自动驾驶成AI领域最具挑战任务。
在AI领域，自动驾驶依然是最受关注的突破口。
“自动驾驶是未来5年，AI领域最具挑战和最复杂的任务，也是推动全球汽车工业变革最重要的技术力量。尽管自动驾驶已经取得突破性进展，但目前还有不少挑战，特别是感知的鲁棒性和可泛化性、驾驶行为决策的准确度和整体系统的安全性。”9月13日，在第六届HAOMO AI DAY上，中国工程院院士、清华大学教授、清华智能产业研究院院长张亚勤，分享了对自动驾驶的思考。
他表示，自动驾驶是可以实现的，其在开放环境的长期运行，还需要经受一系列的技术与社会接受度的挑战，以解决安全与可靠性问题。而在落地路径上，垂直领域自动驾驶将更快落地，并逐渐扩散布局到通用驾驶落地。
21世纪经济报道记者注意到，在此前举办的2022世界人工智能大会上，也有多款自动驾驶产品落地。此外，上海市浦东新区金桥智能网联测试示范区也正式启动自动驾驶开放测试道路运营工作，成为全国首个特大型城市中心城区开放道路测试区域。
但是，如何寻找合适的场景落地？选择什么样的行业？依然是自动驾驶从业者面临的首要问题。
解决“细分”问题
今年以来，多个自动驾驶的产品、方案，在智能港口运输、智能物流小车、智能公交、智能清扫等商用场景落地。
“系好安全带，我不用方向盘，准备出发。”在金桥智能网联汽车测试示范区，安全员启动自动驾驶车开始演示无人驾驶。测试现场，荣威、威马等品牌的自动驾驶车上路展示，斑马智行、小马智行、复睿智行等自动驾驶平台也一同亮相。
事实上，早在2020年，百度、滴滴等互联网平台便开启了无人驾驶的路测。但是，其进展依然缓慢，有喜有忧。从技术发展、解放人类生产力的角度来看，自动驾驶应该早日普及。但是，从各方审慎的态度来看，最早落地的场景聚焦于垂直、细分的商用领域。
“5年前，自动驾驶还处在起步阶段，现在已经有了相当多的平台和自动驾驶车。”上海自贸试验区管委会金桥管理局副局长严俊杰介绍，今年上海开放测试的道路长度29。3公里，明年可能会再开放30公里。“到2025年左右的时候，我们不仅仅是道路的开放，我们将整个开发区及其周边，大概是60平方公里的区域进行开放，那么最终我们希望能够率先实现整个浦东全区域的开放。”
随着政策层面和外部环境的变化，一大批自动驾驶企业将目光瞄准了港口、物流、园区等相对封闭的场景。在2022世界人工智能大会上，全球首款智能换电无人驾驶商用车也受到广泛关注。该车可以全程无人情况下，实现6分钟自主换电。同时，其续航里程达150km，载重高达80吨。而同等运载力的重卡即使使用快充模式，最少需要充电2小时。
这对于国内港口运输来说，不失为一个大的创新。目前，95%的企业仍使用传统人工驾驶集卡拖车。随着集装箱吞吐量的不断上升，众多码头运能不足的现象日益凸显。
此前，西井科技COO章嵘在接受21世纪经济报道记者专访时表示，码头司机的人力成本居高不下。例如，一个集装箱年吞吐量200万TEU的中等码头，一年的司机人力成本高达7000万元左右。“传统制造业面临着人力、效率和成本的挑战，这恰恰是人工智能相关技术可以去帮助它们的。在对传统行业的相关调研中，我们接触到了港口，并且在场景内做了一些相关应用的落地后，发现这个行业人力成本高，安全生产管控需求高，且劳动力已出现断层情况。”
据了解，除了无人驾驶的卡车之外，西井科技发布的商用级自动驾驶小巴Q-Shuttle，已能够较为成熟拓展物流园、工业园、旅游景区等多元化商业场景。
据了解，在日前公布的上海首批人工智能应用场景清单中，友道智途的智能清扫车、智能公交车也将参与示范运营，并与此前已开展“准商业化运营”的智能重卡一起，在临港的智能交通生态圈提供自动驾驶服务。
张亚勤认为，自动驾驶是未来5年，AI领域最具挑战和最复杂的任务。视觉中国
乐观预期与技术挑战
近年来，中央和地方先后推出了一系列支持政策，推动无人驾驶技术进步和商业化落地。近日，自然资源部印发《关于做好智能网联汽车高精度地图应用试点有关工作的通知》，在北京、上海、广州、深圳、杭州、重庆开展智能网联汽车高精度地图应用试点，支持不同类型地图面向自动驾驶应用多元化路径探索。
对于参与的各方来说，在看待特定商用场景下的智能驾驶市场时，依然保持乐观预期。
华人运通高合汽车整车智能副总裁李谦在接受21世纪经济报道记者采访时认为，汽车在这个时代面临着智能化的革命，这个革命是AI技术发展带来的，绝不仅仅是说辅助驾驶或者高阶辅助驾驶。“这些只是单一的功能，更重要的是需要让汽车在所有的使用场景过程中，都能实现智能化，即整车智能化。AI的驱动不是单一功能，它贯穿在汽车从研发一直到使用的全业务链、全场景链里面。”
在2022世界人工智能大会期间，高合汽车发布了全新科技平台HiPhi Developer。李谦称，其相当于升级为模块化编程汽车的功能。“HiPhi OS致力实现软硬件解耦能力，能够调动全车近30个模块、超过500多个传感器和300多个执行器，最终可以向用户开放的能力达到140多个。”
在他看来，今天的人工智能仍是弱人工智能，因此更多的是实现高阶辅助驾驶的水平。而基于车路协同的自动驾驶，一定要跟未来的城市数字化交通紧密结合在一起。“未来的辅助驾驶系统，应该融入到城市的数字化交通体系中去，让车能够在城市里面被城市管理到、调动到。在人工智能技术没有革命性的突破之前，做到高阶自动驾驶才是一条比较客观和现实的路，而且对这个城市和社会也会更有意义。”
一直以来，决定新汽车工业的技术要素包括软件、芯片、AI算法和电池。由于人工智能技术尤其是深度学习算法的突破，自动驾驶过去五年正在走向大规模商业落地。但是，其大规模落地还包括、隐私、法律法规以及其他产业政策因素等等。此外，还需要考虑市场因素包括技术可行性、用户需求、产业生态和商业模式。
在张亚勤看来，自动驾驶需要很多技术的创新，比如新传感器、目标检测、感知融合、时空同步、仿真模拟、精确定位、信息安全、低时延通讯、边缘计算。因此，当前的深度学习模型必须具备一定的模型泛化性。
“我认为自动驾驶是可以实现的，其在开放环境的长期运行还需要经受一系列的技术与社会接受度的挑战，以解决安全与可靠性问题。而在落地路径上，垂直领域自动驾驶将更快落地。”张亚勤进一步分析，垂直领域的自动驾驶已经在成功运行，例如澳洲铁矿石公司FMG，与世界上最大的工程机械公司Caterpillar合作的自动驾驶矿车，从2016年至今已经运行了6年了，运送矿产过十亿吨，累计行驶超三亿公里，相当于从地球到太阳往返一次。
因此，自动驾驶的落地路径，将是通过垂直领域逐渐扩散布局到通用驾驶落地。
（作者：陶力 编辑：张伟贤）
