2022汽車半導體生態峰會演講實錄|清華大學李克強：下一代AI驅動中國方案智能網聯汽車關鍵技術

以“智鏈未來 本立而道生”為主題的“2022張江汽車半導體生態峰會暨全球汽車電子博覽會”由《中國汽車報》社主辦，張江高科、愛集微、浦東新區投資促進二中心承辦，11月7日-8日在上海張江科學會堂隆重舉行。

本屆峰會邀請了以半導體為核心的全球智能網聯汽車生態鏈企業高管、知名分析師與投資機構、中外行業大咖參加，瞄準新智能汽車與能源汽車技術前沿，就科創+產業+金融進行深度交流，為汽車半導體產業發展貢獻智慧和力量。同時，通過趨勢分享、前沿技術碰撞、投資邏輯解讀以及全球汽車電子博覽會，共同探討全球巨變下的汽車半導體產業鏈發展，為業界充分展示汽車電子最新發展成果與趨勢，打造國際化一流汽車半導體領域展示平臺。

其中，在11月8日舉辦的“主峰會”，中國工程院院士、清華大學教授李克強做了題為《下一代AI驅動中國方案智能網聯汽車關鍵技術》的精彩演講，以下內容為現場演講實錄：

李克強：各位老師，各位業界的同仁，非常高興能有機會將我們研究團隊在下一代AI在汽車應用相關研究工作給各位做一個匯報。題目是《下一代AI驅動中國方案智能網聯汽車關鍵技術》。

中國工程院院士、清華大學教授 李克強

首先，智能網聯中國方案，這是我們這個團隊提出來。智能汽車是新一輪科技革命代表性的產業，是世界各工業強國的戰略競爭高地，包括歐盟、美國、日本都在以國家項目推動。我們國家高度重視智能汽車的創新，在國家戰略中也是重要的任務。

智能汽車發展現在出現了新的方式，現在是以單車自主智能為主的方案，目前是國外在主導，但存在一系列的問題，所以現在也在探索網聯協同式智能汽車開發。我們團隊在協同方面做探索，提出了智能汽車基于車腦、云腦一體化云控系統的思路，也提出了云支持的體系架構。

基于現在的移動通信技術把車路云融為一體，讓這個系統能夠提供實時動態數據、基礎服務內容和協同計算環境。這個系統現在得到行業的共識，具體來說稱之為中國方案的智能網聯汽車，具體的定義，具有一個技術特征并滿足三個條件，強調車路一體化的系統，三個條件一是要滿足中國的基礎設施標準，包括交通基礎設施和信息基礎設施，二是要符合中國聯網運營標準，三是要符合中國新體系架構下的汽車產品標準。未來的智能網聯汽車一定是在智能的基礎設施下運行，一定需要網聯運行，一定要保證信息安全管理系統。

要發展智能網聯汽車，首先要建立方案的信息物理系統架構，這已經脫離了傳統的汽車，這首先需要做架構的設計，同時未來在這樣的情況下，要真正推動起來，汽車產業的形態就會發生改變，會出現新的零部件系統，五大基礎平臺要實現一體化運行。

在這種情況下，如果有這樣一個系統架構，智能網聯汽車在傳統汽車的驅動性、動力性的基礎上有新的零部件誕生，包括五大平臺，即計算平臺、終端平臺、云控平臺、動態地圖平臺、信息安全技術平臺，未來的汽車上有新增加裝置的實現，這就需要推動智能網聯汽車產業化，需要完成這樣新型零部件的研究和開發。

要推動新型零部件實現，同樣需要樹立技術體系，包括感知、定位、計算平臺、人機交互、線控底盤，以及能夠在復雜環境下感知決策控制，跟過去比，有新的進展，需要新一代的人工智能技術。

當然，現在隨著發展提出了新一代人工智能概念，所以智能汽車不再需要用傳統的基于規則式的決策判斷，基于一般的感知認知，需要探索如何利用新的人工智能技術來做智能駕駛系統，根據下一代AI的特點定義出新的智能駕駛系統，依托多元傳感器、互聯互通的裝置、融合大數據驅動學習，人機協同增強智能和自組織群體智能等下一代AI技術等等，對智能駕駛系統做了定義，當然實際上在應用過程中存在一系列的挑戰，這是用常規的方法來做自動駕駛的感知決策控制遇到的問題。新一代的人工智能技術同樣也存在許多挑戰。包括觀測性、動態聯系、不確定性等等，這對使用新一代人工智能有很多方法和應用上的挑戰。

