久久久久精品免费福利电影,国产又黄又大又粗视频,A级毛片免费播放无码,人人妻人人爽人人澡欧美一区

實踐中的長尾問題，要到實踐中去解決

但另一方面，自動駕駛最大的挑戰來自于人工智能泛化能力不足。

雖然在日常訓練中能夠解決絕大多數頭部場景中的潛在風險，但各種小概率的突發場景種類繁多。

曾有特斯拉電動汽車曾把前面側翻的大貨車的白色車頂誤認為白云，毫不猶豫地撞了上去；還有特斯拉把前車排氣管掛的紅繩認作路障，這是自動駛汽車所要解決的無窮無盡認知問題的一個縮影。

技術上，自動駕駛領域通過提升算法和車路協同兩條路徑來解決問題。

利用算法來提升泛化能力，需要算法本身具有更好的透明性、可解釋性，同時利用大量數據，不斷迭代算法。

車路協同意味著在單車之外，從路側開啟一個“全景視角”。像“鬼探頭”這樣無論對于單車智能還是對于人類駕駛員都很難處理好的問題，通過路側設備提供更多維度的信息和數據能得到解決。同時，車路協同也能夠為自動駕駛進行技術上的冗余備份。

“遇到陌生的交通環境時，自動駕駛系統往往無法提供精準可靠的感知能力。相比之下，人類駕駛員不僅可以解決過往遇到的困難，還能夠應對新的突發問題”，張亞勤指出，“不過，人類的駕駛能力不具備復制性，不同司機的駕駛水平可能相差較大，而可靠的自動駕駛系統則可以任意復制，這是人工智能的優勢所在。”

經過100多年發展，人類駕駛的安全性提升空間已經很小了，而自動駕駛或許剛剛起步。

這需要人類更自信，到實踐中去解決問題。

今年“兩會”期間，全國政協委員、交通運輸部科學研究院副院長兼總工程師王先進提出了關于“推動智能網聯汽車商業化應用合規”的提案，他認為，我國關于自動駕駛、智能網聯汽車應用相關法律法規的制定相對滯后，一定程度上制約了智能網聯汽車的商業化應用。

（這次）北京發測試牌照，是需要的、可行的，應該把握“節奏”二字，王先進指出，在車路協同及數字化、自動化、智能化技術的安全性可靠性取得實質性進展的前提下，在合適的應用場景逐步開放。

清華大學計算機系教授及博士生導師、人工智能專家鄧志東認為，頒發主駕無人的RoboTaxi（無人駕駛出租車）上路牌照，這是北京市在自動駕駛安全監管政策上邁出的重要一步。

鄧志東認為，在自動駕駛的下半場，商業化運營十分關鍵。期待我們的政策規劃與部署，不僅要能夠跟得上美歐自動駕駛快速發展的步伐，而且還要能更加有利于盡早實現全無人車上路和自動駕駛產業的商業化落地，小步快跑，以點帶面實現政策支持層面上的突破，同時又能夠使相應的安全風險可控、可預期。

不發展是最大的不安全

在自動駕駛產業政策開放層面，美、德、日等傳統汽車大國步子更大一些。

美國政府從1998年就頒布《面向21世紀的運輸平衡法案》到今年3月發布《無人駕駛汽車乘客保護規定》，已經形成了較為成熟的自動駕駛汽車政策和法律體系。

德國2021年5月通過了《自動駕駛法》草案，已經成為全球首個允許無人駕駛車輛參與日常交通并應用在全國范圍的國家。

日本也走在世界前沿，2019年8月，日本政府正式通過了《道路運輸車輛法》修正案，為日本自動駕駛的實際應用提供了安全標準及責任歸屬，其相關立法非常細致。

張亞勤指出，在政策法規層面，客觀地說，在全球范圍內，其實都面臨著一個同樣的挑戰——政策與監管滯后于前沿技術的發展。無論是測試、試運營、保險設計、事故責任認定甚至是用戶的隱私保護等，政策法規的調整都是相對滯后的。

