編前：自動駕駛成為汽車產業當中最具關注度的領域;而由于其交叉性、復雜性，也成為相關行業關注的焦點，人工智能的應用在其中大放異彩。中美兩國均較早對自動駕駛展開布局與探索，也有各自不同的實踐。

開啟了3.0人生階段的中國工程院院士，清華大學智能科學講席教授、智能產業研究院(簡稱“AIR”)院長張亞勤，深耕于軟件研發、人工智能領域，曾常年在互聯網產業一線奮戰，領導百度等國內互聯網巨頭在自動駕駛行業探索。在4月下旬的一個早上，《中國汽車報》社總編輯桂俊松與張亞勤院士進行了深度視頻交流。談起人工智能、自動駕駛以及不同技術路線等專業領域，張亞勤娓娓道來，如數家珍。

人工智能賦能汽車自動駕駛

桂俊松：智能化、自動駕駛正成為汽車產業轉型的一個方向，也是近年來社會關注的熱點。在剛剛結束的2022中國電動汽車百人會論壇上，汽車智能化甚至已經超越電動化，成為業界熱議話題。作為人工智能專家，您怎么看待汽車自動駕駛?

張亞勤：汽車工業已經有100多年歷史，如果我們把1908年亨利·福特推出T型車作為現代汽車工業的開端，隨之而來的技術革命拉開了現代汽車工業百年發展的帷幕，直至當下，已經逐步形成了一個基于燃油技術的成熟產業，不論從技術、產業鏈，還是從商業模式角度看，它都已經非常成熟了。然而同時，我們也應當認識到，身處“百年未有之大變局”中，汽車產業則開始了以電動化、智能化、網聯化、共享化為特征的“新四化”產業轉型，如果我們把近來熱議的綠色低碳化也歸入其中，就可以稱之為“新五化”了。我們觀察，在這一過程中，汽車的技術要素也在變化，從過去的發動機、離合器、變速器等這樣的工程機械要素為主，逐步擴大，包含進了電化學(電池)、半導體芯片、人工智能算法、互聯網軟件等眾多全新技術要素，汽車產業也隨之轉型成為一個全新的交叉型產業。而在眾多推動要素當中，我認為，人工智能將成為未來5～10年內全球汽車產業最重要的變革和突破力量!

桂俊松：為什么是今天而不是昨天或者別的什么時間，汽車自動駕駛開始進入人類視野?

張亞勤：讓汽車實現自動駕駛，是人類自汽車誕生以來就有的夢想，但這只有在人工智能發展到一定階段才能實現。從人工智能技術自身的發展趨勢來看，它和汽車自動駕駛可謂“天作之合”。只有在目前數字化3.0時代，即物理世界的數字化，或者稱之為互聯網的物理化大背景下，我們才可能擁有足夠量級的、可供支撐汽車自動駕駛的大數據。我們的城市在數字化、我們的交通也在數字化，大量路側的感知設備，給我們深度學習提供了豐富的大數據支持。有了數據僅僅是實現自動駕駛夢想的必要條件之一，其他必要條件還包括深度學習領域算法的突破，以及由于半導體技術的進展，使我們的算力能夠大大提升，這三者完美結合，才使汽車自動駕駛成為可能，從而徹底重塑汽車產業的格局與面貌。

桂俊松：在前幾天舉辦的美國TED 2022大會上，特斯拉首席執行官埃隆·馬斯克講到人工智能。有兩句話讓我印象深刻：一是，他認為，2022年有信心實現FSD(全自動駕駛);二是，他認為，要實現FSD，就要解決“現實世界的AI(人工智能)”，并進而提到了開發“人形機器人”的問題。是否可以這樣認為，機器人、人工智能技術的發展完善會極大推動汽車機器人的到來?在您看來，汽車的自動駕駛是否是人工智能自身發展的一個水到渠成的狀態?

