以下内容摘编自张亚勤院士的新书《智能涌现——AI时代的思考与探索》。
作为人工智能领域的权威专家，张亚勤在书中系统探讨了AI技术对自动驾驶产业的赋能。自动驾驶的核心优势在于提升交通安全、效率和环保水平，同时催生万亿级市场。张亚勤结合技术演进、商业前景与中国实践，揭示了自动驾驶从单车智能到车路协同的发展趋势，并强调这一领域对中国产业升级的战略意义。
自动驾驶将成为万亿级赛道
作为汽车行业革命的关键技术，自动驾驶将从安全、效率及商业模式等多方面赋能交通产业升级。总体来说，自动驾驶的优势一是安全高效，二是节能环保，三是能创造巨大的产业机遇。智慧交通新时代如图5.1所示。
首先，自动驾驶能够极大地提升交通安全和效率。世界卫生组织（WHO）发布的《2023年全球道路安全现状报告》表明，2021年全球约有119万人因道路交通事故死亡a。其中大多数事故是人为错误导致的，而AI的介入可以大幅降低人为事故隐患。自动驾驶技术领域的一项共识是，自动驾驶车辆的安全标准应较人类驾驶提高至少一个数量级，达到人类驾驶安全系数的10倍——假以时日，这一标准还可能会升至100倍甚至更高。
其次，自动驾驶能够有效提升交通系统的出行效率和能源使用效率。自动驾驶可以提高行驶效率，优化行驶路线，提高交通流的速度和密度，减少交通拥堵，优化全网交通流，提升整体能源利用效率。同时，自动驾驶技术将催生新的商业模式和服务模式，如共享自动驾驶出租车、无人货车等，这些新模式不仅能提高车辆的使用效率，还有助于减少环境污染。
最后，自动驾驶能够创造出巨大的商业价值。根据麦肯锡未来出行研究中心发布的报告，中国未来很可能成为全球最大的自动驾驶市场，2030年自动驾驶相关的新车销售及出行服务创收将超过5 000亿美元。如此巨大的商业价值意味着全新的机会——新的芯片、新的操作系统、新的软件、新的服务及新的产品。
可以想象，5年或10年后，在宽广的、具备一定智能的城市道路上，行驶的都是自动驾驶车辆，不需要司机和监督员，能够实现真正意义上的无人驾驶。乘客通过语音告诉汽车想去的地方，从起点到终点的所有路径都通过车路协同系统和优化后的算法来实时规划与变更，道路上的堵塞现象会大幅减少，排放也会显著降低。最重要的是，由人为因素（如饮酒驾车、疲劳驾驶、超速行驶、开车看手机等）造成的交通事故会显著减少。
然而，自动驾驶是一个复杂而艰巨的课题，涵盖了感知、认知、规划、决策、执行等诸多环节，系统需要在极短的时间内做出正确的判断和行动。同时，自动驾驶也是一个垂直且狭义的AI 问题，可以被分解为有边界的子领域技术问题。因此，我认为自动驾驶不仅可以实现，未来还有望成为主流的出行方式。况且，自动驾驶只需要在安全的维度相较于人类驾驶员实现数量级的提升，就存在投入研究、推进研究的价值。
自动驾驶是不容错失的机会
汽车这一传统产业经历了100多年的发展。当下，新能源汽车、智能汽车、自动驾驶、软件定义汽车、从汽油转向电能对汽车产业带来了巨大的颠覆与重塑，而自动驾驶无疑是最具颠覆意义的因素。对于已在新能源汽车领域构建了独特优势的中国来说，自动驾驶更意味着不容错失的机会。
自动驾驶系统是核心，各种新形态的“车辆”是承载核心价值的“外骨骼”。除了无人车，还有一些企业、创业者在研发飞行车，希望将《银翼杀手》《第五元素》等科幻电影名作中的场景搬运到现实中，将传统的二维交通体系扩展到三维空间。其实，交通工具——无论是地上跑的、天上飞的、海里游的——只要被赋予了自动驾驶的能力，研发人员就可以专注于设计性能、安全性与可靠性更高的机械部分，至于感知、定位、决策、控制、通信、人机交互和能源管理，都可以交由自动驾驶系统来完成。正因如此，未来的10年、20年，由成熟的自动驾驶系统催生出的新兴市场很可能不只万亿级的无人车，还有缤纷多样的交通新物种。而日后的城市规划者，也需要根据崭新的交通场景、截然不同的布局思路来构思和实施。
自汽车和飞机发明100多年后，交通领域又在酝酿一场足以塑造未来的新风暴。
在自动驾驶车辆商用化落地方面，中国已初步确立“先发”优势。早在2021年，北京市便率先开放了国内首个无人化出行商业试点，在北京经济技术开发区核心区60平方千米的范围内投入30辆主驾无人车辆，开展常态化收费服务。这一事件可看作中国自动驾驶车辆走向商用化的起点。
