必威官方网站,Betway必威,必威APP下载
刚才我做介绍的时候也提到了，第一，在中国自动驾驶方面应该快速推进的就是法律法规方面的实施，因为如果不快速有一些法律法规保证自动驾驶可以逐步进入真实的环境去测试的话，就谈不上快速的产业化。第二，在中国我们有很多的资金、有很多的人力物力投到自动驾驶这个领域中，但是怎么样整合成一个系统，现在大家都专注在单车上，怎么样整合成一个系统，怎么样去平台化、怎么样快速的建立一个智能化的公共交通体系来配合自动驾驶，这个可能是第二个要快速改善的方面。
现在很多企业都在炫耀自己的自动驾驶的能力或者水平，但是行业内我们都知道背后有核心技术在供应商那里。所以我想说的一点是，真正的瓶颈在于掌握核心技术研发的供应商，我们下一步要加大研发的投入，这是一个关键点可以真正的支撑自动驾驶技术。另外我还想说一点，举一个例子，比如激光雷达领域今年我们有16家激光雷达的供应商在CES同台竞争，他们无一例外的说我们要开发固态的激光雷达，他们有不同的技术路线，很多人说这是我们今后的方向，但是现在还是没有人能够肯定到底哪个方向是真正的以后能够量产符合车规级的雷达，即使解决了这个问题还有一个很重要的就是成本，成本是所有技术的制约，不计成本的技术开发有点像耍流氓。大家可能比较熟悉自动刹车功能，这个已经成熟量产了，在一些主流大众车型上都有，但是装车率非常低，并不是因为整车厂不愿意，也不是技术保护的原因，装车率低最大原因就是在这个成本前提下面，我们的市场上顾客选择率就是低。第三方调研说中国的市场是最愿意接受自动驾驶技术的，但是其中要打一个问号，当顾客知道这个不是免费的午餐，这个技术有好几万块钱的成本，消费者愿意付吗？这个事不知道的。
刚刚大家说了成本方面的考虑，以及交通多样性的考虑，我想说一下从驾驶员决策方面或者路径规划方面的考虑，现在很多公司说我可以达到第三级，然后我准备做到第四级、第五级，从第三级到第四级、第五级有很长的路要走，在很多特定的场景下你可以做到自动驾驶，但是如果你要做到第五级，你要适应所有的环境，这个还是很困难的。目前在自动驾驶的开发中，在驾驶决策的这一部分更多的是用到一些基于规则的算法，基于规则就是说，我在软件里面已经写好了遇到什么情况做出什么样的反应，它是一个基于可预见的结果来做出的逻辑的判断。但是你要做到第五级，你要适应全部的路况，那基于规则的算法就很难实现了，因为在实际的驾驶中你可能遇到的状况千变万化，很难通过一个简单的规则就可以来涵盖掉所有的路况和情况，特别是在中国复杂的情况下很难做到。当然现在可以进行一些尝试，比如用人工智能或者用深度学习的方法来做这方面的决策，但是深度学习有一个固有的或者很大的问题，就是它没法追溯、没法分析，就是在事故发生的时候，或者事故发生之后你很难分析它为什么要做这样的决策和反应。并且在车辆方面，我们一定要做到事后能够去分析问题，能够尽量的避免问题以后会发生，在这方面至少人工智能现在是没有做到的。所以在产业化方面，在研究上你可以说你用人工智能或者其他的方法做到第四级、第五级，但是落地你需要解决这些很复杂的问题和矛盾。
关于人工智能业界有一个共识，就是在有限的情况下它是非常有效的，但是在有一些比较不容易处理的情况下它不是那么有效。人工智能对于我们来说它是一个黑盒子，有时候表现好，有时候表现不好，但是我们很难找出具体的原因。可以跟大家分享一下，现在关于人工智能博世有一种路径是通过不断的学习加强人工智能的算法，我们希望把固定的算法推到车上，然后不断的收集数据并且反馈到云端，然后做离线的测试，测试完了再上传到云端，云端再把同样的算法给100万辆车。
