雷锋网新智驾按：第 19 届亚太汽车工程年会 & 2017 中国汽车工程学会年会暨展览会（APAC 19 & 2017 SAECCE）于10月24-26日在上海举办，本次论坛以“未来汽车与交通变革”为主题，逾 3000 位国内外业界嘉宾共同探讨汽车产业车厂与零部件协同创新和技术发展路径。雷锋网(公众号：雷锋网)新智驾全程参与此次盛会的报道，并将博世底盘控制系统中国区总裁陈黎明在年会上的演讲编辑整理如下：
AI 时代
如今，业界对于 AI 的投入非常大，像 Google、百度这种科技巨头，投入的量级在 200-300 亿美元，初创公司差不多在 60-90 亿美元左右，同时还有很多私募基金也在往里面投，投的钱是2013年的3倍之多。
现在是AI的风口浪尖。从整个世界的范围来看，AI 浪潮主要还是集中在美国、中国、英国等国家，主要集中在 AI 的基础研究、应用以及人才储备上，目前，美国排第一，中国排第二。AI 可以说是第四次工业革命的核心技术，将推动工业革命的进程。
中国也为发展 AI 制定了完整的技术路线：2020年要赶上世界领先者美国；2025年在一些基础领域要有一些突破，同时把 AI 变成中国经济增长的推动力；2030年在 AI 基础研究以及实际应用上发力，助推中国成为经济大国。
下面给大家分享一些数据。
上图左边是 GFK 此前的一项研究报告，可以看到 AI 在医疗、教育、金融、安防、电子商业、交通等方面产生了巨大的推动作用。右边是博世内部的战略公司做的调查报告，讲的是 AI 在 5 年后对于各行业的影响程度，可以看到高的已经达到 80%，在汽车工业、自动驾驶这一块，AI 的影响程度大概从现在的 15% 增长到 5 年后的将近60%。
AI 将影响我们整个的经济、生活和技术发展。
自动驾驶的机遇
再来看一下 AI 在自动驾驶领域的应用，实际上自动驾驶就是要用机器取代人类驾驶员的眼睛、耳朵、大脑进行分析判断，然后取代手脚，对车进行操控，最后安全的实现从 A 到 B 。
还有一个层面是实现层面（Realization），也就是上图最下面这一行。你有再好的激光雷达、AI 技术，如果不能把它们集成在一起，也是白搭；同时在计算能力、失效保护、安全验证方面不能按照车规的要求将其落地到市场上，也算不上真正实现自动驾驶。
上图展示了一个比较简单的驾驶场景，要做车道线识别，传统的方法是使用 Rule-based 来做。它通过一些规则来描述物体，当我们周边的驾驶环境比较简单的时候，那基于规则的传统算法是精确、有效、快速且便宜的，足以满足行车的需求。我们的驾驶员辅助系统以及L2、L3 的很多产品都用的是这种方法。
但随着自动驾驶场景变得越来越复杂，传统的 Rule-based 方法就碰到了天花板，特别是当我们把驾驶权交给车、系统时，情况就有质的区别，起码我们对周边环境的感知要求更高了。
这个时候我们需要更新算法、打造模型去模拟环境，AI 便提供了很好的解决方案。
下面介绍一下博世下一代摄像头，引用了 AI 技术。
上图展示的是一个太阳天的驾驶场景，人眼可以很清楚的看到车道线和其他车辆，但是摄像头就不一定能看出来。
如果用传统的逻辑和方法来做，车道线是看不出来的，但是通过深度学习的算法，摄像头便能把整张图片的语义读出来：道路在什么地方、植被在什么地方、车在什么地方。AI 技术帮助我们在复杂的驾驶环境下，能够更好地理解周边的环境和语义，留出我们想要的东西。
下面再介绍一下博世稳定的 360 度环境感知系统。
我们的下一代毫米波雷达的探测距离从 160 米增加到了 200 米，带宽从 1G 延展至 1.5G，分辨率更高，视线更好；下一代的超声波雷达，探测距离更宽，速度更快、精度更高；我们的激光雷达也在研发过程中。
在云端，我们也有一些不同的解决方案，我们的摄像头、雷达以及其他传感器可以事先进行训练和学习，在整个驾驶过程中，能力还可以继续提升，甚至量产以后还是可以继续学习、优化。
所有的这些数据会回到云端，在云端继续学习，之后可以 Update 到每个使用这些传感器的车辆上，保证了所有的车都有同样的智能程度去面对真实的驾驶情况。
另外，AI 可以在整个自动驾驶过程中有很大的应用，包括感知、思考、决策、执行，只不过用的方法不完全一样，每一个神经网络都有它自己的优势和劣势。对于感知来讲，比较常用的就是深度学习（Deep Learning），针对规划和执行主要用的是增强学习（Reinforcement Learning）。
在具体应用上，还有两种不同的方向，一个是对环境进行建模，预测人和车的行为，这样的方法针对规划和决策来讲更适合；另一个是端到端（End-to-end），直接从感知到决策，省去了中间的很多流程，一些 AI 公司都在做深度研究，但要真正变成产品，还有漫长的路要走。
自动驾驶的挑战
AI 在自动驾驶的应用也带来了很多的挑战。
对于传统 Rule-based 算法来讲，出了问题可以一条一条的找程序，找到问题出在什么地方，但是当神经网络出现问题的时候，我们可能很难找到问题到底出现在哪一个地方，是 Data 不够？还是结构的问题？这可能是大家共同担心的问题。
此外，AI 引发了很大的计算量，尽管 Nvidia 目前推出的产品计算能力很强，推出了 Drive PX2 ，但它仍是很初级的计算，要达到 L4、L5 的要求还有很漫长的路要走。
最后就是怎样保证系统的真正安全，同时将其投放到市场上去。
博世的角色
博世在摄像头、雷达、超声波、精确定位这些领域都有非常好的解决方案，我们也在研发激光雷达，同时博世在系统集成、软件开发方面有几十年的经验，这实际上都让我们有能力提供一个可靠的系统基础并在此基础上提供一个很好的自动驾驶系统解决方案。
同时，我们也认为自动驾驶不是一步就能实现的。博世在高速公路自动驾驶、城市道路自动驾驶以及自动泊车方面都有研发、产品。所以我们提供一个系统的、全方位的解决方案。
本文作者：张伟
本文转自雷锋网禁止二次转载，原文链接
