乐居网|智能驾驶“开”到哪儿了( 二 )


芯片如同智能汽车的数字发动机 , 负责将数据转化成知识 , 其效率直接决定了决策的好坏 。
“按照我们的统计 , 自动驾驶每往上走一级 , 芯片算力就要翻一个数量级 。 而且 , 车规级人工智能芯片的研发行业内有着极高的要求和标准 。 ”地平线公司创始人余凯认为 , 技术是一切的根本 , 只有实现更低单位成本下更高的算力 , 让算法和芯片架构尽可能契合 , 才能让车辆更“聪明” 。 据了解 , 搭载地平线征程2芯片的长安汽车全新车型UNI—T , 已于今年年中上市 , 这是中国首款量产上车的车规级AI芯片 。
除了芯片 , 操作系统、传感器、高精地图等软硬件协同发力 , 才能实现最大效益 。
为了更智能 , 机器还需要快速学习大量的数据 。 驭势科技首席执行官吴甘沙说 , 从统计学看 , 要证明一个自动驾驶系统比人的驾驶安全性能提升20% , 需要110亿公里的道路测试数据 。 行业正在为此积极努力 , 探索虚实结合的方法减少测试的成本和风险 。 据了解 , 阿里搭建全球首个自动驾驶“混合式仿真测试平台” , 系统每日虚拟测试里程可超过800万公里 。
“滴滴自主研发的车载设备桔视 , 覆盖了滴滴平台上50%以上的订单 。 通过这种简单的安装 , 滴滴每年可以获得近1000亿公里的驾驶场景数据 , 从而实现自动驾驶算法的迭代 。 ”张博表示 , 只有穷尽所有的可能性 , 才能还原真实路况的不确定性 , 系统才能精准应对真实路况的突发情况 。
与此同时 , 科学家们也正在运用强化学习、模仿、生物学等手段 , 将人的社会阅历知识化 , 赋予车辆一些“知其然也知其所以然”的能力 , 但目前仍处于非常基础的探索阶段 。
安全是智能驾驶的重要价值 , 也是最基本的要求 。 在后续技术迭代中 , 在保障安全的前提下 , 不断降低研发成本 , 维持成本与效率的平衡 , 仍是从业者面临的严峻挑战 。
想实现大规模商业化应用 , 光有技术还不够 。 专家认为 , 想达到这个目标 , 起码要同时满足5个条件——技术成熟、社会基础完善、法律法规同步、成本下降、社会接受度良好 。 显然 , 每个条件都还有一段很长的路要走 。
目前 , 国内智能驾驶众多封闭场景在逐步落地 , 实现了一定程度的商业化 。 但专家表示 , 距离实现大规模开放道路的商业化 , 要走的路还很长 。
新基建政策的出台、实施 , 为智能驾驶带来诸多利好
突如其来的新冠肺炎疫情 , 让全社会对“智能”和“无人”的需求大幅提升 , 为整个智能驾驶行业带来新的经济增长点 。
4月16日 , 工信部发布了《2020年智能网联汽车标准化工作要点》 , 指出今年要形成支持驾驶辅助和低级别自动驾驶的智能网联汽车标准体系 , 建立智能网联汽车标准制定和实施评估机制 。
今年1至5月 , 国内智能驾驶领域发生多起大额投融资事件 。 中国拥有世界上最为庞大的汽车消费群体 , 有机构预测 , 2020年中国智能驾驶行业市场规模将超1700亿元 。
可以说 , 智能驾驶正迎来良好的发展机遇 。
相比国外 , 我国智能驾驶有自己的特点 。 巨量复杂的交通路况 , 为智能驾驶提供了丰富数据和场景 。 复工复产需求和经济发展势头 , 为智能交通提供了广阔市场 。 从政府到企业和公众 , 对智能驾驶这一新生事物的认同度较高 。 一系列新基建政策的出台和实施 , 将为智能驾驶打造更完善的软硬件支撑 。
“新基建对5G技术和人工智能技术进行布局 , 能够更好满足车、路、人等协同的新要求 , 在新一代通信技术基础设施上更好实现互联互通 。 ”吴甘沙说 。
历史上 , 新技术、新应用的诞生 , 往往经历着蜂拥而入、泡沫破裂、重整旗鼓的阶段 。 在受访者看来 , 智能驾驶也正经历着大浪淘沙的过程 , 想要成为智能驾驶行业中的佼佼者 , 除了顺势而为、抓住机遇 , 更要磨砺自身 , 潜心钻研 。


推荐阅读