2022汽车半导体生态峰会演讲实录|清华大学李克强：下一代AI驱动中国方案智能网联汽车关键技术

以“智链未来 本立而道生”为主题的“2022张江汽车半导体生态峰会暨全球汽车电子博览会”由《中国汽车报》社主办，张江高科、爱集微、浦东新区投资促进二中心承办，11月7日-8日在上海张江科学会堂隆重举行。

本届峰会邀请了以半导体为核心的全球智能网联汽车生态链企业高管、知名分析师与投资机构、中外行业大咖参加，瞄准新智能汽车与能源汽车技术前沿，就科创+产业+金融进行深度交流，为汽车半导体产业发展贡献智慧和力量。同时，通过趋势分享、前沿技术碰撞、投资逻辑解读以及全球汽车电子博览会，共同探讨全球巨变下的汽车半导体产业链发展，为业界充分展示汽车电子最新发展成果与趋势，打造国际化一流汽车半导体领域展示平台。

其中，在11月8日举办的“主峰会”，中国工程院院士、清华大学教授李克强做了题为《下一代AI驱动中国方案智能网联汽车关键技术》的精彩演讲，以下内容为现场演讲实录：

李克强：各位老师，各位业界的同仁，非常高兴能有机会将我们研究团队在下一代AI在汽车应用相关研究工作给各位做一个汇报。题目是《下一代AI驱动中国方案智能网联汽车关键技术》。

中国工程院院士、清华大学教授 李克强

首先，智能网联中国方案，这是我们这个团队提出来。智能汽车是新一轮科技革命代表性的产业，是世界各工业强国的战略竞争高地，包括欧盟、美国、日本都在以国家项目推动。我们国家高度重视智能汽车的创新，在国家战略中也是重要的任务。

智能汽车发展现在出现了新的方式，现在是以单车自主智能为主的方案，目前是国外在主导，但存在一系列的问题，所以现在也在探索网联协同式智能汽车开发。我们团队在协同方面做探索，提出了智能汽车基于车脑、云脑一体化云控系统的思路，也提出了云支持的体系架构。

基于现在的移动通信技术把车路云融为一体，让这个系统能够提供实时动态数据、基础服务内容和协同计算环境。这个系统现在得到行业的共识，具体来说称之为中国方案的智能网联汽车，具体的定义，具有一个技术特征并满足三个条件，强调车路一体化的系统，三个条件一是要满足中国的基础设施标准，包括交通基础设施和信息基础设施，二是要符合中国联网运营标准，三是要符合中国新体系架构下的汽车产品标准。未来的智能网联汽车一定是在智能的基础设施下运行，一定需要网联运行，一定要保证信息安全管理系统。

要发展智能网联汽车，首先要建立方案的信息物理系统架构，这已经脱离了传统的汽车，这首先需要做架构的设计，同时未来在这样的情况下，要真正推动起来，汽车产业的形态就会发生改变，会出现新的零部件系统，五大基础平台要实现一体化运行。

在这种情况下，如果有这样一个系统架构，智能网联汽车在传统汽车的驱动性、动力性的基础上有新的零部件诞生，包括五大平台，即计算平台、终端平台、云控平台、动态地图平台、信息安全技术平台，未来的汽车上有新增加装置的实现，这就需要推动智能网联汽车产业化，需要完成这样新型零部件的研究和开发。

要推动新型零部件实现，同样需要树立技术体系，包括感知、定位、计算平台、人机交互、线控底盘，以及能够在复杂环境下感知决策控制，跟过去比，有新的进展，需要新一代的人工智能技术。

当然，现在随着发展提出了新一代人工智能概念，所以智能汽车不再需要用传统的基于规则式的决策判断，基于一般的感知认知，需要探索如何利用新的人工智能技术来做智能驾驶系统，根据下一代AI的特点定义出新的智能驾驶系统，依托多元传感器、互联互通的装置、融合大数据驱动学习，人机协同增强智能和自组织群体智能等下一代AI技术等等，对智能驾驶系统做了定义，当然实际上在应用过程中存在一系列的挑战，这是用常规的方法来做自动驾驶的感知决策控制遇到的问题。新一代的人工智能技术同样也存在许多挑战。包括观测性、动态联系、不确定性等等，这对使用新一代人工智能有很多方法和应用上的挑战。

