「兴业讲堂」主题沙龙活动举行，邱志军教授亲述AI、自动驾驶商业落地与产业化体会

  本文为约2481字，建议阅读5分钟
本文介绍了5月27日清华校友总会AI大数据专委会、清华大学学生创业协会承办的“兴业讲堂”主题沙龙“AI+自动驾驶”活动上邱志军教授带来的主题分享。

5月27日，“兴业讲堂”主题沙龙“AI+自动驾驶”活动在线上举办。本期活动由清华校友总会AI大数据专委会、清华大学学生创业协会承办。

本期“兴业讲堂”邀请了主讲嘉宾邱志军，邱老师目前在加拿大阿尔伯塔大学土木与环境工程系任终身教授和博士生导师，也是加拿大智能交通研究首席教授，同时也是国内车路协同头部创业公司华砺智行的联合创始人。

以下内容根据邱老师分享内容整理：

人工智能

人工智能经历了三次浪潮，第一二次浪潮缺乏数据并且没有形成商业落地的闭环逻辑，第三次浪潮中寒武纪的上市表示人工智能得到了资本市场的认可。但寒武纪市值的缩水也说明人工智能到现在还在不断的寻找商业落地的场景，也就是能够真正改变实际生活的价值。

如同苹果手机近十几年来给我们的生活带来许多变化一样，蔚来、小鹏、理想、威马、特斯拉等汽车近几年也让人耳目一新，从而给予了汽车行业更多的想象空间，因此智能汽车异常火爆。

人工智能起到支撑作用需要有三个基本逻辑：数据、基于数据的规则和基于数据的规则的控制 。三者形成一个完整的闭环。其中规则包括两类：用数学公式表达的分析模型和需要大量数据训练的经验模型。

人工智能商业落地主要有两类  ：第一类以中国为首，具有大量的视频、图片数据，通过算法框架实现事件识别、目标识别。第二类是自动驾驶，由于感知、通信、计算和微电子技术的集成，汽车可以变得更加智能。同时在各种更小更细分的领域还有很多其他的商业落地。

随着互联网的快速发展，信息和通信技术有了很大的进步。有四个核心：第一感知，能够捕获人的感觉器官能和不能感知的信息，当前无论是颗粒度、敏感度还是时间、空间上，感知技术提升都非常快。第二通信，现在任何人在任何时间任何地点与任何人通信，时延可以做到百毫秒内，用户体验非常好。第三计算，快捷广泛地获取、处理和传递信息。第四微电子技术，器件集成度高、性能高和功耗低。信息和通信技术的进步使得我们能够将汽车变得更加智能。

在信息化或人工智能应用中，通过把人和机器做对比，同时考虑现实情况，明确什么事情是人能干的，什么事情是机器能帮人干的，什么事情是机器能替代人干的，从而用机器逐步地帮助人、补充人、替代人的一些功能。

自动驾驶

共享单车在过去帮助我们解决了“最后几公里”的问题，达到了性价比更高的出行效果。汽车作为交通运输的重要载体，在未来使用共享汽车出行也会是一种趋势，因此智能驾驶便有了发展的需求。

自动驾驶需要传感器、通信、计算和微电子集成，本质是开发与人类驾驶有同等要求的机器人 。目前的道路标识是供驾驶者看的，自动驾驶仍要开发很多算法进行识别，针对自动驾驶的交通法规也是一种可能。因此可以在矿山、港口、园区、机场等封闭场景进行落地，从而把基础设施端和车辆作为一个闭环系统进行控制，这是区别于单车智能自动驾驶的车车、车路协同自动驾驶。

自动驾驶技术 发展迅速，例如目前很多创业公司推出的L2、L3adas辅助驾驶系统。具体可分为三类：感知技术采用摄像头、毫米波雷达乃至激光雷达采集周围信息。通信技术作为自动驾驶中不可或缺的重要组成部分，在未来实现网联的智能驾驶系统中进行车车、车交通信号灯之间的通信。规划决策技术基于驾驶的路线模仿人的驾驶行为，是最难实现的技术。

自动驾驶的机会

自动驾驶技术存在 三个误区 ，一是自动驾驶不单单要开发一个与人类驾驶有同等要求的机器人，还要考虑落地的问题，即自动驾驶要能够在没有安全员的情况下安全行驶、要能够规模化运营进而大范围运营的问题。二是认为算力+算法就能堆出自动驾驶。算力+算法可能能够堆出demo演示的自动驾驶，但距离真正的可运营的自动驾驶还有很大差距，所以创业公司不能只重视算法确忽略运营，某种程度讲运营比算法更重要。三是过度售卖AI价值。我们需要知道自动驾驶是一个有局限性的、有前提条件的对人类驾驶行为的一种模仿。

自动驾驶落地的 两条可能路径 ：一是自动驾驶作为车辆的零部件和车辆紧密结合，甚至参与到造车的过程中。二是公共交通公司自主运营搭载有自动驾驶技术的车辆。

交通问题已经成为一个很严肃的社会问题，同时物流成本很高，因此自动驾驶技术的发展是非常有必要的。 未来的自动驾驶汽车作为一个终端可以实现车车、车红绿灯之间信息共享，成为智慧城市中的一个重要组成部分 。

随着智能驾驶技术的发展，车端与基础设施端会产生大量数据，在智能驾驶决策的过程中如何处理大量的信息， 如何权衡车自身的感知数据、车车之间的通信信息从而更好的辅助驾驶 也是要解决的问题。

在城市管理方面，自动驾驶汽车产生的大量数据可以为智能化管理提供帮助。未来的交通管理中心可能是中心化也可能是去中心化的。在去中心化交通中，红绿灯可自动识别车辆形态，道路在固定时间段对车辆开放和收费，大大提供道路利用率，降低交通成本。其中 如何让车经过红绿灯时使绿灯的概率更高以及绿灯时通过的车辆最多是很有意义的研究问题 。

 

人工智能产业化体会

人工智能产业化 需要注意以下几点：

1、基础研究和应用研究解决的是技术问题，要从现实中提炼和自动驾驶有关的场景或者标准化过程中的一些共性问题，解决的是从无到有的问题。

2、注重产品研发和商业模式，需要将自动驾驶技术转化为标准化应用，解决的是量产问题。

3、需要社会层面的创新，需要社会能够接受这些新鲜的事物，从而能够使自动驾驶技术得到大规模应用。

4、中国经济实力雄厚，同时社会能接受新鲜事物，因此智能驾驶很可能在中国发展起来。在发展的过程中可能在特定的场景中从B端开始，进而逐步推广到C端。

5、产业化过程中需求是最重要的，无论是研究价值还是商业价值。做基础和应用研究时，自动驾驶框架的迭代是在前人已有成果的基础上的。

6、要处理好技术研究和基础研究中可能会出现的一些问题。

 

在分享结束后，邱老师就校友和在校同学提出的问题进行了回答，对硬件算力是否对自动驾驶造成限制、单车智能与车路协同的区别等问题进行了深入讨论。

——END——