李德毅院士：云计算大数据助推并成就了智能车产业化

8月3日，主题为“‘智’造强国、‘智’享生活”的2016中国信息主管大会在成都举行。中国工程院院士李德毅就智能车产业现状、存在的问题及未来发展发表了主题演讲。以下内容根据录音整理，未经本人审定；标题系改编。

智能车产业集成了几乎所有工业和信息化领域的中高端技术为一身，包括在线监控和全链条服务，关联度强，就业面广，涉及经济领域多，消费拉动大，是国民经济的重要支柱产业。

中国工程院院士李德毅。

汽车工业的核心竞争力跨越三个世纪，经过将近150年的发展，初期人们感兴趣的是底盘、传动、机械，后来关心的是能源、被动安全、碳排放，关心汽车电池模块化、新能源汽车，下一步人们更关注自动驾驶、智能驾驶。

汽车怎么分？汽车厂商分五个等级或者六个等级。我分法不一样，最近知道特斯拉发生了一次致死的事故，因为ADAS（离线辅助驾驶，也叫自动驾驶）方式。大家都认为让汽车自己跑挺好，但这时候汽车是自动的吗？特斯拉推辞说，是要求驾驶员把手放在方向盘上的，谁叫你不放在方向盘上呢？所以自动驾驶是一个陷阱，本质上还是辅助驾驶。IT行业更多地把这种方式称为“自驾驶”，或者叫做“没有驾驶员的驾驶”，或称“自主驾驶”。

我国家“十三五”规划提出了一个新的概念，叫做以人为本的协同驾驶，这个词比较好。

我个人，认为智能驾驶分四个等级，无论是辅助驾驶还是自动驾驶都是人驾，到了自驾是“马驾”，到了人机协同是“人马一起驾”。大家知道指挥官骑在马上，跨越壕沟时指挥官是不用考虑马是怎么蹬腿的，但是指挥官受伤后马得把指挥官带回家，所以我们认为马和指挥官的关系相当于人和智能驾驶汽车的关系。

全球智能驾驶的实践近乎火爆，尽管形态多样，方法各异，但也趋向形成共识。从认知试验走向认知工程，工程化很重要。汽车是跑出来的而不是设计出来的。

智能车的产业化和市场正在迅速开辟道路，要建立全新的智能车生态环境，性能可靠性越高越好，成本越低越好。

智能车产业预测

预测一下智能汽车产业五年后2020年会是什么样子？

性能要高就不能用一个摄像头就解决了，如果把白色的大卡车看作是蓝天白云这显然是荒谬的，所以传感器非常重要。不但要有摄像头，尤其还要有高精度雷达、红外雷达，因此性能提高跟传感器数量和种类密切相关。我这里尤其要强调的是，光有传感器还不够，中间少了一个装备叫做“驾驶脑”，没有驾驶脑光有传感器车子开不好。

可靠性，将驾驶可靠性三个9提高五个9，比人工驾驶高两个数量级。

成本，智能车价格提升200%，能否接受？大概可以接受的，如现在40万的车将来用80万的，估计大家都愿意去试一试。

在这样一个大市场背景下，是一个什么样的生态环境呢？

第一，出行有风险，开车须谨慎，安全无尽头，智能无极限。不要想着有了智能车就不会出事故，就好像飞机在天上飞也可能掉下来。

第二，道路信息化有助于智能车工程化的实现，但重点还是要放在车的智能上。

第三，车载传感器必然是多元异构，没有哪一种传感器是万能的，不要想着单靠摄像头就可以解决问题，人的视觉，双目测试你距离到不了毫米和厘米，所以要综合考虑性能可靠性和成本，轮式机器人的传感器配置方案和驾驶途径是多样化的。

第四，包括自动驾驶在内的越来越丰富的汽车辅助驾驶手段离自主驾驶仅一步之遥，跨过这一步比人们预料的要快。

第五，引入人类生活130年的汽车，车辆动力学性质已经相当完善，其人机工程学的巨大成功导致纵向控制和横向控制的解耦，为智能车的自主驾驶和双驾驶双控奠定了基础，人机协同共驾势在必行。人可以开，机器也可以开，两个人可以轮着来或者系统共驾。

以人为本的协同共驾，有多少人有哪些人？

一是机器人，二是驾驶位上的驾驶员（当然他可以空缺），三是程序调试员、试验和维护人员，四是乘员，五是互联网远端的车主，这个车主可以不在车上，但是他应该能控制车，但有一种是互联网远端的黑客。“互联网+汽车”要考虑远端的请求、控制、攻击。

第六，智能车带来的伦理问题和交规修改问题没有想象的那么难那么远，归根到底还是两个责任人，一个是车厂，一个是车主，当然在具体运行方式上可能有保险公司介入，但是责任可以分得清，修改法规并不难。