下一代AI驱动的智能汽车的应用，应该从智慧出行系统来分析判断。这样的智慧出行系统有很多的应用场景，从汽车来说，分结构化道路与城市化道路、高速公路，要完成作为移动的出行系统所需要的这套系统里面的全要素的网联化的感知、人车路交互行为的认知、包括群体的决策，希望通过混合智能、群体智能、大数据、基于云端的控制智能，完成几大任务实现这几个典型场景里的应用。

在这样定义下，要把下一代的AI技术用在智慧出行里面，有一系列的技术需要突破，从大的交通系统来说，车的点线面，从单车里面来看，从行为理解、运动控制、驾驶决策、行为理解、状态感知有一系列的任务需要完成，当然可以用到新一代AI技术里面的智能、混合智能，多车里面需要群体智能，从面上的角度来看，仍然需要新的人工智能技术。

最终，形成这样的一个完整技术的任务矩阵，但是现在新一代人工智能技术的多数初创公司、凡是有AI的公司90%都在做单车智能工作，没有做到决策，更没有在大范围下从感知到决策控制。新一代人工智能技术正是在智能网联汽车里真正形成大的智慧出行系统，还有一系列的技术需要突破。

围绕相关的任务，我们团队开展了相关的工作，主要聚焦在三大领域，一是以需求驱动，汽车在真正的复杂环境感知里面是怎样的挑战，如何应用这些相关的技术，以及更高水平的决策控制，以及从大范围下怎么实现几个支撑，信息、零部件、驾驶脑、云脑融为一体，通过智能驾驶性能的提升来完成自动驾驶应用的行驶安全、能耗经济、乘坐舒适。

第一，探索，这是一个国际合作项目应用需求的案例，谈到自动驾驶要运用到实际环境特别是复杂环境，在高速公路上的车的问题，在城市场景下有一个非常重要的场景，即交通的弱势群体，包括行人、骑车人，如何来做这样一种联合的识别，这是几年前我们的一个合作项目，也是现在自动驾驶汽车辅助驾驶里面的挑战性问题，在城市工况要使用，解决和行人、骑车人之间的问题，这个问题有道路的干扰、识别困难、难以区别、类型容易混淆，通过复杂案例提取、特征融合、侯选区域，如何使用提出了一个新的联合识别的方法。来使用神经网络怎么提高，区分类间差异，采取共有的显著形区域及冗余策略，来实现行人及骑车人目标侯选区域选择，这样的方法可以降低神经网络模型的输入维度，可以把这样的一种更多的方法、更多的算力用在提高目标联合检测的精度和抗干扰能力上，这是在这种方法上做的有益探索。

完成这种方法的同时，也完成了国际上第一个骑车人和行人的联合识别的数据库，用了这样的方法，能够在满足骑车人识别的同时，能够把行人识别精度得到有效的提高，这项工作现在得到了实际应用。

第二，决策，探索利用新一代人工智能技术类脑决策智能的方法，研究在城市道路工况下自动驾驶的场景和算法，智能算法的开发，针对这样的场景，提出用类脑学习型的方法来做城市道路自动驾驶的算法。以深度强化学习为基础，这种方法跟前面这两种常用的方法比第一个具备位置环境下自我探索能力，另外它特别适合用云的基础平台进行远程的学习，可以使我们的进化速度快，场景泛化能力强。

提出利用混合驾驶数据和车辆模型的方法，这是我们的新思路。另外也提出了车云协同虚拟探索，有真实的车辆，有虚拟的车辆，通过虚拟的车辆形成数字孪生的方法可以探索更复杂的场景，用这样的方法来提升对未知危险场景决策的智能性，同时可以有效降低在线计算的负担，这是采取两种思路确定在应用类脑决策智能方法的探索和技术的实现。

完成技术探索以后，也做了典型工况的验证。使用了虚实结合，虚实仿真在多车道工况下，实车是全实物测试，在真实的环境下做决策分析，这套仿真分析系统适用于复杂道路和混杂交通流，同时策略具有净化能力、扩展性强，另外单步决策的计算效率小于5毫秒。

第三，真正的实现在应用里，我们提到中国方案实际上是车路云一体化，最终实现两个脑的一体化，车脑和云端计算平台的一体化协同，这个系统做了开发和应用。在大规模的云端、路端、车端节点，信息流传输路径很复杂。所以提出这个概念，真实应用很复杂，首先做了体系的系统设计，创建了系统平台架构，第一实现了分层，基础平台应用层，基础层、平台层称之为基础平台，真正实现平台层和应用层的解耦，另外是跨时空，从车端到边缘、到区域，做了技术单元，云端分三级，边缘云、区域云都做了云平台的设计。

