新浪科技訊 10月24日上午消息，在近日舉行的世界機器人大會上，樂視自動駕駛負責人倪凱帶領樂視超級汽車亮相，在演講環節，他圍繞自動駕駛研發進展，闡述了樂視自動駕駛的布局和核心側重點。

　　這位樂視超級汽車(中國)智能駕駛副總裁表示，由于AlphaGo等帶來的爆炸性傳播效應，人工智能有了前所未有的關注度，并且在基于深度學習的自動駕駛等領域，也獲得了諸多進展，中國在這波技術革新中面臨機遇。

　　但同時，中國的自動駕駛落地頁面臨本土化的挑戰，由于中國交通的復雜路況等因素，必須結合中國世界情況進行自動駕駛研發落地，加之在安全性方面的擔憂，為安全而生的自動駕駛還需要進一步解決市場上的安全顧慮。

　　談及樂視自動駕駛和樂視超級汽車的側重，倪凱表示將圍繞電動化、智能化、互網聯化和社會化進行。

　　此外，在會后，倪凱在接受新浪科技采訪時表示，大環境變換是自動駕駛得以迅速推進的原因之一，對于互聯網企業和傳統車廠都面臨機遇及挑戰，而這其中最核心關鍵的因素是人才，特別是軟件研發人才。

　　人才之外，倪凱還認為思維對自動駕駛研發進程也將起到重要作用，“傳統行業為什么在這方面發展緩慢。除了對安全性的要求?？赡芤彩莻鹘y的思維，在車聯網和自動駕駛上可能還不夠解放自己。”

　　最后在樂視自動駕駛的技術核心領域上，倪凱表示將會優先去搶占技術制高點，將涉及機器視覺、車輛控制、高精定位和感知規劃等。此外，因為自動駕駛與電子器械等密不可分，倪凱稱也在和最新的電子機械方面的技術打交道。

　　團隊方面，倪凱透露樂視自動駕駛研發主要分布在中國和硅谷兩地，目前還在大力招攬人才。(李根)

　　以下為樂視超級汽車(中國)智能駕駛副總裁倪凱演講實錄(小標題為后添加)：

　　自動駕駛肯定是今天演講的主題，另外還有三個關鍵詞：第一是中國，中國應該是全世界自動駕駛實施起來最困難的國家之一，而且世界機器人大會在中國舉辦，我也希望圍繞中國來說一些事情。

　　第二是機遇，我們應該從戰略上對自動駕駛保持一種樂觀的心態。

　　第三是挑戰，因為我們戰術上要重視這個話題。今天更多的話題可能圍繞著挑戰而不是機遇，雖然我把機遇放在最前面。

2016：人工智能大爆炸

2016年應該說是人工智能或者機器人技術爆發的一年，有很多非常火熱的話題，今天我選了兩個，一個是AlphaGo，一個是自動駕駛。

AlphaGo是谷歌收購的初創公司Deep Mind的最新研究成果，它以四比一的比分擊敗了李世石，之前還擊敗了歐洲的專業二段冠軍。在和李世石比賽之前各種輿論說法都有，有的覺得它會贏有的覺得它會輸，但最后我們看到機器人幾乎是順風順水地贏得了比賽，短時間之內就把以前我們認為做不到的事情實現了。

　　為什么自動駕駛會成為一個火熱的話題？因為和人工智能是分不開的。人工智能可以說是一個非常古老的話題，經歷了沉沉浮浮，最近兩年又開始火起來了，很大的一個原因就是因為深度學習的出現。

　　深度學習作為機器學習的一個分支和工具，極大地提高了包括圖像識別、圖像理解、語音識別等各個使用問題解決的成功率，所以得到了大家很大程度上的關心，人工智能的發展上又反過來促進了自動駕駛的提高。這是幾個禮拜之前在硅谷出差的時候在HighWay101上面拍的，這個公司是做了一個線上的教學，然后在旁邊豎了一個牌子。當時我覺得自動駕駛這個行業已經火到現在需要專門的線上教學授予學位來發展的趨勢，所以我們可以看到這個話題有多火。

　　正是因為變成了這樣火熱的話題，我們可以看到很多新的玩家加入這個市場。比如公司領域，我們可以看到谷歌、UBER未來以專車的形式來做自動駕駛，蘋果希望自己造車，特斯拉是很早的一個電動車的廠商，包括Mobile這樣的業界領先的供應商，樂視也希望加入這個領域?，F在很多資本也對自動駕駛有興趣，包括被UBER收購的OUTO和Cruise都代表了現在資本的流向。業界現在出現了非常多的聯盟，包括前一段時間宣布的Mobile-Eye寶馬和英特爾的聯盟，應該說這個聯盟不會成為一個火熱的話題，沒有英特爾的加入更多的是一個主機廠和Mobile-Eye的合作，但現在代表了一些新的勢力，未來資源都在往這個方向發展。

自動駕駛的挑戰：為安全而生，但最被擔心安全

　　自動駕駛在中國面臨著哪些主要挑戰？做自動駕駛的人都會提出一個小小的愿望，就是我們希望自動駕駛能夠提高整個交通的安全性。這是一個美好的愿望，因為全世界每年約有一百二十五萬人死于道路交通事故，中國又是所有國家當中交通死亡率最高的國家。如果我們能夠用自動駕駛技術，希望我們能夠減少百分之九十的交通事故，絕大多數的交通事故都是因為人的不小心駕駛而導致的。這只是一個小小的希望，更多的問題是自動駕駛如何真正應用到我們的產品當中被大家使用？現在大家最擔心的也恰恰是一個安全的問題，所以就有雞生蛋和蛋生雞的問題，我們希望通過自動駕駛促使安全，但是阻礙自動駕駛進入我們的生活的又恰恰是一個安全問題。

　　這兩個視頻一個發生在北京一個發生在瑞士，都是今年不久之前的視頻?，F在業界的自動駕駛系統其實還有很多問題，兩個視頻都沒有造成最后的人員傷亡，但是一個是邊上的車插了過去，另一個是邊上停著的車撞過去了。即使是在高速公路這種封閉的、比較規則性的結構化道路上還是存在著很多問題，所以代表了我們有許多困難需要克服。

　　怎么克服這種困難呢？如果針對剛才的兩個視頻，大家可能會簡單地說我能不能裝一些更多的傳感器，比如激光雷達。剛才的車是只有裝了攝像頭和毫米波雷達，毫米波雷達對空間的解析度和分辨率不是很夠，如果我們有激光雷達是不是可以解決這個問題呢？我想在一些事故里面確實可以解決，但即使是激光雷達本身，包括毫米波雷達和相機也需要解決成本上的問題。因為激光雷達現在更多的是還沒有量產的原型，我們怎么走向量產？怎么改進這項技術？從現在機械性的激光雷達轉成一個固態的雷達，這些都是有很多工作要解決的。

　　是不是有了激光雷達就可以了呢？可以看到周圍都是車，周圍都是車就會帶來很多的遮擋，如果我們激光雷達是像現在一般的車傳感器的位置，安裝在車的Bumper的前沿肯定會被周圍的車都擋住，那么怎么知道更遠的情況？所以很多問題都是需要我們解決的。中國有非常獨特的交通方式，因為中國人很喜歡加塞，一個路堵了大家就可以從逆向的道路上都堵住，一直到最后那邊的綠燈亮了，這條路才可以疏通開來。如果是在美國研制的無人駕駛車，你能夠指望在這樣的路上開嗎？

　　我覺得答案是否定的，真正的自動駕駛系統要落地必須要在中國進行本土的研發。

　　技術上有哪些問題需要解決呢？我覺得關系比較緊密的是Perception和Planning，怎么更好地了解周圍的車況和動態的環境，怎么去規劃我們車下一步的動作。我看到了前面那輛車，要是在美國不容易加塞，在中國可能就會Cut-In，怎么判斷前面的司機有沒有這個意圖？如果有的話我應該怎么處理？其它的包括高精度的定位和控制，不是說這兩個問題已經完全解決了，但是難點還是在前面。

