去年 CCF-GAIR 大会，清华大学计算机系教授、博士生导师邓志东受邀在智能驾驶分论坛上进行了演讲，当时很多人慕名而来。“一年香、三年醇”，走到第三年的 CCF-GAIR 大会，将于 6 月 29 日至 7 月 1 日再度降临深圳。今年，邓志东将作为 CCF-GAIR 2018 智能驾驶分论坛（将在 7 月 1 日举办）的主席参与这场横跨学术界、产业界及投资界三大领域的人工智能与机器人盛会。
作为学术界的专业人士，邓志东一直在关注着智能驾驶产业的发展，同时也在从事着智能驾驶前沿技术的研究，所以，他也积累了很多的发现以及观点。雷锋网新智驾则通过这次访谈，将这些发现和观点传递给业界以及所有感兴趣的人士。
邓志东从 Uber 自动驾驶致死事故中看到了行业对于安全性的重视；也看到了自动驾驶多方面的技术有了跃进式的发展，包括车规级传感器以及计算单元性能的不断提升；同时，也目睹了中国出台相关自动驾驶法规、政策，越来越多的自动驾驶汽车跑上公共道路。
对于国内掀起的自动驾驶车辆公开路测潮，他表达了他的担忧，因为一次偶然的致命事故有可能阻碍甚至葬送自动驾驶产业的发展。所以，他更保守地认为，可以先建设自动驾驶小镇或者是自动驾驶专用车道，在保证社会安全的前提下，先在这些场景中进行测试。
不过，他也非常强调数据的重要性，无论是采集还是后续的处理。他认为，自动驾驶要在开放环境中应用，需要不断地积累大数据，需要有定力去做大数据本身。采集数据相对比较容易，但收集数据之后，你要对数据进行清洗、要做标签，还要做质量审核，这个其实很难，需要投入很大的精力进去。
邓志东透露，其团队正在和国内某互联网巨头进行合作，在怎么采集数据、怎么清洗数据、怎样做标签，以及进行数据质量控制方面，进行自动驾驶大数据生产标准的制定。
在自动驾驶落地方面，邓志东认为，初创企业是完全可以去做低速车这种商业模式的，但巨头型企业，像 BAT 等应该瞄准国外打，去对标国外的量产型的 L4 级别的自动驾驶汽车，探索完全开放道路上的商业落地。而且，自动驾驶企业要特别重视与主机厂的结合，朝着量产走，才是正确的方向。
而他个人作为学术研究者，也一直在深入研究人工智能及其在自动驾驶中的应用，在环境感知、自主导航、决策学习等领域进行积累。
实际上，邓志东对于自动驾驶的发现和思考，还远不止这些，下面这些访谈内容也许你会乐意一读。如果还有更大的兴趣，可以来深圳参与 CCF-GAIR 2018，来和邓志东面对面交流。当然，你得先去官网选购一张入场券：https://gair.leiphone.com/gair/2018yr 。
*清华大学计算机系教授、博士生导师邓志东，CCF-GAIR 2018 智能驾驶论坛主席
以下是雷锋网新智驾与邓志东教授对谈的内容：
雷锋网新智驾：大概描述一下您的研究小组目前在做什么样的自动驾驶相关的技术？
邓志东：我们主要是研究人工智能及其在自动驾驶中的应用，包括各种改进型与创新型的人工智能算法以及面向环境感知、自主导航与决策学习的应用。例如，基于深度学习的可行驶路面检测、车道线检测、视差预估、机动与非机动车检测、行人检测、地面交通标识检测以及信号灯检测与识别等。同时也在利用深度学习进行激光雷达 SLAM、视觉 SLAM 甚至是彩色激光点云 SLAM 的研究，涉及基于高精栅格与认知地图的方法，这些都属于自主导航技术。这是我们这一年来的研究重点，主要就是在感知领域和信息融合方向。
