清华大学邓志东：如何构建自动驾驶汽车的技术与产业生态？| 2018 全球智能驾驶峰会

*清华大学教授，博士生导师邓志东

雷锋网新智驾按：10月26日至27日，2018 全球智能驾驶峰会在苏州召开，本次峰会由苏州市相城区人民政府主办，苏州高铁新城管理委员会、雷锋网&新智驾和数域承办，邀请到来自主机厂、科技公司、资本机构和产业研究机构等领域的多位专家，共同打造了一场智能汽车和自动驾驶领域的顶级峰会。

清华大学计算机系教授，博士生导师，中国自动化学会理事，中国自动化学会智能自动化专业委员会主任邓志东发表《如何构建自动驾驶汽车的技术与产业生态？》的主题演讲。以下是邓志东演讲全文，雷锋网(公众号：雷锋网)新智驾进行了不改变原意的编辑（有删减）：

主要包含三个方面的内容：一是初具规模的自动驾驶产业生态；二是人工智能时代，须重点突破自动驾驶关键核心技术；三是自动驾驶核心技术的突破为何如此重要？

自动驾驶产业的发展需要跨界融合，科技企业与车企共同发力。科技企业的使命是进行智能化、无人化；传统车企、新车企以及Tier 1的主要使命是发展信息化汽车平台；车企的发力点包括开放线控，完成执行机构的冗余，开发OTA空中下载、云平台以及软件定义升级（SDU）。

除电动化外，还需数字化、软件化汽车，通过OTA的方式进行软件升级，内部总线化，外部网联化，统称为信息化，是进行智能化的基础和条件。

目前的发展状态，围绕自动驾驶的产业生态正在快速形成之中，统称为产业布局的链条。

可以看出，如今自动驾驶技术和自动驾驶汽车正处在中游位置。上游是车规级的纯固态激光雷达、AI芯片及车载计算机、云平台、大数据、高精地图、V2X、5G和NB-IoT等。下游包括远程安全监控、测试基地、智能交通系统、智慧城市、共享无人货运运营商、共享无人出行运营商和智能增值服务商。

其中，上游关键零部件产业包括车规级的激光雷达和多模态传感器融合模组。第一代激光雷达为机械扫描式样，第二代是混合固态雷达，第三代是纯固态激光雷达。前两代为一种过渡状态，第三代纯固态激光雷达易达到车规级，方便量产，低成本，例如Quanergy公司的S3，Velodyne的Velarray、速腾聚创的RS-LiDAR-M1Pre等。

此外，车规级的人工智能、自动驾驶芯片及低功耗的车载计算机，主要包括英伟达的PX系列， Nvidia DRIVE PX、PX2、Xavier和Pegasus。

下游产业包括基于云平台的远程安全监控、测试基地、无人驾驶小镇、智能交通系统、智慧城市等。

智能交通系统涉及面向自动驾驶的道路交通基础设施的适应式改造。例如，在自动驾驶测试小镇可建设无人驾驶专用车道，开展面向无人驾驶的智慧空间建设，以及共享无人驾驶大数据等，从而快速催生共享生态的建设。

一直强调，人工智能助力自动驾驶的产业落地，原因是基于深度学习的计算机视觉方法，在大数据和超强计算能力的支撑下，相对于传统计算机视觉有更加接近于人类的检测、分割与识别能力。

但目前的大数据人工智能缺乏认知理解能力。人们在驾驶车辆时，不仅需要感知，还要有认知，是凭借对道路、交通环境都有正确理解的情况下，驾驶车辆。

最后总结，车规级的安全性、低成本与量产目标是自动驾驶产业落地的关键。

• AEB、LKP、L3与L4成为目前全球自动驾驶产业关注的焦点，自动驾驶产业生态正在快速形成之中，落地速度不断加快；

• 车规级的安全性、低成本与量产目标是自动驾驶产业落地的关键，多传感信息融合是必须着力解决的共性关键技术；

• 在大数据和超级计算能力的支撑下，基于深度学习的计算机视觉更接近于人的感知能力，尽管大数据人工智能视觉尚缺乏认知理解能力；

• 开放式道路交通环境下不存在完备大数据，但须尽可能多地积累与运用大数据；

• 人工智能是环境感知、自主导航、信息融合、自主决策与智能控制的基础性技术，在环境建模（高精地图）、车联网V2X（基于5G通信、NB-IoT/LoRa等）、ITS（面向无人驾驶的道路交通设施改造）以及智慧城市的合力支撑下，可望使自动驾驶汽车具有类似于人的环境感知与驾驶技能学习能力，其中大数据里程与干预频度成为落地测评的关键；

• 开放、高动态与严重不确定环境下自动驾驶研发所突破的感知和认知技术，是人工智能产业应用的核心赋能力量，可望推动其他无人平台、个人机器人等未来颠覆性产品形态的发展。

总之，从“后装”到“前装”，通过标准化模块化研发，提供软硬件垂直整合的行业整体解决方案。必须聚焦大数据的海量积累，特别重视新一代人工智能技术的细分应用，以期有效提升面向环境感知与精准定位的计算机视觉与多传感器的信息融合能力。

。