清华大学邓志东：智能路网，构建中国特色自动驾驶商业化之路

核心观点

单车智能包括感知、预测、决策与规控等智能系统各个环节，其中，人工智能算法的突破和应用将是实现核心突破的关键；

特斯拉借助Autopilot的选项购买，利用OTA进行FSD Beta的服务升级与收费，在渐进式追求单车智能的过程中，顺利实现商业闭环；

中国拥有5G与城市基础设施建设优势，通过推动城市智能路网技术与产业创新，能够助推“聪明的车”走上“智慧的路”，助力中国智慧交通和未来智慧出行产业发展。

2022年12月22-23日，由亿欧汽车主办的GTM2022全球科技出行峰会在中国上海成功举办。本届峰会以“加速·定势”为主题，聚焦时下热议的智能电动汽车（SEV）发展，围绕六大主题论坛，携手与会的数十名行业头部企业高管，呈现了一场新技术与新理念齐驱的汽车出行产业年度盛会。

在《科学企业家论坛》上，清华大学邓志东教授发表了题为《发展智能路网技术，助推自动驾驶大规模商业落地》的演讲。他认为：

1.单车智能是实现汽车智能化的基础，特斯拉的单车智能模式通过纯视觉、数据闭环、大模型，以及人工智能芯片与超算融合的方式，为行业提供了可借鉴之技术路径；

2.解决单车智能的长尾问题，需要最大程度地使用深度学习方法，通过对大数据、大模型、大算力的极限使用来缓解长尾、边缘问题带来的挑战；

3.智能路网模式在单车智能的基础上，通过云边端与虚实平行架构，面向人、车、路等交通参与者提供融合感知、精准定位、高精地图、态势与行为意图预测、决策与规控等服务，是智慧交通的基础底座，更贴合中国的发展需求。

以下为分享实录，供行业人士参考：

我今天要分享的主题是“发展智能路网技术，助推自动驾驶大规模商业落地”，主要包括三个方面：

第一，单车智能与汽车智能化。单车智能是实现汽车智能化的基础，我们来分析技术驱动型的特斯拉单车智能模式是如何做到的。

第二，介绍智能路网的基本概念、基本内涵，以及合力支撑。

第三，加速走出中国自动驾驶大规模商业化落地之路。我们有非常明确清晰的技术路径，这种方法可以通过“一对多”的实现，加速走出中国L4自动驾驶商业化落地之路。

01 单车智能是汽车智能化的基础

发展单车智能包括发展感知、预测、决策与规控等智能系统的各个环节，这些都是实现汽车智能自动化的重要技术基础。在这些技术中，人工智能的算法突破及应用是关键。

汽车智能化，首先要完成传统汽车的全电化、数字化、软件化、网联化升级或全新设计。

传统车企要去发展信息化的汽车平台，包括开放线控、研发新型EE电子电气架构，甚至新型线束系统。而推动全电化、数字化、软件化等，则要完成执行机构的安全冗余、OTA、软件定义升级等。

解决单车智能的问题，需要最大程度地使用深度学习方法。

具体来说，就是对环境感知、自主导航、轨迹补全与行为意图预测等，极限使用深度神经网络监督学习方法。而决策与规控，则需要最大程度地应用深度强化学习方法。这些是我们目前所能得到的最有价值的方法之一。

什么是极限使用？

就是面对长尾问题、边缘问题，深度神经网络需要使用大数据、大模型、大算力来解决。与此同时，要在数字孪生系统中基于深度强化学习，进行面向决策、规控的最优策略的学习，最后再完成最优策略的虚-实迁移。

但是自动驾驶数字孪生系统的研发非常之困难，它的挑战远超过高逼真的视景渲染系统，因为不能只是渲染看起来很像，关键是对运动学、动力学与世界建模也要非常的逼真，而这些精准建模目前困难重重，实际需要大量的投入与长期的积累。

最近很火的ChatGPT，其实它用的就是一个深度生成式预训练Transformer大模型。这是一个具有1750亿参数的AI大模型，同时还结合了深度强化学习的方法，可以无监督地学习与遍历海量的语料大数据，表现出一定水平的人类智能，所以相关的技术路径已经非常明确。

02 特斯拉如何构建单车智能

深度学习极限使用中，使用“三个大”可能会有助于缓解长尾、边缘问题带来的挑战。

我们可以看到，特斯拉就走了这条技术路径去追求单车智能——这是一种能不断正向技术迭代的渐进式路线，在普通消费者作为安全员的前提下，渐进式地实现L2+到L2++的高阶自动辅助驾驶，再到L3、L4的自动驾驶的技术路线。