“但是，我傾向認為，自動駕駛事關生命安全，政策層面的謹慎應該遠勝于激進”，張亞勤表示，而在這一方面，中國的政策環境是比較好的，中國用戶對于包括自動駕駛在內的新技術應用普遍具有更開放心態，愿意擁抱新技術，愿意嘗試。

中國優勢：車路協同路線與豐富場景

當前，在自動駕駛方面，美國擁有強大先發優勢，中國基于5G、算力等新型基礎設施，以及豐富應用場景，正在奮起追趕，兩國走在全球第一梯隊，但路徑、產業組織、開發模式并不相同。

美國在自動駕駛領域的研發是企業主導的，例如谷歌旗下的Waymo，通用汽車旗下的Cruise，特斯拉，以及大量的初創企業；其次，美國基本聚焦于單車智能；第三，美國自動駕駛在垂直領域的應用比較多。

張亞勤認為，差異的部分原因是美國各級政府對道路、交通等城市基礎設施建設的影響力比較弱。中國能夠進行車路協同是他們所羨慕的。

中國在自動駕駛領域既有類似百度、滴滴這樣的頭部科技互聯網企業，也有大量的初創企業活躍。但值得指出的是，中國較早確定了車路協同作為智能網聯的路徑方向。

從系統的角度看，自動駕駛不單純是汽車產業的問題，更需要與城市、交通、能源有效聯動。這是中國的優勢，這不僅對未來的自動駕駛有利，同時也可賦能存量的在用車輛，讓整體交通更高效。

另一方面，豐富的應用場景為中國相關產業落地提供了廣闊的市場空間。

頭豹研究院汽車行業分析師張詩悅指出，中國自動駕駛當前正處于量產落地期，在乘用車和商用車兩個領域落地，乘用車主要關注自動泊車和Robotaxi兩賽道，商用車主要應用的場景包括港口、礦區、干線物流、末端物流、市政環衛和園區。

除了普通大眾能夠親身感知的Robotaxi之外，商用車領域正在吸引大量行業關注，其場景大多為礦區、環衛、物流等勞動密集型行業。

在勞動人口減少的背景下，僅以“快遞小哥”主要覆蓋的末端物流場景為例，2021年快遞業務量超過1000億件，末端配送工作強度大，人員招聘困難，企業提升工資水平，致使快遞員的平均工資遠高于城鎮私營單位的平均工資，出現“年輕人不愿進工廠”等社會現象。

自動駕駛可以解決物流行業勞動力供給不足的問題，在疫情等特殊場景下還有獨特的社會價值。干線物流、港口碼頭、城市環衛等領域的情況基本相似。

頭豹研究院預計，到2026年自動駕駛軟硬件市場規模將達到2萬億元，年復合增長率超過16%，運營服務市場的規模將達到5.8萬億元，年復合增長率為6.6%。自動駕駛商用車合計市場規模近8萬億元。

張亞勤指出，無論是美國的谷歌（Waymo）、中國的百度，這些頭部的企業之所以領先，就是因為他們進行了大量測試，成為進步的基礎，而盡早擴大規模進行商業化推廣運營，則意味著商業模式的成熟，也才能夠支撐技術不斷地進步。

我們應該看到，越是在生態整體遷移、重構的過程中，越是有大量的機會。由于汽車工業率先產生在歐美，這些國家、地區具有極大的先發優勢，中國此前一直處在跟隨者的地位，而在技術要素構成發生重大變化之后，中國的汽車工業和其他先發國家站到了同一個起跑線上，甚至在某些方面，中國更具優勢。

人工智能不僅僅是自動駕駛，更是第四次工業革命的引擎，在前三次工業革命中，中國都是旁觀者或者是跟隨者，但這一次，我們有可能成為領導者，應當把握住這種戰略機遇。