综合新闻

8月24日，由腾讯汽车联手汽车·创新港举办的2017全球汽车AI大会在上海正式拉开大幕，30余位来自全球顶尖科技公司、汽车企业的高层以及国内外学术专家齐聚上海，共同为AI技术与汽车产业的未来建言献策。

在主题为“链条进化--未来法则制定”的活动研讨环节中，教授/博士/博导，电子科技大学机器人研究中心执行主任，中国一汽-电子科大汽车人工智能联合实验室主任 程洪表示：封闭测试无法满足真是环境需求。当然它有很多的测试标准，评估手段之间有一个巨大的鸿沟，在这之间我认为微量汽车+AI，之间要克服的这样一些问题或者说挑战。

此外，他认为：人工智能技术不应简单的关注单机成本，应该结场景讨论。因为对于人工智能来讲，现在很热，但是实际很多时候我们在简单的去谈论人工智能，其实简单的脱离应用或者场景讲这个人工智能基本是没有意义的。

以下为发言实录：

首先欢迎大家来到我们这一场的互动，我们的主题未来法则的制定是一个非常接地气话题，因为人工智能的发展过程当中，需要有一个渐进的过程。在这个过程当中，我们未来的需求是什么样的，产业的导向是什么，最后落地的是什么，最后总是以需求为导向的话，可能会对产业法则产生很多的影响，所以今天就这个话题来进行一些深入的讨论。

首先请从我们程洪教授开始，宏观层面和细分层面两个角度出发，你认为当前AI以及无人驾驶在技术实践上最大的困难是什么？最大的挑战是什么？

封闭测试无法验证真实情况

程洪：个人认为现阶段无人驾驶要从人工智能的阶段讲起，目前人工智能学术界主要的算法层面是一种封闭的人工智能，那么所谓封闭的人工智能实际上就是说现在所有的算法是在一个封闭的数据库上去做相应的测试，实际的这样一个驾驶它是在开放的环境当中，这个问题就造成了现有的算法是没有在真实的环境中去做很好的验证和测试的。当然它有很多的测试标准，评估手段之间有一个巨大的鸿沟，在这之间我认为微量汽车+AI，之间要克服的这样一些问题或者说挑战。

徐健：对，那你觉得在这个挑战的过程当中，在结合起来以后，落地的阶段困难更大一些吗？

程洪：落地的阶段我觉得实际上它可以在ADAS上一些局部的专用模块上进行，不一定有多少困难。在未来推向L3、L4的过程当中，在更为复杂的环境下，这个的分析可能会逐渐暴露出来，包括特斯拉现在遇到的这样一些障碍，实际上就是一个开放的环境下，开放的人工智能，未来向人机智能迈进的过程中会遇到巨大的挑战。而且还有这种它的社会性，也就是说伦理、法律等等这些方面的问题和困难。

徐健：另外两个问题，第一个问题是无人驾驶商业化的路径是什么，第二是如何降低成本。

脱离场景谈无人驾驶成本 毫无意义

程洪：对这两点，一个是路线，我自己的看法是实际上总的趋势上来讲它是会遵循这种从L0，L1这种路线往下走，这是一个大的路径，现在应该说辅助驾驶已经大量的应用起来了，无论是在乘用车里面，还是在货车上，已经大量用起来了，这已经是大家明确的共识。第二个点部分的企业或者个人，他会小小的颠覆掉这种趋势，但不能说整个颠覆。比如说特斯拉，实际上已经开始小的颠覆这种模式，这是我想讲的从技术路线上一个总的趋势。

成本上来讲，目前实际不应该简单的过多的关注一个单机成本，我想强调的是场景。人工智能现在很热，但我们在简单的去谈论人工智能本身，而脱离应用场景是没有意义的。脱离场景后人工智能只是一个学术层面的东西。对于成本来讲，需要放到一个场景里面。所以在未来如今李骏院士提到的智慧城市，在中国的话实际上有一个大的生态，那么这里头比如说共享车以及人工智能，它对成本在这种环境之下怎么来考虑。包括现在的物流，我认为刚才各位也提到了，物流里面实际上现在也是一个比较典型的场景，当然中国非常大，虽然交通也很复杂，这样的场景有非常多的比如像吴总，包括很多的，地平线的余总，他们都在进行这样有益的探索，这里头到未来的成本，比如说激光雷达一直说成本非常高，在某些场景里面可能不太依赖它，可能是以摄像头为主，这就是对于成本我的看法，谢谢。