现在基本上用的还是深度卷积神经网络算法，但我们也在做一些新的与知识推理相结合的算法，面向目标的检测、定位、分割和分类等问题，不仅使其具有强大的特征提取能力，同时还具有一定的推理能力和理解能力。
最近我们还改装与测试了我们的第 4 辆自动驾驶汽车，其中很多环节都在和企业进行深度合作。
雷锋网新智驾：新车的自动驾驶方案与以前的车辆相比，有什么不一样的地方？
邓志东：不一样的地方在于我们更加强调人工智能在自动驾驶中的应用，这是我们坚定不移要做的事。因为其他的技术或路径我们都做过了或已经拥有了，比如说高精地图我们自己也有。当然，我们也希望用到更多的车联网技术（V2X），还有智能交通系统，包括与自动驾驶测试基地或者小镇结合，进行适合于无人驾驶自主行驶的道路改造与测试等。
雷锋网新智驾：从去年您参加我们的 GAIR 大会，到今年即将担任我们大会智能驾驶分论坛的主席，这一年当中，您所观察到的自动驾驶产业发生的改变有哪些？
邓志东：最近一年最大的变化就是，因为 Uber 自动驾驶致死事件的出现，大家对自动驾驶的安全性更加重视了。这种事故对我们搞自动驾驶的来说是迟早会出现的，因为自动驾驶还不能完全把致死性交通事故消灭，只是说能够大幅度降低交通事故率。
第二个方面，产业化进程加快了。其实表现在好几个方面，比如我们更加重视人工智能在自动驾驶中的落地应用了，因为这一技术对自动驾驶产业发展具有决定性作用。
当然，我们也知道，用人工智能或者目前的深度学习算法毕竟不能解决语义理解的问题。我们人是在认知或理解的水平上开车的，不是仅靠视觉感知，所以从这个角度来讲就需要其他技术来共同支撑。包括利用高精地图进行环境建模，利用车联网技术或V2X（V2X 可以是基于 5G 的，也可以是基于 NB-IoT 的），进行辅助导航、决策交互与智能增值服务等。另外还需要对道路基础设施进行改造，即发展所谓智能交通系统 （ ITS），使目前仅适用于有人驾驶的道路交通设施，更加适合于无人驾驶汽车使用。此外，也还需要智慧城市的合力支撑。过去一年，这方面的认识加深了。
还有一个是车规级传感器和人工智能车载计算单元，在过去一年也有很大的产业进展，这些基础性产品的性能得到很大的提升。
最后，国内的主机厂开始更加重视与发力自动驾驶技术与产业，可以说是一年来最大的变化。
雷锋网新智驾：您所看到的关于传感器、车载计算机向车规级的变化有哪些？
邓志东：大家知道，比如说激光雷达，最早的是机械扫描式，之后有混合固态式，我们现在认为这些产品都是过渡性的，真正能够对产业起到关键支撑作用的还是第三代纯固态激光雷达。
纯固态激光雷达因为采用全芯片的方法，比较容易做到车规，同时成本能够大大降低，适合进行量产。同时技术指标，比如测距的范围、测距的精度以及角分辨率都会大大提高。纯固态激光雷达现在已经有量产的计划出现了，之后会不断地推出并进行产品的性能迭代。
国内出现了很多激光雷达创业公司，我数下来可能有 20 几家在搞激光雷达，而且他们一开始就搞自己的混合固态激光雷达。第三代纯固态激光雷达产品，部分初创企业也有工程样机出来了，虽然没有出现量产级产品，但这方面的研发进展很快。
还有自动驾驶芯片，比如说像地平线推出了征程 2.0 芯片，英特尔的 EyeQ4 预计今年量产，还有英伟达的 DRIVE Xavier 芯片及其 DRIVE PX Pegasus 自动驾驶平台等。
雷锋网新智驾：我们看到今年很多地方出了自动驾驶路测法规、政策，而且还发了很多的牌照，企业的车现在有些已经可以上到公开道路上开跑。您怎么看目前的政策环境？
