全球自動(dòng)駕駛行業(yè)，正在迎來一輪大洗牌。

在美國(guó)，成立六年之久的自動(dòng)駕駛公司Argo AI突然宣布解散。即便是背靠?jī)纱罂鐕?guó)車企福特和大眾，但Argo AI依然沒能活到下一集，最終倒在了IPO大門前。而在德國(guó)，車載激光雷達(dá)“鼻祖”Ibeo公司宣布，因無法獲得進(jìn)一步融資，公司向德國(guó)漢堡法院申請(qǐng)破產(chǎn)。

“國(guó)外這一批自動(dòng)駕駛公司被淘汰，原本我判斷會(huì)更早一點(diǎn)?！痹谥袊?guó)工程院院士、清華大學(xué)智能產(chǎn)業(yè)研究院(AIR)院長(zhǎng)張亞勤看來，很多公司方向是對(duì)的，但是糧食不足，沒有達(dá)到終點(diǎn)前就成為先烈了。

對(duì)于歐美自動(dòng)駕駛公司的這一輪倒閉潮，有人認(rèn)為這是產(chǎn)業(yè)泡沫破滅的前兆。不可否認(rèn)的是，中國(guó)自動(dòng)駕駛產(chǎn)業(yè)在某些領(lǐng)域，存在著創(chuàng)業(yè)公司和資本過度狂熱的現(xiàn)象。但從大方向而言，無人駕駛的終極目標(biāo)是毋庸置疑的。

雪崩之時(shí)，沒有一片雪花是無辜的。

歐美的自動(dòng)駕駛公司起步更早，其產(chǎn)業(yè)對(duì)技術(shù)和商業(yè)化路徑的探索更深入，自然就更先一步進(jìn)入到洗牌階段。而對(duì)中國(guó)的自動(dòng)駕駛公司而言，這場(chǎng)淘汰賽也終究會(huì)來，是時(shí)候該提升危機(jī)感和緊迫感了。不經(jīng)磨礪難成人，未逢挫折總天真。與任何產(chǎn)業(yè)一樣，只有經(jīng)歷過一輪輪的淘汰，最終才能誕生偉大的企業(yè)。

“國(guó)內(nèi)的話，下面幾年也會(huì)有一些公司面臨破產(chǎn)，最終可能就剩下5-10家是真正的無人駕駛公司。”張亞勤總結(jié)時(shí)說道。

從起跑，到趕超，再到即將進(jìn)入的淘汰賽，張亞勤無疑是中國(guó)自動(dòng)駕駛行業(yè)的領(lǐng)導(dǎo)者、見證者和奉獻(xiàn)者。他是科學(xué)家中的企業(yè)家，企業(yè)家中的科學(xué)家，多重的經(jīng)歷和身份，賦予了他更寬闊的視野去看待如今的自動(dòng)駕駛難題。

    推動(dòng)起步

12歲最年輕的大學(xué)生，19歲赴美留學(xué)、23歲博士畢業(yè)、最年輕的IEEE Fellow、中美澳三國(guó)院士，比爾·蓋茨的智囊團(tuán)…這些，都是張亞勤被外界矚目的標(biāo)簽。

他與自動(dòng)駕駛開始產(chǎn)生交集，源自于1998年的一個(gè)決定——那年11月，張亞勤正式加盟微軟，與李開復(fù)一起籌建微軟中國(guó)研究院。

2000年，張亞勤正式成為微軟中國(guó)研究院院長(zhǎng)兼首席科學(xué)家。次年11月，微軟中國(guó)研究院發(fā)展為微軟亞洲研究院， 他擔(dān)任首任院長(zhǎng)。

2004年，張亞勤回到微軟總部帶領(lǐng)團(tuán)隊(duì)開發(fā)過一個(gè)操作系統(tǒng) WindowsCE。這個(gè)系統(tǒng)后來成為全球最大的嵌入式操作系統(tǒng)， 也在傳統(tǒng)車載領(lǐng)域得到廣泛的應(yīng)用，屬于初代的車載操作系統(tǒng)。談及這段經(jīng)歷時(shí)，張亞勤不由地說道：“我對(duì)汽車行業(yè)一直還是很有感情的?！?/span>