張亞勤：能夠實現自動駕駛的汽車，在某種角度上，我們確實可以將其視為一個有特定任務、目標的，對技術、安全等方面要求非常高的機器人，是先進機械技術與人工智能的有機結合，或者叫“汽車機器人”。從技術角度看，我認為人工智能是汽車實現自動駕駛最核心、最具難度、最具挑戰性的要素，但同時也是未來5～10年內有巨大應用前景的技術。人工智能在自動駕駛領域的應用，與通用型機器人會有所區別，它的系統更復雜，但并不是不可實現。因為這一復雜系統也能夠被分解成若干子系統，從而將復雜問題簡單化，并最終找到答案。汽車自動駕駛技術可以理解為包括機器學習算法、高精地圖技術、芯片、操作系統、HMI等多方面技術的集成。而目前這些技術，多年來在包括互聯網在內的許多領域都已經得到廣泛應用，并逐漸進入了成熟期。因此，我認為，汽車自動駕駛雖然系統復雜，但它一定是可以實現的。比如，在感知層面，目前，由于激光雷達、視覺攝像頭、毫米波雷達甚至V2X技術的應用，我們自動駕駛汽車已經能夠做到比人(只能依靠眼睛、視力)的肉眼感知能力更全面，能夠獲得更多維度的數據，從而做到在駕駛過程中更安全。

特斯拉是個了不起的公司，但埃隆·馬斯克總是過于樂觀，我不認為特斯拉2022年底靠純視覺能實現FSD。

桂俊松：您認為，自動駕駛當前的主要難點在哪里?

張亞勤：的確，自動駕駛向前發展，目前在技術與政策法規兩個層面都還有不少困難需要克服。我傾向于認為，在技術層面，自動駕駛的相關技術最難點已經被克服并逐步成熟，只是大規模應用還需要時間。

在技術層面的難點當中，第一位的依然是安全性問題。基于行業的普遍共識，對自動駕駛的安全性要求至少要高于人類駕駛一個數量級，達到99.99999%的水平。而要實現這樣的安全目標，就需要深度學習、車路協同，有這兩個大的方向性技術作為支撐。就深度學習而言，重要的是對泛化能力的突破。自動駕駛領域當中，我們雖然在研發過程中會進行大量的測試、試驗，但是在實際使用中，總是會出現測試、試驗中沒有遇到過的情況。利用算法來提升泛化能力，需要算法本身具有更好的透明性、可解釋性，同時利用大量數據，不斷迭代算法。而車路協同，同樣是自動駕駛領域需要重點關注的問題。自動駕駛的感知、決策，單獨依靠單車智能是不夠的，需要依靠車路協同、依靠路側的基礎設施智能化來解決長尾問題。智慧的道路、路測設備能夠給自動駕駛車輛更多維度的信息和數據，能夠讓規劃、決策、執行更加安全。同時，車路協同也能夠為自動駕駛進行技術上的冗余備份，以應對可能出現的突發情況。

在政策法規層面，客觀地說，在全球范圍內，其實都面臨著一個同樣的挑戰——政策與監管滯后于前沿技術的發展。無論是測試、試運營、保險設計、事故責任認定甚至是用戶的隱私保護等，政策法規的調整都是相對滯后的。但是，我傾向認為，自動駕駛事關生命安全，政策層面的謹慎應該遠勝于激進。而在這一方面，中國的政策環境是比較好的，中國用戶對于包括自動駕駛在內的新技術應用普遍具有更開放心態，愿意擁抱新技術，愿意嘗試。

桂俊松：要實現高階自動駕駛，目前在技術和政策法規方面都還有些困難，解決起來也都需要時間，但我感覺，這可能是兩類不同性質的困難，且相互關聯。政策法規方面固然有滯后，但真要下決心解決，也可能會很快的。而且在很大程度上，政策的慎重往往也還是因為技術問題。

張亞勤：是這樣，也的確有一個相互依賴的問題。

自動駕駛：中美在互鑒中成長

桂俊松：在自動駕駛方面，中國和美國都是全球的領先者，但這兩個國家的路徑、產業組織、開發模式并不一樣。根據您的觀察，兩者的差異性體現在哪?