邓志东：从官方的角度来讲，这是一个很明确的政策信号，就是全力支持自动驾驶产业的发展。
这个事情在美国 2012 年就有了，谷歌第一个在加州拿到路测的牌照，我们晚了好几年，至少有 5、6 年的差距。美国今年甚至允许路测时车上没有安全驾驶员，比我们更加超前和大胆。
其实，我觉得更好的方式，是建设自动驾驶小镇进行测试，这样能兼顾公众的担忧或社会安全性以及加快自动驾驶产业发展对大数据的强烈需求，我觉得这个特别具有中国特色，是推动中国自动驾驶产业快速发展的非常好的手段或捷径。比如在自动驾驶小镇或者相对封闭的环境里面，真实模拟各种复杂的道路交通场景，允许没有安全驾驶员、完全无人的 L4 级别的自动驾驶汽车进行测试，以快速跟上美国的技术水平。
雷锋网新智驾：所以您更倾向于在自动驾驶小镇上测试自动驾驶汽车？
邓志东：如果小镇上评测或路考得很好，就可以到社会上的专用车道或完全开放的道路上去。政府在这方面应该大有可为，除了目前已推出的必须具有安全员的道路测试法规以外，其实还可以推出在自动驾驶小镇进行各种自动驾驶评级或分级考试的法律法规。
自动驾驶小镇就相当于“驾校”—— 自动驾驶的驾校。规定车辆通过哪一级的考试之后，可以在特定的开放道路场景中落地，比如在点到点的专用道路上进行商业落地。更高级别的话，车辆再到人车混杂或到有人驾驶和无人驾驶混杂的开放环境中进行社会公测，这样不断地往前推进产业化发展的进程。
雷锋网新智驾：现在自动驾驶行业非常热，除了一些真的有技术实力的团队在做，也有很多闻风而上的公司，想要拿投资、骗估值。您作为学术界人士，怎么看这些现象？
邓志东：毫无疑问，这里面确实有泡沫。而且真正踏踏实实做技术落地、产业落地的企业还不是特别多，而且去硬碰硬的解决复杂场景里面的关键技术挑战的企业还真不多，这是大问题。
可以看到，国内不管是巨头型的科技企业还是初创企业，哪一个敢说自己有别人没有的杀手锏技术？不管是技术实现路径还是商业模式，实质上现在我们还是在跟随，没有自己独特的创新技术，同质化非常严重。所以企业有没有把核心团队和高端人才布局在核心技术突破里面，是否掌握到自主的核心技术，这些都会最终体现在产业落地速度和未来的全球产业竞争大势之中。
所以，不是拿钱做 PR，而是拿钱去真正的招人、建团队，扎根做技术突破和场景落地，我觉得这个很关键。
雷锋网新智驾：您觉得还有哪些自动驾驶技术方向值得重点关注？
邓志东：其实技术图谱早就清晰了，在高精地图、车联网、智能交通系统、智慧城市支撑下更多地去关注人工智能技术的落地，包括在环境感知、自主导航、运动规划、自主决策和智能控制上面都可以全方位地应用。
这些说起来很简单，但目前我们还是很难看到真正落地的人工智能技术。针对人工智能，如果说前年是人工智能产业的唤醒年，去年是准备年，那么今年应该就是落地年。
人工智能迟迟落不了地，究竟是什么原因呢？我个人认为，目前的深度学习算法需要大数据的支撑，技术落地需要专注于大数据，在大数据上面，在我看来至少要花 80% 以上的时间、精力以及资金的投入，去做好带标签的、高质量的大数据。
理论上因为现在的算法依赖于完备的大数据，开放环境里面是没有完备大数据的，因为数据永远没有到头的时候。但是，自动驾驶就是在开放环境中应用的，所以就需要不断地积累大数据，需要有定力去做大数据本身。采集数据相对比较容易，但收集数据之后，你要对数据进行清洗、要做标签，还要做质量审核，这个其实很难，难在需要投入很大的耐力进去。