2004年，是近代自動(dòng)駕駛的元年。

美國(guó)國(guó)防部高等研究計(jì)劃局（DARPA）組織了第一屆野外自動(dòng)駕駛挑戰(zhàn)賽（Grand Challenge）。隨后，大洋彼岸的硅谷科技公司們，就開始盯上了那些奇奇怪怪的汽車——車身上鋪滿了各種電子設(shè)備，車艙內(nèi)沒有駕駛員和乘客，但車輛卻可以自動(dòng)的前進(jìn)、拐彎——自動(dòng)駕駛，開始在美國(guó)盛行。

2014年9月，張亞勤結(jié)束了在微軟的16年工作經(jīng)歷，應(yīng)老朋友李彥宏邀請(qǐng)出任百度總裁。

在百度的5年時(shí)間里，他專注自動(dòng)駕駛、云計(jì)算、量子計(jì)算、芯片等AI相關(guān)領(lǐng)域的前沿技術(shù)。其中，最重要的節(jié)點(diǎn)是2017年，百度發(fā)布Apollo計(jì)劃，向汽車行業(yè)及自動(dòng)駕駛領(lǐng)域的合作伙伴提供一個(gè)開放、完整、安全的軟件平臺(tái)，幫助他們結(jié)合車輛和硬件系統(tǒng)，快速搭建一套屬于自己的完整的自動(dòng)駕駛系統(tǒng)。Apollo目前是全球最大的開放商業(yè)智能駕駛平臺(tái)，聯(lián)盟有超過200家企業(yè)和機(jī)構(gòu)。

時(shí)至今日，張亞勤仍是百度Apollo的聯(lián)盟理事長(zhǎng)。“這也是我目前唯一的兼職”，他打趣的說道。

2019年10月，53歲的張亞勤宣布從百度退休。當(dāng)時(shí)，該舉動(dòng)在業(yè)內(nèi)掀起過不小的爭(zhēng)議，但張亞勤曾在采訪中回應(yīng)稱：“我們?nèi)松@么長(zhǎng)，每個(gè)階段自己都要有不同的重點(diǎn)，我是希望下面再做好‘一件事’”， 用他話說就是Life3.0。

而他的“Life3.0”，在2019年12月31日那天，正式官宣了：張亞勤正式加盟清華大學(xué)，受聘清華大學(xué)智能科學(xué)講席教授。同時(shí)，他還將負(fù)責(zé)牽頭籌建清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）——面向第四次工業(yè)革命的國(guó)際化、智能化、產(chǎn)業(yè)化的研究機(jī)構(gòu)。

“前面這三次工業(yè)革命，中國(guó)都是處于相對(duì)旁觀者或者是跟隨者的角色，我覺得第四次工業(yè)革命中國(guó)有可能成為一個(gè)引領(lǐng)者?！?/span>

張亞勤認(rèn)為，人工智能是第四次工業(yè)革命一個(gè)很重要的技術(shù)引擎，很多產(chǎn)業(yè)都會(huì)被其改變，也會(huì)產(chǎn)生很多新產(chǎn)業(yè)。而在諸多新興產(chǎn)業(yè)中，張亞勤表示，清華大學(xué)智能產(chǎn)業(yè)研究院（AI R）將會(huì)聚焦智慧交通（AI+Transportation）、智慧物聯(lián)（AI+IoT）、智慧醫(yī)療（AI+Life Science）三個(gè)重點(diǎn)研究方向。

雖然看似是截然不同的細(xì)分領(lǐng)域，但在張亞勤看來，這三個(gè)方向有一些共性：一是都面對(duì)著巨大的商業(yè)空間和發(fā)展機(jī)遇；二是人工智能在探索過程中發(fā)揮著特別重要的作用，甚至是決定性、顛覆性的作用；三是相關(guān)研發(fā)成果實(shí)用化、普及化之后，將產(chǎn)生可觀的社會(huì)效益。

