通過ADAS到L4或者L5，生態也是開源Android或者IOS的封閉模式。很多不同的領域都在進入這個行業。未來誰會贏？汽車代工廠還是高新技術公司嗎？不可能把這些問題都講出來，只是籠統地講一下我的想法。

無人駕駛的關鍵技術分為五個層次:數據層、感知層、認知理解層、決策與規劃層和控制抽象層。每一個層面都很重要，就是從數據采集到三維時空模型的建立，包括視覺、激光或傳感，都可以整合起來形成動態的認識，同時還要建立道路結構的靜態認知、構成和定位。

感知是建立環境模型，然后進行決策規劃，同時將所有數據返回到控制層，包括車輛平臺、V2X、數據平臺、仿真平臺。這些決策和數據會回到每一級，這樣就形成了一個閉環。這個閉環本身基本是實時的，同時需要在無懈可擊上做出完美的決策，所以容錯的概率很低。

有人會問用的是什么人工智能算法？我也有一個關于不同算法細節的特別報告。自動駕駛和無人駕駛可以說是使用了所有能想到的AI算法。過去的算法已經用到了現在的深度學習算法，包括數據壓縮、檢測目標、完成數據場景、模擬定位、全景分割以及后期的模型壓縮。

為什么這些很難實現？深度學習或者機器學習，總體來說是基于當前的數據，在遇到新的場景后必須要有泛化能力。所以導致事故的是Corner Case，無法測試。需要最小化第三象限，但總會有拐角情況，AI算法必須通用化。

當我們感知和感知時，我們是專注于視覺還是需要其他感官？包括激光雷達，大家都知道馬斯克不太喜歡激光雷達，認為全車應該完全可視化。剛才提到的五個層次，感知是機器的優勢，它能得到人看不到的東西。相機、激光雷達、毫米波、超聲波雷達各有千秋。不同的天氣，不同的環境可以相輔相成，人類駕駛的安全性必須提高一個數量級。如果我們能獲得和人類一樣的信息，機器幾乎不比人類更安全，有些地方比其他地方更好，所以在

你看到的視頻是五年前的。我們用了十個攝像頭實現無人駕駛，有很多復雜的算法，但是安全性和r……沒有友誼是絕對不夠的。圖片是用三維激光雷達直接三維繪制的，可以利用深度信息，當然也可以感知不同的車、人、非機動車，包括一些靜態信息。其實這些提供了視覺方面沒有的東西，對整個安全性肯定是有好處的。

大家可能會說激光雷達太貴了。起初，它很貴。現在混合固態的使用已經降到幾百塊錢了。不僅L4可以使用激光雷達，新L2也可以使用激光雷達，所以這不是價格的問題。更重要的是如何利用這些信息增加我們的概括能力，提高我們解決死角的能力。

是自行車還是車路協調？當初的無人駕駛，包括谷歌和百度，都是從自行車開始的，這樣以后就會有瓶頸，也就是會有持續的進步。很簡單，無論是感知還是決策，都缺少一些信息，包括視線和距離的問題，當然還有一些無法獲取的全局信息。整個城市的信息很重要。比如交通擁堵、交通信息不清晰、視野不佳或者一些突發事件，即使你再聰明也無法感知并做出決策。

車路協調也有幾個層次:感知上的協調，決策上的協調，最后是系統范圍內整個城市的車燈和基礎設施之間的協調。現在還是看第一第二層次。自行車智能和車路協同都需要，所以協同智能很重要。清華大學的柯強院士最早提出車路協同，車聯網對整個中國來說也是一個優勢和路徑。好像自行車智能是L0到L5，道路需要不同的等級，也就是C0到C5，C以上，根本沒有人。這個時候，即使很少有汽車智能，道路也能實現這種能力。

我們可以看到車路協調的優勢。比如救護車來了，V2X信息關了你也不會知道。看到車，需要急剎車。有了V2X信息，你就會知道路上有車來了，很早就可以剎車或者變道。

全世界都在積極部署V2X，無論是美國還是歐洲，但中國在這方面走在了前面。無論是政策的制定，還是整個實驗的部署，幾個城市，尤其是北京亦莊，現在都有高水平的自動駕駛示范區，車路協調全球領先。

我們提出了如何對道路進行分類。去年我們和百度一起寫了一份白皮書，對道路進行了詳細的分類，包括道路的基礎設施能力，包括地圖、協同感知、網絡通信、協同決策，是否足夠安全。我們有一份白皮書專門考慮這個問題。

在無人駕駛和車路協同方面，我們也和Apollo、百度進行了合作。后來有個ApolloAir項目，里面有不同的子公司，我們盡力把路邊感知做到極致。舉個例子，我的車沒有智能，這是最簡單的L2級別，但是路邊的整體容量需要最大化，也就是最后一塊X軸和Y軸配合。我們做了很多理論模型，但是做了很多測試，在亦莊部署了很多車，但是也有一部分在長沙等地。

去年6月，我們發布了一份白皮書，系統地談到了車路協調和各種場景，包括安全性的提高。我們還發布了世界上第一個車路協調數據集，名為DAIR V2X，也是基于全場景同步。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，我們只對國內合作伙伴開源，不在國際上。歡迎使用。

目前我們只預發布了Apollo車路協同開放平臺2.0，正式發布可能還需要兩個月。以前主要能力是自行車，現在增加了一些車路協同能力。2.0將是一個全新的系統，包括硬件參考和軟件操作系統，框架、硬件提取和校準的上述能力應該很快就會推出。這也是一個完全開放的系統，它完成了……nts阿波羅自行車。

我簡單放個視頻總結一下Apollo Air最近的工作，大部分還是在單車智能，這部分更多的是路邊智能。

最后總結一下，無人駕駛是不確定中的確定，有很多不確定性和復雜性，但很多也是確定的，最確定的是一定會實現。安全是第一要素，最重要的利益是安全，不管是什么方式、什么路徑推出來的。我覺得垂直領域的自動駕駛、無人駕駛會更早落地，包括物流、景區、礦區。現在無人車肯定會在真實復雜的城市落地，但是還需要更多的時間。自行車智能需要不同的傳感器，不同的維度，不同的數據類型，感知系統的通用化也是現在要解決的主要問題。車路協同是中國的優勢，會讓自動駕駛更安全，為自行車智能提供更多冗余，降低整個無人駕駛的成本，對現在的智能交通更有幫助。我們提出一個從C0到C5的道路分類系統。我們倡導開放的生態。Apollo是一個開放開源的數據生態，無論是自行車、汽車還是路邊。需要技術，需要政策法規，更重要的是有規模效應。

最后一張圖是我用來結束每一篇報道的圖:無人駕駛是人類長久以來的夢想，我們要敢于夢想才能實現夢想。(文/汽車之家張)

標簽：北京福特

汽車資訊熱門資訊