下一代AI驅動的智能汽車的應用，應該從智慧出行系統來分析判斷。這樣的智慧出行系統有很多的應用場景，從汽車來說，分結構化道路與城市化道路、高速公路，要完成作為移動的出行系統所需要的這套系統里面的全要素的網聯化的感知、人車路交互行為的認知、包括群體的決策，希望通過混合智能、群體智能、大數據、基于云端的控制智能，完成幾大任務實現這幾個典型場景里的應用。

在這樣定義下，要把下一代的AI技術用在智慧出行里面，有一系列的技術需要突破，從大的交通系統來說，車的點線面，從單車里面來看，從行為理解、運動控制、駕駛決策、行為理解、狀態感知有一系列的任務需要完成，當然可以用到新一代AI技術里面的智能、混合智能，多車里面需要群體智能，從面上的角度來看，仍然需要新的人工智能技術。

最終，形成這樣的一個完整技術的任務矩陣，但是現在新一代人工智能技術的多數初創公司、凡是有AI的公司90%都在做單車智能工作，沒有做到決策，更沒有在大范圍下從感知到決策控制。新一代人工智能技術正是在智能網聯汽車里真正形成大的智慧出行系統，還有一系列的技術需要突破。

圍繞相關的任務，我們團隊開展了相關的工作，主要聚焦在三大領域，一是以需求驅動，汽車在真正的復雜環境感知里面是怎樣的挑戰，如何應用這些相關的技術，以及更高水平的決策控制，以及從大范圍下怎么實現幾個支撐，信息、零部件、駕駛腦、云腦融為一體，通過智能駕駛性能的提升來完成自動駕駛應用的行駛安全、能耗經濟、乘坐舒適。

第一，探索，這是一個國際合作項目應用需求的案例，談到自動駕駛要運用到實際環境特別是復雜環境，在高速公路上的車的問題，在城市場景下有一個非常重要的場景，即交通的弱勢群體，包括行人、騎車人，如何來做這樣一種聯合的識別，這是幾年前我們的一個合作項目，也是現在自動駕駛汽車輔助駕駛里面的挑戰性問題，在城市工況要使用，解決和行人、騎車人之間的問題，這個問題有道路的干擾、識別困難、難以區別、類型容易混淆，通過復雜案例提取、特征融合、侯選區域，如何使用提出了一個新的聯合識別的方法。來使用神經網絡怎么提高，區分類間差異，采取共有的顯著形區域及冗余策略，來實現行人及騎車人目標侯選區域選擇，這樣的方法可以降低神經網絡模型的輸入維度，可以把這樣的一種更多的方法、更多的算力用在提高目標聯合檢測的精度和抗干擾能力上，這是在這種方法上做的有益探索。

完成這種方法的同時，也完成了國際上第一個騎車人和行人的聯合識別的數據庫，用了這樣的方法，能夠在滿足騎車人識別的同時，能夠把行人識別精度得到有效的提高，這項工作現在得到了實際應用。

第二，決策，探索利用新一代人工智能技術類腦決策智能的方法，研究在城市道路工況下自動駕駛的場景和算法，智能算法的開發，針對這樣的場景，提出用類腦學習型的方法來做城市道路自動駕駛的算法。以深度強化學習為基礎，這種方法跟前面這兩種常用的方法比第一個具備位置環境下自我探索能力，另外它特別適合用云的基礎平臺進行遠程的學習，可以使我們的進化速度快，場景泛化能力強。

提出利用混合駕駛數據和車輛模型的方法，這是我們的新思路。另外也提出了車云協同虛擬探索，有真實的車輛，有虛擬的車輛，通過虛擬的車輛形成數字孿生的方法可以探索更復雜的場景，用這樣的方法來提升對未知危險場景決策的智能性，同時可以有效降低在線計算的負擔，這是采取兩種思路確定在應用類腦決策智能方法的探索和技術的實現。

完成技術探索以后，也做了典型工況的驗證。使用了虛實結合，虛實仿真在多車道工況下，實車是全實物測試，在真實的環境下做決策分析，這套仿真分析系統適用于復雜道路和混雜交通流，同時策略具有凈化能力、擴展性強，另外單步決策的計算效率小于5毫秒。

第三，真正的實現在應用里，我們提到中國方案實際上是車路云一體化，最終實現兩個腦的一體化，車腦和云端計算平臺的一體化協同，這個系統做了開發和應用。在大規模的云端、路端、車端節點，信息流傳輸路徑很復雜。所以提出這個概念，真實應用很復雜，首先做了體系的系統設計，創建了系統平臺架構，第一實現了分層，基礎平臺應用層，基礎層、平臺層稱之為基礎平臺，真正實現平臺層和應用層的解耦，另外是跨時空，從車端到邊緣、到區域，做了技術單元，云端分三級，邊緣云、區域云都做了云平臺的設計。

