3月28日，“地平线”上海自动驾驶研发中心宣布成立，并入驻有着中国“汽车硅谷”之称的上海汽车·创新港。
该研发中心的核心业务是自动驾驶软件系统“雨果”，其致力于提供面向自动驾驶的高性能、低功耗、低成本的嵌入式“人工智能”（AI）软硬件解决方案。该方案一方面将推动自动驾驶的发展进程，另一方面更是再次体现了人工智能的“未来大脑”地位。
人工智能是跨越自动驾驶的关键所在
在过去近60年的发展历程中，人工智能一直依赖于人工命令的有限逻辑去实现单一的辅助功能，它的原理是让人先去教机器，然后机器再为人做判断。而“深度学习”给人工智能带来的是认知算法的衍变，这一算法将使计算机摆脱人脑逻辑命令的限制，转而通过利用特定的路径进行演绎归纳，形成自己的逻辑，并在整个应用过程中不断进行无监督学习和反馈，以修复自身存在的不足。
人工智能的“走热”促进了多个产业的创新发展。其中，自动驾驶是最被看好一个产业风口，谷歌、苹果以及百度等科技公司均在自动驾驶领域积极布局。
中国工程院院士、人工智能学会理事长李德毅指出：要实现释放人的注意力的自动驾驶，就需要研发和驾驶员一样的在线“驾驶脑”，模拟实现人在驾驶过程中的自主预测和控制，以应对车辆行驶中的不确定性。无疑，拥有自主学习和反馈能力的人工智能最具“驾驶脑”潜质，成为实现自动驾驶的关键所在。
自动驾驶可分为五个等级：辅助驾驶、部分自动、有条件自动、高级自动和完全自动。目前，辅助驾驶ADAS（高级驾驶辅助系统）的逐步发展，使得汽车辅助人、辅助无人、全自动驾驶车的驾驶模式正在逐步实现，奠定了智能车自主驾驶和双驾双控的当前局势。
虽然由整车厂牵头的ADAS驾驶辅助系统开发研究已有十几年的历史，但其思路始终没有完全跳出驾驶辅助的限制，这使得完全自动驾驶成了缓慢进程中的一个遥远目标，不利于自动驾驶的快速发展，并且只研发ADAS也不能满足目前自动驾驶对技术的需求。之前以ADAS为核心业务的Mobileye，现在也转而开始研发驾驶控制、决策等的人工智能系统。因此，百度自动驾驶事业部副总经理孙勇义说：“人工智能是跨越自动驾驶的关键所在”。
两股势力助力打造“自动驾驶脑”
当前，自动驾驶领域的人工智能产业正在经历“芯片+算法”、制造业联手科技业的阶段。其中，以IT巨头Inter收购以色列驾驶辅助系统开发商Mobileye和汽车零部件供应商博世宣布与NVIDIA合作最具代表性。大量的整合已在自动驾驶领域发生了质的变化，两股助力汽车“自动驾驶脑”打造的势力已然呈现。
其中一方的做法是：首先在车辆上植入一个支持固定算法的驾驶数据模型，然后将车辆放在各种不同的路况和场景中测试，用收集到的数据优化这个数据模型，并将优化的数据模型下载到汽车里，更新原来的算法，由此循环往复，形成不断的自我学习与自我提升，最终训练出能应对各种驾驶状况的“大脑”。目前，百度、博世等众多公司的自动驾驶方案都是基于该算法打造的。
另一方以Drive.ai和NVIDIA为代表，旨在通过端到端的全深度学习模型，直接将从传感器传出的信号输出成为驾驶决策。行业内将该方案的人工智能算法定义为“增强学习”。博世“全球人工智能研究中心”负责人Dr.Hauke Schmidt将增强学习算法比喻为训练神经网络中的神经元，即自我感知、自我反馈、自我生长。例如，车辆在驾驶环境中做出一个行为，这个行为会对驾驶环境产生影响，此时车辆系统的算法会自行判定这个行为到底是好还是坏。判定之后，系统的算法会收到一个正面或者是负面的反馈，而这个反馈会进一步增强系统的算法，由此逐渐生长出完善的“大脑”神经系统。
“深度学习”和“增强学习”在打造汽车“自动驾驶脑”方面有着较强的实力和信心，其在本质上都是依靠案例及数据模拟人类的驾驶行为。但是相对而言，“深度学习”的市场掌握程度较高，因此也是当前自动驾驶方案中最常使用的一种算法。而“增强学习”在自动驾驶领域的应用前景更为广阔。
自动驾驶仍需时日
虽然自动驾驶得到了人工智能“深度学习”和“增强学习”的助推，但就这两股势力本身而言，尚有较长的路要走。其中，最迫切的是驾驶大数据的收集与云端建设。
人工智能依靠的就是对数据深度学习形成的数据模型，因此数据收集的能力与有效数据的规模成为人工智能程度最重要的决定因素，也是自动驾驶自动与安全程度的关键所在，汽车“自动驾驶大脑”的高精度地图、定位、感知、智能决策与控制四大模块都要依靠数据建立。而目前全世界的驾驶数据积累都严重不足，中国道路的驾驶数据甚至还是空白，之前主机厂可能积累了一定的驾驶数据，但不是自动驾驶数据。这一方面说明自动驾驶依旧任重道远，另一方面也揭示国内本土化的驾驶决策算法和数据收集将成为一块较好的市场。
其次，前段感应器等硬件的配合还有待进一步改善。人工智能时代的来临将在很大程度上颠覆以往软件跟着硬件走、算法随着芯片升级的局面，因此前段感应器等硬件的主动配合在自动驾驶中显得尤为重要。而NVIDIA增强学习算法要求下的计算平台、价格合理的高感知能力激光雷达等众多配套硬件依旧停留在设想阶段，仍未获得具体的解决办法，这又让自动驾驶的落地时间成为疑问。
此外，汽车发展的这130年间，虽然车辆动力学性质已经相当完善，人机工程学的巨大成功也导致纵向控制和横向控制的解耦，为智能车的自主驾驶和双驾双控奠定了基础。但要实现更高等级的自动驾驶，还需要主机厂与零配件供应商共同努力，走出单一的ADAS模式，迎合人工智能与自动驾驶的这股浪潮，开创更加便捷、安全的汽车生活。
总之，人工智能是一个复杂的命题，自动驾驶更是一个系统的任务。人工智能已然来临，但自动驾驶仍需时日。自动驾驶系统中的创新公司、整车厂、供应商等方面要携手并进，别让自动驾驶成为一个个“干想不做”的口号。
