iDatastar讯|清华大学邓志东:挑战与机遇,中国智慧交通与新基建的发展 | 数字时氪·未来交通论坛

【数据驱动决策,报告解构行业。加入iDatastar数据星球,查看超多行业深度研究报告】

2022年8月17日,36氪「数字时氪·未来交通论坛」在北京望京举办。论坛以汽车产业发展视角,汇聚政界、学界与产业专家,围绕“新周期重塑产业新格局”、“新转型打造中国新势力”展开思想交融与碰撞,共探未来交通与新能源产业的发展路径与解法。

根据《新能源汽车产业发展规划(2021-2035)》,到 2035 年,纯电动汽车成为新销售车辆的主流,公共领域用车全面电动化,燃料电池汽车实现商业化应用,高度自动驾驶汽车实现规模化应用,有效促进节能减排水平和社会运行效率的提升。

在活动中,清华大学人工智能研究院视觉智能研究中心主任邓志东教授以《挑战与机遇,中国智慧交通与新基建的发展》为主题,分享了智慧交通面临的困难与挑战,提出了对应的解决思路,即通过政策引领与应用场景创新倒逼技术创新,直面全球汽车产业的百年变局与重新洗牌,强链补链,重塑全球性民族品牌。

清华大学人工智能研究院视觉智能研究中心主任 邓志东教授

核心观点:

1、技术搞了那么多年,都是投入没有产出,我们需要进行商业化运营倒逼技术的进步,这个过程需要在远程安全监控体系的保障下,从“主驾无人”到“全车无人”,再到一对多的AI边云预测接管,逐渐做到L4。

2、现在开展的这种特定区域的规模化商业运营,我们尤其要特别关注安全问题,即更加确保道路交通安全、数据安全、网络安全和信息安全,要走安全发展之路,业界经受不起严重的安全事故。

3、通过政策引领和应用场景创新,在人工智能有短板的情况下利用商业化试点运营形成的倒逼机制,来加速中国智能汽车、智慧交通和智慧城市的发展,直面全球汽车产业的百年变局与重新洗牌,并通过积极参与国际竞争和国际产业布局,强链补链,重塑全球性的民族品牌,我们有很大的机会。

以下为嘉宾演讲实录,经36氪编辑整理:

各位嘉宾上午好,今天给大家报告的题目是《挑战与机遇,中国智慧交通与新基建的发展》。新的发展形势下,智慧交通面临着挑战,同时也有机遇。机遇是什么呢?智能汽车的发展有可能成为加速中国智慧交通发展的催化剂;智能城市的新基建有可能助力智能网联汽车的规模化商业运营

新形势下中国汽车产业与智慧交通面临着许多挑战。我们可以看到新的国际形势,包括全球的新冠疫情、极端气候、双碳经济、俄乌冲突、供应链和产业链均面临着挑战,全球汽车产业可能存在变局,可能会重新洗牌。技术上,汽车产业加速向“新四化”发展,智能化和发展出行服务产业的趋势非常明显。

百年汽车产业作为传统的制造业面临着严峻的挑战。我们所说的汽车产业的“新四化”,包括了电动化、网联化、智能化与共享化的发展趋势。另外汽车产业从传统制造业转型为“出行即服务”理念下的现代服务业。还有“软件定义汽车”以及从“功能汽车”向“智能汽车”的发展,这些都已经成为业界的一种共识。

在这些挑战下如何让智能汽车、智能交通更早的落地,成为关注的焦点。

我们说汽车革命的上半场是电动化,下半场应该就是智能化。现在如何去释放国内自动驾驶科技公司的日益“内卷”与焦虑?在确保安全性的前提下,应大胆进行应用场景的创新和商业化的运营试点。

数字化、网联化、智能化的技术发展趋势表明,智能汽车的商业化落地是王道。因此,在自动驾驶的下半场,商业化运营是至关重要的。需要从清洁能源,高级别的无人驾驶切入,以人工智能、高精地图还有激光雷达等技术综合实现智能驾驶。

有人把2021年称之为智能汽车的产业元年,我们看到这个赛道非常的热。智能汽车的上半场验证了技术的可行性,即技术是基本可行的;下半场则要完成商业化落地,构建盈利闭环和商业闭环,以此支撑L4自动驾驶产业的最终实现。

