张亚勤：我们正在让自动驾驶变成现实

近年来，智能网联汽车产业进入发展快车道，政策法规环境不断完善，技术加速发展，产业应用快速普及。面对智能网联汽车发展的全球机遇，各国加快战略部署，通过发布顶层政策规划、制定/修订相关法律法规、鼓励技术研发、支持路测示范、运营项目等方式推动产业落地。目前，我国已经建立了完善的政策体系，全面推进智能网联汽车产业发展，以及与智能交通、智慧能源、智慧城市的融合发展和生态建设。

8月1日，2022中国智能网联汽车技术周暨第九届国际智能网联汽车技术大会(CICV2022)在亦庄举行。中国工程院院士、清华大学智能产业研究院(AIR)院长张亚勤发表主题演讲。他表示，安全是第一因素，车路协同是中国的优势，这将使自动驾驶更安全，为自行车智能提供更多冗余，降低整个无人驾驶的成本，对现阶段的智能交通更有帮助。

以下为演讲实录(经过编辑):

众所周知，无人驾驶在过去的五到十年里是一个特别有趣的话题，在投资、产业和科研领域都是一个非常活跃的话题。一方面因为无人驾驶是人类长期以来的梦想，有很大的技术和产业政策挑战，另一方面也有很大的产业前景。无人驾驶也是对人工智能的技术、算法、理论、体系的挑战，所以是人工智能基础设施的一部分，尤其是对智慧交通、智慧城市的无人驾驶，这些都是人工智能基础设施的重要组成部分。

感谢清华大学周古月副教授和袁博士对今天PPT内容的巨大贡献，也感谢百度公司，因为我的工作是和百度合作的。接下来我会花25分钟简单讲一下无人驾驶的整个背景和一些关键的决策点，包括我们做的一些工作。

的确，现在我们正在进入一个新时代。从福特的T型车开始，汽车工业已经有110多年的历史了，现在正经历着巨大的变革。我们称之为“四化”，可以加上绿色低碳。智能化是其中非常重要的一个，它确实对整个行业的升级起到了非常重要的作用。七八年前我们刚开始做无人驾驶研究的时候，我当时是百度的总裁。每个人都说其他人都在做阿波罗。怎么可以无人驾驶？现在看来很自然，它确实是一门交叉学科。汽车产业的要素正在发生巨大的变化，芯片、软件、人工智能、电池都在成为新的关键技术要素。

无人驾驶最重要的是安全。目前90%以上的事故都是人为的。无人驾驶后，事故可以降到最低，然后是整体效率。现在每天差不多有一个小时的时间开车或者找停车的地方。如果能利用好这段时间，不仅能让整个驾驶体验更好，更重要的是提高整体效率。

四年前我们在百度的时候，和麦肯锡做了一个预测，就是预计2030年自动驾驶乘用车会带来1.1万亿美元的新市场。现在汽车市场差不多3.1万亿美元，所以增量也是30%，这也是算法带来的增长。

我们现在的售票员OEM和Tier都在做自动驾驶和无人驾驶，很多新的玩家也在进入这个市场，包括出行服务，新势力，物流公司，高科技公司，所以五到十年后，整个商业格局会和现在完全不一样。

未来该领域将面临诸多技术挑战和关键决策因素。从人工智能和软件的角度，我认为是未来五到十年人工智能最具挑战性的问题。同时，它也有边界，那……，非常复杂的问题可以分解成相对简单的问题来解决。如果没有解决方案，这个领域也很难做。它只是一个可解但困难的问题，即它集成了许多技术成果，包括规划、决策和实施。这些领域都需要完美的工作和容错。

实现无人驾驶还有一些关键问题，既有市场因素，也有非市场因素。我们的论坛是与法学院联合举办的。非市场因素、政策法规、伦理道德、隐私等人为因素可能在整个无人驾驶中起到同样重要的作用。今天我主要讲讲市场因素，尤其是技术的可行性，包括行业的生态。L4无人驾驶能实现吗？答案是肯定的。实现路径是以视觉为主还是更多不同的传感器？如何概括感知和决策？这些都是技术问题。路线图是通过自行车智能还是道路协调？逐渐通过ADAS到L4或者L5，生态也是开源Android或者IOS的封闭模式。很多不同的领域都在进入这个行业。未来谁会赢？汽车代工厂还是高新技术公司吗？不可能把这些问题都讲出来，只是笼统地讲一下我的想法。

