大家上午好！今天跟大家報(bào)告的題目是人工智能，快速掃描一下快速落地中的全球自動(dòng)駕駛產(chǎn)業(yè)，三個(gè)方面都有：第一，是從智能駕駛到無(wú)人駕駛；第二，產(chǎn)業(yè)的平靜與技術(shù)路線(xiàn)之爭(zhēng)，里面包括三個(gè)方面的內(nèi)容；第三，人工智能在自動(dòng)駕駛產(chǎn)業(yè)落地中新的機(jī)遇。

我們知道美國(guó)SAE關(guān)于自動(dòng)駕駛的分級(jí)，從L0—L5，總共6級(jí)，大家可能關(guān)心的是L2和L3，目前一個(gè)是部分的自動(dòng)駕駛，一個(gè)是有條件的自動(dòng)駕駛，我們認(rèn)為L(zhǎng)0和L1是一種輔助駕駛或者智能駕駛，L2和L3是我們的自動(dòng)駕駛，我們更關(guān)注無(wú)人駕駛的L4和L5，L5是完全跟人一樣的，比較遙遠(yuǎn)，但是產(chǎn)業(yè)關(guān)注重點(diǎn)可能L3、L4。我們看到自動(dòng)駕駛，在L0和L1方面，駕駛主要半自動(dòng)和輔助駕駛方面，L0是告警式的開(kāi)環(huán)，L1是閉環(huán)的。我們看到L2階段，全球搞自動(dòng)駕駛，不管是科研還是產(chǎn)業(yè)基本上在L2階段，實(shí)際上已經(jīng)把手腳解放了，需要隨時(shí)的接管，需要一個(gè)安全駕駛員、還有一個(gè)監(jiān)控駕駛員，但是機(jī)器不能夠處理極端環(huán)境和緊急情況。在L3階段我們把眼睛解放了，我們不需要去看了，不需要非常緊張的看到周邊的行車(chē)環(huán)境，是一個(gè)絕對(duì)可靠的機(jī)器感知，有監(jiān)控駕駛員，顯著的標(biāo)志是司機(jī)的位置沒(méi)有人，這樣就可以認(rèn)為這應(yīng)該是L3的水平的一個(gè)自動(dòng)駕駛。還可以看到，如果在L4階段或者L5階段，就是把腦袋徹底解放了，我們可以完全放心它的安全性，這個(gè)自動(dòng)駕駛出去以后我們不用擔(dān)心會(huì)因?yàn)榘踩珕?wèn)題給你帶來(lái)任何麻煩，這是一個(gè)真正意義上可以顛覆未來(lái)出行方式的技術(shù)。他們之間區(qū)別在于，L4要限定區(qū)域和限定功能，L5不用限定任何的功能和區(qū)域，跟人類(lèi)駕駛相同的，人可以去的地方它也可以去，人去不了的地方它也去不了，這個(gè)時(shí)候顯然我們不需要方向盤(pán)、也不需要踏板和后視鏡了。

我們現(xiàn)在關(guān)心的重點(diǎn)可能是在L4這個(gè)水平上面，他也有限定區(qū)域和限定功能，也要遵從一個(gè)商業(yè)模式，就是從簡(jiǎn)單到復(fù)雜的商業(yè)模式，比如我們首先開(kāi)始在封閉區(qū)域里面做軌跡跟蹤，這種自動(dòng)駕駛，就是園區(qū)、景點(diǎn)、工業(yè)區(qū)，可以在封閉里邊沿著固定線(xiàn)路或者是一個(gè)固定的車(chē)道自動(dòng)駕駛，這個(gè)場(chǎng)景是比較簡(jiǎn)單的，也是比較容易實(shí)現(xiàn)的，也容易獲得商業(yè)模式，比如機(jī)場(chǎng)、港口。另外一種是更加復(fù)雜一點(diǎn)的，比如簡(jiǎn)單的城區(qū)路況做自動(dòng)駕駛，在高速公路或者在城市特定里邊里邊做自動(dòng)駕駛，這個(gè)應(yīng)用場(chǎng)景相對(duì)簡(jiǎn)單，需要用高精地圖，障礙物檢測(cè)和行為預(yù)測(cè)，比較容易L3和L4。更復(fù)雜的，在高速公路與城區(qū)的全部道路自動(dòng)駕駛，最后擴(kuò)大所有道路可以實(shí)現(xiàn)，就是到L的階段了。應(yīng)用場(chǎng)景其其復(fù)雜，全路網(wǎng)高精地圖，還有障礙物檢測(cè)，行為預(yù)測(cè)和復(fù)雜檢測(cè)。