而自動(dòng)駕駛，則更像是第四次工業(yè)革命的時(shí)代標(biāo)志。

    見證趕超

“美國(guó)整體的話是啟動(dòng)比較早，而且相對(duì)比較領(lǐng)先。但是我覺得，中國(guó)過去這5年，在大踏步的往前走，每個(gè)領(lǐng)域都在往前走?！睆垇喦谡f道。

實(shí)際上，自動(dòng)駕駛是一個(gè)復(fù)雜的系統(tǒng)問題，涉及到感知、認(rèn)知、規(guī)劃、決策與執(zhí)行等諸多環(huán)節(jié)，需要在極短時(shí)間內(nèi)做出可執(zhí)行的正確決策。

正因涉及的技術(shù)多、涵蓋的領(lǐng)域廣，所以自動(dòng)駕駛的發(fā)展路徑也呈現(xiàn)出多元化的態(tài)勢(shì)，正所謂條條大路通羅馬。

比如，按場(chǎng)景來劃分，有公開道路場(chǎng)景、封閉場(chǎng)景；按車輛類型來劃分，有乘用車和商用車。按自動(dòng)駕駛等級(jí)來劃分，從L1到L5有五個(gè)等級(jí)，包括L2級(jí)輔助駕駛、和L4+級(jí)無人駕駛。

在談細(xì)分類型之前，其實(shí)更應(yīng)該關(guān)注整個(gè)行業(yè)的活躍度。張亞勤認(rèn)為，中國(guó)在乘用車規(guī)模、測(cè)試規(guī)模、投融資等方面比美國(guó)更多，所以產(chǎn)業(yè)鏈更加活躍。

在乘用車規(guī)模方面，我國(guó)2021年產(chǎn)銷分別完成2608.2萬輛和2627.5萬輛，連續(xù)13年保持全球汽車產(chǎn)銷量第一。但更重要的是，自動(dòng)駕駛技術(shù)正在逐步下放，并在乘用車上落地應(yīng)用。在今年上半年，國(guó)內(nèi)具備組合駕駛輔助功能的乘用車達(dá)到228萬輛，市場(chǎng)滲透率升至32.4%，同比增長(zhǎng)46.2%。

規(guī)模所帶來的優(yōu)勢(shì)之一是，數(shù)據(jù)量。

張亞勤在2008年曾經(jīng)提到過一個(gè)觀點(diǎn)：“未來最珍貴的資源不是石油，而是數(shù)據(jù)和算法?！边@一觀點(diǎn)放到今天的自動(dòng)駕駛產(chǎn)業(yè)，依然適用。

像目前百度的L4無人車，收集的數(shù)據(jù)量就達(dá)到2TB/臺(tái)/天，其中包括了傳感器、感知結(jié)果、車輛狀態(tài)等全量數(shù)據(jù)，每天百度自動(dòng)駕駛車隊(duì)的數(shù)據(jù)總量達(dá)到300-400TB。而一般量產(chǎn)乘用車，包含高價(jià)值的數(shù)據(jù)，如特殊場(chǎng)景等，上傳數(shù)據(jù)量也能達(dá)到約11G/車/月。

而數(shù)據(jù)的最大用途是驅(qū)動(dòng)自動(dòng)駕駛體驗(yàn)持續(xù)提升，也就是所謂的“數(shù)據(jù)閉環(huán)”。比如，模型訓(xùn)練閉環(huán)：在發(fā)生一些極端場(chǎng)景的時(shí)候，采集車外的環(huán)境數(shù)據(jù)，回傳到云端，進(jìn)行數(shù)據(jù)標(biāo)注、數(shù)據(jù)清洗、模型訓(xùn)練等，迭代出新的模型，經(jīng)過仿真環(huán)境的測(cè)試和驗(yàn)證、實(shí)車上的測(cè)試和驗(yàn)證后，最終實(shí)現(xiàn)軟件更新。

