以下為李德毅院士在“GTIC 2017全球（智慧）科技峰會”上的演講全文：

大家早上好，我今天講講自動駕駛技術的變遷，首先跟大家聊天，我們應該想想這個背景是什么，增加了什么東西，我是一個消費者，我買了三代的掃地機器人，我覺得我可以跟大家共享一下我的體會，一開始是買的日本的一萬多塊錢的機器人，到家以后，他就在角落休息，什么原因？不皮實，壞了一個螺絲就沒有辦法干活了，缺少工匠精神。

這件事情希望各位制造商們一定要站在用戶的角度，做的皮實一點，否則好東西就浪費了。第二個重要的問題是掃不干凈，我們掃地為什么不能掃地機器人代替小時工呢，因為他掃不干凈。第三個由于文契重要，掃不到位，因為該掃的地方掃不到，讓你著急，明明臟的在那兒掃不掉，怎么辦，所以大家給這個機器人加了很多的傳感器，紅外的不行就加攝象頭，現在還要加雷達，這樣一來用戶就要買不起了，所以我們要用人工智能改變思路，我跟制造商講了，能不能回家以后用搖控器掃一下，讓他記憶一下這個環境。先讓他有交流和學習的功能，而不是到家就亂撞，現在掃地積極人到家里就亂撞，他的理論是在有限的空間內無限的掃，總是可以掃到的。所以我希望大家好好想想，掃地機器人是多大的市場，怎么樣能把他們替代了。

移動通信、云計算、物聯網和大數據解決了我們家電和消費電子的最后一公里的問題。如果我們的產品買回來以后，放在家門口，大家都一樣，你就認為那個事做完了，對不起，你就要被淘汰，真正做得好的是從門口到家里的那一公里，要知道怎么用，用的好不好，你根據他使用的情況還可以做改進，那你家里就好了，所以我們做消費電子產品的電子商們，如果你的產品都是一樣的，千篇一律的，就完蛋了。所以我們感謝人工智能，尤其是感謝深度學習，他不是驚天動地的，是潤物無聲的。

他解決了什么問題呢，讓制造業變成了服務商，讓我們更加的任性化，你可以和機器人交談，這個是最自然的。尤其是解決了個性化的問題，我家里的熱水器和你家的熱水器使用就是不一樣的，我們家里的空調一般不是用壞的，而是用了舊了換了，如果你說一句話，他會答應你，那你覺得是什么場景。我們告訴大家，人工智能的時代到來了，光是自動化是不夠的，必須搞人工智能。

說說自動駕駛，自動駕駛這個事情，150多年了，從世界上第一輛奔馳出來到現在，經過了19世紀到20世紀，現在我們已經到了自動駕駛、自主駕駛、輪式機器人，我們曾經有一個非常好的電子，ADAS。汽車引入人類生活，以孤立的人工駕駛模式已經有一百多年的歷史，隨著自動控制的技術在汽車的所有執行器上得到了普遍應用，進而在若干執行器組成上得到了普遍的應用，自動駕駛有著長久的發展過程，導致今天的全自動駕駛呼之欲出。我在英國留學的時候，我做了一個ACC我覺得很好，他做的很好，一開始我看ACC怎么來的，定速云航，然后是定距巡航，然后是自適應巡航，所以ACC的歷史可以追溯到1971年，有時候開車不用腳，有時候不用手，大大激發了駕駛的熱情和激情，現在吊足了大家的胃口，尤其是特斯拉，先說做了一個自動駕駛，然后說是輔助駕駛，我們開玩笑啊到底是什么駕駛？后來又是導航，大家發現如果路徑不熟悉，這個導航很好。