无人驾驶的关键技术分为五个层次:数据层、感知层、认知理解层、决策与规划层和控制抽象层。每一个层面都很重要，就是从数据采集到三维时空模型的建立，包括视觉、激光或传感，都可以整合起来形成动态的认识，同时还要建立道路结构的静态认知、构成和定位。

感知是建立环境模型，然后进行决策规划，同时将所有数据返回到控制层，包括车辆平台、V2X、数据平台、仿真平台。这些决策和数据会回到每一级，这样就形成了一个闭环。这个闭环本身基本是实时的，同时需要在无懈可击上做出完美的决策，所以容错的概率很低。

有人会问用的是什么人工智能算法？我也有一个关于不同算法细节的特别报告。自动驾驶和无人驾驶可以说是使用了所有能想到的AI算法。过去的算法已经用到了现在的深度学习算法，包括数据压缩、检测目标、完成数据场景、模拟定位、全景分割以及后期的模型压缩。

为什么这些很难实现？深度学习或者机器学习，总体来说是基于当前的数据，在遇到新的场景后必须要有泛化能力。所以导致事故的是Corner Case，无法测试。需要最小化第三象限，但总会有拐角情况，AI算法必须通用化。

当我们感知和感知时，我们是专注于视觉还是需要其他感官？包括激光雷达，大家都知道马斯克不太喜欢激光雷达，认为全车应该完全可视化。刚才提到的五个层次，感知是机器的优势，它能得到人看不到的东西。相机、激光雷达、毫米波、超声波雷达各有千秋。不同的天气，不同的环境可以相辅相成，人类驾驶的安全性必须提高一个数量级。如果我们能获得和人类一样的信息，机器几乎不比人类更安全，有些地方比其他地方更好，所以在

你看到的视频是五年前的。我们用了十个摄像头实现无人驾驶，有很多复杂的算法，但是安全性和冗余度肯定不够。图片是用三维激光雷达直接三维绘制的，可以利用深度信息，当然也可以感知不同的车、人、非机动车，包括一些静态信息。其实这些提供了视觉方面没有的东西，对整个安全性肯定是有好处的。

大家可能会说激光雷达太贵了。起初，它很贵。现在混合固态的使用已经降到几百块钱了。不仅L4可以使用激光雷达，新L2也可以使用激光雷达，所以这不是价格的问题。更重要的是如何利用这些信息增加我们的概括能力，提高我们解决死角的能力。

它是一辆自行车还是一辆汽车……民族？当初的无人驾驶，包括谷歌和百度，都是从自行车开始的，这样以后就会有瓶颈，也就是会有持续的进步。很简单，无论是感知还是决策，都缺少一些信息，包括视线和距离的问题，当然还有一些无法获取的全局信息。整个城市的信息很重要。比如交通拥堵、交通信息不清晰、视野不佳或者一些突发事件，即使你再聪明也无法感知并做出决策。

车路协调也有几个层次:感知上的协调，决策上的协调，最后是系统范围内整个城市的车灯和基础设施之间的协调。现在还是看第一第二层次。自行车智能和车路协同都需要，所以协同智能很重要。清华大学的柯强院士最早提出车路协同，车联网对整个中国来说也是一个优势和路径。好像自行车智能是L0到L5，道路需要不同的等级，也就是C0到C5，C以上，根本没有人。这个时候，即使很少有汽车智能，道路也能实现这种能力。

我们可以看到车路协调的优势。比如救护车来了，V2X信息关了你也不会知道。看到车，需要急刹车。有了V2X信息，你就会知道路上有车来了，很早就可以刹车或者变道。

全世界都在积极部署V2X，无论是美国还是欧洲，但中国在这方面走在了前面。无论是政策的制定，还是整个实验的部署，几个城市，尤其是北京亦庄，现在都有高水平的自动驾驶示范区，车路协调全球领先。

我们提出了如何对道路进行分类。去年我们和百度一起写了一份白皮书，对道路进行了详细的分类，包括道路的基础设施能力，包括地图、协同感知、网络通信、协同决策，是否足够安全。我们有一份白皮书专门考虑这个问题。

在无人驾驶和车路协同方面，我们也和Apollo、百度进行了合作。后来有个ApolloAir项目，里面有不同的子公司，我们尽力把路边感知做到极致。举个例子，我的车没有智能，这是最简单的L2级别，但是路边的整体容量需要最大化，也就是最后一块X轴和Y轴配合。我们做了很多理论模型，但是做了很多测试，在亦庄部署了很多车，但是也有一部分在长沙等地。

去年6月，我们发布了一份白皮书，系统地谈到了车路协调和各种场景，包括安全性的提高。我们还发布了世界上第一个车路协调数据集，名为DAIR V2X，也是基于全场景同步。现在阿波罗是开源的，我们的数据集也是开源的。目前因为比较敏感，我们只对国内合作伙伴开源，不在国际上。欢迎使用。

目前我们只预发布了Apollo车路协同开放平台2.0，正式发布可能还需要两个月。以前主要能力是自行车，现在增加了一些车路协同能力。2.0将是一个全新的系统，包括硬件参考和软件操作系统，框架、硬件提取和校准的上述能力应该很快就会推出。这也是一个完全开放的体系，与阿波罗单车形成互补。

我简单放个视频总结一下Apollo Air最近的工作，大部分还是在单车智能，这部分更多的是路边智能。

最后总结一下，无人驾驶是不确定中的确定，有很多不确定性和复杂性，但很多也是确定的，最确定的是一定会实现。安全是第一要素，最重要的利益是安全，不管是什么方式、什么路径推出来的。我觉得垂直领域的自动驾驶、无人驾驶会更早落地，包括物流、景区、矿区。现在无人车肯定会在真实复杂的城市落地，但是还需要更多的时间。自行车智能需要不同的传感器，不同的维度和……数据类型不同，感知系统的通用化也是现在要解决的主要问题。车路协同是中国的优势，会让自动驾驶更安全，为自行车智能提供更多冗余，降低整个无人驾驶的成本，对现在的智能交通更有帮助。我们提出一个从C0到C5的道路分类系统。我们倡导开放的生态。Apollo是一个开放开源的数据生态，无论是自行车、汽车还是路边。需要技术，需要政策法规，更重要的是有规模效应。

最后一张图是我用来结束每一篇报道的图:无人驾驶是人类长久以来的梦想，我们要敢于梦想才能实现梦想。(文/汽车之家张)近年来，智能网联汽车产业进入发展快车道，政策法规环境不断完善，技术加速发展，产业应用快速普及。面对智能网联汽车发展的全球机遇，各国加快战略部署，通过发布顶层政策规划、制定/修订相关法律法规、鼓励技术研发、支持路测示范、运营项目等方式推动产业落地。目前，我国已经建立了完善的政策体系，全面推进智能网联汽车产业发展，以及与智能交通、智慧能源、智慧城市的融合发展和生态建设。

8月1日，2022中国智能网联汽车技术周暨第九届国际智能网联汽车技术大会(CICV2022)在亦庄举行。中国工程院院士、清华大学智能产业研究院(AIR)院长张亚勤发表主题演讲。他表示，安全是第一因素，车路协同是中国的优势，这将使自动驾驶更安全，为自行车智能提供更多冗余，降低整个无人驾驶的成本，对现阶段的智能交通更有帮助。

以下为演讲实录(经过编辑):

众所周知，无人驾驶在过去的五到十年里是一个特别有趣的话题，在投资、产业和科研领域都是一个非常活跃的话题。一方面因为无人驾驶是人类长期以来的梦想，有很大的技术和产业政策挑战，另一方面也有很大的产业前景。无人驾驶也是对人工智能的技术、算法、理论、体系的挑战，所以是人工智能基础设施的一部分，尤其是对智慧交通、智慧城市的无人驾驶，这些都是人工智能基础设施的重要组成部分。

感谢清华大学周古月副教授和袁博士对今天PPT内容的巨大贡献，也感谢百度公司，因为我的工作是和百度合作的。接下来我会花25分钟简单讲一下无人驾驶的整个背景和一些关键的决策点，包括我们做的一些工作。

的确，现在我们正在进入一个新时代。从福特的T型车开始，汽车工业已经有110多年的历史了，现在正经历着巨大的变革。我们称之为“四化”，可以加上绿色低碳。智能化是其中非常重要的一个，它确实对整个行业的升级起到了非常重要的作用。七八年前我们刚开始做无人驾驶研究的时候，我当时是百度的总裁。每个人都说其他人都在做阿波罗。怎么可以无人驾驶？现在看来很自然，它确实是一门交叉学科。汽车产业的要素正在发生巨大的变化，芯片、软件、人工智能、电池都在成为新的关键技术要素。