規(guī)模所帶來的優(yōu)勢(shì)之二是，成本下降。

“在傳感器方面，比如激光雷達(dá)，中國(guó)這幾年已經(jīng)在快速創(chuàng)新和落地已經(jīng)比美國(guó)做得好了。”在張亞勤看來，美國(guó)最早在做激光雷達(dá)的時(shí)候，機(jī)械式激光雷達(dá)要幾萬美金，而現(xiàn)在像禾賽科技、大疆車載、華為等等的一批企業(yè)，把激光雷達(dá)的成本降到了1000美金以內(nèi)，這個(gè)時(shí)候就可以大規(guī)模量產(chǎn)上車了。

誠(chéng)然，歐美市場(chǎng)目前主要是在L4級(jí)無人車搭載激光雷達(dá)，并且大多是機(jī)械式激光雷達(dá)，外觀突兀且無法滿足乘用車的車規(guī)級(jí)要求。而中國(guó)汽車產(chǎn)業(yè)率先將半固態(tài)激光雷達(dá)，在乘用車上進(jìn)行量產(chǎn)，并大規(guī)模交付給普通用戶使用。

高工智能汽車研究院監(jiān)測(cè)數(shù)據(jù)顯示，去年中國(guó)市場(chǎng)乘用車前裝標(biāo)配搭載激光雷達(dá)數(shù)量還不到8000顆，今年1-9月，前裝搭載激光雷達(dá)的數(shù)量已達(dá)5.7萬顆，預(yù)計(jì)全年達(dá)12萬顆，增長(zhǎng)10倍以上， 很多新型L2車已在開始使用激光雷達(dá)。

規(guī)模所帶來的優(yōu)勢(shì)之三是，商業(yè)閉環(huán)。

張亞勤認(rèn)為，若完全依賴單車智能，corner case（長(zhǎng)尾問題）將更難以得到解決，如果計(jì)算能力無法快速突破、硬件價(jià)格無法快速下降，則自動(dòng)駕駛商業(yè)落地將需要很長(zhǎng)時(shí)間。如果使用交通設(shè)施和周圍環(huán)境智能（V2X），在數(shù)據(jù)感知，算法魯棒性，安全冗余等都會(huì)有大幅度的改進(jìn)。自動(dòng)駕駛的快速大規(guī)模應(yīng)用必須依賴單車智能和V2X的結(jié)合。

用更簡(jiǎn)單的話來說，就是智能的車，智慧的路和強(qiáng)大的云。既有安全性和體驗(yàn)的躍升，也有基建的覆蓋，以及車輛規(guī)模的提升和硬件成本的下降——由此形成商業(yè)閉環(huán)，并進(jìn)入一個(gè)良性循環(huán)的狀態(tài)。

“在落地方案方面，我覺得中國(guó)是走在美國(guó)前面的，比如車路協(xié)同。北京在亦莊的‘高級(jí)別自動(dòng)駕駛示范區(qū)’是全球最大的自動(dòng)駕駛和車路協(xié)同測(cè)試基地。美國(guó)、歐洲其實(shí)講得很早了，但是真正做的快的、落地好的還是中國(guó)?！睆垇喦谡f道。 

    去泡沫

不可否認(rèn)，隨著自動(dòng)駕駛產(chǎn)業(yè)的發(fā)展深入，會(huì)有越來越多新玩家半路出道、乘機(jī)而入，試圖在繁榮的資本游戲中分一杯羹。而如今，“過熱期”已然結(jié)束。

根據(jù)Gartner曲線對(duì)于新興技術(shù)發(fā)展周期的描述，一個(gè)事物從萌芽到成熟，必然要經(jīng)歷萌芽期、過熱期、低谷期、復(fù)蘇期、成熟期五個(gè)階段。當(dāng)下這個(gè)階段，企業(yè)開始退出、資本逐漸冷靜，似乎是一個(gè)低谷期的開始，也意味著企業(yè)更需要靜下心來。