我們說一下我們國內的自動駕駛標準。美國加州車管局發布的2016年度自動駕駛報告中，最高水平的0.2次每千盈利的干預頻率是什么等級？究竟要多少科目的自動駕駛模式？汽車總有一天如同地鐵車或者高鐵車一樣，自動駕駛在封閉的結構化道路環境下實現自動駕駛+智能網聯。其實，實現最好的，我認為是地鐵，地鐵的火車基本是無人駕駛，我剛剛在北京看了他們的一個無人駕駛的會，很好，然后是高鐵，也是這樣的，高鐵的司機也不用開車，都是網絡調度。我們很多人在這方面做努力，什么5G、移動互聯網、云計算、大數據，尤其是基礎設施的改變，因此，智能網聯就帶來無限的想象空間，大家精力放在智能網聯上了。

但是，真是這樣嗎？我想回顧一下自動泊車，早些年就有這樣的自動泊車的系統，增加兩萬塊錢就可以有這樣的功能，這可以吊足夠你的胃口，買回家以后什么結果呢？回家以后發現，2005年雪鐵龍有一個這個技術，僅僅是釋放方向盤，方向盤自動轉，但是這個泊車還是不能完成泊車，所以廠家把這個兩萬塊錢的功能取消了，用戶不買了，你搞不定我也搞不定。所以搞自動駕駛的人提出了一個提醒，你那個車的自動泊車是一個噱頭，你做不到的，這個功能也做不到。我說一個泊車，泊車有正面泊車、垂直泊車、側方泊車，最難的是私家車位泊車，我們的這個停車位置有限，在地下又沒有GPS，怎么辦？

于是，我們有的學者開始想了，怎么把自動泊車的模式重新設計，有沒有高精度的地圖信息，沒有，也沒有衛生導航信息，也沒有結構化的道路信息，有沒有路徑信息？沒有，有沒有路口信息，也沒有。全自動泊車取決于是否可以窮舉泊車的所有窗口條件，我們都停過車，你認為需要多少條件？如果你自動泊車都做不了，怎么來的全自動駕駛，這是一個人工智能的缺失，對自動化技術的缺失，這個天花板怎么解決？

再看看這個自動駕駛等級轉換點的起點在哪里，掌控權交界點如何度量。

什么是全自動，就是全天時，全天侯，全地域。那么，出行有風險，開車要謹慎，安全無勁頭，智能無極限，這是我們看無人駕駛、自動駕駛的一個基本方面。我們做一個數據證明，如果全自動駕駛等于自動駕駛模式i，這里面有兩個問題，第一個問題，多少種自動駕駛模式才能安全完全覆蓋各種各樣的駕駛場景，這是一個充分條件。

第二個條件，從一個狀態到另外一個狀態是唯一確定的嗎？這就是一個充分必要條件，困難就是這兩個問題。因此，我們今天做了一點自動駕駛的解釋，啟動計算機程序，讓汽車自動開如果程序不合適，則由人來調程序，本質上是程序員通過程序教機器人開車，汽車成為軟件定義的機器，實現自動駕駛，自動佳士得車不需要有個性，這樣的自動駕駛你同意嗎？如果有一天全社會的車子都是自動駕駛，這個里面黃色的都是自動駕駛，還有兩個車是人工駕駛的，是紅色的，這個紅色的車有一點情緒，他們覺得你們都有錢，我沒有錢，我不按常規開了，于是出現了我上面寫的這個話，兩個人駕駛的車和多個帶有自動駕駛模式的車混合行駛，由于自動駕駛模式缺少交互認知能力，受到人駕駛的車的干擾，這個家動駕駛的門檻立馬崩潰，幾乎全部轉為人工駕駛。自動駕駛可能也是個陷井，就像空調一樣，因為你不智能。你怎么知道我這個車上有多少是人開的車，有多少是自動駕駛的車？

怎么樣跨越自動駕駛的陷井。我提出一些我們的觀點，我們認為自動駕駛的基本問題是要解決車的問題，還是解決人的問題？如果你是解決車的問題，你就把車越做越橋，做成軟件定義的機器，實現自動駕駛。而我們認為，我們要把駕駛員的工作用機器人替代是有自主決策和行為能力的認知主體，實現自主駕駛，有個性。