这种路径同时可以实现商业闭环。特斯拉就是通过Autopilot的选项购买以及利用OTA进行的FSD Beta的收费升级服务，从而实现商业闭环。

最新的进展是，特斯拉的FSD Beta V11在整个北美进行了公测，从内测到公测，这是一个重要的里程碑。而且它将普通用户作为安全驾驶员，这样可以满足绝大多数国家现有交通法律法规的要求。

因为无需路侧自动驾驶基础设施这样的支撑，所以这种方式会更容易普及推广，它的核心技术也更具有战略价值。

大家知道，国内搞智能电动汽车的头部企业，也在像特斯拉这样面向城市和（或）城际高速公路的NOA，进行L2++的技术迭代与商业落地实践，逐渐走向更加高阶的L3、L4自动驾驶。

总之，这种方式能够让普通消费者当安全员，不但能满足法规的要求，还能持续实现商业闭环。

那么，它在技术上是如何实现及演进的呢？

我认为主要是采用了如下几种方式。一般来说，采用多模态的融合感知，或者采用单模态的纯视觉，这个会存在不同的看法。但从另一个角度来讲，纯视觉也回避掉了信息融合这个具有挑战性的技术难题。

前已指出，这种单车智能采用了数据闭环、人工智能大模型、人工智能芯片与超算，通过这种方法，尤其是通过学习来解决自动驾驶的长尾与边缘问题，并渐进地面向未来L3、L4高阶自动驾驶的迭代演进。

大家知道，纯视觉是不用激光雷达的，甚至目前还去除了毫米波雷达，同时也不用高精栅格地图，直接采用纯视觉方法进行感知。这种方法不仅成本低，也把信息融合算法回避掉了。但这种方法对数据、算法、算力的要求更高。

要实现这种纯视觉感知方法，需要通过深度学习方法进行。目前端到端的数据驱动方法，首先需要采集大数据，这利用了“众包”或“众集”的互联网思维，然后利用AI大模型与大算力，实现数据闭环。特斯拉通过OTA收集所有存量与增量消费者的车辆行驶数据，目前它已经拥有了10亿量级的短视频数据，而且这个真实现场数据随消费者分布在全世界，而且每天都在采集。

它在先期也建立了1000人以上的数据标注团队，后面利用强大的人工智能算力，通过发展各种深度神经网络模型，然后结合各个类别少量的高质量人工标签，用机器完成更多的自动标签生成，并构成闭环，不断积累。

把自动标完的数据再进行人工审核以确保质量，这样的高质量标签数据资源就构成了企业的核心竞争力，成为真正大范围应用深度学习的数据基础。

在数据闭环中，我们看到系统不仅使用了现场的真实数据，还应用了自动驾驶数字孪生系统，得到了相关的合成数据，把真实数据、合成数据聚合在一起，并在数字孪生系统中模拟边缘事件等。

这样在真实物理世界中，小概率发生的边缘事件，不仅可以进行模拟，而且可以利用深度强化学习进行最优决策与最优路径规划。

大家知道，通用的深度视觉平台技术对自动驾驶也会带来很大的改变。我们可以利用跨模态海量无标签数据，或者少量高质量标签数据，进行超大规模深度生成式预训练Transformer大模型的学习。

打个比方，这相当于正在训练一位“人工智能老司机”，一旦它的驾驶视觉、驾驶规划等达到数百亿公里的驾驶里程或遍历了几乎所有驾驶环境，他将可望远超人类司机。

在这个PTM大模型基础之上，可以进一步面向自动驾驶各种下游任务进行基于few-shot微调的高性能快速迁移。

总之，基于人工智能大模型的视觉智能驾驶技术，可能是解决长尾与边缘挑战的技术路径之一，但它对于大数据有巨量的需求，而且还需要得到人工智能超算的支撑。

所以特斯拉在大算力这个方面也是非常重视。作为一个车企，一个新造车势力，特别重视人工智能芯片，甚至是人工智能超算的研发，包括原来自主研发的FSD芯片，以及现在自主研发的新一代AI芯片D1。

这方面的创新是，在一块晶圆上，同时光刻了25个D1芯片，每个小块是一个D1芯片，这样就可以很好地解决芯片间通信的低时延、高带宽问题。还可以进一步在空间上进行三维堆叠。如此以来，它的总算力目前可在全球超算排名榜中位居第五。