我们看到传统车企,对智能汽车的发展路径是先做L2、L2+、L2++,然后逐渐进化到L4。L3的门槛是很高的,要不要做L3?能不能跨越?还有争议。新的造车势力还有跨界的科技公司从不同的角度完成了L2到L2.99的技术验证,现在要完成从L2到L4的一步到位的大跨越,而且已经有了较为可行的技术路线,后面我们会展开说明。

L2到L4这样的直接跨越,技术门槛更高。既需要构建数据驱动的闭环与技术的创新,甚至解决方案上也可能是从0到1的推倒重来,也更需要政策创新,场景创新和商业模式的创新,以此作为牵引及合力支撑。

自动驾驶已然成为汽车产业的新赛道。城市智能路网新基建赋能的单车智能,不仅更加安全,而且在人工智能存在明显短板的条件下,更容易逐步实现商业化落地,同时也将自动驾驶置于更高的视野中,即自动驾驶不是终局,真正的终局目标是智能交通、智慧城市,是智能经济和智能社会的发展。

我们看到政策创新正在引领汽车产业的智能化发展。商业化的运营主要是形成倒逼机制。技术搞了那么多年,都是投入没有产出,需要进行商业化运营倒逼技术的进步。需要在远程安全监控体系的保障下,从“主驾无人”到“全车无人”,再到一对多的AI边云预测接管,逐渐做到L4

最近一两年,支持自动驾驶商业化运营的政策法规不断出台,我国已经走到了世界的先进水平,其中很多政策措施国外都没有。

截至去年11月,已经有38个省市出台了路测管理的细则,先后建成了70个路测示范区,发放了1000多张的路测牌照。已经允许在指定路段或限定区域向普通消费者提供RoboTaxi(无人驾驶出租车)出行服务的城市有12个,允许进行自动驾驶路测的城市有24个。

我们看到一些新的发展。2018年4月,工信部、公安部、交通部发布了《智能网联汽车道路测试管理规范(试行)》。今年7月,北京市出台了主驾无人副驾有人RoboTaxi示范运营,且允许类似于网约车进行收费。

也就是主驾没有人,把安全员放在副驾的时候进行类似网约车的载客试运营,但仅在北京市政策先行区的开放场景进行试点测试,且有严格的准入机制。这是全球首个“主驾无人”的无人驾驶出租车的收费服务,是里程碑事件。相关试点企业终于看到现金流,看到商业回报了。

今年4月北京市在国内首次开放主驾无人副驾有人RoboTaxi示范运营,同年7月开放主驾无人的收费服务试点。4月份还不能收费,7月份可以收费了。目前累积订单量已超过43万人次。

本月还有一个重大事件,2022年8月1日,《深圳经济特区智能网联汽车管理条例》地方法规正式实施。这是经深圳市人大通过的地方法规。该法规明确了自动驾驶的主体责任,比如说出了交通事故,有驾驶人的,责任便由驾驶人负责;无驾驶人的,就由车辆的所有人或者运营商负责;存在质量缺陷造成损害的,可以向厂商和销售商追偿。

刚刚过去的8月8日,重庆、武汉“双城”全车无安全员的自动驾驶商业化付费出行服务率先启动,当然这也是限定区域,但这是比较大的政策突破。我们知道美国加州早已允许无方向盘与踏板的无人驾驶汽车上路了,我们现在也可以了。从深圳的地方法规或者从重庆、武汉两个城市的试点,至少法规上或者政策上是允许了,在政策先行区的公开道路,不仅允许全车无安全驾驶员,而且还可以商业化收费。

交通运输部于2022年8月8日也出台了《自动驾驶汽车运输安全服务指南(试行)》(征求意见稿),自然资源部也印发了《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。我们看到新的政策措施不断出台,开始推动自动驾驶的下半场商业运营构成闭环,同时倒逼我们的技术进步。

现在开展的这种特定区域的规模化商业运营,我们尤其要特别关注安全问题,即更加确保道路交通安全、数据安全、网络安全和信息安全,要走安全发展之路,总之业界经受不起严重的安全事故。我相信后面还会有更多的地方政府出台相关的支持政策,在这种情况下,安全问题就显得非常的重要。但需要指出的是,在自动驾驶探索与创新的道路上,也不可能做到完全零事故,因为即使人类驾驶也都会每天出现交通事故,对此社会要有一定的宽容度。