我們看到還有關(guān)于產(chǎn)業(yè)的瓶頸，這個(gè)方面首先看到環(huán)境感知與環(huán)境建模之爭(zhēng)，我們到底是完全用環(huán)境建模的方法、還是完全用純感知的方法，如果用環(huán)境建模的方法，優(yōu)點(diǎn)我們采取RTK厘米級(jí)精度的軌跡跟蹤，可以做到像人類(lèi)這樣的水平道路行使能力又快又好，但是他的缺點(diǎn)是明顯的，沒(méi)有環(huán)境適應(yīng)性、沒(méi)有自主性、成本高，僅適合于封閉場(chǎng)景，比如采用厘米級(jí)的拓補(bǔ)+RTK和障礙物的檢測(cè)方法。

這是全路網(wǎng)的拓補(bǔ)地圖，這是高精地圖，激光雷達(dá)掃出來(lái)的?？吹礁呔貓D有什么好處呢？用他來(lái)做地圖匹配，可以進(jìn)一步降低導(dǎo)航系統(tǒng)的硬件成本，而且容易實(shí)現(xiàn)全路網(wǎng)的自動(dòng)駕駛，采用這種軌跡跟蹤RTK裝置。還有純感知的，完全用攝像頭、完全用視覺(jué)解決自動(dòng)行駛的問(wèn)題，優(yōu)點(diǎn)就是可以全路網(wǎng)的自主行駛，人靠?jī)蓚€(gè)眼睛什么地方都可以去，根本不用地圖，也不用GPS，這樣具有高度的自助行和環(huán)境適應(yīng)性，因?yàn)樗揽繑z像頭、激光雷達(dá)，無(wú)高精地圖，無(wú)RTK，成本低，缺點(diǎn)是受車(chē)道線(xiàn)質(zhì)量的影響較大，車(chē)速降低，可靠性差，機(jī)器視覺(jué)和人的視覺(jué)是有很大區(qū)別的，這樣有很大問(wèn)題，應(yīng)該把環(huán)境感知和環(huán)境建模結(jié)合起來(lái)，同時(shí)獲得高興能的路面行駛能力，還要有自主性。

第二，視覺(jué)主導(dǎo)還是激光雷達(dá)之爭(zhēng)。我們知道有兩個(gè)產(chǎn)業(yè)化落地平靜，其中之一從L2到L3，一個(gè)是特斯拉的方案，還有一個(gè)是規(guī)格Waymo的方案，就是采用激光雷達(dá)的主導(dǎo)。這兩個(gè)方案都是要面向低成本，因?yàn)楫a(chǎn)業(yè)化落地瓶頸的觀(guān)點(diǎn)是要高可靠、低成本。這里邊有兩種，一個(gè)是視覺(jué)可能攝像頭+毫米波+超聲波+低成本激光雷達(dá)，激光雷達(dá)以低成本的激雷達(dá)+毫米波+超聲波+攝像頭。

視覺(jué)主導(dǎo)的解決方案，被動(dòng)視覺(jué)，受光照影響大，目標(biāo)檢測(cè)與SLAM較不可靠，但成本低。特斯拉Autopilot2.0，8個(gè)攝像頭，有一個(gè)OTA空中下載，還有云平臺(tái)進(jìn)行ECU軟件和功能升級(jí)，它的功能是通過(guò)軟件OTA升級(jí)的，自動(dòng)駕駛可以從L2演化到L4+。視覺(jué)主導(dǎo)的技術(shù)，特斯拉Mobileye技術(shù)過(guò)渡到運(yùn)行于NvidiaDrivePX2上。激光雷達(dá)主導(dǎo)方案，主動(dòng)視覺(jué)，目標(biāo)檢測(cè)與SLAM都比較可靠，但是成本比較貴，缺乏紋理和顏色。所以現(xiàn)在Waymo把這個(gè)激光雷達(dá)成本降下來(lái)了，自己搞了一個(gè)削減了90%以上，他今年剛剛上個(gè)月在美國(guó)鳳凰城進(jìn)行無(wú)人駕駛出租車(chē)的社會(huì)公測(cè)，完全無(wú)人的，上面沒(méi)有一個(gè)人，不像Uber那個(gè)，他在匹茲堡上面有工程師的，現(xiàn)在一個(gè)人沒(méi)有了，實(shí)現(xiàn)了無(wú)駕駛員社會(huì)公測(cè)的無(wú)人駕駛出租車(chē)，已經(jīng)看到在進(jìn)行公測(cè)了，所以它的技術(shù)應(yīng)該是相當(dāng)可靠。激光雷達(dá)主導(dǎo)就是進(jìn)一步，比如攝像頭跟激光雷達(dá)組成一個(gè)模組，使用彩色激光點(diǎn)運(yùn)輸局，進(jìn)一步降低激光雷達(dá)的硬件成本，現(xiàn)在比如4萬(wàn)6就可以買(mǎi)一個(gè)16線(xiàn)的激光雷達(dá)，如果研發(fā)固態(tài)激光雷達(dá)成本可以進(jìn)一步的降低。