无人驾驶最重要的是安全。目前90%以上的事故都是人为的。无人驾驶后，事故可以降到最低，然后是整体效率。现在每天差不多有一个小时的时间开车或者找停车的地方。如果能利用好这段时间，不仅能让整个驾驶体验更好，更重要的是提高整体效率。

四年前我们在百度的时候，和麦肯锡做了一个预测，就是估计自动驾驶乘用车会带来1.1 trill……2030年的新市场。现在汽车市场差不多3.1万亿美元，所以增量也是30%，这也是算法带来的增长。

我们现在的售票员OEM和Tier都在做自动驾驶和无人驾驶，很多新的玩家也在进入这个市场，包括出行服务，新势力，物流公司，高科技公司，所以五到十年后，整个商业格局会和现在完全不一样。

未来该领域将面临诸多技术挑战和关键决策因素。从人工智能和软件的角度，我认为是未来五到十年人工智能最具挑战性的问题。同时它是有边界的，即非常复杂的问题可以分解成相对简单的问题来解决。如果没有解决方案，这个领域也很难做。它只是一个可解但困难的问题，即它集成了许多技术成果，包括规划、决策和实施。这些领域都需要完美的工作和容错。

实现无人驾驶还有一些关键问题，既有市场因素，也有非市场因素。我们的论坛是与法学院联合举办的。非市场因素、政策法规、伦理道德、隐私等人为因素可能在整个无人驾驶中起到同样重要的作用。今天我主要讲讲市场因素，尤其是技术的可行性，包括行业的生态。L4无人驾驶能实现吗？答案是肯定的。实现路径是以视觉为主还是更多不同的传感器？如何概括感知和决策？这些都是技术问题。路线图是通过自行车智能还是道路协调？逐渐通过ADAS到L4或者L5，生态也是开源Android或者IOS的封闭模式。很多不同的领域都在进入这个行业。未来谁会赢？汽车代工厂还是高新技术公司吗？不可能把这些问题都讲出来，只是笼统地讲一下我的想法。

无人驾驶的关键技术分为五个层次:数据层、感知层、认知理解层、决策与规划层和控制抽象层。每一个层面都很重要，就是从数据采集到三维时空模型的建立，包括视觉、激光或传感，都可以整合起来形成动态的认识，同时还要建立道路结构的静态认知、构成和定位。

感知是建立环境模型，然后进行决策规划，同时将所有数据返回到控制层，包括车辆平台、V2X、数据平台、仿真平台。这些决策和数据会回到每一级，这样就形成了一个闭环。这个闭环本身基本是实时的，同时需要在无懈可击上做出完美的决策，所以容错的概率很低。

有人会问用的是什么人工智能算法？我也有一个关于不同算法细节的特别报告。自动驾驶和无人驾驶可以说是使用了所有能想到的AI算法。过去的算法已经用到了现在的深度学习算法，包括数据压缩、检测目标、完成数据场景、模拟定位、全景分割以及后期的模型压缩。

为什么这些很难实现？深度学习或者机器学习，总体来说是基于当前的数据，在遇到新的场景后必须要有泛化能力。所以导致事故的是Corner Case，无法测试。需要最小化第三象限，但总会有拐角情况，AI算法必须通用化。

当我们感知和感知时，我们是专注于视觉还是需要其他感官？包括激光雷达，大家都知道马斯克不太喜欢激光雷达，认为全车应该完全可视化。刚才提到的五个层次，感知是机器的优势，它能得到人看不到的东西。相机、激光雷达、毫米波、超声波雷达各有千秋。不同的天气，不同的环境可以相辅相成，人类驾驶的安全性必须提高一个数量级。如果我们能获得和人类一样的信息，机器几乎不比人类更安全，有些地方比其他地方更好，所以在

你看到的视频是五年前的。我们用了十个摄像头实现无人驾驶，有很多复杂的算法，但是安全性和r……没有友谊是绝对不够的。图片是用三维激光雷达直接三维绘制的，可以利用深度信息，当然也可以感知不同的车、人、非机动车，包括一些静态信息。其实这些提供了视觉方面没有的东西，对整个安全性肯定是有好处的。