在這樣的分層和分級下，做了各種任務的設計，是在多任務的體系下實現這樣的架構設計，這是國際上首個車路云融合特征的云控平臺評價架構，基于這個架構主要開展了兩大工作。

第一，車腦，車的基礎或者車的計算基礎平臺，定義計算基礎平臺和車腦基礎腦和操作系統，對操作系統做了梳理和定義。定義操作系統增加的功能軟件，它是由系統軟件、功能軟件定義這樣廣義的操作系統。在系統軟件里重點實現了解耦，未來操作系統是雙解耦的概念，系統軟件這部分通過中間層實現了計算硬件的解耦，要匹配不同的硬件。

第二，做了功能軟件和應用軟件的解耦，花了大力氣在突破，在國家的重大產業化支持項目下做產業化。中國自動駕駛人工智能應用最缺的是算法，但是算法和計算機這些應該是有區別的，所以怎么做好應用算法，所以提出了通過設計功能軟件要實現與應用軟件的解耦，能夠支撐不同類型的自動駕駛應用，特別是支撐讓大家做的更好的應用算法，這是重點突破的自動駕駛操作系統，把操作系統里面功能軟件做了專業化的定制改變，能夠實現一系列的功能。包括國家說的自動駕駛里面的信息安全問題從車端，通過這樣的自動駕駛操作系統可以實現信息安全，保障數據進來怎么分類，怎么做處理等等，在這里面我們實現了這樣的工作。

在這樣的一種自動駕駛操作系統完成的基礎上，、真正完成了車腦、技術腦的工作，提供體系架構通過相關的軟件設計，包括通過標準實現，現在已經實現了一系列的計算技術平臺產品，可以匹配不同的芯片，更重要的是讓應用工程師專心開發應用軟件。真正意義上可以實現跨整車、跨系統的開發。

另外一項一體化工作里，是如何建立的云控基礎平臺，實現云控網聯駕駛，利用這種方式可以突破智能網聯車云控協同的超視覺感知，稱之為真正意義上映射動態的數字孿生，這是動態的實時感知，能夠把準確的識別精度提升，用了這套云端連接和影射處理以后，將道路環境感知從百米級擴大到千米級，目標跨域跟蹤準確率提升了90%，提升行車安全的同時，為汽車自動駕駛提供更加豐富的信息支撐。現在很多人做的云平臺是煙囪型，數據平臺做不了。只有通過云的基礎平臺建立實現數據的交互，實現信息安全在數據端、云端的監控管理，將來統一建一個基礎平臺，可以實現數據的管理，同時實現數據的交互應用，能夠實現感知。

在實際應用當中，可以做到廣義優化型節能駕駛，云端車端融為一體，在云端做在線的動態規劃，然后到車端做動力系統的最佳工作點閉環控制，、保障車輛行駛感安全的同時，提升巡航過程中的經濟性。

下一步人工智能在智能網聯汽車的應用還存在很多的挑戰，不管現在怎么做，人工智能技術的突破，現在是智能性不足，它的智能跟人是沒法比的，是在比較簡單的工況下才能實現的應用。另外在未來自動駕駛實現的時候，還有一個很核心的問題是安全，目怎么做，在極端的工況下人工監管的次數還是存在的。所以還需要通過技術的手段不斷的完善，雖然感知已經有很大的進步，但是仍沒有達到絕對的準確，包括在典型的復雜區域和環境的影響，這里面還有一系列的方法需要探索，包括決策智能性還低于人，在車外的決策包括車內的決策還有一系列的工作需要突破。當然還包括、信息物理融合系統，它的信息安全不僅僅是管道的問題、通信的問題，車端也有很多的信息安全，數據端、云端也一樣，所以要做系統的考慮。

因此，智能網聯汽車是自動駕駛發展的新階段，中國方案的智能網聯汽車在系統定義、關鍵技術和產業生態方面具有特色。下一代AI驅動的中國方案在智能網聯汽車復雜環境感知、類腦智能決策、智能網聯車腦、云腦一體化系統等三個典型方案技術的方法，已取得了階段性的成果。AI驅動的智能網聯汽車發展在系統智能性、安全性等領域仍然存在技術不足的挑戰，而且倫理困境及責任認定方面也亟待突破。

謝謝大家！

（注：以上速記內容未經本人確認）