人工智能能否帮助中国自动驾驶“弯道超车”？

（原标题：人工智能能否帮助中国自动驾驶“弯道超车”？）

百度发布了最新的全年财报，人工智能不出意外的成为财报的核心。从新兴业务中可以看到，自动驾驶作为业务重点被介绍。那么在欧美列强自动驾驶声势浩大的今天，中国的人工智能能否帮助中国厂商“弯道超车”?

在考虑这个问题前，我们先要知道中国的人工智能已经达到了什么水平?当然，这是一个打嘴仗的话题，毕竟人工智能的算法众多，领域多样。所以笔者也不准备去费口舌，只是说几个事情，大家感受一下。

年初美国人工智能协会年会因为时间安排与中国春节撞车，但是考虑到中国研究人员众多，不得不将会议改期。从这一点看，中国在全球人工智能技术领域的重要地位不言而喻。

另一个例子，美国白宫此前发布报告，表示“中国深度学习领域研究已经赶超美国。”中国人工智能对美国政府都已经产生触动。

再说个更具威胁性的评价。纽约时报发文称，“中国人工智能迅速进步，军备竞赛正在紧逼美国。”乖乖，这个水太深了，为了不敏感，这里就不说了。

可以说，看过这些已经足够反映中国人工智能水平在不断提升中 ，且地位不低。不过，作为关注汽车圈的人，更多更人关心的是人工智能在自动驾驶领域上能帮助中国自动驾驶“弯道超车”吗?

上个月百度智能汽车亮相美国CES，向全球展示了百度在高精地图生产制造、自动驾驶环境感知等领域的领先技术，并向全球发布自动驾驶开放平台RoadHackers，其实这足以说明中国自动驾驶的技术路径。

人工智能的突破口在哪?

在展开这个话题前，首先得知道目前自动驾驶主要应用那方面的人工智能。

根据L3自动驾驶定位、感知、决策、控制的需要。自动驾驶首先要有强大的计算感知系统。比如能够准确实时的判断路面的各种标示、状况的图像识别体系，这不可避免要用到深度学习技术。而且，为了具有距离感知，还必须有毫米波雷达、超声波、激光定位雷达之类的黑科技。(这点大家感兴趣可以了解一下谷歌无人车用的激光雷达，绝对地球顶配。)

另外，还要采集和校准非常、非常多的地图、路线、实际路况等数据，也就是精准的定位一辆车在什么地点。

最后是少不了精密的自动控制系统，让汽车能够敏捷精准地根据电脑给出的指令处理各种突发状况。

基于以上基本的自动驾驶需求，人工智能目前最大的发挥领域主要集中在感知与数据采集和校对上。(目前主要，未来就不好说了)

从感知上来说，最为重要的就是识别行驶道路上的各种必要信息，比如交通标志、道路线，以及旁边的车辆、树木等等，而电脑根据实际情况执行不同指令。所以感知的重要性很高，毕竟这玩意要识别错了，轻则损失几千元，严重可就是生命的代价。不过要达到极高的识别速度，并最终达到100%准确程度，就需要人工智能来帮助了。

目前，感知识别主要需要使用诸如深度学习的CNN(卷积神经网络)算法来完成。其原理核心简单说就是对图像等信息不断逐层分级，获取特征信息，并进行特征学习，从而达到类似于我们人类开车时的视觉作用。

但是，由于路况千变万化，比如交通标志也有破损的时候，车道线也有看不清的时候，加上受限于摄像头像素、感知距离限制等等传感器局限问题(特斯拉理想状态也不过250米的感知范围)，这就导致无法保证100%的准确率。特斯拉的几起交通事故就是典型的例子，所以，高精地图作为辅助就有了必要性。

高精度地图相比我们常见的导航地图信息量会大得多，毕竟自动驾驶车需要精确的知道在路上的位置，而车辆与车道线、马路牙子也就几十厘米左右，所以高精度地图的绝对精度一般都是1米以内，而如果需要车道和车道、车道和车道线的相对位置精度等信息，往往还要更精确，比如百度的高精度地图就是厘米级，而且还含有每个车道的坡度、曲率、航向、高程、侧倾的数据。

有了高精地图就能大大的减少传感器等系统实时运算的负担。比如“路右侧有一个限速60的标志牌”，行驶到附近时，因为高精度地图中已经有了标牌的准确位置，车载摄像头可以有针对性地分析图片中有标志标牌的区域，确认限速信息，免去全画幅的分析计算，从而减少运算量。

有了高精地图作为辅助，感知准确率和效率就会大幅提升。但是，高精地图数据需要不断丰富，这就涉及到了数据的收集和校对。这方面也同样可以开始利用人工智能。

比如，利用深度学习，百度高精地图数据自动化处理程度已达到90%，能自动识别包交通标志、地面标志、车道线、信号灯等上百种目标，相对精度达0.1-0.2米。

可以说 ，人工智能已经大大帮助中国自动驾驶技术的成熟，尤其是中国相关人工智能技术厂商还不赖，并且对自动驾驶的专注度越来越高。所以，中国自动驾驶无论是技术尝试，还是车厂等相关厂商机会还是大大的。

不过……，还是有一点要注意!

不断强化的人工智能优势

对现在的自动驾驶技术厂商而言，如何解决数据来源问题已经开始成为新的问题。毕竟自动驾驶需要的数据维度太多，太丰富，而且不同国家、不同城市的路况环境各不相同，所以数据是绝对的重点，而且量级绝对不能少。备受技术宅敬仰的特斯拉老大Elon Musk 就说过，没有 10 亿英里(注：约 16 亿公里)的数据，就不能称有足够的数据。而且，10 亿英里的数据只是 “需要条件” (necessarily)，而非 “充份条件” (sufficient)。

那么数据如何积累?谷歌、百度地图常用的那种满街跑的地图测绘车是一种方式，但是对于像高精地图这种高信息量的地图，还需要专用的测绘车，这种成本就不是一般的高了。之前，百度就表示， 250辆测绘车中，可用于高精度地图数据采集的车只有10辆。不过话说回来，就算有1千辆、1万辆专用测绘车也存在数据不实时、不够“新鲜”的问题。

当然，办法也不是没有。目前，百度一直利用自身云端的Learning Map实现地图众包，也就是通过行驶中的汽车车载传感器采集道路信息，回传云端后补充、更新地图数据。而且，百度正在实验更神奇的技术，希望通过人工智能技术，实现低质量的图像数据更新高质量的高精地图。举例说就是，类似768这样的超低分辨率影像，也可以去补充采集车的4K影像。如果成功，即使像素质量不高的影像也可以充分利用，高精地图就可以进行自我学习和演进，最终实现高精地图数据的实时更新。

当然，还是那句话，众人拾柴火焰高，人工智能技术是自动驾驶的核心竞争力，也是中国自动驾驶技术“弯道超车“的关键，但还需要整个业态的参与其中，尤其是中国各大车厂，也是最直接的自动驾驶技术受益人，其自身就蕴藏巨大的数据资源，如果和有自主知识产权的中国自动驾驶技术厂商合作，其前景不可估量。■