举个例子，比如交通信号灯的检测与识别，若使用人工智能的方法，每天就需要标注很多的数据，数据利用之后性能会提高一点，也可以处理更复杂的场景。如此不断地标注与学习，最后你会发现数据对深度学习算法是如此的重要。
当然，另一方面还需要在算法上进行原始性创新，通过知识推理增强它的理解能力或泛化能力。
雷锋网新智驾：现在很多公司都在想，我怎么把我们的技术商用化起来，因为创业公司目前也需要找这样一个模式，比如说做卡车、商用车，也有在港口和码头做，还有最近智行者和首汽 GoFun 在智能驾驶的共享汽车方面进行落地。您怎么理解这些趋势？
邓志东：因为自动驾驶在中国的产业落地，其实最关键的问题就是选择好一个特定的应用场景，遵循从简单到复杂这么一个商业模式或者技术发展途径。现在看起来是低速的、相对比较封闭的、交通流比较稀疏的简单场景或专用车道，肯定是首先落地的。
现在我们很多的初创企业是完全可以去做低速车这种商业模式的，但巨头型企业，像 BAT 等应该瞄准国外去竞争，去对标国外的量产型的 L4 级别的自动驾驶汽车，探索限定区域的、完全开放道路上的商业落地。
雷锋网新智驾：我们知道，汽车行业典型的关系是主机厂和供应商。而在自动驾驶这个领域，这样的关系并没有那么明确，很多企业没有找到自己非常明确的定位，特别是做整体解决方案的公司。
邓志东：我觉得尤其是初创企业，要特别重视与主机厂、Tier-1 的深度合作。
因为自动驾驶汽车是一个“算法+软件+硬件”垂直整合的复杂的工程系统，而且里面不能有任何短板。搞自动驾驶的科技企业如果不做量产，是没有任何意义的，但是量产显然不是互联网企业能做的事情，所以要创新体制机制跟主机厂等深度整合起来。这些互联网企业最有可能成为自动驾驶方案的技术提供商，当然最好能直接做到“前装”去。
雷锋网新智驾：去年您也参加了我们的 GAIR 大会，还进行了演讲。即将作为智能驾驶分论坛主席参与 2018 年 GAIR大会，您又有哪些期待呢？
邓志东：我觉得今年的 CCF-GAIR 大会可能会更加体现产业发展的新特点、新趋势，比如说推动自动驾驶产业加快发展需要更多资源的整合，需要更加宽阔的国际视野。相信也会涵盖更多产业落地的实践案例以及对创新性技术的前瞻等。
同时，也会反映自动驾驶产业发展的其他要素，例如车规级的传感器、人工智能车载计算单元、高精地图、车联网、5G 通讯以及共享出行、智能增值服务等内容。大会报告也将涉及到自动驾驶对安全、法律和伦理的挑战以及对道路基础设施的无人驾驶改造与自动驾驶小镇的建设等。
总之，今年的大会特别注重对自动驾驶产业发展起重要推动作用的全要素的资源整合，同时更加关注产业落地实践，这些和去年的视野是有所不同的。
CCF-GAIR 2018 智能驾驶专场“聚焦智能驾驶，对话顶级智囊”，人工智能如何改变城市交通与物流网路？智能驾驶技术将如何定义未来的汽车？自动驾驶将从哪些地方最先落地？我们将呈现产学研三界对人工智能、智能驾驶技术的思考与实践。
本专场邀请了清华大学邓志东教授担任主席，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任、中国自动化学会副理事长兼秘书长、青岛智能产业技术研究院院长王飞跃将出席智能驾驶专场并作大会报告。更多详细议程与重磅嘉宾，请关注雷锋网新智驾后续更新。
正在生成分享图...
付静