據(jù)睿獸分析的數(shù)據(jù)顯示，2022年1-10月，國(guó)內(nèi)自動(dòng)駕駛領(lǐng)域已發(fā)生67筆融資事件，披露融資額累計(jì)達(dá)143億元，對(duì)比2021年同期，融資事件、融資額分別下降了約32％和61％。

在張亞勤看來，“這個(gè)產(chǎn)業(yè)（自動(dòng)駕駛）沒有泡沫，可能有些公司有些泡沫，這部分VC的感知會(huì)更前、更準(zhǔn)確一點(diǎn)。他什么時(shí)候開始撤了或者不投了，就是一個(gè)信號(hào)?！绷硗?，他還明確提到，中國(guó)的Robotaxi公司現(xiàn)在是多了點(diǎn)。

言外之意，Robotaxi這條細(xì)分賽道有些過分擁擠了。

背靠谷歌的Waymo，是Robotaxi自動(dòng)駕駛出租車領(lǐng)域的“鼻祖”。2017年，摩根斯坦利對(duì)Waymo給出的估值達(dá)到700億美元；2018年，其估值更是暴漲到1770億美元，相當(dāng)于當(dāng)時(shí)四分之一個(gè)谷歌。其中，Waymo的自動(dòng)駕駛出租車就占到800億美元?？梢姡?dāng)時(shí)業(yè)內(nèi)對(duì)Robotaxi的未來前景極度看好。

轉(zhuǎn)折點(diǎn)出現(xiàn)在2018年，Uber無人車在路測(cè)中出現(xiàn)致命事故，一名女性在過馬路時(shí)被無人車撞倒并最終導(dǎo)致其死亡。這起致命事故，讓原本“急速前行”的自動(dòng)駕駛突然踩下“剎車”。

時(shí)至今日，大多數(shù)的Robotaxi仍只在小范圍進(jìn)行試運(yùn)營(yíng)，車上需要安全員進(jìn)行監(jiān)督或者隨時(shí)接管。就連號(hào)稱“自動(dòng)駕駛一哥”的Waymo，也只在美國(guó)本土的部分地區(qū)去掉了安全員，但距離大規(guī)模上路、徹底無人駕駛?cè)杂泻荛L(zhǎng)的路要走。此時(shí)，Waymo的估值也從3年前的1750億美元一路下滑至300億美元。

Robotaxi的估值神話破滅，本質(zhì)上是促使行業(yè)往更底層的領(lǐng)域去探索，而非停留在自動(dòng)駕駛演示的“幻象”之中。

從產(chǎn)業(yè)鏈角度來看，中國(guó)自動(dòng)駕駛急需重視的是“缺芯”和核心軟件問題。

“我現(xiàn)在覺得做汽車芯片公司太少了”，在張亞勤看來，美國(guó)由于起步時(shí)間早，技術(shù)積累深厚，在自動(dòng)駕駛的底層實(shí)力方面更強(qiáng)一些。比如，英偉達(dá)、高通、英特爾旗下的Mobileye，都是業(yè)內(nèi)炙手可熱的美國(guó)芯片公司。

早年間，Mobileye靠“算法+芯片”的打包方案大殺四方，如今則是英偉達(dá)的大算力芯片Orin X大受追捧。目前，已經(jīng)大規(guī)模量產(chǎn)上車的Orin X芯片，單顆算力為254TOPS（處理器運(yùn)算能力單位）。

然而，英偉達(dá)在今年又推出了新一代的DRIVE Thor計(jì)算平臺(tái)——可實(shí)現(xiàn)最高2000 TOPS AI算力以及2000 TFLOPS浮點(diǎn)算力，把芯片算力“卷”到了云霄。

而中國(guó)的自動(dòng)駕駛芯片公司，目前主要還在創(chuàng)業(yè)成長(zhǎng)階段。

比如，地平線的最新征程5芯片，采用臺(tái)積電16納米工藝，單顆芯片AI算力最高為128TOPS，目前在理想L8 Pro車型上首發(fā)量產(chǎn)。數(shù)據(jù)顯示，地平線征程系列芯片累計(jì)出貨量已突破150萬片。在今年10月，大眾汽車集團(tuán)宣布投資地平線，投資金額約為24億歐元。