更重要的是场景的创新会倒逼技术的创新。我们去解决一个通用的、更大应用场景的L4自动驾驶的商业化落地,可能会比较困难。但是我们可以去做应用场景的创新设计,去分析可能的安全风险,甚至去做物理的隔离或做行驶的规避,从而降低技术落地的难度,逐步实现更复杂应用场景的商业化实践。

不管是无人驾驶出租车,还是运行于干线/支线的无人驾驶卡车或是无人驾驶公交车,在确保绝对安全的前提下要逐渐撤销车上的安全驾驶员,通过实现人工智能赋能下的边云预测接管的场景创新,应该成为近期的主要目标。这是商业模式迭代的真实需要。车上的安全员减不下来,就不能真正实现降本增效,形成不了商业闭环,就永远投入,没有产出。

同时可以倒逼长尾问题、5G应用、AI边缘、数字孪生、边云预测接管和下一代人工智能等关键技术的攻关。总的来说,车上无安全员的AI边云预测接管,成为从L2++进化为L4的可行技术实现路径,其中每一步的跨越,均可倒逼关键核心技术的突破。

要着重指出的是,这与我们早期的远程遥控或遥操作是完全不同的。我们现在的AI边云接管是预测式的,仅对小概率的边缘事件进行远程接管,且接管是利用数字孪生与真实现场数据构建的虚实平行世界、基于人工智能进行的预测来完成的接管,这样就可以实现一对十、一对百的接管,就可以逐步进化到完全无人的L4自动驾驶。

其中每一步的演进,从L2++到L3、L3+、L3++,直到L4的水平,都要解决关键核心技术挑战。包括安全员从主驾挪到副驾,挪到后座,挪到边云上,其实都有很多技术挑战需要一一攻克。

在自动驾驶的下半场,Demo车正在走向车规量产和商业化运营的道路上。顺应新能源汽车的发展,我们需要自研电子电气架构,甚至研发新型线束系统,确保安全自主可控和技术的迭代。

从2012年到现在,全球人工智能经过10年的大发展,AI算力的大幅度提升,深度学习算法的持续进步,大数据的海量积累以及AI对应用场景渗透的深度和广度,也都是不争的事实。

【数据驱动决策,报告解构行业–iDatastar数据星球】

自动驾驶面对的长尾问题、感知的不可理解性问题,还有边缘事件的预测与自主决策,以及如何应对对抗性干扰样本等,我们确实感觉到人工智能的应用落地十分艰难,根本原因就是我们现在要力图去解决人类智能才能完成的挑战性问题。

在这种情况下我们感觉很沮丧是完全没有必要的,毕竟目前的人工智能与人类智能相比,还差的很远。总之,通过政策引领和应用场景创新,在人工智能有短板的情况下利用商业化试点运营形成的倒逼机制,来加速中国智能汽车、智慧交通和智慧城市的发展,直面全球汽车产业的百年变局与重新洗牌,并通过积极参与国际竞争与国际产业布局,强链补链,重塑全球性的民族品牌,我们有很大的机会

最后我们看到城市智能路网新基建,也会形成合力支撑加速智能网联汽车的规模化落地。所谓城市智能路网新基建,是指将城市交通中的交叉路口、干支线道路,甚至停车位等“毛细血管”全部实现互联互通,形成人、车、路、业务场景的多层次闭环,通过点、线、面成网连接,获得全时、全域智慧交通管理能力,支撑城区、城市、城际和国家智能路网“交通神经网络”大系统的构建,助力中国智能网联汽车、智慧出行和智慧交通的创新发展与大规模的商业化落地。让“聪明的车”行驶在“智慧的道路”上。通过车端、路端和边云端基于5G-V2X车联网等新基建的合力支撑,加速城市智能网联汽车的规模化商业落地。

总之,可以把安全驾驶员逐步放到边云端,利用虚实平行世界和AI赋能的接管预测,更高水平地将人类的智能闭环进去。同时充分发挥我国独特优势,通过政策引领和应用场景创新,加快推进面向L1、L2自动辅助驾驶,L3、L4自动驾驶的5G-V2X城市新基建,特别是限定区域智能路网新基建的建设,通过静态交通、单车智能、网联赋能或车路协同等方式,走出中国智慧停车、智能汽车、智能交通创新发展与商业化落地之路。谢谢大家。

【iDatastar数据星球汇集各行业决策者、产品经理、业务操盘手、投研工作者、投资人、创始人、媒体人、金融人、汽车人等等】

0
分享到: