在CCF-GAIR峰会的第二天，来自乐视超级汽车的智能驾驶副总裁倪凯给我们分享了他对目前智能驾驶行业的一些理解，并且解释了一下乐视想要造车的原因，和在此领域做的一些工作。
倪凯提到了特斯拉最近出过的两次事故：一次是有一辆车抛锚停在了应急车道，而特斯拉没有检测到这辆车，直接插过去了。第二个事故更加严重而更有戏剧性：特斯拉的传感器没有检测到一辆白色的横在路中间正在转弯的挂车而直接撞了上去。这场事故导致了一个生命的逝去。这让他开始思考现在的自动驾驶，并感觉自动驾驶离非常成熟的被消费者使用还有一点差距。
倪凯认为，目前的人工智能并没有强大到可以在获取和人同等信息的情况下做到足够好的自动驾驶体验。解决这件事是提高自动驾驶的实用水平的一个关键。
针对这个问题，倪凯提出的解决方案分为软硬件两个方面：
硬件方面，一是把更多传感器的数据结合起来作为判断的依据。叠加其优势，弥补各自的缺陷。这样即使在其中的几个传感器失效的情况下，其他的传感器仍然能输出正确的数据。倪凯提到，LiDAR是一个很有潜力的解决方案。当传感器的数量变多之后可能会产生一些额外的开发成本，比如说相机和雷达采集数据的时间点可能略有不同，需要通过各自数据上的标的计算出它们之间的空间关系，然后才能做融合，多雷达的数据之间也需要做标记等。不过这个成本都是必须要付出的。
二是更多的利用地图信息。倪凯表示，他个人的观点是：地图可以视作一个附加的传感器。使用地图信息时最好是使用一些高精度的地图信息，这个高精度不仅指准确度更高，还意味着其中有一些对驾驶有用的附加信息。
三是建立更高效的计算平台。英特尔和宝马最近成立了一个联盟，英特尔作为一个传统非汽车产业厂商也开始关注车载计算平台，意味着大家都对这个平台非常重视。而之前就专注智能驾驶的厂商如Mobileye则已经实现了自己的嵌入式计算平台，大家都意识到，实现更优良的自动驾驶性能需要更好的计算平台。
而软件方面也有三大挑战。一是计算框架，由于自动驾驶的软件非常复杂，它们都需要一个良好的计算框架。相对于传统的技术框架，现在有一种新型的框架：它的想法是把输入的传感器的数据，通过一个深度学习的网络能够直接得出最后的控制量，所以它跳过了所有的中间阶段，包括中间的感知、规划。这样一种非常简洁的方法看起来很美好，但倪凯认为它暂时还不能取代第一代网络，因为它推出时间比较短，而且这种网络本身因为它对于非常少量发生的场景的可能性变小，所以它要求训练的数据量非常大，会有一个指数级的增长，现在的训练数据并没有达到非常满意的程度下，使训练数据变得更加遥不可及，所以短期来看这种训练数据并不会成为主流，但长远来说会变成一个非常有希望的软件架构。
二是由于汽车行业本身的要求，需要非常多的测试和验证。自动驾驶由于其技术特殊性，对于测试场景的多样性要求更高，除了在各种环境下测试，可能还需要在路况繁忙的时候去开一下，或者需要在行人多的时候开一下，所以不可能一个新的自动驾驶功能出来，能够在很短的时间内让所有的车完成路试，也就是说比传统的辅助驾驶在整车测试上会提出更高的要求，这个要求要满足，很大的可能是未来利用模拟器，通过采集的数据在这个模拟器进行更多的验证，倪凯认为，这可能是未来的一个挑战。
三是安全方面的挑战，包括稳定性、系统安全性等安全方面的考虑。
倪凯最后介绍了一下乐视汽车目前的研发方向。倪凯表示目前乐视的研发一共分成五块：第一块是人机交互，倪凯认为，人机交互作为一个冰冷的技术走向成熟的产品中非常重要的一块。第二块是传感器，关于这点，不同的厂商已经做了许多传感器的工作，所以乐视在这个方面可能更多的是跟这些厂商进行适配，第三位和第四位是开发感知和规划这样的一些技术，倪凯表示，因为拿到传感器以后乐视需要把这些信息进行处理，对周围的环境和动态的静态的物体进行识别跟踪，包括需要根据现在驾驶的目标作出相应的车辆轨迹和行为的规划。最后是希望能增强这项技术的兼容性，使其能适用于不同的车辆，比如你买一个激光雷达或摄像头，它肯定也是会适用在不同的车辆上，倪凯表示，乐视希望他们的技术不仅仅为自己的车所用，也希望输出给其它的合作伙伴，所以会研究跟更多车辆结合的技术。
倪凯还表示，乐视也选择了使用电动车作为自己自动驾驶系统的承载平台，是出于环境保护的考虑，而且还希望通过乐视所拥有的横跨电视手机和汽车的操作系统，给用户一个完整的无缝在不同的智能终端上切换的体验。
正在生成分享图...
我在思考中