再比如，獲小米長(zhǎng)江產(chǎn)業(yè)基金投資的黑芝麻智能，目前已經(jīng)量產(chǎn)了華山二號(hào)A1000系列芯片，INT8 算力達(dá)到了106TOPS、INT4 算力196TOPS。此外，黑芝麻智能的A1000芯片已獲得江汽集團(tuán)、吉咖智能（吉利）等多個(gè)車企的定點(diǎn)訂單。據(jù)了解，黑芝麻智能還計(jì)劃在明年發(fā)布性能超過英偉達(dá)Orin系列的下一代芯片。

除了來自芯片產(chǎn)業(yè)鏈的挑戰(zhàn)之外，在操作系統(tǒng)、軟件算法等等的底層能力方面，中國(guó)自動(dòng)駕駛產(chǎn)業(yè)仍需要臥薪嘗膽。“特別是現(xiàn)在由于地緣政治，我們?cè)诿恳粋€(gè)產(chǎn)業(yè)的每一個(gè)地方都要有自己的布局?！?/strong>張亞勤總結(jié)道。

    決賽在2030

對(duì)于終局來說，自動(dòng)駕駛需要解決的核心問題之一是，安全。

那么，到底需要多安全，才能算安全呢？

在張亞勤看來，自動(dòng)駕駛車輛的安全標(biāo)準(zhǔn)需相較人類駕駛提高至少一個(gè)數(shù)量級(jí)，達(dá)到十倍于人類駕駛的安全系數(shù)。舉個(gè)例子，如果人開車是3萬公里出一次事故的話，那么自動(dòng)駕駛車輛就要做到30萬公里一次。

不僅如此，自動(dòng)駕駛還將會(huì)極大地提升交通安全。世界衛(wèi)生組織的《道路交通傷害報(bào)告》中指出，全球每年有135萬人死于交通意外。其中95%以上是人為錯(cuò)誤導(dǎo)致的，而人工智能的介入可以大幅降低人為事故隱患。

然而，自動(dòng)駕駛汽車要實(shí)現(xiàn)高于人類駕駛十倍的安全，并非一蹴而就。在張亞勤看來，有幾個(gè)具體的技術(shù)挑戰(zhàn)需要逐步去解決。

挑戰(zhàn)之一是可泛化性。

“我們現(xiàn)在做人工智能算法往往是處理一些特定任務(wù)，但現(xiàn)實(shí)的交通場(chǎng)景十分復(fù)雜，包括天氣、交通狀況、突發(fā)事件等。你的算法是不是可以應(yīng)對(duì)不可預(yù)測(cè)的事件，這是算法的一個(gè)泛化性的問題?！睆垇喦诒硎?。

最近幾年典型的事故，就是自動(dòng)駕駛撞上側(cè)翻的大貨車，側(cè)翻的貨車車頂缺少紋理特征，看起來就像白色的云，這種情況下僅依靠視覺的自動(dòng)駕駛無法判斷距離。隨著技術(shù)的改進(jìn)、車載激光雷達(dá)的低成本大規(guī)模普及、多模態(tài)數(shù)據(jù)融合感知的發(fā)展，這樣的事故風(fēng)險(xiǎn)會(huì)逐漸降低，但是真實(shí)世界遠(yuǎn)比這要復(fù)雜。

其次，挑戰(zhàn)還來自于規(guī)?；?。

自動(dòng)駕駛從測(cè)試到大規(guī)模商業(yè)部署，對(duì)技術(shù)本身的完全性提出了更高的要求。在張亞勤看來，“不管是算法也好，系統(tǒng)也好，硬件也好，芯片和操作系統(tǒng)也好，要把它們都完美的集成，并且不能犯錯(cuò)誤，這是一個(gè)很難的事?！?/span>