如果人工智能的学习严格基于规则进行的话，在目前中国的交通条件下根本出不了小区，这样的车顾客也是不会满意的，因为它连小区的门都出不了。其次是关于深度学习，我们让车辆自己来系统学习最有效的驾驶方式，但是问题是我们为什么要做自动驾驶？有两个原因，其中一个原因是减少人为因素造成的交通安全事故，根据我们的统计人为因素大概在93%-94%左右，你现在又要让系统学习人的驾驶行为，就有点本末倒置了，这又是一个悖论。个人认为自动驾驶的有效性要体现在什么时候呢？当绝大部分车辆都是自动驾驶的车辆的时候，绝大部分车辆都是按照交通规则和行为规则来驾驶，这个时候自动驾驶车辆才最有效，而只有极少数车辆是自动驾驶的时候，自动驾驶并不会带来有效的结果，反而会增加交通堵塞的形成，只有当绝大多数车辆是自动驾驶的时候，自动驾驶的优势特别是减少拥堵的优势才能体现出来。
现在所谓的智能化的城市已经不是一个新的议题了。智能化城市是依靠数据的，智能化的第一步是数据化，有了可靠的数据才能逐步智能化，大家都在朝这个方面努力。如果你真的从头到尾规划这个城市的话，整个城市智能化的交通系统绝对是你计划范围内的，比如像交通灯的问题，数据怎么样取舍，这些东西不仅是为了自动驾驶，它自然而然会想到智能城市需要的这些功能，关键是必须得想到这个城市将来是要数据化，要智能化，它必须得有办法产生数据，得从这个方面去规划，一旦有数据我们就有办法让它智能化。
这个是不矛盾的，顾总提的是效率的问题，就是能否发挥自动驾驶全部的潜在效益，马上会从交通事故、拥堵方面有很大的改善，这是效率的问题。但是现在车能不能在街上开是另外的问题，你不试，你永远也不会。包括人也是一样的，你如果在美国待了很长时间，比如我刚刚回国的时候，在上海开车是非常有挑战性的，因为美国用的是一种标准和规则，到上海发生了变化，虽然两国的交通法几乎是一样的，但是你自己的大脑要开始调整。从这个角度看刚才顾总提的问题，你其实可以看人类的行为，包括台湾、韩国这些国家在前几十年快速的增长，它们最开始的交通驾驶情况比我们现在国内的城市驾驶情况好不到哪里去，大家都有一些习惯不太一样，造成了一些拥堵，但是你今天再去看韩国和新加坡，他们对规则的认可和规则的执行力度要大很多。我相信自动驾驶汽车也是一样，我们不能等到90%的车都符合这个规则的时候才去实行这个东西，而是我们需要慢慢的适应这个东西，慢慢地学习，在国内如果法规允许的话，可以让我们的车子到国内来适应、来学习，来不断的改进，这是我们的看法。
这一点我完全同意杨总的说法，就是不矛盾，刚才说到了智慧城市的建设，现在在全国各地都会有这样的场景出现。我有一个非常简单的回答，就是根据场景来定义自动驾驶的体验或者是测试，为什么这么说呢？你如果现在谈全工况没有任何限制的自动驾驶不现实，因为技术没有达到，法律也不允许，但是如果你定一个封闭的环境或者半封闭的环境，比如说在一个园区、景区里可以做到所有的车辆都是自动驾驶车辆，这样的话比较现实。举一个例子，上海有一个公交车线路，这个线路可以走，有非常固定的线路，时间也固定，那么为什么不让71路先试点一下自动驾驶，这个是非常成熟的场景，然后慢慢扩展到半封闭的场景或者是更多的场景下面。
对，其实我很同意前面几位嘉宾的看法，我们如果按照研究的方法从头做到尾，我们能够把自动驾驶整个的事故率下降90%，但是我们要把自动驾驶技术落地，那可能就需要解决剩下10%的问题。工程的问题应该用工程的方法解决，而用泛泛的研究，很难解决那10%的问题，我们需要跳出自动驾驶车的范畴，我们回到交通设置，或者是城市的规划这个层面上，我们通过整个城市的规划或者基础设施的规划来规避掉一些车的自动驾驶系统不能解决的问题，通过整个交通系统更完善的规划来规避这个问题，可能就可以解决这10%或者5%的问题了，能够更快的促进自动驾驶的落地。
