自动驾驶汽车的兴起，将在很大程度上颠覆出行行业，带来新的机遇与挑战，并改变商业模式。
滴滴在开发自动驾驶智能汽车方面的一个主要优势是，它拥有庞大的交通服务网络，从而拥有海量的交通数据。
滴滴对未来的形态非常明确，“可见的未来，是人类司机和自动驾驶汽车之间的混合模式。”在唐剑看来，未来出行之所以便利，主要是依赖对城市交通工具的智能化调度从而满足居民的出行需求，实现人、车、路的协同，从而能够在最短的时间内解决出行问题，归根结底是为了解决供需问题，更好地提高城市交通运行效率。
12月6日下午，在中科创达举办的边缘智能大会上，滴滴出行智能控制首席科学家IEEE院士唐剑的演讲主题是“融合.让智能无处不在”，他分享了滴滴的大数据+AI的深度融合，以及如何从人、车、路打造智慧交通。
以下是唐剑博士的演讲全文，雷锋网新智驾进行了不改变原意的编辑：
物联网发展至今已经有10多年的时间了，其中一个最主要的目的就是万物互联，随着明年5G的铺开，万物互联会得以实现。下一个阶段或者下半场的目标或者发展趋势是什么？
很多科研人员或业内人士达成了一个共识，智能化是未来物联网发展的目标，特别是智能物联网。我们认为智能物联网的一个核心目标就是让智能无处不在。
今天我选“融合.让智能无处不在”这个主题，主要想从如下四个方面阐述该观点。
首先，想跟大家阐述一下交通出行的三大要素，其实简单地讲就是人、车、路。更正式的一种讲法就是，最底层的交通基础设施，以及交通基础设施所承载的交通工具，以及在交通基础设施、交通工具，在汽车上共同承载的出行的平台和出行的服务。
我们认为要把交通出行这件事情做好，特别是滴滴有一个愿景，就是让出行更美好，怎么样实现这个愿景？最重要的一点就是实现人、车、路的高度融合。
怎么理解呢？如果一个共享出行平台完全不知道当前路面拥堵的情况怎么去派单，如果不了解路面上乘客的需求以及当前司机的位置和状况，也不能很好地去做派单和任务。
交通工具不仅要和交通基础设施深度融合，交通基础设施和交通工具深度融合的抓手就是最近大家常提到的车路协同。
其次，我分享的是跟今天这个论坛紧密相关的-loT，这是如今业界、学术界最火热的话题之一。从名字就可以理解，loT体现着融合，AI和这些IoT设备的融合。
整个分享也会围绕交通和出行来展开，所以举的事例也是与此相关。未来共享出行平台一个重要的载体就是共享智能汽车，目前共享智能汽车上装配有各种各样的智能设备，最典型的智能设备就是行车记录仪。行车记录仪一般都是由一个车机，里头有一个移动的芯片，连接了几个对内、对外的摄像头。除此之外，我们还需要深度模型的压缩以及压缩的技术，因为大家知道深度学习的模型动辄都是几百兆，100多层的模型都无法做到实时的检测。我们需要深度模型的加速和压缩技术，如此可以在智能车载设备上部署源能力。
另外，结合深度学习以及语音识别技术，我们也可以把一些语音智能的源能力，语音声纹识别部署到非常小的车载设备上。同时把视觉的源能力做一个非常好的组合，基于对内的摄像头部署到座舱系统，还有基于对外的摄像头。
值得注意的是，滴滴智能座舱的解决方案，提供事实的干预，以及为人们的安全出行保驾护航。我们智能座舱部分功能已经在网约车落地，并且上线运行。
智能座舱系统核心的是驾驶员行为系统，主要功能包括疲劳检测、未系安全带检测，抽烟检测、面部遮挡检测、以及接打手机等不良行为。
如今各地政府都在通过政策积极推进营运车辆安装DMS等安全设备，来减少交通事故的发生，保障人民生命和财产安全。其实不仅包括DMS系统的功能，还包括人脸验证的功能。另外还有一个非常重要的模块，例如模态交互、智能语音交互、智能手势交互。针对网约车场景，还特别有助于帮助用户寻回遗失物品。
我们可以实现高级辅助驾驶系统，简称ADAS，核心功能就是前车碰撞预警，主要检测到前方的车辆，并且通过单个摄像头估算与前车的距离，如果距离过近就提供预警。