循環(huán)漸進(jìn)還是一步到位之爭(zhēng)。我們知道第二幕，我們說(shuō)科研主導(dǎo)是第一幕，很早做科研、做自動(dòng)駕駛、做無(wú)人駕駛，這一幕基本上結(jié)束了，以市場(chǎng)為主導(dǎo)的自動(dòng)駕駛開(kāi)始上演，因?yàn)楝F(xiàn)在看到全球競(jìng)爭(zhēng)產(chǎn)業(yè)競(jìng)爭(zhēng)格局非常激烈，這里邊有兩個(gè)技術(shù)路徑，一個(gè)是漸進(jìn)路線(xiàn)，我們從很多傳統(tǒng)的主機(jī)廠(chǎng)可能愿意就這件事情，從L2逐步演化到L3，再演化到L4，另外一個(gè)路線(xiàn)就是這些互聯(lián)網(wǎng)企業(yè)或者科技巨頭，他們?cè)敢庾鲆粋€(gè)完全無(wú)人干預(yù)的L2+L4+以上的技術(shù)路線(xiàn)，因?yàn)樗恍枰烁深A(yù)，人干預(yù)反而干預(yù)不了，因?yàn)槿送⒁饬Σ患?，要說(shuō)讓他隨時(shí)接管可能他不愿意做這個(gè)事，可能注意力不集中反而容易引起事故。我們可以看到現(xiàn)在全球產(chǎn)業(yè)的格局，我們看到大量的企業(yè)，尤其創(chuàng)業(yè)公司特別多搞的動(dòng)駕駛的，我們看到老的車(chē)企，比如通用的Cruise，福特的通過(guò)收購(gòu)ArgoAI，還有日產(chǎn)的、沃爾沃、奧迪、大眾、奔馳，還有我們國(guó)內(nèi)的這些企業(yè)，基本上都在搞自動(dòng)駕駛。新的車(chē)企可以看到特斯拉、Wheego，還有國(guó)內(nèi)很多新的互聯(lián)網(wǎng)的新能源汽車(chē)，還有Tier1，我們可以看到跨界科技巨頭像GoogleWaymo、Uber、Apple，還有百度、騰訊、華為等等。初創(chuàng)企業(yè)特別多，初創(chuàng)企業(yè)可以列出很長(zhǎng)的名單出來(lái)，有nuTonomy，很多都是有華人背景的企業(yè)。

這是百度的阿波羅，可能集中在云上面的服務(wù)，提供云的服務(wù)，高精地圖，在數(shù)據(jù)平臺(tái)的服務(wù)上面、云服務(wù)上面。自動(dòng)化自動(dòng)駕駛，我們覺(jué)得應(yīng)該以信息化汽車(chē)作為底層平臺(tái)，我們說(shuō)互聯(lián)網(wǎng)汽車(chē)如

此重要的原因，因?yàn)槲覀冎罃?shù)字化和總線(xiàn)化或者網(wǎng)聯(lián)化是智能化的基礎(chǔ)和條件，所以需要在信息化汽車(chē)?yán)锩媸褂肙TA還有云，還有使用SDU，我們用軟件定義它的功能，跟我們現(xiàn)在智能手機(jī)一樣，通過(guò)軟件來(lái)實(shí)現(xiàn)它，這就為我們的自動(dòng)駕駛或者無(wú)人駕駛打下了一個(gè)非常好的基礎(chǔ)。