我非常同意这一点，这个不是你死我活的竞争，这个是互相学习、互相促进的健康的竞争。除此之外，我也要提醒一下大家，我们说的自动驾驶不仅是靠车上的传感器来探知周围的环境，靠地图来知道自己到底在什么地方要去哪里，另外还有一点重要的大家不要忘了，V2V和V2X，特别是V2V就是车间的通讯，今后的车辆不可能只有一家供应商或者主机厂，肯定有很多家供应商主机厂支持的，如果车和车之间的通讯没有达成的话，怎么做到自动驾驶？我刚才讲了很多的场景，比如说在一些场景下面（交通灯、障碍物遮挡、建筑物遮挡），你不知道对方的车辆在什么地方，这个时候你的传感器再好还是会存在很多的隐患，这个时候V2V和V2X就很重要了，这就是我刚才讲的，如果我们所有的供应商之间都是互相屏避或者是老死不相往来或者你死我活的话，就没有办法营造一个良性竞争的自动驾驶技术开发的环境。
如果我受到邀请建一个智慧城市，我来提供里面所有的自动驾驶的车辆，我来打包提供整个的系统，我的观点和前面的嘉宾不是矛盾的，我不是说排他的，不让别人来生存，其实是这样的，你的基础设施和系统是要相互兼容的，但我们现在车与车通讯、自动驾驶路径还远远没有达到标准化、达到兼容的程度。大家现在要做的不是说要把谁给PK掉，而是要尽可能用自己现有的资源按照自己的发展路径来做自动驾驶的开发，并且我们相互之间要做一些相互的兼容的考虑。比如说我的自动驾驶车开到路上后碰到其他的车，可能两个之间没有办法交互，因为车和车的交互，或者人的驾驶巨决策，其实是两个车相互之间博弈的过程，他如果走了，我可能要减速，它如果停了，我可能就过去了，无人驾驶的车上也存在这样的博弈，如果有一个相互兼容的机制或者标准，那就更容易来推动整个智慧城市或者是无人驾驶的落地了。
既然前面两位已经说了广告，我也广告一下，法雷奥在自动驾驶、自动泊车这方面，我们在深圳和武汉有研发中心，而且目前的局面就是实在招不到人，也不叫招不到人，而是我们的需求和供给差很大的距离，这方面体现了什么？一是数量上的人才急缺，三年以前还没有那么多的造车势力，还没有那么多的智能网联、新能源汽车，所以我们现在对汽车工程师的数量要求几乎是以前的两到三倍。二是专业，我本人在以前也是做其他的专业的，自动驾驶的确是最近几年出来的，所以我们要从本科培养起到现在能够用时间也来不及，所以这样的跨界也是正常的，所以我们不是要看汽车工程师更容易成为一个智能网联工程师，还是IT工程师或其他过来的人更容易成为智能驾驶专业的工程师， 不一定，我们团队里面既有传统的汽车工程师，也有从软件工程师或者IT行业过来的，这个是目前在可以预见的未来中是会比较长时间存在的状况。
因为自动驾驶本身就是一个跨学科或者是跨领域的研究方向，它其实是人工智能或者是自动驾驶控制在车辆上的应用，说到人才方面，这个人他需要有车辆方面的知识，他可能还需要有人工智能方面的知识，他还需要有一些控制或者机器方面的知识。这些人在外面找很少很少，或者说几乎没有，就是完全掌握全部知识的人，那么传统车辆行业的人可能需要加强一下人工智能方面的知识，或者是自动化控制方面的知识，自动化方面或者人工智能方面的人才可能需要了解一下传统车辆动力学方面的东西，或者是车辆开发流程上的东西，都是相互需要加强的，没有说哪一类人就一定会合适做自动驾驶的开发工作，但是有学习能力就不怕说掌握不了这些东西。