前面分享的是结合车载设备以及视觉的AI算法，我们可以实现的一些系统以及功能，以及结合语音技术，还有车载设备上的loT设备，我们可以打造一系列的语音基础能力。把这些AI源能力结合以后，可以支持一些重要的参数。
接下来要跟大家分享的是，深度实现车与路融合一个重要抓手，我们认为是车路协同系统。
国内车路协同是自动驾驶技术演进方案与美国最重要的一个不同地方。因为美国最重要的一个地方是强调单车智能，不管让它有多么智能，让它装配很多非常昂贵的传感器，总有一些情况无法识别和看到的。车路协同其实就是在路边或者交叉路口去布设一些雷达或者高清摄像头的设备，融合多维度的传感器，对路面可以有一个全面的深入和准确的了解，并且把检测到的信息和结果，通过通讯接口和5G传到车上。
其实，车路协同系统是一个非常典型的loT系统，在最底层有sensors，融合多路视频流的数据，在上面进行分析和检测，在云端又做进一步的融合，通过通信的接口传输到路面上的自动驾驶车辆中，这样就可以使自动驾驶车辆对路面有一个非常准确和全面的了解。
在往前走，我分享的是融合数据。
滴滴出行是真正拥有大数据的企业，但大家不是特别了解我们大数据的体量有多大，前面主持人也和大家分享了一些数据，这里再比较全面地跟大家分享滴滴出行大数据的体量。我们每日新增的轨迹数据高达106TB，日处理数据4875TB。日路径规划请求次数400亿次，然后基于我们的派单算法去找到一个最佳的派单策略，这就是日路径规划请求的次数非常大。
刚才提到的是未知和轨迹相关的数据以及路径规划相关的数据，在滴滴平台上有各种各样的数据，例如加速器采集到的数据、驾驶行为数据，以及违章、事故等数据。对这种多元多维度的数据进行融合以后，我们在上层就可以支持各种各样管理功能，包括预警管理、安全教育管理以及设备管理等。
这里稍微聚焦一下驾驶安全，驾驶安全也是目前，并且我认为也是未来相当长的一段时间滴滴非常关注的一个重点问题。为了把驾驶安全做好，其实有一个重要的举措，就是要实现多元、多维度数据的融合。与驾驶安全相关的数据，包括与人、与车、与路相关的数据。
融合与人相关的数据，运用DMS系统，车载的摄像头能自动分析驾驶员分心、疲劳驾驶等情况，以及检测是不是有超速等驾驶行为。
融合与车相关的数据，更重要的是与路相关的数据，做一个深度的融合和分析，才能准确地我们的平台提供全面的信息。
这里展示的是一个具体的已经上线的例子，结合驾驶员道路行车安全数据画像，我们去优化了预测决策。这是滴滴APP，结合多维度数据以及历史数据，分析判定某个路口是事故多发路口，在滴滴司机即将接近或者穿过这个路口提高预警。
此外，我还要讲一下融合.开放，光靠滴滴一家公司肯定不能把这个事情做好，我们希望并且计划把能力和服务开放出来，和众多的合作伙伴，比如在设备、操作系统以及解决方案上有一个深度的融合，从而去实现让出行更美好的这么一个愿景。
10月18日，滴滴对外正式发布了AI开放平台，该平台共分三层，目前已集中开放视觉智能、语音智能、语言智能、数据智能、时空智能五大AI领域技术服务，并推出智能汽车、智能运营、智能客服、智慧城市四大AI行业解决方案。我想强调的一点，滴滴四大解决方案都是多年在AI技术以及对出行领域的理解、沉淀的一个结晶。比如智能运营解决方案，这里其实包括两个系统，智能排班系统、智能调度系统，从滴滴共享出行平台衍生出来的，也是多年深耕这个领域AI的技术、算法以及系统沉淀的结晶。
滴滴的智能汽车解决方案，它的应用场景会非常广泛，包括网约车、出租车，以及两客一危场景。
上面这张照片显示我们在滴滴内部配备的行车记录仪，这是基于安卓的芯片系统，目前也可以支持基于海思芯片操作系统的智能设备，还有英伟达的操作系统。
PS
正在生成分享图...
nebula