第七，智能驾驶，未来已来。和轿车相比，“两客一危”、房车和中重型货运车辆智能化需求更为迫切，各种各样的智能商用车的社会化运营比智能轿车的私人购买要早。重心放在哪里？对企业家来说必须有一个战略的眼光，而不是凑热闹改小车。

第八，各国都在积极探索建立高效的智能车实验场、示范项目，规范智能车的测试语评估，探索运营模式。中国的第一个就在上海嘉定城，已经在做规划，将来可以在那里进行试验。

第九，利用包括智能车传感器在内的大数据，可以优化交通基础资源，实时监控交通设施和车辆，即时处置交通事故，缓解交通拥堵，有效建立公路物流。

第十，智能驾驶对汽车也不是灾难而是福音，智能车渴望成为互联网时代手机之后的新型端设备，包括自主驾驶汽车在内的轮式机器人产业将迎来井喷期，整车价格上不封顶。专职司机行业将逐渐消失，私人拥有轿车的时代渐行渐远，智能车产业化必将兴起。

这是我对第一个问题的基本思考。

这时候哪一家产业违背了智能车产业的生态，就难以崛起，也不可能茁壮成长，不是你老板一拍桌子就可以解决的，我们交的学费已经就多的了。

智能车产业推进工作

仅仅由研究院所或高校利用改装后的汽车在封闭道路环境下的无人驾驶试验和比赛已经成为过去，转而进入智能车工程化和市场化的新阶段。

没有智能车的工程化就不可能有智能车的产业化，我们已经从认知科学的研究转向认知功能的实践。总体来说，一个智能车有三大类传感器。第一大类是GPS、北斗卫星定位接受器，第二大块是摄像头，有看交通指示牌的，有看前面障碍物的，摄像头多的可以七八个，少的可以一两个，现在车上都有一个行车记录仪。第三类是雷达，有激光雷达、超声雷达、红外雷达，希望将来一个激光雷达大概1千美元以下。

以上主要解决三个问题：我在什么地方？我周边有什么？我下一步怎么走？

国有大部分汽车电子企业长期以来走的是后装和改装之路，形成当今ADAS的最后繁荣。在全球智能化产业化的大潮逼迫下，不得不走上原装和前装之路，从汽车电子专项电子汽车、数字汽车、自动汽车，直到智能汽车，车载传感器在产业化链条中的位置大大前移。驾驶过程中，驾驶员在回路中的预测控制是汽车自身无法替代的。

自主驾驶的基本问题就是驾驶员驾驶过程中与环境和周边车辆的交互认知“哪里去了”，驾驶员的作用在自主驾驶中“由谁替代”，用雷达传感器、视觉传感器、车载传感器、定位传感器进行定位，通过这些来决策当前和下一步应该怎么办。有了这个决策之后就可以控制车子的方向盘、油门和刹车，然后进行控制。

看一个车就是看它的感知、认知，再感知再认知的过程，其中有记忆、长期记忆、工作记忆和瞬间记忆，有思维判断，有执行，感知、认知、行动，再感知，再认知，再行动，构成了智能车的全部内容。

驾驶脑研发走过了十年的道路，一开始我们把传感器、交换机、计算机和服务器放在车里，以前是很大的，后来放在一个小一点的抽屉那么大的，现在一体化，把驾驶脑融入车内，仅仅饭盒这么大。以前人们认为，自动驾驶就是启动计算机程序让汽车自动开，如果程序不合适就由人调程序，本质是程序员通过程序教机器人开车，成为“软件定义的机器”实现自动驾驶。

这样的观点是对还是不对？我认为是错的，因为它把驾驶员取消了。自动驾驶是不是等于自主驾驶呢？多少种自动驾驶模式才能够完全覆盖各种各样的驾驶场景，这是充分条件。从一种自动驾驶模式切换到另一种自动驾驶模式是唯一确定的吗？这是必要条件。如果不能确定，那自动驾驶是一个陷阱，自动驾驶本质是辅助驾驶，一定要自主驾驶。

智能车研发的困难。

不仅仅是各种动力学要求，更重要的是研发和驾驶员一样的在线的驾驶脑，模拟实现人造回路的预测和控制。把人在回路中的自主驾驶让车厂去模拟，是难以承受之重，把机器驾驶脑的研发让车厂去做是难以承受之重，现在北汽、吉利都在做方面的研发，可以把车做得好一点，自动化水平做得更高一点，仅此而已。可以利用微电子技术，采用CPU加GPU加FPGA加ASIC架构生产专用芯片和板卡来研发机器驾驶脑。

对于驾驶脑，我们要求“一打一小两高两低”：大接口、小尺寸、高性能、高可靠、低功耗、低成本。

车相随，学相伴。把驾驶大数据转化为价值，把驾驶员脑转化为机器驾驶脑，并和机器行为融合在一起，让驾驶员教机器人开车，让大数据开车，这才是根本之道。

人常常是在错误中学习的，试探纠错，吸取事故教训是提高驾驶水平的重要环节，因此一次次的驾驶事故也可以通过深度学习形成事故记忆棒。比较的驾驶员在当前驾驶态势下是如何避免事故的，这样一来就生成事故记忆棒。假如说特斯拉这次这个情景变成一个事故记忆棒，告诉大家奇迹将发生，所有的车子装上这个场景，那么这个驾驶事故将会被所有的智能车铭记，这倒是一幅美妙的前景。