对于自动驾驶，中国在政策层面给予了很大的支持。当前，从北上广深到渝汉蓉庐，都为自动驾驶汽车开放了示范运营区域。同时，政府也很谨慎，毕竟方向盘后“有人”或“无人”，不仅关乎乘客对技术的认知和信心，更关乎生命。
站在科研人员的立场来说也是如此，任何时候都必须把生命安全放在第一位。正确的心态应该是，一方面乐观地期待足够安全的自动驾驶能够稳健落地，另一方面时刻保持谨慎与警惕。汽车产业不同于其他产业，新产品从面世到其价值获得普遍认可的周期很长。比如新能源汽车，早在1990年，通用汽车公司便面向全球推出了Impact纯电动汽车；而作为当前全球市场的领导者之一，特斯拉汽车公司于2003年成立，但直到2020年才赢利。
中国新能源汽车的销量在2021年第一次超过整体汽车销量的10%，其后在多种因素的作用下迅速腾飞。到2023年，新能源汽车（包括纯电和混动）在整体汽车销量中的占比已达31.6%；相比之下，同期美国电动汽车销量仅占总销量的9.1%。
新能源汽车的发展历程对自动驾驶车辆的研发者和生产者来说很有借鉴意义。前人说得好，“每临大事有静气”，对待行业的重大变革，更要有十足的耐心。
自动驾驶技术研究的三个阶段
第一个阶段（20世纪70年代至20世纪末）：完全基于规则的技术。早期的自动驾驶研究主要集中于预先设置的规则。典型的案例如卡内基梅隆大学的ALVINN（Autonomous Land Vehicle in a Neural Network，神经网络中的自主陆地车辆）项目。
第二个阶段（21世纪初至2010年代中后期）：感知与数据驱动。随着传感器技术的进步，自动驾驶开始注重环境感知，通过传感器获取大量数据，并利用这些数据进行决策。有影响的项目包括谷歌无人车（后来的Waymo）、百度Apollo等。事实上，Apollo自动驾驶系统研发初始阶段采用了很多碎片化的小模型来分别训练地图、视觉、激光雷达等，随之还制定了大量感知、规划、决策的规则，这使整个系统不可避免地变得越来越复杂。
第三个阶段（2010年代晚期至今）：大模型和生成式AI。AI 技术，特别是端到端学习、深度学习和持续学习等，在自动驾驶过程中得到广泛应用，使车辆具备了更强的学习能力和适应性。这一阶段的案例以萝卜快跑的无人出租车和特斯拉的FSD为代表。随着算法提升、AI技术成为主导，Apollo平台的规则开始逐步变少——系统自身可以学习和总结规则，做出判断。
除了技术因素，在推动自动驾驶技术产品化、大众化、普及化的过程中，还涉及两类关键问题：一类是市场力量，如技术可行性、用户需求挖掘、产品生态走向与商业模式等；另一类是非市场力量，包括政策、法规、伦理、隐私及其他人为因素。
就技术层面而言，“感知”曾经是研究者渴望攻克的首要关隘。此前自动驾驶系统的感知功能单元面临的最大能力问题在于泛化能力的不足。当首次驶入陌生的交通环境时，系统往往无法提供精准可靠的感知能力。相比之下，人类驾驶员不仅可以根据过往经验迅速找出解决办法，还能够随机应变、灵活应对各种突发问题。不过，人类驾驶员的能力不能无损耗地复制给其他人，而且驾驶员之间的驾驶水平也可能相差悬殊；而可靠的自动驾驶系统能任意复制，这是AI的优势所在。
传感器的类型、数目和品质对自动驾驶汽车的能力与安全性有着极大的影响。多传感器优于单传感器，但由于前者的总体成本一度居高不下，客观上成为这一领域创新提速的掣肘因素。当然，现在的情况要好得多。曾经，一台激光雷达的价格可能高达数万美元；而今，售价1 000美元左右的激光雷达比比皆是，很快还会降至几百美元。毫米波雷达的成本也已从数千美元降至数百美元。至于超声波传感器和高分辨率摄像头，目前其市场价格已降至几十美元。这些重要元件的价格不断下降，使得自动驾驶技术的普及变得更加可行，也推动了自动驾驶汽车的商业化进程。
近年来，随着智能网联逐步上升为国家战略，车路协同技术得以更快发展。相较于单车智能缺乏全局视野、感知能力有限等问题，车路协同的模式具有实时获取全局交通信息、感知范围更加广阔和全面等优势，能够为单车智能提供必要、关键、互补的信息，进而提高自动驾驶的安全性。
(本文作者介绍：清华大学智能产业研究院（AIR）院长、中国工程院院士（外籍）)