上述路径走的是单车智能的技术路线，优势是可以渐进式地进行技术迭代，同时还可以构建商业模式。

03 智能路网支撑下的商业落地

相比单车智能，另一种落地模式是智能路网支撑，简言之即智能路网加上单车智能。

首先，什么是智能路网？智能路网就是在云边端与虚实平行架构下，面向人、车、路交通参与者，具有区域性的融合感知服务、精准定位服务、高精地图服务、态势与行为意图预测服务以及决策与规划服务，同时具有智能网联与交互能力、智能交通管理能力、调度与全时发布能力的城市新型智能交通基础设施。

它可以为智能汽车、自动驾驶、智慧出行与智慧城市的发展提供基础性的底座支撑。

所以从它的特点来看，智能路网有如下三大特征：

第一，是自主提供区域性的智能感知、预测、决策、规控辅助服务，为“聪明的车”提供区域性的共享辅助服务。这里强调区域的智能系统属性，既不是原来概念中智慧路口的一个点，也不是智慧道路的一条线。

第二，是基于数字孪生技术构建区域性的虚实平行交通，作为一个道路交通网络的智能系统，这里聚焦于它的算法与软件属性，它的后台是数字孪生系统，准确说是一个虚实平行世界。既有真实的道路交通流，还有其平行的虚拟版本，它们互相进行交叉验证，以完成基于AI的接管预测。

第三，是它构建于区域性的城市智慧云端基础设施，这是指其硬件属性。

因此，智能路网作为交通数字化、网联化、智能化发展的重要方向，创新性地跨界融合了大数据、5G、交通物联网、人工智能、智能汽车、自动驾驶、智慧出行等众多技术领域与前沿产业。

利用单车智能加上智能路网，不仅可支撑自动驾驶落地应用，还将助力智慧停车、智能汽车、智能出行、智慧城市的发展。

相对而言，城市智能路网比车路协同的概念更具体，它是对自动驾驶规模化落地应用的支撑，其技术实现路径十分清晰。

这条技术路径对单车智能没有那么高的要求，可望加速城市或高速L3、L4高阶自动驾驶的落地进程。

通过在边云侧实现基于人工智能的预测接管，可以提前告诉你可能要出事故了，所以边云侧的人类安全驾驶员可以实现一个人照管一台车，后续通过AI的持续进步，一个人可以照管上百辆车，从而真正实现可商业迭代的技术演化，加速高阶自动驾驶规模化落地。

走通这条技术路径，还可催生路侧端的世界级企业。在这个创新引领的技术与产业，中国将大有可为。

04 加速中国自动驾驶商业落地之路

最后，我们看看如何加速走出中国自动驾驶大规模商业化落地之路。具体而言，有了城市或高速智能路网的支撑，人类安全驾驶员就可以从主驾到副驾，从前排到后排，从车内到车外边云，并最终走向边云的“一对多”。

在这个可技术迭代的自动驾驶落地之路中，首先涉及三个阶段：

第一个阶段就是实现从主驾到副驾，即主驾无人、副驾有人，此时人类安全员的环境感知与决策有部分分离；

第二个阶段实现从前排到后排，这里环境感知与决策有更大程度的分离；

第三个阶段是从车内到车外的边云，技术上需要解决无线移动网络的时延与丢包等传输不可靠问题。

每个阶段的跨越，都需要若干核心技术的突破。

上述三步走策略，逐步撤销车载的人类安全驾驶员，从车载到车外的边云，从车外边云的“一对一”到“一对多”，倒逼关键核心技术突破与智能路网的建设，逐步构建可持续发展的商业闭环，最终走向全无人的高阶自动驾驶大规模商业化落地。

在政策层面的不断支持下，我们要保持耐心，稳步推进第一阶段的成果，积极实施第二阶段的落地，尽早部署与实践第三阶段及“一对多”的发展。

总之，尽管在单车智能方面，我们与世界头部企业仍有不小差距，但我们有智能路网的创新发展与底座支撑，特别是5G与城市基础设施建设等方面的优势。

通过积极推动城市智能路网技术与产业的创新，特别是加速实现智能路网与智慧停车、智能电动汽车、高阶自动驾驶的融合创新，我们能够让“聪明的车”自主行驶在“智慧的路网”上，助力中国智慧交通和未来智慧出行产业的发展。

本文由亿欧汽车出品，未经许可，请勿转载。