第三次變革，有可能從電動(dòng)汽車(chē)到智能汽車(chē)，然后到自動(dòng)駕駛汽車(chē)。我們看到新的“四化”趨勢(shì)非常明顯，就是要做電動(dòng)化、信息化、智能化、共享化，自動(dòng)駕駛有可能是人工智能最具商業(yè)價(jià)值，而且有可能是最早落地的垂直領(lǐng)域之一，要解決絕對(duì)的安全性、低成本，還要提供整體的解決方案，還要形成產(chǎn)業(yè)生態(tài)，還要催生商業(yè)模式。我們可以看三個(gè)核心問(wèn)題，第一個(gè)問(wèn)題是目標(biāo)識(shí)別的問(wèn)題，比如我們對(duì)交通稠密的復(fù)雜情緒，怎么可靠的進(jìn)行周邊障礙物的檢測(cè)、行為意圖的預(yù)測(cè)，還有自主導(dǎo)航，它不受比如GPS衛(wèi)星導(dǎo)航的影響，比如激光的SLAM、是覺(jué)得SLAM，還有多傳感器的信息融合。

人工智能新機(jī)遇，我們知道深度學(xué)習(xí)是完全用真實(shí)大數(shù)據(jù)，不需要進(jìn)行預(yù)處理，一般數(shù)據(jù)包括了視頻的圖像，包括激光的點(diǎn)云、毫米波雷達(dá)等等，而且實(shí)時(shí)性有GPU、TPU、FPGA、ASIC和類(lèi)腦芯片，已經(jīng)成為自動(dòng)駕駛感知、決策、控制的基礎(chǔ)技術(shù)，深度學(xué)習(xí)是環(huán)境感知和自主決策的決定性技術(shù)，可望使自動(dòng)駕駛汽車(chē)具有人的環(huán)境感知還有駕駛技能的自主學(xué)習(xí)能力。我們?nèi)送ㄟ^(guò)學(xué)習(xí)或者駕駛技能的，我們?cè)隈{校通過(guò)監(jiān)督學(xué)習(xí)，師傅手把手教，我們離開(kāi)駕校以后到你開(kāi)了幾十萬(wàn)公里，完全靠強(qiáng)化學(xué)習(xí)、好自主學(xué)習(xí)，靠經(jīng)驗(yàn)失敗與成功進(jìn)行學(xué)習(xí)的。我們可以看到環(huán)境感知與基于認(rèn)知地圖的自主導(dǎo)航，比如深度卷積神經(jīng)網(wǎng)絡(luò)，加上低成本的激光雷達(dá)，還有高精地圖、5G通訊、智能網(wǎng)聯(lián)以及智慧交通系統(tǒng)和智慧城市的合力支撐，有可能使極端環(huán)境的感知與低成本、高可靠自主導(dǎo)航成為現(xiàn)實(shí)，這是兩個(gè)關(guān)鍵的問(wèn)題，成為L(zhǎng)2跨越到L3最大的產(chǎn)業(yè)瓶頸，就是要做到可靠的感知，還有低成本、高可靠的自主導(dǎo)航。我們可以看到自主學(xué)習(xí)的智能決策和控制，由AlphaGo推動(dòng)的深度強(qiáng)化學(xué)習(xí)的應(yīng)用，讓我們汽車(chē)以后是不是像人駕駛汽車(chē)一樣的，駕駛技能有自主學(xué)習(xí)能力。

人工智能我們可以說(shuō)主要涉及到五個(gè)維度，有算法、有數(shù)據(jù)、有計(jì)算、有細(xì)分的場(chǎng)景，還有垂直整合，這個(gè)算法包括卷積深度神經(jīng)網(wǎng)絡(luò)，深度強(qiáng)化學(xué)習(xí)，數(shù)據(jù)包括目標(biāo)大數(shù)據(jù)、行為意圖大數(shù)據(jù)、駕駛行為大數(shù)據(jù)、駕駛軌跡大數(shù)據(jù)，計(jì)算有移動(dòng)端、云端、離線(xiàn)訓(xùn)練深度學(xué)習(xí)和加速器。我們看到學(xué)習(xí)算法，大家知道深度學(xué)習(xí)的開(kāi)源算法，包括TensorFlow等等。還有他的共享技術(shù)，我們看到深度卷積神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)可以用環(huán)境感知、信息融合、決策/控制，里邊可以有行為意圖的預(yù)測(cè)、認(rèn)知地圖的創(chuàng)建、多模態(tài)導(dǎo)航信息融合，還有基于深度學(xué)習(xí)的自主學(xué)習(xí)與控制。與高精地圖的結(jié)合，極端環(huán)境下的比如說(shuō)可行駛區(qū)域的檢測(cè)，還有車(chē)道線(xiàn)的檢測(cè)。