当今深度学习正站在全球人工智能的风口，普遍把卷积神经网络用于点云图象识别、完成感知阶段的自学习。而我们另辟蹊径，把卷积神经网络用于形式化之后的、基于可用路权的驾驶态势图和反映驾驶操作全部内容的认知箭头形成的图对上，用于认知阶段的深度学习，大大减少简化了实时处理的数据量。

驾驶脑是作为智能车产业化重要的零部件，在传感器之后，但是在整体解决方案之前，是一个重要的零部件，它是一个活地图，传感器替代不了，车厂替代不了，驾龄替代不了，地图替代不了，自动驾驶替代不了。

自动驾驶本质是辅助驾驶，它是一个陷阱，我们要用深度学习的方法研发驾驶脑替代驾驶员。

云计算大数据助推并成就了智能车产业化。

在我们的驾驶脑里面是双总线架构，智能车零部件从车载传感器到驾驶脑，从零部件性能可靠性到整车的智能鲁棒性评测，正在形成规模化生产智能车的全新产业链条，形成智能车市场切入的突破口，跨界创新、尤其是人工智能、自动化工程和汽车业的跨界创新展现出勃勃生机。

我们30年用市场换技术，最后拿到了多少技术？我们缺少这方面的知识产权，人家不给你开放。不要再做美梦了，市场是换不来技术的，只有技术才能换来市场。

国家的战略需求。

车载传感器国产化迫在眉睫，尤其是车载雷达，ADAS的最后繁荣和转型之路将会导致一大堆ADAS公司倒闭，因为人们不要你后改装的产品了。建立智能化和自动化握手的方法学，我们正在做，建立智能车测试场和智能驾驶示范，制定智能车行驶道路和环境的标准，发放智能车生产许可证和智能车驾照。

智能驾驶试验、示范与评估迫在眉睫。

智能车各种感知和认知手段相互依存，甚至彼此缠绕，在各类比赛场、测试场，智能车表现出的千奇百怪、反反复复，人们困惑过、迷茫过，试来试去理不出头绪，试验和评估活动混乱无序。

也就是在这多彩多姿的实践活动中，正在逐渐形成明确的试验约束，呼唤智能车零部件生产与组装、智能驾驶规范化试验、智能评估认知的方法学。我们十多年的开发经验摸索出了一条道路，这条道路可以解耦合、排先后、拾阶而上，由上而下的认识问题，由下而上的解决问题；先后有序，递进式调模块，不牵一发而动全身，减少耦合，增量式调智商，不相互缠绕。混合编组，交叉验证，常态试验。

智能车产业化展望

智能车是我国智能制造2025的第一张名片，也是我国智慧城市、智能交通的第一张名片，智能车产业带来的变化是全方位的，影响不可低估。我们认为，智能商用车的社会化运营可能要比智能车轿车购买较早，将来可能商务大巴是潮流，公路列车物流、中重型货车、特种车辆、社区通勤、景观观光也是潮流。房车可能是一个家庭的第三辆车或者第四辆车，房车就是移动家居，智慧城市必不可少的一个环节，房车怎么做？我们现在正在深圳做两台房车的无人驾驶。还有赛车，赛车也是很重要的产业。

轮式机器人正在挤压乘用车市场空间，正成为人类生产、生活的经常态，工厂用、农田用、港口用、测量用、战场用，社区用，办公用，家里用，医院用，方便、简洁、自主、自适应、自学习，和手机一样正在成为互联网设备，正在挤压小轿车市场。不是说小轿车市场没有了，还是有人愿意用来表现自己的身份。

未来智能车产业化有七个里程碑，在座的企业愿意成为其中一员吗？

第一个里程碑是谁能成为我国生产车载毫米波雷达、激光雷达量产首家过千台的企业，这在当前有引领的作用；

第二个里程碑，谁能成为我国生产线控转向、线控制动、线控动力系统量产首家过千台的企业，自动化做不好什么都是浮云；

第三个里程碑，谁能成为我国驾驶脑量产首家过千的微电子企业；

第四个里程碑，政府尤其工信部何时能够发放我国自主车生产许可证，何时能发放智能车驾照，说这个车子可以拿到C2、B2或者A照；

第五个里程碑，谁能成为我国智能车量产首家过千台的企业；

里程碑六，哪个企业能够成为我国首个将智能车用作移动共享工具的服务性行业；

里程碑七，哪个城市能够成为我国首个快速公交智能车联网运行城市。这七个里程碑都是值得我们大家考虑的。

未经允许不得转载：DOIT » 李德毅院士：云计算大数据助推并成就了智能车产业化