大家可能会说激光雷达太贵了。起初，它很贵。现在混合固态的使用已经降到几百块钱了。不仅L4可以使用激光雷达，新L2也可以使用激光雷达，所以这不是价格的问题。更重要的是如何利用这些信息增加我们的概括能力，提高我们解决死角的能力。

是自行车还是车路协调？当初的无人驾驶，包括谷歌和百度，都是从自行车开始的，这样以后就会有瓶颈，也就是会有持续的进步。很简单，无论是感知还是决策，都缺少一些信息，包括视线和距离的问题，当然还有一些无法获取的全局信息。整个城市的信息很重要。比如交通拥堵、交通信息不清晰、视野不佳或者一些突发事件，即使你再聪明也无法感知并做出决策。

车路协调也有几个层次:感知上的协调，决策上的协调，最后是系统范围内整个城市的车灯和基础设施之间的协调。现在还是看第一第二层次。自行车智能和车路协同都需要，所以协同智能很重要。清华大学的柯强院士最早提出车路协同，车联网对整个中国来说也是一个优势和路径。好像自行车智能是L0到L5，道路需要不同的等级，也就是C0到C5，C以上，根本没有人。这个时候，即使很少有汽车智能，道路也能实现这种能力。

我们可以看到车路协调的优势。比如救护车来了，V2X信息关了你也不会知道。看到车，需要急刹车。有了V2X信息，你就会知道路上有车来了，很早就可以刹车或者变道。

全世界都在积极部署V2X，无论是美国还是欧洲，但中国在这方面走在了前面。无论是政策的制定，还是整个实验的部署，几个城市，尤其是北京亦庄，现在都有高水平的自动驾驶示范区，车路协调全球领先。

我们提出了如何对道路进行分类。去年我们和百度一起写了一份白皮书，对道路进行了详细的分类，包括道路的基础设施能力，包括地图、协同感知、网络通信、协同决策，是否足够安全。我们有一份白皮书专门考虑这个问题。

在无人驾驶和车路协同方面，我们也和Apollo、百度进行了合作。后来有个ApolloAir项目，里面有不同的子公司，我们尽力把路边感知做到极致。举个例子，我的车没有智能，这是最简单的L2级别，但是路边的整体容量需要最大化，也就是最后一块X轴和Y轴配合。我们做了很多理论模型，但是做了很多测试，在亦庄部署了很多车，但是也有一部分在长沙等地。

去年6月，我们发布了一份白皮书，系统地谈到了车路协调和各种场景，包括安全性的提高。我们还发布了世界上第一个车路协调数据集，名为DAIR V2X，也是基于全场景同步。现在阿波罗是开源的，我们的数据集也是开源的。目前因为比较敏感，我们只对国内合作伙伴开源，不在国际上。欢迎使用。

目前我们只预发布了Apollo车路协同开放平台2.0，正式发布可能还需要两个月。以前主要能力是自行车，现在增加了一些车路协同能力。2.0将是一个全新的系统，包括硬件参考和软件操作系统，框架、硬件提取和校准的上述能力应该很快就会推出。这也是一个完全开放的系统，它完成了……nts阿波罗自行车。

我简单放个视频总结一下Apollo Air最近的工作，大部分还是在单车智能，这部分更多的是路边智能。

最后总结一下，无人驾驶是不确定中的确定，有很多不确定性和复杂性，但很多也是确定的，最确定的是一定会实现。安全是第一要素，最重要的利益是安全，不管是什么方式、什么路径推出来的。我觉得垂直领域的自动驾驶、无人驾驶会更早落地，包括物流、景区、矿区。现在无人车肯定会在真实复杂的城市落地，但是还需要更多的时间。自行车智能需要不同的传感器，不同的维度，不同的数据类型，感知系统的通用化也是现在要解决的主要问题。车路协同是中国的优势，会让自动驾驶更安全，为自行车智能提供更多冗余，降低整个无人驾驶的成本，对现在的智能交通更有帮助。我们提出一个从C0到C5的道路分类系统。我们倡导开放的生态。Apollo是一个开放开源的数据生态，无论是自行车、汽车还是路边。需要技术，需要政策法规，更重要的是有规模效应。

最后一张图是我用来结束每一篇报道的图:无人驾驶是人类长久以来的梦想，我们要敢于梦想才能实现梦想。(文/汽车之家张)

标签：北京福特

汽车资讯热门资讯