這是我們做的用KITTI基于深度卷積神經(jīng)網(wǎng)絡(luò)做的，可行駛路面與車(chē)道線(xiàn)檢測(cè)，這是完全語(yǔ)義分割的。還有基于深度卷積神經(jīng)網(wǎng)絡(luò)作障礙物檢測(cè)與識(shí)別，機(jī)動(dòng)車(chē)、非機(jī)動(dòng)車(chē)、行人識(shí)別。做行為意圖的預(yù)測(cè)，通過(guò)與高精地圖的結(jié)合，高精地圖是非常重要的，超越了人類(lèi)的先驗(yàn)知識(shí)。還有認(rèn)知地圖。用端到端的自主決策，用AlphaGoZero這樣的技術(shù)，用Actor—critic做控制，與知識(shí)驅(qū)動(dòng)結(jié)合，效果非常好。

我們看到大數(shù)據(jù)，看到大數(shù)據(jù)對(duì)自動(dòng)駕駛?cè)绱酥匾?，在深度學(xué)習(xí)算法中，看到采集喂食大數(shù)據(jù)越多，獲得更好的駕駛知覺(jué)?？梢钥吹皆诿绹?guó)加州路測(cè)企業(yè)已經(jīng)有37家企業(yè)以上，很多都是創(chuàng)新企業(yè)，尤其是互聯(lián)網(wǎng)的創(chuàng)新企業(yè)。產(chǎn)業(yè)競(jìng)爭(zhēng)的焦點(diǎn)兩個(gè)，一個(gè)是基于大數(shù)據(jù)的里程數(shù)，還有就是看人工干預(yù)頻度，比如1萬(wàn)公里干預(yù)多少次，比如人可能10萬(wàn)公里一次，最好的水平是谷歌的水平，最好已經(jīng)做到1萬(wàn)公里干預(yù)次數(shù)是1.25次，所以這個(gè)代表了最高的一個(gè)技術(shù)水平。可以看到通用量產(chǎn)的無(wú)人駕駛汽車(chē)，這是在量產(chǎn)的，量產(chǎn)車(chē)間出現(xiàn)的無(wú)人駕駛其他。

我們看到要解決這個(gè)問(wèn)題其實(shí)做到后面是更難的用大數(shù)據(jù)，因?yàn)楝F(xiàn)在方法必須要用完備的大數(shù)據(jù)，所以他就是要瘋狂的追逐自動(dòng)形勢(shì)大數(shù)據(jù)，而且大數(shù)據(jù)還有一個(gè)什么問(wèn)題呢？就是長(zhǎng)尾效應(yīng)，我們現(xiàn)在識(shí)別率比如從99.999%提高到99.99999%，99.99999%需要大數(shù)據(jù)是指數(shù)增長(zhǎng)的。我們看到計(jì)算能力，GPU/TPU。計(jì)算能力，還有云端的、終端的。