一點感嘆，汽車是從馬車演變而來的，作為動力工具，汽車的馬力可以達到100匹，但是現在汽車遠不如馬，因為不同的負荷、不同天氣、不同路面、不同的曲率、不同速度、不同車輛情況下的適應能力，汽車的感知認知能力遠遠不如馬這個認知主體。自動駕駛過程中，駕駛員與環境和周邊車輛的交互認知哪兒去了，駕駛員和經驗和臨場處置能力由誰來替代？這個是每個開車人都遇到的，一個是常常遇到的，一個是偶然遇到的場景，小概率事件發生一次是必然的，所有駕駛人都會遇到這樣的情況，大雨天、大霧天、大雪天，你開一個車在過橋的時候，這個風來了，你感覺到這個車漂了，你怎么處理？狹小的胡同，崎嶇的小路，積水、涉水、冰雪、地裂等等，你怎么辦？紅綠燈失效，道路施工、事故突發，行人違規、車輛醉駕等等交通狀況，你怎么辦，連新手駕駛員都難以完成的這些駕駛任務，經驗駕駛員往往能夠靈活處置，而自動駕駛的車輛如何應對呢？如果這些問題不解決，你怎么能做到自動駕駛呢？偶發的，常常遇到的這些情況，靠自動駕駛能解決嗎？

所以，汽車自動駕駛時，有時候釋放人的腳，有時候釋放人的手，甚至可以同時釋放人的手和腳，但能不能釋放人的主力，釋放人的駕駛認知，實現全自動駕駛，如果不能釋放人的注意力的自動駕駛，都是談不上真正的自動駕駛。為了應對這個問題，我們在全世界率先提出了駕駛腦，代替人的這一部分。這樣一來，開車的疲勞駕駛和注意力分散就不存在了，路邊的美女不要看，開車就開車。駕駛認知中的選擇性注意和選擇性記憶，這是我下午要跟大家說的。

我們的解決方案，不是自動駕駛+智能網聯，而是自主駕駛加交互，這是我們和別人不一樣的地方，我們希望把汽車做成一個可交互的輪式機器人。

自動駕駛難在擬人，不僅在車。駕駛腦自主應對駕駛過程中的常常遇到的偶發的各種各樣的不確定性。我們2017年要生產一百臺做的這個駕駛腦，里面有我們自己的國產芯片，生產專用芯片和板卡，研發駕駛腦，總的要求是一大一小，兩高兩低，大接口、小尺寸，高性能高可靠。我們的創新，這個駕駛腦是具備駕駛技能的的，對路況也是非常熟悉的，我們還是具有個性化駕駛和標桿駕駛的。智能車研發的困難，不僅僅是汽車動力學的性質和各種各樣的傳感器要求，更重要要研發和駕駛員一樣的在線機器駕駛腦，模擬實現人在回路的自主預測和控制，應對車輛行駛中的不確定性。駕駛腦的暢想，駕駛腦有在線學習能力，記憶有成十上百的駕駛事故預防處置，還能和乘坐者聊天。

我們的智能駕駛還有一個等級區分。盡管智能車產業化正在星期，專職司機行業將逐漸消失，私人擁有轎車的時代已經漸行漸遠，但是這也必定是一個可持續發展的過程，有一個全社會的適應周期。這樣的情況下，我們希望自動駕駛做的更好，ADAS做得更好。我們希望我們的輪式機器人要和多種人交互，不僅和駕駛員交互，還可以和乘客交互，甚至可以和交警交談。我們將來期盼著白色的ADAS從輔助人的變成輔助無人的。我們在座的同志們，誰能成為我國生產車載毫米波雷達、激光雷達、夜視雷達量產首家過千臺的企業，誰能成為我國生產車載相機、車載BDS朝千臺的企業，什么時候白色的ADAS成為橙色的ADAS。

?