張亞勤：確實有差異。首先，我覺得，美國在自動駕駛領域的研發還是企業主導的。例如谷歌(Google)旗下的Waymo，通用汽車(GM)旗下的Cruise，以及特斯拉等，當然還包括大量的初創企業;其次，美國在自動駕駛領域的研發基本都聚焦于單車智能;第三，美國自動駕駛在垂直領域的應用比較多，例如聚焦礦卡的卡特彼勒等。造成這樣的差異，部分原因是因為美國有自己的一些特殊情況，特別是各級政府對道路、交通等城市基礎設施建設的影響力比較弱。所以，他們實際上是非常羨慕中國能夠進行車路協同的。

桂俊松：國內一些地區，特別是北上廣深等特大型城市，對發展車路協同、自動駕駛都是非常熱衷和支持的，成為推動自動駕駛發展的一股重要支撐力量。

張亞勤：是這樣。中國在自動駕駛領域也有非常多的各類企業的參與，既有類似百度、滴滴這樣的互聯網頭部企業，也有大量的初創企業活躍其中。但值得指出的是，中國較早確定了車路協同作為智能網聯的路徑方向。單車智能固然重要，但我們更多的要從系統的角度來看待自動駕駛問題。從系統的角度看，自動駕駛就不單純是汽車產業的問題，更需要與城市、交通、能源有效聯動。這是中國的優勢，這樣的路徑不僅僅對未來的自動駕駛有利，同時也能夠賦能我們目前的在用車輛，讓整體交通更高效、排放更低。比如，在車路協同過程中，我們會從感知協同、決策協同，逐步過渡到參與交通系統優化與智慧城市建設當中去。

在我供職的清華智能產業研究院，我們與百度聯合研發，進行了一項名為Apollo AIR計劃的探索，聚焦于中國車路協同技術領域的無人區。我們把道路從C0～C5進行了6個層級的劃分，提出了一個智能道路的分級體系，在智能化程度較高的C4、C5級別道路上，對車輛的(智能化)要求就會降低一些，也就是探索在不使用車載傳感器，僅依靠路側輕量感知的前提下，利用V2X、5G等無線通信技術就可以實現車-路-云協同的L4級自動駕駛。當然，我們也希望，單車智能和道路的智能化程度都能夠達到最高的等級，這樣，未來自動駕駛就有了一套充分的安全冗余系統備份。

桂俊松：按照您的觀點，實際上是以汽車智能化為一個坐標軸，道路智能化為另一個坐標軸，構成了一個完整的坐標系，自動駕駛實際上就是在這個坐標軸中尋找到一個合適的坐標，從而實現單車智能與道路智能之間的平衡。那么您認為汽車智能與道路智能之間的平衡點或平衡預期應該在哪里?

張亞勤：我認為在這個體系內，應該有三個關注點：第一，會大幅降低自動駕駛的實現成本。根據我們測算，在單車智能與智慧道路的共同作用下，自動駕駛實現的成本，將比單車智能下降約三成，這將極大有利于自動駕駛的商業化落地推廣;其次，會增加系統冗余。當單車智能能夠獨立實現自動駕駛，智慧道路也能夠獨立實現自動駕駛，兩者都已經達到了相當高的水平時，兩者實際結合起來，實際使用體驗會更加穩健;第三，毫無疑問，會使我們的自動駕駛更安全。

桂俊松：上個月，美國交通管理部門出臺一項法規，不再要求車企為全自動駕駛汽車配備手動駕駛控制系統，怎樣看待這一事件?

張亞勤：這是人類歷史上第一次將人類司機與機器司機同等對待，在自動駕駛領域無疑具有里程碑意義。自動駕駛車輛上是否有人類駕駛員存在，首先是一個心理上的跨越，同時也是對自動駕駛車輛應對極端情況的一種測試。今年晚些時候，我們可能還將看到類似重大進展：谷歌將在舊金山推出無安全員的自動駕駛運行。而事實上，中國有一些地區也已經計劃或正在推進類似嘗試，例如北京的亦莊高級別自動駕駛示范區。我認為，這些都是自動駕駛發展過程中具有里程碑意義的事件。