也可以看到汽車(chē)芯片巨頭，包括我們?nèi)虻男酒揞^都開(kāi)始聚焦人工智能芯片，尤其是關(guān)注自動(dòng)駕駛的芯片，自動(dòng)駕駛芯片形成了好幾個(gè)陣營(yíng)，其他的基礎(chǔ)條件，我覺(jué)得今后基于深度學(xué)習(xí)高精地圖，包括柵格地圖和認(rèn)知地圖，可能形成巨大的產(chǎn)業(yè)，因?yàn)槭浅浞值南闰?yàn)知識(shí)，會(huì)形成數(shù)字化、網(wǎng)絡(luò)化、智能化的交通基礎(chǔ)設(shè)施。原因是目前的學(xué)習(xí)不能解決語(yǔ)義理解的問(wèn)題，這是存在根本的缺陷，現(xiàn)在只能夠進(jìn)行，如果有完備的大數(shù)據(jù)他能夠做到人類(lèi)水平的檢測(cè)、分割與分類(lèi)，但是他沒(méi)有理解，人開(kāi)車(chē)為什么兩個(gè)眼睛就可以開(kāi)車(chē)呢？因?yàn)槲覀儗?duì)環(huán)境有理解，就是有抽象或者顯象，這個(gè)可以理解有語(yǔ)義，因?yàn)檫@個(gè)缺陷，這個(gè)缺陷就是你用多大的數(shù)據(jù)也不能解決他語(yǔ)義理解的問(wèn)題，到目前的算法，這樣就必須要利用其他方面的合力，來(lái)解決環(huán)境絕對(duì)可靠的感知問(wèn)題，因?yàn)閯倓傉f(shuō)L2到L3一個(gè)瓶頸。我們?cè)趺崔k呢？要注意其他條件，一個(gè)條件非常重要的，就是我們高精地圖，包括偶然的柵格地圖，另外一個(gè)條件是5G和NB—IoT，還有智能網(wǎng)聯(lián)技術(shù)，還要用智能交通系統(tǒng)ITS，可以在基礎(chǔ)設(shè)施道路上做一些改造，還有智慧城市等等，形成合力，這樣才有可能解決極端和緊急情況下的可靠感知問(wèn)題。

我們會(huì)在這個(gè)上面，如果有L2、L4技術(shù)的瓶頸突破以后，我想很快會(huì)邁向共享化的無(wú)人駕駛汽車(chē)社會(huì)。比如說(shuō)這個(gè)時(shí)候共享無(wú)人駕駛，還有人工智能的增值服務(wù)，會(huì)成為我們最終的目標(biāo)，包括智慧共享出行，包括發(fā)展智能的增值服務(wù)，智能增值服務(wù)很多人為自動(dòng)駕駛可能有1萬(wàn)億美元的市場(chǎng)空間，如果加上智能增值服務(wù)的話(huà)，可能要乘以10，我們手機(jī)現(xiàn)在每天打電話(huà)可能打不了一次，都是干其他事情了，今后可能在無(wú)人駕駛出租車(chē)或者汽車(chē)上面也會(huì)出現(xiàn)這樣的模式，可能出行是一個(gè)基本的功能，更多是在上面享受很多增值的商業(yè)服務(wù)，最終是要建立一個(gè)共享的網(wǎng)聯(lián)電動(dòng)的無(wú)人駕駛的生態(tài)。

最后結(jié)語(yǔ)，具有巨大產(chǎn)業(yè)價(jià)值的L4，正遵循限定區(qū)域可以從簡(jiǎn)單到復(fù)雜的商業(yè)模式演變之路。就是說(shuō)不管是簡(jiǎn)單的商業(yè)模式、簡(jiǎn)單區(qū)域的還是復(fù)雜區(qū)域的都會(huì)有商業(yè)模式，都會(huì)找到他的商業(yè)價(jià)值。環(huán)境感知還必須與環(huán)境建模（高精地圖）結(jié)合起來(lái)，原因就是我們現(xiàn)在無(wú)論算法或者人工智能算法還存在缺陷，不能對(duì)環(huán)境進(jìn)行理解，這樣的話(huà)他需要與高精地圖結(jié)合，需要與5G通信、與NB—IoT、車(chē)聯(lián)網(wǎng)、ITS、智慧城市形成合力，這樣才可以解決極端環(huán)境和緊急情況這種可靠感知，助推L2到L3，為自動(dòng)駕駛產(chǎn)業(yè)的落地邁出最關(guān)鍵的一步。高可靠、低成本是視覺(jué)或者激光雷達(dá)主導(dǎo)技術(shù)路線(xiàn)的共同要求，要求高可靠、低成本，這個(gè)事情要做成最后我們要多傳感器融合的解決方案，多傳感器融合就成為必須要解決的共性的核心的關(guān)鍵技術(shù)問(wèn)題。深度學(xué)習(xí)是環(huán)境感知與自主決策的決定性技術(shù)，可望使自動(dòng)駕駛汽車(chē)具有類(lèi)似于人的環(huán)境感知與駕駛技能的自主學(xué)習(xí)能力，其中大數(shù)據(jù)與干預(yù)數(shù)成為評(píng)測(cè)的關(guān)鍵。人工智能的深度融入，必將加速L4+無(wú)人駕駛產(chǎn)業(yè)的商業(yè)落地。