人工智能研究中國走在前列

　　中國是不是還是有一些可以值得欣慰的地方呢？我認為還是有的。首先人工智能領域方面中國是在尖端技術方面走在了世界的前列，這是白宮前幾周發布的一個統計的數據，這個數據顯示所有的論文里面有深度學習這個關鍵字的論文中國已經超過了美國，更重要的是被引用的，因為發表的文章質量不好說，但是被引用的文章里面中國含有深度學習、代表最前沿工具的文章也同樣超過了美國。不是這兩個圖表就已經說明了中國超過了美國，但至少能夠說明中國在人工智能領域確實走在了世界的最前列。

　　有了這些技術，最后我們還是要通過軟件實現我們的自動駕駛系統。軟件方面自動駕駛應該是一個非常復雜的系統，最上面的這一列是高端的LuxuryCar，把它和所有后面的相比，比如波音787、Facebook，車是一個非常復雜的系統，而且并不包括自動駕駛的代碼?，F在我們并不知道一個成熟的Level3-4的駕駛系統需要多少行代碼，因為現在并沒有這樣的量產產品。這么復雜的軟件系統必然會帶來很大的計算量，我們怎么讓這種計算量在行車電腦上面實現？

　　最后我們靠的必然是嵌入式系統，也有幾個比較重要的方面：第一是CPU，未來業界流行的CPU是英特爾的架構或者ARM架構，硬件加速的話有FGA的廠商，包括被英特爾收購的，第二是NVIDIA為代表的GPU公司，他們和特斯拉會有非常好的合作，第三是操作系統。三個領域當中沒有一家是中國的廠商，所以我們并沒有在嵌入式電腦或者行車電腦的大腦當中占有我們自己的一席之地，所以這個是我覺得對全中國的汽車行業的一個非常大的挑戰。

　　講完了硬件，我們怎樣保證安全？還有系統冗余的重要性。汽車電子是一個非常嚴格的規范，今天我沒有時間講特別多的內容，只想提兩件事情：系統的冗余性怎么實現，其中很重要的一點就是通過傳感器的冗余性來實現，也就是說在每一個車周圍的角落都希望有超過一個傳感器來Cover，因為如果有一個傳感器壞了，第二個傳感器還可以看到這一塊，不至于障礙物沒有檢測出來。另一個就是高精度地圖，有些人覺得自動駕駛必須要有它，有的人覺得可有可無，我認為可以把它看作一個新的傳感器。之前特斯拉在美國有一個事故，把前方的一個橫的大的車檢測成了一個交通標志，因為是拿雷達檢測的，如果我有高精度地圖，我就知道那邊應該沒有這樣一個交通標志，很有可能這個障礙物不是交通標志。

自動駕駛中的人機交互

　　除了軟件、算法和硬件層面，還有一點非常重要，就是我們的人機交互系統。自動駕駛在未來不會是一個冰冷的機器，我們希望給自動駕駛多一些溫度，能夠讓它更好地為人類服務?，F在我做我的停車功能，比如很多量產車上面大家都會發現它會找最近的停車位，也會提示你停在那個停車位。如果我有很多停車位空著，難道需要把所有的停車位都跑一遍？如果我有一個比較好的人機交互系統，跟他說這是我們家的停車位，希望把這個車停到那個停車位上面，人就需要在整個自動駕駛執行當中參與進去。這里演示的是交互停車的DEMO，可以通過手機和電視跟車進行交互。這是車內的可視化界面，坐在車內就可以合作。我們通過易道的APP掃描，自動駕駛車可以把人接起來跑一個場地內的路線。我們吸引了非常多的觀眾觀看，讓我們非常感動的是很多觀眾都等了很久，如果大家還沒有去過的話建議一會兒去一下。

　　說了這么多都是在技術層面，最后回到產品上。按照美國汽車工程協會的分級，自動駕駛系統從Level0到Level5，市場上所有的產品基本都是面向Level1和Level2，也就是ADAS和輔助駕駛的功能，接下來的Level3、Level4我們應該怎么面對？現在業界有兩種觀點，一種觀點是我們一步一步走，還有一種是我們直奔最后的Level5。

　　第一種觀點一般是車廠持有，第二種觀點一般是新興的互聯網公司，他們希望直接研究出來最終的車，能夠有新的商業模式取代傳統的商業模式。個人覺得這兩種模式并不是完全沖突，因為按照我的觀點來看完全可以說我們在研究Level3和Level4技術的同時也部署我們Level5的工作，因為很多工作成果對Level3和Level4也有很大的幫助。研究的同時如果我們失去了這種市場，也就是說我們要等十年或者更長的時間才占有這個市場的話，這個市場上所有的產品產生的數據，高速駕駛的車已經能夠產生非常多的傳感器的數據，這些數據對產品的成熟是非常有幫助的，所以如果講重心的話我更傾向于應該一步一步地從Level3開始往Level5發展，這樣數據上會更有優勢。

　　美國在內華達、加州、佛羅里達州和密西根州已經有了專門的自動駕駛測試的牌照，上個月美國交通部也發表了一個在美國聯邦層面的自動駕駛的規范。而中國在規范的制定方面還是稍微落后于美國，美國確實是全世界自動駕駛規范法律上制定的最領先的國家。中國現在因為傳統的法律法規在高速公路上進行測試是不允許的，所以我們的自動駕駛測試也是不允許的。整個產業聯盟包括政府也一起在制定一些草案，未來很快也能夠跟上這個趨勢，會有更多的法律法規來規范我們在中國的測試工作。

　　關于自動駕駛的倫理問題，這個車不換道的話就撞到前面的水泥墩子上了，車上的四個人有可能死亡，如果換道的話路上的老人和兩個小孩是必然死亡，自動駕駛系統怎么來做判斷呢？類似的問題問得非常多，MIT這個工作做得非常不錯，他們在網站上面設了各種情景讓大家來投票，投票的結果肯定是五花八門，但是可以看出大家在價值觀的取向和倫理問題上的一些基本的看法，可能傾向于保證大多數人的生命安全，也就是如果有十個人和兩個人一般都選擇保證十個人的生命安全。另外大家傾向于不違反交通規則，也就是說如果需要通過闖紅燈和違反交通規則的方式拯救人的生命，一般來說大家傾向于避免它。大家傾向于保護老人、小孩和社會價值高的，因為MIT的網站上面有些案例是把小偷、律師和Engineer工程師做對比，可以發現這個價值取向上大家的觀點。最后這個倫理問題的解決是應該由汽車行業聯合決定，還是由政府的法律法規來決定，我覺得這是一個開放的問題，但是現在有這樣的一些討論是非常有益于整個行業的發展，因為到了最后某一天我們必然會面對這樣的問題。

樂視在自動駕駛上的四個核心

　　樂視的自動駕駛有四個關鍵詞：第一是電動化，第二是智能化，第三是網聯化，最后一個是社會化。

　　核心是一輛電動車，所以電動化是作為它的核心，智能化包括自動駕駛，也包括更多的人工智能的應用，還有我們的EOI，我們希望賦予車以智能。

　　互聯網化帶來的一個最大的優勢是大數據，但是大數據并不僅僅是只能為車的乘客帶來我們視頻和娛樂的服務，大數據作為一個更好更重要的一點，可以反過來使車內的智能化和自動駕駛自動運轉，也有更多的數據提高自動駕駛的效果。

　　社會化方面我們擁有了易道用車的服務，也在布局充電服務和停車服務，我們相信未來的車不僅是簡單地從A點到B點的工具，可以給你帶來全新的生活體驗，如果有了自動駕駛更多的是生活的體驗?，F在我們在全球有多個研發中心，就是從高速公路入手，逐步解決自動泊車和城市道路在內的各個工況的駕駛系統，最后終極的目的是希望提供一套安全舒適高效的交通體驗。

　　今年6月份我們獲得了美國自動駕駛的測試牌照，這是我們在中國自動駕駛的研發平臺，我們希望與整個行業一起推動智能駕駛在全球的研發和落地。