桂俊松：從這些標志性事件可以看出：中美兩國的優秀公司都在加速推進自動駕駛的商業運營。

張亞勤：是的。無論是美國的谷歌(Waymo)、中國的百度，這些頭部的企業之所以領先，就是因為他們進行了大量測試，成為進步的基礎，而盡早擴大規模進行商業化推廣運營，則意味著商業模式的成熟，也才能夠支撐技術不斷地進步。這一點上，中國、美國兩國的產業界是相互學習借鑒，共同成長的。當然，美國產業界值得我們國內產業界學習借鑒的還有很多，例如在芯片領域、操作系統、工具鏈等方面，美國依然具有巨大優勢。

當然，我們觀察產業，要從底層延展至頂層，要有系統觀念、整體戰略。我們應該看到，越是在生態整體遷移、重構的過程中，越是有大量的機會。由于汽車工業率先產生在歐美，這些國家、地區具有極大的先發優勢，中國此前一直處在跟隨者的地位，而在汽車工業的技術要素構成發生重大變化之后，中國的汽車工業和其他先發國家站到了同一個起跑線上，甚至在某些方面，中國更具優勢。我們應當把握住這種戰略機遇。

在AIR培養適應未來的智能汽車領軍人才

桂俊松：您曾經長期供職于微軟、百度，在這些互聯網巨頭企業擔任高管，現在到清華大學已經有兩年時間。您為什么要在清華領銜建設智能產業研究院(AIR)?這是基于什么樣的使命?

張亞勤：AIR成立至今已經過去一年半。人工智能不僅僅是自動駕駛，更是第四次工業革命的引擎。比較遺憾的是，在前三次工業革命中，中國都是旁觀者或者是跟隨者，但這一次，我們有可能成為領導者。所以我們把清華大學智能產業研究院定位于面向第四次工業革命的國際化、智能化、產業化的應用研究機構。我們的使命是：以人工智能的技術賦能產業升級，推動社會進步。

桂俊松：為什么要以“頂尖架構師和CTO(首席技術官)”的人才培養和關鍵核心技術的突破為目標?

張亞勤：學校最重要的還是培養人才，所以我們達成使命的首要路徑就聚焦于“人”。培養CTO、高端的架構師，正是看到了我們產業現有的需求。以微軟、谷歌、亞馬遜等國外互聯網巨頭為例，企業內有很多具有系統觀念的系統架構師團隊，幫助企業解決復雜系統問題、避免重大技術陷阱，協同商務、技術、運維團隊開展工作，但在國內的企業中則比較少見，所以我們的培養方向，就是彌補人才短板。其次，我們達成使命的第二條路徑是聚焦科研，聚焦于面向產業的可應用的科研。新一代的人工智能有個特點，它一定是基于大數據，基于大場景的。只有基于場景的算法、科研才有意義。所以我們主動尋求與產業相結合，產業一旦有需求，我們會立刻拿出算法進行支持;在產生了數據之后，很快又會推動我們的算法進行迭代。而第三個路徑，我們希望技術不僅應用于現有產業，也期冀產學研用能夠有效結合，孵化出新的項目，尋找到新的方向。因此，我們特地選擇了當下應用人工智能非常重要的三個垂直方向進行重點關注，分別是智慧交通、智慧醫療、智慧物聯。我相信，這既是產業現實需求，也是國家戰略需要。

桂俊松：汽車自動駕駛需要生態建設，生態系統越完善，發展越快。清華智能產業研究院也是這一產業生態的一個重要組成部分。

張亞勤：是的，學術引擎和產業引擎兩個引擎一定要相互結合，才能最大限度促進產業發展，這也是我們通常所說的“產學研結合”的價值所在。坦率地講，在清華大學進行這樣的嘗試是具備了非常理想的條件的。因為清華擁有車輛與運載學院、計算機科學與技術系、電子系、自動化系、生命科學學院等，對于人工智能研究來說，這樣的學科體系全面而完備，我們AIR團隊的老師，也都與不同領域的院系有深度合作。

汽車工業發展至今，早已經不是一個單純的機械工程分支，這就需要我們的汽車教育也進行相應變革，跟上產業技術的變革步伐。如此，我們培養的學生和人才，才能擁有全新的、適應未來行業要求的交叉知識體系。

關鍵詞： 人工智能 自動駕駛 汽車產業 互聯網產業