舉個(gè)例子，自動(dòng)駕駛車輛需要一系列的傳感器來共同完成感知任務(wù)。不同傳感器各司其職。激光雷達(dá)可以直接采集距離信息，實(shí)現(xiàn)三維環(huán)境匹配及盲點(diǎn)探測(cè)；而攝像頭則可以實(shí)現(xiàn)物體的快速辨認(rèn)和車道識(shí)別，所采集的信息包含色彩和更多細(xì)節(jié)；在惡劣天氣下，相較于激光雷達(dá)和攝像頭也會(huì)有更好的表現(xiàn)。所有傳感器聯(lián)合起來構(gòu)成對(duì)車輛所處環(huán)境全方位的立體掃描。

歸根結(jié)底，自動(dòng)駕駛也是一個(gè)復(fù)雜的狹義人工智能問題，可以被分解為有邊界的子領(lǐng)域技術(shù)問題。張亞勤認(rèn)為，“它更多的是一個(gè)特定任務(wù)的認(rèn)知，盡管很復(fù)雜，但還是可以解決的，所以說無人駕駛是可以實(shí)現(xiàn)的?！?/span>

當(dāng)問及“無人駕駛最終何時(shí)落地”時(shí)，張亞勤的回答是：“我預(yù)估2030年吧”。話語間雖有些猶豫，但他又進(jìn)一步解釋道：“目前已經(jīng)開始有不少企業(yè)開始嘗試商業(yè)落地。我認(rèn)為當(dāng)10%的新車是無人駕駛的，那么就開始有規(guī)模效應(yīng)了, 就落地了“。當(dāng)然這是指在開放環(huán)境下的乘用車。無人駕駛在礦區(qū)，景區(qū)，物流等場(chǎng)所會(huì)更快規(guī)模化。

最后，張亞勤還呼吁：“我們步子可以稍微走快點(diǎn)，下一步把安全員拿走，車?yán)锩婢筒灰腥肆?，要真正這樣做測(cè)試。這是個(gè)雞和蛋的問題，你要是不這么測(cè)試，那你不可能有質(zhì)的飛躍?！?/span>

    寫在最后

終點(diǎn)是明確的——無人駕駛，時(shí)間表也逐漸明了——2030年，挑戰(zhàn)更是清晰可見的——安全。但唯一不夠清晰的是，具體的實(shí)現(xiàn)路徑和方式。而這需要行業(yè)各界一同探索和努力。

本質(zhì)上來講，自動(dòng)駕駛本身不是單一的汽車行業(yè)問題，而是跨領(lǐng)域、跨學(xué)科的人工智能難題。正如張亞勤院士所言，自動(dòng)駕駛是未來5年AI領(lǐng)域最具挑戰(zhàn)和最復(fù)雜的任務(wù)，也是推動(dòng)全球汽車工業(yè)變革最重要的技術(shù)力量。

這也是為什么，張亞勤要籌建清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）的重要原因。AIR的戰(zhàn)略很清晰：一是培養(yǎng)技術(shù)領(lǐng)軍人才，特別是具備國(guó)際視野的CTO和具備系統(tǒng)思維的架構(gòu)師；二是推動(dòng)關(guān)鍵核心技術(shù)的突破；三是打造產(chǎn)業(yè)影響力。目前AIR已經(jīng)有近200位教授，研究者和學(xué)生， 1/3在從事和自動(dòng)駕駛和智慧交通相關(guān)的研究和產(chǎn)業(yè)化。

在面對(duì)未知且多變的技術(shù)變革時(shí)，只有把學(xué)術(shù)界、科研界、產(chǎn)業(yè)界的力量集合在一起，才能起到?jīng)Q定性、顛覆性的作用。

俗話說得好，孤舉者難起，眾行者易趨。

版權(quán)說明：
本文僅代表作者個(gè)人觀點(diǎn)，版權(quán)歸原創(chuàng)者所有。部分圖片源自網(wǎng)絡(luò)，未能核實(shí)歸屬。本文僅為分享，不為商業(yè)用途。若錯(cuò)標(biāo)或侵權(quán)，請(qǐng)與我們聯(lián)系刪除。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽碓醇白髡呙帧?/p>

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com