在这样的分层和分级下，做了各种任务的设计，是在多任务的体系下实现这样的架构设计，这是国际上首个车路云融合特征的云控平台评价架构，基于这个架构主要开展了两大工作。

第一，车脑，车的基础或者车的计算基础平台，定义计算基础平台和车脑基础脑和操作系统，对操作系统做了梳理和定义。定义操作系统增加的功能软件，它是由系统软件、功能软件定义这样广义的操作系统。在系统软件里重点实现了解耦，未来操作系统是双解耦的概念，系统软件这部分通过中间层实现了计算硬件的解耦，要匹配不同的硬件。

第二，做了功能软件和应用软件的解耦，花了大力气在突破，在国家的重大产业化支持项目下做产业化。中国自动驾驶人工智能应用最缺的是算法，但是算法和计算机这些应该是有区别的，所以怎么做好应用算法，所以提出了通过设计功能软件要实现与应用软件的解耦，能够支撑不同类型的自动驾驶应用，特别是支撑让大家做的更好的应用算法，这是重点突破的自动驾驶操作系统，把操作系统里面功能软件做了专业化的定制改变，能够实现一系列的功能。包括国家说的自动驾驶里面的信息安全问题从车端，通过这样的自动驾驶操作系统可以实现信息安全，保障数据进来怎么分类，怎么做处理等等，在这里面我们实现了这样的工作。

在这样的一种自动驾驶操作系统完成的基础上，、真正完成了车脑、技术脑的工作，提供体系架构通过相关的软件设计，包括通过标准实现，现在已经实现了一系列的计算技术平台产品，可以匹配不同的芯片，更重要的是让应用工程师专心开发应用软件。真正意义上可以实现跨整车、跨系统的开发。

另外一项一体化工作里，是如何建立的云控基础平台，实现云控网联驾驶，利用这种方式可以突破智能网联车云控协同的超视觉感知，称之为真正意义上映射动态的数字孪生，这是动态的实时感知，能够把准确的识别精度提升，用了这套云端连接和影射处理以后，将道路环境感知从百米级扩大到千米级，目标跨域跟踪准确率提升了90%，提升行车安全的同时，为汽车自动驾驶提供更加丰富的信息支撑。现在很多人做的云平台是烟囱型，数据平台做不了。只有通过云的基础平台建立实现数据的交互，实现信息安全在数据端、云端的监控管理，将来统一建一个基础平台，可以实现数据的管理，同时实现数据的交互应用，能够实现感知。

在实际应用当中，可以做到广义优化型节能驾驶，云端车端融为一体，在云端做在线的动态规划，然后到车端做动力系统的最佳工作点闭环控制，、保障车辆行驶感安全的同时，提升巡航过程中的经济性。

下一步人工智能在智能网联汽车的应用还存在很多的挑战，不管现在怎么做，人工智能技术的突破，现在是智能性不足，它的智能跟人是没法比的，是在比较简单的工况下才能实现的应用。另外在未来自动驾驶实现的时候，还有一个很核心的问题是安全，目怎么做，在极端的工况下人工监管的次数还是存在的。所以还需要通过技术的手段不断的完善，虽然感知已经有很大的进步，但是仍没有达到绝对的准确，包括在典型的复杂区域和环境的影响，这里面还有一系列的方法需要探索，包括决策智能性还低于人，在车外的决策包括车内的决策还有一系列的工作需要突破。当然还包括、信息物理融合系统，它的信息安全不仅仅是管道的问题、通信的问题，车端也有很多的信息安全，数据端、云端也一样，所以要做系统的考虑。

因此，智能网联汽车是自动驾驶发展的新阶段，中国方案的智能网联汽车在系统定义、关键技术和产业生态方面具有特色。下一代AI驱动的中国方案在智能网联汽车复杂环境感知、类脑智能决策、智能网联车脑、云脑一体化系统等三个典型方案技术的方法，已取得了阶段性的成果。AI驱动的智能网联汽车发展在系统智能性、安全性等领域仍然存在技术不足的挑战，而且伦理困境及责任认定方面也亟待突破。

谢谢大家！

（注：以上速记内容未经本人确认）